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。     

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。     

基于奇偶性的大容量医学图像可逆水印算法

本文提出了一种针对医学图像的基于奇偶性的大容量可逆水印算法。相比一般图像医学图像拥有更多接近0 值的像素点,在嵌入过程中容易溢出。通过测试选择像素中嵌入水印信息不会引起溢出的像素携带水印信息。本算法充分利用了医学图像中所有有能力携带水印信息的像素,提高了医学图像的嵌入率。为保证水印信息提取端图像像素的正确分类和算法的可逆性,本算法基于像素预测误差的奇偶性改进了提取端的测试算法。实验分析表明,本算法不仅保证了含水印医学图像的视觉效果,同时提高了医学图像的水印嵌入容量。对于一般图像,在水印嵌入量和视觉效果方面也有一定的提升。     

基于混合的小波系数分类数字水印算法

部分数字水印算法中水印直接添加到图像小波系数,造成在最大灰度值附近的像素值产生越界,引起水印提取不准确。提出基于混合的小波系数分类数字水印算法,算法在边界值处采用混合嵌入方法,保证了嵌入水印后的像素值不会超出图像灰度范围;其余非边界系数采用叠加水印方法。实验结果表明,该算法避免了水印提取时边界附近产生的误差,水印的相似度也明显提高,嵌入水印后的图像具有较高峰值信噪比。     

基于量化调制与像素块添加的二值工程图抗打印扫描水印算法

针对已有二值工程图抗打印扫描方法需要图像校正且不可见性较差的不足,本文提出了一种基于量化调制与像素块添加的二值工程图抗打印扫描水印算法。本方法首先识别出图中线段边缘部分作为水印嵌入区域,然后将水印序列进行分组,对每组水印序列根据其组号在水印嵌入区域添加参考点,再计算出量化区间,通过在量化区间相应位置添加像素块的方式嵌入水印。水印提取则可通过识别水印点直接进行,无需对图形进行校正还原。实验结果表明本算法能够抵抗打印扫描以及复印攻击,且水印容量大,不可感知性好,具有较好的应用前景。     

奇偶性分类下大容量医学图像可逆水印算法

提出了一种针对医学图像的基于奇偶性的大容量可逆水印算法.相比一般图像,医学图像拥有更多接近0值的像素点,在嵌入过程中容易溢出.通过测试选择像素中嵌入水印信息不会引起溢出的像素携带水印信息.本算法充分利用了医学图像中所有能携带水印信息的像素,提高了医学图像的嵌入率.为保证水印信息提取端图像像素的正确分类和算法的可逆性,本算法基于像素预测误差的奇偶性改进了提取端的测试算法.实验分析表明,本算法不仅保证了含水印医学图像的视觉效果,同时提高了医学图像的水印嵌入容量.对于一般图像,在水印嵌入量和视觉效果方面也有一定的提升.     

一种可抗二值化攻击的文本图像可见水印算法

一些在文本图像中嵌入可见水印标识的方法会在二值化攻击下完全失效,因此提出一种基于灰度均匀分布的文本图像可见水印算法。该算法通过对二值水印图像的黑色像素进行概率筛选来控制水印的嵌入强度,然后将二值文本图像和筛选后的水印图像映射到相同的灰度分布范围,以得到含可见水印标识的文本水印作品。仿真实验表明,该算法生成的文本图像可见水印作品灰度均匀分布,能够抵抗二值化攻击,具有良好的鲁棒性。     

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。     

一种基于量化改动的二值图像水印改进方法

在基于单位块内黑白像素比率的二值图像水印算法的基础上。提出了一种改进的量化水印方案。算法在以合适的量化步长保证水印嵌入的稳健性，并大大提高了可嵌入水印的有效块数，同时使得水印改动的像素个数在一个量化步长以内，从而使得水印系统的容量、稳健性以及视觉失真等指标达到一个有效的折中。另外执行算法时无须记录水印嵌入的位置信息，保证了盲提取的要求。实验结果证明了这种用于二值图像水印算法的有效性和改进性。     

