基于提升小波和奇异值分解的灰度水印算法*

以提升小波变换和奇异值分解的理论为基础,提出了一种新的基于LWT和SVD的灰度图像水印算法。该算法核心思想是先对载体图像进行分块;然后对每块二级LWT后的中高频带继续LWT;再对选取的各频带进行SVD,选取相应的奇异值组成新的矩阵,对新矩阵按规则分块,并再次SVD。通过两次分块、两次LWT和四重使用SVD构造矩阵的方法,有效地将抽取的奇异值重新分配和组合。最后将Logistic混沌置乱后的灰度水印信息加载到组合后的矩阵中。该算法以保证鲁棒性和透明性的良好平衡为前提,提高了嵌入的信息量。仿真实验表明,该算法     

基于SVD的图像数字水印算法研究

数字水印技术被视为数字产品版权保护的一种新方法。利用奇异值分解（singular value decomposition，SVD）良好性能以及双密钥调制的特点，提出了一个新的基于SVD的数字图像水印算法。首先将图像进行分块，然后通过各个图像子块的SVD变换获得奇异值，将各子块的奇异值组成向量后再采用双密钥调制方式嵌入水印。水印的提取不需要原始图像。实验结果表明该算法具有良好的鲁棒性和不可见性。     

基于DWT-SVD的图像盲水印研究

提出了一种新的基于离散小渡变换(DWT)与奇异值分解(SVD)相结合的数字图像水印算法.该算法将原始图像作小波分解并将小波分解得到的低频子带进行分块,对每一块进行奇异值分解后,选取每块中最大的奇异值通过量化的方法嵌入经过Arnold置乱后水印信息.水印的提取不需要原始图像,但受到密钥的限制,不知道密钥的人无法正确地恢复数字水印.实验结果表明,该算法具有较好的不可感知性、鲁棒性和安全性.     

一种多级离散余弦变换和奇异值分解的零水印算法

传统的基于离散余弦变换的数字水印方法在嵌入水印时都要对原始图像数据进行一定的修改导致嵌入水印图像的保真度下降。文章提出了一种基于多级离散余弦变换和奇异值分解的零水印算法,该算法首先对要嵌入的原始图像进行多级离散余弦变换（MDCT）,提取低频子图并对其进行奇异值分解（SVD）;其次对嵌入的水印图像进行置乱,将置乱后的图像进行奇异值分解;最后将原始图像和水印图像两次SVD后的结果进行运算产生密钥图像。由于本文选取的水印为灰度图像而不是伪随机序列或二值图像,因此在水印检测时具有很好的区分度和检测精度。仿真实验表明该算法的鲁棒性优于现有算法,而且在抗各种常见攻击方面性能良好。     

一种基于Slant变换和SVD的稳健性数字水印算法

针对奇异值分解(SVD)存在的虚警错误和水印隐蔽性与鲁棒性的矛盾问题,提出了一种基于Slant变换和SVD的稳健性数字水印算法。对二值水印图像进行Arnold置乱和Logistic映射双因子加密预处理,增强水印信息安全性;将原始载体图像分成8×8不重叠子块分别对其进行Slant变换和块奇异值分解;然后将水印图像SVD后的左奇异矩阵和奇异值矩阵相乘作为水印主成分嵌入到每个子块的最大奇异值中。仿真实验结果表明,该算法不仅有效解决了传统SVD水印算法的虚警问题,提升了运行速度和水印安全性,在具有较好隐蔽性的同时,对JPEG压缩、噪声、滤波、几何攻击等也有较好的稳健性。     

一种新的基于DCT和SVD的鲁棒水印算法

提出一种基于离散变换域(DCT)和矩阵奇异值分解(SVD)的鲁棒水印算法.首先将载体图像进行离散余弦变换,取包括直流系数在内的与水印图像大小一致的变换域信息;然后分别将所取信息和有意义水印图像作SVD分解,得到四个正交矩阵和两个对角矩阵;最后将水印图像SVD得到的三个矩阵分别嵌入到其余三个矩阵中,作SVD和DCT逆变换得到含水印图像.实验结果证明,本算法具有较强的鲁棒性.     

