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。     

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。     

基于DWT的数字图像水印算法研究

研究了一种基于小波变换(DWT)的自适应图像水印算法。该算法引入了基于噪声可见函数(NVF)的感知模型来描述图像的局部特征,并根据此模型决定水印信息的嵌入深度。水印嵌入过程是:首先对载体图像进行小波分解并选择中频部分做为水印的嵌入区域;然后通过计算中频部分的噪声可见函数决定嵌入因子;最后通过小波反变换得到嵌入水印的图像。实验证明,该算法对具有不同特性的灰度图像的自适应性较强,且对常见的攻击具有较强的鲁棒性。     

小波变换用于基于图像内容的自适应数字水印算法

为了提高在频率域嵌入水印抵抗攻击的能力,该文提出一种基于DWT的CBWM自适应数字水印嵌入算法,该算法依据离散小波变换域的水印嵌入策略:水印应当首先嵌入小波图像的低频系数中,若有剩余,再按小波图像频带重要性的排序,嵌入高频带中,并且水印嵌入到图像的低频系数和高频系数中时,需采用不同的嵌入强度;将水印嵌入到图像三级小波分解变换域的低频空间(LL3)的特征向量中,并且水印与特征向量两者正交。并且,其中水印的嵌入过程是自适应的,即先将小波系数组织成小波块,再依据纹理强弱对小波块分类,然后根据分类结果,将不同强度的水印分量嵌入到特征向量的不同分量中。此外,该算法对静止图像的水印检测是通过Neymann-Pearson决策准则来实现的。实验结果证明,该算法对滤波、噪声、几何变换、图像压缩、以及x-y方向修剪、StirMark攻击等都具有很好的抵抗能力;对裁剪和图像旋转也具有较好的鲁棒性。     

基于图像内容的局部化数字水印算法

本文提出一种基于DWT的CBWM局部化数字水印算法，该算法是利用图像中相对稳定的特征点来标示局部水印的嵌入位置，并在与每个特征点对应的局部区域内独立地嵌入水印 。这样。当只有部分图像时，仍能通过这些特征点来定位并检测水印。该算法中，局部水印的嵌入是通过将水印嵌入到局部图像小波变换域的低频空间的特征向量中，并且嵌
入的局部水印与特征向量两者正交。实验结果轰明．该算法对裁剪等各类攻击具有很好的鲁棒性。     

一种基于DWT抗几何攻击数字水印鲁棒算法

针对大部分数字水印算法抗几何攻击能力差这一难题,提出了一种基于小波变换可抗击几何攻击算法.在水印嵌入部分:首先对宿主图像进行小波分解、嵌入水印,再通过余弦变换求得该水印图像的一个特征向量,利用该特征向量和水印信息通过HASH函数生成一个二值逻辑系列,将该序列作为密钥;水印提取部分为:对待测的图像进行小波变换,再通过余弦变换求得待测图像的一个特征向量,利用该特征向量和密钥通过HASH函数提取出水印.文章最后对水印图像进行了旋转、缩放和扭曲等几何攻击试验.试验表明,该算法有理想的抗几何攻击能力.旋转攻击的旋转角度可达40°,缩放攻击的缩放比例可达0.2,旋转扭曲攻击的扭曲角度可达100°.     

基于小波域方向树结构的图像水印算法

在小波变换域中，不同分辨率上、同方向子带内、相同空间位置的小波系数之间有较强的相似性，该文提出了一种基于小波域方向树结构的图像水印算法。该算法利用支持向量机建立小波系数方向树结构模型，通过调整模型的输出值与目标值的大小关系来隐藏水印。提取水印时，不需要原始载体图像。实验结果表明，该算法对常见的图像攻击具有很好的鲁棒性，而且水印嵌入容量大、隐蔽性好、安全性强、性能优越。     

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.     

基于遗传算法的多小波数字图像水印算法

提出了一种基于遗传算法的多小波数字图像水印算法,在离散多小波变换(DMT)域中嵌入水印信息,利用遗传算法进行参数优化,提高水印图像的质量和水印的鲁棒性.实验结果表明,在利用遗传算法在GHM多小波变换域中嵌入水印比离散小波变换(DWT)域中嵌入水印更具有鲁棒性.     

