12數(shù)字圖像和互聯(lián)網(wǎng)

1、 中國石油大學(xué)（華東）信控學(xué)院中國石油大學(xué)（華東）信控學(xué)院 1 第十二章 數(shù)字圖像與互聯(lián)網(wǎng) 12.1 12.1 基于互聯(lián)網(wǎng)的圖像系統(tǒng)基于互聯(lián)網(wǎng)的圖像系統(tǒng) 12.2 12.2 面向圖像檢索的內(nèi)容匹配面向圖像檢索的內(nèi)容匹配 12.3 12.3 面向版權(quán)保護的數(shù)字水印面向版權(quán)保護的數(shù)字水印 2 12.1 12.1 基于互聯(lián)網(wǎng)的圖像系統(tǒng)基于互聯(lián)網(wǎng)的圖像系統(tǒng) 互聯(lián)網(wǎng)圖像系統(tǒng)的結(jié)構(gòu)互聯(lián)網(wǎng)圖像系統(tǒng)的結(jié)構(gòu) 互聯(lián)網(wǎng)圖像系統(tǒng)的研究方向互聯(lián)網(wǎng)圖像系統(tǒng)的研究方向 解決圖像數(shù)據(jù)大與網(wǎng)絡(luò)帶寬窄的問題解決圖像數(shù)據(jù)大與網(wǎng)絡(luò)帶寬窄的問題 與信息安全、版權(quán)保護相關(guān)的圖像問題與信息安全、版權(quán)保護相關(guān)的圖像問題 靜止、活動圖像的存儲

2、與檢索的問題靜止、活動圖像的存儲與檢索的問題 圖像創(chuàng)建 圖像管理 （Server） 圖像訪問 （瀏覽器） 3 12.2 面向圖像檢索的內(nèi)容匹配 12.2.1 12.2.1 內(nèi)容檢索與內(nèi)容匹配內(nèi)容檢索與內(nèi)容匹配 12.2.2 12.2.2 內(nèi)容匹配的主要策略內(nèi)容匹配的主要策略 12.2.3 12.2.3 內(nèi)容描述標準內(nèi)容描述標準MPEG7MPEG7 4 12.2.1 12.2.1 內(nèi)容檢索與內(nèi)容匹配內(nèi)容檢索與內(nèi)容匹配 問題的提出 當(dāng)我們的數(shù)字圖像數(shù)量很多時（達到上千張、 甚至上百萬張），如何快速有效地找到需要 的數(shù)字圖像是一項有挑戰(zhàn)性的工作 那么，如何利用計算機輔助檢索圖像呢？ （與文本檢索不同

3、，圖像與圖像之間的比較 是一個復(fù)雜的問題） 5 12.2.1 12.2.1 內(nèi)容檢索與內(nèi)容匹配內(nèi)容檢索與內(nèi)容匹配 傳統(tǒng)的圖像檢索方法傳統(tǒng)的圖像檢索方法 通過圖片的元數(shù)據(jù)或標引文字進行檢索通過圖片的元數(shù)據(jù)或標引文字進行檢索 例：圖像元數(shù)據(jù)例：圖像元數(shù)據(jù) 寬度：寬度：210210 高度：高度：172172 主題：玻璃瓶與草主題：玻璃瓶與草 背景：淡灰背景：淡灰 內(nèi)容：內(nèi)容：6 6個有草的玻璃瓶個有草的玻璃瓶 3 3個瓶有紅色液體個瓶有紅色液體 3 3個瓶有透明液體個瓶有透明液體 6 12.2.1 12.2.1 內(nèi)容檢索與內(nèi)容匹配內(nèi)容檢索與內(nèi)容匹配 標引文字的檢索的局限性是：標引文字的檢索的局限性是

