基于人工神经网络的数字音频水印算法

提出了一种新的基于神经网络训练学习的数字音频水印算法 ,采用本算法在一段数字音频数据中隐藏了一幅不可感知的二值图像 .通过后向传播算法的神经网络训练出模板信号与嵌入了水印信号的音频之间的关系特征 ,由于神经网络具有学习和自适应的特性 ,通过训练后的神经网络几乎能够完全恢复嵌入到音频中的水印数据 .通过仿真实验结果表明该算法具有较好的鲁棒性和抵抗常用的信号处理方法的处理的能力 ,特别是在水印检测时不需要原始的音频信号 .     

基于离散小波变换的盲水印研究与仿真

研究优化水印安全性问题.由于水印图像应具备版权信息和密钥条件,针对目前音频水印算法中水印容易被提取,且检测水印时均需要原始水印图像,导致水印安全性,鲁棒性无法保证.提出了基于离散小波变换的混沌加密的音频数字水印盲算法.将混沌原理引入音频水印中,改善了水印的安全性,同时根据信号的能量对水印进行了量化嵌入,改善了水印的鲁棒性.首先利用密钥对二值水印图像进行随机置乱;然后将经过随机置乱处理的含有版权信息的二值水印图像嵌入到原始音频信号中.在水印检测过程中利用已知的密钥对水印进行重构.仿真证明,在不知道密钥的情况下,无法得出水印图像,为设计提供了依据.     

一种基于特征点检测的音频数字水印算法

对音频数字水印系统,提出了一种基于特征点检测的水印算法.利用特征点的检测进行水印嵌入点的准确定位,应用离散余弦变换进行水印的嵌入,水印的检测过程中不需要原始信号的参与,实现了水印信号的盲检测,并较好地解决了音频数字水印检测中的同步问题.仿真实验表明该算法对低通滤波、重采样、压缩编码等信号处理和破坏水印检测同步特性的恶意攻击有较强的稳健性.     

奇偶量化的抗同步攻击音频水印方案

提出一种基于奇偶量化的音频水印算法,算法具有如下特点：（1）在音频信号的时间域上检索满足条件的同步信号区,同步信号区是一段具有一定长度且能量较大的音频信号;这种时间域上的同步检索具有较高的效率;（2）水印图像划分成若干块,把每一个水印分块及其分块编号嵌入在一个同步信号区的小波变换低频系数上,水印图像划分成分块循环嵌入到检索到的同步信号区,当含水印的音频信号被裁剪后,可以确保在其他音频段提取出正确的水印分块;（3）水印检测不需要参考原始音频信号,是一种盲检测水印算法。仿真实验证明了算法对常见的音频信号处理具有较好的鲁棒性和不可感知性,对同步攻击、抖动攻击具有很好的鲁棒性。     

基于带有辅助信息的通信机制的音频水印算法

数字水印技术作为版权保护的重要手段,已经得到了广泛的研究和应用。它可以被看作带有辅助信息的通信机制的一种特殊形式,文章基于这种机制提出了一种稳健的数字音频水印算法,嵌入后的音频信号与原始信号在感知上是相似的。利用均值滤波处理,算法在水印的检测过程中不需要使用原始信号,实验表明该算法对通常的音频信号处理,如音频压缩、低通滤波等,具有较好的稳健性。     

基于量化的倒谱变换数字音频水印算法

提出了一种基于复倒谱变换的数字音频水印算法。该算法充分利用了复倒谱变换的特征,将原始音频信号分成若干帧,每帧音频实施复倒谱变换后,将系数均值按照一定的量化方法嵌入水印,水印的提取不需要原始音频信号,是一种盲水印算法;实验结果表明,嵌入的水印不仅具有很好的透明性,而且对重新采样、低通滤波、添加噪声、重新量化、有损压缩等攻击也具有很好的鲁棒性。     

基于小波包分析的数字音频双水印算法

针对以往双水印算法鲁棒性不高和定位不准确的问题,提出一种基于小波包分析的数字音频双水印算法。算法对原始音频信号进行小波包分解,在得到的低频系数和中低频系数中嵌入零水印和半脆弱水印。改进的零水印算法鲁棒性有了很大的提高,能更好地完成音频信号的版权保护;对中低频系数采用量化的方法嵌入二值水印图像,有别于以往算法需将二维图像转换为一维序列,不会对零水印的提取产生影响。该方法对一系列常规处理和幅度缩放都有较好的鲁棒性,不但能确定水印图像遭恶意篡改的位置,而且能够定位原始载体音频的篡改位置,真正实现了对音频信号的内容认证。     

抑制原始信号影响的数字音频水印算法

在扩频水印算法基础上,文中提出了一种在盲检测过程中抑制原始信号影响的数字音频水印算法.该方法的水印信息是通过听觉模型(HAS)掩蔽后嵌入到原始音频信号的小波变换系数中.文中在水印检测过程中,利用了离散小波变换(DWT)后相邻子带间系数的相似性来抑制原始音频信号对相关检测结果的影响.实验结果表明该算法很好地改进了水印的鲁棒性.     

