基于图像特征的数字图像置乱程度衡量方法

格式：pdf
大小：871.78 KB
文档页数：5

下载文档原格式

【计算机应用与软件】_局部特征_期刊发文热词逐年推荐_20140723

推荐指数 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
科研热词等夹角环生长特征识别区域分割非线性降维谱图理论行为识别粒子群优化算法类信息等度规特征映射神经网络特征选择特征提取特征保持点云流形学习核技巧有监督学习局部线性嵌入局部化判别多核并行化图像配准图像拼接双边滤波器去噪典型相关分析光度差异调整仓虫 sift特征 mser特征 (牙合)面
推荐指数 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
科研热词音频内容认证配准贝叶斯分类器蚁群算法相位特征特征向量混合优化策略模拟退火算法最优基数据融合扩散张量张量重定向局部表情识别局部能量局部特征局部搜索小波包变换小波分解大学课程表问题图像融合图像分类 powell算法

基于数字图像相关法的索力识别综述_1

基于数字图像相关法的索力识别综述发布时间：2021-11-11T07:56:40.059Z 来源：《中国科技人才》2021年第23期作者：胡园苟晨铭练城凌刘磊[导读] 数字图像相关（Digital Image Correlation，DIC）技术，运用双目相机和计算机图像视觉处理算法，对待测物体的散斑图像进行处理，对因受力而产生变形的物体进行测量识别。

目前这一项技术主要应用于物体的变形、移动、应变、模态分析等。

重庆科技学院重庆 401331摘要：拉索、吊索等是缆索桥梁的关键承重部件，由于多种因素的影响，会出现程度不一的腐蚀、开裂、内部钢丝断裂等问题，这些将直接影响到桥梁的安全。

为了降低因拉索损伤出现威胁到桥梁安全的情况，对于拉索检测有着极高的要求，随着计算机图像处理技术与光学技术的不断发展，非接触式测量在时效性、便捷性、准确性等方面具有更高优势。

关键词：非接触式；图像处理；数字图像相关法；索力识别引言数字图像相关（Digital Image Correlation，DIC）技术，运用双目相机和计算机图像视觉处理算法，对待测物体的散斑图像进行处理，对因受力而产生变形的物体进行测量识别。

目前这一项技术主要应用于物体的变形、移动、应变、模态分析等。

DIC（数字图像相关法）技术是一种非接触式测量技术，有着如下的优点：适应环境的能力强，自动化程度高、准确性高、经济效益好等。

其被广泛的应用于各个行业：如工业、农业、航空航天、生物医疗、工程、材料、力学等领域。

而DIC技术也在土木工程领域中表现出了极大的应用价值，有学者以及研究团队提出了基于DIC技术的测量方法，将其应用于斜拉桥的索力识别当中，取得了一定的研究成果。

1.概述桥梁结构整体从一开始就必须要考虑安全性问题，从设计、施工到运营维护阶段都需要对整个结构体系进行非常准确的一个受力评估与健康检测，这样才能依据可靠的数据进行安全保障。

其中，在缆索承重桥梁结构的使用当中，其关键受拉构件如拉索，吊索等非常容易产生强度下降，因为会受到环境腐蚀、疲劳损伤、振动等，会威胁到桥梁的运营安全[1]。

数字图像处理中的图像压缩算法

数字图像处理中的图像压缩算法随着科技和计算机技术的不断发展，数字图像处理成为了一个非常重要的领域。

数字图像处理技术广泛应用于各个领域，如图像储存、通信、医疗、工业等等。

在大量的图像处理中，图像压缩算法是非常关键的一环。

本文将介绍一些数字图像处理中的图像压缩算法。

一、无损压缩算法1. RLE 算法RLE（Run Length Encoding）算法是常见的图像无损压缩算法之一，它的主要思想是将连续的像素值用一个计数器表示。

比如将连续的“aaaa”压缩成“a4”。

RLE 算法相对比较简单，适用于连续的重复像素值较多的图像，如文字图片等。

2. Huffman 编码算法Huffman 编码算法是一种将可变长编码应用于数据压缩的算法，主要用于图像无损压缩中。

它的主要思想是将频率较高的字符用较短的编码，频率较低的字符用较长的编码。

将编码表储存在压缩文件中，解压时按照编码表进行解码。

Huffman 编码算法是一种效率较高的无损压缩算法。

二、有损压缩算法1. JPEG 压缩算法JPEG（Joint Photographic Experts Group）压缩算法是一种在有损压缩中广泛应用的算法。

该算法主要是针对连续色块和变化缓慢的图像进行处理。

JPEG 压缩算法的主要思想是采用离散余弦变换（DCT）将图像分割成小块，然后对每个小块进行频率分析，去除一些高频信息，再进行量化，最后采用 Huffman 编码进行压缩。

