基于Shearlet变换的盲图像水印算法

为进一步提高基于变换域水印算法的性能,设计一种基于Shearlet变换的盲图像水印算法。首先将原始图像进行Shearlet变换;其次根据最大后验概率MAP准则选择重要系数;最后水印根据重要系数能量自适应嵌入。水印检测端使用盲水印检测。实验结果表明,该算法不仅具有很好的透明性,同时对常见图像处理攻击和几何攻击均具有很强的鲁棒性,其性能明显优于傅里叶域和小波域的水印算法。     

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。     

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。     

基于小波变换和模糊熵的自适应鲁棒水印算法

提出了一种新的基于模糊理论的小波域自适应鲁棒性水印算法,目前很多小波域算法都没有真正实现自适应,该算法充分考虑了HVS掩蔽特性,利用离散小波变换的性质和模糊熵衡量出来的纹理特征和亮度对噪声的掩盖因子确定该小波系数嵌入水印的强度,使水印在不同图像块有不同的嵌入强度,真正实现自适应,实验结果表明,该算法在保持良好水印透明性的同时,对一些常见的图像处理以及噪声干扰都具有很强的鲁棒性。     

小波域中的鲁棒性盲水印算法

提出了自适应的鲁棒性图像水印方案。用密钥选择嵌入的位置,增加水印的安全性,并只对有嵌入要求的图像块进行离散小波变换,这样算法的计算复杂度只与水印容量有关,与宿主图像无关,相对减少了计算的复杂度。在水印嵌入过程中,对相应的有嵌入要求的图像块进行分类来决定不同的嵌入强度,达到了自适应的嵌入要求。为了更好地增加方案的鲁棒性,采用基因算法对阈值进行了优化。实验结果表明,此方案具有很好的透明性,对通常的图像处理具有很好的鲁棒性。     

基于SVR的嵌入强度自适应的图像水印算法

如何优化水印嵌入强度是数字水印研究中的关键问题，并与水印的鲁棒性和不可感知性密切相关。本文针对图像数据，基于SVR模型提出一种嵌入强度自适应的水印算法。在图像特征方面，本文选取图像的LBP算子和小波变换的低频系数，根据SSIM指标确定合适的水印嵌入强度，生成训练样本数据集并对SVR模型进行训练；在水印嵌入过程中，首先对水印进行加密等预处理，然后对图像子块进行DWT变换，运用训练好的SVR模型确定水印嵌入强度并嵌入水印，同理可根据密钥和SVR模型进行水印的提取。实验结果表明，本文提出的算法在保证图像质量和水印不可见性的前提下，能够对图像进行自适应地水印嵌入和提取，同时对噪声、压缩、剪切等攻击均具有较好的鲁棒性。     

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。     

自适应图像水印系统的设计与研究

围绕数字水印的不可见性与鲁棒性的均衡问题，采用离散小波变换(Discrete Wavelet Transform, DWT)对载体图像进行二级小波分解，并对水印图像进行反色及Arnold置乱预处理，根据人类视觉系统的亮度掩蔽特性，对载体图像和水印图像进行亮度子块划分与分类，优化水印的嵌入位置及嵌入强度因子，实现对水印的嵌入强度、嵌入位置等随载体图像各部分特性的不同而自适应地嵌入。采用滤波、缩放、裁剪、噪声、旋转等攻击对该自适应水印系统进行了性能评价，实验结果表明，该水印系统具有良好的自适应性能，能较好地均衡系统的鲁棒性和不可见性。     

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.     

一种自适应的彩色图像水印算法

提出了一种新颖的彩色图像水印算法，算法利用DCT系数块之间的相关性将水印嵌入到彩色图像亮度分量Y的DCT系数中，在提取过程中无需使用原始图像和其它参数。它可以根据原始图像的特征自适应地调节水印的嵌入强度，使得盗版者难以估计嵌入的位置。实验表明，本算法较好保持了原始图像的品质，对非几何攻击和有损压缩具有较好的稳健性。     

基于Hilbert曲线和位置自调节法的图像版权保护算法

以小波的相关理论为基础,先把水印图像预置乱处理,对宿主图像直接进行小波包分解,之后将水印的低频部分和中高频部分分别采用Hilbert曲线扫描和位置自调节法嵌入到宿主图像中,嵌入强度可根据图像的内容自适应调节。通过实验观察,新算法在抗压缩和抗剪切性能有所提升,同时隐蔽性和抗噪能力也得到了较大改观,结果充分说明该算法是一种性能较为优良的图像版权保护算法。     

一种基于小波包分解的自适应数字水印算法

提出一种基于人类视觉特性和小波包分解的数字水印算法.该算法充分利用小波包分解的特点,将水印信息有选择地嵌入到原始图像中,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.理论分析和实验结果表明:该算法很好地解决了水印鲁棒性和不可见性之间的矛盾,对一般的图像处理和攻击,如JPEG压缩、滤波、加噪声、裁剪等有很好的鲁棒性.     

