信息隐藏基础知识解说.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * 如果把刚能分辨出来的黑白相间的条纹换成红绿条纹，则无法分辨出红绿条纹，只能看出一片黄色 * * * * * 合成重构工具 idwt2 单尺度逆二维离散小波变换 waverec2 多尺度二维小波重构 wrcoef2 对二维小波系数进行单支重构 upcoef2 对二维小波分解的直接重构 分解结构工具 detcoef2 提取二维小波分解高频系数 appcoef2 提取二维小波分解低频系数 upwlev2 二维小波分解的单尺度重构 二维离散平稳小波变换 swt2 二维离散平稳小波变换 iswt2 二维离散平稳小波逆变换 * * * 我们主要涉及的是语音学 * * * * * * * * * * * * * * * * 客观评价还无法达到主观评价的效果，正如计算机智能还无法代替人脑一样，主观评价包含了人对语音的全部感受，它既与工程技术学科有关，又与人的生理学、心理学、认知学等学科有关。因此客观评价的研究不能完全代替主观评价，在进行语音质量评价时，两者应该结合起来使用。 * * * * * * * * * * 演示 二级小波分解 * 小波的应用 小波的应用主要是信号的处理，其中最典型的应用是小波图象压缩。另外，小波在诸如信号去噪、特征提取等多方面均有成功的应用。下面以图象去噪为例说明小波应用策略。小波的各种应用均可分为以下三步： 1）对原始信号作小波变换，将信号由空域变换到频域； 2）对小波系数做相应处理； 3）对处理后的小波系数做小波逆变换，还原原信号。 小波信号去噪一 小波信号去噪二 ?????? 小波图像去噪 因为噪声信号多包含在具有较高频率的细节中，所以小波去噪首先对图像信号进行小波分解，可利用门限阈值对所分解的小波系数进行处理，然后对图像信号进行小波重构，抑制图像信号中的无用部分，恢复图像信号中的有用部分。具体步骤为： 图像信号的小波分解：选择合适的小波及恰当的分解层次N，对目标图像进行N层的小波分解； 对分解后的高频系数进行阈值量化：对于分解的每一层，选择恰当的阈值，对该层高频系数进行阈值量化处理； 重构图像：根据小波分解后的第N层近似的低频系数和经过阈值量化处理后的细节高频系数，重构图像。 二维离散余弦变换 正变换 * 反变换 * 2DCT变换 2DCT系数 重构 * 演示 Lena图像的2DCT变换 * 函数介绍 Dct2():计算2维余弦变换 Abs（）；绝对值 Colormap（）；设置有色图 Jet（）；变异HSV色图 * i=imread(33.png); j=dct2(i); imshow(log(abs(j)),[]),colormap(jet(64)); j(abs(j)10)=0; K=idct2(j)/255; figure; imshow(K); * 一维离散小波变换函数 分解函数 dwt 单尺度一维离散小波变换 wavedec 多尺度一维小波分解（一维多分辨率分析函数） wmaxlec 允许的最大尺度值分解 合成重构函数 idwt 单尺度一维离散小波逆变换 waverec 多尺度一维小波重构 wrcoef 对一维小波系数进行单支重构 upcoef 一维系数的直接小波重构 分解结构工具 detcoef 提取一维小波变换高频系数 appcoef 提取一维小波变换低频系数 upwlev 单尺度一维小波分解的重构 一维离散小波变换： dwt [cA,cD]=dwt(X,’wname’) [cA,cD]=dwt(X,H,G) 其中：cA ：低频分量， cD：高频分量 X：输入信号。 wname：小波基名称 H：低通滤波器 G：高通滤波器 多层小波分解： [A,L]=wavedec(X,N，’wname’) [A,L]=wavedec(X,N,H,G) 其中：A ：各层分量， L：各层分量长度 N：分解层数 X：输入信号。 wname：小波基名称 H：低通滤波器 G：高通滤波器 二维离散小波变换： 分解函数 dwt2 单尺度二维离散小波变换 wavedec2 多尺度二维小波分解（一维多分辨率分析函数） wmaxlec 允许的最大尺度值分解 合成重构函数 idwt2 单尺度二维离散小波逆变换 waverec2 多尺度二