不变特征（共7篇）
不变特征 篇1
0 引言
基于内容的图像检索(CBIR)是计算机视觉在图像检索中的一个重要应用。常见的基于内容的检索利用全局内容特征,例如颜色、纹理以及形状中的一种或多种特征来进行图像的检索。这种检索往往忽略了图像内容的局部细节部分,而不能达到很好的检索性能。基于局部特征的检索是通过提取图片中的一些关键点,并通过这些点的相似度来决定两幅图片的相似度。局部特征已经被普遍应用于图像检索中[1,2,3]。因为它们不仅容易计算,具有一定的图像变换不变性,而且对于部分被遮挡的物体也能较好地识别。
1 SIFT描述子构造
SIFT是一种对尺度、旋转、仿射以及亮度变化都有很好的不变性的特征[4,5,6]。SIFT的提出是为了解决Harris的角点检测不具有尺度不变性的问题。 SIFT特征描述子的生成主要包括极值点检测、关键点定位、关键点梯度方向计算以及SIFT描述子4个步骤。
1.1 极值点检测
第一步是在尺度空间上检测极值点。SIFT中使用的是高斯核差分的尺度空间,它近似于归一化的拉普拉斯尺度空间。对于要处理的图片,SIFT先用不同的核对其进行高斯平滑。I(x,y)表示原图,G(x,y,σ)为高斯变换,L(x,y,σ)则为原图经过高斯变换后的图片。如下式:
L(x,y,σ)=G(x,y,σ)*I(x,y)。 (1)
相邻尺度的高斯平面相减后,得到不同尺度的高斯核差分(DoG)的尺度空间。在DoG尺度空间上进行的极值点检测能使SIFT特征具有较好的尺度不变性。DoG可直接通过相邻尺度的高斯面相减而得到。如图1中,左边的是经过不同高斯平滑后的高斯平面,右边是相邻尺度的高斯面相减后得到的高斯差分面(DoG)。计算出高斯差分平面之后,对于其上的某一点,将它与周围的8近邻点以及上下相邻尺度的对应位置的9近邻点(共26个点)进行比较,若该点都大于或都小于这26个点,那么这个点将被选取为极值点。
1.2 关键点准确定位
DoG空间中选取出来的极值点是灰度变化的极值点,包含着图片的结构信息。但这些点还需要进一步的处理,去掉低对比度的点,因为低对比度的点对噪音比较敏感。首先,对DoG尺度空间函数D(x,y,σ)进行Taylor展开;其次,将检测到的极值点
由于DoG对边缘有很强的响应,因此检测到的边缘点也要去掉。DoG在沿着边缘方向上的主曲率值会很大,而在与边缘方向垂直方向的主曲率值会较小。令α为沿着边缘方向的主曲率,β为与边缘垂直方向的主曲率。α=γβ,则当γ大于某个阈值(10)时,则作为边缘点舍弃。
过滤掉对比度低的点及边缘的点后,剩下的点即为关键点。由于关键点分布在不同尺度空间的不同位置上,这样可保证SIFT的尺度缩放不变性。
1.3 关键点梯度方向计算
在确定关键点后,为了保证特征的旋转不变性,SIFT通过关键点周围区域的梯度方向分布来表示关键点的方向。在尺度空间的高斯图片L( x,y,σ)中,关键点 ( x,y ) 周围区域的梯度模值m( x,y )和方向θ( x, y )如下:
然后对关键点周围区域的梯度方向进行直方图统计,以每10°为一个桶,平面上360°角可分为36个桶。根据梯度方向值将其关联到对应的桶中,权值由该梯度的模值大小来确定。SIFT用以关键点为圆心的高斯加权窗口来对梯度模值进行加权。
对梯度方向的直方图统计后,每个关键点的方向被定义为它的梯度方向的直方图统计中最大值的方向以及大小在最大值的80%以内的方向。
1.4 SIFT特征描述子构造
前面的步骤确定了关键点的尺度、位置以及方向,保证了其尺度缩放不变性及旋转不变性。关键点的检测已完成,现在将构造SIFT的特征描述子。SIFT特征是以它周围区域的像素点的梯度来表示。
梯度模值和方向的计算与第3步中计算关键点方向时的梯度计算的方式类似,只是这里选取的桶个数是8。对于以关键点为中心的周围区域16*16的像素点,计算其梯度方向和模值大小,然后以4*4的区域为单位进行方向的直方图统计。于是,原来的16*16区域的像素点被划分成4*4个4*4的小区域,每个小区域由对应的8个方向的梯度模值表示。因此,最终特征向量为:4*4*8 = 128维的。这便是SIFT的特征描述子。
为了保证SIFT特征对亮度变化的不变性,还需要对提取出来的特征向量进行归一化。这样,便得到了一个对于尺度缩放、旋转和亮度变换等具有不变性的特征——SIFT特征。
2 基于SIFT相关特征的图像检索
SIFT特征计算的简单性,对于尺度,旋转等变换具有很好的不变性,使它被广泛应用到图像检索中[7,8,9]。基于SIFT特征的图像检索的QBE过程,实际上是一种特征提取以及特征匹配的过程。它包含2个步骤:特征的提取跟特征相似度的计算。
2.1 特征提取
SIFT特征的提取包括2个阶段:离线的操作和在线的操作。对于庞大的图片集,先离线提取它们的SIFT特征存到数据库中,作为图像检索时的检索数据使用。在线图像检索时,对用户给出的检索图片提取SIFT特征后,与数据集中的特征进行匹配。然后,根据图片匹配的点数进行降序排序,匹配数目越多说明图片越相似。于是,图片的匹配转换成了图片中关键点特征的匹配。
将SIFT特征的提取分成离线和在线2个阶段是很有意义的,因为耗时的SIFT对于在线检索的实时性是很不利的。而如果先离线提取大量图像的SIFT特征,在线检索时只需要处理一幅图片的特征提取以及相似特征的检索及匹配问题。这样能很大地提高检索速度。
2.2 特征相似度计算
对于提取后的SIFT特征,检索过程要计算示例图片的特征向量与数据集中的特征向量的相似性。对于特征空间中的点,2点间相似度度量有2种常用的方法:一种是直接计算点间的距离,距离越小,相似度越大,常用的方法有曼哈顿距离和欧氏距离;另一种是计算给定点的最近距离和次近距离,当它们的比值越小,相似度越大[10]。第2种方法相对而言更准确,因为若2个特征向量匹配时,则它们间的相似度应该远大于它们和其他点间的相似度。因此,文中对于示例图片中特征向量的相似特征的检索采用的是第2种方法。
3 实验结果分析
实验中将基于SIFT的检索应用于3种类型的图片集,主要是通过对不同类型的图片比较SIFT特征进行匹配的效果。图片集包含600幅图片,其中建筑物图、室内图以及商标的图片各200幅。3种图片集的选取出于这样的考虑:室内的图片是为了观察对于室内的物体多且杂乱时,SIFT特征的性能如何。对同一建筑物的不同视角,以此对比同一物体的SIFT特征匹配的效果。对于企业徽标进行的实验主要是讨论SIFT对于相似的抽象图案的匹配结果。表1给出了利用SIFT特征对3类数据集的检索结果。
实验结果总结SIFT特征的特点如下:首先,SIFT特征是一种具有尺度、旋转不变性的局部特征,它对于视角变化(±35°)的图片也能较好的匹配。其次,SIFT特征提取的特征数目与图片的具体内容以及图片的分辨率成正比。最后,SIFT特征很适合用于相似图案的检索,它对同一场景或同一物体不同大小或小视角变化的检索结果也较好。从实验结果中可以看到,SIFT特征仍有它的局限性:一是SIFT的特征向量维数太高,对于较大的图片SIFT特征提取的特征数目很大,使得匹配速度慢;二是SIFT特征仅依靠点来描述物体,对位置等全局信息包含得还不够。
4 结束语
SIFT特征是一种对尺度,旋转变换等具有较好的不变性的特征。它很好地描述了局部信息,因此它在计算机视觉相关的邻域有很好的应用。同时,它也有特征向量维度高、匹配时间开销大以及缺少对全局信息的描述,只适用于对同一物体的匹配的局限性。高维特征向量的问题,可以通过对SIFT特征进行降维减少时间开销,或者通过采用分布式计算,从而提高检索速度。缺少对全局信息的描述,可以把SIFT与其他不同的特征(如颜色、形状和位置信息等)结合起来,提高全局信息的检索精度。
参考文献
[1]SCHMID C,MOHR R.Local Grayvalue Invariants forImage Retrieval[J].IEEE Transactions on PatternAnalysis and Machine Intelligence,1997,19(5):530-534.
