基于Krawtchouk不变矩的仿射攻击不变性局部水印算法

本文提出了一种基于原始图像Krawtchouk不变矩实现的仿射攻击不变性局部水印算法.具体介绍了Krawtchouk不变矩的构造方法,水印是事先产生的且与原始图像无关,通过将水印嵌入到图像的Krawtchouk不变矩中实现仿射攻击不变性.这种基于Krawtchouk矩的水印算法是局部水印技术,即水印的嵌入只是影响到部分原始图像,因此该算法对剪切攻击具有很好的鲁棒性.检测过程中采用独立分量分析技术实现真正意义上的盲检测.文中具体分析了所提出算法的计算复杂度,实验数据说明这种水印算法对通用水印测试软件Stirmark具有很好的鲁棒性.     

基于支持向量回归的Contourlet域盲水印算法

为进一步提高基于支持向量机(SVM,support vector machine)水印算法的性能,提出了基于支持向量回归(SVR,support vector regression)的Contourlet域盲水印算法。首先对宿主图像进行Contourlet分解,然后利用SVM建立图像尺度内的局部相关性模型,根据模型的预测结果自适应地嵌入水印。实验结果表明,所提出的算法不仅具有较好的不可感知性,而且对叠加噪声、JPEG压缩、锐化、平滑滤波和对比度增强等常规图像信号处理以及旋转、剪切等几何攻击均具有较好的鲁棒性,其性能明显优于基于SVM的空间域和小波域的水印算法。     

基于局部Zernike矩的RST不变水印

旋转、缩放和平移(RST)等几何攻击能够破坏水印检测的同步性,而使常规水印检测失败,提出了一种基于图像局部Zernike矩的RST不变水印算法.利用图像归一化后的Zernike矩幅度具有RST不变的性质,将由Zernike矩重构的水印图像在空域嵌入原始图像的局部中,并提取该区域的Zernike矩幅度矢量作为水印矢量.水印检测时,计算局部区域的Zernike矩,并与已知Zernike矩矢量计算均方误差根(RMSE)判断水印存在与否.与使用图像全局Zernike矩相比,使用局部矩使得水印具有更好的旋转不变性,同时水印对于缩放、JPEG压缩和噪声等攻击也具有较好的检测性能.     

基于Blob-Harris特征区域和NSCT-Zernike的鲁棒水印算法

为了有效抵抗水印图像的几何攻击,该文提出了一种基于Blob-Harris特征区域和非下采样轮廓波变换(NSCT)和伪Zernike矩的鲁棒水印算法。首先原始图像进行两层非下采样Contourlet变换后提取其低频图像,然后利用Blob-Harris检测算子对低频图像进行特征点提取,根据各个特征点的特征尺度确定其特征区域,优化筛选出稳定且互不重叠的特征区域并将其四周补零,得到稳定的互不重叠的方形特征区域作为水印嵌入区域,最后计算每一个方形特征区域的Zernike矩,将水印信息嵌入在量化调制正则化Zernike矩的幅值当中。实验结果表明,Lena图峰值信噪比达到40 dB以上时,本文算法对常规图像处理以及缩放、旋转、剪切等几何攻击和组合攻击都有相对较强的鲁棒性。     

基于Blob-Harris特征区域和NSCT-Zernike的鲁棒水印算法

为了有效抵抗水印图像的几何攻击,该文提出了一种基于Blob-Harris特征区域和非下采样轮廓波变换(NSCT)和伪Zernike矩的鲁棒水印算法.首先原始图像进行两层非下采样Contourlet变换后提取其低频图像,然后利用Blob-Harris检测算子对低频图像进行特征点提取,根据各个特征点的特征尺度确定其特征区域,优化筛选出稳定且互不重叠的特征区域并将其四周补零,得到稳定的互不重叠的方形特征区域作为水印嵌入区域,最后计算每一个方形特征区域的Zernike矩,将水印信息嵌入在量化调制正则化Zernike矩的幅值当中.实验结果表明,Lena图峰值信噪比达到40 dB以上时,本文算法对常规图像处理以及缩放、旋转、剪切等几何攻击和组合攻击都有相对较强的鲁棒性.     