4、： 圖片的標引文字主要靠人工輸入。圖片的標引文字主要靠人工輸入。對大數(shù)據(jù)量對大數(shù)據(jù)量 的場合（如的場合（如WebWeb資源、數(shù)字圖書館等）應(yīng)用困資源、數(shù)字圖書館等）應(yīng)用困 難難 標引文字無法精確完整的刻畫圖片內(nèi)容標引文字無法精確完整的刻畫圖片內(nèi)容 文字描述一維線性的媒體，而圖片是二維非線性文字描述一維線性的媒體，而圖片是二維非線性 的媒體的媒體 生成或利用元數(shù)據(jù)的過程實質(zhì)是在兩種差異很大生成或利用元數(shù)據(jù)的過程實質(zhì)是在兩種差異很大 的媒體間的翻譯過程，有很大的隨意性和信息損的媒體間的翻譯過程，有很大的隨意性和信息損 失失 7 12.2.1 12.2.1 內(nèi)容檢索與內(nèi)容匹配內(nèi)容檢索與內(nèi)容匹配 基于

5、內(nèi)容的圖像檢索方法基于內(nèi)容的圖像檢索方法 一圖勝千言，考慮繞過這些轉(zhuǎn)換（翻譯）過一圖勝千言，考慮繞過這些轉(zhuǎn)換（翻譯）過 程直接利用圖片去檢索圖片，這就是基于內(nèi)程直接利用圖片去檢索圖片，這就是基于內(nèi) 容的檢索的出發(fā)點容的檢索的出發(fā)點 基于內(nèi)容的圖像檢索的英文縮寫基于內(nèi)容的圖像檢索的英文縮寫：CBIRCBIR Content-Based Image Retrieval Content-Based Image Retrieval 9090年代初，國際上就開始了對基于內(nèi)容的年代初，國際上就開始了對基于內(nèi)容的 多媒體信息檢索方面的研究。多媒體信息檢索方面的研究。 8 12.2.1 12.2.1 內(nèi)容檢索

6、與內(nèi)容匹配內(nèi)容檢索與內(nèi)容匹配 大量原型系統(tǒng)已經(jīng)推出大量原型系統(tǒng)已經(jīng)推出, ,技術(shù)正在逐步走向技術(shù)正在逐步走向 成熟，已經(jīng)出現(xiàn)一些商用系統(tǒng)。成熟，已經(jīng)出現(xiàn)一些商用系統(tǒng)。 商用系統(tǒng)如：商用系統(tǒng)如：IBMIBM的的QBICQBIC、 VirageVirage的的VIR Image EngineVIR Image Engine。 原型系統(tǒng)如：原型系統(tǒng)如：UCBUCB的的BlobWorldBlobWorld（形狀）、形狀）、 StanfordStanford的系統(tǒng)（顏色）。的系統(tǒng)（顏色）。 檢索效果仍需改進。檢索效果仍需改進。 9 12.2.1 12.2.1 內(nèi)容檢索與內(nèi)容匹配內(nèi)容檢索與內(nèi)容匹配 圖片

7、輸入模塊 查詢 處理模塊 特征匹配模塊 數(shù)字圖像庫 特征索引庫 基于內(nèi)容的圖像基于內(nèi)容的圖像檢索系統(tǒng)結(jié)構(gòu)檢索系統(tǒng)結(jié)構(gòu) 特征提取模塊 10 12.2.1 12.2.1 內(nèi)容檢索與內(nèi)容匹配內(nèi)容檢索與內(nèi)容匹配 基于內(nèi)容的圖像基于內(nèi)容的圖像檢索系統(tǒng)的檢索系統(tǒng)的4 4種檢索方式種檢索方式： 1 1）利用圖片樣本檢索（）利用圖片樣本檢索（Query By ExampleQuery By Example） 可以由用戶準備圖片樣本可以由用戶準備圖片樣本 可以在圖片庫中瀏覽可以在圖片庫中瀏覽 系統(tǒng)給出各類代表圖像系統(tǒng)給出各類代表圖像 從系統(tǒng)中隨機抽?。z索是一個逐步求精的過從系統(tǒng)中隨機抽取（檢索是一個逐步求精的

