基于视觉系统特征的Contourlet域分层数字水印技术

在分析视觉系统特征的基础上提出了一种新型的Contourlet域分层数字水印技术.该方法利用视觉系统对不同区域、不同局部特征的噪声敏感性不同设置相应的区域水印权重和局部水印权重,将水印按照设置的分层权重嵌入到Contourlet分解后的方向子带中.利用所提出的新型多分辨率检测器,通过与传统水印方法比较表明,该方法具有较好的透明性和盲检测性;对于常见的压缩、中值滤波等图像处理攻击,该方法表现了很好的稳健性.     

基于人类视觉系统的小波域数字水印算法

分析了一种小波域数字水印算法，利用人类视觉模型对算法进行了改进。选取一幅有实际意义的二值图像作为水印，在对原始图像进行多级小波分解后，通过修改中频系数来进行水印嵌入。实验证明嵌入水印后的图像具有更好的隐蔽性，并且对JPEG压缩、图像添加高斯噪声、中值滤波等图像处理操作具有很强的鲁棒性。     

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DCT域的自适应二维数字水印系统

本文提出了一个以图像为水印的DCT域二维自适应数字水印算法。为实现水印图像的叠加 ,我们首先将其进行 8× 8分块并进行DCT变换 ,然后对每块的DCT系数进行调整 ,最后 ,取出每块的部分低频系数构成水印信号。为了实现自适应 ,首先将原始图像按 8× 8分块并利用视觉掩蔽特性对图像块进行分类 ,然后对每块进行DCT变换 ,根据块分类结果 ,水印信号以不同强度嵌入到图像块的DCT低频系数中。实验结果表明 ,该算法具有较好的鲁棒性。     

基于人类视觉系统的非抽样Contourlet变换域图像隐写算法

为提高图像信息隐藏的容量和隐蔽性,对比分析了非抽样Contourlet变换(NSCT)和Contourlet变换各自的优缺点和适用范围,提出了一种基于NSCT和人类视觉系统(HVS)的图像隐写方案。通过对人眼的视觉掩蔽效应进行建模,在NSCT分解的最精细尺度的各方向子带中,对不同系数分别嵌入不同的秘密信息量。仿真实验表明,新的算法相比小波域中的隐写方案,隐写的嵌入量至少提高了70000b,峰值信噪比(PSNR)提高约4dB,较好地兼顾了隐写在不可见性和嵌入容量上的要求,较小波域中的隐写方案具有更好的应用前景。     

基于DCT域的图像数字水印算法

提出了一种基于DCT变换的盲数字图像水印算法,主要思想是通过将原始图像分成8×8的子块,利用人眼视觉特性对分块进行分类,按分类将不同强度水印信号嵌入图像中。实验表明,该算法对常见的图像处理和噪声干扰具有较强的鲁棒性。     

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。     

一种基于人类视觉系统(HVS)的数字水印

该文提出了一种建立在人类视觉系统(HVS)基础之上的嵌入数字水印方案。在该方案中,首先分析了DCT域数字水印模型,并根据人类视觉模型的特性,设计出了一套数字水印嵌入算法。仿真结果表明该算法可以很好的满足方案要求。     

Contourlet与小波域鲁棒性水印算法性能比较

与小波变换不同,Contourlet变换通过各向异性基实现了图像的多尺度多方向性分解,更能捕获图像的曲线奇异性和匹配人类视觉特性。通过分解系数的视觉显著性决定水印强度,不同子带自适应地嵌入水印信号,提出了一种鲁棒性感知水印嵌入算法;该算法在小波分解和Contourlet分解的两种多分辨率框架下对常见水印攻击进行了实验测试。实验结果表明,在同等水印嵌入算法情况下,基于Contourlet和基于Wavelet变换的水印算法都能够抵抗常见攻击手段,但是Contourlet变换算法具有更高的安全性、鲁棒性和不可见性。     

基于人类视觉系统的小波域的数字水印算法

本文首先分析了前人的小波域数字水印算法,然后应用人眼视觉特性和离散余弦变换变换对算法进行了改进。重点论述了水印的嵌入和提取,并选取了一幅有实际意义的二值图象作为水印,通过修改中、低频系数来进行水印的嵌入。实验证明嵌入水印后的图象有更好的隐蔽性,并且对JPEG压缩、图象添加噪音、中值滤波、剪切等图象处理操作具有很强的稳定性。     

非抽样Contourlet变换的低频数字水印

非抽样Contourlet变换（NSCT）是一个平移不变、多尺度、多方向的变换,在图像处理中具有一定的优越性,提出一种基于非抽样Contourlet变换的数字水印算法,低频系数集中了图像的大部分能量,在低频嵌入水印可以提高鲁棒性,为了满足不可见性,对低频系数进行8×8的分块,根据每一块的能量以及人类视觉特性进行自适应的嵌入水印,实验结果表明算法具有很好的鲁棒性和不可见性,能够有效地抵抗JPEG、噪声等攻击。     