2. MPEG 压缩算法MPEG（Moving Picture Experts Group）压缩算法是一种针对视频压缩的算法，它主要是对视频序列中不同帧之间的冗余信息进行压缩。

该算法采用了空间域和时间域的压缩技术，包括分块变换编码和运动补偿等方法。

在分块变换编码中，采用离散余弦变换或小波变换来对视频序列进行压缩，再通过运动估计和补偿等方法，去除冗余信息。

三、总结数字图像处理中的图像压缩算法有很多种，其中无损压缩算法和有损压缩算法各有特点。

【江苏省自然科学基金】_数字图像_期刊发文热词逐年推荐_20140819

2008年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
科研热词数字水印脊波变换离散小波变换奇异值分解高速ccd 高光谱图像零级像消除重建轻微损伤苹果置乱变换置乱线奇异性管路稳健的相位自校正盲提取版权保护检测有限脉冲响应滤波器数据采集数字音频多重水印数字再现数字全息摄影测量投影光栅图像处理噪声可见性控制可靠性分析双重数字水印参数估计匹配几何攻击二次曲线主动式视觉 sift变换 scs rit变换 matlab
科研热词数字水印小波变换图像处理信息隐藏高阶马尔科夫链高阶markov链隐写分析隐写速度与位置更新边界检测轮廓提取自适应脉冲耦合神经网络统计测度细胞离散小波变换离散余弦变换生物光学玄武岩纤维特征提取特征分析点火映射图混杂纤维机器视觉曲线描述整数编码数字水印算法数字图形处理数字图像相关数字半调数字全息拼贴误差拉普拉斯能量扩频图像隐写扩频微粒群优化形状特征多边形近似多孔混凝土图形融合图像配准图像融合图像拼接图像去噪图像值质量评价剥离分形正交变换分形图像编码全景图光学测量光学检测不变矩
推荐指数 4 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52

图像编码常用方法介绍(五)

图像编码是将图像数据转换为数字信号的过程。

在数字图像领域中，图像编码是非常重要的一部分，因为它可以减少图像数据的存储空间和传输带宽。

在本文中，我们将介绍一些常用的图像编码方法。

一、无损编码方法无损编码方法是指将图像数据进行压缩，但压缩后的数据能够完全恢复为原始图像数据。

这种编码方法适用于对图像质量要求较高的场景，如医学图像和卫星图像等。

1. 预测编码（Predictive coding）预测编码是一种利用前后像素之间的相关性来进行编码的方法。

通过对图像的像素值进行预测，然后将预测误差编码，可以实现对图像数据的无损压缩。

2. 统计编码（Entropy coding）统计编码基于信息论原理，通过对图像数据中出现的符号进行统计分析，按照符号出现的概率进行编码。

在统计编码中，常用的方法有霍夫曼编码和算术编码。

二、有损编码方法有损编码方法是指在压缩图像数据的同时，会引入一定的信息损失，从而导致压缩后的图像质量下降。

这种编码方法适用于对图像质量要求不那么严格的场景，如网络传输和存储等。

1. 变换编码（Transform coding）变换编码是一种将图像数据转换为频域表示的方法。

最常用的变换编码方法是离散余弦变换（DCT），它可以将图像数据从时域转换到频域，然后对频域表示的系数进行量化和编码。

2. 预测编码（Predictive coding）预测编码不仅可以用于无损压缩，也可用于有损压缩。

在有损预测编码中，通过对图像的像素值进行预测，然后对预测误差进行量化和编码，从而实现压缩图像数据。

3. 算术编码（Arithmetic coding）算术编码是一种基于符号概率进行编码的方法。

它可以根据每个符号出现的概率来动态调整编码的长度，从而实现对图像数据的高效压缩。

总结起来，图像编码是数字图像领域中的重要研究方向。

无损编码方法可以实现对图像数据的无损压缩，而有损编码方法可以实现更高比例的压缩，但会引入一定的信息损失。

分布均匀性的图像置乱衡量方法

分布均匀性的图像置乱衡量方法
王远志;张歌凌;张健;孙立镌
【期刊名称】《计算机工程与应用》
【年(卷),期】2009(045)034
【摘要】尽管越来越多的置乱算法被提出,如Arnold cat变换、Hilbert变换、幻方变换和基于混沌置乱变换等,但是针对这些置乱算法的衡量方法却很少,现有的方法都是基于某一种置乱变化而提出的,通用性不强.从图像置乱均匀分布的角度出发,定义了理想置乱状态的模型,并根据理想状态的特点提出了一种图像置乱衡量方法,通过比较置乱效果与理想状态的偏离度来评价置乱效果的好坏.对Arnold cat变换进行了仿真分析,实验结果显示该方法能准确衡量图像的置乱程度,与人类视觉相吻合.并指出对256×256的图像来说,8×8,16×16的分块可以更准确地衡量置乱效果.【总页数】4页(P155-158)
【作者】王远志;张歌凌;张健;孙立镌
【作者单位】安庆师范学院计算机系,安徽,安庆,246011;黄河水利职业技术学院管理系,河南,开封,475000;哈尔滨理工大学计算机学院,哈尔滨,150080;哈尔滨理工大学计算机学院,哈尔滨,150080
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种基于DCT域的数字图像置乱程度衡量方法 [J], 许静;田小平;谭铁牛
2.基于灰度级出现频数的数字图像置乱程度衡量方法 [J], 贺楚雄;田绍槐
3.基于图像特征的数字图像置乱程度衡量方法 [J], 李虎雄
4.面向纹理特征的图像置乱程度的衡量方法 [J], 綦科;张大方;谢冬青
5.基于均匀置乱的图像位置置乱衡量方法 [J], 张健;任洪娥;陈宇
因版权原因，仅展示原文概要，查看原文内容请购买。