[2]MIKOLAJCZYK K,SCHMID C.Indexing Based on ScaleInvariant Interest Points[C]//In Proc.of InternationalConference on Computer Vision,2001:525–531.
[3]KE Y,SUKTHANKAR R.Efficient Near duplicateDetection and Sub-image Retrieval[C]//InternationalMultimedia Conference Proc.of ACM,2004,60(2):869-876.
[4]MORTENSEN E N,DENG Hong-li,SHAPIRO L.A SIFTDescriptor with Global Context[C]//Computer Visionand Pattern Recognition,IEEE Computer SocietyConference,2005:184-190.
[5]EGENHOFER M.IEEE Symposium on Visual Languages[C]//IEEE Computer Society,1996:60-67.
[6]BRUNELLI R,MICH O.Image retrieval by examples[J].IEEE Trans.Multimedia,2000,2(3):164-171.
[7]EAKINS J P M,GRAHAM M E.Content-based ImageRetrieval:A Report to the JISC Technology ApplicationsProgramme[R].In:Institute for Image Data Research.University of Northumbria at Newcastle,Newcastle uponTyne,1999.
[8]汪道寅,胡访宇.基于改进SIFT算法的视频序列图像配准[J].无线电工程,2011,41(2):16-18.
[9]李向阳,庄越挺,潘云鹤.基于内容图像检索技术与系统[J].计算机研究与发展,2001,38(3):344-354.
[10]LOWE D G.Distinctive Image Features from Scale-Invariant Keypoints[J].International Journal of ComputerVision,2004,60(2):91-110.
不变特征 篇2
不知什么时候起，我们习惯了低头，却忘了抬头能看到更广阔的蓝天;不知什么时候起，我们习惯了嘈杂的都市生活，却忘了如何感受自然。
夏日的傍晚，轻风氤氲着清新朴实的草香，拂过都市街头人们紧皱的眉头，放缓了他们的脚步……我坐在大学校园操场边的长椅上，细数漫天繁星。有多久没有见到城市的星辰了?自己什么时候变得和当初讨厌的样子越来越像了。
城市的`夜辉煌明亮，往事浮上记忆。
一年多前，我们搬家了。邻居家的“猫大”也不知何时沉没在记忆中了。它的胡须早已泛白，不知是否还能在我放学回家的路上跳出来亲昵地蹭着我的手了。小区前的书报亭，也不知什么时候拆了，惟独与它同一年纪的对面的公交站台仍坚守着岗位。时间很贪婪，但它总不会吞噬所有细节。
老爷爷慈祥地让我抱“猫大”的笑颜，书报亭琳琅满目的杂志，是它们构成了我的过去，即使在变化的时代中消失在人们记忆深处，也总会以另一种方式存在着。
新的学期，同学们似乎长高了，脸上的稚嫩似乎也褪去了一层，学习的积极性也更高了，但他们都还是我所认识的同学。小区里的银杏叶子绿了又黄了，落了又萌发新芽了，它们都还是我记忆中的样子。上海的天，阴了又晴了，多云又大雾了，但它还是我根在的地方。
去年的我，还是个可以肆意玩闹的孩子，怎么今日的我，就成了一个充满心事、正在多愁善感年纪的少年了呢?明日的我，又会是什么样子呢?
收回思绪，目光投向来往的人群。他们或步履匆匆，或低头玩弄手机，却几乎没有一人不紧不慢踱步在夜色朦胧中，他们或许忘了，他们心中的诗和远方。
人们常常说，夜晚的星斗，是亘古不变的天堂里永恒的灵魂，那么他们也在悄悄地变化，仿若这时魔都天空中的晚霞。闭眼一瞬，天空中的云彩就完全变成了另一个模样。
不变特征 篇3
1 NMI特征
1.1 定义
根据物理上重心的概念,定义灰度图像的质心如下
其中,质心(cx,cy)代表图像灰度的重心。图像围绕质心(cx,cy)的转动惯量记为J(cx,cy)
根据图像的质心和转动惯量的定义,可给出灰度图像绕质心(cx,cy)的NMI[10]
其中,m=M∑x=1yN∑=1f(x,y)为图像的质量,代表图像所有灰度值之和。
1.2 NMI特征不变性分析
以图1中三种型号飞机为目标库中的模板图,三种型号飞机的平移、旋转、比例变换图像分别如图2、图3、图4所示。
对于平移畸变,即x′=x+Δx,y′=y+Δy,Δx,Δy分别为横向与纵向的平移量,由式(1)可知,平移后的图像重心为cx′=cx+Δx,cy′=cy+Δy。平移后的图像目标区各点到其图像重心的距离大小没有改变,NMI具有平移不变性。
由于待检测识别目标的距离不定,视场大小及成像的方向角度不同,实际目标成像的比例大小及旋转方向是任意的。因而,根据式(3)并实际仿真实验结果证明,NMI旋转、比例不变性较差。
2 NMI特征提取的改进算法
由于待检测目标的距离不定,则目标的大小是任意的,待检测目标边缘点数与库中目标的边缘点数不同很大程度上影响图像的NMI特征比例不变性。因此,根据归一化转动惯量的定义,提出一种改进方法,即待检测目标边缘必须与库中目标边缘进行维数匹配。
2.1 边缘点搜索
由于物体的边缘十分复杂,顺序提取物体的边缘很困难。采用一种优先级探测搜索法顺序提取边缘,首先根据搜索方向,从边缘走向最有可能发生的位置,按轮廓的顺时针方向进行搜索。由于物体具有封闭轮廓,边缘搜索有左、右、上、下四个方向。在向右搜索时,物体的图像在下方;向左搜索时,图像在上方;向下搜索时,图像在左边;向上搜索时,图像在右边;搜索方向及优先级如图5所示。
上图搜索优先级1~6依次降低。从最高优先级位置开始搜索,只有当高优先级位置探测不到边缘,才能搜索次优先级位置。并将搜索方向置为对应方向。当搜索的位置与第一次搜索位置相同时,完成物体的边缘提取。
2.2 形状匹配
由于待检测目标的距离不定,则目标的大小是任意的,待检测目标边缘点数与库中目标的边缘点数不同很大程度上影响图像的NMI特征比例不变性。因此,根据归一化转动惯量的定义,提出一种改进方法,即待检测目标边缘必须与库中目标边缘进行维数匹配。设待检测目标边缘点数为m,需要匹配的库中目标边缘点数为n,令
待检测目标按lk比例进行缩放,使待检测目标的点数与目标库中目标大致相等,利用缩放后的图像作为待检测目标再进行归一化转动惯量特征匹配。
由于真、假目标的形状和灰度有较大不同,而待识目标有其特定的形状和灰度分布。用改进的NMI计算出潜在目标的不变特征如表2所示,求与目标库的平均绝对差(mean absolute difference,MAD)。当MAD小于给定阈值T,则此为目标,否则是假目标。
3 仿真实验与分析
图6为飞机图像序列与目标库飞机1的七阶不变矩绝对差均值。结果表明,七阶不变矩可以作为目标静态特征进行目标识别,但变化范围较大,存在一定的虚警概率,且计算量大。
图7为飞机图像序列分别与目标库飞机1的轮廓序列矩绝对差均值。结果表明,轮廓序列矩具有较好的平移、旋转、比例不变性,但其灰度性较差。相比较而言,轮廓序列矩的计算量比七阶不变矩低。
图8、图10、图12为飞机图像序列分别与目标库飞机的NMI差,从仿真实验可以看出,针对上述不同型号的飞机序列图像,NMI算法具有良好的平移,但其旋转、比例不变性差,不能有效地识别飞机目标。图9、图11、图13为改进后的飞机图像序列分别与目标库飞机的NMI差。试验结果表明,改进后的NMI特征具有良好的平移、旋转、比例不变性,能有效地识别不同型号的飞机目标,且计算量比较低。
4 结论
文中针对NMI、七阶不变矩、轮廓序列矩三种图像特征识别方法,基于飞机目标分析了三种特征的不变性。不变矩、轮廓序列矩特征在一定程度上具有较好的平移、旋转、比例不变性,但七阶不变矩运算量较大;轮廓序列矩特征抗灰度畸变性差;而传统的NMI特征旋转、比例不变性差。针对NMI在目标识别中存在的不足,提出了基于快速搜索边缘点及其维数匹配的改进算法,使其具有良好的平移、旋转、比例不变性,且提取方法简单,易于实现。
参考文献
[1]John R Smith,Shih.Fu Chang.Tools and techniques for col or image retrieval[R].Columbia University Department ofElectrical Engineering and Center for TelecommunicationsResearch,March 6,1996.
