圖像信息隱藏技術(shù)要點

學(xué)院名稱：電子與信息工程學(xué)院專業(yè)：計算機科學(xué)與技術(shù)班級：軟件09-1姓名：章小麗學(xué)號09401010207指導(dǎo)教師：鮑淑娣定稿日期：2012年12月31日TOC\o"1-4"\h\z\u目錄一、 摘要 2二、 關(guān)鍵詞 3三、 背景及研究意義 3四、 正文 34.1信息隱藏技術(shù)的基本原理 44.1.1信息隱藏技術(shù)的實現(xiàn) 44.1.2信息隱藏技術(shù)的屬于和模型 44.2圖像信息隱藏技術(shù) 54.2.1圖像 64.2.2圖像的數(shù)字化處理 74.2.3數(shù)字圖像的灰度直方圖 94.2.4常用顏色模型 104.3基于DCT的圖像信息隱藏實例 134.3.1水印的嵌入 134.3.2水印的提取 144.3.3相似度和峰值信噪比計算 14五、 結(jié)論 15六、 文獻 16圖像信息隱藏摘要信息隱藏技術(shù)使用的載體有圖像、視頻、語音及文本等數(shù)字媒體，包括數(shù)字隱寫與隱寫分析兩個方面的內(nèi)容，本文以使用最為廣泛的數(shù)字圖像作為研究對象，以基于數(shù)字圖像的隱寫方法作為研究內(nèi)容。文章介紹了信息隱藏技術(shù)的基本知識和圖像信息隱藏的常用算法，像信息隱藏技術(shù)，并且運用MATLAB7.0進行大量的實驗測試，對該方法的性能進行檢驗分析，表明該方法具有一定的優(yōu)點。關(guān)鍵詞：數(shù)字圖像信息隱藏背景及研究意義二十世紀(jì)九十年代以來，網(wǎng)絡(luò)信息技術(shù)在全世界范圍內(nèi)得到了迅猛發(fā)展，它極大地方便了人們之間的通信和交流。借助于計算機網(wǎng)絡(luò)所提供的強大的多媒體通信功能，人們可以方便、快速地將數(shù)字信息(數(shù)字音樂、圖像、影視等方面的作品)傳到世界各地，一份電子郵件可以在瞬息問傳遍全球。但同時計算機網(wǎng)絡(luò)也成為犯罪集團、非法組織和有惡意的個人利用的工具。從惡意傳播計算機病毒，到非法入侵要害部門信息系統(tǒng)，竊取重要機密甚至使系統(tǒng)癱瘓；從計算機金融犯罪，到利用表面無害的多媒體資料傳遞隱蔽的有害信息等等，對計算機信息系統(tǒng)進行惡意攻擊的手段可謂層出不窮。因此，在全球聯(lián)網(wǎng)的形勢下，網(wǎng)絡(luò)信息安全非常重要，一個國家信息系統(tǒng)的失控和崩潰將導(dǎo)致整個國家經(jīng)濟癱瘓，進而影響到國家安全。密碼技術(shù)是信息安全技術(shù)領(lǐng)域的主要傳統(tǒng)技術(shù)之一，由于加密技術(shù)的局限性，最近十幾年以來，一種新的信息安全技術(shù)——信息隱藏技術(shù)(InformationHiding)迅速地發(fā)展起來。將機密信息嵌入到公開的圖像、視頻、語音及文本文件等載體信息中，然后通過公開信息的傳輸來傳遞機密信息。信息隱藏技術(shù)的研究在信息安全領(lǐng)域中具有重要的地位，它對于軍事、情報、國家安全方面的重要意義不言而喻。它包括了數(shù)字隱寫與隱寫分析兩個方面。一方面要以盡可能隱蔽的方式將信息深藏于浩如煙海的數(shù)字多媒體信號中，毫不引起對方的懷疑而達到隱蔽通信的目的；另一方則要以各種手段檢測可疑信息的存在，尋找敵對隱蔽通信的信源，阻斷隱蔽通信的信道。設(shè)計高度安全的隱寫方法是一項富于挑戰(zhàn)性的課題，而對隱寫的準(zhǔn)確性分析往往比隱寫本身更加困難。數(shù)字隱寫與隱寫分析的交互發(fā)展正方興未艾，成為互聯(lián)網(wǎng)時代信息戰(zhàn)技術(shù)的一個新課題。