一种新的彩色图像数字水印算法
2009年第7期福建电脑
一种新的彩色图像数字水印算法
邱修峰1，王
敏1,2
（1、赣南师范学院数学与计算机系江西赣州
3410002、中国科学院研究生院北京110004）
【摘要】：数字水印是有关多媒体信息内容安全的一种技术。本文应用离散脊波变换(Discrete Ridgelet Transform)，设计并实现了一种基于离散脊波变换和离散小波变换的图像水印算法，算法分别在彩色图像的离散小波变换域和离散脊波变换域嵌入彩色图像水印，可以抵抗噪声、JPEG 压缩、改变亮度、改变对比度、改变颜色、lens blur 、缩放、剪切和一些联合攻击。
【关键词】：数字水印;小波变换;脊波变换;彩色图像
1、引言
脊波变换的基本理论框架工作是在1998年由E.J.Cand ès 在其博士论文[1]中正式提出的。小波变换在表示0维的奇异性时表现出很好的效果，但在表示具有高维的奇异性的信号时，则使用脊波变换更具有优越性。关于脊波变换域嵌入数字水印方面的研究，Patrizio Campsisi 等[2]研究了在灰度图像脊波变换域嵌入随机序列水印信号问题。肖亮等[3]研究了在灰度图像脊波变换域嵌入随机序列水印信号时的HVS 问题，建立了脊波变换域人眼临界可见误差模型。本文提出将彩色图像水印分别嵌入彩色图像的DWT 的低频系数中和彩色图像的脊波变换域的系数中，实验表明这样可以提高水印的鲁棒性，水印可以抵抗多种攻击，如噪声、JPEG 压缩、改变亮度、改变对比度、改变颜色、lens blur 、缩放、剪切和一些联合攻击。而且用彩色图像做水印，水印更加直观、美观。
2、图像的离散脊波变换(discrete ridgelet transform)[1]2.1离散的Radon 变换
实现步骤如下：（1）函数f 的2-DFFT 二维离散傅立叶变换.（2）直角坐标向极坐标的转换.（3）在极坐标方向实现1-DIFFT 一维离散傅立叶逆变换.2.2离散的脊波变换
在2.1中我们通过变换获得对任一固定方向k 的序列对每一k 的序列R k 作一维离散小波变换DWT,我们就完成了离散脊波变换，此过程是可逆的.因为离散Radon 变换和DWT 都是可逆的。对二维离散图像信号，我们将其分成p ×p 大小的块（P 是素数），对每块做离散Radon 变换，再对每一k 的序列R k 作一维离散小波变换DWT 。
3、水印嵌入算法和检测算法3.1水印嵌入算法
设原始图像I 为一幅大小Mi*Ni 的24位RGB 真彩色图像，水印图像W 为一幅大小Mw*Nw 的24位RGB 真彩色图像,I γ和W γ，γ∈(r,g,b),表示图像的R,G,B 各分量的二维矩阵。
Weight=(weight 0,weigth 1,weight 2,….,weight n )是嵌入水印信息时的嵌入因子，因子的大小在这里由水印图像W 的能量和原始图像I 的能量在嵌入时的比例来决定，目的是调节嵌入的水印的能量和原始图像的能量相比不能太大，也不能太小。既weight k =β*|W k |/|I k |,k=0,1,2,…,n,β是调节因子，k 表示图像经过变换后的块索引。
水印嵌入算法如图1所示。具体的水印嵌入算法如下：
1.将原始图像I 的各分量I γ,γ∈(r,g,b)分别做n 级DWT 变换。得到一块DWT 低频系数I γ,LL,n 和3n 块DWT 高频系数I γ,LH,k ,I γ,HL,k ,I γ,HH,k ,k=n,n-1,…1。
2.将水印图像W 各分量W γ，γ∈(r,g,b)分成N*N 大小的块分别做二维DCT 变换，得到(Mw/N)*(Nw/N)块DCT 变换系数
WDCT γ（m,n ）,1<=m<=(Mw/N),1<=n<=(Nw/N),这样水印的能量即主要信息就集中在各个系数块的左上角。（或不做8*8的二维DCT 变换，而按列做一维DCT 变换。）
图1:水印嵌入算法示意图
3.将DCT 系数的直流分量既坐标为（1，1）的分量依次从各个系数块取出依次放入一维数组W2γ,γ∈(r,g,b),然后依次将各个系数块中（1，2）的分量取出依次接着放入一维数组W2γ,γ∈(r,g,b)中，然后是（2，1）的分量，（1，3）的分量，（2，2）的分量，（3，1）的分量，…，（N ，N ）的分量,这是按Zig-Zag 次序取出系数放入一维数组中，这样一维数组中从头至尾存放了DCT 系数的直流分
量，低频分量，高频分量。能量集中到一维数组的前面部分。对一维DCT 变换，将每块DCT 变换的系数按从上到下从左到右的次序依次放入一个一维数组W1γ,γ∈(r,g,b)。
4.在原始图像DWT 低频系数块I γ,LL,n 中嵌入水印信息。I γ,LL,n =I γ,LL,n +weight0*W1γ,γ∈(r,g,b),weight 0表示DWT 低频系数的嵌入因子。可以看出当水印图像W 过大时，count(I γ,LL,n )
5.在原始图像的高频DWT 系数I γ,LH,k ,I γ,HL,k ,I γ,HH,k ,k=n,n-1,…1中嵌入水印信息。将各系数块按p*p 大小分块（p 是一个素数），对各分块作FRIT 有限脊波变换,找到最大的FRIT 系数嵌入水印信息，再将各分块作IFRIT 变换（有限脊波逆变换）。
For k=n to 1
For AA=HL,LH,HH For j=1to max (j,k){
FI γ,AA,k (j)=FRIT(I γAA,k (j));
FI γ,AA,k (j)max=FI γ,AA,k (j)max +weight k *W2γ；I γ,AA,k (j)=IFRIT （FI γ,AA,k (j)）；}
