立體視覺系統(tǒng)的重建和水印技術(shù).pdf

1、立體視覺是一種非常流行的從二維平面圖像恢復(fù)到三維深度信息的手段。它在機(jī)器視覺、航空測繪、航空導(dǎo)航、三維電視、三維電影、三維視頻應(yīng)用以及遠(yuǎn)程醫(yī)療技術(shù)等領(lǐng)域著廣泛的應(yīng)用。但是在如校準(zhǔn)問題、處理速度及對(duì)應(yīng)點(diǎn)問題等重建的過程中還有許多具有挑戰(zhàn)性的難題,問題主要是由于左右圖像在匹配過程中出現(xiàn)不匹配造成的。這對(duì)圖像是從不同角度來獲取的,因此他們不是相同的圖像。場景的亮度可能會(huì)使它們完全不同,被遮擋的物體可能在一幅圖像中出現(xiàn)而在另一幅則消失了。所有這

2、些因素都可能導(dǎo)致圖像不匹配,從而直接影響到深度信息的獲取。
　　 立體像對(duì)的概念來自于人的雙眼,因?yàn)樽笥已蹖?duì)同一個(gè)視圖分別獲取一對(duì)圖像。使用立體像對(duì)我們可以定義三維或者深度。立體像對(duì)中抽取深度信息的方法主要關(guān)注于匹配的級(jí)別,即基于區(qū)域的匹配級(jí)別或基于特征的匹配級(jí)別。
　　 在基于區(qū)域的匹配中,匹配處理是利用分塊來完成的,同時(shí)使用遺傳算法來匹配像素塊也被用于此種匹配處理中。
　　 在基于特征的匹配中,圖像的特征包括

3、邊緣、區(qū)域、線、圓、點(diǎn)等都被用于此種匹配處理中。但該方法的缺陷在生成模型中缺乏平滑性,因?yàn)檫@種高分辨率模型是匹配基于像素來獲得的。
　　 為此,我們提出了一種自適應(yīng)窗口法的新方法。它能夠解決上面提及的兩種級(jí)別的匹配或?qū)?yīng)點(diǎn)的問題。第一種級(jí)別匹配的圖像特征是一塊區(qū)域,在第二種級(jí)別中我們使用了第一種的結(jié)果進(jìn)行一個(gè)像素接一個(gè)像素的匹配。
　　 在基于特征的匹配中,特征通過直方圖分割來提取。利用從左邊圖像和右邊圖像中提取的區(qū)域片

4、段特征,獲取左邊和右邊圖像的直方圖,然后根據(jù)在直方圖中選取的三個(gè)閾值,將圖像劃分為每組包含不同的灰度區(qū)域片段的4個(gè)組g1,g2,g3和g4。對(duì)于每個(gè)組,生成不同分辨率(低、中、高)的多分辨率圖像。通過先縮小尺寸,再使用高斯卷積濾波生成這些圖像,最后將形態(tài)濾波的開算子應(yīng)用于每組的低分辨率圖像上來移除可能出現(xiàn)錯(cuò)誤的小區(qū)域片段。
　　 特征元素的區(qū)域片段將被用于獲取非一致映射(這不是最終的非一致映射)。對(duì)每組采用低分辨率圖像,從左邊的

5、和右邊的圖像獲取每個(gè)區(qū)域的特性,接著完成各區(qū)域的一致,最后獲取非一致的映射。
　　 特征提取和基于特征匹配之后,對(duì)于每個(gè)像素點(diǎn),我們將縮小搜索區(qū)域?；谔卣鞯姆且恢陆Y(jié)果將被用于在基于匹配的小波變換中。在做基于匹配的小波變換時(shí),對(duì)于左邊圖像的每個(gè)特征,我們?cè)谟疫厛D像中使用相似的特征以減小搜索范圍。對(duì)于左邊圖像的每個(gè)像素點(diǎn),在右邊圖像找到相應(yīng)的像素點(diǎn),畫出一個(gè)包圍像素點(diǎn)的固定長度的窗口并與對(duì)應(yīng)的像素點(diǎn)進(jìn)行比較。這種卷積是通過兩幅圖像

6、間的水平掃描線完成的,但并不是所有相應(yīng)的掃描線像素點(diǎn)都這樣做,只有在相應(yīng)匹配特征中的像素點(diǎn)才進(jìn)行這種操作。這種方法也就是SSD(平方偏差之和)即量化不同強(qiáng)度的差異,通過一個(gè)窗口一個(gè)窗口的比較來完成。SSD將估算在左邊圖像中的當(dāng)前窗口和在右邊圖像相應(yīng)掃描線和區(qū)域上的所有窗口的差異。這些候選窗口存在最小的SSD誤差。
　　 自適應(yīng)窗口的方法通過在指定的窗口中通過搜索匹配對(duì)象而減小了搜索時(shí)間:可以根據(jù)圖像數(shù)據(jù)估算窗口的大小。自適應(yīng)意味

