基于神经网络分类的图像水印算法

将人工神经网络（ANN）、广义猫映射及概率统计等知识相结合构造了一种图像空间域水印算法。采用神经网络作为载体图像的纹理分类器,突出原始图像的纹理区。使用广义猫映射对水印进行置乱预处理,提高了水印信息的安全性。水印嵌入时采用最小化像素改变的优化策略,提取时应用概率统计等知识较好地实现了水印信息不可见性和鲁棒性的统一。实验结果表明,该方法能有效地抵抗剪切攻击、噪声攻击、最低有效位（LSB）攻击、滤波攻击等。     

基于小波变换和神经网络的盲数字水印算法

文中提出了一种基于小波变换和神经网络的盲数字水印算法。算法嵌入的水印信息是一幅二值图像,每位水印信息被连续多次嵌入宿主图像小波分解的低频子带。利用提取含水印图像小波分解的低频子图的特征点坐标集估计水印图像遭受的几何失真,根据估计的几何失真参数对受到几何攻击的水印图像进行校正,最后利用神经网络很好的非线性映射和自适应学习功能实现水印信息的盲提取。实验表明,算法对常见的图像处理和几何攻击具有很好的鲁棒性。     

基于小波矩和神经网络检测的鲁棒水印算法

为提高抵抗旋转和剪切攻击等的能力,提出了一种基于小波矩特征调制和神经网检测的图像水印算法。利用水印信息调制载体的低阶小波矩特征,经过二值图像中附加的模板训练的神经网络几乎能够完全恢复嵌入到图像中的水印数据。实验表明该算法具有较好的鲁棒性,能有效地抵抗剪切,旋转攻击。算法利用具有旋转不变的小波矩,提高了抵抗攻击的能力。     

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。     

用于图像认证的变容量恢复水印算法

兼顾水印嵌入容量和安全性,提出一种水印容量可变的数字图像可恢复水印算法.该算法提取2×2图像块特征生成变容量恢复水印——平滑块6比特,纹理块12比特.图像块的恢复水印基于密钥随机嵌入在其它图像块的低有效位,通过比较图像块特征与相应恢复水印重构的块特征并结合邻域特征判定图像块的真实性,变容量恢复水印用尽可能少的比特数保存足够的图像块信息,仅被嵌入一次且同时用于篡改检测与恢复,不仅有效降低了水印嵌入容量,而且提高了算法抵抗恒均值攻击的能力.实验仿真结果表明,该算法得到的含水印图像和恢复图像的质量好,且能有效抵抗拼贴攻击、恒均值攻击等已知伪造攻击.     

基于反攻击的数字图像水印方法

在实际应用中 ,加有水印的数字图像不可避免会遭到一些有意或无意的攻击 .针对一些常用的攻击方法 ,提出了一种反攻击方法和相应的水印算法 ;算法自适应地选择水印嵌入位置和确定水印序列长度 ;水印嵌入在 DWT域进行 ;根据人眼视觉掩蔽特性确定水印嵌入强度 .实验结果表明该方法具有较好的图像自适应性和水印不可见性 ;对JPEG压缩、图像加噪声和图像滤波等常见的攻击方法具有极强的鲁棒性     

抗几何攻击的空间域图像数字水印算法

当前已有的水印算法多数无法抵抗几何攻击, 而现有抗几何攻击的水印算法大多数只能抵抗一定程度内的几何攻击. 本文提出了一个新的抗几何攻击的图像数字水印算法. 该算法在水印嵌入时, 先对原始图像进行分块, 然后对各个子块图像根据量化策略重复嵌入相应的 1bit 水印信息; 在水印提取时, 先将含水印图像进行分块, 然后对从各个子块图像中提取出的水印信息根据多数原则判定相应子块图像所含的 1bit 水印信息. 该算法简单、快速, 所能嵌入的水印信息量大, 并且在提取水印时无需原始图像. 实验结果表明, 该算法能够有效地抵抗很大程度的几何攻击及其组合攻击, 对常规的图像处理攻击也具有很强的稳健性.     