项目基金:江西省教委科技资助项目"多媒体数字水印技术的研究与应用"（编号1227009
）。
15
2009年第7期
福建电脑
K表示DWT系数的层数，j表示p*p大小分块的索引。max
(j,k)表示此时p*p大小分块相应的个数。可以看出当水印图像
W过大时，有一部分（尾部）的水印信息不能嵌入，将其作为半水
印留下来在水印检测时使用。当水印图像W过小时，采用重复
嵌入的方法将水印信息重复嵌入。
6.将嵌入了水印信息的低频和高频DWT系数做IDWT变
换得到嵌入了水印的图像IW。这样就将分别在原始图像I的低
频和高频DWT系数嵌入了水印信息。
3．2水印的检测算法
水印的检测算法是水印嵌入算法逆过程，篇幅所限，只给出
示意图，如图2所示。
图2：水印的检测算法示意图
抽取的水印W1,W2只要有一个存在就判断存在水印，和原始水印W作比较的方法为：(1)将各个图像显示出来用眼睛观察得到主观印象，来判定Iw中是否有水印W。这是最直观的方法。(2)用W1,W2和W之间的信噪比SNR或峰值信噪比PSNR 来判定Iw中是否有水印W，可以对RGB三色分量分别计算，也可以一起计算。(3)分别计算提取水印的各颜色分量和原始水印的各颜色分量的归一化互相关系数。
4、实验结果和分析
实验中采用64*64*3大小的24位真彩色图像bear作为水印，嵌入到256*256*3大小的24位真彩色原始图像baboon，peppers中，实验环境是Matlab6.5,攻击软件是photoshop8.0。取n=3，N=3，p=7，weight0=0.2，weight1=0.05，weight2=0.2，weight3= 0.3。
图3:图像bear,baboon,peppers和被剪切的baboon 嵌入水印的图像的PSNR用IwPSNR表示,单位db；提取水印W1的PSNR用WPSNR1表示,单位db。提取水印W1红色分量、绿色分量、蓝色分量的归一化相关系数用PR1、PG1、PB1表示。提取水印W2的用WPSNR2、PR2、PG2、PB2表示。实验结果表明水印W1和水印W2都可以抵抗噪声攻击，但水印W1效果更好；水印W1和水印W2都可以抵抗JPEG压缩攻击，但水印W1效果更好；水印W1基本上不能抵抗亮度攻击，但水印W2可以很好地亮度抵抗。水印W1抵抗lens blur模糊攻击的性能良好，但水印W2只能抵抗轻微的lens blur模糊攻击，对于改变颜色(既增强某种颜色)攻击，水印W1的抵抗性差，而水印2的抵抗性好。抵抗改变对比度攻击时，水印W1的性能不太好，而水印W2的性能较好，抵抗放大缩小攻击水印W1的性能较好而水印W2的性能较差。对于剪切攻击，两者的性能都不算好，因为是将64*64*3的图像信息嵌入到256*256*3的图像中，冗余不够。若重复多次将水印信息嵌入，应该会改善抵抗剪切攻击性能。算法还可抵抗一些联合攻击（既上述攻击的组合攻击）。部分实验的结果如表1所示。
表1.被攻击嵌入水印的图像及从中提取的水印的相关数据baboon联合攻击=2%高斯噪声+加2亮度+加2对比度＋JPEG压缩品质
因子8
图4:第一行图像从做到右为表1十一个攻击从上到下提取的水印1，第二行图像从做到右为表1十一个攻击从上到下提取的水印2
从实验结果分析，可以观察到嵌入水印的图像和抽取出的水印虽然PSNR值不是特别高，但视觉效果不错。水印1和水印2对不同的攻击的抵抗性有强有弱，但判定被检测图像中水印是否存在的准则是：只要有一个水印存在就认为被检测图像中包含有水印，这样就大大地提高了水印的抗攻击能力，因为抵抗力是两种水印的抵抗力相加。可以看出，水印设计中在图像中加入一些特定的不同颜色的字母能够提高鲁棒性，因为这些字母的特征较容易被攻击后保留下来。实验中发现有时提取的水印1有块状效应，因为嵌入前将原始水印进行了8*8的分块DCT变换，因此提取的水印明显的分成了8*8的小方块，为了避免提取水印1的这种块状效应，对嵌入水印W1的原始水印不做8*8的二维DCT变换，而按列做一维DCT变换。实验结果表明这样可以避免块状效应。令人惊奇的是对于水印W2并没有出现这种现象。具体原因需要做进一步的研究。
算法有许多待改进的地方。下一步的工作是：
（1）结合HVS彩色图像的HVS来增强水印的不可见性和鲁棒性，因为从实验结果可知，对于图像比较平滑的区域，若嵌入的信息过强，则视觉质量明显降低，如在对图像peppers和lena实验中，在一些平滑区域视觉质量下降，只有降低嵌入强度。
（2）对能量不同的图像考虑嵌入能量不同的水印（图像），可以对水印（图像）进行有针对性的加工，可以预先设计好一些水印，对不同类型的水印嵌入不同的水印。
（3）结合文献[4]提出的概念，深入分析此时图像的保护区域、水印起点、水印轨迹、水印轨迹的粗度和半水印表现，以加强水印的性能。
参考文献：
1.E.J.Candès.Ridgelets:Theory and Application[D].Ph.D.dissertation, Dept.Statistics,Stanford Univ.Stanford,CA,1998.
2.Patrizio Campsisi,Deepa Kundur,Alessandro.Robust Digital Watermarking in the Ridgelet Domain[J].IEEE Signal Processing Letters, Vol.11(10):826-830,Oct.2004.
3.肖亮,韦志辉,吴慧中.基于图像内容的脊波变换域数字水印模型和算法研究[J].电子与信息学报,Vol.26(9):1440-1448,2004年9月.
