با درود
دوستان اینجا چجوری دو تا ماتریس رو با هم ادغام کرده با scaling factor?
اصلا scaling factor منظور چیه؟
من متن و مقدار scale که به کار برده رو میزارم ممنون میشم
اصل مقاله این هست و رایگان میشه وندش
مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
مهندسان و دکتر های عزیز کمکی کنند.
کل مقاله حل شد . این قسمت لنگ شدم متاسفانه
با سلام
دوستان صاحب مقاله جواب ایمیل رو داد. این رو گفته
Embedding a matrix into another one can do as matrix addition. Scaling factor is used for obtaining the invisibleness of the watermark. Pls find the below.
Watermarked= A + (s*B).
Here A &B are matrices of cover and watermark. s is the scaling factor. U may vary this according to invisibleness that ur need.
با این حساب کسی ممکن هست توضیحی بده؟
خدا خیرتون بده
این که مشخصه. داره میگه ماتریس دوم رو ضرب در scaling factor میکنی بعد با ماتریس اول جمعش میکنی
خوب دوست عزیز نمیشه
مثلا
پیکسل ها بین ۰ و ۲۵۵ هست
S = 0.5 , A = 250 and B = 245
۲۵۰ + (۰/۵*۲۴۵) = ۳۷۲/۵
طبق فرمول از ۲۵۵ میزنه بالا.
اصلا من فرمول دیگه بدست اوردم که این ۲۵۵ بیشتر نشه
اما مشکل اینجاست که من در خروجی یک intensity خروجی دارم و یک scale حالا دو متغیر A و B رو چطور بدست اوردم؟
اصلا اشکال نداره ما میگیم ۳۷۲ هم خوبه . حالا چطوری برگردیم به همان A و B ؟ ما نیاز به برگرداندن دو متغیر داریم
(۰۸ تیر ۱۳۹۵ ۰۸:۵۴ ق.ظ)irpersian20 نوشته شده توسط:(07 تیر ۱۳۹۵ ۱۱:۵۸ ب.ظ)hsehat نوشته شده توسط:
خوب دوست عزیز نمیشه
مثلا
پیکسل ها بین ۰ و ۲۵۵ هست
S = 0.5 , A = 250 and B = 245
۲۵۰ + (۰/۵*۲۴۵) = ۳۷۲/۵
طبق فرمول از ۲۵۵ میزنه بالا.
اصلا من فرمول دیگه بدست اوردم که این ۲۵۵ بیشتر نشه
اما مشکل اینجاست که من در خروجی یک intensity خروجی دارم و یک scale حالا دو متغیر A و B رو چطور بدست اوردم؟
اصلا اشکال نداره ما میگیم ۳۷۲ هم خوبه . حالا چطوری برگردیم به همان A و B ؟ ما نیاز به برگرداندن دو متغیر داریم
خب وقتی شما این کارو میکنی که ماتریس دوم رو حذف نمیکنی. میتونی اونو یه جای دیگه ذخیره کنی. مثلا وقتی A+SB رو روی A جاگذاری میکنی میتونی ماتریس B رو ذخیره کنی و برای برگشت، از روی اون مقادیر ماتریس A رو پیدا کنی.
کلیات این مقاله این هست که میاد برای یک عکس، کانال‌های R و G و B رو جدا میکنه. بعد یکی از کانال‌ها (در اینجا Blue) رو انتخاب میکنه و به ماتریس Singular value تبدیل میکنه. الگوریتم این تبدیل وجود داره ولی در متلب هم دستور ساده‌ی خودش رو داره:
[tex]I=[R,\: G,\: B][/tex]
[tex]B=U\times S\times V[/tex]
که S همان ماتریسی که گفتم هست و ابعادش با [tex]I[/tex] برابر هست.
بعد کاری که میکنه این هست که عکس واترمارک، یعنی [tex]W[/tex] رو اول با الگوریتم آرنلود پیکسل‌هاش رو در هم میکنه که یک عکس واترمارکینگ جدید به اسم فرضاً [tex]W_2[/tex] میده.
بعد میاد این [tex]W_2[/tex] رو در S اضافه میکنه:
[tex]S_2=S+\alpha\cdot W_2[/tex]
و [tex]S_2[/tex] رو در فرمول [tex]B=U\times S_2\times V[/tex] قرار میده و کانال Blue جدید ساخته میشه.
موقع استخراج هم، دوباره Decompose می‌کنند و [tex]S_2[/tex] بدست میاد. سپس با توجه به اینکه عکس اصلی و در نتیجه S رو داریم، [tex]W_2[/tex] بدست میاد:
[tex]S_2=S+\alpha W_2\Longrightarrow W_2=\frac{S_2-S}{\alpha}[/tex]
ضمناً مقدار scaling factor یعنی [tex]\alpha[/tex] مقدادیر مختلفی میتونه داشته باشه، یک صدم یا نیم و ...
بعد از اینکه [tex]W_2[/tex] بدست اومد، معکوس الگوریتم آرنولد که به راحتیِ یک ضرب ماتریس هست رو اعمال میکنیم تا [tex]W[/tex] یعنی عکس واترمارک اولیه بدست بیاد.