[2]PENG Ning-song,YANG Jie,LIU Zhi.Mean shift blob tracking with kernel histogram filtering and hypothesis testing[J]Pattern Recognition Letters,2005,26:605-614.
[3]江淑红,王沁.基于目标中心距离加权和图像特征识别的跟踪算法[J].电子学报,2006,34(7):1175-1180.
[4]杨小冈,付光远.基于图像NMI特征的目标识别新方法[J].计算机工程,2002,28(6):149-151.
[5]Jan Flusser.On the inverse problem of rotation moment in variants[J].Pattern Recongnition,2002,35:3015-3017.
[6]Kudo,M,Sklansky,J.Comparison of Algorithms that Se lect Features for Pattern Classifiers[J].Pattern Recognition2000,33(1):25-41.
[7]安玮.透视变换不变性研究及三维空问目标的识别[D].长沙:国防科技大学,1995,1.
[8]Gonzalo N,Mathieu R.Flexible pattem matching in strings:柔性字符串匹配[M].中科院计算所网络信息安全研究组,译.北京:电子工业出版社,2007:135-136.
[9]Han Jiawei,Kamber M.数据挖掘[M].2版.范明,孟小峰,译.北京:机械工业出版社,2007:200-204.
不变的追求 篇4
秋天，是收获的季节。在构建我市“十字型”公路框架的宏伟蓝图中，319国道萍莲段改建工程的路基部分至9月底已经完成；路面曾一度破烂不堪的320国道现在安全畅通、车水马龙。水口至大城的路面改造工程经过建设者3个多月的艰苦奋战，也于9月下旬提前1个月竣工，平坦、宽畅的二级公路使来往行人和每日7000余辆车辆找到了久违的欢畅，这是我省公路管理体制改革后，---公路人近一年以来坚持“不等、不靠”，发扬“特别能吃苦、特别能战斗”的精神，同心协力、奋力拼搏带来的喜人景象。
体制改革是时代的要求。去年，原来省属的---公路分局成建制地下放给市人民政府管理，部分公路人起初也曾有消极的想法。但是，在神圣公路事业的大义面前，他们没有等待和观望，而是继续负重开拓、团结协作，认真抓好612.8公里管养公路的养护、建设、管理和规划工作，赢得了社会各界的广泛赞誉。
“努力改造我市相对落后的公路交通面貌，是全体---公路人共同的心愿；为我市经济腾飞创造更好的道路条件，是每个---公路人始终不变的追求。”在接受记者采访时，该局局长曾念辉如是说。
重点工程不松懈
319国道萍莲改建工程是我市近年公路建设中的“重头戏”。工程北起---观丰，南至莲花三板桥，贯穿3县（区）14个乡（镇、街），新开工建设里程为62?8公里。工程的建设，对于完善我市公路交通网络、改变老区落后交通状况、活跃山区经济有着十分重要的意义。
工程自去年8月8日正式开工以来，各项工作进展顺利。但每每想起省委书记孟建柱和副省长凌成兴在视察工程现场时的嘱托，---公路人多的更是一份责任感和紧迫感。面对复杂的地质情况，---公路人没有气馁；为交上一份满意答卷，工程指挥部以工程质量、进度、成本控制为重点，精心组织、严格管理，抢时间、保质量、抓安全、重廉洁，努力打造优质、高效、安全、廉洁工程。
今年雨季来临较早且持续时间长，加上非典以及后期高温因素的制约，给工程进度制造了不少“麻烦”。为此，工程指挥部和17个项目经理部都成立了预防非典工作领导小组，召开了专题会议，采取了相应的预防措施，1500多名筑路员工和技术管理人员仍坚守岗位，500多台大型机械设备展开了大规模的施工。在高温季节，各项目经理部组织施工队伍开展了大战3个月的施工劳动竞赛活动。另外，指挥部还推行了倒计时安排工作，逐月分解月度目标任务，并定期召开工程进度促进会，鼓舞斗志，对影响目标任务完成的难点工程部分，指挥部制定了加快工程进度的具体措施，派出了专人督促检查。截至9月底，路基土石方工程、桥梁工程、涵洞、防护工程、排水工程、垫层，分别完成计划任务的100％、95％、100％、100％、60％、85％，确保了工程进度。
为把好质量关，指挥部对工程技术进行交底，开展了经常性督促检查，多次召开质量进度分析会，严格工程质量控制；监理代表处全面推行“三控制一管理”的举措，严把施工材料关、施工程序关、施工工艺关、工程质量关，使工程建设自开工以来未出现质量责任事故，达到了施工技术规范要求。
改养工程不松劲
不断提升所管养公路的等级和质量档次、搞好管养公路的改造，一直也是该局工作的重要组成部分。由于历史原因，我市公路等级低，大部分还超龄超载负荷，计划资金始终紧缺，公路改造工程面临较大的压力。尤其在公路体制改革后，较多尚未理顺的关系也给工作增添了难度。
“等、靠、要”不是办法。在市政府没有明确今年计划经费的情况下，为管养公路等级逐步提高，---公路人及时调整了工作思路，明确提出了全年公路改善目标任务。在去年立项和开工建设达10个项目，计106?75公里，争得省公路改建投资6975万元的基础上，今年继续加大了向上级请示汇报，争取项目工作力度，并积极争取地方政府的支持，充分调动方方面面的积极性，今年，该局共立项改造项目又达10个、计110?8公里，拟计划投资8795万元。
为按质按期完成工程任务，该局加强了工程管理，落实了目标责任，并对所有改善项目都严格实行项目经理负责制、合同管理制、工程监理制，经过广大干部职工的辛勤努力，截至9月底，已竣工完成公路改善里程58公里。
昔日破损不堪的万上线上栗至桐木段或许人们还记忆犹新。工程改造次开工以来，市公路局全体施工技术人员便顶住了各种压力，克服了各样的困难，精心组织、科学施工。在今年7月份的沥青摊铺中，施工人员头顶烈日，冒着酷暑，迎难而上，战天斗地；在泥砂路通车后，上栗公路分局也认真地投入到边坡整治、水沟开挖、路树绿化等工作中去。经过广大建设者近3年的不懈努力，今年8月，这条长18?6公里、路
面宽9米的畅、洁、美、二级油路终于全面竣工。
工期紧、任务重、施工路段环境复杂，加上实行开放式施工，难度可想而知。承担此工程的安源公路分局广大干部职工没有屈服。他们成立了改善工程项目经理部，对工程改造中的抓进度、保质量等各项工作制定了具体措施，明确了分工责任。面对地方矛盾多、地下管网复杂、持续高温干旱的实际困难，项目部全体人员没有气馁，顶住压力艰苦奋战。项目负责人陈春华每天顶烈日、冒酷暑与施工人员并肩作战，一干就是十多个小时，晚上常常是八、九点钟到家；刚出学校门的杨洲萍、邓艳萍尽管年轻，可他们勤于钻研、敢于吃苦的精神也吸引了同行的敬佩的.目光。数月来，全线各施工单位你追我赶，昼夜奋战，施工人员轮班上阵，人停机不停……终于在9月下旬，一条长5.23公里，路面宽9米的平坦宽畅的二级水泥路展示在---西大门，让人们找回了久违的舒适。