4.邱修峰,刘发明,王明文.一种有意义的彩色图像水印算法[J].赣南师范学院学报自然科学版,Vol.26(3):33-35,2005年6月
. 16
图像分割算法开题报告
图像分割算法开题报告 摘要：图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，并在医学、工业、军事等领域得到了广泛应用。近年来具有代表性的图像分割方法有：基于区域的分割、基于边缘的分割和基于特定理论的分割方法等。本文主要对基于自动阈值选择思想的迭代法、Otsu法、一维最大熵法、二维最大熵法、简单统计法进行研究，选取一系列运算出的阈值数据和对应的图像效果做一个分析性实验。 关键字：图像分割，阈值法，迭代法，Otsu法，最大熵值法 1 研究背景 1．1图像分割技术的机理 图像分割是将图像划分为若干互不相交的小区域的过程。小区域是某种意义下具有共同属性的像素连通集合，如物体所占的图像区域、天空区域、草地等。连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径。对于离散图像而言，连通有4连通和8连通之分。图像分割有3种不同的方法，其一是将各像素划归到相应物体或区域的像素聚类方法，即区域法，其二是通过直接确定区域间的边界来实现分割的边界方法，其三是首先检测边缘像素，然后再将边缘像素连接起来构成边界的方法。 图像分割是图像理解的基础，而在理论上图像分割又依赖图像理解，两者是紧密关联的。图像分割在一般意义下十分困难的，目前的图像分割处于图像的前期处理阶段，主要针对分割对象的技术，是与问题相关的，如最常用到的利用阈值化处理进行的图像分割。 1．2数字图像分割技术存在的问题
虽然近年来对数字图像处理的研究成果越来越多,但由于图像分割本身所具有的难度,使研究没有大突破性的进展,仍然存在以下几个方面的问题。 现有的许多种算法都是针对不同的数字图像,没有一种普遍适用的分割算法。 缺乏通用的分割评价标准。对分割效果进行评判的标准尚不统一,如何对分割结果做出量化的评价是一个值得研究的问题,该量化测度应有助于视觉系统中的自动决策及评价算法的优劣,同时应考虑到均质性、对比度、紧致性、连续性、心理视觉感知等因素。 与人类视觉机理相脱节。随着对人类视觉机理的研究,人们逐渐认识到,已有方法大都与人类视觉机理相脱节,难以进行更精确的分割。寻找到具有较强的鲁棒性、实时性以及可并行性的分割方法必须充分利用人类视觉特性。 知识的利用问题。仅利用图像中表现出来的灰度和空间信息来对图像进行分割,往往会产生和人类的视觉分割不一致的情况。人类视觉分割中应用了许多图像以外的知识,在很多视觉任务中,人们往往对获得的图像已具有某种先验知识,这对于改善图像分割性能是非常重要的。试图寻找可以分割任何图像的算法目前是不现实,也是不可能的。人们的工作应放在那些实用的、特定图像分割算法的研究上,并且应充分利用某些特定图像的先验知识,力图在实际应用中达到和人类视觉分割更接近的水平。 1．3数字图像分割技术的发展趋势 从图像分割研究的历史来看,可以看到对图像分割的研究有以下几个明显的趋势。 对原有算法的不断改进。人们在大量的实验下，发现一些算法的效
彩色图像分割介绍
第一章绪论 计算机图像处理在医学领域的应用越来越广泛，白细胞图像的自动判断就是其中的代表之一。它能有效地减少主观干扰，提高工作效率，减轻医生负担。近些年来，计算机硬件技术和光谱成像技术的飞速发展，使得成功研制开发出小型实用的基于多光谱的白细胞图像自动分类识别系统成为可能。 本文研究的主要目的在于对白细胞多光谱图像分割进行初步的探索研究，为系统中其后的白细胞能够准确地分类识别奠定基础。 本章简要阐述了基于多光谱的白细胞图像分割的应用背景和研究意义，回顾了国内外细胞图像分割和多光谱遥感图像分类的研究发展状况，并简要介绍了本论文的主要工作。 §1.1 概述 §1.1.1 白细胞检验 白细胞的光学显微镜检查是医院临床检验项目之一，特别是对各种血液病的诊断占有极其重要的地位。它的任务是观察或测定血液中的各种白细胞的总数、相对比值、形态等，用于判断有无疾病、疾病种类以及严重程度等，特别是对类似白血病这类血液病诊断具有更加重要的意义。 白细胞分类计数的传统方法是将血液制成涂片，染色后，临床医生在显微镜下用肉眼按照有关标准，如核的形状、细胞浆的量和颜色，细胞浆颗粒的大小和颜色，整个细胞形状、稀薄与细胞间的接触等，来观察和检查这样的细胞标本[1]。然而这项工作十分繁重，工作效率低，容易误判，且人工识别误差随检查人员而异。同时通过观察的细胞数目较少，从统计的角度看，因样本集较小而影响诊断结果的可靠性。 计算机图像处理与分析技术伴随着信息技术的不断进步在最近20年间得到了飞速的发展，已经迅速渗透到人类生活和社会发展的各个方面，这为智能化细胞分析仪代替人工方法提供了基础。因此，借助于现代计算机技术结合临床医生的实践经验，采用图像处理技术对图像进行处理，从而对细胞进行识别，对于医学科研与实践，以及临床诊断方面有着现实意义和非常广阔的前景。 目前已经制成的自动白细胞分析仪主要有两种类型： 一类是用组织化学染色法，通过连续流动的系统，以光电效应的方式分别数出单一细胞，并可同时报告白细胞总数、各类细胞的百分率和绝对值。因为该法不是由细胞形态学特点识别各类白细胞，所以不能目视观察白细胞形态，亦不能保留样本，对感染中毒细胞无法识别。 另一类是原型认定型，其工作原理模仿人“脑眼系统”[2]的智能识别过程，运用计算机图像处理和模式识别技术，将从显微镜与相机或摄像机得到的数字化图像进行自动处理分析和分类。与前一种类型的白细胞分类仪器相比，其主要优
多聚焦图像融合方法综述
多聚焦图像融合方法综述 摘要：本文概括了多聚焦图像融合的一些基本概念和相关知识。然后从空域和频域两方面将多聚焦图像融合方法分为两大块，并对这两块所包含的方法进行了简单介绍并对其中小波变换化法进行了详细地阐述。最后提出了一些图像融合方法的评价方法。 关键词：多聚焦图像融合；空域；频域；小波变换法；评价方法 1、引言 按数据融合的处理体系，数据融合可分为：信号级融合、像素级融合、特征级融合和符号级融合。图像融合是数据融合的一个重要分支，是20世纪70年代后期提出的概念。该技术综合了传感器、图像处理、信号处理、计算机和人工智能等现代高新技术。它在遥感图像处理、目标识别、医学、现代航天航空、机器人视觉等方面具有广阔的应用前景。 Pohl和Genderen将图像融合定义为：“图像融合是通过一种特定的方法将两幅或多幅图像合成一幅新图像”，其主要思想是采用一定的方法，把工作于不同波长范围、具有不同成像机理的各种成像传感器对同一场景成像的多幅图像信息合成一幅新的图像。 作为图像融合研究重要内容之一的多聚焦图像融合，是指把用同一个成像设备对某一场景通过改变焦距而得到的两幅或多幅图像中清晰的部分组合成一幅新的图像，便于人们观察或计算机处理。图像融合的方法大体可以分为像素级、特征级、决策级3中，其中，像素级的图像融合精度较高，能够提供其他融合方法所不具备的细节信息，多聚焦融合采用了像素级融合方法，它主要分为空域和频域两大块，即： （1）在空域中，主要是基于图像清晰部分的提取，有梯度差分法，分块法等，其优点是速度快、方法简单，不过融合精确度相对较低，边缘吃力粗糙； （2）在频域中，具有代表性的是分辨方法，其中有拉普拉斯金字塔算法、小波变换法等，多分辨率融合精度比较高，对位置信息的把握较好，不过算法比较复杂，处理速度比较慢。 2、空域中的图像融合 把图像f(x,y)看成一个二维函数，对其进行处理，它包含的算法有逻辑滤波器法、加权平均法、数学形态法、图像代数法、模拟退火法等。 2.1 逻辑滤波器法 最直观的融合方法是两个像素的值进行逻辑运算,如:两个像素的值均大于特定的门限值,
一种图像置乱算法及其在数字电视中的应用研究
