一种鲁棒的变换域数字水印算法

本文提出了一种基于离散小波变换（DWT）和奇异值分解（SVD）的混合水印方案。在该方案中,首先把原始载体图像分成多个分块（32×32）,然后对各个分块进行离散小波变换得到四个子带,之后对低频子带应用奇异值分解,并修改每个分块低频子带的最大奇异值．从而嵌入水印图像的各个奇异值。实验证明该算法对于常用的各种图像处理攻击具有良好的鲁棒性。     

一种基于小波变换的数字水印算法

目前有很多基于离散小波变换 (DWT)的水印算法,但很少讨论到水印嵌入子带的选择问题。介绍了一种新颖的基于DWT的水印算法,该算法通过在最大均方根 (RMS)值细节子带中嵌入水印取得了不错的结果,实验证明该子带中的水印在抵抗高斯噪声和JPEG压缩攻击时有较好的鲁棒性。     

一种改进的基于奇异值分解的数字水印算法

基于奇异值分解（SVD）的数字水印算法对几何攻击有较强的鲁棒性,但是在嵌入水印的过程中,对较大特征值的修改会导致图像品质的明显下降。提出了一种改进的基于分块奇异值分解的数字水印算法,可以较好地解决上述问题,同时,该算法又利用小波变换来抵御一般的变换域攻击。实验表明,该算法在不可感知性和鲁棒性等方面都取得了比较好的效果。     

奇异值分解小波变换的数字水印算法研究

研究保护版权信息安全间题,针对实现水印的稳健性和不可见性,保护合法用户,使数据水印保护有良好的鲁棒性,在传统奇异值分解和小波变换水印技术基础上,提了一种奇异值分解与小波变换相结合的数字水印算法.算法首先对水印图像进行置乱处理并原始载体图像进行分块,从原始载体中找到最佳水印嵌入子块,然后对最佳子块进行小波变换,同时对子块的低频系数进行奇异值分解,最后将水印嵌入各载体图像子块的奇异值中,实现了图像水印嵌入.实验结果表明,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,提高了图像水印的抗击能力,为版权保护提供有效方法.     

一种基于SVD分解的小波域数字水印算法

本文提出了一种基于离散小波变换和奇异值分解的数字水印算法。该算法充分利用了离散小波分解和矩阵奇异值分解(SVD)的固有特征,对Arnold置乱后的水印的多层小波分解子带做奇异值分解,把分解后的奇异值嵌入到原始图像的多层小波分解的相应子带中。水印的提取是嵌入算法的逆过程。Matlab仿真试验表明了算法的透明性、稳健性和安全性。     

一种基于离散小波变换和HVS的彩色图像数字水印算法

提出一种利用人眼视觉模型和小波变换进行彩色图像数字水印嵌入的方法。通过将水印信息重复嵌入到宿主图像的中频和高频系数来增强鲁棒性。     

基于混合变换域的奇异值分解水印算法

提出一种基于离散小波变换(Discrete Wavelet Transform,DWT)及离散余弦变换(Discrete Cosine Transform,DCT)的混合变换域与奇异值分解(Singular Value Decomposition,SVD)相结合的数字水印算法。该算法将原始图像的小波子图进行分块DCT变换,抽取各块含图像大部分能量的部分合并,并对此矩阵进行奇异值分解再进行水印的嵌入。实验仿真表明,这种方法能抗大多数图像处理攻击,具有良好的鲁棒性。     

基于Block-SVD的小波域彩色图像数字水印算法

提出了一种基于Arnold变换和分块奇异值分解（Block-SVD）的小波域彩色图像数字水印算法。该算法采用彩色图像作为载体,灰度图像作为水印,增加了嵌入的信息量。仿真结果表明,该算法具有时间效率高、水印不可见性好、抗攻击能力强等特点,在版权保护方面具有一定的应用价值。     

两种变换域数字水印算法的实现及其比较

本文介绍两种水印算法:基于DCT的数字水印算法及基于SVD的数字水印算法.实现了DCT及SVD的数字水印嵌入、提取算法,并探讨各种攻击方式,实验结果显示,嵌入的水印具有不可见性,重点做了比较实验,比较了两种常见算法的优缺点.     