8、過 程）程） 11 12.2.1 12.2.1 內(nèi)容檢索與內(nèi)容匹配內(nèi)容檢索與內(nèi)容匹配 2 2）利用草圖檢索）利用草圖檢索 3 3）利用圖像特征模板檢索）利用圖像特征模板檢索 如顏色特征模板，指定各種顏色的比率等。如顏色特征模板，指定各種顏色的比率等。 4 4）以上方式結(jié)合）以上方式結(jié)合 先用草圖或指定特征獲取圖片樣本，再用先用草圖或指定特征獲取圖片樣本，再用 圖片樣本檢索圖片樣本檢索 12 12.2.2 12.2.2 內(nèi)容匹配的主要策略內(nèi)容匹配的主要策略 顏色特征匹配顏色特征匹配 紋理特征匹配紋理特征匹配 形狀特征匹配形狀特征匹配 13 12.2.2 12.2.2 內(nèi)容匹配的主要策略內(nèi)容匹配的

9、主要策略 顏色特征匹配顏色特征匹配 基本原理：基本原理： 顏色具有一定的穩(wěn)定性。在許多情顏色具有一定的穩(wěn)定性。在許多情 況下況下 , ,顏色是描述一幅圖像最簡便而有顏色是描述一幅圖像最簡便而有 效的特征效的特征。 用圖像的顏色信息作為圖像之間進用圖像的顏色信息作為圖像之間進 行匹配的特征依據(jù)。行匹配的特征依據(jù)。 14 顏色比率匹配舉例：從1萬張圖片中檢索的結(jié)果 15 顏色比率匹配舉例：從1萬張圖片中檢索的結(jié)果 16 12.2.2 12.2.2 內(nèi)容匹配的主要策略內(nèi)容匹配的主要策略 紋理特征匹配紋理特征匹配 基本原理基本原理： 雖然圖像的紋理特征在局部區(qū)域內(nèi)可雖然圖像的紋理特征在局部區(qū)域內(nèi)可 能

10、沒有規(guī)則能沒有規(guī)則 , ,但在但在整體上卻往往呈現(xiàn)出一整體上卻往往呈現(xiàn)出一 定的規(guī)律性定的規(guī)律性 。 紋理特征主要由紋理的紋理特征主要由紋理的 均勻度均勻度 對比度對比度 方向方向 的特征量表示的特征量表示 17 12.2.2 12.2.2 內(nèi)容匹配的主要策略內(nèi)容匹配的主要策略 紋理特征匹配紋理特征匹配 基本原理：基本原理： 均勻度反映紋理的均勻度反映紋理的尺寸尺寸 18 12.2.2 12.2.2 內(nèi)容匹配的主要策略內(nèi)容匹配的主要策略 紋理特征匹配紋理特征匹配 基本原理：基本原理： 對比度反映紋理的對比度反映紋理的清晰度清晰度 19 12.2.2 12.2.2 內(nèi)容匹配的主要策略內(nèi)容匹配的主

11、要策略 紋理特征匹配紋理特征匹配 基本原理：基本原理： 方向反映實體方向反映實體是否有規(guī)則的方向性是否有規(guī)則的方向性。 20 12.2.2 12.2.2 內(nèi)容匹配的主要策略內(nèi)容匹配的主要策略 紋理特征匹配紋理特征匹配 常用的匹配方法有：常用的匹配方法有： 基于傳統(tǒng)數(shù)學(xué)模型的共生矩陣法基于傳統(tǒng)數(shù)學(xué)模型的共生矩陣法 基于視覺模型的多分辨率分析法基于視覺模型的多分辨率分析法 紋理譜分析法紋理譜分析法 K-LK-L變換法變換法 小波方法小波方法 21 紋理特征匹配舉例：從1萬張圖片中檢索的結(jié)果 22 紋理特征匹配舉例：從1萬張圖片中檢索的結(jié)果 23 12.2.2 12.2.2 內(nèi)容匹配的主要策略內(nèi)容匹

12、配的主要策略 形狀特征匹配形狀特征匹配 基本原理基本原理 形狀是刻劃物體的本質(zhì)特征之一形狀是刻劃物體的本質(zhì)特征之一 , ,可以針對可以針對面面 積積 ( (可用象素點的個數(shù)計算可用象素點的個數(shù)計算 ) )、環(huán)形性環(huán)形性 ( (即周長即周長 * *周長周長 / /面積面積 , ,周長也用象素點的個數(shù)表示周長也用象素點的個數(shù)表示 ) )、 主軸方向主軸方向、偏心率偏心率、圓形率圓形率、連通性連通性、正切角正切角 等形狀特征進行匹配。等形狀特征進行匹配。 形狀檢索主要有兩種方法形狀檢索主要有兩種方法 1 1）針對）針對圖像邊緣輪廓線圖像邊緣輪廓線進行的檢索進行的檢索 2 2）針對）針對圖形矢量特征圖