据统计，近两年来，在萍麻公路改造基础上，市公路部门已投资2000余万相继改造了---至路行、---至硖石、---至大城公路，与安源经济开发区及上栗县协作改建的320国道白源至开发区段和---至赤山公路正在紧张施工中，目前，除---至五陂下公路尚待有关部门协调而未开工外，---城市进出口道路改造基本完成。按照该局规划“十五“期末，我市二级公路里程将突破400公里，届时全市乡镇二级公路通达率将达70％以上。
养护管理不松手
公路养护始终是公路人的主业。确保管养公路的安全畅通更是公路人重要的工作职责。
今年雨季来临较早，持续时间长，加上全局公路路况较差，抗灾能力低，市局进一步加长了公路防汛工作，成立了防汛领导小组和专门的防汛办，指导抢修工作。各公路分局也不等不靠，提前投入到雨季水毁修复工作中，成立了抢修领导小组，并将责任层层落实到位，并不惜人力、物力、财力，加强日常养护和水毁抢修力度，通过开展劳动竞赛，制定奖惩制度，强化劳动纪律，使养护抢养工作稳步推进，确保了道路畅通。
320国道原设计交通量每日为2000至5000辆，荷载为汽―20吨、挂―100吨，但现最大交通量为19000辆，30吨以上汽车占40％。由于交通量和超载车辆成倍增长，加上当初设计标准低，路面曾一度破烂不堪，过往行人和司机怨声载道。面对巨大压力，该局多次召开专题会议，研究部署国道养护工作，统一思想把320国道的保畅通工作作为养护工作的重中之重，并将原有的每公里养护编0?6人调整到每公里1人，在资金困难的情况下，全局主动积极抓抢修，及时制定近期抢修方案，按照轻重缓急的原则，分两个阶段进行抢修，截至目前完成了砼板维修9万多平方米，完成油路罩面8?8万平方米，有效改变了以往的被动局面，大大减少了交通堵塞现象，保证了车辆正常通行，得到了省政府、省交通厅领导的好评。
对城市进出口、主要经济干线等敏感线路的养护，该局进一步加大了巡查力度，并及时组织人力、物力修复整治公路塌方、水毁隐患等路段。今年以来，319国道王坑路段发生数起塌方险情，数吨重的巨石与数百方的泥石跌落到国道中央，安源分局一班人不顾危险，每天连续奋战十多个小时，奋力抢险，不少职工在抢险中被石块砸伤，划破手脚仍坚持不下火线，保证了国道畅通；320国道黄花桥路段是交通事故多发的“黑点”，湘东公路分局在把路面拓宽，添设安全警示牌后，该处事故比去年同期明显下降……
今年以来，全局公路养护中，共自采砂石达2万余立方米，整修油路面约15万平方米、计20多公里，清理边沟50米万米，开挖标准水沟20多万米，整修砂石路面5万多平方米，全局的出勤率为102％，出工率为91％，好路率已提前达到去年年底水平。
“建设是发展，养护管理也是发展”为抓好公路路政执法，今年以来，该局还开展了两次较大的宣传清障活动，落实了门前公路“三包”责任制，开展了警民共建文明路活动。截至目前，共查处建筑控制区违章建筑7525?/780处，埋设杆管1000根，有效维护了路产路权，树立了路政执法良好的社会形象。
“千淘万漉虽辛苦、吹尽黄沙始到金”。成绩虽有，但困难仍多，差距仍存。在新形势下，新的起点上，---公路人定会在不变的信念和永远的追求中创造新的辉煌
面宽9米的畅、洁、美、二级油路终于全面竣工。
工期紧、任务重、施工路段环境复杂，加上实行开放式施工，难度可想而知。承担此工程的安源公路分局广大干部职工没有屈服。他们成立了改善工程项目经理部，对工程改造中的抓进度、保质量等各项工作制定了具体措施，明确了分工责任。面对地方矛盾多、地下管网复杂、持续高温干旱的实际困难，项目部全体人员没有气馁，顶住压力艰苦奋战。项目负责人陈春华每天顶烈日、冒酷暑与施工人员并肩作战，一干就是十多个小时，晚上常常是八、九点钟到家；刚出学校门的杨洲萍、邓艳萍尽管年轻，可他们勤于钻研、敢于吃苦的精神也吸引了同行的敬佩的目光。数月来，全线各施工单位你追我赶，昼夜奋战，施工人员轮班上阵，人停机不停……终于在9月下旬，一条长5.23公里，路面宽9米的平坦宽畅的二级水泥路展示在---西大门，让人们找回了久违的舒适。
据统计，近两年来，在萍麻公路改造基础上，市公路部门已投资2000余万相继改造了---至路行、---至硖石、---至大城公路，与安源经济开发区及上栗县协作改建的320国道白源至开发区段和---至赤山公路正在紧张施工中，目前，除---至五陂下公路尚待有关部门协调而未开工外，---城市进出口道路改造基本完成。按照该局规划“十五“期末，我市二级公路里程将突破400公里，届时全市乡镇二级公路通达率将达70％以上。
养护管理不松手
公路养护始终是公路人的主业。确保管养公路的安全畅通更是公路人重要的工作职责。
今年雨季来临较早，持续时间长，加上全局公路路况较差，抗灾能力低，市局进一步加长了公路防汛工作，成立了防汛领导小组和专门的防汛办，指导抢修工作。各公路分局也不等不靠，提前投入到雨季水毁修复工作中，成立了抢修领导小组，并将责任层层落实到位，并不惜人力、物力、财力，加强日常养护和水毁抢修力度，通过开展劳动竞赛，制定奖惩制度，强化劳动纪律，使养护抢养工作稳步推进，确保了道路畅通。
320国道原设计交通量每日为2000至5000辆，荷载为汽―20吨、挂―100吨，但现最大交通量为19000辆，30吨以上汽车占40％。由于交通量和超载车辆成倍增长，加上当初设计标准低，路面曾一度破烂不堪，过往行人和司机怨声载道。面对巨大压力，该局多次召开专题会议，研究部署国道养护工作，统一思想把320国道的保畅通工作作为养护工作的重中之重，并将原有的每公里养护编0?6人调整到每公里1人，在资金困难的情况下，全局主动积极抓抢修，及时制定近期抢修方案，按照轻重缓急的原则，分两个阶段进行抢修，截至目前完成了砼板维修9万多平方米，完成油路罩面8?8万平方米，有效改变了以往的被动局面，大大减少了交通堵塞现象，保证了车辆正常通行，得到了省政府、省交通厅领导的好评。
对城市进出口、主要经济干线等敏感线路的养护，该局进一步加大了巡查力度，并及时组织人力、物力修复整治公路塌方、水毁隐患等路段。今年以来，319国道王坑路段发生数起塌方险情，数吨重的巨石与数百方的泥石跌落到国道中央，安源分局一班人不顾危险，每天连续奋战十多个小时，奋力抢险，不少职工在抢险中被石块砸伤，划破手脚仍坚持不下火线，保证了国道畅通；320国道黄花桥路段是交通事故多发的“黑点”，湘东公路分局在把路面拓宽，添设安全警示牌后，该处事故比去年同期明显下降……
今年以来，全局公路养护中，共自采砂石达2万余立方米，整修油路面约15万平方米、计20多公里，清理边沟50米万米，开挖标准水沟20多万米，整修砂石路面5万多平方米，全局的出勤率为102％，出工率为91％，好路率已提前达到去年年底水平。
“建设是发展，养护管理也是发展”为抓好公路路政执法，今年以来，该局还开展了两次较大的宣传清障活动，落实了门前公路“三包”责任制，开展了警民共建文明路活动。截至目前，共查处建筑控制区违章建筑7525?/780处，埋设杆管1000根，有效维护了路产路权，树立了路政执法良好的社会形象。
不变特征 篇5