基于Schur分解和混沌置乱的彩色图像鲁棒水印算法

针对传统的彩色图像水印算法往往仅是将一个随机信号或二值图像嵌入到彩色载体图像中这一问题,结合混沌系统和Schur分解的优点,提出一种将彩色水印图像嵌入到彩色载体图像中的鲁棒水印算法.首先,对彩色水印图像进行Arnold置乱和混沌加密,提高了待嵌入彩色水印图像的安全性能;其次,将彩色载体图像分离成3个通道,每一通道被划分为4×4的不重叠分块并对选择的分块进行Schur分解;最后,将预处理后的水印信号嵌入到Schur分解后的最大值元素中.实验结果表明,提出的算法具有较好的不可感知性,对滤波攻击、噪声攻击、JPEG压缩攻击和多种组合攻击都具有较好的鲁棒性.与基于Schur分解的相似水印算法相比,对于大多数攻击本文提出的算法具有更优越的抗攻击性能.     

基于纠错编码和RBF神经网络的盲水印新算法

结合RBF神经网络和纠错编码技术,提出了一种把经过混沌加密的图像水印嵌入小波域,并实现盲检测的新型水印算法.首先,对原始图像进行小波分解得到各子带的小波系数;其次,通过密钥选择在小波系数中嵌入水印的起始位置,并对该小波系数进行量化处理作为RBF神经网络模型的输入值;最后,用混沌加密技术和纠错编码技术对待嵌入的水印信息进行预处理以增强水印系统的安全性和鲁棒性,把处理后的水印信息嵌入到经过RBF神经网络模型处理后的小波系数中.实验表明,该算法人类视觉掩蔽性良好,同时对于诸如JEPG压缩、椒盐噪声、滤波等常见图像处理攻击的鲁棒性达到了预期的效果.     

结合纹理复杂度与 BEMD 的灰度水印图像算法

本文提出并实现了一种结合纹理复杂度和二维经验模态分解(BEMD)的灰度水印图像算法。该算法首先对 Arnold 变换的水印图像进行 BEMD 分解,得到不同尺度的内蕴模态函数及余量信息。其次,对宿主图像分块进行纹理复杂度的计算,选择纹理复杂度高的区域作为嵌入位置;为了使水印图像的内蕴模态函数能与宿主图像更好地融合,对宿主图像进行了与水印图像相同筛分条件的 BEMD 分解。最后,将水印信息重复地嵌入到宿主图像预先选好的位置中,再对嵌入水印信息后的内蕴模态函数及余量重建得到嵌入水印后的图像。水印提取则为水印嵌入的逆过程。通过对不同纹理程度的宿主图像进行实验,得到嵌入水印后图像的峰值信噪比均在 40 dB 以上,面对 8 种常见攻击时提取水印的 NC 值均在 0.95 以上。与现有算法进行对比,该算法在大比例剪切、噪声攻击、图像滤波和 JPEG 压缩攻击上表现出色,且结果整体优于对比算法。     

基于神经网络的小波域数字水印嵌入算法研究

提出一种结合神经网络将二值水印嵌入离散小波变换后的宿主图像中的新方法.为使算法具有更好的不可感知性和鲁棒性,进一步提高它的实用性,结合神经网络理论,创新地提出在小波域实现对数字水印嵌入.该方法是对宿主图像做离散小波分解,取分解后的近似分量作为嵌入位置.在其中随机的选取一些像素点及其邻域,利用神经网络对其进行建模及训练,通过修改其像素值嵌入水印信息.在嵌入之前对二值水印进行了Arnold变换来加密.实验结果表明,算法具有很强的抗几何攻击和承受其他图像处理操作的能力,不可感知性好,鲁棒性明显优于一般小波域嵌入算法,对数字水印的实现具有很强的参考价值.     