通讯作者：JongWeon KIM ，jwkim@smu.ac.kr 基金项目：2009年度MCST&韩国著作权委员会技术开发项目结果 一种图像置乱算法及其在数字电视中的应用研究 崔基哲 1 张波1 JongWeon KIM 2 1 (延边大学经济管理学院 信息管理与信息系统 延吉 133002) 2 (韩国祥明大学 著作权保护专业 教授 Seoul, KOREA 100080) (cuijizhe@https://www.sodocs.net/doc/8112551583.html, ；zhangbo0037@https://www.sodocs.net/doc/8112551583.html,; jwkim@smu.ac.kr ) 【摘要】 本文阐述了数字电视加解密原理，并介绍了图像置乱算法及其它在数字电视行业中的应用。我国的数字电视行业已经迈入高清时代，但收费节目的管理、卫星传播与有线传播的协调等问题上，还需要成熟的解决方案。本文提出了基于离散余弦变换的图像置乱算法，可适用于收费电视节目的安全管理。 通过本算法可以简化原数字电视加解密系统的两端间的交互流程，增加CA 共享所带来的安全性。经测试发现，提出的图像置乱算法抑制了其他置乱算法中存在的块效应，算法基本满足数字电视的管理及播放要求，无需增加硬件费用。 【关键词】 图像加密；置乱算法；数字电视；条件接收系统；离散余弦变换 【中图分类号】TN05 【文献标识码】A 【文章登记号】7-16 An Image Scrambling Algorithm and The Application in Digital TV Cui Jizhe 1, JongWeon KIM 2, Zhang Bo 1 1 (College of Economic and Management, Yanbian University , Yanji 133002) 2 (Dept. of Copyright Protection Sangmyung University, Seoul, 110743) Abstract This paper elaborates the theory of encryption and decryption about digital television, then gives an introduction of the image scrambling algorithm and the application in digital television industry. In china, the digital TV has stepped into the high definition age, while there also need the mature solution in the management of fee programmers, as well as the balance of satellite transmission and cable transmission. This paper puts forward to the image scrambling based on the Discrete Cosine Transform (DCT), it can be used in managing the security of fee-TV programmers. By means of this algorithm, it can simplify the Interactive process between original digital TV encryption and decryption, and increase the security bringing by CA share. By test, it is founded that the image scrambling algorithm promoted by this paper restrain blocking effects existing in other scrambling algorithm. The algorithm can content the demand of managing and playing of digital TV , dispense with increasing the hardware costs. Keywords Image encryption; Image Scrambling; Digital TV; CAS ；Discrete Cosine Transform 1 引言 2009年8月，广电总局发布促进高清电视发展的《通知》，要求现阶段要采取高清、标清同播过度发射，并要求卫星传输的高清节目必须进行加密[1] 。相继CCTV1等九套高清同播节目上星播出，标志着我国电视播出进入高清时代[2]。 数字电视是将传统的模拟信号经过采样、量化和编码等过程转化为数字信号，然后进行各种 功能的端到端的系统。数字电视不仅包括数字电视接收机、电视台，还包括信号的产生、处理、传输、接收和重现的全过程。在数字电视网上还可以接入电视会议、可视电话、视频点播、按次付费、网络游戏等传统业务外的增值业务。为了确保增值业务的实现，除安全可控的综合管理业务平台之外还需要条件接收系统，简称为CAS(Conditional Access System)。 为防止未授权的用户违法窃取业务，在数字电视传播过程中需要对数据进行加密。图像或视频信息的
关于图像分割算法的研究
关于图像分割算法的研究 黄斌 （福州大学物理与信息工程学院 福州 350001） 摘要：图像分割是图像处理中的一个重要问题，也是一个经典难题。因此对于图像分割的研究在过去的四十多年里一直受到人们广泛的重视，也提山了数以千计的不同算法。虽然这些算法大都在不同程度上取得了一定的成功，但是图像分割问题还远远没有解决。本文从图像分割的定义、应用等研究背景入手，深入介绍了目前各种经典的图像分割算法，并在此基础比较了各种算法的优缺点，总结了当前图像分割技术中所面临的挑战，最后展望了其未来值得努力的研究方向。 关键词：图像分割 阀值分割 边缘分割 区域分割 一、 引言 图像分割是图像从处理到分析的转变关键，也是一种基本的计算机视觉技术。通过图像的分割、目标的分离、特征的提取和参数的测量将原始图像转化为更抽象更紧凑的形式，使得更高层的分析和理解成为可能，因此它被称为连接低级视觉和高级视觉的桥梁和纽带。所谓图像分割就是要将图像表示为物理上有意义的连通区域的集合，也就是根据目标与背景的先验知识，对图像中的目标、背景进行标记、定位，然后将目标从背景或其它伪目标中分离出来[1]。 图像分割可以形式化定义如下[2]：令有序集合表示图像区域(像素点集)，H 表示为具有相同性质的谓词，图像分割是把I 分割成为n 个区域记为Ri ，i=1，2，…，n ，满足： (1) 1,,,,n i i j i R I R R i j i j ===??≠ (2) (),1,2,,i i i n H R True ?== (3) () ,,,i j i j i j H R R False ?≠= 条件(1)表明分割区域要覆盖整个图像且各区域互不重叠，条件(2)表明每个区域都具有相同性质，条件(3)表明相邻的两个区域性质相异不能合并成一个区域。 自上世纪70年代起，图像分割一直受到人们的高度重视，其应用领域非常广泛，几乎出现在有关图像处理的所有领域，并涉及各种类型的图像。主要表现在： 1)医学影像分析：通过图像分割将医学图像中的不同组织分成不同的区域，以便更好的
图像分割算法研究与实现
中北大学 课程设计说明书 学生姓名：梁一才学号：10050644X30 学院：信息商务学院 专业：电子信息工程 题目：信息处理综合实践: 图像分割算法研究与实现 指导教师：陈平职称: 副教授 2013 年 12 月 15 日
中北大学 课程设计任务书 13/14 学年第一学期 学院：信息商务学院 专业：电子信息工程 学生姓名：焦晶晶学号：10050644X07 学生姓名：郑晓峰学号：10050644X22 学生姓名：梁一才学号：10050644X30 课程设计题目：信息处理综合实践: 图像分割算法研究与实现 起迄日期：2013年12月16日～2013年12月27日课程设计地点：电子信息科学与技术专业实验室指导教师：陈平 系主任：王浩全 下达任务书日期: 2013 年12月15 日