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。     

基于范重心抗局部非线性几何攻击水印算法

为了实现数字图像的版权保护,设计了一种基于范重心和提升小波变换的抗局部非线性几何攻击数字水印算法。算法首先将水印图像进行置乱加密预处理,其次对原始图像进行三级小波提升,分别提取低频图像和高频图像范重心,并根据子图范重心坐标生成特征向量,最后将特征向量与水印运算得到代表原始图像的版权信息。实验结果表明,该算法对图像遭受的局部非线性几何攻击具有较强的鲁棒性,同时密钥的使用保证了算法的安全性。     

图像块的不可见性与鲁棒性均衡水印算法

目的 为协调水印算法不可见性与鲁棒性之间的矛盾,提高水印算法抵抗几何攻击的能力,提出一种图像块的不可见性与鲁棒性均衡水印算法。方法 将宿主图像分成互不重叠的图像块,利用人类视觉系统的掩蔽特性对每个图像块的纹理特征和边缘特征进行分析,选择掩蔽性好的图像块作为嵌入子块。对嵌入子块作2级离散小波变换,将其低频子带进行奇异值分解,通过修改U矩阵第1列元素间的大小关系嵌入Arnold置乱后的水印信息。在水印提取前,对几何失真含水印图像利用图像尺度不变特征变换（SIFT）特征点的坐标关系和尺度特征进行几何校正,恢复水印的同步性。结果 对标准灰度图像进行实验,含水印图像的峰值信噪比都可以达到44 dB以上。对含水印图像进行常规攻击和几何攻击,提取出的水印图像与原始水印图像的归一化互相关系数大部分都能达到0.99以上,说明该算法不仅具有良好的不可见性,对常见攻击和几何攻击都具有较强的鲁棒性。结论 选择掩蔽性好的图像块作为水印嵌入位置能够充分保证水印算法的不可见性,特别是水印提取前利用SIFT特征点具有旋转、缩放和平移不变性对几何失真含水印图像实现有效校正,提高了含水印图像抵抗几何攻击的能力,较好地协调水印算法不可见性与鲁棒性之间的矛盾。     

基于小波域HMM模型的稳健多比特图像水印算法

稳健性是多比特图像水印的关键问题之一,提出了一种基于小波域隐马尔可夫模型(hidden Markov model,简称HMM)的多比特图像水印算法,该算法的主要特点为:(1) 利用向量HMM模型精确描述图像小波系数间的统计特性,基于此统计模型的水印盲检测系统较之传统的相关检测器,在性能上有显著的提升;(2) 结合视觉掩盖特性,自适应地调整水印嵌入强度,使之在一定的嵌入强度下,视觉主观失真较小;(3) 提出了一种适合隐马尔可夫模型树型结构的多比特数据优化嵌入策略和最大似然检测.数值仿真结果表明,该算法可以较好地利用图像小波域的低频子带以实现较大容量图像水印的嵌入,并在抵抗Stirmark平台攻击,如JPEG压缩、加噪、中值滤波和线性滤波等方面具有很强的稳健性.     

基于回归型支持向量机的数字图像水印新算法

以回归型支持向量机（Support Vector Regression,SVR）理论为基础,提出一种数字图像水印新算法.该算法能够结合图像局部相关性,选取稳定的特征向量并获得SVR训练模型,进而利用SVR训练模型嵌入和提取数字水印信息.该算法以保证不可感知性和鲁棒性的良好平衡为前提,实现了数字水印的盲检测.仿真实验表明,本文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、对比度增强等常规处理及扭曲、剪切等几何攻击均具有较好的鲁棒性,其整体性能明显优于现有SVM图像水印方案.     

可有效抵抗一般性几何攻击的数字水印检测方法

以回归型支持向量机理论为基础, 结合性能稳定的伪Zernike矩和Krawtchouk矩, 提出了一种可有效抵抗一般性几何攻击的强鲁棒数字图像水印检测算法. 该算法首先选取图像的低阶Krawtchouk矩作为特征向量, 然后利用SVR对几何变换参数进行训练学习并对待检测图像进行数据预测, 最后对其进行几何校正并提取水印信息. 仿真实验结果表明, 该数字图像水印检测算法不仅具有较好的不可感知性, 而且对常规信号处理和一般性几何攻击均具有较好的鲁棒性.     