基于DCT变换的图像数字水印算法

基于DCT变换的图像数字水印算法3徐世刚1)　李　娟1)　胡　广2)(武汉科技大学电子信息工程系1)　武汉　430081)(华中科技大学电子信息工程系2)　武汉　430074)摘　要　数字水印技术在保护数据信息安全和版权方面有着重要的应用。

对基本DCT域图像数字水印算法进行改进,该算法采用可视的二值图像作为水印信息,利用人类视觉系统(HVS)的冗余特性,将图像块进行分类,并结合边缘检测和A rnold型置乱变换加密,通过在图像块DCT域中修改低频区DC分量来嵌入不同强度的水印。

实验结果表明,该算法生成的水印是不可见的,并且对常见的图像处理和噪声干扰具有较好的鲁棒性。

关键词　数字水印　边缘检测　图像置乱　A rnold变换中图分类号　TP3911　数字水印概述数字水印技术是一种将特制的不可见的标记,利用数字内嵌的方法隐藏在数字图像、声音、文档、图书、视频等数字产品中,用以证明原始作者对其作品的所有权,并作为鉴定、起诉非法侵权的证据,同时通过对水印的检测和分析,验证数字信息的完整可靠性,从而成为知识产权保护和数字多媒体防伪的有效手段。

一般认为数字水印应具有安全性(可证明性)、隐形性(不可感知性)、稳健性(鲁棒性)和自恢复性等特点。

具有上述特点的水印才是严格意义上的数字水印,但由于对数字水印的定义尚未统一,许多文献中讨论的数字水印并不具备上述特点,或者仅具有上述的部分特点。

由于数字图像比声音、文字等蕴涵更多的信息量,因而现今对数字水印的研究,大多数都是针对图像进行的。

2　水印嵌入、提取位置的选择早期的基于DCT变换的水印算法是把水印嵌入到频域的高频系数中,因为原始图像经过DCT 变换后,大部分信息集中在低频部分,因此可以将水印嵌入含信息量少的高频部分,以尽量减少对原始图像的影响。

这样能保证视觉透明性,但是,各种常见的图像处理操作对于图像高频部分的损坏可能性很大,如有损压缩、低通滤波等,水印很容易在经历图像处理的过程中损失,故这类算法所产生的水印稳健性很差。

基于小波变换的图像置乱加密算法研究

山西电子技术２１０１年第４期
文章编号：６４４７（０１０－０３０１７－５８２１）４０５－２
通信技术
基于小波变换的图像置乱加密算法研究
李媛，张培
（中北大学信息与通信工程学院，山西太原００５）３０１
摘要：传统算法的基础上，在结合小波理论和混沌理论及置乱方法，究实现了一种基于小波变换的图像置研
１２基于Ｌｇｓｃ．ｏｉｉ映射的图像置乱加密效果与分析ｔ
Ｏ引言
因特网技术的迅猛发展，多媒体通信成为人们信息交流
的重要手段。数字图像、数字视频比传统的文字包含更多更
对ｌｎｅａ图像（尺寸为２６×２６进行加密，密结果如５５）加
果。如Ａｏｎｄ变换、ｔａｃ映射、ｏｌｃｒｌｓｒ￣ｄｌＬｇａ映射等。本文通过小ｓ波、混沌和置乱等相结合的方法来研究数字图像的加密工作。
一 ■ 一
ｆ）原始图像ａ（）加密后图像ｂ（）解密后图像Ｃ
上ｓ，Ｒ＝１９０．
１传统置乱加密算法
山
西
电
子
技
术
２１０１年
像置乱效果要好、图像置乱效率要高以及密钥空间要大等特点。本文利用混沌系统的初值敏感性，参数敏感性和类随机性的特点，结合图像置乱的通用方法，现了一种基于混沌实变换图像置乱算法，即置乱矩阵Ｔ由混沌变换产生，能达它到图像置乱效果好，效率高且密钥空间大的目的。输入系统参数和初始值０采用混沌变换，代＋￡，迭

【计算机工程与设计】_数字图像_期刊发文热词逐年推荐_20140726

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106
混沌映射混沌序列混沌波门水印检测标点符号旋转攻击方差文本水印整数小波变换数学形态学数字电视数字图像置乱数字图像水印数字图像处理数字图像分存支持向量机提升小波指纹图像拓扑特征构造扩频手写体数字识别彩色图像形态学开放源代码帧缓冲嵌入强度嵌入式中间件嵌入位置峰值信噪比尺度不变特征变换小波域密钥管理失真校正多阈值多通道多小波基于内容图像水印图像处理图像压缩图像分割图像噪声估计同步合成孔径雷达干涉测量双峰法分类树几何失真公开数字水印元损数据隐藏信1 1 1 1 1 1 1 1 1 1 1 1
107 108 109 110 111 112 113 114 115 116 117 118 119
wms规范 sobel算子 mpeg-4 lsb匹配隐写分析 lorenz混沌系统 jpeg2000 harris-laplace角点检测 gprs ga-bp算法 f5 dci bp神经网络 arnold变换
2009年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52