纠错编码和自适应量化的同步音频水印研究

利用混沌动力力学系统中的Logistic映射对水印图像进行置乱处理,并对其采用纠错编码技术,同时引入嵌入同步信号的思想,利用同步信号定位水印的嵌入位置,根据人耳的听觉特性,采用自适应量化调制策略将水印信息嵌入到DCT域系数中。实验结果表明：该算法不仅具有较好的不可感知性,而且对诸如低通滤波、有损压缩、重采样和剪裁等攻击均具有较好的顽健性。     

二维耦合映象格子混沌加密彩色图像水印

提出了一种二维耦合映象格子混沌加密的彩色图像自适应水印算法。该算法采用二维离散耦合映象格子混沌系统迭代生成加密水印。在水印嵌人过程中,把彩色图像亮度分量分成互不重叠的图像块,用分数盒维数分析各块的特征,提取特征块和次特征块,对它们分别进行一级小波分解,先将水印以不同强度自适应地嵌入到特征块的小波域低频子图中。在保证隐蔽性的前提下,再次将水印以不同强度自适应地嵌入到次特征块的小波域低频子图中。实验结果表明,该算法对JPEG压缩、加噪、剪切、滤波等具有较强的稳健性。     

基于整型小波变换的彩色图像盲水印算法*

针对多数图像水印算法将灰度图像嵌入宿主图像的研究现状,提出了一种基于整型小波变换将彩色数字水印嵌入到彩色宿主图像中的算法。本算法结合人眼的视觉掩蔽特性, 实现了数字水印嵌入位置的自适应确定,同时采用量化小波系数的方法将彩色水印嵌入到彩色图像YCrCb模式的Y分量中去,彩色水印的提取不需要原始水印和原始宿主图像。实验证明,水印具有良好的不可见性,并且对常见的图像处理操作具有很强的鲁棒性。     

Contourlet与小波域鲁棒性水印算法性能比较

与小波变换不同,Contourlet变换通过各向异性基实现了图像的多尺度多方向性分解,更能捕获图像的曲线奇异性和匹配人类视觉特性。通过分解系数的视觉显著性决定水印强度,不同子带自适应地嵌入水印信号,提出了一种鲁棒性感知水印嵌入算法;该算法在小波分解和Contourlet分解的两种多分辨率框架下对常见水印攻击进行了实验测试。实验结果表明,在同等水印嵌入算法情况下,基于Contourlet和基于Wavelet变换的水印算法都能够抵抗常见攻击手段,但是Contourlet变换算法具有更高的安全性、鲁棒性和不可见性。     

基于支持向量机的自适应图像水印技术

提出一种基于支持向量机的自适应图像空域水印嵌入算法.由于支持向量机与人眼视觉系统在自学习、泛化和非线性逼近等方面具有极大的相似性,算法利用支持向量机模拟人眼视觉特征,结合图像的局部相关特性,自适应地确定图像的最佳嵌入位置和嵌入强度.首先,利用无导师的模糊聚类分析方法对图像各像素进行初步的聚类,为有导师的支持向量机找到分类规则;然后,从各类别中选出隶属度超过一定阈值的像素作为支持向量机分类的训练样本集,建立支持向量机的分类模型,根据此模型对图像各像素再次分类,从而确定水印的最佳嵌入位置;最后结合图像自身的局部相关性,自适应地调整水印嵌入位置的像素值.该算法在提取水印时不需要原始载体图像.实验结果表明,此算法对多种图像处理均具有很好的稳健性和图像感知质量,其性能优于相关文献上的相近方法.     

基于反攻击的数字图像水印方法

在实际应用中 ,加有水印的数字图像不可避免会遭到一些有意或无意的攻击 .针对一些常用的攻击方法 ,提出了一种反攻击方法和相应的水印算法 ;算法自适应地选择水印嵌入位置和确定水印序列长度 ;水印嵌入在 DWT域进行 ;根据人眼视觉掩蔽特性确定水印嵌入强度 .实验结果表明该方法具有较好的图像自适应性和水印不可见性 ;对JPEG压缩、图像加噪声和图像滤波等常见的攻击方法具有极强的鲁棒性