联合非下采样Contourlet变换与奇异值分解的多水印算法

为解决最近报道的Contourlet变换域基于奇异值分解的水印算法存在的高虚警率问题, 提出一种多水印算法。对Arnold置乱后的水印图像进行奇异值分解, 将其中一个正交矩阵嵌入原始图像非下采样Contourlet域的两个高频方向子带中, 并利用奇异值来调整原始图像非下采样Contourlet域剩余子带的系数矩阵, 通过逆变换得到含水印图像。抽取水印时首先计算从待检测图像抽出的正交矩阵和真实水印正交矩阵的相似度, 与阈值进行比较, 以决定抽取过程是否进行。由于非下采样Contourlet变换的高冗余性, 最终可抽取出多个水印图像。实验表明, 算法较好地克服了高虚警率问题。一系列的攻击实验证明算法具有较好的鲁棒性。     

基于NSCT-SVD的多重数字水印算法

针对现有水印算法难以抵抗多种类型攻击的问题,提出一种基于非下采样Contourlet变换(NSCT)和奇异值分解(SVD)的多重数字水印算法。该算法采用不同的密钥对水印信息进行Arnold置乱,其宿主图像经过二层NSCT变换后得到大小相同的低频子带和高频子带。为提高算法鲁棒性,对各子带进行奇异值分解,将3个加密水印信息重复嵌入到具有最大奇异值的NSCT域低频和高频子带的子块中。在水印检测时,从3个提取结果中选取归一化均方误差最小的水印作为最终水印。实验结果表明,该算法能够有效抵抗JPEG压缩、椒盐噪声、剪切和中值滤波等多种类型的攻击,并且在保证水印不可见的前提下,提高了水印的鲁棒性和嵌入容量。     

基于SVD的彩色图像盲水印算法

为了更好地保护数字产品的版权,本文提出了一种提升小波变换与奇异值分解相结合的彩色图像数字水印算法。提升小波变换运算速度快,能够对任意尺寸图像进行变换;奇异值分解具有几何不变性,并且体现图像的内蕴特性。算法充分利用提升小波变换和奇异值分解的优良特性,选择彩色图像的蓝色通道进行水印嵌入。首先对原始图像进行多级提升小波变换,然后选取中低频子带进行奇异值分解,将灰度水印图像进行Arnold置乱后分成四个部分嵌入所选子带的部分奇异值矩阵中。在水印提取时不需要原始载体图像,更加有利于实际中的应用。实验表明,该算法具有良好的透明性,而且对大部分常见攻击及几何攻击有很好的鲁棒性。     

基于NMF和SVD相结合的Contourlet域鲁棒水印算法*

为了提高变换域数字水印技术的鲁棒性,提出了一种在Contourlet域将非负矩阵变换(NMF)与奇异值变换(SVD)相结合的鲁棒水印算法。宿主图像经过Contourlet变换后,对低频子带进行非负矩阵变换,然后对非负基向量组W进行奇异值分解,最后将经过Arnold置乱的水印图像嵌入到奇异值中。实验结果表明,该图像水印算法在获得良好视觉效果的同时,对于加噪声、滤波、剪切等图像攻击有较好的鲁棒性。     

基于Contourlet变换和奇异值分解的图像零水印算法

提出一种基于Contourlet变换和奇异值分解的数字图像零水印算法。原始图像经过Contourlet变换后,分解为一系列多尺度、局部化、方向性的子带图像,选择对低频子带进行分块奇异值分解,然后根据每块中第一个奇异值的大小特性“嵌入”和“提取”水印。实验结果表明,该图像水印算法能够较好地抵抗JPEG有损压缩、叠加噪声、剪裁等攻击,具有较强的鲁棒性和不可见性,提高了水印识别的可靠性。     

基于DWT-SVD的图像盲水印研究

提出了一种新的基于离散小渡变换(DWT)与奇异值分解(SVD)相结合的数字图像水印算法.该算法将原始图像作小波分解并将小波分解得到的低频子带进行分块,对每一块进行奇异值分解后,选取每块中最大的奇异值通过量化的方法嵌入经过Arnold置乱后水印信息.水印的提取不需要原始图像,但受到密钥的限制,不知道密钥的人无法正确地恢复数字水印.实验结果表明,该算法具有较好的不可感知性、鲁棒性和安全性.     

基于Zernike矩和NSCT-SVD的数字水印算法研究

以非下采样Contourlet变换、奇异值分解以及Zernike 矩知识为基础,结合图像不变质心在几何攻击前后相对位置不变的特性和Zernike 矩对旋转、缩放攻击的不变性以及对噪声不敏感的特性,提出了一种利用 Zernike 矩对图像几何校正的 NSCT-SVD几何鲁棒盲水印算法。该方案中宿主图像通过非下采样 Contourlet变换分解提取出低频区域,通过量化每块奇异值矩阵的欧氏范数来嵌入水印。水印检测时,先利用Zernike 矩和不变质心等几何参数对被检测图像进行几何攻击校正,恢复水印的同步信息后再提取水印。实验结果表明,该算法对噪声、滤波、压缩以及各类几何攻击具有较好的鲁棒性。     

一种鲁棒的变换域数字水印算法

本文提出了一种基于离散小波变换（DWT）和奇异值分解（SVD）的混合水印方案。在该方案中,首先把原始载体图像分成多个分块（32×32）,然后对各个分块进行离散小波变换得到四个子带,之后对低频子带应用奇异值分解,并修改每个分块低频子带的最大奇异值．从而嵌入水印图像的各个奇异值。实验证明该算法对于常用的各种图像处理攻击具有良好的鲁棒性。     

基于SVD和Radon变换的抗旋转攻击盲水印算法

为了提高传统基于奇异值变换（SVD）的数字水印抗几何攻击能力,提出一种在小波变换域将Radon变换和奇异值变换相结合的抗旋转攻击鲁棒性水印算法。将宿主图像进行小波变换,对变换后的低频子带进行奇异值分解,将经过仿射变换置乱后的二值水印图像嵌入到奇异值中。在水印嵌入操作上采用了奇偶量化嵌入算法从而实现了二值水印图像在水印检测时的盲提取;同时在水印检测之前,利用Radon变换检测算法对待检测图像进行几何校正,然后提取水印信息。实验结果表明,该算法对于噪声感染、滤波、JPEG压缩等常规信号处理的鲁棒性优于传统的基于SVD的数字水印算法,同时对于旋转几何变换具有很好的鲁棒性。     

SVD和DWT数字水印算法的应用研究

研究数字图像版权保护问题,由于数字媒体在网上易被复制篡改.针对单纯奇异值分解或小波变换水印算法均存在抵抗攻击差的难题.为了更好的保护数字图像版权,提了一种奇异值分解与小波变换相结合的数字水印算法.首先对水印图像进行置乱处理并对原始图像进行分块,从中找到符合要求的最佳水印嵌入子块,然后对所选择的最佳子块进行小波变换,对子块的低频系数进行奇异值分解,最后将水印嵌入各于块的奇异值中进行仿真.结果表明,水印算法能够很好的抵抗多种攻击,水印具有很好的鲁棒性和不可见性,克服了奇异值分解和小波变换水印算法缺陷,为设计提供了依据.