【计算机应用】_图像加密_期刊发文热词逐年推荐_20140723

2011年科研热词数字水印图像加密混沌加密混沌序列小波变换鲁棒性超混沌置乱信息熵排序变换图像置乱图像处理分数阶傅里叶变换 logistic映射 contourlet变换 arnold变换非线性迭代算法非抽样contourlet变换随机性选择明文பைடு நூலகம்击选择密文攻击超混沌系统超混沌hénon映射视频加密视觉密码行列式自适应耦合映象格子细胞神经网络离散小波变换离散分数余弦变换相位相关盲水印混沌系统混沌理论混沌映射混沌密钥流密码椭圆曲线标准汉明距离有限元数字图像截屏快速成像方法微波断层成像微分阶次彩色图像并行性帐篷映射嵌入式系统局部特征区域尺度不变特征变换推荐指数 7 7 5 4 3 3 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2010年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
53 54 55 56 57 58 59 60 61 62 63 64
分段线性混沌映射公钥密码体制位置置乱位交换似三棱柱体互信息距离三维帐篷映射 zigzag变换 td-ercs hvs arnold猫映射 arnold变换
推荐指数 5 4 4 4 3 3 3 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

【浙江省自然科学基金】_数字图像_期刊发文热词逐年推荐_20140811

2011年科研热词零水印鲁棒性频率非接触测量阈值分割轴向超分辨距离变换细化约束方程纠错编码等值面离散小波变换离散余弦变换灰度直方图混沌算法横向超分辨桥梁工程数字签名数字水印数字散斑相关法数字图像盲取证数字图像归一化小波变换图像水印医学信息集成区域生长全息图量化全息三维显示光程编码光学相干层析成像像质位移人工神经网络云计算乳腺区域乳腺x线网像中轴线 mapreduce cfa滤波阵列 3维血管图像推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2014年序号 1 2 3 4 5
2014年科研热词边界编码编解码结构光条纹二叉树 canny算子推荐指数 1 1 1 1 1
科研热词小波变换盲数字水印版权保护数字水印图像分割一次bézier曲线 logistic混沌置乱视觉传感器茶叶能量加权窄带法离散余弦变换矢量化相对量化盲水印特征参数灰度级水印水平线水印检测服装cad 曲线拟合数字图像掌纹识别小波分解字图像水印子带杂交奇异值分解图像置乱图像处理人类视觉系统二维主元分析 ov7670图像传感器 lsb算法 level set legendre神经网络 hilbert变换 gray变换 chebyshenv神经网络 canny算子 bp神经网络 avr arnold变换
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2013年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

基于调色板的信息隐藏技术

字图像信息隐藏算法抵抗非法攻击的能力．给非法攻
击者带来破译的困难．此具有较好的安全性。因
２密钥嵌入调色板
在 “ ｍｐ、．ｃ ” “ ｉ、．ｆ等格式的图像中都． ” “ ｘ、．ｆ “ ｉｂｐｔ” ｇ ” 采用了调色板技术调色板实际上是一个有２６个表５
维普资讯
＼
＼、＼
— — — — — — — — — —— — — — — — — — — ． — —— — — — — — — — — — —— — — — — — — — — — — 一 —
图形围
— —
— — —
基于调色板的信息隐藏技术
来对隐密图像进行预处理
Ａｌｍｏｄ置乱：假设Ｉ大小为ｒｒ的原始图像嘲：是ｌｌｘ
ｌ（ｘｙＩ， ∈ ０ｎ１）＿Ｉ，ｌＹ【，－１（Ｘ
数字图像隐藏的技术大体上可以分为基于空间
域的算法和基于变换域的算法基于空间域的算法处
版权标注等功能
空间．置空间或频率空间上进行当前已经研究出位
许多种新颖的数字图像置乱算法。例如基于位操作、
幻方、ＡＳ曲线、ｍｏＦＳＡｌ换、ｒｙ码变换、命游戏ｄ变Ｇａ生
和三角函数等本文采用较常用的Ａｌｍｏｄ置乱算法
［
砌．【－）（∈ｎｘ０１Ｙ，】
Ａｌｍｏｄ算法能够将图像上的点“ 打乱 ”经过若干次．Ａｏｄ变换后．图像会呈现出类似于噪声图像的形态ｎｒｌ本文中对隐秘图像进行置乱．将置乱的次数做为密钥。