课程设计任务书 1．设计目的： 1、通过本课程设计的学习，学生将复习所学的专业知识，使课堂学习的理论知识应用于实践，通过本课程设计的实践使学生具有一定的实践操作能力； 2、掌握Matlab使用方法，能熟练运用该软件设计并完成相应的信息处理； 3、通过图像处理实践的课程设计，掌握设计图像处理软件系统的思维方法和基本开发过程。 2．设计内容和要求（包括原始数据、技术参数、条件、设计要求等）： (1)编程实现分水岭算法的图像分割； (2)编程实现区域分裂合并法； (3)对比分析两种分割算法的分割效果； (4)要求每位学生进行查阅相关资料，并写出自己的报告。注意每个学生的报告要有所侧重，写出自己所做的内容。 3．设计工作任务及工作量的要求〔包括课程设计计算说明书(论文)、图纸、实物样品等〕： 每个同学独立完成自己的任务，每人写一份设计报告，在课程设计论文中写明自己设计的部分，给出设计结果。
图像融合的研究背景和研究意义
图像融合的研究背景和研究意义 1概述 2 图像融合的研究背景和研究意义 3图像融合的层次 像素级图像融合 特征级图像融合 决策级图像融合 4 彩色图像融合的意义 1概述 随着现代信息技术的发展，图像的获取己从最初单一可见光传感器发展到现在的雷达、高光谱、多光谱红外等多种不同传感器，相应获取的图像数据量也急剧增加。由于成像原理不同和技术条件的限制，任何一个单一图像数据都不能全面反应目标对象的特性，具有一定的应用范围和局限性。而图像融合技术是将多种不同特性的图像数据结合起来，相互取长补短便可以发挥各自的优势，弥补各自的不足，有可能更全面的反映目标特性，提供更强的信息解译能力和可靠的分析结果。图像融合不仅扩大了各图像数据源的应用范围，而且提高了分析精度、应用效果和使用价值，成为信息领域的一个重要的方向。图像配准是图像融合的重要前提和基础，其误差的大小直接影响图像融合结果的有效性。 作为数据融合技术的一个重要分支，图像融合所具有的改善图像质量、提高几何配准精度、生成三维立体效果、实现实时或准实时动态监测、克服目标提取与识别中图像数据的不完整性等优点，使得图像融合在遥感观测、智能控制、无损检测、智能机器人、医学影像(2D和3D)、制造业等领域得到广泛的应用，成为当前重要的信息处理技术，迅速发展的军事、医学、自然资源勘探、环境和土地、海洋资源利用管理、地形地貌分析、生物学等领域的应用需求更有力地刺激了图像融合技术的发展。 2 图像融合的研究背景和研究意义 Pohl和Genderen对图像融合做了如下定义：图像融合就是通过一种特定算法将两幅或多幅图像合成为一幅新图像。它的主要思想是采用一定的算法，把
图像置乱
数字图像置乱技术研究 6.3.1图像置乱原理 图像置乱技术属于图像加密技术，它通过对图像像素矩阵的重排，破坏了图像矩阵的相关性，以此实现信息的加密，达到安全传输图像的目的。 图像置乱的实质是破坏相邻像素点间的相关性，使图像“面目全非”，看上去如同一幅没有意义的噪声图像。单纯使用位置空间的变换来置乱图像，像素的灰度值不会改变，直方图不变，只是几何位置发生了变换。置乱算法的实现过程可以看做是构造映射的过程，该映射是原图的置乱图像的一一映射，如果重复使用此映射，就构成了多次迭代置乱。 我们假设原始图像为0A ，映射关系用字母σ表示，得到的置乱图像为1A ，则原图到置乱图像的关系，可简单的表示为： 1 0A A ?→?σ 例如：原始图像用矩阵0A 表示，置乱后的图像为1A , ij a 代表坐标为(),x y 的像素点的灰度： ? ? ?? ?? ??????=3332 31 30 2322212013121110 03020100 0a a a a a a a a a a a a a a a a A ???? ? ???????=1200 21 33 112010 023******* 312322131a a a a a a a a a a a a a a a a A （6.3.1） 置乱映射σ的元素存在两种形式：一种是序号形式，用()j width i +*表示图像中像素的排列序号；一种是坐标形式，()j i ,表示第i 行第j 列。则相应的置乱映射σ可表示如下： ? ? ??? ???????=1253720131011511948614σ或者() () ()()() ()()()()()()()()()() ()????? ????? ??0,31,13,03,12,00,01,32,21,03,33,21,20,10,22,12,3 （6.3.2） 映射τ中的元素表示：原图中该点元素在置乱后图像中的位置。比如坐标为(0,1)的像素点最后变换到(1,2)这个位置上。因此使用置乱映射σ进行迭代置乱，原图0A 应用映射τ迭代适当的次数后，能够得到理想置乱图像。对1A 应用逆置乱映射，还原得到原始图像0A ：
彩色图像分割的国内外研究现状
1．阈值分割方法 阈值分割方法的历史可追溯到近40年前，现已提出了大量算法，对灰度图像的取阈值分割就是先确定一个处于图像灰度取值范闱之中的灰度阈值，然后将图像中各个象素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素分为两类。这两类像素一般分属图像的两类区域，从而达到分割的目的。从该方法中可以看出，确定一个最优阈值是分割的关键。现有的大部分算法都是集中在阈值确定的研究上。阈值分割方法根据图像木身的特点，可分为单阈值分割方法和多阈值分割方法;也可分为基于像素值的阈值分割方法、基于区域性质的阈值分割方法和基于坐标位罝的阈值分割方法。若根据分割算法所有的特征或准则，还可以分为直方图与直方图变换法、最大类空间方差法、最小误差法与均匀化误差法、共生矩阵法、最大熵法、简单统计法与局部特性法、概率松弛法、模糊集法、特征空间聚类法、基于过渡区的阈值选取法等。 目前提出了许多新方法，如严学强等人提出了基于量化直方图的最大熵阈值处理算法，将直方图量化后采用最大熵阈值处理算法，使计算量大大减小。薛贵浩、帝毓晋等人提出基于最大类间后验交叉熵的阈值化分割算法，从目标和背景的类间差异性出发，利用贝叶斯公式估计像素属于目标和背景两类区域的后验概率，再搜索这两类区域后验概率之间的最大交叉熵。这种方法结合了基于最小交叉熵以及基于传统香农熵的阈值化算法的特点和分割性能，取得很好的通用性和有效性，该算法也容易实现二维推广,即采用二维统计量(如散射图或共生矩阵)取代直方图,以提高分割的准确性。俞勇等人提出的基于最小能量的图像分割方法，运用了能量直方图来选取分割阈值。任明武等人提出的一种基于边缘模式的直方图构造新方法，使分割阈值受噪声和边缘的影响减少到最小。程杰提出的一种基于直方图的分割方法，该方法对Ostu准则的内在缺陷进行了改进,并运用对直方图的预处理及轮廓追踪，找出了最佳分割阈值。此方法对红外图像有很强的针对性。付忠良提出的基于图像差距度量的阈值选取方法，多次导出Ostu方法，得到了几种与Ostu类似的简单计算公式，使该方法特别适合需自动产生阈值的实时图像分析系统。华长发等人提出了一种基于二维熵阈值的图像分割快速算法，使传统二维阈值方法的复杂度从0(W2 S2)降至0(W2/3 S2/3)。赵雪松等人提出的综合全局二值化与边缘检测的图像方法，将全局二值化与边缘检测有效的结合起来，从而达到对信封图分割的理想效果。靳宏磊等人提出的二维灰度直方图的最佳分割方法，找到了一条最佳分割曲线，使该算法得到的分割效果明显优于一维直方图阈值方法。乐宁等人根据过渡区内象素点具有的邻域方向性特点，引入了基于一元线性回归处理的局部区域随机波动消除方法，将图像过渡区算法进行了改进。模糊技术及其日趋成熟的应用也正适应了大部分图像边缘模糊而难以分析的现状，赵初和王纯提出的模糊边缘检测方法能有效地将物体从背景中分离出来，并已在模式识别中的图像预处理和医学图像处理中获得了良好的应用。金立左、夏良正等提出图像分割的自适应模糊阈值法，利用目标一背景对比度自动选取窗宽的方法，并给出了根据目标与摄像机间的相对距离估计目标--背景对比度的算法，克服隶属函数的分布特性及其窗宽对阈值选取的不良影响。其应用于智能电视跟踪系统，对不同对比度和不同距离的海面舰船图像进行阈值分割，有较强的场景适应能力。王培珍、杜培明等人提出了一种用于多阈值图像自动分割的混合遗传算法，针对Papamarkes等提出爬山法的多阈值分割和Olivo提出子波变换的方法只对明显峰值有效而对不明显的峰值无效的缺点，以及结合模糊C-均值算法和遗传算法的两大显著特点而改进的算法，这种分割方法能够快速正
彩色图像分割-RGB模型
成绩评定表学生姓名班级学号 专业电子信息工 程课程设计题目彩色图像分割程序设 计——RGB模型 评 语 组长签字： 成绩 日期201年月日
