基于奇异值分解的数字图像水印算法

奇异值分解（Singular Value Decomposition,SVD）是一种特殊的矩阵分解技术。图像的奇异值具有很好的稳定性,体现的是图像的内蕴性质,这使得它在图像水印领域得到了广泛应用。通过回顾空域和变换域中经典的基于SVD的水印算法,分析了算法的缺陷,讨论了现有的改进方案,提出了基于奇异值分解设计水印算法的注意事项。     

一种基于奇异值分解的鲁棒水印算法

该文提出了一种基于奇异值分解的算法,用于提高水印的鲁棒性。在该算法中,首先,对原始载体图像进行分块的奇异值分解,然后把经过Logistic映射产生的混沌序列调制的水印信号嵌入到分块的奇异值分解的最大系数中的十位数字上去。实验结果表明,该算法对各种攻击具有较强的鲁棒性。     

一类基于奇异值分解的图像水印算法伪验证分析

通过分析发现,一类基于奇异值分解的图像水印算法存在致命漏洞,即利用在水印嵌入过程中生成的密钥可以从其他图像（含未嵌入水印的图像）中提取出高相关的水印信息,称这一新发现的算法漏洞为水印算法的伪验证,并由此首次提出了水印算法伪验证的定义和判定条件。然后通过实例分析,指出基于奇异值分解的水印算法之所以存在伪验证,是由于奇异值分解使得水印信息主要包含于正交阵U、V中,因此水印的提取与正交阵U、V以及奇异值的分布类型有关,而与奇异值的具体取值无关。     

一种基于奇异值分解的自适应水印算法

变换域水印算法对压缩、噪音和滤波等攻击具有较好的鲁棒性,但水印算法对仿射变换攻击的抵抗力较差,提出了基于奇异值分解的自适应水印算法,首先根据人眼视觉模型,利用小波变换的能量特性做水印容量自适应分析,然后分块嵌入具有不同能量因子的水印,既保证了水印的嵌入量又增强了其鲁棒性.最后采用能量统计技术对提取的水印作误差校正,有效地解决了提取水印对角线明显失真的问题.仿真试验表明,算法不仅对剪切、滤波和噪声等攻击有较强的鲁棒性,对各种仿射变换也有非常好的抵抗力.     

基于奇异值分解的自嵌入图像认证水印算法

提出了一种新颖的用于图像认证的自嵌入水印算法,在图像奇异值分解(SVD)域的U分量中提取图像特征信息生成水印,水印嵌入在SVD域的D分量中,水印的生成和嵌入都在图像本身中进行,图像认证时不需要原始图像和任何有关水印的附加信息,从而提高了水印的安全性和保密性。实验结果表明,该算法能很好地将对图像内容的恶意篡改和常规的图像处理区分开,并给出内容篡改的位置。     

一种基于奇异值分解的盲水印

随着计算机和因特网技术的发展，数字水印技术开始广泛应用于数字图像、音频、视频和多媒体产品的版权保护。一种基于分块SVD的数字水印算法被提出，原始图像先进行分块SVD分解，选取每块中最大的奇异值通过量化的方法嵌入水印，在水印检测过程中不需要原始图像。同时还通过误差分析直接导出了，量化强度和信噪比的数学公式从而对选择量化强度有了理论指导。实验结论和攻击测试表明，算法对如JPEG有损压缩、中值滤波、亚抽样、低通滤波等各种的图像降级处理有很强的稳健性，同时它还对图像尺寸大小没有任何限制。     

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。     

基于奇异值分解的零水印算法

针对传统的基于奇异值分解的水印算法水印容量较低的缺陷,提出基于奇异值分解的零水印算法,在分块的基础上提取奇异值向量的前若干项,将其作为图像特征,并利用此特征进行零水印构造。仿真实验结果表明,该算法能降低计算复杂度,增加水印容量,稳健性较好。     

一种新的基于奇异值分解的图像数字水印算法

图像数字水印优化,增强了水印的抗攻击能力.在一类基于奇异值分解的数字水印算法中,若将水印嵌入图像矩阵的最大奇异值,降低了图像的鲁棒性.为提高图像和水印的鲁棒性,根据奇异值分解的特性,结合Aronld变换的分散攻击和人类视觉系统寻找最优嵌入强度的良好性能,提出了一种新的自适应图像数字水印算法.首先将图像分块,然后计算得到每块图像的最大奇异值,再将经Amold变换后的水印结合通过人类视觉系统技术得到的水印强度嵌入最大奇异值,从而得到带水印的图像.通过仿真分析比较表明,在一定程度上提高了图像的视觉质量和水印的鲁棒性,是较有效的一种算法.     

基于奇异值分解的小波域图像水印算法

研究优化图像水印问题,传统的基于奇异值分解(SVD)的图像水印算法中,由于水印信息均分布于整个图像,当含水印图像遭到攻击后,提取的水印图像有明显失真,容易出现黑色细线.为消除失真,改善水印提取效果,提出了一种奇异值分解的小波域图像水印算法.首先,在构造二值水印图像时,将文字信息分布于图像左下角和右上角,由于在对角线上并未分布信息,提取出水印图像直接将对角线的黑色细线通过像素灰度值调整为同底色相同的白色即可消除失真.水印嵌入过程中运用矩阵相乘将传统SVD算法中需保留的参数矩阵由3个减少为1个,简化了算法.实验结果表明,改进的算法既保持了鲁棒性和不可见性,同时也消除了失真,获得了很好的图像水印提取效果,可用于版权保护.     