人眼视觉特性与SIFT相结合的视频双水印算法

针对视频水印容易遭受几何攻击以及水印的鲁棒性与透明性的平衡问题,提出一种基于人眼视觉特性与尺度不变特征变换（SIFT）相结合的抗几何攻击视频双水印算法。首先获取视频序列中人眼视觉掩蔽阈值作为水印的最大嵌入强度。其次,将视频帧进行离散小波变换（DWT）,对中高频子带系数提出基于视频运动信息的自适应水印算法;针对低频子带,提出基于小波低频系数统计特性的抗几何攻击视频水印算法。最后,以SIFT作为触发器判断视频帧是否遭受几何攻击,对遭受几何攻击的视频帧利用SIFT的尺度与方向不变性进行校正,并对校正后的视频帧提取水印信号;针对非几何攻击的视频帧,直接利用中高频提取算法。所提算法与实时性视频水印算法——基于小波域直方图的视频水印（VW-HDWT）算法比较,峰值性噪比值（PSNR）提高了7.5%;与基于特征区域的水印算法相比,水印嵌入容量提高约10倍。实验结果表明,在保证水印透明度较好的情况下,所提算法对常规几何攻击具有较强的鲁棒性。     

基于Logistic混沌映射和IWT-SVD量化的盲鲁棒水印算法

为了提高数字水印的鲁棒性以及水印嵌入位置的保密性,提出了一种基于Logistic混沌映射和整数小流变换—奇异值分解(IWT-SVD)量化的盲鲁棒水印算法:对二值水印图像进行Arnold置乱,对原始载体图像进行8×8分块,利用生成的Logistic混沌序列选择嵌入水印的图像块,充分保证了水印嵌入位置的保密性;对选中的图像块进行二级IWT分解,对得到的二级低频子带系数进行SVD;将置乱后的水印信息嵌入.算法不需要原始载体图像,实现了水印的盲提取,更具实用性.仿真实验结果表明:算法对常规图像处理操作、压缩攻击和剪切攻击均具有较强的稳健性.     

Geometrically invariant image watermarking using SVR correction in NSCT domain

Based on the support vector regression (SVR) geometric distortions correction, we propose a robust image watermarking algorithm in nonsubsampled contourlet transform (NSCT) domain with good visual quality and reasonable resistance toward geometric attacks in this paper. Firstly, the NSCT is performed on original host image, and corresponding low-pass subband is selected for embedding watermark. Then, the selected low-pass subband is divided into small blocks. Finally, the digital watermark is embedded into host image by modulating the NSCT coefficients in small blocks. In digital watermark detecting procedure, the SVR geometrical distortions correction is utilized. Experimental results show that the proposed image watermarking is invisible, and robust against common image processing and some geometrical attacks.     

基于第二代Bandelet变换的抗几何攻击图像水印

抗几何攻击的鲁棒图像水印设计是目前水印技术研究的难点和热点之一. 文中分析了图像的Bandelet变换特性, 提出了一种以图像特征点矢量集为特征向量的回归支持向量机(Support vector regression, SVR)和第二代 Bandelet变换的抗几何攻击图像水印算法,采取的主要方法包括: 1)在Bandelet变换提取的刻画图像局部特征的几何流系数上, 采用奇偶量化嵌入水印; 2)利用Harris-Laplace算子从归一化的含水印图像中提取具有几何形变鲁棒性的图像特征点,构造特征点矢量集 作为特征向量,应用回归支持向量机对几何变换参数进行训练学习; 3)水印检测时, 先利用SVR训练模型得到待检测图像所受几何攻击的参数并作几何校正,然后通过奇偶检测器盲提取水印.仿真实验表明,所提出的水印算 法不仅具有良好的透明性,而且对常规图像处理、一般性几何攻击和组合攻击均具有良好的鲁棒性.     

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.