课程设计任务书 学院信息科学与工程专业电子信息工程 学生姓名班级学号 课程设计题目彩色图像分割程序设计——RGB模型 实践教学要求与任务： 本次课程设计中，主要任务是实现基于RGB模型的彩色图像分割的程序设计，对给定的彩色图像的颜色，使用RGB颜色模型，来对其进处理。 并且设计MATLAB程序，使其能完成输入图像便自动使用RGB 模型来进行图像分割。 工作计划与进度安排： 第一阶段（1-2天）：熟悉matlab编程环境，查阅相关资料； 第二阶段（2-3天）：算法设计； 第三阶段（2-3天）：编码与调试； 第四阶段（1-2天）：实验与分析； 第五阶段（1-2天）：编写文档。 指导教师： 201年月日专业负责人： 201年月日 学院教学副院长： 201年月日
Matlab是当今最优秀的科技应用软件之一，它一强大的科学计算与可视化功能，简单易用，开放式可扩展环境，特别是所附带的30多种面向不同领域工具箱支持，使得它在许多科学领域中成为计算机辅助设计与分析，算法研究和应用开发的基本工具盒首选平台在图像处理中，Matlab也得到了广泛的应用，例如图像变换，设计FIR滤波器，图像增强，四叉树分解，边缘检测，小波分析等等。不同的颜色空间在描述图像的颜色时侧重点不同。如RGB（红、绿、蓝三原色）颜色空间适用于彩色监视器和彩色摄象机，HSI（色调、饱和度、亮度）更符合人描述和解释颜色的方式（或称为HSV，色调、饱和度、亮度），CMY（青、深红、黄）、CMYK（青、深红、黄、黑）主要针对彩色打印机、复印机等，YIQ （亮度、色差、色差）是用于NTSC规定的电视系统格式，YUV（亮度、色差、色差）是用于PAL规定的电视系统格式，YCbCr（亮度单一要素、蓝色与参考值的差值、红色与参考值的差值）在数字影像中广泛应用。 彩色图像的处理有时需要将图像数据在不同的颜色空间中表示，因此，图像的颜色空间之间的转换成为一项有意义的工作。其中RGB在颜色空间转换中其关键作用，是各个空间转换的桥梁。Matlab中的颜色空间转换只涉及到了RGB、HSV、YCbCr、YIQ等，没有包含lαβ和其它颜色空间的转换。 关键字：Matlab；图像处理；RGB
ENVI中的融合方法
ENVI下的图像融合方法 图像融合是将低空间分辨率的多光谱影像或高光谱数据与高空间分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感的图像处理技术，使得处理后的影像既有较高的空间分辨率，又具有多光谱特征。图像融合的关键是融合前两幅图像的精确配准以及处理过程中融合方法的选择。只有将两幅融合图像进行精确配准，才可能得到满意的结果。对于融合方法的选择，取决于被融合图像的特征以及融合目的。 ENVI中提供融合方法有： ?HSV变换 ?Brovey变换 这两种方法要求数据具有地理参考或者具有相同的尺寸大小。RGB输入波段必须为无符号8bit数据或者从打开的彩色Display中选择。 这两种操作方法基本类似，下面介绍Brovey变换操作过程。 （1）打开融合的两个文件，将低分辨率多光谱图像显示在Display中。 （2）选择主菜单-> Transform -> Image Sharpening->Color Normalized (Brovey)，在Select Input RGB对话框中，有两种选择方式：从可用波段列表中和从Display窗口中，前者要求波段必须为无符号8bit。 （3）选择Display窗口中选择RGB，单击OK。 （4） Color Normalized (Brovey)输出面板中，选择重采样方式和输入文件路径及文件名，点击OK输出结果。 对于多光谱影像，ENVI利用以下融合技术： ?Gram-Schmidt ?主成分（PC）变换 ?color normalized (CN)变换 ?Pan sharpening 这四种方法中，Gram-Schmidt法能保持融合前后影像波谱信息的一致性，是一种高保真的遥感影像融合方法；color normalized (CN)变换要求数据具有中心波长和FWHM，；Pansharpening融合方法需要在ENVI Zoom中启动，比较适合高分辨率影像，如QuickBird、IKONOS等。 这四种方式操作基本类似，下面介绍参数相对较多的Gram-Schmidt操作过程。 （1）打开融合的两个文件。
图像分割常用算法优缺点探析
图像分割常用算法优缺点探析 摘要图像分割是数字图像处理中的重要前期过程,是一项重要的图像分割技术,是图像处理中最基本的技术之一。本文着重介绍了图像分割的常用方法及每种方法中的常用算法,并比较了各自的优缺点,提出了一些改进建议,以期为人们在相关图像数据条件下,根据不同的应用范围选择分割算法时提供依据。 关键词图像分割算法综述 一、引言 图像分割决定了图像分析的最终成败。有效合理的图像分割能够为基于内容的图像检索、对象分析等抽象出十分有用的信息,从而使得更高层的图像理解成为可能。目前图像分割仍然是一个没有得到很好解决的问题,如何提高图像分割的质量得到国内外学者的广泛关注,仍是一个研究热点。 多年来人们对图像分割提出了不同的解释和表达,通俗易懂的定义则表述为:图像分割指的是把一幅图像分割成不同的区域,这些区域在某些图像特征,如边缘、纹理、颜色、亮度等方面是一致的或相似的。 二、几种常用的图像分割算法及其优缺点 (一)大津阈值分割法。 由Otsu于1978年提出大津阈值分割法又称为最大类间方差法。它是一种自动的非参数非监督的门限选取法。该方法的基本思路是选取的t的最佳阈值应当是使得不同类间的分离性最好。它的计算方法是首先计算基于直方图而得到的各分割特征值的发生概率,并以阈值变量t将分割特征值分为两类,然后求出每一类的类内方差及类间方差,选取使得类间方差最大,类内方差最小的t作为最佳阈值。 由于该方法计算简单,在一定条件下不受图像对比度与亮度变化的影响,被认为是阈值自动选取的最优方法。该方法的缺点在于,要求得最佳阈值,需要遍历灰度范围0—(L-1)内的所有像素并计算出方差,当计算量大时效率会很低。同时,在实际图像中,由于图像本身灰度分布以及噪声干扰等因素的影响,仅利用灰度直方
彩色图像分割算法：Color Image Segmentation Based on Mean Shift and Normalized Cuts
Color Image Segmentation Based on Mean Shift and Normalized Cuts Wenbing Tao,Hai Jin,Senior Member,IEEE,and Yimin Zhang,Senior Member,IEEE Abstract—In this correspondence,we develop a novel approach that provides effective and robust segmentation of color images.By incor-porating the advantages of the mean shift(MS)segmentation and the normalized cut(Ncut)partitioning methods,the proposed method requires low computational complexity and is therefore very feasible for real-time image segmentation processing.It preprocesses an image by using the MS algorithm to form segmented regions that preserve the desirable discontinuity characteristics of the image.The segmented regions are then represented by using the graph structures,and the Ncut method is applied to perform globally optimized clustering.Because the number of the segmented regions is much smaller than that of the image pixels, the proposed method allows a