CH11 DCT AND ITS APPLICATION.ppt

CH9:DCT ITS APPLICATION 算法流程 其他 本章总结 降低原材料成本 本文反映结束！ 谢谢大家观看！ 同步糖化发酵工艺 ，能耗下降30% DCT用于数据隐藏 JPEG压缩方案中量化是损失信号的主要原因，所以可以在量化后的DCT系数中隐藏信息。 具体做法是：将待隐藏图像量化后的DCT系数转化成绝对值小于5的个位数,并将其隐藏在原始图像的量化后的DCT系数中。 有实验表明该方法能得到不错的隐藏效果,且对原始图像的影响很小。 遥感图象融合 图像融合是指将不同类型的传感器获得的同一场景的多种信息特征，采用一定的融合算法有机结合起来，产生新图像的技术。 图像融合技术充分利用了源图像在空间上的相关性及信息上的互补性，使得图像场景获得更清晰、更全面的表达，从而增强了图像的解释能力，改善了视觉效果，提高了图像判读的可靠性及机器分类和识别的准确性。 图像融合技术的应用领域十分广泛，如医学、遥感、军事、计算机视觉及机器人技术等。 图象融合层次 按图像信息的表达方式，图像融合可以在三个层次上分别进行。 像素级 特征级 决策级 主元分析法 金字塔式分解法 小波变换法 …… 空间域或变换域 背景 全色光学遥感图像具有较高的空间分辨率，但其光谱分辨率低。 多光谱遥感图像具有较高的光谱分辨率，光谱成分丰富细腻，但其空间的细节能力表现不足，即具有较低的空间分辨率。 将这两种类型不同的图像融合，使得到的融合图像既保留了丰富的光谱成分，同时又突出了图像的空间特征。 图象融合 基本思想 对一幅数字图像进行DCT变换后，得到的变换矩阵从左上角到右下角依次经历低频区、中频区和高频区；变换矩阵从左到右、从上到下，频率逐渐增大； 全色光学图像具有较高的空间分辨率，其主要特征集中在高频区域； 多光谱图像具有较高的光谱分辨率，其主要特征集中于低频区域； 通过对全色光学图像和多光谱图像进行DCT变换，灵活地选取多光谱图像的低频部分作为融合图像的低频部分，融合图像的高频部分则由全色光学图像的高频部分填充，反DCT变换后，便得到融合图像； 算法描述 (1)取配准的大小为K×L全色光图像P和多光谱图像M,对多光谱图像进行IHS变换,得到I,H,S三个分量; (2)对全色光学图像和多光谱图像I分量分别做DCT变换,DP=DCT(P),DI=DCT(I); (3)适当选取DI的低频部分k×l(1≤k≤K/2,1≤l≤L/2)作为融合图像DCT变换的低频部分，融合图像DCT变换的高频部分则由DP的高频部分填充，整个流程如下图所示； (4)对DCT变换域的融合图像做反变换,得到融合的灰度图像I′; (5)对I′,H,S三个分量做IHS反变换,就得到最终的融合图像。 算法流程图示 算法分析 上述算法中，容易看出低频部分和高频部分的选取是相互制约的。 若多光谱图像的低频成分选取相对较大，则融合图像的光谱保留程度较好，而其空间细节的表现能力较差； 反之，若全色光学图像的高频部分选取相对较大，则融合图像保留了较好的空间细节信息，但其光谱特性保留程度较差。 所以,比较理想的融合图像是多光谱图像低频成分掺入和全色光学图像高频成分掺入相互折中的结果。 小结 DCT用于图象融合 遥感图象融合是专门的一个学科，很多工业界和学术界都在投入精力关注此专题，有很多的研究成果问世； 该专题涉及到的内容很多，本课仅关注其中很少的一部分； 图象匹配 图像匹配是模式识别、计算机视觉、光学测量领域内的研究热点。 一般情况下，在两幅相关图像中，很难准确找到两者之间对应的点。 实际处理过程中，不同时间、地点、环境下得到的图像也不同，例如图像的转置、镜像、亮度或对比度的变化，会导致图像匹配的难度增加。 在空间域和频率域处理图像二者之间有着必然的联系。例如:在空域内有强相关性的成分,经过处理后在频域呈现低频信息。二维离散余弦变换的变换矩阵有以下特性: DCT变换矩阵特点 变换后矩阵的能量主要集中在其左上角，为图像的直流成分和低频成分；并且矩阵的各元素是不相关的，图像主要相关信息集中在矩阵的左上角。 离散余弦变换可逆。变换后的图像矩阵可通过逆DCT变换得到恢复，使得大部分图像信息由矩阵左上角的部分数据恢复得到。 矩阵稳定且具有鲁棒性。图像受到较小干扰时，矩阵的元素特别是左上角的元素不会发生大的变化，也就是说矩阵具有抗干扰特性。 DCT相似性 环境变化的相似性 环境的亮度和对比度在某一范围内作线性变化时,该相似性也成立。因此可以得出环境变化时,图像的DCT矩阵具有相似性。 镜像和转置变换的相似性 图像的非仿射变换如镜像变换和转置变换时，矩阵会发生转置或矩阵中元素符号会变化，但变换后矩阵的绝对值不变。 该算法特别适用于时间变化较长且环境变化较大的场景。 当存在噪声干扰时,该算法具有很好的鲁