一种基于混沌调制的零水印算法

数字水印是一种通过在数字媒体里嵌入秘密信息来保护知识产权的技术.由于在图像中嵌入数字水印后,会导致图像一定程度的失真,因此,近年来出现了一种新的零水印方法.针对数字水印的不可感知性和鲁棒性之间的矛盾问题,提出了一种基于混沌调制的图像零水印方法,即该方法是从原始图像或测试图像的小波变换系数中提取低频子带部分小波系数的特征作为水印,而所抽取的小波系数的位置则由混沌法随机生成.实验结果表明,此算法的不可觉察性很好,并对一些诸如中值滤波、JPEG压缩、附加高斯噪声、裁剪和旋转等各种图像处理攻击有较强的鲁棒性.该方法改变了传统的向原始图像中嵌入水印信息的做法,不仅其得到的水印图像是无失真的,而且在不知道混沌初值的情况下,不可能成功地提取特征水印.  

一种结合sobel算子和小波变换的图像边缘检测方法

提出了一种基于数据融合的边缘检测方法.该方法对原始图像分别采用sobel算子和基于离散小波变换两种方法提取边缘,然后将两种方法的检测结果进行数据融合,得到一幅新的边缘图像.实验证明,融合后的图像边缘集合了两种检测方法的优点,是一种有效的图像边缘检测方法.  

一种鲁棒的基于DWT域自适应量化步长的图像盲水印算法

提出了一种可用于版权认证的基于小波变换域自适应量化步长的图像盲水印算法.该算法首先在DWT（离散小波变换）的低频子带中选择感知重要系数作为水印的嵌入区间,然后选择一个同时可满足不可见性与鲁棒性要求的最小量化步长,对所选择的重要系数进行量化,再通过自适应增大量化步长,把二值水印信息交替地嵌入到不同的量化层上.作为这种算法的一个特例,就是用所选系数的低5位表示水印信息.在嵌入过程中,根据小波变换所具有的良好的空域局部化特性,采用了分块舍入技术,实现了水印信息的精确嵌入;在检测过程中,提出了一种新颖的差分检测方法,增强了系统的鲁棒性.实验结果证明,该算法具有嵌入信息量大,水印透明性好,对各种常见的图像处理操作、有损压缩、裁剪和几何变换抵抗性强等特点.  

一种基于HVS的彩色图像水印算法

讨论了一种将彩色水印图像嵌入到原始彩色图像中的数字水印算法。它利用人眼视觉系统特性，采用了在DWT域下按照频带重要性来嵌入水印的规则，即：水印应当首先嵌入图像小波低频系数，若有剩余，再按图像小波频带重要性的排序嵌入高频带。实验结果表明，提取的水印表现出较好的鲁棒性，且主观视觉失真较小。  

双重认证的变换域图像半脆弱数字水印算法

提出了一种DCT域与DWT域相结合的双重认证图像半脆弱数字水印算法，定义了一个小波系数量化函数以实现水印的嵌入与提取，根据图像局部特性，该量化函数可动态地进行调整；同时设计了三个混沌密钥，结合DCT域定义水印及其嵌入位置．实验表明，该算法在保持对常见的JPEG压缩稳健的同时，能有效地区分偶然失真与恶意篡改。  

基于线性预测的小波域音频数字水印盲检算法

该文提出了一种基于离散小波变换的数字音频水印盲检算法。将视觉有意义的二值水印图像经过一定的预处理及SS技术调制后。嵌入小波域的中低频系数中。水印提取时，利用LPC原理，不需要原始音频信号。该文算法与文【10】的算法相比，BER性能提高了约10％～15％。实验结果表明所嵌入的水印是不可感知的，算法对大多数音频信号处理具有很强的鲁棒性，如低通滤波、重采样、mp3压缩等操作。  

基于图像内容的局部化自适应数字水印算法

提出一种小波域基于图像内容的局部化自适应数字水印算法．该算法利用图像中相对稳定的特征点来标示局部水印的嵌入位置，并在与每个特征点对应的局部区域(子图像)内，依据DWT域的水印嵌入策略，独立地、自适应地嵌入基于子图像内容的水印．实验结果证明，该算法对裁剪等各类攻击具有很强的鲁棒性．  

基于局部极值点的音频盲水印算法

该文提出了一种新的音频水印算法。它充分利用了离散小波变换的多分辨率特性,在小波变换的细节部分搜索局部极值点,通过修改局部极值及其相邻点的幅度值,实现水印信息的嵌入。水印检测不需要参考原始音频。实验结果证明了该算法的鲁棒性和不可感知性。  

基于CDMA扩频技术的图象水印算法

为了增强水印的稳健性和提高运算速度,提出了一种应用直接序列扩频的码分多址通信技术(DS-CDMA)的图象离散小波变换域水印算法.该算法先采用m序列优选对来生成正交的Gold序列集,然后将改进后的Gold序列对水印信息进行扩频,并形成互相叠加的.CDMA编码,最后将其嵌入到原始图象的DWT变换域.在水印提取时,则利用正交码的自相关函数特性来检测出扩频到Gold码的水印信息,从而实现了隐藏信息的盲检测.与已报道的同类算法的性能比较表明,应用该算法隐藏的水印信息量较大,且水印稳健性好.  

基于离散小波变换的图像修补方法*

根据多尺度分析原理,提出了基于离散小波变换的图像修复方法.首先用离散小波变换把图像分解为高频成分与低频成分,对图像不同频率的成分分别进行修补.图像的低频部分采用笔者以前所提出的结合中值滤波和基于曲率扩散方法[1]进行修复.由于高频部分地表示图像的边缘轮廓信息,并且有很强的方向性,对高频图像数据先进行分块,用线性拟合求出每一块的方向,再根据方向信息进行修复.实验表明,该算法能较好地修补破损区域.