一种灰度水印的自适应鲁棒算法
如何优化计算机视觉算法的鲁棒性
如何优化计算机视觉算法的鲁棒性计算机视觉算法的鲁棒性是指算法在面对各种干扰和噪声时能够保持准确可靠的能力。
优化计算机视觉算法的鲁棒性可以提高算法在实际场景中的应用价值，让其更加稳定、可靠地对图像和视频进行处理。
本文将从图像预处理、特征提取、模型设计和数据增强等方面探讨如何优化计算机视觉算法的鲁棒性。
一、图像预处理图像预处理是优化计算机视觉算法鲁棒性的重要环节。
在输入图像经过预处理之后，可以更好地适应不同的光照、噪声等环境因素，从而提高算法的鲁棒性。
1. 图像去噪噪声对计算机视觉算法会产生干扰，影响算法的准确性。
应该采用适当的去噪方法，例如基于滤波的方法，如均值滤波、中值滤波等，可以有效地降低图像中的噪声，并提高算法的鲁棒性。
2. 图像增强图像增强可以提高图像的质量以及对比度，使算法更容易提取特征。
一种常用的图像增强方法是直方图均衡化，通过调整图像的灰度分布，增强图像细节，提高算法的鲁棒性。
二、特征提取特征提取是计算机视觉算法中的重要环节，优化特征提取可以提高算法的鲁棒性。
以下是一些常用的特征提取方法：1. 尺度不变特征变换(SIFT)SIFT是一种基于局部特征的算法，对于尺度、旋转、仿射变换等具有较好的鲁棒性。
它通过在图像中检测局部特征点，提取描述符，并进行匹配来实现特征提取。
2. 主成分分析(PCA)PCA是一种常用的降维方法，它可以将高维特征映射到低维空间中，提取出最具代表性的特征。
通过PCA降维，可以减少特征维度，提高计算速度，并提高算法的鲁棒性。
三、模型设计模型设计是计算机视觉算法中非常关键的一环，合理的模型设计可以提高算法的鲁棒性。
以下是一些模型设计的技巧：1. 深度学习模型随着深度学习的快速发展，在计算机视觉领域中，深度学习模型已经取得了很多突破性进展。
合理地设计深度学习模型，可以提高算法的鲁棒性和准确性。
2. 多模态融合当处理多模态(如图像、文本、音频等)数据时，可以利用不同模态数据之间的互补性，进行多模态融合。
基于奇异值分解的灰度水印算法
２ １ 年ｇ ｌ ０ ０ ｌ期
中 图分 类 号 ： ｏ ９ Ｉ 文 献标 识 码 ： Ａ 文 章 编 号 ：０９－ ５２ ２ １ ） １ ０ ８ ０ １０ ２ ５ （０ ０ １ — ０ ７— ３
基 于奇 异 值分 解 的灰 度水 印算 法
刘俊清 赵 海 黄 轶 ， ，
（ ．沈 阳工程学 院 自控 系，沈 阳 １０３ ；２ １ １ １６ ．华北科技学院电信 系，北京 １１０ ） ０ ６ １
摘 要 ： 出了一种基于离散小波 变换和奇异值分解的灰度水 印算法。首先在嵌入前对水印做 提
Ａｎ ｌ ｒｏｄ置乱 处理 ，然后 对置乱后 的水 印 图像及 其原 图像 进行 离散 小波 变换 分解 ， 同时保 留小波分
解后水印的高频 系数，并在水印检测过程 中作为密钥使用。最后对原图像 小波变换后的 中低频 系 数进行奇异值分解 （Ｖ ） Ｓ Ｄ ，并把相应的水印嵌入其中。实验结果表明，上述算法能够经受住 剪切、噪声、滤波、压缩等处理，具有很强的鲁棒性 。