增强鲁棒性的音频水印算法

提出了一种基于离散小波变换的数字音频水印盲检算法.算法选择在小波系数中嵌入水印,将同步化位元码引入到音频水印的研究中,针对切割或插入额外音频段的攻击有较好的抵抗能力,并且通过重复地将水印嵌入到音频信号中,增强了鲁棒性,提取水印时不需要原始音频信号.实验结果表明,该方法具有良好的鲁棒性和不可听见性.     

基于变换域的音频数字零水印算法研究

针对多数音频数字水印嵌入过程中水印鲁棒性和不可感知性之间的矛盾,本文讨论了一种新的数字水印技术——零水印.提出基于变换域的音频零水印二次检测算法,根据检测对象所受攻击的不同分别在DWT和SDFT域对水印进行二次检测.仿真试验证明该方法不对原始音频信号进行修改,不改变原始信号的感知质量,能够实现盲检测,保证水印的不可察觉性,鲁棒性好.     

基于神经网络的扩展回声隐藏算法

提出了一种神经网络自适应扩展回声隐藏算法。利用PN序列将音频信号的单回声内核进行扩展后作为水印信号，提高了水印算法的安全性。该算法利用了神经网络的非线性映射能力确定扩展回声内核的幅值，从而避免了复杂的心理声学模型的计算过程，实现了水印嵌入的强度的自适应。仿真实验证明了该算法的有效性和可靠性。     

一种基于人工神经网络的音频水印算法

本文提出了一种新的基于人工神经网络的音频水印算法。该算法利用人工神经网络来智能地估计原宿主信号的水印强度因子,并以这些强度因子的值作为确定水印嵌入强度的依据,以此种方式嵌入水印后的信号其能量频谱能够总是保持在宿主信号的最小听觉掩蔽门限之下。实验结果表明,在音频作品里面以这样的方式加入水印,不但能够保持相当好的透明性,而且对诸如加噪、重采样、重新量化等攻击表现出较好的稳健性。     

基于内容的自适应小波域数字音频水印算法研究

以整型提升小波变换、静态图像压缩编码、人类听觉系统（HAS）为基础，提出了一种将灰度图像（即二维数字水印）嵌入到数字音频信号的新水印算法．该算法具有以下特点：（1）应用静态图像压缩编码技术，实现了以灰度图像作为水印信号的数字音频水印算法；（2）充分利用人类听觉系统（HAS），实现了二维数字水印的自适应嵌入，增强了算法的透明性和鲁棒性，（3）二维数字水印的提取不需要原始音频信号．仿真实验表明：该自适应数字音频水印算法不仅具有较好的透明性，而且对诸如叠加噪声、有损压缩、低通滤波、重新采样、重新量化等攻击均具有较好的鲁棒性．     

基于DWT的盲音频水印算法研究

提出了一种基于离散小波变换的盲音频数字水印算法，该算法采取分段重复嵌入方式在能量最强的小波系数内隐藏水印信号。仿真实验结果表明，该算法具有较强的鲁棒性和不可感知性，能有效抵御各种常见攻击，并且在水印检测时不需要原始的音频信号。     

数字音频信号的脆弱水印嵌入算法

该文给出了量化系数嵌入水印比特信息的基本原理，在此基础上提出了数字音频信号的脆弱水印嵌入算法。该算法充分利用离散子波变换的多分辨率特性，通过等概率随机量化音频信号不同子带的子波系数嵌入视觉可辨别的水印－二值图像。仿真实验结果表明，该文提出的数字音频信号脆弱水印嵌入算法对有损压缩、滤波和重新采样等操作具有很强的敏感性。     

运用神经网络对音频数据索引的最优基的选择

在详细探讨了反向传播训练算法之后，提出了用神经网络选择音频数据索引最优基的方法．该方法用小波变换抽取音频信号的关键系数，根据四层小波包二分树确定输出神经元的数量与含义，用Levenberg—Marquardt修正反向传播算法构造与训练了一个32—8—8人工神经网络．试验表明，可以用该神经网络代替复杂的代价函数方法来选择音频数据索引的最优基．     

基于对象传播神经网络的抗TSM攻击音频水印算法*

提出了一种基于对象传播神经网络的抗TSM攻击音频水印算法。利用CPN自学习和自适应的特征,通过自适应改变段长的分段算法,选用具有较强稳定性的小波低频系数方差作为输入向量训练CPN,建立音频特征与水印信号的对应关系,以达到嵌入水印的目的。实验结果表明,该算法对常规音频信号处理和TSM等同步攻击具有很强的鲁棒性。     

基于KMP的高效半脆弱音频水印算法

提出一种基于KMP的高效半脆弱音频水印算法,该算法可以容忍一定程度的常规信号处理操作,检测出对多媒体数据的恶意篡改并定位篡改区域。利用同步信号定位水印的嵌入位置,以提高水印提取的正确率,通过在水印检测系统中引入KMP搜索方法,在保证同步信号准确定位的同时提高算法效率。在篡改定位过程中,无需原始水印的参与。实验结果表明,该算法对篡改区域的定位较精确,效率高,有较好的抗裁剪性能。