人脸检测是一个开放性的、比较活跃的研究课题。在人脸检测算法中,迄今为止主要有模板匹配模型、肤色模型、ANN模型、SVM模型和Adaboost模型等。核机器学习方法是核函数方法在机器学习领域的应用。该思想在机器学习中的成功应用最早源于支持向量机(SVM)[1]。支持向量机是近十几年来发展起来的模式分类方法,在模式识别领域有广泛的应用。最初的SVM 主要用于解决两类问题的分类。后来,许多学者改进了SVM 的核心设计,或者与其他理论结合,提出各类改进的支持向量机。与模糊理论相结合,提出模糊支持向量机[2](FSVM)。模糊支持向量机的核心问题是隶属度函数的设计问题。紧密度模糊支持向量机在确定样本的隶属度时,不仅考虑了在特征空间中,样本与最小包围球中心之间的关系,样本到最小包围球中心之间的距离越大,则该样本属于该类的隶属度就越小;同时,考虑了在特征空间中样本分布范围对于隶属度的影响。但通过大量的实验表明,将0.4作为球内样本隶属度的极小值,球外样本隶属度的极大值,往往不能得到最好的分类效果[3]。基于此,本文提出了一种改进的紧密度模糊支持向量机。该算法将球内样本隶属度的极小值,球外样本隶属度的极大值不再单纯地设为常量0.4,而是变量 ,并采用交叉确认的方式来得到较好的隶属度函数的参数。实验结果表明,该算法具有更好的分类性能。通过人脸检测实验来对改进算法进行测试取得了较好的实验效果。
1算法的基本思想
在人脸的特征提取和分类实验中,首先使用变分的测地活动轮廓模型对人脸分割定位,然后通过尺度不变特征变换SIFT(Scale-Invariant Feature Transform)算法提取人脸图像的特征,根据训练样本集构造基于支持向量分量核函数的分类器,最后用改进模糊支持向量机进行人脸的检测。
2算法的基本原理
2.1测地活动轮廓模型
测地活动轮廓模型算法是一种基于边缘的图像分割方法。如果图像中的对象与背景的分界处存在灰度值的较大差异,那么对象的轮廓就将形成明显的边缘,也就是说图像的梯度模值在对象的边缘处将达到局部极大值。在此思想的基础上,Caselles V,Kimmel R和Sapiao G于1997年提出了不含自由参数测地活动轮廓GAC(Geodesic Active Contour)模型[4]。GAC模型的泛函表示为:
引入正则化函数H(z)可得变分水平集方法,表示为:
GAC模型的梯度下降流表示为:
式中,c为一可选常数,引入δε、c和 g可以加快曲线在图像平坦区演化的速度,g是边缘停止函数,表示为:
式中,z 为图像的梯度模值,r 为正常数,其取值根据具体实验而定,H(z)是Heaviside函数,δε是所选Heaviside函数的导数。
GAC模型的提出使PDE方法在图像分割中的应用产生重大突破,近几年,国内外的研究人员对其进行了不同程度的改进,并取得了一定的成果[5]。
2.2尺度不变特征变换算法
尺度不变特征变换(SIFT)算法由Lowe D G 1999年提出,2004年完善总结,后来Ke Y将其描述子部分用PCA代替直方图的方式,对其进行改进[6,7]。SIFT算法是一种提取局部特征的算法,在尺度空间寻找极值点,提取位置、尺度和旋转不变量。高斯卷积核是实现尺度变换的唯一线性核,因此,二维图像的尺度空间定义为:
式中,G(x,y,σ)是尺度可变高斯函数,表示为:
式中,(x, y)是空间坐标,σ是尺度坐标。为了有效地在尺度空间检测到稳定的关键点,提出了高斯差分尺度空间(DOG scale-space)。利用不同尺度的高斯差分核与图像卷积生成,进一步表示为:
式中,σ是尺度因子,k是在同一阶中相邻两层的尺度因子比例系数。
在上面建立的DOG尺度空间金字塔中,为了检测到DOG空间的最大值和最小值,DOG尺度空间的中间层(最底层和最顶层除外)的每个像素点需要跟同一层的相邻8个像素点以及它上一层和下一层的9个相邻像素点总共26个相邻像素点进行比较,以确保在尺度空间和二维图像空间都检测到局部极值。如图1所示,中间的检测点和它同尺度的8个相邻点和上下相邻尺度对应的9×2个点共26个点比较,以确保在尺度空间和二维图像空间都检测到极值点。
实际计算时,要在以关键点为中心的邻域窗口内采样,并用直方图统计邻域像素的梯度方向。梯度直方图的范围是0度～360度,其中每10度一个柱,总共36个柱。直方图的峰值则代表了该关键点处邻域梯度的主方向,即作为该关键点的方向。图2是采用7个柱时使用梯度直方图为关键点确定主方向的示例。
在梯度方向直方图中,当存在另一个相当于主峰值80%能量的峰值时,则将这个方向认为是该关键点的辅方向。一个关键点可能会被指定具有多个方向(一个主方向和一个以上辅方向),这可以增强匹配的鲁棒性。每个关键点有三个信息:位置、所处尺度、方向。由此可以确定一个SIFT特征区域。首先将坐标轴旋转为关键点的方向,以确保旋转不变性。
接下来以关键点为中心取8×8的窗口。图3(a)的中央黑点为当前关键点的位置,每个小格代表关键点邻域所在尺度空间的一个像素,矢量方向代表该像素的梯度方向,矢量长度代表梯度模值,图中圆圈代表高斯加权的范围(越靠近关键点的像素梯度方向信息贡献越大)。然后在每4×4的小块上计算8个方向的梯度方向直方图,绘制每个梯度方向的累加值,即可形成一个种子点,如图3(b)所示。此图中一个关键点由2×2共4个种子点组成,每个种子点有8个方向向量信息。这种邻域方向性信息联合的思想增强了算法抗噪声的能力,同时对于含有定位误差的特征匹配也提供了较好的容错性。
实际计算过程中,为了增强匹配的稳健性,Lowe建议对每个关键点使用4×4共16个种子点来描述[7],这样对于一个关键点就可以产生128个数据,即最终形成128维的SIFT特征向量。此时SIFT特征向量已经去除了尺度变化、旋转等几何变形因素的影响,再继续将特征向量的长度归一化,则可以进一步去除光照变化的影响。
2.3模糊支持向量机和超球支持向量机
给定模糊样本集{xi,yi,μi}
模糊支持向量机的数学模型如下[8]:
式中,w为超平面的法向量,b为超平面的偏置,ξi是松弛变量,C为惩罚因子。
则原始问题式(8)的对偶问题为:
超球支持向量机的数学模型如下[9,10]:
其中,a为球心,R为球半径,ξi为松弛变量,v∈(0,1]为惩罚因子,用来控制包围球的半径与球外样本的个数之间的折衷。
则原始问题式(10)的对偶问题为:
训练超球支持向量机得到k个超球(am,Rm),其中,am是包围m类样本超球的球心,Rm为超球的半径。
紧密度模糊支持向量机的隶属度函数定义如下:
其中,d(xi)=‖g(xi)-ayi‖。
由式(12)可以看出:样本到最小包围球中心之间的距离越大,则该样本属于该样本集的隶属度就越小;同时考虑位于球半径内、外样本的隶属度变化规律不同,采用不同的隶属度函数,且位于超球内的样本,其隶属度都大于0.4;而位于超球外的样本,其隶属度最大值为0.4。但通过大量的实验表明,将0.4作为球内样本点隶属度的极小值、球外样本点隶属度的极大值,往往不能得到最好的分类效果。
扩展的紧密度模糊支持向量机的隶属度函数定义如下:
其中,σ∈(0,1)。
式(13)是式(12)的一般形式,它将位于超球内的样本的隶属度的极小值及位于超球外的样本的隶属度极大值设为σ,即位于球半径内的样本,其隶属度都大于σ;而位于球半径外的样本,其隶属度都小于σ。关于取得σ的较优值,本文采用交叉确认的方式来获得。
3实验结果及分析
本文算法对十幅110×140的正面人脸灰度图像进行实验。其中缩放尺度等于1,旋转因子为0,平移量T=(0,0)。图5是采用GAC模型的分割结果,可以看出基本正确地分割出了人的面部轮廓。