ｍａ ｉｇ 技术正 是 在 这 个 背景 下 诞 生 的 ， 作 为 一 ｒｎ） ｋ 并 种潜 在 的解决 方案 已受 到 广泛 关 注 ， 为 国际 学术 成 界研究 的一个 热点 ¨ 。 现在大多数 图像水 印研究集 中在 不可见水 印研 究上 ， 不可视水 印算 法从 实 现上 基 本 上可 以分为 两 类 ： 方法和 变换 域 方法 。空 域 方法 通 过直 接 改 空域
基于混沌映射的鲁棒性图像水印算法
维普资讯
第 １ 期
２Ｏ 年 １ Ｏ２ ＿ 月
电
子
学
报
Ⅷ
３ Ｎｏ Ｌ ０ ．
Ａ Ａ ＥＬ ＣＴ ＥＣＩ ￣ＯＮＩ Ａ Ｉ Ａ Ｃ ＳＮＥ
Ｊ 肌 ２ Ｏ Ｏ２
基 于 混 沌 映 射 的鲁 棒 性 图像 水 印 算 法
张春 田 ， 张 静
性 ．
关键词 ： 数 字图像水 印 ；混 沌映射 ；几何校 准 ；鲁棒 性
中圉 分类号 ： Ｔ ３ １ Ｐ ９
文献标 识璃 ： Ａ
文章编 号 ： ０ ７—１２（Ｏ ２ １ ） ３ ２２ １ ２０ ）０ 自 讲
Ｒｏ ｕ ｔＩ ａ ｅ Ｗ ａｅ ｍａ ｋｎ ａ ｅ ｎ Ｃｈ ｏ ｉ ｐ ｉｇ ｂ ｓ ｍ ｇ ｔ ｒ ｒｉｇ Ｂ ｓ ｄ ｏ ａ ｔ Ｍａ ｐｎ ｃ
Ｉ 引 言
－算 机 网络的普 及 和数 字多 媒体 产 品 的大 量涌 出 ． 得 十 使
在 数 字 产 品版 权 保 护 方技 术 日益 为 学 界 和 商 界 所 关 注 ． 现 在 的 水 日算 法 ， 少 能 具 有 比 但 】 较 较 全 面 的 鲁 棒 性 ． Ｖ ｙｆｉ等 给 出 的 混 沌 数 字 水 印 算 法 。， 如 ｏａｚ ｉｓ ＇ １
（ 津 大 学 电 子 信 息 工 程 学 院 ， 津 ３ ０７ ） 天 天 ０ ０２
自适应融合的小波域水印方法
算融合参数 的方法 ，该 方法可 以针对不同的载体 图像、水 印信息及攻 击类型计算出对应的融合参数 。与现有方法相 比，该方法可以避免重 复实验 ，无需对嵌 入水 印的载体图像所受攻击类型进行预 估。实验结果表 明，该方法 自 适应能力 强、运 算效率 较高。 关健词 ：灰度水 印 ；自适应融合 ；拼贴误差 ；分形 编码 ；峰值信噪 比
一
取 及传播信息提供 了便利 。然而 ，也 带来 了负面效 应 ，即数 字 产品在未经产权者允许 的情况下恶意 的拷贝 和传 播 ，导致 数字产品的侵权 问题 日益严峻 。因此 ，如何在 网络环境 中实 中 号 Ｎ４ 田 类 ： ９ ５
自适应 融 合 的 小 波域 水 印方 法
任 泽民 ，何传江 ，李 梦１ ９李建 国
（． １ 重庆大学数学与 统计学院 ，重庆 ４ ０ ３ ；２ 重庆 金美通信 责任 有限公司 ，重庆 ４ ０ ３ ） ０００ ． ０００
摘
要 ：当前多数水印 方法通 过实验获取最佳融合参数 或直接采 用固定的融合参数 ，但都无法获得理想 的效果 。为此 ，提出一种 自适应计
｜ ｓｒｃ ］Ｄｉｉ ｌ ａｅｍａｋｔｃｎｑ ｅ ｓ ｒｐ ｓｄａ ｌｔ ｎｆｒ ｒｂｅ ｆ ｏ ｙ ｇ ｔ ｒｊｃｉｎ Ｍｏ ｔ ｆ ｕｒｎ ｇ ｔ ａｋｓｈ ｍｅ Ａｂｔａ ｔ ｇｔ ｔｒ ｒ ｈ ｉｕ ｏ ｏｅ ｓ ｓ ｕｉ ｏ ｌ ｏ ｐ ｒ ｈ ｏｅ ｔ ． ｓ ｏ ｒ ｔｍａｅｗａｅ ｒ ｅ ｓ ａｗ ｅ ｉｐ ａｏ ｏ ｏｐ ｍｓ ｃ ｉ ｐ ｏ ｃ ｅ ｉ ｍ ｒ ｃ
