文摘
为了研究应用计算机数字图像处理技术在影视动画(脂肪)视觉传感表达式,通过研究数字图像处理技术的原理和视觉传感技术,空间多尺度图像自适应隐写术图像增强算法的滤波器,提出了开展脂肪生产原始图像的增强处理。该算法可以提供更多高质量的脂肪和精制原始材料动画制作,这是方便脂肪动画后期制作生产高分辨率和清晰有效。最后,算法验证。结果表明,空间图像自适应隐写术图像增强算法具有较高的安全性,和最高平均检测错误率为25.06%。当 ,的安全空间图像自适应隐写术图像增强算法和图像失真率低34.62%。建立了图像增强算法可以显著提高现有的安全空间图像隐写术算法在不同的嵌入率,特别是在高包埋率;空间域隐写术的改进算法。该隐写图像增强算法由图像预处理具有更高的安全性和更好的图像增强效果。
1。介绍
计算机数字图像技术不仅构建了一个新的媒介和载体的艺术创作也连接艺术创作和日常生活1- - - - - -3]。电影、电视、动画制作与生活密切相关。作为文化产业的代表,电影和电视(脂肪)正变得越来越受欢迎的日常消费大众。脂肪产业的发展也受到越来越多的关注从消费者团体4]。因为丰富的视频制作经验,如何更好地为脂肪特效制作和视觉通信技术当代脂肪生产商(内容是一个永恒的主题5]。在快速发展的时代的脂肪动画技术,电影和电视屏幕的视觉要求变得越来越高的看电影。看电影不再仅仅是情节。唯美主义、休克和其他视觉效果和视觉冲击力也是观众的标准来判断电影的质量(6]。计算机图形学技术是广泛应用于脂肪的生产原始图片和图像处理由于精制图像处理功能(7]。
人工智能(AI)的优势,机器学习,和深度学习反映在图像、视频处理、自然语言处理和语音识别。人工智能算法克服许多的缺点,帮助提供最先进的电脑和其他领域的结果。Deeba et al。8使用人工神经网络(ann)探测敏感信息的存在和从源图像中提取信息。当适当的机器学习算法训练,重新训练,和适应一些新的应用,性能相对稳定。柯林斯et al。9)跟踪一系列产业的发展和支持机构脂肪产业在欧洲最边缘的地区之一。陈等人。10指出一个立体标定方法的相关性立体声数字图像。由于灵活的控制点数量匹配登记精度高和强壮坚固,使用合成点模式的立体标定方法校准目标提供校准精度高于校准的校准精度的目标。指定的目标数量有限的功能。数字图像处理技术的应用领域非常广泛,有很多研究成果。然而,先前的研究内容是生产领域的相对较小的脂肪。内容正在研究可以填补这一技术差距。
采用文献研究的方法和算法验证。计算机图像处理技术的应用在生产脂肪动画进行了研究。创新是,由原隐写图像处理算法,通过多尺度空间图像隐写术增强算法提出了过滤器。除了增加安全图像增强过程中,减少变形,该算法还保证图像分辨率更高,为脂肪动画制作提供了高质量的原始材料,可以提高脂肪的视觉表达效果的图像。本文的其余部分组织如下:部分2是关于我们解释了材料的材料和方法,方法,算法,对我们的研究和其他相关主题。节3、不同测试的结果进行了分析和讨论。节4提出了我们的研究的结论,本文结尾引用的列表。
2。材料和方法
在本节中,我们提出的一些方法用于图像处理。我们谈论数字图像处理的不同方面,比如质量、失真,安全,高分辨率,过滤器(二进制图像平滑图像,尖锐的形象,和更多)。此外,该材料用于描述的目的也。具体而言,我们将谈论获取数字图像的摄像机和数码摄像机。此外,还详细讨论了动画和视频。
2.1。数字图像处理
数字图像处理(DIP)是消除噪声的方法和技术,增强,恢复图像的分割和提取功能通过计算机(11]。它包含五个模块。图像输入模块是指图像输入,也叫图像采集或图像数字化。它使用图像采集设备(如数码相机和数码摄像机)获取数字图像和数字设备(如图像扫描仪)将连续处理图像转化为数字图像适合计算机处理(12]。图像存储模块主要是用于存储图像信息。图像输出模块显示之前和之后的图像处理或永久保存处理结果。图像通信模块传输或图像信息交流13]。图像处理和分析模块包括处理算法,实现软件和数字计算机。这些模块共同完成所有功能的图像信息处理(14]。像素的数量或单位长度点图像是图像分辨率。分辨率越高,像素包含在它的数量越多,图像越清晰展示(15]。数字图像处理过程如图1。