基于分块的DCT-SVD数字水印算法

矩阵的奇异值分解(SVD)是对矩阵进行的一种正交变换,它在数学上具有转置、平移、旋转以及镜像变换不变性等很多优良性质。从图像处理的角度将图像作为一个二维矩阵来处理,结合SVD和离散余弦变换(DCT)的优良性质,探讨和研究基于分块的DCT-SVD数字水印算法。实验结果表明,基于分块的DCT-SVD水印算法对均值滤波、高斯噪声、JPG压缩和图像旋转等攻击具有很好的鲁棒性。     

基于混沌变换的SVD图像水印算法

数字水印技术向多媒体数字作品中加入秘密信息并对其进行判定区分,从而起到保护版权作用。分析了奇异值分解的图像矩阵特性,基于混沌变换加密,实现SVD变换域内的有意义数字水印。实验结果表明了分块SVD图像水印算法的有效性和稳健性。     

基于细胞自动机与奇异值分解的零水印算法

针对常规水印算法对JPEG压缩与几何攻击鲁棒性较差的问题,提出了一种基于细胞自动机(CA)变换与奇异值分解(SVD)的零水印算法。首先对图像进行二维细胞自动机变换,分离出低频近似图像并保存作为密钥的变换参数;然后对低频图像分块并在每个子块上进行奇异值分解,通过细胞自动机变换规则在每个子块的奇异值矩阵上构造零水印;最后,图像认证时根据两个图像的水印相似度是否大于阈值来判断图像是否遭遇篡改。通过实验证明,该水印算法具有良好的不可见性和安全性,并且对于JPEG压缩与几何攻击表现出较强的鲁棒性。     

基于分块FRIT-SVD的鲁棒零水印算法

针对水印图像轮廓特征的提取,使用小波变换并不是最佳方式,脊波变换较小波变换有着更好的逼近精度和稀疏性能。结合二维混沌系统、SVD和位平面技术共同构造零水印信息,提出了一种基于脊波变换域的鲁棒零水印算法。该算法首先对载体图像进行二维一级小波变换提取低频域,利用分块策略对其分块并进行有限脊波变换(FRIT),经SVD提取最大奇异值构造特征矩阵后,使用二维混沌系统对特征矩阵进行置乱加密,提取特征矩阵中的重要位平面与加密水印信号结合生成注册零水印信息,不仅提高了水印鲁棒性,双重加密后的水印安全性能也得到提升。实验表明,该算法具有较好的鲁棒性、安全性和易操作性,能够有效抵抗各类图像攻击。     

基于SVD的彩色图像盲水印算法

为了更好地保护数字产品的版权,本文提出了一种提升小波变换与奇异值分解相结合的彩色图像数字水印算法。提升小波变换运算速度快,能够对任意尺寸图像进行变换;奇异值分解具有几何不变性,并且体现图像的内蕴特性。算法充分利用提升小波变换和奇异值分解的优良特性,选择彩色图像的蓝色通道进行水印嵌入。首先对原始图像进行多级提升小波变换,然后选取中低频子带进行奇异值分解,将灰度水印图像进行Arnold置乱后分成四个部分嵌入所选子带的部分奇异值矩阵中。在水印提取时不需要原始载体图像,更加有利于实际中的应用。实验表明,该算法具有良好的透明性,而且对大部分常见攻击及几何攻击有很好的鲁棒性。     

基于CT-SVD彩色图像盲水印方案

介绍了采用Contourlet变换的多尺度性、多方向性和SVD分解的稳定性特征对彩色图像嵌入数字水印的方法.先将RGB空间彩色图像转换为YUV空间,对明亮度分量Y进行Contourlet变换得到不同尺度不同方向上的系数,然后为了满足水印的不可见性和稳健性,对低频系数进行分块SVD分解,根据二值水印值修改左奇异矩阵U.     

最大奇异值移位的鲁棒图像信息隐藏

为了提高图像信息隐藏的鲁棒性和不可感知性,提出了一种基于图像块最大奇异值移位的鲁棒信息隐藏算法.算法首先对图像分块并对每个图像块进行奇异值分解,根据图像块最大奇异值的大小选择合适的阈值,并对图像块的最大奇异值进行区间划分,通过将最大奇异值移位到与秘密信息比特相对应的区间实现秘密信息的嵌入.实验结果表明,该算法具有较大的嵌入容量,且在嵌入相同大小的秘密信息时与其他同类算法相比,具有更好的图像视觉质量和鲁棒性.该算法更能适应噪声环境下的信息隐藏.     