实验中共采集样本400个,每个人10幅不同的图片,共40个人。对每幅人脸取特征,随机选取其中的70%作为训练样本,30%作为测试样本。在检测前,对人脸图像进行几何归一化和灰度归一化,归一化成60×100 的标准人脸图像。实验中使用的核函数为径向基函数(RBF)K(x, y)=e-γ‖x-y‖2和线性核K(x,y)=x·y。
图5给出了不同核函数下改进的紧密度模糊支持向量机对于不同σ准确率的变化情况。从图5可以看出,随着σ的增加,准确率呈阶梯上升,一直到达某个极大值后,呈阶梯下降。即该极值点为σ的最优值。实验结果表明,一般情况下,紧密度模糊支持向量机(即σ=0.4)不能得到最优的分类结果,有时甚至与最优值相差较大,如果尝试通过交叉确认的方式可以取得较好σ,一般来说交叉确认的范围越大,步长越小,σ的值越精确,但巡优时间要相应的提高。本文实验中σ范围从0.1到0.9,步长为0.1。
表1给出了支持向量机、紧密度模糊支持向量机及其改进算法在不同核函数下,进行人脸检测的比较结果。系统参数和核函数参数均通过交叉确认得出,其中折取3。从表1可以看出与传统的支持向量机和紧密度模糊支持向量机相比,改进的紧密度模糊支持向量机具有更优的分类性能,更适合用于人脸检测。改进算法与传统模板匹配模型、肤色模型、ANN模型和Adaboost模型相比,因为检测算法具有尺度不变的特点,所以不需要对多个不同尺度的图像进行检测,提高了算法的检测速度和算法的鲁棒性。
4结语
本文首先使用变分的测地活动轮廓模型对人脸分割定位,然后使用尺度特征变换和支持向量机算法对人脸进行检测,其中尺度特征变换算法得到图像的局部特征,且对旋转、尺度缩放和亮度变化保持不变性,对视角变化、仿射变换和噪声也保持一定程度的稳定性。同时,实验证明改进的支持向量机算法具有较好的分类性能,本文算法是一种较为实用的人脸分类检测算法。
参考文献
[1]Vapnik V.The Nature of Statistical Learning Theory[M].New York:Springer,1995.
[2]Huang Hanpang,Liu Yihung.Fuzzy Support Vector Machines for Pat-tern Recognition and Data Mining[J].International Journal of Fuzzy Systems,2002,4(3):826-835.
[3]艾青,秦玉平,方辉,等.一种扩展的紧密度模糊支持向量机及其在文本分类中应用[J].2010,27(4):45-47.
[4]Caselles V,Kimmel R,Sapiro G.Geodesic Active Contours[J].In-ternational Journal of Computer Vision,1997,22(1):61-79.
[5]Li Chunming,Xu Chenyang,Gui Changfeng,et al.Level set evolu-tion without re-initialization:A new variational formulation[C]//IEEE Conference on Computer Vision and Pattern Recognition,Wash-ington,D.C.,USA:IEEE Computer Society,2005,1(1):430-436.
[6]Lowe D G.Object recognition from local scale-invariant features[C]//International Conference on Computer Vision,1999.9:1150-1157.
[7]Lowe D G.Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision,2004,6(2):91-110.
[8]张翔,肖小玲,徐光祐.基于样本之间紧密度的模糊支持向量机方法[J].软件学报,2006,17(5):951-958.
[9]Maneivitz L M,Yousef M.One-Class SVMs For Document Classifica-tion[J].Journal of Machine Leaning Research,2002,(2):139-154.
不变特征 篇6
1 先秦时期的起源
爱情自古就是园林的一个重要的主题。《诗经》中《将仲子》这样写道:“将仲子兮, 无逾我里, 无折我树杞!……将仲子兮, 无逾我墙, 无折我树桑……将仲子兮, 无逾我园, 无折我树檀。岂敢爱之?畏人之多言。仲可怀也, 人之多言, 亦可畏也。”姑娘自白, 说仲子哥哥别来了, 别折了我院子里的杞树, 桑树, 青檀。这反映了我国早期普通人家的园林的形式, 姑娘借园林, 咏唱着迷惘感伤、可求而不可得的爱情。
2 皇家园林中的爱情——杏园初宴曲江头
唐朝文人的精神家园之一应当是“杏园初宴曲江头”了。唐代进士及第后, 其活动情形大致如此。首先是全体新进士们一起来到主考官的府邸通报自己的姓名、籍贯, 与主考官拉拉家常, 拜师谢恩, 事实上这也是步入官场建立人脉关系的第一步。接下来, 就是准备参加由皇帝出席的曲江夜宴, 其规格相当于国宴标准。在夜宴开始之前, 有一个叫探花使巡游的活动, 如唐代诗人孟郊在中举之后就曾在《登科后》一诗中描绘:“昔日龌龊不堪嗟, 今朝放荡思无涯。春风得意马蹄疾, 一日看尽长安花。”
因此每当曲江宴会时, 长安城里的老百姓都争相来到曲江两岸看热闹, 才子佳人, 良辰美景, 赏心悦目, “长安几于半空”。
3 寺观园林中的爱情——普救寺与《西厢记》
在元代王实甫的作品《西厢记》中, 就将山西永济县蒲东普救寺设定为最主要的环境, 主人公在这里相遇, 相识, 相知, 后来经历诸多困难最后终成眷属。如果不是选择这样一个幽静雅致地方, 这流传千古的爱情或许就会少几分迷人的色彩。
“门掩重关萧寺中”, “满阶苔衬落花红”一句, 不同的景致分别衬托主人公不同时刻的心情;同时, 寺观园林中质朴的材料、素净的色彩, 造就了素雅的格调, “待月西厢下, 迎风半户开。隔墙花影动, 疑是玉人来”, 为张生和莺莺的爱情故事创造了浪漫的氛围;另外, “赖婚”、“拷红”等情节转折处也均发生在梨花院这样一个美丽的园子里, 加之寺观园林这样一个环境, 本身就具有极大的慰藉人心灵的作用, 使这些情节伤而不悲, 被作者婉婉道来。
4 私家园林中的爱情———耦园
耦园原名“涉园”, 始建于清初, 原为保宁太守的私家花园, 同治十三年 (1874年) 由沈秉成购得废园后重建, 隐居于此, 而更名为耦园。
耦通偶, 也有耕作的意思, 寓意夫妇偕隐, 共同经营这座属于他们的“桃花源”。夫妇俩在园内偕隐了八年, 伉俪情深。沈秉成酷爱藏书和诗文, 严永华也爱写诗, 至今在耦园东院的墙上还刻着这位夫人的诗:“耦园住佳偶, 城曲筑诗城”。耦同偶之意, 城通成之意。可见严永华之才。
沈氏夫妇生活的地方———亭台楼阁、小桥流水、长廊曲折, 从任何角度去看都透露着和谐与甜蜜。沿着夫妻廊向前就是“吾爱亭”, 相传女主人严永华每日在此弹琴, 亭前正对曲桥流水;“吾爱亭”的左面是“听琴轩”, 这大概就是男主人听女主人弹琴的地方吧。