7、著窗口的大小可根據(jù)圖像數(shù)據(jù)改變。從二維圖像生成三維模型的誤差被減少,也就是說我們能生成高精度的三維模型。我們使用增強(qiáng)后的立體模型可以解決傳統(tǒng)立體模型的問題。相應(yīng)處理可能包括許多如匹配錯(cuò)誤和一對(duì)多指定錯(cuò)誤等類似的錯(cuò)誤。一對(duì)多指定錯(cuò)誤發(fā)生在一幅圖像的單個(gè)特征被指定到其他圖像的多個(gè)特征或是簡單地發(fā)生在一個(gè)特征有多個(gè)匹配的候選特征時(shí)。我們將通過自適應(yīng)窗口的方法消除這些錯(cuò)誤。
　　 深度信息被用來獲取最終的3D模型-使用唯一圖像對(duì)將生成2

8、.5D模型,使用更多的圖像對(duì)將生成3D模型,我們將涉及的三維模型作為視覺重建的一般輸出。在重建模型之后,在許多應(yīng)用中,這都必須被發(fā)布到網(wǎng)上。例如,假設(shè)這個(gè)重建模型是一個(gè)獅著名的埃及雕塑-身人面像。這個(gè)模型的重建可能在數(shù)天或數(shù)月內(nèi)完成,然后將其在網(wǎng)上發(fā)布供世界各地網(wǎng)絡(luò)使用者瀏覽。
　　 防竊取或干預(yù)三維模型的保護(hù)研究已經(jīng)受到業(yè)界所關(guān)注?？朔鹘y(tǒng)加密局限性的一個(gè)有效措施就是數(shù)字水印。數(shù)字水印是一個(gè)以不可察覺的方式將隱藏信息嵌入到數(shù)字

9、數(shù)據(jù)中以便確定多媒體內(nèi)容(包括數(shù)字圖像、視頻、音頻和3D模型)的源頭、所有者、使用者、版權(quán)、完整性或終點(diǎn)的研究領(lǐng)域。數(shù)字水印技術(shù)的首個(gè)要求就是在任何媒質(zhì)或應(yīng)用中都具有不可察覺性。不可察覺性指在原始數(shù)據(jù)和水印數(shù)據(jù)之間具有可感知的相似性。理想情況下,加水印媒體的質(zhì)量應(yīng)該與原始媒體有完全相同的視覺質(zhì)量。近年來,三維水印的研究取得了相當(dāng)大的進(jìn)步,由于三角網(wǎng)格簡易性和可用性,這些研究主要集中在這種最普通的三維模型的數(shù)字表示方法中。
　　

10、水印的三維模型大體可分為光譜域水印和空間域水印。
　　 研究者已經(jīng)嘗試了各種不同的光譜域水印類型,但所有這些類型都有它們的局限和缺陷。文[48],[49]中有一個(gè)拉普拉斯分析的光譜域水印的例子。[50]中提到了光譜域水印還有兩個(gè)嚴(yán)重的問題。首先,因?yàn)槔绽咕仃嚨膶?duì)角化,使計(jì)算時(shí)間隨著網(wǎng)格的復(fù)雜度而急劇增加。這個(gè)問題迫使研究者將網(wǎng)格分為多個(gè)塊。其次,分析過程完全取決于網(wǎng)格的連通性,這就使水印非常脆弱。
　　 在空間域,Y

11、eo和Yeung[51]提出了一種脆弱的算法,基本的想法是為有相同預(yù)定義哈希函數(shù)值的每個(gè)頂點(diǎn)搜尋新位置,以使所有頂點(diǎn)都能有效進(jìn)行身份驗(yàn)證。在空間域有兩個(gè)常見難題,因果關(guān)系問題指一個(gè)像素被植入,其影響會(huì)傳播到其余的多邊形,進(jìn)而擴(kuò)展到由它們構(gòu)成的3D模型；收斂性問題指由于植入導(dǎo)致模型的明顯退化。為了避免因果關(guān)系問題,Yeo和Yeung提出一種遍歷過程,它解決了因果關(guān)系問題,同時(shí)保持頂點(diǎn)重排序時(shí)水印網(wǎng)格的脆弱性。因果關(guān)系問題的更多詳細(xì)信息,請(qǐng)

