图像块的不可见性与鲁棒性均衡水印算法

目的 为协调水印算法不可见性与鲁棒性之间的矛盾,提高水印算法抵抗几何攻击的能力,提出一种图像块的不可见性与鲁棒性均衡水印算法。方法 将宿主图像分成互不重叠的图像块,利用人类视觉系统的掩蔽特性对每个图像块的纹理特征和边缘特征进行分析,选择掩蔽性好的图像块作为嵌入子块。对嵌入子块作2级离散小波变换,将其低频子带进行奇异值分解,通过修改U矩阵第1列元素间的大小关系嵌入Arnold置乱后的水印信息。在水印提取前,对几何失真含水印图像利用图像尺度不变特征变换（SIFT）特征点的坐标关系和尺度特征进行几何校正,恢复水印的同步性。结果 对标准灰度图像进行实验,含水印图像的峰值信噪比都可以达到44 dB以上。对含水印图像进行常规攻击和几何攻击,提取出的水印图像与原始水印图像的归一化互相关系数大部分都能达到0.99以上,说明该算法不仅具有良好的不可见性,对常见攻击和几何攻击都具有较强的鲁棒性。结论 选择掩蔽性好的图像块作为水印嵌入位置能够充分保证水印算法的不可见性,特别是水印提取前利用SIFT特征点具有旋转、缩放和平移不变性对几何失真含水印图像实现有效校正,提高了含水印图像抵抗几何攻击的能力,较好地协调水印算法不可见性与鲁棒性之间的矛盾。     

增强奇异值分解的自适应零水印

目的 针对增强奇异值分解（BN-SVD）中引入最抗攻击缩放比例的参数β,需要进行大量的实验来获取且存在随机性的问题,提出一种增强奇异值分解的自适应零水印算法。方法 首先对原始图像进行不重叠分块,每一个子块都做斜变换处理,再分别对斜变换后得到的每一个块矩阵进行增强奇异值分解,依据每一个块矩阵的最大奇异值与整体最大奇异值均值的大小关系构成特征向量;对水印图像进行Arnold变换和混沌映射得到二次加密的水印图像;最后利用特征向量与二次加密后的水印图像做异或运算构造零水印;利用天牛须优化算法（BAS）中的适应度函数循环迭代自适应确定参数β,更好地解决奇异值分解（SVD）算法在水印的提取时存在的虚警率和对角线失真的问题。结果 仿真实验结果表明,在JPEG压缩、噪声、滤波、旋转、剪切以及混合攻击下,提取水印图像与原水印图像的归一化系数NC值均可达到98%以上,性能较好。结论 利用BAS算法自适应地确定BN-SVD中参数β,找到最佳抗攻击缩放比例,增强了图像的奇异值,降低了图像矩阵在受到攻击时的敏感性。有效地解决奇异值分解带来的对角线失真和虚警错误的问题,最终提高了算法的鲁棒性。     

增强奇异值分解和细胞神经网络的零水印

目的 针对奇异值分解算法存在的对角线失真、虚警错误等问题,引入一个寻找最抗攻击缩放比例的参数,提出基于增强奇异值分解的零水印算法。方法 首先将离散小波变换作用于原始图像,对分离出的低频逼近子图进行不重叠分块,对分块后的低频逼近子图作离散余弦变换得到低频系数矩阵,再分别对每个块矩阵进行增强奇异值分解,将得到的最大奇异值与最大奇异值均值作比较构成特征向量;然后对水印图像进行Arnold变换和Logistic映射得到置乱加密后的水印图像;最后将特征向量和置乱加密后的水印图像分别作为细胞神经网络的起始值和控制输入值,通过设定细胞神经网络的反馈模板、控制模板以及阈值来确定具体的可逆逻辑运算。经过可逆逻辑运算处理后的细胞神经网络输出图像即为零水印的注册图像。将注册图像保存到认证中心以证明对图像作品的版权。结果 在JPEG压缩、噪声、滤波、旋转以及剪切等各种攻击下,提取的水印和原始水印的归一化相关值都在96%以上,算法平均运行时间为2.389 s,性能较高。结论 通过利用参数对奇异值矩阵进行调整的方法,不仅增强了算法的鲁棒性,而且解决了奇异值分解（SVD）出现的对角线失真和虚警错误问题。同时通过结合零水印的思想,解决了传统水印算法需在载体图像中嵌入水印而导致的水印不可见性与鲁棒性之间的矛盾。     

非线性尺度空间自适应均衡水印算法

针对线性尺度空间水印算法嵌入水印位置定位不够精确,嵌入强度参数选取随机,提出一种非线性尺度空间自适应均衡水印算法。利用KAZE算法提取并筛选出非线性尺度空间稳定性强的特征点,构建嵌入水印区域;将水印图像奇异值分解,构造新矩阵作为待嵌入水印载体,通过调整果蝇优化算法的适应度函数计算嵌入强度,结合DWT-SVD算法自适应完成嵌入水印过程。对受到攻击的水印图像提取特征点,合成特征区域矩阵,使用嵌入水印的逆过程,提取水印。实验结果表明,PSNR值均达到44 dB以上,平均◢NC◣值高达0.99,有效均衡了水印算法的不可见性和鲁棒性。     

