图像数字水印和视频跟踪算法的研究

摘要

近年来，图像处理技术的研究受到了国内外各界的广泛关注。本文分别在图像数字水印和视频跟踪领域开展了研究，重点涉及了各类图像处理新算法的建立，及其可行性论证或算法性能的实验研究。具体工作和结果如下:
　　(1)研究提出了利用第二代小波技术在静态图片中嵌入和提取数字水印的算法。算法在小波变换的基础上运用提升格式实现了二维图像中数字水印的嵌入和提取，即对宿主图像进行小波多分辨率分解，利用图像本身的特性作为嵌入掩蔽参数因子，对低频信号逼近，并运用第二代小波变换技术嵌入水印，同时在图像的中频带应用阈值法重复嵌入水印。实验表明:该算法可以有效地实现图像数字水印的嵌入和提取，具有一定的稳定性和抗攻击能力。
　　(2)研究提出了基于FloatBoost检测和指数平滑法运动估计的人脸快速跟踪算法。算法中FloatBoost去掉了较弱的特征，具有较快的运算速度;同时指数平滑法不需要存储很多的历史数据，且考虑了各期数据的重要性，使用了全部历史资料，也具有较高的实时性。实验表明:该算法处理图像的准确率随处理环境的复杂性变化而变化，变化趋势呈现反向趋势;系统处理一到两个人脸跟踪目标时，处理效率呈现稳定状态，实时性较好。
　　(3)研究在Chebyshev距离思想的基础上，提出一种新的区域特征匹配度量体系。引入假设检验思想对匹配结果进行检验，设计了一种新的目标物体跟踪算法，对物体运动模式已知和未知的情况分别展开了讨论和实验。实验表明:该算法均能有效地实现目标物体跟踪，其跟踪精度比卡尔曼滤波法高，算法具有一定的鲁棒性。
　　(4)受统计气象学的启发，建立了一种能同时体现数据样本形似和值似程度的匹配度量体系——相似离度，并通过符合数学逻辑和物理意义的方法，建立了描述图像信息近似程度的归一化指标体系。研究提出了基于SVM检测和相似离度匹配的人脸跟踪算法，并开展实验研究。实验表明:利用相似离度匹配可有效地找寻和模板样本最近似的候选数据样本，且不易受干扰;对静态图像和动态视频的匹配跟踪均表现出了良好的准确性。
　　(5)研究提出了基于Harris角点检测和KNN约束的目标物体跟踪算法。算法采用KNN分类器对Harris算法提取的角点进行约束，可以去除冗余点，建立简单却有效的目标物体特征点匹配模型。实验表明:该算法可有效地精简角点，从而降低匹配过程的运算量，提高算法速度;在视频跟踪过程中，利用KNN约束后的角点模型进行匹配跟踪，其效果也具有一定的准确性。

目录

声明

摘要

第1章 绪论

1．1 课题的研究背景

1．1．1 数字水印技术的研究背景

1．1．2 视频跟踪技术的研究背景

1．2 数字水印简介

1．2．1 数字水印的定义和特点

1．2．2 数字水印技术的发展

1．2．3 数字水印技术存在的主要问题

1．3 视频跟踪简介

1．3．1 视频跟踪技术的发展

1．3．2 视频跟踪方法概述

1．3．3 视频跟踪技术存在的重点和难点

1．4 主要研究内容和思路

1．5 本文的创新点

第2章 基于第二代小波变换的数字水印算法研究

2．1 数字水印技术概述

2．1．1 数字水印的概念

2．1．2 数字水印的分类

2．1．3 数字水印的框架模型

2．1．4 数字水印的系统评价

2．1．5 数字水印相关的算法

2．2 小波变换以及第二代小波变换

2．2．1 一维小波变换

2．2．2 正交小波变换的快速算法(Mallat算法)

2．2．3 二维多分辨率分析与二维Mallat算法

2．2．4 第二代小波变换

2．2．5 小波变换用于图像处理的优势

2．3 算法建立

2．3．1 算法基本思路

2．3．2 小波变换流程

2．3．3 本文算法流程

2．3．4 算法性能检测

2．4 仿真实验

2．4．1 数字水印嵌入和提取

2．4．2 水印的抗攻击性

2．5 本章小结

第3章 基于FloatBoost检测和指数平滑法运动估计的人脸快速跟踪算法研究

3．1 算法基础

3．1．1 人脸检测算法基础

3．1．2 运动估计算法基础

3．2 算法建立

3．2．1 人脸检测算法

3．2．2 人脸跟踪算法提出

3．2．3 新的人脸快速跟踪算法

3．2．4 算法流程图

3．3 仿真实验

3．3．1 人脸检测实验

3．3．2 跟踪实验

3．3．3 实时性实验

3．4 本章小结

第4章 基于Chebyshev距离和假设检验的目标跟踪算法研究

4．1 算法基础

4．1．1 Chebyshev距离

4．1．2 假设检验

4．2 算法建立

4．2．1 Chebyshev距离相似度度量体系的提出

4．2．2 Chebyshev距离相似度度量体系的建立

4．2．3 Chebyshev距离相似度度量体系的说明

4．2．4 跟踪算法设计

4．2．5 算法流程图

4．3 实验结果

4．3．1 运动模式已知

4．3．2 运动模式未知

4．4 本章小结

第5章 基于SVM检测和相似离度匹配的人脸跟踪算法研究

5．1 算法基础

5．1．1 相似离度概念的来源

5．1．2 相似离度的计算方法

5．1．3 支持向量机

5．2 算法建立

5．2．1 相似离度匹配思想的提出

5．2．2 相似离度计算模型建立

5．2．3 基于SVM的人脸检测

5．2．4 人脸跟踪算法设计

5．3 仿真实验

5．3．1 模拟图像灰度值数据的相似离度匹配实验

5．3．2 人脸跟踪实验

5．4 本章小结

第6章 基于harris角点检测和KNN约束的目标物体跟踪算法研究

6．1 算法基础

6．1．1 角点检测算法

6．1．2 KNN算法

6．2 算法建立

6．2．1 harris角点检测

6．2．2 KNN去除冗余角点算法

6．2．3 算法流程

6．3 仿真实验

6．3．1 角点检测实验

6．5．2 跟踪实验

6．4 本章小结

第7章 结论与展望

7．1 结论

7．2 展望

参考文献

致谢

读博期间发表的论文