奇异值分解视频水印嵌入与检测及安全性测试

文章针对目前现有的基于小波变换和奇异值分解相结合的数字水印算法存在的缺陷,提出了一种新的视频水印算法:以二值图像为水印的混合整数小波变换和奇异值分解的视频水印盲提取算法,重点论述了奇异值分解的视频水印嵌入与检测以及安全性的测试.实验表明,提出的新算法具有较好的高透明性和鲁棒性.     

基于帧间小波变换的视频水印研究

针对数字视频版权保护及信息隐藏技术的需要,本文提出了一种基于帧间小波变换的视频水印算法。该算法首先对视频序列进行等长分组,然后对各组中的视频序列进行最大级数的帧间一维小波变换,从而可以得到一帧低频图像和多帧高频图像,其中低频图像聚集了视频序列的大部分能量,而高频图像的能量相对较小。本文对低频图像进行奇异值分解,然后将水印图像嵌入到低频图像的奇异值变换域上。在水印的嵌入与提取过程中只对4帧视频图像进行小波变换,所需内存较小,并易于硬件实现。实验结果表明,本文提出的视频水印算法具有较好的隐蔽性和鲁棒性。     

基于SVD和Radon变换的抗旋转攻击盲水印算法

为了提高传统基于奇异值变换（SVD）的数字水印抗几何攻击能力,提出一种在小波变换域将Radon变换和奇异值变换相结合的抗旋转攻击鲁棒性水印算法。将宿主图像进行小波变换,对变换后的低频子带进行奇异值分解,将经过仿射变换置乱后的二值水印图像嵌入到奇异值中。在水印嵌入操作上采用了奇偶量化嵌入算法从而实现了二值水印图像在水印检测时的盲提取;同时在水印检测之前,利用Radon变换检测算法对待检测图像进行几何校正,然后提取水印信息。实验结果表明,该算法对于噪声感染、滤波、JPEG压缩等常规信号处理的鲁棒性优于传统的基于SVD的数字水印算法,同时对于旋转几何变换具有很好的鲁棒性。     

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。     

一种基于DWT和SVD的数字图像水印算法

该文研究并提出了一种基于离散小波变换和奇异值分解的数字图像水印算法。为保证水印算法的安全性,首先对水印图像进行置乱变换预处理;然后对宿主图像进行二维离散小波变换,根据嵌入策略将预处理后水印图像的奇异值嵌入宿主图像二维小波分解得到的中频区域。最后利用Matlab对该算法及其对攻击的鲁棒性进行了仿真。     

基于DWT-SVD域的图像水印算法

离散小波变换和奇异值分解都可以作为数字水印算法有效的工具,提出一种基于离散小波变换和奇异值分解的数字水印算法.此算法先将整个图像分成4个区域,然后再对每个区域运用奇异值分解方法,通过修改奇异值来嵌入水印信息.实验结果表明,该算法具有很好的稳健性,在经过一般的信号处理操作后,嵌入的水印能被可靠地提取和检测.     

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.     

基于DWT和SVD联合的数字水印算法

离散小波变换(DWT)和奇异值分解都可以作为数字水印算法有效的工具.提出了一种基于离散小波变换和奇异值分解联合的数字水印算法,先将整个图像分成4个区域,然后再对每个区域运用奇异值分解方法,通过修改奇异值来嵌入水印信息.实验结果表明,该算法具有很好的稳健性,在经过了一般的信号处理操作和JPEG压缩后,嵌入的水印能被可靠的提取和检测.     

SVD和DWT数字水印算法的应用研究

研究数字图像版权保护问题,由于数字媒体在网上易被复制篡改.针对单纯奇异值分解或小波变换水印算法均存在抵抗攻击差的难题.为了更好的保护数字图像版权,提了一种奇异值分解与小波变换相结合的数字水印算法.首先对水印图像进行置乱处理并对原始图像进行分块,从中找到符合要求的最佳水印嵌入子块,然后对所选择的最佳子块进行小波变换,对子块的低频系数进行奇异值分解,最后将水印嵌入各于块的奇异值中进行仿真.结果表明,水印算法能够很好的抵抗多种攻击,水印具有很好的鲁棒性和不可见性,克服了奇异值分解和小波变换水印算法缺陷,为设计提供了依据.     

基于轮廓波的数字图像水印算法

研究了第二代数字水印算法,为改善基于小波的数字水印算法不能有效保留图像几何特征的缺点,提出基于轮廓波(Contourlets)的第二代数字图像水印算法,在水印被加入之前,利用Contourlets变换,得到图像的多尺度和多方向上的子带系数,将这些子带系数矩阵做奇异值分解,将得到的奇异值排序,然后把要嵌入的二值水印图像嵌入到代表图像特征点的这些奇异值中.通过仿真得出:该算法简单有效,嵌入水印后的图像与原图差异小,水印提取准确,且对噪音、裁剪、滤波等图像处理方法具有较好的抵抗能力.     

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.     