改进的基于DCT的自适应水印算法

基于原始图像的纹理特征和亮度特征以及人类视觉系统的特点,给出一种改进的基于DCT的自适应嵌入水印算法。算法采用Arnold变换对水印图像进行预处理,自适应选择强度因子,将一幅二值水印图像嵌入到原始图像中,实现了水印的不可见性和鲁棒性。仿真实验结果表明,算法对常见的图像处理操作具有较强的鲁棒性和稳健性。     

基于小波包变换的图像数字水印算法

提出一种基于小波包变换和人类视觉特性的自适应盲水印算法。该算法选择原始图像小波包变换的中频子带进行嵌入,提高了水印的容量和不可见性;采用双极性量化方法嵌入水印,根据嵌入强度自适应地确定量化步长,提取时无需使用原始图像。实验证明该算法对常见的图像处理攻击具有良好的鲁棒性,同时也很好地保证了水印的不可见性。     

基于神经网络的自适应彩色图像盲水印算法

文中提出的算法是自适应地将水印嵌入,并利用神经网络实现水印的盲提取。首先将二值水印嵌入到YIQ色彩空间的Y分量小波分解的低频系数中,为达到平衡水印图像的鲁棒性和不可见性,嵌入的强度是根据人类视觉特性自适应调整至最佳;利用BP神经网络的学习和自适应的特性和一段已知序列训练神经网络,可实现水印的盲提取;在神经网络的输入信号计算上提出选择邻域窗口为3*3方形窗口比十字窗口具有更好的实验效果。仿真实验结果表明该算法对常用的图像处理具有较好的鲁棒性和不可见性。     

DWT-SVD域全盲自嵌入鲁棒量化水印算法

引入自嵌入技术提出一种DWT-SVD域全盲鲁棒量化水印算法,只需借助攻击图像进行版权认证。对原始图像先进行DWT,将小波低频子带分成互不重叠的子块,对每个子块进行SVD,通过对比相邻两个子块最大奇异值的大小关系产生特征水印序列,然后将选定的自嵌入特征水印序列通过奇偶量化规则自嵌入原始图像小波低频子带每个子块的最大奇异值,最后进行SVD合成和IDWT产生含水印图像。算法具有良好的不可见性和安全性,并且通过结合自嵌入特征水印序列和盲提取认证水印序列达到全盲检测。实验结果表明,算法具有较强的抵抗添加高斯噪声、添加椒盐噪声、高斯低通滤波、中值滤波、剪切、JPEG压缩和混合攻击的鲁棒性。     

基于SVD的图像数字水印算法研究

数字水印技术被视为数字产品版权保护的一种新方法。利用奇异值分解（singular value decomposition,SVD）良好性能以及双密钥调制的特点,提出了一个新的基于SVD的数字图像水印算法。首先将图像进行分块,然后通过各个图像子块的SVD变换获得奇异值,将各子块的奇异值组成向量后再采用双密钥调制方式嵌入水印。水印的提取不需要原始图像。实验结果表明该算法具有良好的鲁棒性和不可见性。     

结合汉明码和图像矫正的彩色图像盲水印

目的 随着互联网技术的飞速发展,彩色数字图像带来极大便利的同时,也产生了一些篡改、剽窃等侵权行为;同时,几何处理对含水印载体的破坏使水印盲检测的难度增加,因此,本文提出一种基于汉明码和图像矫正的彩色图像盲水印方法,旨在解决当前图像版权保护的难点问题。方法 嵌入水印时,使用仿射变换加密彩色水印,并将已加密的信息编为汉明码,然后利用特征值分解计算出像素块的全部特征值,并通过对特征值绝对值的和进行量化来完成水印的嵌入;提取水印时,利用图像的几何属性对多种几何攻击后的图像进行判断、矫正,并借助量化技术提取水印。结果 基于彩色图像标准数据库,将本文方法与7种相关方法进行了对比实验：在不可见性方面,与LU分解的水印方法相比,本文算法峰值信噪比（peak signal-to-noise ratio,PSNR）提高了4 dB;在常规攻击鲁棒性方面,与Schur分解的最新方法相比,本文算法平均归一化互相关（normalized cross-correlation,NC）的值稍有提高;在几何攻击鲁棒性方面,本文算法NC值具有一定的优势;同时,本文算法的水印容量达到了0.25 bit/像素,密钥空间达到了2⁴³²,运行时间仅需3 s左右。结论 所提方法不仅具有较好的水印不可见性和较强的鲁棒性,而且具有较大的水印容量、较高的安全性和实时性。     

基于SIFT抗几何攻击的数字水印算法

针对数字水印信息易遭几何攻击的问题以及水印算法的不可见性与鲁棒性的平衡性问题,提出一种基于尺度不变特征变换(SIFT)的图像局部特征点的数字水印算法。首先利用SIFT算法在原始图像中寻找局部特征点,再以局部特征点确定多个满足一定条件的圆形局部特征区域(LFA),经LFA正规化后将水印嵌入到LFA的离散余弦变换(DCT)域的中频系数中。其中,考虑到水印信息对图像质量的影响,嵌入强度根据Watson人类视觉模型进行动态调整。实验结果表明,该算法得出的峰值信噪比(PSNR)和水印相似度数值较高,说明该算法不仅保证了较好的水印不可见性,并且在一定的几何攻击下表现出较强的鲁棒性。     