基于仿射变换的图像置乱改进新算法

（南师范学院物理与电子丁程系渭
摘
要
传统的仿射变换的图像置乱算法是将图像中像素的位置重新排列，而使原始图像变换成一个杂乱无章的从
新图像，其本身的像索值并未发生改变。所以置乱后图像的灰度直方图都不发生改变，灰度直方图又是衡量一幅图像但而的重要特征。埘于那些对安全性要求比较高的领域，军事或牵涉到国家安全的机构，类置乱方法的安今性可能达不到如这我们期望的要求。针对以上问题，文提出了一种基于仿射变换的图像置乱改进新算法。该算法首先对原始罔像进行仿射该变换，后对变换后的冈像进行ＺｇＺｇ扫描形成一个一维向量，对一维向量中每个像素和它前面相邻的像素进行按位然ｉａ－再异或运算，时对其异或运算的结果进行像素值的交叉换位，次改变像素点的灰度值，而提高图像置乱效果和安全性。同再从实验结果表明，算法与传统的图像置乱算法相比，乱后的图像不仅直方图发生了显著改变，且置乱冈像的统计特征更该置而像白噪声，加适用于图像文件的加密传输和秘密罔像信息在数字水印技术中的置乱预ｇ理。更处关键词仿射变换；罔像置乱；ＺｇＺｇ扫描；叉换位ｉａ－交

【小型微型计算机系统】_图像增强_期刊发文热词逐年推荐_20140723

2012年序号 1 2 3 4 5 6 7 8 9 10 11 12
2012年科研热词推荐指数计算设备统一构架 1 纹理谱 1 掩模模板 1 循环优化 1 局部纹理模式 1 小波分解 1 图像检索 1 图像处理单元 1 图像增强 1 分数阶微分 1 中心对称与中心局部二值模式 1 jacobi迭代算法 1
2010年序号 1 2 3 4 5 6 7 8 9 10 11 12 13
科研热词骑士巡游变换马步哈密顿圈细节增强算法真实感彩色空间彩色图像建模小波变换基于物理的图像置乱加密方法云 gpu
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
2009年科研热词图像增强车辆检测行为引擎行为建模离散小波变换直方图特征提取标定符号定位改进中值滤波支持向量机强噪声背景建模工具小波变换复扩散图像去噪反馈校正前向后向扩散不确定性 radon变换 pfa eme alpha-rooting 推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
科研热词飘雪场景风场建模粒子群算法等照度直方图均衡湍流强度水平集格子bgk模型样本曲率形状分布小生境熵小生境技术多模态函数优化地面粗糙度图像增强图像去噪图像修补可分离离散小波变换偏微分方程佳点(集) 优先权三维模型检索

图像信息熵

图像信息熵图像信息熵是模糊信息理论中相当重要的一种信息度量方法，它可以衡量图像的复杂性和自由度，提供定量的分析，以便于更好地提取和处理图像。

本文旨在介绍图像信息熵的定义、计算方法以及其应用。

一、图像信息熵的定义信息熵是由日本信息理论家西摩佐藤于1965年提出的，它是信息理论中一个重要的概念，也是熵的一种概念，是对熵的一种拓展，定义为：让图像经过分层处理，将空间中不可分割的最小单位分割成多个最小单位，它们构成的像素总数就是图像的信息熵。

图像信息熵的实质是根据图像的熵值来计算图像信息量的大小，图像的复杂程度越高，图像信息熵越高。

图像信息熵的另一种定义是：在一定空间维度中，根据图像选择的特征，提取到图像信息的量级，即为图像信息熵。

二、图像信息熵的计算方法图像信息熵的计算主要是通过计算图像的熵值来计算。

首先，计算一幅图像中每个像素的频率，将像素的值看作概率，记为P(x）；然后，在每个像素的概率P(x）上计算信息熵，即：Sx= -Σi=1n P(x)logP(x)；最后，将各个像素的信息熵相加求和，就得到了图像信息熵。

三、图像信息熵在图像处理中的应用1、图像分割。

图像分割是将图像分割成不同的区域，以便对其中的信号进行处理。

图像信息熵是一种量化图像复杂程度的指标，通过计算图像信息熵，可以根据熵值大小来判断图像是否具有足够的复杂程度，进而可以有效地实现图像的分割。

2、图像压缩。

图像压缩是指在保持原图像质量的前提下，将图像数据量减少以减少图像文件大小的一种处理方法。

图像压缩的基本思想是：通过对图像信息熵的计算，可以找出图像中哪些信息是可以被压缩的；以达到节省存储空间的目的。

四、总结本文详细介绍了图像信息熵的定义、计算方法及其应用。

图像信息熵是根据图像的熵值来计算图像信息量的大小，图像的复杂程度越高，图像信息熵越高，可以量化图像复杂程度。

图像信息熵可用于图像分割和图像压缩，可以有效地提取和处理图像。

【计算机应用与软件】_数字图像_期刊发文热词逐年推荐_20140722

53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76
图像识别图像认证图像置乱可信度增强可信度双像素单向耦合同步动态区域分割加密分形特征兴趣点全景图保密通信乐谱临界可见误差 stirmark 4.0 shadow volume shadow map midi lorenz混沌系统 harris算子 exe文件 dct cmos数字图像传感器
ቤተ መጻሕፍቲ ባይዱ
科研热词数字水印置乱信息隐藏融合熵峰值信噪比人类视觉系统隐藏信息随机函数阴影阈值选取遥感图像运动像素点边缘检测记谱法计算掩码视频流虚拟现实自适应自动化脆弱数字水印耦合映像格子编码算法空间域离散余弦变换盲检测版权保护混沌序列混沌水印容量模糊最优块提取时空混沌方差文件传输数学形态学数字电视数字指纹数字密写数字图像隐藏数字图像置乱数字图像拼接感知模型彩色图像局部攻击小波零树小波变换实时显示实时基于特征
推荐指数 4 3 3 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