图像中包含的信息可以反映图像信息的丰富性16]。模拟图像离散后,图像的数字表示,这是图像数字化的过程。图像数字化包括采样和量化,采样间隔和取样孔径是两个重要的参数,确定分辨率。抽样的操作是将空间上连续的图像转换为离散点与连续灰色的水平,和量化的过程将像素灰水平转化为离散的整数值。图像增强是数字图像处理的重要组成部分。通过有目的地强调图像的整体或局部特征(如改善颜色、亮度和对比度的图像),较低的图像定义可以明确表示或强调这些重要特性。它可以放大的区别不同类型的对象的特征图像,抑制无趣的特性,并提高图像的视觉效果。
传统的图像增强方法分为三类。空间图像增强方法是直接处理像素值,如直方图均衡化和伽马变换。频域方法是在某个变换域,如小波变换。的混合域方法结合空间域和频域。传统的图像增强方法通常更简单和更快,但由于图像中的上下文信息不能充分考虑,效果通常是非常普遍的。卷积神经网络(cnn)已经取得了巨大的突破在许多低级计算机视觉任务,包括图像超限分辨,由模糊变清晰,dehazing,去噪,图像增强。与传统方法相比,CNN-based图像处理方法大大提高图像增强的质量。大多数现有的方法是监督学习。原始图像和目标图像,它们之间的映射关系是学会获得一个增强的图像。然而,这样的数据集相对较小,很多都是人为调整。 Therefore, personal supervision or weak supervision is required to solve this problem.
2.2。视觉传感影视动画
视觉传感技术是传感技术之一。视觉传感器是指传感器来计算物体的特征量进行图像处理的图像的相机和输出数据和判断的结果(17]。视觉传感器是直接为整个机器视觉系统的信息来源,它主要由一个或两个图形传感器,有时投光器和辅助设备18- - - - - -20.]。视觉传感器的主要功能是获取足够的原始图像处理的机器视觉系统。视觉传感器可以捕捉成千上万的从整个图像像素的光线。图像的清晰度和细度通常是通过测量分辨率,表示像素的数量。捕获的图像后,视觉传感器比较它与参考图像存储在内存进行分析。
在脂肪的拍摄和制作动画,3 d视觉传感器技术的应用在视觉传感器技术可以获得高分辨率的图像资料。3 d视觉传感技术结合了图像采集、图像处理、信息传输功能。它集成了图像传感器、数字处理器、通信模块和其他外围设备到一个相机。由于这种集成设计,可以减少系统的复杂性,可靠性提高。这个设计提供更优质脂肪行动和精制原始材料生产,这是方便脂肪动画后期制作生产高分辨率和明确的工作。视觉传感器的图像采集单元主要由电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)相机,光学系统,照明系统,图像采集卡。视觉传感器可以将光学图像转换为数字图像,通过图像处理单元。视觉传感器的工作过程如图2。
相机是机器视觉系统的眼睛。相机的核心是图像传感器。传感器的选择取决于精度、输出灵敏度,机器视觉系统的成本,充分理解应用程序的需求。一个基本的了解传感器的主要性能可以帮助开发人员快速缩小搜索范围,找到合适的传感器。的动态范围、速度和响应能力的传感器是传感器性能的指标。动态范围决定了图像的质量,系统可以捕获和也被称为反映细节的能力。传感器的速度指的是图像传感器的输出可以产生和图像系统每秒可以接收。反应性是指传感器的效率将光子转换成电子。它决定了系统需要的亮度水平捕捉有用的图像。这些指标确定脂肪输出的质量。
2.3。隐写术增强算法由多尺度空间图像过滤器
隐写术是一种安全的方式传输机密信息。图片,电影和电视作品,甚至音频和文本在互联网上都可以作为对象来隐藏秘密信息。这些数字媒体大量的数据,是隐写术的自然载体库。速记式加密算法的经典模型图所示3。