13、形矢量特征進行的檢索進行的檢索 24 12.2.3 12.2.3 內(nèi)容描述標準內(nèi)容描述標準MPEG7MPEG7 MPEG-7MPEG-7的基本思想的基本思想 MPEG-7MPEG-7是正在制定的多媒體內(nèi)容描述標準，其目標是正在制定的多媒體內(nèi)容描述標準，其目標 就是制定一組標準的就是制定一組標準的描述子描述子及其及其描述模式描述模式( (定義描述子定義描述子 的結(jié)構(gòu)和相互關(guān)系的結(jié)構(gòu)和相互關(guān)系) )，內(nèi)容描述與媒體內(nèi)容結(jié)合，使用，內(nèi)容描述與媒體內(nèi)容結(jié)合，使用 戶能夠快速準確地進行檢索戶能夠快速準確地進行檢索 MPEG-7MPEG-7的范圍不包括的范圍不包括特征提取特征提取和和檢索引擎檢索引擎，目的

14、是，目的是 留有留有競爭的余地競爭的余地 MPEG-7MPEG-7不是基于像素的壓縮標準，不是要取代已有不是基于像素的壓縮標準，不是要取代已有 標準標準 25 12.3 12.3 面向版權(quán)保護的數(shù)字水印面向版權(quán)保護的數(shù)字水印 12.3.1 12.3.1 數(shù)字水印的基本概述數(shù)字水印的基本概述 12.3.2 12.3.2 數(shù)字水印技術(shù)的特性數(shù)字水印技術(shù)的特性 12.3.3 12.3.3 數(shù)字水印的典型算法數(shù)字水印的典型算法 26 12.3.1 12.3.1 數(shù)字水印的基本概述數(shù)字水印的基本概述 問題的提出問題的提出 隨著因特網(wǎng)在各個應(yīng)用領(lǐng)域的蔓延，多媒體隨著因特網(wǎng)在各個應(yīng)用領(lǐng)域的蔓延，多媒體 數(shù)字

15、作品（圖像、視頻、音頻等）紛紛以網(wǎng)數(shù)字作品（圖像、視頻、音頻等）紛紛以網(wǎng) 絡(luò)形式發(fā)表絡(luò)形式發(fā)表 這些作品的版權(quán)保護就成為一個迫切而又比這些作品的版權(quán)保護就成為一個迫切而又比 較困難的問題較困難的問題 數(shù)字水印（數(shù)字水?。╠igital watermarking)digital watermarking)是解決是解決 這一問題的有效辦法這一問題的有效辦法 27 12.3.1 12.3.1 數(shù)字水印的基本概述數(shù)字水印的基本概述 如何通過數(shù)字水印實現(xiàn)版權(quán)保護如何通過數(shù)字水印實現(xiàn)版權(quán)保護 定義：定義：通過在原始數(shù)據(jù)中嵌入秘密信息通過在原始數(shù)據(jù)中嵌入秘密信息水印水印 (watermark)(waterm

16、ark)來證實該數(shù)據(jù)的所有權(quán)。來證實該數(shù)據(jù)的所有權(quán)。 形式：形式：這種被嵌入的水印可以是一段文字、標識、這種被嵌入的水印可以是一段文字、標識、 序列號、其他圖像等，而且水印通常是不可見或不序列號、其他圖像等，而且水印通常是不可見或不 可察的，它與原始數(shù)據(jù)緊密結(jié)合，并隱藏其中，成可察的，它與原始數(shù)據(jù)緊密結(jié)合，并隱藏其中，成 為源數(shù)據(jù)不可分離的一部分。為源數(shù)據(jù)不可分離的一部分。 特性：特性：水印信息應(yīng)該能夠在經(jīng)歷了某些不破壞原始水印信息應(yīng)該能夠在經(jīng)歷了某些不破壞原始 數(shù)據(jù)的操作（如壓縮等）后仍然保存下來。數(shù)據(jù)的操作（如壓縮等）后仍然保存下來。 28 12.3.1 12.3.1 數(shù)字水印的基本概述數(shù)