２０１２年６月　第３３卷第６期　

计算机工程与设计　

ＣＯＭＰＵＴＥＲ　ＥＮ『ＧＩＮＥＥＲＩＮＧ　ＡＮＤ　ＤＥＳＩＧＮ　Ｊｕｎ．２０１２　

ＶｏＬ　３３　Ｎｏ．６　

基于图像特征的数字图像置乱程度衡量方法　李虎雄　（西北工业大学自动化学院，陕西西安７１００７２）　摘要：数字图像置乱程度是评价数字图像置乱算法的重要方面，对数字水印算法的研究也起到重要的指导作用，提出了　一种新的图像置乱效果客观评价方法。该方法首先得到整幅置乱图像的特征向量，将置乱图像进行最优分块，得到每个图　像块的特征向量，应用灰色关联分析对图像置乱程度进行度量。该方法不仅反映了整幅置乱图像的全局特征，还反映了图　像的局部特征。实验结果表明，该算法与视觉上的主观评价结果基本一致，且适用于各种类型的加密图像。　关键词：数字图像；置乱变换；图像特征；灰色关联分析　中图法分类号：ＴＰ３９１　文献标识号：Ａ　文章编号：１０００—７０２４（２０１２）０６—２３３８—０５　

Ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｓｃｒａｍｂｌｉｎｇ　ｄｅｇｒｅｅ　ｅｖａｌｕａｔｉｏｎ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ｒｅｇｉｏｎ　ｓｉｍｉｌａｒｉｔｙ　ＬＩ　Ｈｕ—ｘｉｏｎｇ　（Ｃｏｌｌｅｇｅ　ｏｆ　Ａｕｔｏｍａｔｉｃ，Ｎｏｒｔｈｗｅｓｔｅｒｎ　Ｐｏｌｙｔｅｃｈｎｉｃａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ　７１００７２，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｓｃｒａｍｂｌｉｎｇ　ｄｅｇｒｅｅ　ｉｓ　ｏｎｅ　ｏｆ　ｔｈｅ　ｍｏｓｔ　ｉｍｐｏｒｔａｎｔ　ａｓｐｅｃｔｓ　ｏｆ　ｅｖａｌｕａｔｉｎｇ　ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｓｃｒａｍｂｌｉｎｇ　ａｌｇｏｒｉｔｈｍ，　ｉｔ　ｈａｓ　ｓｉｇｎｉｆｉｃａｎｔ　ｅｆｆｅｃｔｓ　ｏｎ　ｔｈｅ　ｒｅｓｅａｒｃｈ　ｏｆ　ｄｉｇｉｔａｌ　ｗａｔｅｒｍａｒｋ　ａｌｇｏｒｉｔｈｍ．Ａ　ｑｕａｎｔｉｔａｔｉｖｅ　ｍｅｔｒｉｃ　ｉｓ　ｐｒｏｐｏｓｅｄ　ｔｏ　ｏｂｊｅｃｔｉｖｅｌｙ　ｅｖａｌｕａｔｅ　ｔｈｅ　ｑｕａｌｉｔｙ　ｏｆ　ｉｍａｇｅ　ｓｃｒａｍｂｌｉｎｇ　ｄｅｇｒｅｅ．Ｔｈｅ　ｓｃｒａｍｂｌｅｄ　ｉｍａｇｅ　ｉｓ　ｄｉｖｉｄｅｄ　ｉｎｔｏ　ｓｅｖｅｒａｌ　ｂｌｏｃｋｓ　ｉｎ　ｏｒｄｅｒ　ｔｏ　ｏｂｔａｉｎ　ｔｈｅ　ｓｅｖｅｒａｌ　ｂｌｏｃｋｓ　ｆｅａｔｕｒｅ　ｍａｔｒｉｘ．Ａｆｔｅｒ，ｗｅ　ｃｏｕｌｄ　ｇｅｔ　ｔｈｅ　ｉｍａｇｅ　ｓｃｒａｍｂｌｉｎｇ　ｄｅｇｒｅｅ　ｂｙ　ｃａｌｃｕｌａｔｉｎｇ　ｇｒｅｙ　ｒｅｌａｔｉｏｎ　ｄｅｇｒｅｅ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｒｅｆｅｒｅｎｃｅ　ｓｅ—　ｑｕｅｎｃｅ　ｗｈｉｃｈ　ｉｓ　ｏｂｔａｉｎｅｄ　ｂｙ　ｔｈｅ　ｐａｒｔｉｃｕｌａｒ　ｉｍａｇｅ　ｂｌｏｃｋ　ａｎｄ　ｔｈｅ　ｃｏｍｐａｒａｔｉｖｅｓ　ｓｅｑｕｅｎｃｅ　ｗｈｉｃｈ　ｉｓ　ｃｏｎｓｔｒｕｃｔｅｄ　ｂｙ　ｔｈｅ　ｓｅｖｅｒａｌ　ｂｌｏｃｋｓ．　Ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔ　ｈａｖｅ　ｓｕｇｇｅｓｔｅｄ　ｔｈａｔ　ｔｈｅ　ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｓｃｒａｍｂｌｉｎｇ　ｄｅｇｒｅｅ　ｅｖａｌｕａｔｉｏｎ　ｍｅｔｈｏｄ　ｉｓ　ｔｈｅ　ｓａｍｅ　ａｓ　ａｌｌ　ｏｆ　ｓｏｒｔｓ　ｉｍａｇｅ　ｅｎｃｒｙｐｔｉｎｇ．Ｔｈｅ　ｒｅｓｕｌｔｉｎｇ　ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｓｃｒａｍｂｌｉｎｇ　ｄｅｇｒｅｅ　ｉｓ　ａｃｃｏｒｄａｎｔ　ｗｉｔｈ　ｖｉｓｕａ１　ｓｕｂｊｅｃｔｉｖｅ　ｅｖａｌｕａｔｉｏｎ，ｉｔ　ｗｏｕｌｄ　ｎｏｔ　ｄｉｆｆｅｒ　ａ　ｌｏｔ　ｆｏｒ　ｔｈｅ　ｓａｋｅ　ｏｆ　ｔｈｅ　ｃｈａｎｇｉｎｇ　ｏｆ　ｉｔｓ　ｆｏｒｍｅｒ　ｉｍａｇｅ　ａｓ　ｗｅｌ１．　Ｋｅｙ　ｗｏｒｄｓ：ｄｉｇｉｔａｌ　ｉｍａｇｅ；ｓｃｒａｍｂｌｅ　ｔｒａｎｓｆｏｒｍａｔｉｏｎ　ｉｍａｇｅ　ｆｅａｔｕｒｅ￣ｇｒｅｙ　ｒｅｌａｔｉｏｎ　ａｎａｌｙｓｉｓ　