信息網(wǎng)絡(luò)上的攻防技術(shù)水平將反映一個國家的科技水平和防范意識。正文4.1信息隱藏技術(shù)的基本原理信息隱藏技術(shù)通常使用文字、圖像、聲音及視頻等作為載體，信息之所以能夠隱藏在多媒體數(shù)據(jù)中，主要是利用了多媒體信息的時間或空間冗余性和人對信息變化的掩蔽效應(yīng)。(1)多媒體信息本身存在很大的冗余性，從信息論的角度看，未壓縮的多媒體信息的編碼效率是很低的，所以將某些信息嵌入到多媒體信息中進行秘密傳送是完全可行的，并不會影響多媒體信息本身的傳送和使用。(2)人的視覺或聽覺感官系統(tǒng)對某些信息都有一定的掩蔽效應(yīng)。在亮度有變化的邊緣上，該邊界“掩蔽”了邊緣鄰近像素的信號感覺，使人的感覺變得不靈敏、不準(zhǔn)確，這就是視覺掩蔽效應(yīng)。通常人眼對灰度的分辨率只有幾十個灰度級，對邊緣附近的信息不敏感。利用這些特點，可以很好地將信息隱藏而不被覺察。4.1.1信息隱藏技術(shù)的實現(xiàn)信息隱藏是把一個有意義的信息隱藏在另一個稱為載體的普通信息中得到隱密載體，然后通過普通信息的傳輸來傳遞秘密信息。如圖1所示。非法者不知道這個普通信息中是否隱藏了其他的信息，而且即使知道，也難以提取隱藏的信息。載體S110110101010010010111011隱藏110110101010010010111011隱藏信息M信息隱藏載體S’圖1信息隱藏示意圖4.1.2信息隱藏技術(shù)的屬于和模型一個信息隱藏系統(tǒng)的一般化模型可用圖2表示。我們稱待隱藏的信息為秘密信息(secretmessage)，它可以是版權(quán)信息或秘密數(shù)據(jù)，也可以是一個序列號；稱公開信息為載體信息(covermessage)，這種信息隱藏過程一般由密鑰(Key)來控制，通過嵌入算法(Embeddingalgorithm)將秘密信息隱藏于公開信息中形成隱蔽載體(stegocover)，隱蔽載體則通過信道(Communicationchannel)傳遞，然后檢測器(Detector)利用密鑰從隱蔽載體中恢復(fù)/檢測秘密信息密鑰生成器嵌入密鑰 提取密鑰密鑰生成器 掩體對象嵌入過程提取過程嵌入對象 隱藏對象嵌入對象嵌入過程提取過程 掩體對象 隱藏分析者圖2信息隱藏系統(tǒng)的一般模型該系統(tǒng)主要包括一個嵌入過程和一個提取過程，其中嵌入過程是指信息隱藏者利用嵌入算法，將秘密信息添加到掩體對象中，從而生成隱藏對象這一過程。隱藏對象在傳輸過程中可能被隱藏分析者截獲并進行處理。提取過程是指利用提取算法從接收到的、可能經(jīng)過修改的隱藏對象中恢復(fù)秘密信息，提取過程中可能需要掩體對象的參與，也可能不需要，通常前者稱為非盲提取，后者稱為盲提取。該模型中沒有包括對秘密信息的預(yù)處理和提取后的后處理，在有些情況下，為了提高保密性需要預(yù)先對秘密信息進行預(yù)處理(例如加密)，相應(yīng)地在提取過程后要對得到的信息進行后處理(例如解密)，恢復(fù)出秘密信息。4.2圖像信息隱藏技術(shù)目前信息隱藏研究中使用的載體信息有幾種：文本、圖像、語音信號、視頻信號和應(yīng)用軟件。數(shù)字圖像由于大量存在，因而被研究最多的是圖像中的信息隱藏，而且，圖像信息隱藏所研究的方法往往經(jīng)過改進可以輕易地移植到其他的載體中。在國內(nèi)15種有關(guān)圖像工程的重要中文期刊中關(guān)于圖像和信息隱藏的文獻，2003年有49篇，2004年有57篇，2005年有48篇，信息隱藏已成為圖像技術(shù)中的一個重要研究熱點。用于進行隱蔽通信的圖像信息隱藏算法可以分為兩大類：基于空域的信息隱藏算法和基于變換域的信息隱藏算法?