基于小波包变换的图像数字水印算法

提出一种基于小波包变换和人类视觉特性的自适应盲水印算法。该算法选择原始图像小波包变换的中频子带进行嵌入,提高了水印的容量和不可见性;采用双极性量化方法嵌入水印,根据嵌入强度自适应地确定量化步长,提取时无需使用原始图像。实验证明该算法对常见的图像处理攻击具有良好的鲁棒性,同时也很好地保证了水印的不可见性。     

基于支持向量机的彩色图像水印算法

提出了一种基于回归型支持向量机(SVR)的盲检测彩色图像水印算法。为了改善可见性,根据人眼视觉特性（HVS）自适应选择其嵌入位置。水印嵌入是通过修改图像中像素蓝色通道信息来实现,水印提取时结合图像局部相关性,选取稳定的特征向量并获取SVR训练模型,进而利用SVR训练模型进行预测提取数字水印信息。在嵌入过程中通过高斯模板来均衡调整嵌入水印后对宿主图像影响的强度,仿真实验证明本文算法不仅具有非常好的透明性,而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何变换、图像增强等攻击也具有很好的鲁棒性。     

图像块的自适应均衡水印算法

目的 针对水印算法通常利用实验确定强度参数,实验工作量大并且具有随机性,得到的参数无法较好地均衡水印不可见性和鲁棒性,提出一种基于图像块的自适应均衡水印算法。方法 利用尺度不变特征变换（SIFT）提取原始图像中鲁棒性强的特征点作为水印嵌入区域,将提取的嵌入区域分成4个大小相等且互不重叠的图像块,并对各图像块进行奇异值分解（SVD）,得到与各块相应的奇异值矩阵,各块与水印做一级离散小波变换后产生的各子带相叠加,生成嵌入加密水印块,重组得到水印矩阵,降维后将特征点还原到原始图像。根据果蝇优化算法（FOA）中适应度函数迭代确定加密水印强度参数,构造水印图像的自适应嵌入,来均衡水印的不可见性和鲁棒性,水印检测可直接作用在受攻击后的图像上,无需校正恢复。结果 对标准灰度图像进行多组实验,得到含水印图像峰值信噪比均达到43dB以上;对水印载体图像分别进行噪声、压缩、剪切、旋转仿真攻击实验,提取水印图像与原始水印图像的归一化相关系数都达到0.94以上。结论 SIFT算法实现图像块局部嵌入,提取特征点稳定性强,结合SVD算法使水印嵌入性能良好,利用FOA算法自适应确定最优参数,使水印图像嵌入效果达到最佳状态,最终均衡了水印的不可见性和鲁棒性。     

基于图像边缘的自适应互补水印算法

对图像数字水印的鲁棒性和不可见性进行了研究,提出了一种在图像边缘处嵌入数字水印的思想.利用Sobel算子新灰度值提取边缘特征点并自适应地确认水印嵌入强度.同时根据人类视觉系统的特性,在小波变换后的细节子带上嵌入互补性水印.实验结果表明,嵌入水印后的图像无明显质量下降,并且可以有效地抵抗压缩,滤波、噪声等各种攻击.证明了该基于图像边缘的自适应互补水印算法同时具有较好的鲁棒性和不可见性.     

基于支持向量机的鲁棒盲水印算法

提出了一种基于支持向量机的鲁棒盲水印算法.该算法首先用多尺度Harris-Laplace检测算子从载体图像中提取出稳定的特征点,然后根据特征自适应确定局部特征区域,在特征区域选择一些点作为嵌入水印的点,结合图像的邻域相关性,根据灰度图像特点,选取特征向量作为SVR训练模型,进而利用SVR进行预测,调节嵌入点的像素值进行水印的嵌入和提取.实验结果表明,用该技术嵌入水印后的图像具有很好的图像感知质量,时常规信号处理乖去同步攻击特别是JPEG压缩具有较强的鲁棒性.     