越向承运人修改对象的位置,就越容易隐藏对象的隐写术检测到的算法。自适应隐写术图像增强算法可以嵌入图像的复杂区和边缘区根据图像的图像内容载体本身。它不嵌入在平坦区域模型相对容易。这个过程包括两个步骤,计算和编码嵌入失真函数。失真函数可以用来计算成本失真值,图像中每个像素的嵌入式安全措施。扭曲成本价值越小,失真效应越小的修改像素在图像的概率和较小的修改引起的图像失真。算法的基本框架如图4。一个好的失真函数可以精确测量每个像素的嵌入式安全,使整个算法更加安全。
编码嵌入方法决定了是否可以修改较少的位置嵌入尽可能多的信息,提高算法的安全性。一般来说,当扭曲函数设计,成本较小的失真给像素在一个复杂的纹理区域和边缘区域,并给出更高的成本失真平面面积。空间的自适应隐写术图像增强算法图像通过最小化畸变可以自适应地选择这些复杂的纹理区域和边缘区域。添加剂成本失真,图像失真的计算方法和成本所示以下方程: 在哪里X代表承运人图像覆盖,Y代表图像隐藏的秘密,表示像素的扭曲成本( )在载体图像。
大部分的畸变函数中使用现有的空间图像自适应隐写术是hand-designed启发式失真函数图像增强算法。计算每个像素的安全测量方法通过使用成本的扭曲失真函数的每个像素。然而,hand-designed失真函数不能衡量每个像素的失真值,是不够准确的捕获一些像素。似乎有一些像素领域具有复杂纹理扭曲成本上升,但一些像素在平坦地区低失真成本;也就是说,扭曲成本出现异常点。这是因为失真函数不够准确捕获图像的像素在某些领域。解决异常的问题点和改进自适应隐写术图像增强算法的安全空间形象,发现这些异常点的方法可以用来增加不正常像素在平坦地区的扭曲成本和减少成本的扭曲异常像素区域复杂的纹理,以便嵌入是集中在结构复杂的区域。
获得的多尺度滤波器相结合提出了一种多尺度高斯滤波器和一个高通滤波器。使用这个滤波器来提取图像在不同尺度的细节。通过调整每个过滤器的重量值,它是确保在提高复杂的纹理区域,增强平面面积尽可能最小化。然而,当一个过滤器,用于提高图像纹理区域,所有不能增强图像中的纹理区域只有一个过滤器。这是因为图像中的纹理区域有规模的差异;有大规模图像边缘和纹理区域由许多像素和小纹理区域和噪声区域由一个小的像素数量相同的形象。因此,多尺度高斯过滤器是用于提取纹理图像中不同尺度的细节。
多尺度高斯滤波器是由多个大小不同的高斯过滤器。这些高斯过滤器可以提取图像在不同尺度的细节。当使用多尺度高斯滤波器来提高一个图像,第一步是使用3大小不同的高斯滤波器卷积整个图像获得一个平滑的图像3过滤器后,表示如下: 在哪里代表卷积操作, 代表3高斯滤波器有不同的大小和 代表了图像平滑X获得滤波后的载体图像。以来可能有重复增强一些地区在图像增强中,为了获得更精确的锐化细节,操作上执行的差异三个过滤获得的图像细节,见以下方程: 在哪里 ,和表示图像不同尺度的细节。全球航空图像的细节X是由这三个图像的加权和细节 ,和见以下方程: 在哪里 , ,和代表的重量不同尺度的图像细节。代表一个符号函数。当 ,函数的返回值是1;当 ,函数的返回值是−1;当 ,函数的返回值是0。多尺度高斯滤波器集成了图像不同尺度的细节在加权和的形式。目的是提取图像的细节纹理区域更完全,避免噪声的增强尽可能平坦的区域。
为了验证该算法的有效性,设计了验证性实验。10000年Bossbase1.01图像灰度图像数据库为载体图像,选择和减去像素邻接矩阵(垃圾邮件)功能是用作隐写式密码解密功能。这些都是与现有的主流图像自适应隐写术图像增强算法用于空间(如spatial-universal小波相对失真(S-UNIWARD))。嵌入率是0.1 bpp和0.4 bpp,和最大平均差异(MMD)作为测量标准。后缀高斯多尺度空间图像自适应隐写术(味精)是一种图像增强算法,利用多尺度高斯滤波器进行图像增强。
此外,为了提高图像中不同尺度的纹理细节,多尺度空间图像隐写术增强算法的滤波器设计。它由两部分组成:图像增强和扭曲成本计算。算法流程分为六个步骤:步骤1:使用多尺度的高斯滤波器方程(4)提高载体图像X获得增强的一部分。步骤2:使用高通滤波器来提高承运人的形象X尖锐的部分 。第三步:得到最终的增强图像 : 在哪里代表了重量和X代表承运人的形象。步骤4:使用失真函数空间自适应隐写术图像增强算法的图像失真计算成本增强的图像 。第五步:使用均值滤波平滑扭曲成本获得平滑扭曲成本 。步骤6:使用综合症格子码(STC)必要的秘密信息嵌入到载体图像X获得最终的秘密隐藏的对象。