基于相关理论的小波域数字盲水印算法

提出了一种新的图像数字盲水印算法。在水印嵌入过程中,用一个单元模板表示一个水印图像像素;在检测过程中,计算单元模板和嵌入水印后图像的小波变换系数的相关值,进行适当的门限处理就能提取出水印。水印检测不需要原始图像数据和水印位置信息,实现了水印图像的自同步盲检测。为了进一步提高该水印算法的鲁棒性和改善检测结果,在水印检测前使用拉普拉斯算子对图像进行锐化处理,使得所嵌入水印能抗击更多攻击种类,并使检测结果更清晰。在检测前加入锐化处理步骤,可以减小水印嵌入强度,而能得到同样的检测效果,因此也增强了水印的隐蔽性。实验表明,该算法具有较好的水印隐蔽性和鲁棒性。     

图像特征里的小波域水印算法

提出一种基于图像特征区域的鲁棒水印算法。确定载体图像的关键点,利用轮廓跟踪工具勾出嵌入水印区域的轮廓,从而确定嵌入位置。对确定的图像区域做离散小波变换（DWT）。将由密钥产生的水印信息按照从大到小的顺序嵌入到低频变换域里,再做离散小波逆变换,将抽出的部分与含水印部分叠加,得到完整含水印图像。实验结果证明,算法既保证了载体图像的视觉质量,同时对于一般常见攻击也具有较好的鲁棒性。     

基于邻域与FCM的多小波域盲水印算法

提出一种基于邻域与FCM的多小波域盲水印算法。该算法根据人类视觉系统的掩蔽性对多小波域的中频系数进行模糊聚类分 析,自适应地找到适合嵌入水印的纹理边缘子块,并结合子块的局部相关性嵌入二值水印图像。为保证增强水印的安全性和鲁棒性,在嵌入前将水印置乱,嵌入时重复嵌入水印。实验结果表明,该算法对JPEG压缩、剪切、锐化及边缘锐化、椒盐噪声、滤波等常规攻击有较强的鲁棒性。     

信息嵌入位置自适应选择的鲁棒水印算法

为了更好地提高嵌入水印后的图像质量,提出了一种利用遗传算法(GA)优化支持向量回归机(SVR)的鲁棒水印算法。把经Haar小波变换后,图像子带中具有强相似性的数据作为特征向量,用于被遗传算法优化的SVR建立小波系数方向树的模型。通过比较特征向量均方差(MSE)的大小来自适应地确定水印嵌入的位置。水印的嵌入与提取是通过调整模型的预测值与目标值之间的大小来实现的。实验结果表明,所提算法对常见的图像攻击有很强的鲁棒性,而且水印图像在嵌入容量为16384比特的情况下,峰值信噪比可以达到44.15dB。因此能够有效抵抗常见的水印攻击,在嵌入大量信息的情况下,具有很高的透明性。     

基于图像特征的小波域自适应水印算法

提出了一种基于图像特征的小波域自适应水印算法。该算法选用有意义二值图像为水印,把宿主图像分成互不重叠的图像块,用分数盒维数分析各块的特征,提取特征块和次特征块,对它们分别进行一级小波分解,先将水印以不同强度自适应地嵌入到特征块的小波域低频子图中,在保证隐蔽性的前提下,再次将水印以不同强度自适应地嵌入到次特征块的小波域低频子图中,该算法较好地实现了水印的隐蔽性和稳健性。为增强水印的安全性和稳健性,在嵌入前利用Arnold迭代变换将水印置乱。实验结果表明,该算法对JPEG压缩、加噪、剪切、滤波等具有较强的稳健性。     

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度的计算以及水印的盲提取.实验选取三张512×512的标准测试图像以及64×64的二值水印图像对算法的透明性与鲁棒性进行测试.实验结果证明,图像具有很好的透明性,PSNR达到了63.71dB,针对旋转、剪切、JPEG压缩、高斯噪声等常规攻击手段时,算法能保持较强的鲁棒性.     

基于中心与邻域系数均值关系的盲水印算法

为了能够更好的满足水印的鲁棒性和不可见性,提出了一种基于关系的DWT域盲水印算法,首先对原始图像进行二级小波变换,在小波系数的中频子带中,根据比较中心系数与邻域系数均值关系的方法来嵌入水印,水印嵌入前进行了最优置乩处理,使得修改的中频系数最少,从而保证了较好的不可见性.在水印的提取过程中无需参考原始图像,实现了全盲检测.通过对嵌入水印的图像进行加入噪声、滤波、压缩以及裁剪等大量图像处理实验,均能正确检测出水印,结果表明算法具有很好的感知效果以及较强的鲁棒性,可用于数字图像的版权保护.