DWT域基于系数量化的盲水印算法

提出了一种DWT域内基于系数量化的盲提取图像水印算法。通过分块量化DWT域的近似分量来嵌入二值水印信息。水印提取实现了盲提取,并结合Haar小波的特殊性质,增强水印的鲁棒性。仿真实验证明了该算法不仅具有较好的不可见性,而且对常用的普通攻击和诸如旋转、缩放、平移等几何攻击也具有较好的鲁棒性。     

一种基于Krawtchouk矩的视频水印算烦

针对现有视频水印算法很少考虑视频帧中确定的目标区域这一问题,提出一种基于Krawtchouk矩的视频水印算法(KVW).该算法利用Krawtchouk矩的目标区域提取能力,选取视频I帧中较为重要的信息区域作为水印的嵌入域.结合Krawtchouk低阶矩对剪切攻击的鲁棒性以及视频帧间相似度较高的特点,选择I帧和相邻P帧中相对稳定的低阶Krawtchouk矩作为最优矩集合.根据随机水印比特自适应地修改集合中的矩,并对差矢量进行Krawtchouk矩重构,通过将差值图像在空域迭加到I帧嵌入水印.水印检测时,首先计算受攻击I帧的Krawtchouk矩,以最优矩集合作为密钥,用相邻P帧Krawtchouk矩替代原始I帧数据提取水印,改善算法对原始数据的依赖性.实验结果表明,KVW算法在保证获得很好图像质量的同时,能够很好地抵抗帧剪切攻击以及常规的信号处理.     

SIFT特征区域Contourlet域遥感图像水印算法

针对现有遥感图像数字水印算法多为基于图像全局的水印算法,抵抗旋转、缩放、行列剪切以及联合几何攻击能力较差的问题,提出一种基于SIFT特征区域的Contourlet域遥感图像数字水印新方法。算法选取二值数字图像作为水印图像,将二值水印图像置乱预处理后,对其进行行扫描形成一维向量作为待嵌入的水印信息;然后,在宿主遥感图像中提取SIFT特征点,筛选特征点,并依据特征点确定水印嵌入的特征区域;最后,规范所选特征区域,对其进行归一化后实施Contourlet变换,利用奇偶量化方法将水印信息嵌入所选的变换系数内。实验结果表明算法对JEPG压缩、噪声以及滤波等常规信号处理具有较好的鲁棒性,同时能够更好地抵抗旋转、缩放、平移及其联合等几何攻击。      

采用矩不变量的激光雷达距离像匹配方法

为了解决激光成像雷达距离像匹配中的尺度和旋转不变性问题,提出了一套完整的距离像匹配方法,主要包括图像比例调整、Krawtchouk矩不变量提取、构造特征空间及搜索匹配4部分内容.以仿真激光成像雷达距离像为实验数据,通过调整实时图与参考图之间的比例缩放、提取两图的Krawtchouk矩不变量并以此构造特征向量进行匹配.实现了仿真激光雷达距离像的景象匹配.实验结果表明,该算法在一定比例的缩放和任意角度旋转的情况下,匹配正确率和匹配精度都较高,算法的抗高斯噪声能力较好.     

基于特征匹配校正的Contourlet域鲁棒水印算法

几何攻击破坏了水印系统中水印信息和图像之间的同步性,容易导致检测失败,因此抗几何攻击的数字图像水印算法成为研究的热点和难点。文章提出了一种基于特征匹配的Contourlet域鲁棒数字图像水印方法。该算法通过匹配特征点之间的几何关系,计算几何变换参数,校正攻击后的水印图像;通过量化将水印信息嵌入到图像Contourlet域中。实验结果表明,文章提出的算法具有良好的不可见性和抵抗多种攻击的鲁棒性。     