一种基于小波变换的图像数字水印方法

提出一种结合置乱技术的小波域图像水印算法。利用Arnold置换方法对水印图像作时域上的变换,将秘图变换成无意义的图像,达到加密的效果,再根据提出的一种小波变换域的数字水印算法,将水印图像嵌入到小波变换的不同方位的重要系数当中,文中实现了标志图像水印。实验结果表明,该水印算法对图像处理有较强的鲁棒性。     

基于Arnold置乱和小波变换的数字水印算法

深入讨论了基于Arnold置乱和小波变换的数字水印算法,使用Arnold变换将水印图像置乱,通过小波变换将水印图像和载体图像进行融合,完成水印的嵌入,实验证明该算法有较好的嵌入效果和鲁棒性。     

基于小波变换的灰度水印嵌入算法

本文针对网络化数字媒体的版权保护提出了一种新的灰度水印图像嵌入到RGB彩色图像中的方法。首先将灰度水印图像进行置乱变换,再将置乱后的图像转换成二值序列,并将二值序列进一步分解成三个二值序列;然后将待嵌入水印的彩色图像分解成R、G、B三个分量,对每个分量分别作二级小波变换,得到小波变换的子带系数,再用奇偶判断法把三个二值序列的值分别嵌入各分量子带;最后用小波逆变换,恢复图像,合并三个分量,得到嵌入水印后的图像。仿真结果表明,本文方法有很好的透明性,且能有效的抵抗剪切、灰度调整、有损压缩等攻击。     

基于协同神经网络的图像数字水印算法

为保证图像数字水印的鲁棒性和安全性,结合加密技术,提出了一种使用协同神经网络的图像数字水印算法。该算法是先对有意义的灰度图像进行水印序列化处理后,再将其作为水印信号嵌入到载体图像的分块DCT系数直流分量里。水印的检测提取算法是采用协同神经网络,将疑似水印信号作为网络的输入,而网络的输出就是识别的结果。经仿真实验验证,该算法可承受一定的图像处理操作,不仅能同时完成水印的检测与提取,而且能有效判断水印的归属,具有较好的性能。     

基于Arnold置换的交换加密水印算法

针对载体图像内容安全与数字水印版权保护,结合Arnold置换与直方图平移可逆水印算法,提出基于Arnold置换的交换加密水印算法.算法利用置换后图像直方图不变的特性,将在密文中嵌入水印的操作映射到明文中,实现了加密与水印操作先后顺序的交换.在提取水印时,可直接从含水印的密文中提取水印,也可解密后再提取水印.实验结果表明,该算法加密操作与水印嵌入操作间的先后顺序不影响含水印密文的生成,解密操作与水印提取操作的先后顺序不影响水印提取与图像恢复,且直接解密得到的含水印明文图像质量较高,水印的不可见性好,算法有较高的效率.     

基于Arnold置乱和小波包分解的自适应水印算法

针对小波变换的不足,根据原始图像各子块对水印信息的适应程度不同,提出一种基于Arnold置乱和小波包分解的自适应水印算法。首先,该算法采用Arnold变换对水印图像进行预处理,然后对原始图像进行小波包分解,小波包分解能够提供一种更为精细的分解方法,将频带进行了多层次的划分,最后将水印图像嵌入到小波包分解后的子带中,水印的嵌入强度和嵌入位置均根据原始图像的内容自适应地决定,这样很好地解决了水印鲁棒性和不可见性之间的矛盾。仿真实验结果表明,算法对常见的图像攻击具有较强的鲁棒性和稳健性。     

基于小波—奇异值分解的数字水印新算法*

为了有效地保护数字作品的版权,提出了一种以离散小波多级分解与奇异值分解相结合的数字水印新算法。该算法充分利用小波与奇异值的固有性质,对原始图像进行多级小波分解,并对部分子带作奇异值分解。将水印置乱来保证一定的安全性,再对其进行分块离散余弦变换,然后将它嵌入到中间奇异值及其周围的部分矩阵块中。实验表明,该方法不仅有较好的透明性,而且能抗大多数处理攻击,有较好的鲁棒性。     

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。