Shearlet变换域内容自适应图像水印算法

提出了一种Shearlet变换域嵌入强度因子能随图像内容自适应的水印算法。算法首先利用Shearlet变换对图像内容稀疏表示选择性,找出符合人眼视觉特性要求的水印嵌入位置,然后依据图像内容自适应地计算出水印嵌入强度因子,较好地解决了鲁棒性与可见性之间的矛盾。实验结果表明,该算法能够抵抗各种攻击,具有强鲁棒性。     

基于图像纹理复杂度的小波域数字水印算法

针对水印信息嵌入量小、鲁棒性弱、遮蔽性差的问题,提出一种基于图像纹理复杂度的小波域人类视觉系统的水印算法。该算法将载体图像进行分块,计算每块的图像熵,并根据图像熵对载体图像的纹理特征区域进行分类,不同纹理特征水印的嵌入量不同。利用Logistic映射对水印信号进行置乱变换,将水印信号嵌入到二层离散小波变换的低频系数中,并利用小波域人类视觉模型控制水印的嵌入强度。在提取水印时,通过水印误码率和峰值信噪比评价水印质量。实验结果表明,该算法能抵抗噪声干扰、裁剪和密钥攻击,水印图像具有较强的鲁棒性和良好的遮蔽性。     

基于神经模糊控制的自适应图像水印算法

提出了基于神经模糊控制网络的新的自适应图像水印算法。该算法首先对原始图像进行小波变换,组织小波块。接着,从子块的视觉掩蔽性和能量强度两个方面,建立和训练神经模糊控制网络,得到每个小波子块嵌入水印的最优强度值。最后,根据神经模糊控制得出的最优嵌入强度,将不同强度的水印嵌入到不同的小波块中。实验结果表明,所提出的算法能抵抗各种常规的图像处理的攻击,具有较好的鲁棒性和透明性。     

基于Arnold置乱和小波包分解的自适应水印算法

针对小波变换的不足,根据原始图像各子块对水印信息的适应程度不同,提出一种基于Arnold置乱和小波包分解的自适应水印算法。首先,该算法采用Arnold变换对水印图像进行预处理,然后对原始图像进行小波包分解,小波包分解能够提供一种更为精细的分解方法,将频带进行了多层次的划分,最后将水印图像嵌入到小波包分解后的子带中,水印的嵌入强度和嵌入位置均根据原始图像的内容自适应地决定,这样很好地解决了水印鲁棒性和不可见性之间的矛盾。仿真实验结果表明,算法对常见的图像攻击具有较强的鲁棒性和稳健性。     

基于小波的自适应图像数字盲水印算法

该文提出一种在小波变换域自适应嵌入图像数字盲水印的新算法,在水印检测过程中不需要原始图像。首先根据三级小波的细节系数确定嵌入位置,利用系数间存在很强的相关性,在第二级小波的水平和垂直细节数据中,通过采用修改图像小波系数及其邻域系数的均值之间的大小关系来自适应的嵌入置乱后的水印,嵌入的强度由该处的边缘强弱确定,这样,能在水印嵌入的鲁棒性和不可见性方面达到很好的平衡。并且,小波嵌入的位置互不相邻,嵌入水印信息之间不会产生相互干扰,从而提高水印提取的质量。该算法实验结果表明,该数字水印算法能很好的抵抗附加噪声、裁减、有损压缩、滤波等各种攻击,具有较强的不可见性和鲁棒性。     

改进的基于DCT的自适应水印算法

基于原始图像的纹理特征和亮度特征以及人类视觉系统的特点,给出一种改进的基于DCT的自适应嵌入水印算法。算法采用Arnold变换对水印图像进行预处理,自适应选择强度因子,将一幅二值水印图像嵌入到原始图像中,实现了水印的不可见性和鲁棒性。仿真实验结果表明,算法对常见的图像处理操作具有较强的鲁棒性和稳健性。     

信息嵌入位置自适应选择的鲁棒水印算法

为了更好地提高嵌入水印后的图像质量,提出了一种利用遗传算法(GA)优化支持向量回归机(SVR)的鲁棒水印算法。把经Haar小波变换后,图像子带中具有强相似性的数据作为特征向量,用于被遗传算法优化的SVR建立小波系数方向树的模型。通过比较特征向量均方差(MSE)的大小来自适应地确定水印嵌入的位置。水印的嵌入与提取是通过调整模型的预测值与目标值之间的大小来实现的。实验结果表明,所提算法对常见的图像攻击有很强的鲁棒性,而且水印图像在嵌入容量为16384比特的情况下,峰值信噪比可以达到44.15dB。因此能够有效抵抗常见的水印攻击,在嵌入大量信息的情况下,具有很高的透明性。     

基于JPEG压缩的水印算法

提出了一种基于JPEG压缩的盲水印算法。在算法中首先对水印图像进行纠错编码和置乱变换双重预处理技术，提高水印自身抵御攻击的能力。水印嵌入是在量化的过程中进行，并根据各块的特征确定嵌入强度，以保证嵌入图像后的视觉效果；水印的提取不需要原始图像的参与，实现了盲水印检测。实验结果表明：该算法有很好的抵御JPEG压缩的性能，对于噪声等也有较好的鲁棒性。     