low-dimensional image clustering with signi?cant reduction of the complexity compared to conventional graph-partitioning methods that are directly applied to the image pixels.In addition,the image clustering using the segmented regions,instead of the image pixels,also reduces the sensitivity to noise and results in enhanced image segmentation performance.Furthermore,to avoid some inappro-priate partitioning when considering every region as only one graph node, we develop an improved segmentation strategy using multiple child nodes for each region.The superiority of the proposed method is examined and demonstrated through a large number of experiments using color natural scene images. Index Terms—Color image segmentation,graph partitioning,mean shift (MS),normalized cut(Ncut). I.I NTRODUCTION Image segmentation is a process of dividing an image into different regions such that each region is nearly homogeneous,whereas the union of any two regions is not.It serves as a key in image analysis and pattern recognition and is a fundamental step toward low-level vision, which is signi?cant for object recognition and tracking,image re-trieval,face detection,and other computer-vision-related applications [1].Color images carry much more information than gray-level ones [24].In many pattern recognition and computer vision applications,the color information can be used to enhance the image analysis process and improve segmentation results compared to gray-scale-based ap-proaches.As a result,great efforts have been made in recent years to investigate segmentation of color images due to demanding needs. Existing image segmentation algorithms can be generally classi?ed into three major categories,i.e.,feature-space-based clustering,spa-tial segmentation,and graph-based approaches.Feature-space-based clustering approaches[12],[13]capture the global characteristics of the image through the selection and calculation of the image features, which are usually based on the color or texture.By using a speci?c distance measure that ignores the spatial information,the feature Manuscript received August3,2006;revised December10,2006.This work was supported by the National Natural Science Foundation of China under Grant60603024.This paper was recommended by Associate Editor I.Bloch. W.Tao and H.Jin are with the Cluster and Grid Computing Laboratory, School of Computer Science and Technology,Huazhong University of Science and Technology,Wuhan430074,China,and also with the Service Computing Technology and System Laboratory,School of Computer Science and Technol-ogy,Huazhong University of Science and Technology,Wuhan430074,China (e-mail:wenbingtao@https://www.sodocs.net/doc/8112551583.html,;hjin@https://www.sodocs.net/doc/8112551583.html,). Y.Zhang is with the Center for Advanced Communications,Villanova University,Villanova,PA19085USA(e-mail:yimin.zhang@https://www.sodocs.net/doc/8112551583.html,). Color versions of one or more of the?gures in this paper are available online at https://www.sodocs.net/doc/8112551583.html,. Digital Object Identi?er10.1109/TSMCB.2007.902249samples are handled as vectors,and the objective is to group them into compact,but well-separated clusters[7]. Although the data clustering approaches are ef?cient in?nding salient image features,they have some serious drawbacks as well.The spatial structure and the detailed edge information of an image are not preserved,and pixels from disconnected regions of the image may be grouped together if their feature spaces overlap.Given the importance of edge