數(shù)字水印中的幾何不變特征點提取算法研究.pdf

1、圖像幾何不變特征點提取對第二代抗幾何攻擊數(shù)字水印的設(shè)計與實現(xiàn)有著極其重要的意義，它為局部水印嵌入提供參考點，關(guān)系到嵌入水印的魯棒性。幾何不變特征點提取還對模式識別，人臉器官的識別定位，基于內(nèi)容的圖像視頻檢索技術(shù)都有著非常重要的意義。
　　 基于曲率尺度空間（curvature scale space）的抗幾何變換圖像特征點是一種基于輪廓的特征點提取方法。在提取圖像特征點之前，首先需要提取圖像的輪廓信息，然后在不同的尺度下觀察輪廓

2、，找到曲率最大的點來作為特征點，然而由于提取圖像輪廓計算量很大，所以算法整體效率不高。Harris-Laplace角點檢測方法是一種直接基于灰度圖像多尺度抗幾何攻擊角點提取算法，但需要對每個尺度都進(jìn)行特征點提取，計算也比較復(fù)雜。
　　 將Harris-Laplace角點檢測方法進(jìn)行改進(jìn)，把直接分析圖像局部灰度值的角點提取方法與圖象尺度空間的思想相結(jié)合，并兼顧多尺度的不同權(quán)值，則既可以保證角點抵抗一般幾何攻擊的魯棒性，又減少計算復(fù)

3、雜度，根據(jù)此思路提出了加權(quán)平均Harris-Laplace角點檢測方法來提取特征點的方法，為每個尺度指定一個權(quán)值，取多尺度圖像取加權(quán)平均值作為特征點提取的依據(jù)，這樣就只需要在加權(quán)平均的特征增強圖像上提取一次特征點，減少了計算量。
　　 通過大尺度觀察圖像，可以得到圖像的粗糙畫面；而從小尺度觀察，能夠檢測到圖像的細(xì)節(jié)特征。根據(jù)這個思路又提出了迭代逼近Harris特征點提取算法，該算法從大尺度開始提取特征點，逐步降低尺度，迭代逼近特