彩色图像的W-SVD数字水印技术

水印图像经过幻方置乱和加密后采用W-SVD模板嵌入,利用人类视觉系统HVS的特性,实现了水印的自适应嵌入;改进了基于小波变换与加密的彩色水印算法。根据标准相关光谱亮度功效函数确定嵌入R、G、B子图像中的比例系数,水印的提取需要原始图像的参与,并受到密钥的限制,不知道原始图像和密钥的人无法正确地恢复数字水印,最后对该算法进行了一些基本的图像处理操作。实验表明所提出的方法具有更好的鲁棒性、不可见性和安全性。     

一种基于神经网络和小波变换的盲水印算法

提出一种新的运用神经网络将水印嵌入离散小波变换后的宿主图像中的数字水印算法。算法创新地提出选择水印嵌入点周围的8个邻域像素点作为神经网络的样本输入,这样可以更好地增强水印的透明性。该算法首先对宿主图像做离散小波变换,取低频子带作为嵌入位置,运用密钥随机选取水印的具体嵌入坐标,提取其邻域的像素点,利用建模好的神经网络对其进行训练,通过修改其像素值嵌入水印,提取时利用确定的神经网络实现水印的盲提取。水印嵌入之前运用Amold变换进行了置乱处理。实验结果表明,该算法具有较好的不可见性和鲁棒性。     

基于RDWT和ICA的自适应数字水印方法

本文针对多媒体产品的版权保护,提出了一种新的自适应的基于RDWT（冗余离散小波变换）和ICA（独立分量分析）的水印算法。RDWT用于水印的嵌入过程,水印的嵌入强度考虑了载体图像的NVF（噪声可见函数）,从而保证了该算法的自适应性。ICA用于水印的提取过程,我们提出了一种在嵌入水印图像的空域内直接提取出水印信号的算法。实验结果表明,本文算法的可嵌入水印信息量大,同时具有高的鲁棒性和不可感知性。     

一种基于DWT的自适应大容量音频水印算法

提出了一个自适应的音频水印嵌入算法。对音频载体和水印图像分别进行了离散小波变换和离散余弦变换，根据人类听觉系统的时域掩蔽效应选择嵌入点，在小波系数中的对应位置嵌入水印信号。嵌入水印后的音频信号觉察不出明显的变化，并且嵌入后的水印具有较高的鲁棒性。     

基于小波变换和纹理特征的水印算法的研究

目前基于小波变换的数字水印算法主要根据频域小波系数的幅值大小确定是否嵌入水印，这种算法的缺点是嵌入水印后的图像的视觉透明度不够好。对目前已有的基于小波变换的数字水印算法进行了研究，在保证嵌入水印的鲁棒性的前提下，也保证嵌入水印后的图像的理想的视觉效果的基础上，提出了一种基于小波变换和图像纹理特征的自适应数字水印算法，该算法利用了图像本身固有的纹理特征来寻找水印的嵌入位置，实验结果表明该方法能较好地降低原始图像视觉失真和经压缩变换后水印图像的失真。     

一种彩色图像的自适应灰度级数字水印算法

提出一种基于DWT(Discrete Wavelet Transformation)与DCT(Discrete Cosine Transformation)相结合的彩色图像自适应灰度级数字水印算法。算法首先将载体图像转入YIQ空间,取Y分量经2级DWT变换后的低频子带进一步作8×8分块DCT变换,根据各子块的AC能量自适应地确定水印嵌入强度。将作为水印的灰度图像在置乱后作4×4分块DCT变换,根据获取的各子块嵌入强度实现了灰度水印的自适应嵌入。实验结果表明算法对于常见的图像处理具有较强的鲁棒性。     

一种使用机器学习方法的数字水印算法

针对目前数字水印算法存在的不足,本文将离散小波变换和奇异值分解相结合,提出了一种基于机器学习的图像数字水印算法.首先将载体图像进行一级小波变换,提取其低频子带图像对其进行4×4分块处理,然后对每一分块进行奇异值分解后嵌入水印,并提取特征向量用于最小二乘支持向量机的训练,训练好的最小二乘支持向量机用于自适应最大水印嵌入强度的计算以及水印的盲提取.实验选取三张512×512的标准测试图像以及64×64的二值水印图像对算法的透明性与鲁棒性进行测试.实验结果证明,图像具有很好的透明性,PSNR达到了63.71dB,针对旋转、剪切、JPEG压缩、高斯噪声等常规攻击手段时,算法能保持较强的鲁棒性.