基于邻域均值关系的Contourlet域量化水印算法

提出了一种基于邻域均值关系的Contourlet域量化水印算法。原始图像经过Contourlet变换,分解为一系列多尺度、局部性、多方向性的子带,对原始水印图像进行Arnold置乱加密,从分解的多方向高频子带中选择能量较大的子带作为嵌入区域,根据系数与邻域均值关系选择嵌入位置,用量化的方法修改嵌入位置的系数,达到嵌入水印的目的。水印的提取不需要原始图像,实现了盲提取。实验结果表明,该水印算法不仅具有较好的不可见性,而且对加噪、JPEG压缩、滤波、剪切等攻击具有较强的鲁棒性。     

基于Contourlet变换的抗旋转攻击零水印算法

现有的大多数基于变换域的零水印算法缺乏抵抗几何攻击的能力,例如将图像旋转微小角度即可导致水印检测的失败。为了提高变换域零水印算法抵抗图像旋转攻击的能力,本文提出了一种基于Contourlet变换的抗旋转攻击零水印算法。对于旋转造成的几何攻击,我们可以通过对数极坐标系将笛卡尔坐标系中的旋转变换转换为循环平移的性质,对于循环平移后的图像,在水印检测时我们可以使用穷举遍历的方法来检测测试图像是否包含水印信息。实验结果证明,该方法可以获得良好的图象视觉效果,同时对于加噪,滤波,JPEG压缩,剪切攻击也具有有很好的鲁棒性。     

可视密码学的Contourlet域图像水印

将可视密码学引入到水印的预处理中,提出了一种Contourlet域的安全性较高的图像水印算法。该算法首先根据可视密码理论将水印信息隐藏到一定数目的图片中,选取其中任一图片作为水印,然后对载体图像进行分块,通过聚类找出适合嵌入水印的块,并进行Contourlet变换,在变换系数的最大奇异值上嵌入水印。水印提取时只需用特定数目的图片对提取出的信息进行叠加,其过程无需大量计算和密码学知识。实验表明,该算法还具有抵抗噪声、滤波、JPEG压缩等常规攻击和抗剪裁等功能。     

结合人类视觉系统的数字图像水印技术

小波变换已经被广泛的应用到数字图像处理的许多领域,利用小波变换的数字水印技术被认为是一种最有效的保护数字信息版权的技术.提出了一种结合人类视觉系统的数字图像盲水印技术,它利用小波变化和人类视觉系统的共通点,进行水印的嵌入.实验结果表明,基于此种方法对图像进行数字水印的处理会有很好的效果.     

基于人类视觉特性的自适应水印嵌入方案*

针对已有算法在嵌入量和嵌入强度自适应控制方面存在的问题,结合人类视觉对纹理区域的感知特性,通过噪声可见函数（NVF）对图像块复杂度的计算,提出了一种在DCT直流系数进行嵌入的水印算法。该算法能够根据图像块复杂度计算结果实现嵌入强度的自适应控制。实验结果表明,所提算法相比已有算法提高了嵌入容量和嵌入强度的自适应控制程度,并且一定程度上避免了由于DC系数嵌入数据所出现的块效应现象,对图像处理和常见的图像攻击也具有很好的稳健性。     

基于QR分解的Contourlet域抗几何攻击水印算法

为了提高数字水印产品的抗几何攻击能力,提出一种基于QR分解的Contourlet域抗几何攻击水印算法。该算法首先对宿主图像Contourlet变换后的低频子带进行分块QR分解,通过轻微修改各子块Q矩阵第一列第二行元素和第三行元素的大小关系嵌入Arnold置乱后的水印信息,并且利用R矩阵对各子块进行相应的视觉失真补偿操作。在水印提取前,利用尺度不变特征变换SIFT特征点具有的旋转、缩放和平移不变性对几何失真含水印图像进行几何校正,恢复水印的同步性,使算法具备抵抗几何攻击的能力。实验结果表明,该算法的不可见性良好,而且对于常规攻击和多种几何攻击都具有较好的鲁棒性。     

几种频率域图像数字水印算法

数字水印是近年来出现的一种新的数字多媒体产品版权保护技术，用于嵌入水印的算法的不同使得该技术的不可见性、鲁棒性等特性大相径庭。对目前用于图像数字水印的几种频率域方法进行了描述，并分别从水印含量，抵抗各种攻击的能力等方面进行了定性和定量的比较，最后总结了每种方法的优缺点。