无意攻击.pptVIP

无意攻击 《信息隐藏实验教程》教学幻灯片 十九 几种常见的无意攻击 中值滤波和均值滤波 锐化滤波 马赛克攻击 加噪攻击 JPEG压缩 模糊处理 图像的旋转、剪切和改变大小 中值滤波 （1）一维中值滤波 当n为奇数时，一个n个数的序列x1,x2，…xn按从小到大的顺序排列，处于中间位置的数就称之为这个序列的中值，当n为偶数时，我们则定义处于中间两个数的平均值为这个序列的中值。 中值滤波 设中值滤波器的大小为n，对序列{xi|i∈Z}的标准中值滤波器有： i∈Z 式中的k=(n-1)/2, Z为所有自然数的集合。 这种滤波器也称为滑动滤波器。 中值滤波 下面的图直观的给出了它的工作原理： 中值滤波 （2）二维中值滤波 我们用数集{xij}表示一幅数字图像，广泛的来说，这里的（i，j）遍取Z2或它的一个子集，滤波器窗口A的尺寸为N=(2k+1)(2k+1), 定义二维中值滤波器为： 中值滤波 在用滤波器处理图像之前，我们还是要进行点扩展，以保证输出的图像大小与原来的一致 ，下面是一个图像大小为3×3，窗口大小也为3×3的点扩展的图示： 中值滤波 下图是lenna的原始图像和做7×7的中值滤波后的结果 ： 中值滤波 “中值滤波—检测相关性图”能刻画中值滤波攻击对嵌入水印图像的影响： 均值滤波 中值滤波与均值滤波的不同之处在于，中值滤波器的输出是模板下像素的中间值，而均值滤波器输出的是模板下像素的平均值。 中值滤波对极限像素值（也就是与周围像素值相差较大的像素值）的平滑处理效果好于均值滤波，下图直观的反映了它们的这一点： 均值滤波 锐化滤波 （1）线性锐化滤波 线性锐化滤波器通常就是一个高通滤波器，对于一个3×3的模板来说，典型的系数是： 锐化滤波 该模板所有系数之和为0，这个滤波器将原图像中零频率分量去除。将图像与该模板进行卷积即为线性锐化滤波。 锐化滤波 下图是lenna的原始图像和经过线性锐化后的图像 ： 锐化滤波 （2）非线性锐化滤波 下图是lenna的原始图像和经过非线性锐化后的图像： 马赛克攻击 马赛克攻击原理就是将一幅图像中的像素按照一定大小的模板与相邻的像素一起取平均值，再将这个值赋给模板之下的每一个像素，下面以3×3的模板为例，用图简单直观的例举一下。 马赛克攻击 下图是对lenna进行模板为7×7的马赛克攻击的结果 ： 马赛克攻击 “马赛克—检测相关性图”能刻画马赛克处理对嵌入水印图像的影响： 加噪攻击 图像在传播的过程中最容易受到也是必然会受到的攻击就是加入的噪声了，通常我们最常见到的噪声是服从高斯分布的随机噪声。 加噪攻击 下图是对lenna加入高斯噪声的结果： 加噪攻击 “噪声—检测相关性图”能刻画噪声处理对嵌入水印图像的影响，其中的x轴表示高斯噪声的方差，y轴表示检测器检测出的相关性值。 JPEG压缩 JPEG压缩是对图像处理的最普遍的方法，用一些图像处理的工具可以很方便的进行压缩，下图是lenna的原始图像和经过10%JPEG压缩后的图像： JPEG压缩 “JPEG压缩—检测相关性图”能刻画JPEG压缩率对嵌入水印图像的影响 ： 模糊处理 做模糊处理卷积的模板通常取为下图所示的一个5×5模板，该模板又被称为模糊核（blurring kernel）： 模糊处理 在将图像与模糊核做卷积之前，要将图像矩阵按照一定的方法扩充，下面以一个3×3的矩阵为例，假设它就是像素矩阵，设为A，扩充后的矩阵叫Xe： 模糊处理 下图分别是对lenne做1次和20次模糊处理的效果： 模糊处理 “模糊处理—检测相关性图”能刻画模糊处理次数对嵌入水印图像的影响 ： 图像的旋转、剪切和改变大小 在图像的处理中，我们经常要对图像进行一系列的处理，包括图像的旋转、剪切和改变图像的大小，这些功能都能用一些简单的图像处理工具来实现， 图像的旋转 下面是旋转45 度以后的lenna图像 : 图像的剪切 下面是剪切后的lenna图像: 图像的大小改变 下面是改变大小为100× 150的lenna: * * *