Ｗ ａ ｅ ｅ ｍ ａ ｎ、 ａ ｅ ｍ ａ ｋ Ｍ ｅ ｈ ｄ ｗｉ ａ ｔｖ ｓｏ ｖ ｌｔ Ｄｏ ｉ ｖ ｔｒ ｒ ｔ ｏ ｔ Ａｄ ｏ ｉ ｅＦｕ ｉ ｎ ｈ
基于纹理特征的鲁棒图像水印算法研究
特征 区域联 系起 来 ， 保证 水 印的 不 可 见性 的 同 在
产 品的数字 化和 网络化 特征为 版权 保护 带来 了新 的
时， 增强 水 印的鲁棒 性 。
难度 。数字水印技术被认为是解决数字作品版权保 护 的一个重 要手段 。第一 代数 字 水印 主要 是在 时间 域 和变换域 上进行 研 究 ， 且 认 为 在 变换 域 上嵌 入 并 水 印 比在 时间域 上 具 有更 高 的鲁棒 性 。因此 ， 种 各 基于傅里叶变换和小波变换的水印算法得到广泛研 究 。而在 水印处 理过 程 中利 用水 印载体 重要数 据特 征的水印算法成为第二代水印的标志。在以图像为 水 印载体 的研究 中 ， 征可 以是边 缘 ， 理或者 是 图 特 纹 像中具有一定特征的部分。目前的大多数基于图像 特征 的数字 水 印算 法 大 都 使 用全 局 图像 特征 ， 能 不 够有 效反 映图像 的重要 视觉 特性 。而本 文提 出了一 种基于图像纹理特征 区域的数字水 印算法 ， 较合理
ａｇ ｒｔｍ ｘ ｒｃｓ ｓｒｎ ｅ ｔ ｒ ｅ ｔｒ ｏ ｅ ｉｔ ｔ ｃ ｓｏ ｔｒ ｒ ｉ ｇ ｃ ｒｉｒｉ ｇ ｌｏ ｉｈ ｅ ｔａ ｔ ｔｏ ｆａｕ ｅ ｖ ｃ ｏｓｆｒｒ ｓｓｉ ａｔ ｋ ｆｗａｅｍａｋ ｎ ａｒｅ ｍａ ｅ．Ｔｈ ｎ ｈｅ ａ ｃ ｉａ ｇ ｇ ｎ ａ ｅ ｉｒｒ ｈｃ ｌ
维普资讯
２ ０ 牟第６ ０８ 期
中图分类号 ：Ｐ０ Ｔ ３９ 文献 标识码 ： Ａ 文章编号 ：０９ ５２ ２０ ）６ １８— ４ １０ —２５ ｛０８ ０ 一ｏ２ ０
基 于纹 理 特 征 的鲁棒 图像 水 印算 法研 究
袁 磊 ，冯 涛 ，王 毓 张 洋 ，
Ｒｏ ｕ ｔｉ ａ ｅ ｗａ ｅ ｍ ａ ｋ ｎ ｓ ｄ ｏ ｅ ｔ ｒ ｄ ｆ ａ ｕ ｅ ｂ ｓ ｍ ｇ ｔ ｒ ｒ ｉ ｇ ｂａ ｅ ｎ ｔ ｘ ｕ ｅ ｅ ｔ ｒ ｓ
halcon 边缘检测算子
halcon 边缘检测算子摘要：1.边缘检测的定义和意义2.常见的边缘检测算子3.Halcon 边缘检测算子的特点和应用4.Halcon 边缘检测算子的优缺点5.结论正文：边缘检测是计算机视觉和图像处理领域的重要技术之一，其目的是从图像中提取出物体边缘的信息。
边缘检测的定义是：使用数学方法提取图像像元中具有亮度值（灰度）空间方向梯度大的边、线特征的过程。
边缘，是指周围像素灰度有阶跃变化或屋顶等变化的那些像素的集合。
图像的边缘对应着图像灰度的不连续性。
显然图像的边缘很少是从一个灰度跳到另一个灰度的理想状况。
真实图像的边缘通常都具有有限的宽度呈现出陡峭的斜坡状。
边缘的锐利程度由图像灰度的梯度决定。
梯度是指灰度变化的最快的方向和数量。
常见的边缘点有三种，分别是阶梯形边缘、脉冲形边缘和屋顶形边缘。
在边缘检测中，有许多常见的边缘检测算子，如Sobel 算子、Prewitt 算子、Roberts 算子和Canny 算子等。