一类SVD域水印问题分析及改进算法

分析了一类SVD域图像水印算法存在过高虚警率的原因,并给出了相应的实验结果。在此基础上,提出了一种混合DWT和SVD的图像水印算法。算法先将载体图像划分为互不重叠的块,并对每一块进行1层DWT分解,再对低频子带进行SVD分解。采用量化的方法,将Arnold置乱处理后的水印图像嵌入到SVD分解后的奇异值之中。实验表明,提出的算法克服了传统的SVD图像水印算法存在的虚警问题,对常见的信号处理如JPEG压缩、滤波、噪声等具有较好的鲁棒性。     

一种改进的DWT-SVD域参考水印方案

针对一类SVD域图像水印方案存在过高虚警概率的问题,提出了一种改进的混合DWT和SVD的图像参考水印算法。算法先对载体图像进行[n]层的离散小波变换,然后随机选取第[n]层的部分或全部子带形成参考子带,并对参考子带进行SVD分解;将Arnold置乱处理后的水印嵌入到SVD分解后的奇异值矩阵中。实验表明,提出的算法具有较好的透明性和安全性;与其他方案相比,解决了虚警概率问题,且对于大部分的攻击,具有更好的鲁棒性能。     

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.     

基于混沌加密和SVD的数字图像水印算法

为提高传统数字图像水印算法的安全性,提出一种基于混沌加密和奇异值分解的水印算法.采用Chebyshev混沌映射产生的混沌序列加密水印图像,将加密后的水印图像与原始图像进行分块,再对每一块进行奇异值分解,从而实现水印的嵌入.仿真实验结果证明,该算法对JPEG压缩、高斯噪声、椒盐噪声、滤波等具有较高的鲁棒性,同时能较好地抵抗剪切攻击.     

基于提升小波变换和DCT的彩色视频水印算法

针对数字视频的版权保护应用,提出了一种混合提升小波变换和DCT的视频水印算法。该算法先对水印进行混沌加密和Arnold置乱处理,借助密钥选取r帧彩色视频并将每帧视频的每一分量进行互不重叠的8×8分块,对选取的分块进行1级提升小波变换,并对低频子带进行DCT变换,以视频帧的纹理和运动特性自适应地确定量化步长的抖动调制方式嵌入水印,水印提取时无须原始视频的参与。实验表明,该算法实现简单,具有良好的透明性和鲁棒性,与其他算法相比,该算法具有更好的性能。     

一种基于混沌置乱和SVD的小波域盲水印算法

提出了一种基于混沌和奇异值分解相结合的数字水印算法.该算法对原始图像做离散小波变换后得到4个子带,并将低频子带(LL1)分成互不重叠的8×8分块,然后对每一块做奇异值分解,将混沌置乱后的水印信息嵌入每块中最大的奇异值中.实验结果表明,该算法具有较好的不可见性、鲁棒性和安全性.     

High payload multi-channel dual audio watermarking algorithm based on discrete wavelet transform and singular value decomposition

Digital watermarking technology is concerned with solving the problem of copyright protection, data authentication, content identification, distribution, and duplication of the digital media due to the great developments in computers and Internet technology. Recently, protection of digital audio signals has attracted the attention of researchers. This paper proposes a new audio watermarking scheme based on discrete wavelet transform (DWT), singular value decomposition (SVD), and quantization index modulation (QIM) with a synchronization code embedded with two encrypted watermark images or logos inserted into a stereo audio signal. In this algorithm, the original audio signal is split into blocks, and each block is decomposed with a two-level DWT, and then the approximate low-frequency sub-band coefficients are decomposed by SVD transform to obtain a diagonal matrix. The prepared watermarking and synchronization code bit stream is embedded into the diagonal matrix using QIM. After that, we perform inverse singular value decomposition (ISVD) and inverse discrete wavelet transform (IDWT) to obtain the watermarked audio signal. The watermark can be blindly extracted without knowledge of the original audio signal. Experimental results show that the transparency and imperceptibility of the proposed algorithm is satisfied, and that robustness is strong against popular audio signal processing attacks. High watermarking payload is achieved through the proposed scheme.     

Tetrolet变换和SVD结合的盲检测稳健数字水印嵌入策略

提出了一种Tetrolet变换和奇异值分解(SVD)相结合的图像盲检测稳健数字水印算法。该算法先对二值水印图像进行双因子混沌加密预处理;对原始载体图像进行二级Tetrolet变换,并将二层低频子带系数进行分块SVD分解;最后将加密的水印信息量化嵌入SVD最大系数中。水印检测时,无需原始载体图像和原始水印图像的参与,实现水印信息盲提取,提高数字水印系统的实用性。仿真实验结果表明,在保证水印安全性和不可感知性的基础上,该算法对常规图像处理、几何攻击等均具有较好的稳健性。     

复合NSCT分解DCT变换和SVD分解的多重变换水印

为了提高水印的抗旋转攻击鲁棒性,加大水印的嵌入量,提出了一种基于非采样Contourlet变换（NSCT）和离散余弦变换（DCT）结合的双重变换域水印算法。对图像进行NSCT变换,将低频系数进行DCT变换,对DCT域低频系数进行奇异值分解（SVD）。经仿真实验表明,该算法对常规滤波、旋转有很好的鲁棒性,特别面对旋转攻击时,算法仍能很好地提取出水印信息。