增强算法仍由实验,验证样本集和比较算法与上述方法相同。算法的安全性评估使用以下方程: 在哪里和代表错误检测率和漏检率。错误检测率表明承运人的概率样本是错误地判断了一个秘密。错过的检出率表明误判的概率一个机密样本作为载体。为了确保实验结果是有效的,结果使用平均10训练和测试 。
3所示。结果与讨论
3.1。性能比较多尺度空间图像隐写术增强算法的过滤器
多党民主运动检测结果不同的自适应隐写术图像增强算法用于空间图像如图5。
图5表明,现有的空间自适应隐写术图像增强算法S-UNIWARD使用多尺度高斯滤波器进行图像增强和多值低于没有增强。这表明增强速记式加密算法具有更高的安全性。
3高斯过滤器被选中的值的比值n,2n−1,4n−1。相对应的标准差3过滤器是1.0,2.0和4.0。在实验过程中,包埋率设置为0.4 bpp,参数 然后算法安全测试的结果有不同的值n如图6。
从图6,很明显, ,平均检测出错率约为25.06%。因此,它表明该算法目前最高的安全性。在随后的实验中,研究的价值n固定在3,的大小相应的三个高斯过滤器3×3,5×5,分别和11×11。
bpp嵌入率是0.4,参数 ,和值的步骤是设置为0.1。比较三个参数的多尺度高斯滤波器 , ,和 ,和安全的变化在不同的算法值如图7。
图7表明,的时候 ,安全多尺度空间图像自适应隐写术增强算法的过滤器是34.62%,所以 。
为了比较的性能增强算法和现有算法S-UNIWARD,两个主流的空间隐写式密码解密功能,SRM(空间丰富模型)和马克斯空间丰富模型(max SRM),用于比较算法的安全性。其中,后缀多尺度高斯(味精)代表空间图像自适应隐写术图像增强算法,利用改进的多尺度高斯滤波器。后缀MiniMum_Support女士(MS)代表了图像增强算法在文献[21]。对比结果如图8和9。
数据8和9表明,现有的图像增强算法可以显著提高当前的安全空间图像隐写术图像增强算法在不同的嵌入率。特别是在高包埋率,提高空间图像隐写术图像增强算法更大。这是因为当嵌入率高,结构复杂地区较低的失真成本已被嵌入。在这个时候,空间图像隐写术图像增强算法将选择一些噪声点嵌入的平面面积。,异常点较低的失真成本建立平面面积将减少算法的安全性。提出增强后的载体图像预处理的算法,复杂的纹理区域的像素是增强。同时,它抑制了噪声在平原地区的嵌入空间图像隐写术图像增强算法更集中在嵌入的纹理复杂的领域,和造成的影响异常点的平面面积较少。该算法提高了算法的安全性,和图像增强效果会更好。
4所示。结论
随着计算机图像处理技术的快速发展,网络信息的范围逐渐从图形图像通信交流,创造条件为网络平台和广播和电视平台竞争。首先,先进的计算机图像处理领域的方法是使用脂肪动画制作。针对当前传统速记式加密算法不注意形象的内容,生成的图像质量较低。针对目前的情况,有两种类型的异常点在空间图像隐写术,一种自适应隐写算法。在嵌入过程中,更充分地考虑图像本身的内容。嵌入方法是集中在模型的地方不容易,如图像纹理区域和边缘区域,使得隐写式密码解密算法的检测更加困难,提高了安全的隐写术图像增强算法。在很大程度上,原始材料脂肪动画的质量已得到改进,提供高分辨率的原始图像视觉形象表现。然而,仍然存在一些缺陷。由于图像增强领域的快速发展,可能会有更有效的算法来过滤纹理区域和平坦的地区,和提取图像纹理细节可以更准确。在未来,提出空间图像隐写术增强算法将被应用到处理的图像类型,和进一步的研究是必要的。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作是由陕西省社会科学协会”研究的创新红色文化与农民的沟通的绘画Huxian县,陕西省为载体”(项目号2021 nd0167)和在西安理工大学的支持下,“研究定格动画课程的改革与实践”(项目号21 jgyb28)。