基于人工神经网络的半脆弱零水印技术

提出了基于人工神经网络的半脆弱零水印技术。首先在宿主图像中随机选择像素点,然后利用神经网络构建所选择像素点与其3×3邻域像素之间的关系,并与二值水印图像进行异或运算得到水印检测密钥,作为所构造的零水印。由于仅从宿主图像中抽取特征构造水印,而没有向图像中嵌入信息,避免了嵌入水印所导致的图像变形。该技术可以用于图像真实性、完整性认证,并可定位篡改发生的位置,且对于JPEG图像压缩具有一定的稳健性。实验结果证明了算法的有效性。     

一种基于线性神经网络的半易损水印技术

本文提出了一种基于线性神经网络的半易损水印技术。该算法利用线性神经网络对小波低频系数及其邻域系数的关系进行建模,然后利用被选的嵌入点处的小波系数与模型输出值之间的大小关系来嵌入二值水印。基于该模型提取水印时不需要原始图像和水印,只需模型的参数即可。实验表明,该算法不仅对于恶意篡改有较强的定位能力,而且可
可以抵抗JPEG压缩。     

基于块邻域的图像双脆弱水印算法

针对自嵌入水印技术固定偏移映射带来的安全隐患和单水印机制可恢复率受限的问题,提出了一种基于块邻域的图像双脆弱水印算法。将图像划分为不重叠的4×4图像块,并运用块截断编码生成基于块内容的恢复水印;对任一图像块,设置适当大小的块邻域,并在其邻域外和邻域内随机选择两个图像块作为映射块;同时将恢复水印分别嵌入对应的两个映射块中。算法的图像块邻域设置机制可确保图像块与其对应映射块保持一定的距离;图像块邻域内外映射块选取机制使两个映射块之间保持一定的距离,保证了水印的安全性。理论分析了在连续区域篡改情形下,篡改区域与图像块邻域之间的关系,分析表明存在合适的图像块邻域,使被篡改区域的平均恢复率优于随机映射嵌入算法。利用数值计算给出了篡改区域平均恢复率和篡改区域各图像块恢复率的分布趋势,趋势表明：当篡改参数固定时,图像块邻域与篡改区域相交面积越大,其篡改区域的平均恢复率越高;而当篡改参数与邻域参数满足：t≤(r-1)/2时,篡改区域图像块可100%恢复;(r-1)/2 r时,篡改区域图像块恢复率有所降低。实验结果验证了理论分析的合理性...     

一种基于神经网络和小波变换的盲水印算法

提出一种新的运用神经网络将水印嵌入离散小波变换后的宿主图像中的数字水印算法。算法创新地提出选择水印嵌入点周围的8个邻域像素点作为神经网络的样本输入,这样可以更好地增强水印的透明性。该算法首先对宿主图像做离散小波变换,取低频子带作为嵌入位置,运用密钥随机选取水印的具体嵌入坐标,提取其邻域的像素点,利用建模好的神经网络对其进行训练,通过修改其像素值嵌入水印,提取时利用确定的神经网络实现水印的盲提取。水印嵌入之前运用Amold变换进行了置乱处理。实验结果表明,该算法具有较好的不可见性和鲁棒性。     

抗拼贴攻击的二值图像认证算法

为提高算法抵抗拼贴攻击的能力,本文结合块相关思想提出一种二值图像认证算法.该算法首先将每个图像块中的像素点分为“可翻转”和“不可翻转”两类,将“不可翻转”像素点 Hash 生成水印信息,用其替代相应映射块的“可翻转”像素点实现水印嵌入.通过比较图像块重构水印及提取水印的一致性判断该图像块的真实性,并结合各图像块邻域篡改特征进一步提高篡改检测性能.实验结果表明,该算法不仅提高了在替换、添加、删除攻击下的篡改检测性能,而且能够有效抵抗拼贴攻击.     

基于像素点灰度值奇偶性的数字图像水印方案

为了验证图像的真实性和完整性,提出了一种基于像素点灰度值奇偶性的脆弱水印技术。选取一些像素点,通过判断并调整这些像素点的灰度值奇偶性达到嵌入水印图像位信息的目的。根据提取的水印图像可以验证被检测图像是否真实以及被非法窜改的位置。实验结果表明,该技术在保持较高图像质量的前提下,具有安全性好、 对窜改敏感以及能够准确确定窜改位置等优点。     

一种像素级的图像篡改认证算法

提出了一种用于图像内容像素级篡改认证的脆弱水印算法，能准确识别图像中被篡改的像素点，并且能容忍图像传输过程中出现的个别认证信息位的传输错误。这种算法以向左右和上下各扩展若干个像素点来产生认证信息，结合周围像素来确定嵌入的水印比特而引入基于图像的不确定性的某些算法,常常会出现被篡改的单个像素点不能被准确定位的问题,本算法可有效解决这一问题,认证信息进行加密后再进行嵌入，解决了多数像素级认证算法所出现的安全漏洞问题。     