；诳沼蛐畔㈦[藏算法中的典型算法是LSB算法，該算法的主要特點是在載體圖像中嵌入的隱藏信息數(shù)據(jù)量大，但是嵌入位置固定，安全性差，嵌入的隱藏信息易被破壞，魯棒性不高；基于變換域信息隱藏算法中的典型算法是離散余弦變換域的信息隱藏算法，該算法嵌入信息能夠抵御多種攻擊，具有較好的魯棒性，并且嵌入方式多種多樣，增加了攻擊者提取的難度，具有一定的安全性，但是該類算法嵌入的隱藏信息數(shù)據(jù)量較小，不適合于進行大數(shù)據(jù)量的隱蔽通信。這里介紹了圖像的定義和類型，圖像的數(shù)字化處理過程，灰度直方圖的概念和作用，常用的顏色模型，討論了圖像質(zhì)量評價方法；然后討論了兩種空域隱藏算法：LSB替換算法和基于統(tǒng)計的信息隱藏算法；接著介紹了變換域隱藏算法的原理和優(yōu)越性，在此基礎(chǔ)上討論了基于離散傅里葉變換的圖像信息隱藏算法、基于離散余弦變換(DCT)的圖像信息隱藏算法、基于離散小波變換的圖像信息隱藏算法，對基于離散余弦變換(DCT)的圖像信息隱藏算法做了詳細的論述，給出了算法流程、程序和實例效果。4.2.1圖像圖像是用各種觀測系統(tǒng)以不同形式和手段觀測客觀世界而獲得的，可以直接或間接作用于人眼并進而產(chǎn)生視知覺的實體。人的視覺系統(tǒng)(HVS：humanVisionsystem)就是一個觀測系統(tǒng)，通過它得到的圖像就是客觀景物在人心目中形成的影像。視覺是人類從大自然中獲取信息的最主要的手段。據(jù)統(tǒng)計，在人類獲取得信息中，視覺信息約占60％，聽覺信息約占20％，其他方式獲取的信息加起來約占20％。由此可見，視覺信息對人類非常重要。同時，圖像又是人類獲取視覺信息的主要途徑，是人類能體驗的最重要、最豐富、信息量最大的信息源。一幅圖像包含了它所表示的物體的有關(guān)信息，在較廣的定義下，圖像也包括人眼不能感知的各種“表示”。圖像可根據(jù)其形式或產(chǎn)生方法來分類。為此，引入一個集合論的方法，將圖像的類型用圖3來表示。物體物體圖像圖像數(shù)學(xué)圖像可見圖像數(shù)學(xué)圖像可見圖像圖片圖片模擬模擬不可見圖像光學(xué)圖像數(shù)字不可見圖像光學(xué)圖像數(shù)字圖3圖像的模型在圖像集合中，包含了所有可見的圖像(visibleimage)，即可由人眼看見的圖像的子集，在該子集中又包含幾種不同方法產(chǎn)生的圖像的子集，一個子集為圖片(picture)，它包括照片(photograph)、圖(drawing)和畫(painting)。另一個子集為光學(xué)圖像(opticalimage)，即用透鏡、光柵和全息技術(shù)產(chǎn)生的圖像。圖像的另一個子集是由連續(xù)函數(shù)和離散函數(shù)組成的抽象的數(shù)學(xué)圖像，其中后一種是能被計算機處理的數(shù)字圖像(digitalimage)?？陀^世界在空間上是三維的，但一般從客觀景物得到的圖像是二維的。一幅圖像可以用一個二維函數(shù)f(x,y)來表示，也可看作是一個二維數(shù)組，x和y表示二維空間XY中一個坐標(biāo)點的位置，代表圖像在點(x,y)的某種性質(zhì)F的數(shù)值，例如一種常用的圖像是灰度圖(如圖4)，此時f表示灰度值，它對應(yīng)客觀景物被觀察到的亮度。127220178981732521726112717312736圖4灰度圖像及其函數(shù)表示日常見到的圖像多是連續(xù)的，有時又稱之為模擬圖像，即f,x和y的值可以是任意實數(shù)。為了便于計算機處理和存儲，需要將連續(xù)的圖像在坐標(biāo)空間XY和性質(zhì)空間F都離散化。