奇异值分解在图像处理中的应用研究.doc

PAGE PAGE 27 课程论文首页 院、系（部） 专业 班级 学号 姓名 任课教师 课程名称 论文题目 成绩 评 语 签字： 年 月 日 复 核 人 意 见 签字： 年 月 日 奇异值分解在图像处理中的应用研究 摘要：随着多媒体和互联网应用技术的快速发展，图像的应用越来越广泛。该设计以MATLAB软件为仿真工具，根据奇异值分解的基本原理和主要特性，研究将奇异值分解应用于图像增强、图像压缩和图像水印的方法。基于奇异值分解的图像增强，通过线性变换增大大奇异值的动态范围，从而实现图像亮度的增强；基于奇异值分解的图像压缩，采用忽略部分小奇异值的方法，达到一定的压缩比同时图像不失真；基于奇异值分解的图像水印，将水印嵌入在原始图像的奇异值中，具有良好的不可见性和鲁棒性。 关键词：奇异值分解; 图像增强; 图像压缩; 图像水印 1 绪论 1.1 数字图像处理技术与应用概述 数字图像处理[1]，指将图像信号转换成数字格式并利用计算机进行处理的过程。其作为一门学科，可追溯到上世纪60年代初期。1964年，美国喷气推进实验室（JPL）利用计算机对探测飞船发回的月球图像信息进行处理，获得了明显的效果。不久，一门称为“数字图像处理”的学科便从计算机科学、信息处理、数据通信、电视技术、自动控制等学科中脱颖而出，成为了专门研究处理图像信息的崭新学科。 图像处理技术的内容广泛。对于信息微弱的图像，为了使其更符合人的视觉效果，要对其进行增强处理；对于容量比较大的图像，它的存储和传送会受到较大的限制，要对其进行压缩处理；对于有噪声的图像，要对其除噪声、滤干扰，提高信噪比等。 目前，随着多媒体技术和互联网应用技术的快速发展，数字图像处理技术的应用领域随之不断扩大。数字图像处理技术已经被广泛深入地应用于遥感、工业机器人、办公自动化、交互式计算机辅助设计、地球资源监测等领域。 1.2 奇异值分解的基本原理 在线性代数中，一个矩阵如果满足(是的转置)，则称为对称矩阵；一个矩阵如果满足(是的逆矩阵)，则称为正交矩阵；一个矩阵，如果存在非零向量和数，使得，则称为的特征值，称为的特征向量。即在变换的作用下，向量仅仅在长度上变为原来的倍，方向仍和原来保持在同一直线上，那么就是的特征向量，是对应的特征值。对于图1所示的《蒙娜丽莎》图，当其以竖直方向为轴做镜像后，垂直方向的向量保持不变，水平方向的向量反转180°，它们都是以竖直方向为轴做镜像变换的特征向量，对应的特征值分别为1和-1，而橙色向量在图像以竖直方向为轴做镜像变换后和原来的不在同一直线上，不是以竖直方向为轴做镜像变换的特征向量。 图1 《蒙娜丽莎》及其以竖直方向为轴做镜像的图 对于任意一个的矩阵，总是一个阶的对称矩阵，而且其特征值都为非负实数。将的特征值表示为非负实数的平方，并按照递减的顺序排列： ，，（1） 存在阶的正交矩阵与阶的正交矩阵使得： ，（2） 这个分解就称为的奇异值分解[2]。 将奇异值分解运用在图像处理中，图像会具有如下几个良好的性质： （1）降维性：一个的图像矩阵通过奇异值分解后表示为个维向量，若矩阵的秩远小于与，就降低了矩阵的维数。 （2）稳定性：当图像受到旋转、噪声等影响时，图像矩阵的奇异值不会出现较大的变化。 （3）比例不变性：设图像矩阵为，则的奇异值是的奇异值的倍。 本设计就是针对图像处理的增强、压缩、水印等方面，研究将奇异值分解应用于这些方面的方法。通过研究验证基于奇异值分解的图像处理拥有降维性、稳定性等良好性质，具有一定的应用前景。 2 奇异值分解在图像增强中的应用 2.1 关于图像增强 图像增强[3]是图像处理的基本技术，它是指增强突出图像中的某些重点关注的信息，同时抑制某些暂时不太关注的信息。图像增强效果的好坏是面向具体问题的，例如，一种适合增强卫星云图的方法，并不一定是增强X射线图像的最佳方法。图像增强按其处理的空间不同可以分为两类：空域法和频域法。图像增强效果的评估常以直方图衡量。对于亮度较亮的图像，其直方图的组成成分集中的灰度级级值较高，反之，对于亮度较暗的图像，其直方图的组成成分集中的灰度级级值较低；对于对比度较大的图像，其直方图的组成成分覆盖的的灰度级范围较宽，反之，对于对比度较小的图像，其直方图的组成成分覆盖的的灰度级范围较窄。另外，观察者的主观评价也是一个重要衡量标准。主观评价是选择一组观察者对待评价的图像进行打分，然后对这些主观打分进行平均获得一个主观评价分。评分标准如表1所示。 表1 对图像质量的主观评分标准表 得分 评价标准 5 优秀 4 良好 3 可用 2 较差 1 差 2.2 基于奇异值分解的图像增强算法 基