基于伪Zernike矩的抗几何攻击图像水印

针对几何攻击容易使常规水印算法检测失败的问题,利用图像伪Zernike矩的幅度具有旋转不变的性质,提出了一种抗几何攻击图像水印算法(GWPZM).首先计算图像的伪Zernike矩,选择适宜于嵌入水印的矩进行幅度改变量测试.筛选出最优矩集合,根据水印比特自适应地修改集合中的矩,并对差矢量进行伪Zernike矩重构,通过将重构图像在空域迭加到原始图像中嵌入水印.水印检测时,首先计算受攻击图像的伪Zernike矩,以最优矩集合作为密钥,通过与原始图像比较矩的幅度提取水印.实验结果表明,GWPZM算法能够抵抗旋转、缩放攻击、二者组合攻击以及JPEG压缩、噪声等常规攻击.     

Zero-bit Watermarking resisting geometric attacks based on composite-chaos optimized SVR model

The problem to improve the performance of resisting geometric attacks in digital watermarking is addressed in this paper.Based on the optimized support vector regression(SVR),a zero-bit watermarking algorithm is presented.The proposed algorithm encrypts the watermarking image by using composite chaos with large key space and capacity against prediction,which can strengthen the safety of the proposed algorithm.By using the relationship between Tchebichef moment invariants of detected image and watermarking characteristics,the SVR training model optimized by composite chaos enhances the ability of resisting geometric attacks.Performance analysis and simulations demonstrate that the proposed algorithm herein possesses better security and stronger robustness than some similar methods.     

基于纠错编码的彩色图像双水印算法研究

提出一种基于纠错编码的彩色图像双水印算法,用于版权保护和图像篡改定位与恢复。算法在图像的红色分量的频域中嵌入鲁棒水印,在绿色分量的空域中嵌入认证水印。其中,认证水印为从三个颜色分量的DCT系数中提取的二进制编码序列。为提高认证水印的安全性和定位能力．对认证水印进行纠错编码,并利用M序列对认证水印进行加密。仿真实验表明,认证水印能够检测篡改并进行恢复,版权保护水印具有较好的鲁棒性。     

一种基于SVR的数字图像水印算法

以回归型支持向量机为基础,提出一种彩色数字图像水印算法。在小波域内选取特征向量并获得支持向量机训练模型,进而利用该训练模型嵌入和提取水印信息。该算法以保证不可感知性和鲁棒性的良好平衡为前提,实现了水印的盲检测。实验仿真表明,该算法不仅具有较好的不可感知性,而且对叠加噪声、JPEG压缩、锐化、平滑滤波、对比度增强、剪切等常规处理具有较好的鲁棒性,其整体性能优于一般基于支持向量机的图像水印方案。     

基于Contourlet变换的稳健性图像水印算法

提出了基于Contourlet变换的数字图像水印算法。与小波变换不同的是,Contourlet变换采用类似于线段(contoursegment)的基得到一种多分辨、局部化、方向性的图像表示。水印信号通过基于内容的乘性方案加载到Contourlet变换系数。在采用零均值广义高斯分布拟合Contourlet变换系数的基础上,提出采用极大似然估计实现水印的盲检测。依据Neyman-Pearson准则,在给定虚警率的情况下对判决准则进行了优化。实验结果表明在保证水印隐蔽性的前提下,水印对常见的信号处理手段以及几何变换具有很好的稳健性。     

Localized affine transform resistant watermarking in region-of-interest

Many proposed image watermarking techniques are sensitive to affine transforms, such as rotation, scaling and translation. In this paper, a localized affine transform resistant watermarking is designed utilizing Krawtchouk transform and dual channel detection. Watermark is inserted into the significant Krawtchouk invariant moment. Watermarking based on Krawtchouk moments is local, which permits to the watermark to be embedded at the most significant information-wise portion. Watermark embedding intensity is modified according to the results of performance analysis. The convergence of closed loop embedding system is proved. An optimum watermark detector is designed with the introduction of dual channel detection utilizing high order spectra detection and likelihood detection. The detector extracts watermark blindly utilizing Independent Component Analysis. The computational aspects of the proposed watermarking are discussed. Experimental results demonstrate that this watermarking is robust with respect to attacks produced by watermark benchmark—Stirmark.