浮水印和抽樣原理-文庫吧
2025-02-09 07:59 本頁面
【正文】 佔用 八個位元，請算出第三張位元平面。 8 7 6 5 32 31 30 29 10 11 12 13 0 1 2 3 ANS：我們首先將上面的子影像轉(zhuǎn)換成 00001000 00000111 00000110 00000101 00100000 00011111 00011110 00011101 00001010 00001011 00001100 00001101 00000000 00000001 00000010 00000011 將右邊第三位元全部收集起來，我們得到如下的第三位元平面： 0 1 1 1 0 1 1 1 0 0 1 1 0 0 0 0 EOA 15 Q2： 前述的隱像術(shù)之優(yōu)缺點為何 ? ANS： 滿足上圖的函數(shù)也叫單程函數(shù) (One Way Function)。利用位元平面來植入影像的最大缺點為：一旦經(jīng)過壓縮後，所植入的影像很容易受到破壞，解壓後所取出的影像常常已遭到很嚴重的破損。 EOA 16 基本原理 給二張影像 A和 B， 所謂的 隱像術(shù) 就是把 A影像隱藏在 B影像並且讓人無法察覺 B影像中藏了 A影像。 ? ????????101022210)),(),(39。(1255log10NxNyyxByxBNMSEMSEPSNR而所謂的 浮水印 ，可把 A看成標誌 (Logo)， 通常這個標誌可想成一種版權(quán)。 ? 隱像術(shù) ? PSNR 令 B39。為將 A隱藏在 B後的結(jié)果。 PSNR (Peak SignaltoNoise Ratio)很常被用來評估 B39。和 B的相似性， PSNR的定義如下 ? 浮水印 17 ? 一種 SVD結(jié)合 VQ 的隱像術(shù)方法 已知有一 的灰階影像 A， 假設(shè) A的 秩 (Rank)為 r， 則 A的 SVD可表示為 ?? tVUNN ?V和 U為 正交矩陣 (Orthogonal Matrix)且 ，其中 滿足 和 。 這裏 等於 ， 為矩陣 At A的第 i個 特徵值 (Eigenvalue)。 ),...,( 21 ndiag ???? ? n??? ..., 21 0...21 ???? r??? 0...21 ???? ?? nrr ???i?i?18 Q1：如何知道 ？ 0λ ?iANS：利用 EOA 19 Q2：如何知道 A可進行 SVD分解？也就是，如何得到 ANS： () 20 ??????? 22 22A ??????? 88 88AA t例如，令 ，則 。 的 特徵值 (Eigenvalues)為 和 。將特徵值開根號， A 的奇異值為 和 。特徵值為 16的特徵向量為 而特徵值為 0的特徵向量為 ，利用這二個特徵向量可建構(gòu)出 AAt 161 ?? 02 ?? 41 ?? 02? ? ?tV 1,11 ?? ?tV 1,12 ?? ??????????? 111121),(21 VVV ?? UAVjjj uAV ??利用 可得 所以 ???????????????????????????????????21212121222241111AVu l?21 又由 ，可得 。利用 可找出 ?? UAV tt VUA ?? 0?jtuAtu ?????? ?? 21,212 ? ?tu 1,0,03 和 來。所以 A的 SVD可表示為 我們可利用前人提出的結(jié)合 SVD及 VQ之方法，在壓縮效果和失真之間得到一個較好的平衡 。 ?????????????????????????????????????21212121000421212121tVUA22 圖 (a)為待植入的 F16影像，圖 (b) 為將 F16植入圖 果。 F16經(jīng)隱像後，效果的確蠻好的，畢竟在圖 (b)中，用肉眼實在看不出 F16隱藏其中。 (a) 待植入的 F16 (b) 將 F16植入圖 圖 隱像後的效果 23 Q3：一般而言，怎樣分辨浮水印和資料隱藏 ? ANS： 用浮水印所加入的影像，主要是想確定誰是影像的真 正所有者；而資料隱藏只是想透過隱像術(shù)的技巧將資 料隱藏起來。 EOA 24 人臉的定位應(yīng)用 圖 輸入的影像 圖 皮膚色所在 ? 封閉 (Closing)算子 ? 開放 (Opening)算子 型態(tài)學 25 bABABAD Bb ???? ??),(1 2 3 4 5123451?1?BAxy1 2 3 4 5123451?1?xy1 2 3 4 5123451?1?xy圖 集合 A和 B 圖
物理相關(guān)推薦
鄂ICP備17016276號-1