這種離散化的圖像就是數(shù)字圖像(digitalimage)，可以用I(r,c)來表示。其中，r代表圖像的行(row)，c代表圖像的列(column)。這里I,r,c的值都是整數(shù)。在不致引起混淆的情況下我們?nèi)杂茫甪(x,y)表示數(shù)字圖像,f,x和y都在整數(shù)集合中取值。4.2.2圖像的數(shù)字化處理實際的圖像具有連續(xù)的形式，但必須經(jīng)過數(shù)字化變成離散的形式，才能在計算機中存儲和運算。數(shù)字化包括采樣和量化兩個步驟。采樣就是用一個有限的數(shù)字陣列來表示一幅連續(xù)的圖像，陣列中的每一個點對應(yīng)的區(qū)域為“采樣點”，又稱為圖像基元(pictureelement)，簡稱為像素(pixel)。采樣時要滿足“采樣定理”。這個過程是通過掃描實現(xiàn)的，輸出的量是連續(xù)的電平?！傲炕本褪菍@個模擬輸出量取離散整數(shù)值，這個過程用A/D器件實現(xiàn)。1．圖像的采樣圖像采樣的常見方式是均勻的矩形網(wǎng)格，如圖5所示，將平面(x,y)沿x方向和y方向分別以△x和△y為間隔均勻地進行矩形的劃分，采樣點為x=i△xy=j△y于是連續(xù)圖像f(x,y)對應(yīng)的離散圖像f1(x,y)可表示為（5-1）(5-1)Y △x △y X圖5典型的矩陣網(wǎng)格采樣方式2．圖像的量化經(jīng)過采樣后，模擬圖像已被分解成空間上離散的像素，但這些像素的取值仍然是連續(xù)量。量化就是把采樣點上表示亮暗信息的連續(xù)量離散化后，用數(shù)字來表示。根據(jù)人眼的視覺特性，為了使量化后恢復(fù)的圖像具有良好的視覺效果，通常需要100多個量化等級。為了計算機的表達方便，通常取為2的整數(shù)次冪，如256、128等。圖6所示是量化操作的示意圖。 F2 F0 F1圖6量化示意圖將連續(xù)圖像的像素值分布在[f1,f2]范圍內(nèi)的點的取值量化為f0，稱之為灰度值和灰階。把真實值f和量化值f0之差稱為量化誤差。量化方法有兩種。一般采用等間隔廊一量化，稱之為均勻量化。對于像素灰度值在從黑到白的范圍內(nèi)較均勻分布的圖像，這種量化可以得到較小的量化誤差。另一種量化方法是非均勻量化，它是依據(jù)一幅圖像具體的灰度值分布的概率密度函數(shù)，按總的量化誤差較小的原則來進行量化。具體做法是對圖像中像素灰度值頻繁出現(xiàn)的范圍，量化間隔取小一些，而對那些像素灰度值極少出現(xiàn)的范圍，則量化間隔取大一些。這樣就可以在滿足精度要求的情況下用較少的位數(shù)來表示。3．?dāng)?shù)字圖像的表示經(jīng)過采樣和量化操作，就可以得到一幅空間上表現(xiàn)為離散分布的有限個像素，灰度取值上表現(xiàn)為有限個離散的可能值的數(shù)字圖像。數(shù)字化之后的圖像用一個矩陣表示g=[g(x，y)]式中x、y是整數(shù)，且1≤x≤M，I≤Y≤N，表示矩陣的大小為M*N．其中M為采樣的行數(shù)N為采樣的列數(shù)。除了常見的矩陣形式外，在MATLAB運算等情況下，常將圖像表示成一個向量：g=[g(1)g(2)?g(j)?g(N)]。式中，g(j)是行向量或列向量。向量g是把式中元素逐行或逐列串接起來形成的。4.2.3數(shù)字圖像的灰度直方圖灰度直方圖是數(shù)字圖像的重要特征之一。它是關(guān)于灰度級分布的函數(shù)，反映一幅圖像中各灰度級與各灰度級像素出現(xiàn)的頻率之間的關(guān)系?；叶燃墳閇O，L-1]的數(shù)字圖像的灰度直方圖通常用離散函數(shù)h(Rk)表示，定義如下：h(Rk)其中Rk為第k級灰度，Nk是圖像中具有灰度級Rk的像素個數(shù)。