０引　言　由于计算机网络和多媒体技术的迅速发展，数字图像　信息的安全性成为国际上热门的研究课题。近年来，人们　提出了许多置乱算法，归纳起来有３种，即仅变换图像像　素的置乱算法、仅变换像素位置的置乱算法和像素值和像　素位置均发生变换的置乱算法＿１］。相对于图像置乱算法研　究的多样性，图像置乱算法研究则研究的比较少。客观地　评价图像置乱置乱效果既可以评价图像置乱效果的好坏，　同时还可以对置乱算法进行改进ｌ２］。因此，图像置乱效果　的评价对图像置乱算法具有非常好的指导作用。　其中，文献Ｅ３２将原始图像视为物体密度呈任意分布　的物体，而置乱后图像则看为原始图像的密度重新排列，　依据质心与形心间的距离来衡量置乱程度，该算法对变换　像素的几何位置的效果最好；文献［４］提出了基于ＤＣＴ　域的数字纹理图像置乱度评价方法，主要是将置乱图像变　换到Ｉ）ＣＴ域中，再根据图像特征对置乱图像进行评价；文　献Ｅｓ］提出了基于傅立叶变换的图像置乱效果评价，该算　法应用傅立叶变换将置乱图像从空域变换到频域中，再利　用离散二元概率分布函数计算置乱前后两幅图像的灰度分　布情况，以此作为衡量图像置乱效果，但该方法需要原始　图像参与；文献［６］认为数字图像置乱的基本特征是置乱　的分布性，置乱前图像像素呈多样性，而理想置乱图像的　像素均匀分布，提出了基于灰度级出现频数的数字图像置　乱程度衡量方法；文献［７］从信息论的角度设计了图像置　乱效果评价方法，提出了基于交叉熵的图像置乱效果评价。　该方法对变换像素位置的效果较好，且需要原始图像参与；　文献［８］将原始图像和置乱图像按同种方式进行分块处　

收稿臼期：２０１１　１１　１７；修订日期：２０１２　０１　１９　基金项目：国家自然科学基金项目（６１０７０２３３），西北工业大学基础研究基金项目（ＪＣ２００９４６）　作者简介：李虎雄（１９７１一），男，湖北孝感人，博士研究生，研究方向为无线网和计算机图形学。　Ｅ－ｍａｉｌ：ｌｕｙａｎｌｉｎｇ＠ｍａｉｌ．ｎｗｐｕ．ｅｄｕ．ｃｎ　第３３卷第６期　李虎雄：基于图像特征的数字图像置乱程度衡量方法　・２３３９・　理，通过计算对应的两图像块之间的ＳＮＲ，以此作为置乱　图像的置乱度，同样需要原图像的参与；文献１－９］提出了　图像置乱的相对置乱度评价方法。该算法结合混沌理论、　熵理论和图像自身属性，定义了乱图像的标准，并通过给　出的置乱图像与标准乱图像之间的相对置乱度进行置乱评　价。文献Ｅ１ｏ］也是从信息论的角度对图像置乱效果进行　评价。该方法首先对置乱前后图像进行差分运算，通过计　算两差分图像之间的互信息距离评价图像置乱效果。该方　法同样需要原始图像的参与。　上述文献的基本方法都是围绕着置乱图像的灰度深入　展开的。我们发现，图像置乱效果的好坏还受到其他图像　特征的影响，如图像纹理、边缘等。因此，提出了一种基　于图像特征的图像置乱程度的度量方法。该方法首先将置　乱图像划分成多个块，然后提取出各个图像块的多种图像　特征，构造图像块序列，再应用灰色关联分析理论计算图　像块序列之间的关联度，以此作为置乱图像的置乱度。　