严永华有这样一首小诗, “小有园林趣, 当春景物新。各花如好友, 皓月是前身。风过松多高, 云来石有神。素心终不改, 天际想真人。”一个女子愿意抛弃荣华富贵, 就这样选择跟一个比自己大15岁仕途落寞之人平淡地生活, 她追求爱情的勇敢与执着, 不得不让人为之敬佩。淡如菊、浓如酒, 相敬如宾, 举案齐眉。如今, 园内的水声, 似乎也能穿越时空的界限, 像那缠绵的琴声一样传递着这对夫妇浓浓的爱意, 使置身于花园中的每一个人都被感动。
5 结语
园林离不开爱情。中国古典园林的发展, 爱情为之增添了许多浪漫的色彩, 也带来更多的真实与感动。透过爱情看这些古典园林, 这些久远的园林不再因为时间的障碍而远离我们, 它似乎变得更加真实、贴切, 仿佛我们伸手就可以触摸得到, 很多看似无法解释的东西, 便也可以理解。
摘要：中国古典园林是中国古典文化的一个组成部分。本文从园林的生成期介绍了爱情与园林的渊源, 同时从皇家园林、寺观园林、私家园林分别选取典型事例阐述中国古典园林发展的一大特征——爱情是亘古不变的主题。
不变特征 篇7
随着信息技术飞速发展, 数字媒体应用日益广泛, 大部分的图文信息都以数字图像的方式存在和传播, 商品的包装图像也不例外。但是日益猖獗的假冒伪劣行为却给商品包装图像的防伪带来了新的挑战。在这种情况下, 将具有高技术含量且制作成本低的数字水印技术用于图像包装防伪是目前研究的重要课题和方向[1,2,3]。数字水印技术应用在包装防伪上的一般方式, 是将代表一定版权信息的水印嵌入到包装图像里, 数字水印的保真特性使得人肉眼无法感知水印信息的存在 (本文主要讨论不可见水印) , 这就为以后商品验证提供了有效手段。
在已有的研究工作中, 水印的嵌入和提取都是基于平面图像处理。对于商品包装图像, 水印的检测是直接在商品上进行的。由于商品都有各自不同的外形, 贴在商品表面的包装图像也就随着商品外形而发生了改变, 相对于初始图像, 这种变化不再是某种几何变化 (如旋转、平移、缩放等) , 而是一种既有尺度变换又有弯曲变形的不规则变形。这种弯曲变形会破坏图像与水印之间的数据同步性, 从而影响水印的检测。
针对上述问题, 在研究已有鲁棒性数字水印算法基础上, 提出了一种非均值量化系数特征不变的盲数字水印方案。本方案利用了文献[4]提出的第二代数字水印的概念, 采用了量化水印技术, 通过图像内容的重要系数特征进行水印的提取, 解决了商品包装图像在图像发生弯曲变形的情况下水印的检测问题。
1 量化水印技术
量化嵌入方法是水印技术中重要的数据嵌入方法[5,6,7], 它将载体信号映射到相互分离的量化格点上来表示数据的嵌入。量化水印方法将载体信道作为边信息而不像扩频方法将载体看作噪声干扰, 因此效率得到了提高。关于量化嵌入方法, Chen等深入进行了理论探讨, 并给出了基于信息熵的信息量和误码率等分析[5,6]。
最简单也是最常用的一种量化水印[8,9]称为奇偶嵌入水印。若宿主信号被量化为与之最近的偶数, 则嵌入比特“0”, 若量化为与之最近的奇数, 则嵌入比特“1”。文献[10]提到的量化公式, 可以看作是奇偶量化的一般形式, 如公式 (1) 所示:
QIM (量化索引调制) [6]是由Chen和Wornell提出来的一种非线性水印方法。QIM方法的主要策略是根据嵌入水印信息的不同, 选择不同的量化器 (一般是正交的量化器) , 对载体信息 (可以是空域信息, 也可以是频域信息) 进行量化。解码端对嵌入水印的数据进行重新量化, 根据重新量化的结果与各个量化器间的距离作出判决, 从而提取出嵌入的水印信息。QIM算法的一个典型应用例子就是量化抖动调制, 如图1所示。首先构造一个步长为2△的基本量化器Q (·) , 然后将基本量化器经平移形成相距△的量化器Q0 (·) 和Q1 (·) 。
传统的基于量化索引调制或抖动调制的水印算法从原理上讲都是采用的均匀量化器, 失真判决准则是基于客观的误差判决准则。但是, 理论上的均方误差最小不一定是人眼感觉差异最小。而且, 根据量化理论, 均匀量化器意味着对所量化的参数同等对待, 它们具有相同的量化间隔, 相同的量化噪声, 这种基于均匀量化的水印算法忽略了视觉掩盖特性对不可感知性的重要影响。人类视觉系统 (HVS) 对不同的频率、亮度和对比度具有不同的敏感度或视觉掩盖。一般来说, 背景变化越大, 纹理越复杂, 掩盖门限值就越大;反之, 门限越小。因此, 为了使嵌入的水印具有更好的视觉掩盖效果和鲁棒性, 在门限值大的区域可以嵌入较强的水印, 而在门限值小的区域, 则只能嵌入相对较弱的水印。量化的步长可以结合人类视觉系统 (HVS) 和载体图像的特性, 如纹理和复杂度等。如文献[11]提出了一种基于小波变换的非均匀量化索引调制数字水印算法。该算法根据量化索引调制的基本原理和非均匀量化思想, 把二值水印序列自适应地嵌入到图像小波变换后的中频系数上。量化间隔的大小决定了图像的纹理特征, 兼顾了人类视觉掩盖特性, 因此在水印嵌入强度与不可感知性方面优于传统算法。
文献[12]针对量化水印算法鲁棒性与抗攻击能力问题, 给出了公有水印算法鲁棒性充分必要条件和抗攻击能力上限, 分析了载体系数的改变幅度及固定保真度优化中附加模板的取值范围, 部分解决了保真度优化中出现的保护水印问题;指出了量化信息编码与一般变量信息承载之间的区别, 明确了在信息容量计算中的差别原因;提出了比基于mod运算的水印嵌入方法抗攻击能力高一倍的量化水印算法, 弥补了基于mod运算的水印嵌入方法的抗攻击能力比较低的缺陷。本文在文献[12]提出的量化算法基础上, 结合JPEG压缩标准的亮度量化表[13], 提出了非均值的量化算法。
2 水印方案
该方案的实施过程如图2、图3所示, 图2显示了水印嵌入过程, 图3显示了水印检测提取过程。
2.1 数字水印的嵌入
将原始水印图像采用置乱预处理生成二值伪随机序列, 再将伪随机序列调制成一维数组W, W={w (j) | w (j) =0, 1;1≤j≤wr}, 原始包装图像记为A={a (i, j) | a (i, j) ∈R; 1≤i≤N1, 1≤j≤N2}}, 其中, w (j) 和a (i, j) 分别表示水印序列及原始图像的像素灰度值, 设N1=N2=N。则水印的嵌入步骤如下:
1) 将原始包装图像进行小波L级分解并获得逼近子图系数LLi。
对原始包装图像进行L级小波分解后, 可以得到多个细节图系数Dkj, (k=1, 2, 3;j=1, 2, 3, …, L) 和一个逼近子图系数LLi。这里小波分解级数与待嵌入水印信号的长度有关, 取 L=1。
2) 对逼近子图系数LLi进行离散余弦变换, 获得图像的重要特征向量。
先对逼近子图LLi进行r×r大小分块, 共有undefined分块, 对第i分块进行DCT变换得到DCT系数矩阵di, 并对DCT系数矩阵进行Zig-Zag扫描, 取前p个数, 得到频率由低到高的DCT系数序列Yi;然后使用公式 (1) 对系数矩阵Yi进行量化, 得到量化矩阵dqi:
undefined (2)
