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。     

信息嵌入位置自适应选择的鲁棒水印算法

为了更好地提高嵌入水印后的图像质量,提出了一种利用遗传算法(GA)优化支持向量回归机(SVR)的鲁棒水印算法。把经Haar小波变换后,图像子带中具有强相似性的数据作为特征向量,用于被遗传算法优化的SVR建立小波系数方向树的模型。通过比较特征向量均方差(MSE)的大小来自适应地确定水印嵌入的位置。水印的嵌入与提取是通过调整模型的预测值与目标值之间的大小来实现的。实验结果表明,所提算法对常见的图像攻击有很强的鲁棒性,而且水印图像在嵌入容量为16384比特的情况下,峰值信噪比可以达到44.15dB。因此能够有效抵抗常见的水印攻击,在嵌入大量信息的情况下,具有很高的透明性。     

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.     

基于回归型支持向量机的小波域盲水印算法

以回归型支持向量机（Support Vector Regression,SVR）理论为基础,提出了一种新的基于SVR的小波域盲水印算法。算法核心思想是先对图像进行小波分解,然后利用图像小波分解后的子图系数之间的关系和图像局部相关性获得SVR训练模型,并利用SVR训练模型在小波域嵌入和提取水印。该算法以保证鲁棒性和透明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,该文算法不仅具有较好的透明性,而且对JPEG压缩和一般的图像处理具有很强的鲁棒性,其整体性能明显优于现有基于SVM的空间域上的水印算法。     

一种基于SVR几何校正的数字水印检测算法

以回归型支持向量机（SVR）理论基础,提出了一种可有效抵抗几何攻击的图像水印检测新算法.该算法首先选取图像的组合矩作为特征向量,并通过SVR对旋转、缩放、平移等几何变换参数进行训练学习,以获得SVR训练模型;然后利用SVR训练模型对待检测图像进行数据预测,并结合预测输出结果对其进行几何校正;最后从已校正数字图像内提取出水印信息.仿真实验结果表明,本文算法对常规信号处理（滤波、叠加噪声、JPEG压缩等）和几何攻击（旋转、缩放、平移、剪切等）均具有较好的鲁棒性。     

基于3D曲面模型的数字水印算法

本文给出了一种NURBS曲面模型的三维数字水印算法.该算法不直接将水印信息嵌入到NURBS曲面的参数中,而是对原始NURBS曲面模型进行修改,通过映射成虚拟2D图像,利用已有的DCT域图像水印嵌入算法将信息嵌入到2D图像中,再对2D图像进行提取产生新的NURBS曲面水印模型.该算法对于控制顶点、节点向量的改变以及模型表面的近似等操作具有鲁棒性.     

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.     

基于DWT和RBF神经网络的水印算法研究

提出了一种在经过四级小波变换的原始图像中嵌入数字水印的算法.根据人类视觉特征来决定嵌入水印的强度,用秘钥来决定水印嵌入的位置,通过使用训练的RBF神经网络来嵌入和提取水印.实验结果表明:该算法简单有效,且对常见的图像处理具有较好的鲁棒性.     

基于幅度调制的彩色图像水印算法研究

采用幅度调制方式,实现了具有透明性及鲁棒性的彩色图像盲水印算法。先将二值水印信号进行Arnold变换置乱,再与混沌随机序列进行异或运算。在水印嵌入过程中通过平滑滤波来均衡调整嵌入水印后对宿主图像影响的强度。水印嵌入是通过修改图像中像素蓝色通道信息来实现的,而水印提取是基于对嵌入水印位置的邻域像素值的线性组合的预测而完成的。仿真实验证明该文算法不仅具有非常好的透明性,而且对噪声叠加、旋转、剪切、JPEG压缩等攻击具有很好的鲁棒性。     

基于幅度调制和视觉掩蔽特性的彩色图像水印

提出了一种基于幅度调制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的,而水印提取是基于对嵌入水印位置的邻域像素值的线性组合的预测而完成的。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。仿真实验证明该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、图像增强等攻击具有很好的鲁棒性。     

一种基于支持向量机的图像数字水印算法

为了使数字水印综合性能更好，根据图像邻域像素之间具有很强的相关性这一特点，提出了一种基于支持向量机的图像水印算法。该算法将支持向量机的思想用于数字水印，并取得了较好的效果。由于支持向量机在有限训练样本的情况下具有很好的学习和泛化能力，因此，可以首先利用回归型支持向量机较好地建立图像邻域像素之间的关系模型，然后，通过调整模型的输出值与中心像素值之间的大小关系来嵌入或提取水印。实验表明，用该技术嵌入水印后的图像不仅具有很好的图像感知质量和较强的鲁棒性，对图像增强、JPEG压缩、噪声、几何剪切等抵抗强，而且安全性好、实用性较强。     

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.     