顯然0≤k≤L-1，0≤Nk≤n-1，n為圖像總的像素數(shù)目。在圖像處理中常用的是歸一化的直方圖P(Rk)。(5-2)(5-3)P(Rk)反映了圖像中各個灰度級的分布概率，是能夠反映圖像整體特征的一個統(tǒng)計量?？梢钥闯?，直方圖很直觀地反映了圖像的視覺效果。對于視覺效果良好的圖像，它的像素灰度應(yīng)該占據(jù)可利用的整個灰度范圍，而且各灰度級分布均勻。值得一提的是，灰度直方圖只能反映圖像的灰度分布情況，而不能反映圖像像素的位置，即丟失了像素的位置信息。圖像的灰度直方圖在信息隱藏技術(shù)中得到了重要的應(yīng)用。提出了基于差分直方圖實現(xiàn)LSB信息隱藏的可靠性檢測方法，研究了一種基于頻率域差分直方圖能量分布的可對DFT域、DCT域和DWT域圖像信息隱藏實現(xiàn)通用盲檢測的方法。提出了基于空域直方圖、頻域直方圖的無損數(shù)據(jù)隱藏方法。一個灰度直方圖的例子如圖7所示。 P(R) 0 255圖7灰度直方圖示例4.2.4常用顏色模型所謂顏色模型就是指某個三維顏色空間中的一個可見光子集，它包含某個顏色域的所有顏色。常用的顏色模型可分為兩類，一類面向諸如彩色顯示器或打印機之類的硬設(shè)備，另一類面向以彩色處理為目的的應(yīng)用。面向硬設(shè)備的最常用的模型是RGB模型，而面向彩色處理的最常用模型是HIS模型。這兩種模型也是圖像技術(shù)最常見的模型。1．RGB模型RGB顏色模型基于笛卡兒三維直角坐標(biāo)系，3個軸分別為紅、綠、藍三基色，各個基色混合在一起可以產(chǎn)生復(fù)合色，如圖3.6所示。RGB顏色模型通常采用圖8所示的單位立方體來表示，在正方體的主對角線上，各原色的強度相等，產(chǎn)生由暗到明的白色，也就是不同的灰度值。(0,0,0)為黑色，(1,1,1)為白色。正方體的其它六個角點分別為紅、黃、綠、青、藍和品紅。紅紅藍綠黃=紅+綠品紅=紅+藍青=綠+藍白=紅+綠+藍圖8RGB混合效果 藍(0,0,1) 青(0,1,1) 白(1,1,1) 品紅(1,0,1) 黑(0,0,0) 綠(0,1,0) 紅(1,0,0) 黃(1,1,0)圖9RGB立方體根據(jù)這個模型，一幅彩色圖像每個像素的顏色都用三維空間的一個點來表示，由紅、綠、藍三基色以不同的比例相加混合而產(chǎn)生的。C=aR+bG+cB(5-3)其中C為任意彩色光，a,b,c,為三基色R、G、B的權(quán)值。R、G、B的亮度值限定在[0-255]。2．HSV模型該模型對應(yīng)于圓柱坐標(biāo)系的一個圓錐形子集(圖10)。圓錐的頂面對應(yīng)于V=1，代表的顏色較亮。色彩H由繞V軸的旋轉(zhuǎn)角給定，紅色對應(yīng)于角度0度，綠色對應(yīng)于角度120度，藍色對應(yīng)于角度240度。在HSV顏色模型中，每一種顏色和它的補色相差180度。飽和度s取值從0到1，由圓心向圓周過渡。在圓錐的頂點處，V=0，H和S無定義，代表黑色，圓錐頂面中心處S=0，V=1，H無定義，代表白色，從該點到原點代表亮度漸暗的白色，即不同灰度的白色。任何V=1，S=1的顏色都是純色。V綠（120度）黃青紅（0度）藍（240度）品紅H0S圖10HSV顏色模型HSV顏色模型對應(yīng)于畫家的配色方法。畫家用改變色濃和色深的方法來從某種純色獲得不同色調(diào)的顏色。其做法是：在一種純色中加入白色以改變色濃，加入黑色以改變色深，同時加入不同比例的白色，黑色即可得到不同色調(diào)的顏色。如圖11所示，為具有某個固定色彩的顏色三角形表示。 色濃 白 純色 色調(diào) 灰 色深 黑圖11顏色三角形4.3基于DCT的圖像信息隱藏實例離散余弦變換是一種實數(shù)域變換，基于DCT變換的編碼方法是JPEG標(biāo)準(zhǔn)算法的核心內(nèi)容，它主要包括編碼和解碼兩個過程。