其中 Δ (j) 是将DCT量化表进行Zig-Zag扫描后, 取前p个数值得到的量化数组。本章取P=38。由M个分块的量化矩阵dqi组成新的特征向量undefined, 然后从特征向量V中找出J个在图像发生扭曲情况时鲁棒性好的点v={v (k) |v (k) ∈V, k=1, 2, 3, …, J}, 即当包含水印的图像发生扭曲变形时, 这些系数的值不变, 或变化很小。令与点v (k) 对应的DCT系数为di (k) , 则与点v (k) 对应的DCT系数di (k) 也满足这个特性。J的取值大小要根据一次性嵌入水印的长度和对鲁棒性要求的强弱来决定, 其中, J≥wr。本文中J取值1024。
3) 在DCT系数di (k) 中嵌入水印信息。
首先将系数di (k) 进行Zig-Zag扫描, 取前p个数, 得到频率由低到高的DCT系数Yi (k) ;然后使用公式 (1) 对系数Yi (k) 进行量化, 得到量化系数dqi (k) 。水印嵌入公式如下:
当W (k) =1, 则:
undefined
当W (k) =0, 则:
undefined
其中, W (k) 是要嵌入的水印。是DCT量化表进行Zig-Zag扫描后, 再取前p个数值的数组, [*]为取整运算。
4) 生成二值逻辑序列Key (j) 。
根据值的奇偶性, 将量化系数dqi (k) 转化为二值序列do (k) , 同时转换成一维序列, 公式如下:
再利用下面的公式生成一个二值逻辑序列Key (j) 。
其中, W (k) 是要嵌入的水印。保存Key (k) , 在后面提取水印时要用到。使用Hash函数对Key加密, 通过将 Key (j) 作为密钥向第三方申请, 可以获得原作品的所有权, 达到保护版权的目的。
5) 对于DCT系数矩阵di, 用替换系数矩阵中di (k) 值, 再对每个分块作DCT反变换, 得到小波低频分量值。再作小波反变换, 就得到了包含水印的图像。我们采用峰值信噪比 (PSNR) 评价原始图像与含水印图像之间的差别。
2.2 数字水印的检测
读取含有水印的包装图像undefined, 其中, aw (i, j) 表示含水印的图像的像素灰度值。那么水印的提取步骤如下:
1) 对待测图像Aw进行小波i级分解并获得逼近子图系数LL′i;其中, 分解的层数i与水印嵌入算法分解层数L一致。
2) 对逼近子图系数LL′i进行离散余弦变换, 获得图像的重要特征向量V′。具体求取方法类似水印嵌入的第二步。然后从特征向量V′中找出J个在图像发生扭曲情况时鲁棒性好的点v′={v′ (j) v′ (j) ∈V, j=1, 2, 3, …, J}, 令与点v′ (j) 对应的DCT系数为di′ (j) , 则di′ (j) 也满足这个特性。
3) 根据值的奇偶性, 将量化系数di′ (j) 转化为二值序列do′ (j) , 同时转换成一维序列, 公式如下:
根据水印嵌入过程中生成的逻辑序列 Key (j) 和待测图像的do′ (j) 求出水印W′ (j) :
再根据W和W′的相关程度来判别是否有水印嵌入。从而确定商品的真伪。
3 实验结果
实验的仿真平台是Matlab7.0。使用有意义的图像作为嵌入的水印序列, 如图4所示, 图像大小为32×32。包装图像以标准Lena图像作为实验, 如图5所示。原图表示为A (i, j) , 其中1≤i≤512, 1≤j≤512, 首先经过一层小波分解, 其低频逼近子图LL对应的系数矩阵为AD (i, j) , 其中1≤i≤256, 1≤j≤256, 对AD (i, j) 进行r×r分块, 块的大小r=8, 再对每一块进行DCT变换, 并对DCT系数矩阵进行Zig-Zag扫描, 得到频率由低到高的DCT系数序列Yi (j) , 计算特征向量。嵌入水印后图像效果如图6所示, 图像的峰值噪声比PSNR=48.369985, 视觉效果良好。将包含水印信息的Lena图像贴在酒瓶上的效果, 如图7所示, 在提取水印之前, 首先要获取酒瓶上图像, 如图8所示。再提取水印, 提取的效果如图9所示。
3.1 抗角度变化的能力
在捕获商品上的包装图像用于水印检测的过程中, 很难保证商品摆放的位置百分之百的准确, 同时图像捕获器拍摄的角度也很难是完全水平的, 都可能会出现一定角度的偏转, 如图10所示。无论是图像捕获器还是商品自身角度的调整都会使获得的图像产生变化, 但两者之间的角度变化是相对的, 故只需要考虑其中一种。假设图像捕获器保持正面拍摄角度, 仅考虑商品出现的角度变化。下面我们通过进一步实验来判断本方案算法在各种情况下的适应性。
1) 水平方向角度变化
商品向右转70°, 如图11 (a) 所示, 从商品表面捕获的商标图像, 如图11 (b) 所示。这时, 水印图像的PSNR=49.06, 其水印检测结果见图11 (c) , 可以明显检测到水印的存在, NC=0.97118。商品向左转50°, 如图11 (d) 所示, 从商品表面捕获的商标图像, 如图11 (e) 所示。这时, 水印图像的PSNR=49.074, 其水印检测结果见图 11 (f) , 可以明显检测到水印的存在, NC=0.951215。
通过表1可以看到当商品向左转70°时, NC=0.968, 仍然可以检测到水印。其中, 角度小于0表示向左转, 大于0表示向右转。
2) 垂直方向角度变化
商品垂直向下偏转30°, 如图12 (a) 所示, 从商品表面捕获的商标图像, 如图12 (b) 所示。这时, 水印图像的PSNR=63.242。水印检测结果如图12 (c) 所示, 可以明显检测到水印的存在, NC=1。商品向上仰转35°, 如图12 (d) 所示, 从商品表面捕获的图像, 如图12 (e) 所示。这时, 水印图像的PSNR=48.581, 其水印检测结果如图12 (f) 所示, 可以明显检测到水印的存在, NC=0.881595。
通过表2可以看到当商品垂直向上仰转35°时, NC=0.881595, 仍然可以检测到水印。其中, 角度小于0表示向上仰转, 大于0表示向下转。
3.2 抵抗常规几何变换的能力
1) 旋转变换
对水印图像进行旋转50°, 如图13 (a) 所示。水印图像的峰值噪声比PSNR=49.109, 表明水印嵌入后图像的保真度良好。其水印检测结果如图13 (b) 所示, 可以明显检测到水印的存在, NC=0.889428。
2) 平移变换
将水印图像平移30pixl, 如图14 (a) 所示。水印图像的PSNR=51.407471, 表明水印嵌入后图像的保真度较好。其水印检测结果如图14 (b) 所示, NC=0.916521。
3) 缩放变换
对水印图像进行缩放0.5倍的操作, 如图15 (b) 所示。水印图像的PSNR=48.646262, 表明水印嵌入后图像的保真度良好。缩放后水印检测结果如图15 (c) 所示, 可以明显检测到水印的存在, NC=0.892848。
4) 剪切
对水印图像进行剪切操作, 如图16 (b) 所示。水印图像在剪切前的峰值噪声比PSNR=48.338, 表明水印嵌入后图像的保真度良好。剪切后水印检测结果如图16 (c) 所示, NC=1。可见本算法抗剪切的效果好。
5) 旋转扭曲
对水印图像进行旋转扭曲变换, 当旋转扭曲角度为80度时, 如图17 (a) 所示, 这时图像明显被扭曲。水印图像在扭曲前的峰值噪声比PSNR=38.201325, 表明水印嵌入后图像的保真度良好。水印检测结果如图17 (b) 所示, 可以明显检测到水印的存在NC=0.896137。
4 结 论