一种灵敏的文本图像认证混沌脆弱水印技术

提出了一种适合二值文本图像产品认证、完整性证明和内容篡改证明的脆弱数字水印算法．文中定义了区域的最不重要像素块LSPB（Least Significant Pixel Block）概念，将一个区域中非嵌入水印点的像素值映射成混沌初值，经过混沌迭代生成水印信息，然后将水印比特嵌入到LSPB的中心像素．实验表明，嵌入水印后的二值图像视觉质量好。算法能够准确地检测并定位对含水印图像的篡改．是一种灵敏的完全盲水印方案．     

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。     

用于图像认证的基于神经网络的水印技术

针对图像的真实性和完整性认证，提出一种基于神经网络的脆弱水印技术。首先，随机选取一些像素及它们的邻域；然后，用神经网络建立这些像素点与它们邻域中的其它像素点之间的关系模型，最后，通过调整被选像素点与模型输出值之间的大小关系来嵌入水印图案的位信息。根据提取的水印图案，可以判断被检测的图像是否真实以及被篡改的位置。实验结果表明，该技术在保持较高图像质量的前提下，具有安全性能好，对篡改敏感性强以及能够准确定位篡改的位置等优点。     

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.     

Reversible watermarking based on multiple prediction modes and adaptive watermark embedding

A new reversible watermark scheme based on multiple prediction modes and adaptive watermark embedding is presented. Six prediction modes fully exploiting strong correlation between any pixel and its surrounding pixels, are designed in this paper. Under any prediction mode, each to-be-predicted pixel must be surrounded by several pixels (they constitute a local neighborhood, and any modification to this neighborhood is not allowed in the embedding process). This neighborhood has three main applications. The first one is that when it is exploited to interpolate some to-be-predicted pixel, the noticeable improvement in prediction accuracy is obtained. The second one is that its variance is employed to determine which classification (i.e., smooth or complex set) its surrounded pixel belongs to. For any to-be-predicted pixel, the number of embedded bits is adaptively determined according to this pixel’s belonging. The last one is that we can accurately evaluate the classification of watermarked pixels by analyzing the local complexity of their corresponding neighborhoods on the decoding side. Therefore, the payload can be largely increased as each to-be-predicted pixel in the smooth set can possibly carry more than 1 bit. Meanwhile, the embedding distortion is greatly controlled by embedding more bits into pixels belonging to smooth set and fewer bits into the others in complex set. Experimental results reveal the proposed method is effective.     

一种稳健的公开数字图像水印技术

提出一种稳健的公开图像水印技术。随机选取若干象素点及其邻域,通过量化象素与邻域的均值之差来隐藏水印信息。实验表明,该方法简单、高效、安全性能好,且具有较好的不可感知性,对通常的图像处理及JPEG压缩等具有极好的稳健性。     

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。     

基于数独的大容量可篡改定位动态多重水印算法

提出一种基于数独的大容量动态水印算法,每像素的嵌入容量为2比特。先将原始图像分成大小为M×N像素不重叠区域,把大小为2M×N像素的若干个不同的水印嵌入到每个区域中。若加入水印后图像被篡改,则会造成篡改区域的水印不能正确提取。在任意时刻都可在感兴趣的区域中嵌入任意水印,即嵌入水印的位置和时间是按一定的协议动态确定的。实验结果表明该算法具有较大的水印嵌入容量和较高的篡改定位精确度。     

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。     

Adaptive reversible watermarking with improved embedding capacity

Embedding capacity is one of the most important issues of the reversible watermarking. However, the theoretical maximum embedding capacity of most reversible watermarking algorithms is only 1.0 bits per pixel (bpp). To achieve a higher capacity, we have to modify the least significant bit (LSB) multiple times which definitely lowers the quality of the embedded image. To this end, this paper proposes a novel reversible watermarking algorithm by employing histogram shifting and adaptive embedding. Specifically, the amount of the embedded watermark is adaptively determined in terms of the context of each pixel. For pixels with small prediction error, we modify the second, third and even the fourth LSBs as well to embed more than one watermark bit. Consequently, the proposed method achieves the embedding capacity larger than 1.0 bpp in single-pass embedding as well as bringing relatively low embedding distortion. The superiority of the proposed method is experimental verified by comparing with other existing schemes.