基于鲁棒图像水印的文本信息加密技术

通过利用一个新视觉模型计算图像分块的临界噪声阈值矩JND阵,提出了一个基于分块DWT的图像自适应公开水印技术的文本信息加密算法。该算法以一个文本文件为水印,先对文本文件进行Reed-Solomon纠错编码,再转换为二值序列作为水印,并进行随机置乱。然后在原图像8×8分块的Hilbert扫描序列中选取两相邻块分别进行一层DWT,再根据各分块JND阈值,不同强度地调整两相邻块各对应细节子带均值之间的大小关系以自适应地嵌入水印。实验结果表明,即使在较低的峰值信噪比下嵌入水印也具有很好的透明性,同时,该算法对16种常见图像攻击有较高的鲁棒性,特别是信号增强操作处理几乎不影响加密信息的正确提取。     

一种DCT域图象自适应公开水印技术

本文提出了一种基于DCT的图象自适应公开水印算法。该算法结合人类视觉系统屏蔽特性，通过不同强度地调整各8×8 DCT块内两个相邻中频系数间的大小关系，以自适应嵌入水印信号，真正实现了盲水印提取，且视觉因子的计算在空域内进行，算法复杂度低。实验结果表明该算法是有效的．在确保水印不可见的同时，对常见图象处理操作和一
些几何扭曲有较好的鲁棒性。     

Improving digital image watermarking by means of optimal channel selection

Supporting safe and resilient authentication and integrity of digital images is of critical importance in a time of enormous creation and sharing of these contents. This paper presents an improved digital image watermarking model based on a coefficient quantization technique that intelligently encodes the owner’s information for each color channel to improve imperceptibility and robustness of the hidden information. Concretely, a novel color channel selection mechanism automatically selects the optimal HL4 and LH4 wavelet coefficient blocks for embedding binary bits by adjusting block differences, calculated between LH and HL coefficients of the host image. The channel selection aims to minimize the visual difference between the original image and the embedded image. On the other hand, the strength of the watermark is controlled by a factor to achieve an acceptable tradeoff between robustness and imperceptibility. The arrangement of the watermark pixels before shuffling and the channel into which each pixel is embedded is ciphered in an associated key. This key is utterly required to recover the original watermark, which is extracted through an adaptive clustering thresholding mechanism based on the Otsu’s algorithm. Benchmark results prove the model to support imperceptible watermarking as well as high robustness against common attacks in image processing, including geometric, non-geometric transformations, and lossy JPEG compression. The proposed method enhances more than 4 dB in the watermarked image quality and significantly reduces Bit Error Rate in the comparison of state-of-the-art approaches.     

利用HVS特性与混沌映射的图像水印算法

提出一种基于混沌序列的图像空域水印算法。首先通过亮度、边缘、纹理特性计算出每象素视觉因子;然后由视觉因子和混沌映射确定每象素水印嵌入比特位;最后通过替换方式嵌入水印。水印提取时不需原始图像的参与,实验表明算法具有较好的水印透明性,并对一般信号处理攻击是鲁棒的。     

基于模糊聚类分析的自适应图像空间域水印技术

结合人眼的视觉感知特性与图像的局部相关特性，提出了一种基于模糊聚类分析的自适应图像空间域水印嵌入算法．该算法首先根据人眼视觉系统(HVS)的感知特性，结合模糊c-均值(FCM)聚类分析，自适应确定出数字水印嵌入位置；然后利用图像自身的局部相关性，通过修改像素值，将二值水印图像降维置乱后自适应嵌入到宿主图像内，并且具有水印嵌入深度智能调节特性．该算法在提取水印信息时，不需要原始载体图像．实验结果表明：该自适应空间域图像水印嵌入技术不仅具有较好的透明性，而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何剪切、图像增强、马赛克效果等攻击均具有较好的鲁棒性．