基于Chebyshev混沌序列的数字图像扩频水印

利用同一密钥的混沌序列对有意义的水印信息加扰扩频实现双重加密,再考虑人类视觉系统(HVS)的影响将水印加到宿主图像小波变换的低频系数中,提取时利用图像复原方法实现盲检测。通过仿真,比较PN序列和M序列,从峰值信噪比(PSNR)和归一化相关系数(NC)的结果可知,该数字水印具有较好的鲁棒性和安全性。     

一种基于哈达玛变换与混沌理论的脆弱水印算法

传统的水印算法,通常使用小波变换对原始图像进行变换。对于复杂图像被篡改,直接的小波变换很难识别。为了准确地定位被篡改的复杂图像,提出一种基于哈达玛变换与混沌理论的脆弱水印算法。该算法首先对图像进行4x4分块,计算每一块的标准差,利用标准差小数部分和水印密钥合成为Logistic混沌映射初值生成脆弱水印。然后将脆弱水印嵌入到哈达玛变换域的直流分量中。图像认证时,不需要原始图像。实验结果表明。对于复杂图像该算法能够检测恶意篡改并进行篡改定位,是一种行之有效的图像鉴别方法。     

基于Lorenz混沌加密的彩色图像水印算法

数字水印技术可以有效地保护数字产品的版权,维护数据安全。现有的数字水印方法大多针对灰度图像,而较少研究彩色图像。但是与灰度水印相比,彩色水印含有更多的信息。因此根据人类视觉系统对蓝色最不敏感的特性,提出一种基于混沌加密的彩色图像数字水印算法。该算法利用Lorenz混沌系统加密的优点,首先由Lorenz混沌系统产生数字水印嵌入的位置,再将数字水印嵌入到彩色图像该位置对应像素的蓝色成分中,并在已知密钥的条件下,可对嵌入的水印进行有效地提取。最后的仿真结果表明,该算法嵌入的数字水印同时满足稳健性和不可见性的要求。     

基于神经网络的复合变换域视频水印算法研究

针对目前视频水印算法存在的鲁棒性较差,可靠性较低等问题,提出了一种结合神经网络将二值水印嵌入到经过离散小波变换(DWT)和离散余弦变换(DCT)后的宿主视频中的新方法;为使算法具有更好的不可见性、鲁棒性和实用性,利用三层RBF神经网络训练出水印嵌入强度,在视频中自适应嵌入水印;该方法是对宿主视频进行DWT处理,再对逼近子图LL进行DCT处理,通过修改DCT系数嵌入水印信息;在嵌入之前对二值水印进行了Arnold变换来加密;通过实验结果中PSNR与NC的值表明,算法具有很强的抗攻击和承受帧删除、帧平均等操作的能力,不可感知性好,鲁棒性明显优于一般的嵌入算法。     

基于二维Logistic与Chebyshev映射AES混沌加密算法

本文针对传统AES算法中存在的安全性差的问题,提出了一种基于二维Logistic和Chebyshev混沌映射为混沌密钥发生器的AES改进算法,克服了传统AES算法中由于密钥唯一造成的安全性较低的缺点,实验结果显示本文提出的算法比传统AES算法有更高的安全性.     

基于Lorenz混沌吸引子的数字水印

创造性地运用了lorenz混沌系统,实现了数字图像的加密.为lorenz混沌系统选择一个初始值,得到一个加密矩阵.因为混沌系统的不可预测性和对初值的敏感依赖性,该加密矩阵是图像所有人之外的人无法得到的;从而有力地保障了数字图像的版权.在检测水印的时候,只需要拥有少量数据,就可以完成水印的提取.攻击实验研究表明,提出的算法,具有很好的抗规则剪切、不规则剪切、加噪、压缩的能力,具有很好的鲁棒性.     

基于Chebyshev神经网络的图像复原算法

退化图像的点扩散函数难以准确确定,为此,提出一种基于Chebyshev正交基函数的前向神经网络图像复原算法。该算法以一组Chebyshev正交基为隐层神经元的激励函数,采用BP算法对权值进行修正,达到收敛目标。给出2类Chebyshev神经网络的实现步骤及其相应衍生算法的图像恢复实现步骤。实验结果表明,该算法能较好地实现图像复原。     

基于鸽群算法的Fuch混沌蝗虫算法

针对蝗虫算法(GOA)存在位置更新易陷于局部最优和收敛精度低等问题,提出一种基于鸽群算法的Fuch混沌蝗虫算法(PFGOA).首先用Fuch混沌映射初始化种群;然后将正弦余弦算子嵌入到位置更新公式,同时将鸽子搜索算子加入优化过程,并且通过改变惯性权重c来改善和平衡该算法的探索和开发能力;最后对最优个体引入非线性惯性权重,增加算法全局搜索能力,跳出局部最优.通过对11个测试函数进行仿真测试以及用Wilcoxon秩和检验的方法进行差异显著性统计检验的实验结果证明,改进后的算法性能更优,求解精度更高,显著性更好.     