在對圖像進行編碼之前首先要對圖像進行預(yù)處理，也就是把圖像劃分為數(shù)據(jù)單元。在對圖像進行處理時，有損模式下，通常DCT算法采用將8×8像素塊作為一個數(shù)據(jù)單元，對8×8大小的圖像數(shù)據(jù)塊進行二維離散余弦變換。在編碼器的輸入端，把原始圖像分割成一系列順序排列的由8×8像點構(gòu)成的數(shù)據(jù)子塊。由于原始圖像的采樣數(shù)據(jù)是無符號整數(shù)，根據(jù)需要，要把其轉(zhuǎn)換為有符號整數(shù)。源圖像的8×8數(shù)據(jù)塊由64個像點構(gòu)成，64個像點實質(zhì)上就是64個離散信號，輸入后被分成64個正交基信號。每個正交基信號對應(yīng)于64個獨立二維空間頻率中的一個。FDCT即正變換輸入64個基信號的幅值稱作“DCT系數(shù)”，即DCT變換系數(shù)。64個變換系數(shù)中包括一個表示直流分量的“DC系數(shù)”和63個表示交流分量的“AC系數(shù)”。壓縮數(shù)據(jù)的重要一步，就是對DCT系數(shù)進行量化，它是造成DCT編解碼信號損失的根源。DCT系數(shù)量化一般根據(jù)一張量化表提供的元素進行量化。量化表中的元素是根據(jù)人類的視覺特性制作的。數(shù)字水印算法的實現(xiàn)基本上分為三個部分：水印的嵌入、水印的提取和相似度計算。4.3.1水印的嵌入(1)首先對原始圖像進行DCT變換。(2)水印信號的產(chǎn)生。Cox等指出由高斯隨機序列構(gòu)成的水印信號具有良好的魯棒性，在許多文獻中也都是將高斯隨機序列作為水印信號。因此本文所采用的水印信號W為服從正態(tài)分布N(0,1)，長度為n的實數(shù)隨機序列。即:W=（Xi，0≦i≦n）。(3)水印的嵌入。選擇將水印信號放在宿主信號的哪些位置，才能夠更好的保證其具有良好的魯棒性。Cox等認(rèn)為圖像水印應(yīng)該放在視覺上最重要的分量上。由于視覺上重要的分量是圖像信號的主要成分，圖像信號的大部分能量都集中在這些分量上，在圖像有一定失真的情況下，仍然能保留主要成分，即視覺上重要的分量的抗干擾能力較強，因此將數(shù)字水印嵌入到這些分量上，可以獲得較好的魯棒性。當(dāng)水印信號相對宿主信號較小時，還可以保證不可見性。所以本算法將服從N(0,1)分布的隨機序列構(gòu)成的水印序列放到DCT變換后圖像的重要系數(shù)的幅度中，增強水印的魯棒性。水印嵌入公式為(6-1)V′=V(1+aXk)(6-1)其中V為原始圖像信息，a為嵌入系數(shù)，X為水印信息，V′為生成水印圖像信息。(4)進行二維離散余弦反變換，得到嵌入水印的圖像，如圖12所示。圖12原始圖像與嵌入水印后的圖像對比4.3.2水印的提取對原始圖像和嵌入水印的圖像分別進行離散余弦變換。利用Xk=(V′′/V-1)/a提取水印。從沒有受到攻擊的水印圖像中提取出水印，與原始水印進行對比，如圖13所示。圖13未受攻擊的含水印圖像提取的水印與原始水印圖像比較4.3.3相似度和峰值信噪比計算根據(jù)相似度的值即可判斷圖像中是否含有水印信號，從而達到版權(quán)保護的目的。對被恢復(fù)出的水印信號和原始水印信號的相似程度進行計算。MSE指MeanSquareError（均方誤差，各值相差的n次方和的平均值的n次平方根）。MSE=sum[(recpixel-orgpixel)^2]/ImageSize(4-2)PSNR是“PeakSignaltoNoiseRatio”的縮寫。peak的中文意思是頂點。而radio的意思是比率或比列的。整個意思就是到達噪音比率的頂點信號，P