基于神经网络的灰度级数字水印嵌入技术

提出一种将灰度级数字水印嵌入到彩色图像中的方法。利用DCT变换,先将灰度水印编码成二值位流信息：用神经网络建立彩色图像中所选择的像素之间关系模型。最后,通过调整被选择像素点与模型输出值之间大小关系来嵌入水印的二值位流信息。采用信息放大技术,加强水印的嵌入强度。利用神经网络、DCT反变换,提取灰度水印。实验结果表明,该算法对目前JPEG图像压缩变换和某些图像处理操作具有极强的鲁棒性。     

一种新的基于域相关算法的图像易损水印技术

给出了一种在空域中嵌入有意义易损水印的算法，嵌入有意义的水印与无意义的伪随机序列相比，具有明显的优势。该文的方法，首先根据密钥随机选取一组图像像素以及它们的邻域，由邻域中像素的相关性选取出一个参考水印点，通过参考点和水印值来共同调整选出的图像像素值，从而完成水印信息的隐藏。检测时不需要原始图像。实验结果表明算法对有损压缩、数据替换等各种篡改操作具有很强的敏感性，通过归一化相关系数等方法可对数据的完整性做出结论。     

可恢复的脆弱数字图像水印

该文提出一种用于图像内容认证和保护的脆弱数字图像水印算法．该算法不但可以检测定位出图像中任何细微的篡改，而且可以恢复较大面积的被篡改的图像数据．首先该文给出了一种被称之为基于块交叉交插RS编码的水印生成算法；随后使用基于块交叉交插RS码的校验符号作为水印并将其埋植到图像数据的最低位；最后利用基于块交叉交插RS解码实现水印信号检测以及对图像篡改数据的定位和恢复．此外该文算法使用由密码生成的掩膜图像参与水印信号的生成和检测，很好地保证了水印的安全性和保密性．经实验验证，该算法不但可以有效地检测出图像中被篡改内容的位置，而且能恢复被篡改的图像数据．     

基于神经网络的小波域数字水印嵌入算法研究

提出一种结合神经网络将二值水印嵌入离散小波变换后的宿主图像中的新方法.为使算法具有更好的不可感知性和鲁棒性,进一步提高它的实用性,结合神经网络理论,创新地提出在小波域实现对数字水印嵌入.该方法是对宿主图像做离散小波分解,取分解后的近似分量作为嵌入位置.在其中随机的选取一些像素点及其邻域,利用神经网络对其进行建模及训练,通过修改其像素值嵌入水印信息.在嵌入之前对二值水印进行了Arnold变换来加密.实验结果表明,算法具有很强的抗几何攻击和承受其他图像处理操作的能力,不可感知性好,鲁棒性明显优于一般小波域嵌入算法,对数字水印的实现具有很强的参考价值.     

一种基于小波变换和神经网络的数字水印算法

提出了一种新的基于小波变换和神经网络的数字水印算法。该算法首先把原始图像分成8X8像素的小块,根据Logistic映射产生的混沌序列选择相应的小块构造一个原始图像的子图,接着把DWT变换作用在这个子图上,得到两个子带LH:和HL1,然后把水印信息嵌入在这两个子带上,接着通过IDWT变换重构子图,最后按构成子图的顺序把每一个8X8像素的小块放回到原图中相应位置,从而得到一个嵌入了水印信息的图像。在水印的提取过程中使用了经典的I3P神经网络。实验结果表明,通过该算法嵌入的水印具有较好的鲁棒性、安全性和不可感知性。     

基于广义猫映射与神经网络的图像空域水印算法*

提出了基于广义Arnold变换和神经网络模型的图像空域水印算法。二值水印嵌入位置通过广义猫映射随机产生,训练一个神经网络记忆每个图像块中像素之间的关系,并采用水印嵌入增强处理技术,加强了水印的嵌入强度。实验结果表明,该算法具有较强的鲁棒性,能有效地抵抗剪切攻击、LSB攻击和椒盐噪声攻击等。     

兼顾视觉质量和载体图像无损重建的可见水印

针对几种现有的水印方法含水印图像视觉效果不佳的问题,提出了以下两种方案:一种是将水印与图像最高位面做异或运算来实现水印嵌入,此方案当水印位置和大小不受限制时,效果与以往的几种方法相近,但实现更加简单;另一种方法是在水印覆盖区进行像素比特移位,使水印覆盖处的高位像素下移,将水印置于最高位,以获得半透明的水印效果。对于任意的水印嵌入位置和水印大小,应用该方法得到的含水印图像不会出现亮度的跳变,且视觉效果自然。两种方法均可在不知道水印信息的情况下实现原始图像的无损恢复。     

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.