一种基于运动矢量的视频水印算法

运动矢量可作为视频水印嵌入点,利用运动矢量的相角可嵌入水印信息．抖动调制根据水印住来调制量化区间,基于运动矢量的相角抖动调制依据水印信息位把运动矢量的相角调制相应的区间而嵌入水印信息．其水印嵌入算法简单,对视频质量和码流的影响小,并可实现水印的盲检测和盲提取。     

基于广义猫映射与神经网络的图像空域水印算法

提出了基于广义Arnold变换和神经网络模型的图像空域水印算法。二值水印嵌入位置通过广义猫映射随机产生,训练一个神经网络记忆每个图像块中像素之间的关系,并采用水印嵌入增强处理技术,加强了水印的嵌入强度。实验结果表明,该算法具有较强的鲁棒性,能有效地抵抗剪切攻击、LSB攻击和椒盐噪声攻击等。     

基于Hopfield神经网络的盲检测数字水印

提出了一种基于Hopfield神经网络的盲检测数字水印算法。基于噪声可见函数实现了水印的自适应嵌入,利用Hopfield神经网络记忆宿主图像以及原始水印信息。在水印检测时,通过神经网络从嵌入水印的图像中联想出宿主图像和水印嵌入信息,再利用嵌水印图像和联想出的宿主图像提取出水印,实现了水印的盲检测。     

基于混沌神经网络的图像复原算法

文章提出了一种基于混沌神经网络的图像复原新算法。在对退化图像进行复原的过程中,针对Hopfield算法易于陷入局部极小的缺点,在Hopfield神经网络中引入暂态混沌和时变增益,充分利用混沌理论的全局搜索性能进行＂粗＂搜索,当搜索到全局最优解附近时,再利用Hopfield算法进行局部搜索。通过对图像复原后的效果进行比较,证明基于混沌神经网络方法得到的图像复原的信噪比更高,目视效果更加。     

一个基于离散混沌加密的数字水印算法

设计了一个基于离散混沌动力系统和小波分解的数字图像水印算法。在水印图像预处理阶段,利用Logistic映射生成的混沌序列对水印图像进行扩展置乱,再利用Logistic映射生成密钥来对水印信息进行加密,从而保证了水印信息的安全性。在水印图像嵌入阶段,对宿主图像进行三层小波分解,利用小波系数大小关系将水印嵌入到水平方向的高频系数中。分析和实验结果表明,该算法具有良好的鲁棒性,水印的安全性和不可见性明显优于常见算法。     

一种基于人工神经网络的音频水印算法

本文提出了一种新的基于人工神经网络的音频水印算法。该算法利用人工神经网络来智能地估计原宿主信号的水印强度因子,并以这些强度因子的值作为确定水印嵌入强度的依据,以此种方式嵌入水印后的信号其能量频谱能够总是保持在宿主信号的最小听觉掩蔽门限之下。实验结果表明,在音频作品里面以这样的方式加入水印,不但能够保持相当好的透明性,而且对诸如加噪、重采样、重新量化等攻击表现出较好的稳健性。     

一种基于退火策略的混沌神经网络优化算法

Ｈｏｐｆｉｅｌｄ网络（ＨＮＮ）中引入混沌机制,首先在混沌动态下粗搜索,并利用退火策略控制混沌动态退出和逆分贫出现,进而ＨＮＮ梯度优化搜索,提出了一种具有随机性和确定性并存的优化算法,对经典旅行商（ＴＳＰ）的研究,表明算法具有很强的克服陷入局部极小能力,较大程度提高了优化、时间和对初值的鲁棒性能,同时给出了模型参数对性能影响的一些结论。     

一种基于混沌系统和提升小波的视频水印算法

对压缩视频的图像帧的亮度分量进行小波提升分解,将水印数据嵌入到其低频子带的DCT系数中;利用混沌系统对水印图像进行置乱,再嵌入到原始载体图像帧中。由于置乱变换消除了水印像素间的空间相关性,使得算法的安全性和抗攻击能力进一步提高。实验结果表明,该算法易于实现,符合视频水印实时性的要求。     

基于置乱系统的脆弱数字水印算法

数字水印是一种用于数字产品版权保护的信息隐藏技术。本文提出一种基于混合视觉双稳态置乱系统的脆 弱性数字水印算法。该算法将图像分块,由各块亮度值确定混沌序列长度及嵌入深度,将各点位置信息、最高有效位颜色信息 以及自定义的密钥作为混沌系统的初值,各块不同深度地将水印序列嵌入图像各点的R、G、B 分量中;在检测定位时,比较提 取的水印和生成的水印,直接得到差异图像。实验结果表明,使用该方法嵌入水印后图像质量高,且篡改定位能力强。     

一种基于混沌寻优神经网络模型的语音识别矢量量化算法

矢量量化在语音识别中占有重要的地位,传统的LBG算法虽然收敛速度快,但极易陷入局部最优点。论文利用混沌运动固有的随机性与轨道遍历性等优良性质,提出了一种基于混沌寻优的Hopfield神经网络模型,并将其运用于语音识别中的矢量量化。该算法不仅收敛速度快,而且能够获得全局最优解,且初始解对算法的影响很小。实验结果表明该算法综合性能指标优于传统算法,具有较高的应用价值。     

基于离散余弦变换的自适应盲视频水印算法

设计了一种基于离散余弦变换的自适应盲视频水印算法,先用混沌序列对水印图像加密,再将视频序列进行分帧,提取亮度分量作二维8×8DCT变换,将水印嵌入到DCT分块的低频系数中。水印的提取不需要原始视频信号和原始水印,实现了水印的盲检测。实验结果表明,水印的不可感知性很好,在抵抗椒盐噪声、高斯噪声、帧删除、帧剪切及高斯低通滤波等多种攻击时具有良好的鲁棒性。