12、參閱第2部分。Chou和Tseng[52]通過引入校正頂點(diǎn)的方法解決了因果關(guān)系問題。在他們的水印算法中,兩個(gè)哈希函數(shù)中的一個(gè)是依賴于頂點(diǎn)1環(huán)鄰元素的中心。空域水印中一種新趨勢是在網(wǎng)格中植入大量秘密信息,[53]和[54]中就提到把它當(dāng)作秘密通道來使用。Cayre和Macq[53]提出一種通過選擇其對(duì)面邊緣頂點(diǎn)的投影的水印技術(shù),該過程卻并未完全解決收斂性問題。[54]中通過采用多級(jí)嵌入取得更高的容量,每個(gè)頂點(diǎn)約3位,此過程陸續(xù)更新有關(guān)其垂

13、直邊緣的頂點(diǎn)平行、垂直及旋轉(zhuǎn)位置。[50]中所述,高容量算法不僅缺乏脆弱性,而且對(duì)相似轉(zhuǎn)換不變。為獲得更穩(wěn)健的空間域水印,Yu el al.[55]提出了非盲魯棒算法。頂點(diǎn)分成幾個(gè)小組；每組都有一個(gè)秘鑰。通過修改成員頂點(diǎn)到網(wǎng)格重心的長度來插入一位。此算法是魯棒的,但嵌入容量受限。Benedens[56][57]提出”頂點(diǎn)洪水算法”或稱VFA。VFA修改頂點(diǎn)到網(wǎng)格曲面上的起始點(diǎn)的歐氏距離。網(wǎng)格的連接只需要查找其內(nèi)部特定開始三角形。VFA有

14、效地解決了因果關(guān)系問題,但對(duì)收斂性問題并不理想。
　　 我們提出了遍歷3D模型,即傳染性的擴(kuò)散技術(shù)。該技術(shù)有效地解決了網(wǎng)格水印的兩個(gè)常見問題:因果關(guān)系問題和收斂性問題。傳染性擴(kuò)散技術(shù)通過按照一個(gè)眾所周知的嵌入順序遍歷3D模型,從而解決了因果關(guān)系。因此,以前嵌入位的不利影響被消除。提取過程中,遍歷路徑有助于找到軌跡或嵌入水印的流。傳染性擴(kuò)散技術(shù)遍歷三角網(wǎng)格模型,并在每個(gè)三角形中植入一位。嵌入是通過把三角形底邊分成更小部分完成的。這

15、些更小部分的數(shù)目是根據(jù)這一區(qū)域的粗糙度動(dòng)態(tài)變化的。在光滑區(qū),小部分的數(shù)目增加至最小化的頂點(diǎn)位置更新；粗糙區(qū)將減少,所以頂點(diǎn)的擾動(dòng)不易察覺。因此收斂問題得到解決。水印網(wǎng)格的視覺質(zhì)量很高,因?yàn)樗司W(wǎng)格水印中最普遍的一些問題,比如因果關(guān)系問題和收斂性問題。
　　 我們用另一種類型的數(shù)字水印技術(shù)保護(hù)立體再現(xiàn)圖像版權(quán)。該過程將獲得的差距地圖作為水印。當(dāng)將水印的圖像轉(zhuǎn)移到不安全的信道,應(yīng)該保護(hù)水印圖像。我們已經(jīng)在我們的算法中用圖像退化的

16、概念,作為示例,使用ZIG-ZAG降級(jí)順序[71]。在我們的算法中用Arnold變換[77]來置亂和降低宿主圖像。
　　 首先,左邊的作為宿主圖像的單體圖像通過Arnold變換降級(jí),然后采用隨機(jī)LSB算法對(duì)圖像進(jìn)行處理。降級(jí)的水印圖像就被安全地傳送到了一個(gè)安全通道里。當(dāng)授權(quán)的接收方收到退化的圖像時(shí),它可被用于水印提取。此外,還可以通過Arnold逆變換將左邊的立體圖像恢復(fù)到其原始狀態(tài)。把Arnold變換添加到水印處理階段,使黑客

17、不可能知道原圖像的內(nèi)容或提取其3D信息。
　　 LSB水印嵌入的主要思想是利用很多種圖像格式的精度都是大于普通人眼視覺所能感知的精度。因此,一幅只在顏色上有微小差異的圖像,人僅通過觀察是很難區(qū)分它和原圖的差異的。通過使用最低有效位的像素的顏色數(shù)據(jù)存儲(chǔ)隱藏的消息,圖像本身幾乎不變。
　　 采用隨機(jī)LSB嵌入算法,可以使機(jī)密信息在圖像數(shù)據(jù)中的分布看起來是一種隨機(jī)分布方式。當(dāng)發(fā)送人和接收方具有相同的密鑰或共享一個(gè)安全密鑰時(shí),它