这些算子都有各自的特点和适用场景。
Sobel 算子主要用来检测边缘，其技术上是以离散型的差分算子，用来运算图像亮度函数的梯度的近似值。
Prewitt 算子和Roberts 算子也是常用的边缘检测算子，它们通过计算图像的梯度来检测边缘。
Canny 算子则是一种多步骤的边缘检测算法，能够检测出更加精确的边缘。
Halcon 边缘检测算子是Halcon 图像处理库中的一种边缘检测算子。
Halcon 边缘检测算子的特点是能够自适应地调整边缘检测的参数，如边缘检测的阈值、边缘检测的类型等。
这使得Halcon 边缘检测算子能够更好地适应不同的图像和应用场景。
Halcon 边缘检测算子的应用主要包括机器视觉、工业自动化、医学影像处理等领域。
Halcon 边缘检测算子的优缺点如下。
优点：首先，Halcon 边缘检测算子具有较高的检测精度和鲁棒性，能够检测出图像中的细小边缘和噪声干扰；其次，Halcon 边缘检测算子具有自适应的参数调整能力，能够适应不同图像和应用场景；最后，Halcon 边缘检测算子的计算效率较高，能够在较短的时间内完成边缘检测任务。
一种基于图像处理的裂缝自动检测算法
一种基于图像处理的裂缝自动检测算法一、裂缝自动检测算法概述随着现代工程的快速发展，对结构健康监测的需求日益增长。
裂缝作为结构损伤的一种重要表现，其检测和评估对于确保工程安全至关重要。
传统的裂缝检测方法依赖于人工目视检查，这种方法不仅效率低下，而且容易受到主观因素的影响。
因此，开发一种基于图像处理的裂缝自动检测算法显得尤为重要。
这种算法能够自动化地从图像中识别和测量裂缝，大大提高了检测的效率和准确性。
1.1 裂缝自动检测算法的核心特性裂缝自动检测算法的核心特性包括高准确性、高效率和适应性强。
高准确性意味着算法能够准确地识别出图像中的裂缝，即使在复杂的背景和光照条件下也能保持较高的识别率。
高效率则表示算法能够快速处理大量图像数据，满足实时监测的需求。
适应性强则是指算法能够适应不同类型的结构表面和裂缝形态。
1.2 裂缝自动检测算法的应用场景裂缝自动检测算法的应用场景非常广泛，包括但不限于以下几个方面：- 桥梁监测：自动检测桥梁表面的裂缝，评估桥梁的健康状况。
- 大坝检查：监测大坝表面和内部的裂缝，预防潜在的安全隐患。
- 建筑外墙检查：检测建筑物外墙的裂缝，评估建筑物的结构完整性。
- 道路检测：识别路面裂缝，为道路维护和修复提供依据。
二、裂缝自动检测算法的工作原理裂缝自动检测算法通常包括图像预处理、裂缝特征提取、裂缝识别和裂缝参数测量等几个关键步骤。
2.1 图像预处理图像预处理是裂缝检测算法的第一步，其目的是提高图像的质量，为后续的特征提取和识别打下良好的基础。
预处理步骤通常包括去噪、增强对比度、灰度化和二值化等操作。
去噪可以减少图像中的随机噪声，增强对比度有助于突出裂缝与背景的差异，灰度化和二值化则简化了图像数据，便于后续处理。
2.2 裂缝特征提取裂缝特征提取是算法的核心环节，其目的是从预处理后的图像中提取出与裂缝相关的特征。
这些特征可以是裂缝的颜色、纹理、形状或几何属性。
特征提取的方法多种多样，包括基于边缘检测的算法、基于纹理分析的算法和基于机器学习的算法等。