Ｉ基于图像特征的置乱程度的实现方法　１．１图像特征的提取　将置乱图像分割成ｎ个大小为ｂ×ｄ的窗体，计算每个　置乱图像块（　）　（ｒ一１，２，…，　）的特征向量３２　（ｚ　∈Ｒ４，　ｒ一１，２，…，　）。第１个分量为窗体灰度平均值，最后３个　分量为窗体的纹理、边缘特征　Ｉ一　五　，　；一（　（　）吉　（１）　

ｚ；一（　（　）童　一（　（　）专　（２）　式中：｛ｈ　一，ｈＮ｝，｛　，…，　｝，｛ｄ　一，ｄＮ）——置乱图像　块经小波分解后产生的水平、垂直、对角线方向的高　频分量。　１．２灰色关联分析　灰色关联分析理论是通过比较参考序列与比较序列之　间几何曲线的相似程度，主要用于处理信息不完全或信息　部确定的系统ｌ１　。对各个图像块的综合特征向量进行考察　时，存在着与置乱图像相似或不相似的两种可能性，这是　一种典型的信息不确定性问题，因此可以应用灰色关联分　析理论对置乱图像进行分析。具体步骤如下：　（１）确定参考序列和比较序列，其中ｒ一１，２，…，ｎ。　（２）计算比较序列与参考序列之问的灰色关联系数∈ｏｒ　（ｋ）　岛，（忌）一　Ａ　ｍｉｎ　ｑ－　￣＂Ａ　ｍａｘ　

其中　Ａｍｉｎ＝ｍｉｎ（１　２ＣＯ（是）一ｚ　（　）１）　Ａｍａｘ＝ｍａｘ（１　ｚｏ（　）一ｚ　（是）１）　ＡＯｒ（ｋ）一Ｉ　Ｘｏ（忌）一五（是）ｌ　

ｒ一１，２，…，　，ｋ—ｌ，２，３，４　∈Ｅｏ，１］为分辨系数，是一个事先取定的常数，常　一０．５，保证　ｏｒ∈［Ｏ，１］。　（３）计算比较序列和参考序列之间的灰色关联度　１　ＲＤｒ一　＞：　０　（愚）　

’’Ｌ　ｉ　

１．３算法实现步骤　算法的基本思想是图像置乱效果好，表明置乱图像块　两两之间的特征向量的关联度比较大，且置乱图像块与整　幅置乱图像的特征向量关联度也比较大。基于这个思想，　本文首先计算每个置乱图像块与整幅置乱图像之间的关联　度，得到每个置乱图像块的关联度，再应用灰色关联度计　算整幅置乱图像的置乱度。显然，置乱度越大，说明了置　乱图像块的信息分布和纹理与整幅置乱图像的差异性越小，　且图像块与图像块之间的差异性越小，其置乱效果越好。　具体实施方法如下：　（１）对置乱图像进行分块处理，假设分块的大小为ｂ×　ｄ，其个数为　。根据式（１），式（２）分别获得各个置乱　图像块的特征向量再一（ｘｒ（１），ｚ　（２），　（３），　（４）），令　－ｚ，为比较序列，其中ｒ一１，２，…，／＇／。　（２）由式（１）和式（２）计算整幅置乱图像的特征向量　ＸＯ一（ｘｏ（１），Ｘ０（２），ＸＯ（３），Ｘｏ（４）），令Ｘｏ为参考序列；　（３）计算比较序列　（ｒ一１，２，…，　）和参考序列Ｘｏ之间　的灰色关联度Ｒ　，其中品　表示第ｒ个置乱图像块的　关联度；　（４）计算整幅置乱图像的置乱程度　当　越接近于１，表示置乱图像块的综合特征越接近　于整个置乱图像。因此，设参考序列Ｒ０和比较序列Ｒ　分别为　Ｒ。一（１，１，…，１），　Ｒ一（Ｒ０１，Ｒｏ２，…，Ｒ０　）　应用灰色关联分析计算参考序列Ｒ。与比较序列Ｒ的关　联度，则Ｂ为整幅置乱图像的置乱度。　评价原则：置乱度越大，说明置乱图像的各个图像块　的特征向量具有相同的特征，其置乱效果越好；反之，则　置乱效果一般。　

２实验结果与分析　为了分析本文置乱程度评价方法的性能，选出具有代　表性的３类加密方法进行仿真实验和分析，包括基于Ａｒ—　ｎｏｌｄ变换的图像置乱算法、基于Ｌｏｇｉｓｔｉｃ混沌序列的加密　方法和基于混沌系统的图像加密算法。　２．１同一图像的不同置乱效果　实验采用大小为２５６×２５６的Ｌｅｎａ图像，如图１所示。　分别对该图像进行１２次Ａｒｎｏｌｄ变换、１次基于混沌序列的　加密算法和１次基于混沌系统的加密算法，得到的效果图　依次见图２～６所示。各图的置乱程度见表１。