一种小波域自适应数字水印算法

本文提出了一种基于连续子带量化(SSQ)和人类视觉系统(HVS)的小波域自适应数字水印算法。该算法中,水印嵌入到图像的视觉重要系数(PSCs)上,PSCs是从小波变换后低频子带和高频子带中选出来的。其中,低频子带中的PSCs是根据系数的幅值来选出的,高频子带中的PSCs是通过子带量化选出。为了更好的嵌入水印,该算法中利用了HVS模型,(?)模型基于噪声可见性函数(NVF)的计算来决定水印嵌入强度,使水印更多的嵌入到图像的纹理和边缘区域。     

基于奇异值分解的Contourlet域稳健性数字水印算法*

提出了一种基于奇异值分解的Contourlet域数字水印算法。对置乱后的水印图像进行奇异值分解,在Contourlet域中选取合适的方向子带,利用得到的奇异值来调制系数矩阵,然后通过逆变换获取嵌入水印后的图像。在水印提取中只需要保存原始图像的奇异值,实现了水印的近似盲提取。最后,进行了一系列的攻击实验,证明了与传统小波域水印算法相比,该算法的不可见性和鲁棒性都有了较大的提高。     

基于分块SVD自适应数字水印算法

为解决基于SVD(singular value decomposition)的水印算法中调节因子单一性问题,提出一种频域率分块SVD的自适应数字水印算法。该算法在小波域进行载体图像分块,根据载体图像块自身亮度与纹理特性计算其均值、方差及信息熵等特征值,通过采用"类划分"思想自适应地确定各图像块最佳调节因子。仿真结果表明,该算法有效地克服了传统奇异值分解水印算法中存在的块效应问题,具有很好的透明性,而且对JPEG压缩、滤波、加噪等常见的图像攻击具有很强的鲁棒性,其整体性能明显优于同类的水印算法。     

一个基于DWT的自适应数字水印算法

本文提出了一个新的DWT域自适应数字水印算法。该算法利用小波域高、低频部分嵌入水印的优势互补特点,在载体图像的高频和低频子带分别嵌入相同水印来增强水印抵抗多种攻击的能力;水印的嵌入采用量化调制方式,其量化步长可根据人类视觉系统和载体图像的局部特点自适应地调整。此外,由于奇异值分解具有良好的性能,因而被用于高频部分水印的嵌入以提高其鲁棒性。实验结果表明水印具有良好的鲁棒性和不可见性,与相近算法相比,本文方法可以有效抵抗更多的攻击。     

一种基于DMWT与SVD相结合的图像数字水印算法

本文提出了一种新的盲数字水印算法,它充分利用了离散多小渡变换（DMWT）的多分辨率特性和矩阵奇异值分解（SVD）所固有的特征,通过量化处理把二值水印图像嵌入到原始图像中。水印的提取不需要原始图像的参与,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。实验结果表明了算法的不可感知性、鲁棒性和安全性。     

一种基于奇异值分解的数字水印算法

数字水印的出现为版权保护提供了一种新的解决途径。提出了基于奇异值分解(Singular Valuc Dccomposition)的数字水印算法。图像奇异值分解(SVD)有以下性质：分解后图像矩阵的奇异值集中反映了图像的“亮度”(能量)特性，而对应的奇异矩阵只反映了图像的“几何”特性。因而奇异值的细微变化不会影响图像的视觉效果。对图像分块并做奇异值分解，在奇异值域做数学变换以嵌入lbit的二值水印信息。该算法不同于别的算法的一个优点是：水印的提取是“盲提取”，即水印的提取不需要原图像参与。     

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...     

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.     

一种基于DWT的自适应图像数字水印算法

提出了一种基于DWT和Arnold置乱变换的自适应图像数字水印的算法。该算法利用人类视觉模型的频率掩盖特性对嵌入水印的强度能够进行自适应的调整,从而使算法具有自适应能力。实验结果显示,嵌入的水印具有不可见性,而且对于常见的JPEG压缩、滤波、噪声等攻击具有良好的鲁棒性     

基于小波变换的图像自适应数字水印算法研究*

提出了一种基于小波变换的图像自适应数字水印算法。首先对水印图像作置乱处理;然后对原始图像进行小波分解,并根据人类视觉系统的特性,在小波分解的低频域中,采用邻域均值代替单个小波系数进行估计和量化的方法,将水印自适应地嵌入低频域小波系数中;最后对该算法进行了仿真实验。实验表明该算法对图像的各种常规处理都具有较好的鲁棒性,与邵亚非等人的水印算法相比,该算法在水印容量、不可见性、鲁棒性上有更大的协调性。     

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。