matlab实现自适应阈值的canny算法
一、背景介绍随着数字图像处理技术的不断发展，图像边缘检测一直是计算机视觉和图像处理领域的关键问题之一。
Canny算法作为一种经典的边缘检测算法，在实际应用中具有较高的准确性和鲁棒性，因此被广泛应用于各种图像处理任务中。
Canny算法的核心思想是利用图像的梯度信息来检测图像中的边缘，同时通过非极大值抑制和双阈值检测来提取最终的边缘信息。
二、Canny算法原理1. 高斯模糊：为了减少图像中的噪声对边缘检测的影响，Canny算法首先对图像进行高斯模糊处理，通过平滑图像来减少噪声的影响。
2. 梯度计算：接下来，Canny算法利用Sobel算子计算图像的梯度幅值和方向，得到图像的梯度信息。
3. 非极大值抑制：Canny算法通过比较图像中每个像素点的梯度方向，来抑制非边缘像素，从而得到更细化的边缘信息。
4. 双阈值检测：Canny算法利用双阈值检测来进一步筛选边缘像素，从而得到最终的边缘信息。
三、Matlab实现Canny算法1. 读取图像：使用Matlab的imread函数读取待处理的图像，并将其转换为灰度图像。
2. 高斯模糊：利用Matlab中的imgaussfilt函数对灰度图像进行高斯模糊处理，减少图像中的噪声。
3. 计算梯度：使用Matlab中的imgradient函数计算图像的梯度幅值和方向。
4. 非极大值抑制：编写代码实现对图像的非极大值抑制处理，保留图像中的边缘像素。
5. 双阈值检测：通过设定合适的高低阈值，使用Matlab中的imbinarize函数对图像进行双阈值检测，得到最终的边缘信息。
6. 显示结果：使用Matlab中的imshow函数将原始图像和处理后的边缘图像进行显示，观察算法的效果。
四、自适应阈值优化1. 传统Canny算法中，阈值的设定是一个固定的数值，对于不同图像可能会产生较大的误差。
2. 为了进一步提高Canny算法的准确性和鲁棒性，在阈值的设定上可以引入自适应阈值技术。
灰度质心法原理(一)
灰度质心法原理(一)灰度质心法：从概念到应用什么是灰度质心法？灰度质心法是一种在图像处理和计算机视觉领域中常用的图像分割算法。
它基于图像的灰度信息，将图像划分为若干个区域，并根据每个区域的灰度值计算出该区域的质心位置。
灰度质心的定义与计算在灰度图像中，每个像素点的灰度值表示其亮度。
灰度质心是指在一个区域内，所有像素点的灰度值与其相对应的位置的乘积之和除以区域内像素点的总灰度值之比。
换句话说，灰度质心代表了一个区域的平均灰度值所在的位置。
计算灰度质心的过程可以简化为以下三个步骤：1.遍历图像的每个像素点；2.累加每个像素点的灰度值与其坐标的乘积；3.计算所有像素点的灰度值之和。
最后，将累加的结果除以灰度值之和，即可得到灰度质心的坐标。
灰度质心法的应用领域1. 图像分割灰度质心法可用于图像分割，将图像分割为多个具有相似灰度特征的子区域。
通过计算每个子区域的灰度质心，可以获取每个区域的位置信息，从而实现对图像中不同目标的自动提取和定位。
2. 目标识别与跟踪在目标识别与跟踪领域中，灰度质心法可以帮助确定目标的位置。