基于混沌和HVS的小波域自适应图像水印算法

针对常规的小波域水印算法自适应性差的缺陷,提出了一种新的基于混沌和人类视觉系统的小波域自适应图像水印算法。首先对载体图像进行二级DWT变换;然后对特定的中频子带进行分块,并对每块做SVD分解;最后将Logistic混沌置乱后的二值水印信息嵌入到每块的最大奇异值中,嵌入的强度根据HVS原理自适应地进行调整。仿真实验表明,该算法不仅具有很好的不可见性,且对JPEG压缩、加噪、滤波等常见的图像攻击具有很强的鲁棒性。     

实离散分数Krawtchouk变换及其在数字图像水印中的应用

目的 传统Krawtchouk变换处理图像时存在变换域信息表示单一、不可调节等问题,传统分数阶Krawtchouk变换处理实信号表示有冗余等问题。为了构造更加灵活的图像变换域表示,提出了实离散分数阶Krawtchouk变换,并应用于数字图像水印。方法 利用对传统Krawtchouk变换矩阵特征值分解的方式,通过对分解后的特征值矩阵的实矩阵分数化构造得到了实离散分数阶Krawtchouk变换的变换矩阵,从而构造出实离散分数阶Krawtchouk变换。然后,利用所提变换从实数域变换到实数域这一特性,提出了在实离散分数阶Krawtchouk变换嵌入水印信息的图像水印算法。算法采用了图像分块处理的方式,对每个图像块的实离散分数Krawtchouk变换系数进行奇异值分解,将水印信息嵌入奇异值分解矩阵中,然后进行逆向实离散分数阶Krawtchouk变换得到嵌入水印后的图像。结果 通过比较所提实离散分数阶Krawtchouk变换域水印算法和传统Krawtchouk变换域水印算法,提取水印的平均错误率在中值滤波、均值滤波、高斯滤波、JPEG压缩和缩放攻击下,分别降低了12.39%、10.04%、18.50%、71.49%和17.60%。结论 实验结果表明,提出的实离散分数阶Krawtchouk变换域水印方案对中值滤波、均值滤波、高斯滤波、JPEG压缩和缩放等多种信号处理攻击具有较好的鲁棒性。     

基于奇异值与提升小波的彩色图像水印算法

本文提出了一种基于奇异值与提升小波的彩色图像水印算法,该方法首先将彩色图像从RGB空间转换到YUV彩色空间,然后对YUV空间中的亮度分量Y进行提升小波变换,对低频分量进行奇异值(SVD)分解,然后将水印图像的奇异值嵌入到低频分量的奇异值中,仿真结果表明,该算法不仅具有较好的水印不可见性,而且对常规攻击和几何攻击都具有较好的鲁棒性,而且算法简单、运行速度快,能够满足实时和快速的水印应用要求,算法采用灰度图像作为水印,增加了嵌入的信息量,在版权保护方面具有一定的应用价值。     

利用SVD对带噪声的模糊图像进行盲复原

介绍了具有非负和有限支撑约束的递归逆滤波器盲图像复原算法。在此基础上，利用分块奇异值分解和压缩技术，提出一种去噪声方法，使得可以复原被噪声污染的具有全黑、全白或全灰的背景和有限支撑的目标图像。计算机仿真结果表明，新的方法具有更好的图像复原性能。     

增强奇异值分解和细胞神经网络的零水印

目的 针对奇异值分解算法存在的对角线失真、虚警错误等问题,引入一个寻找最抗攻击缩放比例的参数,提出基于增强奇异值分解的零水印算法。方法 首先将离散小波变换作用于原始图像,对分离出的低频逼近子图进行不重叠分块,对分块后的低频逼近子图作离散余弦变换得到低频系数矩阵,再分别对每个块矩阵进行增强奇异值分解,将得到的最大奇异值与最大奇异值均值作比较构成特征向量;然后对水印图像进行Arnold变换和Logistic映射得到置乱加密后的水印图像;最后将特征向量和置乱加密后的水印图像分别作为细胞神经网络的起始值和控制输入值,通过设定细胞神经网络的反馈模板、控制模板以及阈值来确定具体的可逆逻辑运算。经过可逆逻辑运算处理后的细胞神经网络输出图像即为零水印的注册图像。将注册图像保存到认证中心以证明对图像作品的版权。结果 在JPEG压缩、噪声、滤波、旋转以及剪切等各种攻击下,提取的水印和原始水印的归一化相关值都在96%以上,算法平均运行时间为2.389 s,性能较高。结论 通过利用参数对奇异值矩阵进行调整的方法,不仅增强了算法的鲁棒性,而且解决了奇异值分解（SVD）出现的对角线失真和虚警错误问题。同时通过结合零水印的思想,解决了传统水印算法需在载体图像中嵌入水印而导致的水印不可见性与鲁棒性之间的矛盾。