17、字水印的基本概述 密鑰 載體數(shù)據(jù) 數(shù)字水印系統(tǒng)模型 水印信號嵌入 水印載體 數(shù)據(jù) 水印 信息 水印嵌入 算法 29 12.3.1 12.3.1 數(shù)字水印的基本概述數(shù)字水印的基本概述 密鑰 載體數(shù)據(jù) 數(shù)字水印系統(tǒng)模型 水印信號嵌入 水印載體 數(shù)據(jù) 水印 信息 水印嵌入 算法 30 12.3.1 12.3.1 數(shù)字水印的基本概述數(shù)字水印的基本概述 數(shù)字水印系統(tǒng)模型 水印信號的恢復(fù) 密鑰 原始載體 數(shù)據(jù) 水印 信息 水印提取 算法 水印載體 數(shù)據(jù) 31 12.3.1 12.3.1 數(shù)字水印的基本概述數(shù)字水印的基本概述 原始 水印信息 數(shù)字水印系統(tǒng)模型 水印信號的檢測 密鑰 原始載體 數(shù)據(jù) 水印 信息

18、 水印提取 算法 水印載體 數(shù)據(jù) 水印 檢測 32 12.3.1 12.3.1 數(shù)字水印的基本概述數(shù)字水印的基本概述 水印技術(shù)與信息隱藏技術(shù)水印技術(shù)與信息隱藏技術(shù) 水印技術(shù)是信息隱藏技術(shù)的一個分支水印技術(shù)是信息隱藏技術(shù)的一個分支 水印技術(shù)和信息隱藏技術(shù)的差異：水印技術(shù)和信息隱藏技術(shù)的差異： 如果隱藏的信息被破壞，對于信息隱藏技術(shù)而言，如果隱藏的信息被破壞，對于信息隱藏技術(shù)而言， 因為秘密信息并未泄漏，系統(tǒng)可以認為是安全的；因為秘密信息并未泄漏，系統(tǒng)可以認為是安全的； 但對于數(shù)字水印系統(tǒng)來說，隱藏信息的丟失，意味但對于數(shù)字水印系統(tǒng)來說，隱藏信息的丟失，意味 著版權(quán)信息的丟失，從而失去了版權(quán)保護的

19、功能，著版權(quán)信息的丟失，從而失去了版權(quán)保護的功能， 因此，這樣的系統(tǒng)是失敗的。因此，這樣的系統(tǒng)是失敗的。 33 12.3.2 12.3.2 數(shù)字水印技術(shù)的技術(shù)特性數(shù)字水印技術(shù)的技術(shù)特性 魯棒性魯棒性(robustness)(robustness) 指不會因為圖像文件的某些改動而導(dǎo)致隱藏信息丟失指不會因為圖像文件的某些改動而導(dǎo)致隱藏信息丟失 的能力。其中的的能力。其中的“改動改動”包括傳輸過程中的信道噪聲、包括傳輸過程中的信道噪聲、 濾波采樣、重采樣、有損壓縮編碼、濾波采樣、重采樣、有損壓縮編碼、D/AD/A或或A/DA/D轉(zhuǎn)換轉(zhuǎn)換 不可檢測性不可檢測性( (undetectabilityund