information,as well as the need to preserve the spatial relation-ship between the pixels on the image plane,there is a recent tendency to handle images in the spatial domain[11],[28].The spatial segmen-tation method is also referred to as region-based when it is based on region entities.The watershed algorithm[19]is an extensively used technique for this purpose.However,it may undesirably produce a very large number of small but quasi-homogenous regions.Therefore,some merging algorithm should be applied to these regions[20],[28]. Graph-based approaches can be regarded as image perceptual grouping and organization methods based on the fusion of the feature and spatial information.In such approaches,visual group is based on several key factors such as similarity,proximity,and continuation[3], [5],[21],[25].The common theme underlying these approaches is the formation of a weighted graph,where each vertex corresponds to n image pixel or a region,and the weight of each edge connecting two pixels or two regions represents the likelihood that they belong to the same segment.The weights are usually related to the color and texture features,as well as the spatial characteristic of the corresponding pixels or regions.A graph is partitioned into multiple components that minimize some cost function of the vertices in the components and/or the boundaries between those components.So far,several graph cut-based methods have been developed for image segmentations[8], [14],[22],[23],[27],[30],[31].For example,Shi and Malik[23] proposed a general image segmentation approach based on normalized cut(Ncut)by solving an eigensystem,and Wang and Siskind[8] developed an image-partitioning approach by using a complicated graph reduction.Besides graph-based approaches,there are also some other types of image segmentation approaches that mix the feature and spatial information[4],[29]. This correspondence concerns a Ncut method in a large scale. It has been empirically shown that the Ncut method can robustly generate balanced clusters and is superior to other spectral graph-partitioning methods,such as average cut and average association[23]. The Ncut method has been applied in video summarization,scene detection[17],and cluster-based image retrieval[18].However,image segmentation approaches based on Ncut,in general,require high computation complexity and,therefore,are not suitable for real-time processing[23].An ef?cient solution to this problem is to apply the graph representation strategy on the regions that are derived by some region segmentation method.For example,Makrogiannis et al.[20] developed an image segmentation method that incorporates region-based segmentation and graph-partitioning approaches.This method ?rst produces a set of oversegmented regions from an image by using the watershed algorithm,and a graph structure is then applied to represent the relationship between these regions. Not surprisingly,the overall segmentation performance of the region-based graph-partitioning approaches is sensitive to the region segmentation results and the graph grouping strategy.The inherent oversegmentation effect of the watershed algorithm used in[20]and [28]produces a large number of small but quasi-homogenous regions, which may lead to a loss in the salient features of the overall image and,therefore,yield performance degradation in the consequent region grouping. To overcome these problems,we propose in this correspondence a novel approach that provides effective and robust image segmentation 1083-4419/$25.00?2007IEEE