彩色图像四元数频域奇异值分解水印算法

将四元数傅里叶变换与四元数奇异值分解技术相结合并引入到对彩色图像的水印处理,提出一种基于四元数频域奇异值分解的彩色图像盲水印算法.首先对彩色载体图像进行分块并采用四元数傅里叶变换(quaternion Fourier transform,QFT)得到其频域矩阵,然后对频域矩阵中的单位小块进行四元数奇异值分解(quaternion singular value decomposition,QSVD),得到实系数奇异值,使用奇偶量化调制法将水印信号嵌入到单位小块的最大奇异值中.仿真实验结果表明,嵌入的水印分布在空域图像各彩色分量中,在不可见性以及鲁棒性的比较中优于传统的彩色图像亮度域以及独立多通道处理方法.     

一种基于奇异值分解的图像匹配算法

图像匹配技术在计算机视觉、遥感和医学图像分析等领域有着广泛的应用背景.针对传统的相关匹配算法计算量大、对图像旋转敏感等问题,提出一种新的基于奇异值分解的图像匹配算法.首先在待匹配图像中分别提取带主方向的角点作为特征点,通过计算特征点间经旋转补偿的归一化互相关值建立特征点相似度矩阵,然后利用奇异值分解算法生成特征点匹配矩阵并获得特征点间的一一对应关系.在复杂自然图像上的实验结果表明,算法能够匹配任意角度旋转的图像,对局部遮挡、光照变化、随机噪声等具有较强的健壮性,并具有较快的计算速度和较高的匹配精度.此外,该算法易于和其他匹配技术进行融合并获得性能提升,其与SIFT描述子结合的匹配实验结果表明,该算法具有良好的扩展性和实用性.     

基于多分辨率奇异值分解的图像融合

提出一种新的基于多分辨率奇异值分解（ MSVD）图像融合算法。算法对源图像进行MSVD处理,使其分解为互不相关的平滑和细节分量,并对平滑分量进行多层次的分解与处理。类似于小波变换,多分辨率奇异值分解的基本思想是在平滑分量的每一层上用奇异值分解（ SVD）来取代滤波,最终利用融合规则对图像进行MSVD融合。利用5种评价算子来评价算法,得到的融合效果很好。与基于小波分解的算法相比,算法计算简单、实时性突出,对复杂、高像素图像处理更简单方便。     

基于分块奇异值分解的小波域水印算法

对于一般有意义灰度水印,如何在不可见性下增大水印嵌入容量,增强鲁棒性仍是水印研究学者研究的重要内容.根据奇异值分解的特性,结合小波变换与人类视觉系统的某些特性接近的良好特点,提出了一种基于分块奇异值分解的小波域鲁棒水印算法.算法首先将灰度水印信息分为重要信息和次要信息两部分,然后在小波域对宿主图像小波分解后的高频和低频系数分别进行分块奇异值分解,再把经过置乱变换的重要信息部分和次要信息部分分块DCT变换,将变换后的水印信息分别嵌入低频和高频系数分块奇异值分解的奇异值中.实验结果与分析表明:水印算法能嵌入大容量水印,且能抵抗大多数图像攻击,是一种可行的算法.     

基于奇异值分解的鲁棒性和脆弱性兼具图像水印方法

针对图像安全水印算法功能单一的问题,亟待设计一种兼具鲁棒性或脆弱性的图像水印算法.基于此论文利用奇异值分解提出一种同时具有鲁棒性和脆弱性的图像水印方法.首先通过比较相邻两个子块的最大奇异值大小关系产生鲁棒零水印;然后利用子块奇异值的小数位奇偶性产生脆弱水印;最后将脆弱水印嵌入在对应偏移子块的空域LSB.实验结果表明:算法具备很强的鲁棒性和很敏感的脆弱性,能够在实现版权保护和内容认证中有一定的借鉴意义.     

基于图像加密和奇异值分解的数字水印算法

数字水印是将身份确认信息或保密信息镶嵌于图像中的一种技术,可靠的水印可为信息的安全提供可靠的保证。论文提出了一种加密算法和矩阵奇异值分解相结合的数字水印算法,对原图像和水印图像先做加密处理,再将加密图像进行奇异值分解,并把已加密的水印嵌入到加密原图像中。实验表明,该算法对传统的滤波、压缩、剪切和噪声攻击具有较好的鲁棒性。     

一种基于奇异值分解的图像压缩方法

根据奇异值分解的基本原理及其特点,结合图像的矩阵结构,提出了用奇异值分解,然后选取部分奇异值和奇异向量重构矩阵进行图像压缩的方法,并通过对图像进行分块降低计算量,实验结果表明奇异值分解能够有效用于图像压缩。     

基于混沌映射和矩阵奇异分解的公开数字水印技术

该文提出了一种基于混沌映射和矩阵奇异分解的公开数字水印技术．利用混沌映射将水印进行预处理,并按水印的大小把原始图像分成若干个子块,每个子块对应于水印的一比特,利用矩阵的奇异分解方法分解每个子块,将水印比特嵌入到子块的某一奇异值位置。修改该奇异值,然后利用矩阵的奇异分解反向变换得到嵌入水印的图像．利用混沌映射结合矩阵奇异分解,将水印信息分散在原始图像的不同位置,提高了水印的视觉效果,保证了水印的安全性。实验结果表明,本方法具有较好的不可见性以及对一般图像处理具有一定程度的鲁棒性。     

基于分块奇异值分解的盲水印技术

基于奇异值分解的数字水印方案,具有很强的鲁棒性,但是它也存在着一些不足的地方。为此提出了一种新的基于分块奇异值分解盲水印方法,在图像水印信息经过置乱处理后嵌入到原始载体图像分解所得的酋矩阵中。运用置乱方法和奇异值分解方法,提高了水印的不可见性,保证了水印的安全性。在水印的检测与提取过程中不需要原始载体图像,更加利于实际中的应用。实验结果证明,该方法具有较好的不可见性,对常见的图像处理具有良好的鲁棒性。