سؤالی که ظاهراً برای شما مطرح هست این هست که اگه از ۲۵۶ بالا بزنه چه اتفاقی می‌افته. فرض کنید که
[tex]S=[/tex] \begin{bmatrix}250&200\\50&70\end{bmatrix}
و [tex]W_2=[/tex] \begin{bmatrix}200&150\\90&250\end{bmatrix}
و مقدار آلفا ۰/۵ باشه، در این صورت [tex]S_2=[/tex] \begin{bmatrix}350&275\\95&195\end{bmatrix}
ولی چون ۸ بیت برای نگه داشتن اطلاعات داریم، بیتی که مربوط به ۲۵۶ هست سرریز میشه و هدر میره، یعنی از اعدادی که از ۲۵۵ بیشتر هستند، به مقدار ۲۵۶ تا کم میشه، در نتیجه
[tex]S_2=[/tex] \begin{bmatrix}94&19\\95&195\end{bmatrix}
اما مشکلی ایجاد نمیشه چون وقتی از فرمول [tex]W_2=\frac{S_2-S}{\alpha}[/tex] استفاده می‌کنید، وقتی [tex]S[/tex] رو از [tex]S_2[/tex] کم می‌کنید، درایه‌ی ۲۵۰ از ۹۴ کم خواهد شد، یعنی اول که [tex]S_2-S\: [/tex] رو حساب میکنیم ماتریس زیر بدست میاد:
\begin{bmatrix}-156&-181\\45&125\end{bmatrix}
که اون درایه‌های منفی رو ۲۵۶ تا بهش اضافه میکنیم، مثل این میمونه که موقع تفریق کردن، ۱ بیت از بیت نهم قرض بگیریم. در نتیجه به ماتریس زیر تبدیل میشه:
\begin{bmatrix}100&75\\45&125\end{bmatrix}
که به آلفا یعنی نیم تقسیم کنیم، تبدیل میشه به
\begin{bmatrix}200&150\\90&250\end{bmatrix}
که همون [tex]W_2[/tex] هست. حالا معکوس آرنولد رو میتونی اجرا کنی و خود [tex]W[/tex] رو بدست بیاری.
با تشکر از توضیحات شما
من هر چه از شما تشکر کنم ، کم است.
دو نکته وجود داره:
۱: شما فرمودید :
نقل قول: موقع استخراج هم، دوباره Decompose می‌کنند و S2 بدست میاد. سپس با توجه به اینکه عکس اصلی و در نتیجه S رو داریم، W2 بدست میاد
اما ما در عکسی که داریم. یک عکس واترمارک شده(عکس نهایی که درون اون، عکس جاساز شده) است. ما ضریب داریم و S2 ..دیگر عکس اصلی و عکس که جاساز شده درونش رو به صورت جدا جدا نداریم. یعنی عکس اصلی رو اگر داشته باشیم. فایده نداره..
S را نداریم. S2 را داریم که عکس نهایی رو ازش SVD میگیریم و این S2 از کانال آبی اون در میاد و ضریب را داریم.
نکته ۲:
در مثالی که زدید S را مقادیر intensity واقعی رو گرفتند.اما این ماتریس همان Singular Value هست که حداکثر مقدارش ۱ هست.(در مورد حداکثر مقدارش مطمئن نیستم بین چند هست اما در متلب که تست کردم منفی بود و حداکثر تا یک)
البته بحث سر ریز در موردی که گفتم و این مورد هم صادق هست با مقادیر بالا، که طبق توضیح و مثال شما، قابل حل هست. فقط منظورم این بود که اشاره کنم به این موضوع، که شاید بنده اشتباه کردم در مورد Singular Value .
با احترام
آقا بهنام سلام
میشه یک زحمت بکشید ، این مشکل که در extract کردن عکس رو داریم، حل بشه؟
تو فرمول ما عکس اصلی رو دیگه نداریم که باهاش بتونیم عکس واتر مارک رو بکشیم بیرون.
بعد ما وقتی عکس واترمارک رو وقتی کشیدیم بیرون. اون مقدار S برای عکس اصلی چی میشه؟ بلاخره اونم تغیر کرده
ما در خروجی یک ضریب داریم یک S که مربوط به عکس نهایی هست.
و ۲ تا مقدار نیاز داریم. یکی عکس واترمارک شده، یکی عکس اصلی.
که این دو را باید با یک ضریب و یک S که مال عکس نهایی هست بدست بیاریم
مقاله ای که مرتبط با همین scale factor هست رو پیدا کردم و اونجا جزئیات بیشتر هست اما باز هم تکلیف دو متغیر در هنگامی که بخواهیم عکس واترمارک را بیرون بکشیم. نامعین میمونه
مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
سلام
راستش توو این زمینه اصلاً تخصصی ندارم و اینا هم بر اساس اطلاعات عمومی‌م بود منتهی یه سرچی میزنم و مقاله رو نگاه میکنم شاید متوجه شدم.