20、etectability) ) 指隱藏載體與原始數(shù)據(jù)具有一致的特性。如具有一致指隱藏載體與原始數(shù)據(jù)具有一致的特性。如具有一致 的統(tǒng)計噪聲分布等，以便使非法攔截者無法判斷是否的統(tǒng)計噪聲分布等，以便使非法攔截者無法判斷是否 有隱蔽信息有隱蔽信息 34 12.3.2 12.3.2 數(shù)字水印技術(shù)的技術(shù)特性數(shù)字水印技術(shù)的技術(shù)特性 透明性透明性(invisibility)(invisibility) 利用人類視覺系統(tǒng)屬性，經(jīng)過一系列隱藏處利用人類視覺系統(tǒng)屬性，經(jīng)過一系列隱藏處 理，使目標數(shù)據(jù)沒有明顯的質(zhì)量下降的同時，理，使目標數(shù)據(jù)沒有明顯的質(zhì)量下降的同時， 隱藏的數(shù)據(jù)不會被發(fā)現(xiàn)隱藏的數(shù)據(jù)不會被發(fā)現(xiàn) 安全性

21、安全性(security)(security) 指隱藏算法有較強的抗攻擊能力，即它能夠指隱藏算法有較強的抗攻擊能力，即它能夠 承受一定程度的承受一定程度的人為攻擊人為攻擊，而使隱藏信息不，而使隱藏信息不 會被破壞。會被破壞。 35 12.3.2 12.3.2 數(shù)字水印技術(shù)的技術(shù)特性數(shù)字水印技術(shù)的技術(shù)特性 自自恢復(fù)性恢復(fù)性 由于經(jīng)過一些操作或變換后，可能會使原圖產(chǎn)生較由于經(jīng)過一些操作或變換后，可能會使原圖產(chǎn)生較 大的破壞，如果只從留下的片段數(shù)據(jù)，仍能恢復(fù)隱大的破壞，如果只從留下的片段數(shù)據(jù)，仍能恢復(fù)隱 藏信號，而且恢復(fù)過程不需要宿主信號，我們就說藏信號，而且恢復(fù)過程不需要宿主信號，我們就說 這樣的

22、算法具有自恢復(fù)性。這樣的算法具有自恢復(fù)性。 高通濾波高通濾波 直方圖均衡化直方圖均衡化 銳化處理銳化處理36 12.3.2 12.3.2 數(shù)字水印技術(shù)的技術(shù)特性數(shù)字水印技術(shù)的技術(shù)特性 自自恢復(fù)性恢復(fù)性 平滑處理 JPEG壓縮 JPEG2000壓縮 37 12.3.2 12.3.2 數(shù)字水印技術(shù)的技術(shù)特性數(shù)字水印技術(shù)的技術(shù)特性 裁剪對水印的影響裁剪對水印的影響 38 12.3.3 12.3.3 數(shù)字水印的典型算法數(shù)字水印的典型算法 空域算法空域算法 早期的數(shù)字水印算法以空域算法為主。早期的數(shù)字水印算法以空域算法為主。 空域算法通常比較簡單，運算量小。缺點是抵空域算法通常比較簡單，運算量小。缺點是

23、抵 抗攻擊的能力往往會比較弱?？构舻哪芰ν鶗容^弱。 SchyndelSchyndel算法是空域算法（算法是空域算法（SchyndelSchyndel算法是算法是 SchyndelSchyndel等人在等人在19941994年提出，就數(shù)字水印技年提出，就數(shù)字水印技 術(shù)領(lǐng)域而言，它可以說是具有一定程度的始祖術(shù)領(lǐng)域而言，它可以說是具有一定程度的始祖 意義）意義） 39 12.3.3 12.3.3 數(shù)字水印的典型算法數(shù)字水印的典型算法 SchyndelSchyndel算法：算法： 首先把一個密鑰輸入到一個首先把一個密鑰輸入到一個m-m-序列發(fā)生器來序列發(fā)生器來 產(chǎn)生水印信號，然后此產(chǎn)生水印信號，然后此m-m-序列被重新排列成序列被重新排列成 2 2維水印信號，并按象素點逐一插入到原始圖維水印信號，并按象素點逐一插入到原始圖 像象素值的最低位。像象素值的最低位。 由于水印信號被安排在最低位，因此可以滿由于水印信號被安排在最低位，因此可以滿 足不可見性。足不可見性。 人 40 12.3.3 12.3.3 數(shù)字水印的典型算法數(shù)字水印的典型算法 頻域算法：頻域算法： 把源數(shù)據(jù)經(jīng)過某種變換（例如把源數(shù)據(jù)