通过计算目标区域的灰度质心，可以追踪目标的位置变化，并实现对目标的自动跟踪和监测。
3. 图像处理与改进灰度质心法还可以应用于图像处理和改进。
通过计算不同区域的灰度质心，可以实现图像的亮度均衡和对比度增强，从而改善图像的视觉效果。
灰度质心法的优缺点优点1.灰度质心法简单易用，计算效率高；2.灰度质心法对于大部分灰度图像能够达到较好的分割效果；3.灰度质心法具有较强的鲁棒性，能够处理一定程度上的图像噪声。
缺点1.灰度质心法对于灰度值变化较小且接近的区域容易产生误分割；2.灰度质心法对于复杂图像中的细节信息较难处理；3.灰度质心法对于光照变化较大的图像效果较差。
结语灰度质心法作为一种简单而有效的图像分割算法，在图像处理和计算机视觉领域有着广泛的应用。
它通过计算图像中每个区域的灰度质心，实现对目标的提取、定位与跟踪，并可以改善图像的视觉效果。
基于自适应小波变换与扩频技术的图像水印算法
（Ｄｎｇ Ｕｉ ｒ＇ ｆ／ｏ ａ／ａ Ｂｓ ｓ ｎ ｃ ｏｉ， ａ ￣Ｌ ｏ ｇ ；６５ ，瓣｛ Ｌ ｏｉ ｎｅ ／ ｏ ／ ｍ ［ｎ ｕ／ ｓａｄＥｏ ｍｃ Ｄ／ ｌｎ ｉ ｎ ｖｓｙ ｔ ７ ［ ｏｌ ｉ ￣ ｎ ｓ ｉ ａ ￣ １ ０２ ｃ ａ ａ ）
Ａｂ ｔａ ｔ： Ａｓ ｎ ｗ ｅ ｈｉｕ ａ ｐｙｎ ｔ ｐｏｅ ｔ ｇ ｈ ｃｐ ｉｈ ｏ ｄ ｔ ｌ ｒｄ ｃｉｎ ｔ ｅ ｉ ｔ ｌ ｔｒ ｒｉｇ ｅ ｈｉｕ ｈ ｓ ｒｗｎ ｘｔｎｉｅ ｓ ｒｃ ａ ｅ ｔｃ ｎ ｅ ｐ ｌｉｇ ｏ ｒｔｃ ｉ ｔ ｅ ｏｙｒ ｔ ｆ ｉ ａ ｐｏ ｕｔｏｓ， ｈ ｄ ａ ｗａ ｅｍａｋｎ ｔｃ ｎ ｅ ａ ｄａ ｅ ｅｓ ｑ ｎ ｇ ｇｉ ｇｉ ｑ ｖ ａ ｔ ｎｉｎ Ｉ ｈｓ ａ ｅ ， ｓｒａ ｓｅｔｕ ｔｅ ｔ ． ｎ ｉ ｏ ｔ ｐ ｐｒ ｐｅ ｄ ｐ ｃｒｍ ｏ ｔｅ ｆ ｈ ｗａ ｅｍａｋｎ ａ ｄ ｔ ｒ ｒ ｉｇ ｎ ｍｏ ｕａｅ ｈ ｗａ ｅｍａ ｋｎ ｄ ｌｔ ｔｅ ｔｒ ｒ ｉ ｇ， ｗｅ ｎｅｔ ｈ ｗａ ｅｍａｋｉ ｉｔ ｔｅ ｄｐ ｉｅ ｉ ｒ ｔｅ ｓ ｔｒ ｒ ｎ ｎｏ ｈ ａ ａ ｔ ｇ ｖ ＤＷＴ ｏ ｉ ｆ ｈ ｃｖ ｒ ｍａ ｅ Ｂ ｕｅ ｔｅ ａ ｐｅ ｄ －ｒ ｎｏ ｄｍａｎ ｔｅ ｏ ｅ ｉ ｇ ． ｙ ｓｄ ｈ ｓｍｅ ｓｕｏ ａ ｄｍ ｓｑ ｅ ｃ ａ ｄ ｅｅｍｉｅ ｉｓ ｏｒｌｔｏ ｗｉｈ ｈ ｔａ ｓ ｏｍ ｄ ｅ ａｌ ａ ｄ ｏ ｏ ｅ ｕ ｎｅ ｎ ｄ ｔ ｒ ｎｄ ｔ ｃｒｅ ｉｎ ｔ ｔｅ ｒｎｆ ｒ ｅ ｄ ｔｉ ｎ ｓ ｆ ａ ｂ ｔｅ ｈ ｗａ ｅｍａｋ ｄ ｏｏ ｉａ ｅ． Ｔｈ ｅ ｐ ｒ ｎ ｒｓｌｓ ｅ ｎｔａ ｅ ｈ ｔ ｈ ａｇ ｒ ｈ ｈ ｓ ｈ ｂ ｔｅ ｉｖｓ ｉ ｙ ｎ ｒｂ ｓｎ ｓ ． ｔｒ ｒｅ ｃｌｒ ｍ ｇ ｅ ｘ ｅｉ ｔ ｅｕｔ ｄ ｍｏｓｒ ｔ ｔａ ｔ ｅ ｌｏｉ ｍ ａ ｔ ｅ ｅｔ ｒ ｎ ｉｉｌ ａ ｄ ｏ ｕｔｅ ｓ ｍｅ ｔ ｂｉ ｔ Ｋｅ ｗ ｏ ｄ ｙ ｒ ｓ： Ｄｉｉ ｌ ｔｒ ｒ ｎ ａ ａ ｔ ｅ ＷＴ；ｐ ｅ ｄ ｐ ｃｒｍ ｇｔ ｗａ ｅｍａｋｉ ａ ｇ；ｄ ｐ ｉ Ｄ ｖ Ｓ ｒａ ｓｅ ｔｕ