神经网络的Contourlet域水印研究

为了更好地保证数字水印的鲁棒性和安全性,提出了一种基于Contourlet变换分解和ANFIS网络结合的数字水印算法.宿主图像先进行Contourlet分解,将置乱后的水印嵌入到Contourlet分解的低频系数中.根据ANFIS网络能够很好的模拟出输入输出之间关系的特点,训练好逼近宿主图像和水印图像之间的关系的ANFIS网络.在接收端用训练好的ANFIS网络盲提取水印,实现了在Contourlet域中采用神经网络盲提取的水印算法.实验结果表明,该水印算法安全性较高,经过噪声干扰、滤波、压缩等攻击具有很好的鲁棒性.     

一种基于协同联想的空域数字水印恢复技术

针对空域数字水印鲁棒性差的特点,运用协同计算机理论,首次研究提出了一种基于协同联想神经网络的水印恢复技术.采用改进的LSB算法,把DES加密水印图嵌入到载体图像.多幅加密水印图组成模式向量训练协同神经网络,输入提取的水印进行协同联想,识别和恢复出水印.经过实验验证,该技术能抵抗噪声、锐化、平滑和剪切等信号处理,能有效恢复受损水印,可认证或仲裁嵌入水印的归属,达到版权保护的目的.     

一种基于DWT的R-F数字水印技术

文章提出一种R-F(Robust-Fragile)数字水印新算法。该算法利用小波多尺度方法提取图像的边缘特征,将其作为数字水印自适应地嵌入到原始图像的小波域中。边缘水印与图像内容相关,因此,可将其看作图像的数字指纹。在水印提取阶段,利用相关运算可以检测水印的存在性,而利用比较运算可以判断出原始图像被篡改的部位。因此该算法具有鲁棒性和脆弱性水印的双重特点。实验验证了算法的有效性。     

基于ROI的组合域数字水印算法

提出一种基于ROI的组合域数字水印算法。将水印信号中感兴趣部分提取作为重要信息,混沌加密后嵌入载体图像的DCT域。将原始水印信号经过Arnold变换,嵌入含水印图像空域的非LSB位。水印提取时不需要原始载体图像。     

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。     

一种基于神经网络和小波变换的盲水印算法

提出一种新的运用神经网络将水印嵌入离散小波变换后的宿主图像中的数字水印算法。算法创新地提出选择水印嵌入点周围的8个邻域像素点作为神经网络的样本输入,这样可以更好地增强水印的透明性。该算法首先对宿主图像做离散小波变换,取低频子带作为嵌入位置,运用密钥随机选取水印的具体嵌入坐标,提取其邻域的像素点,利用建模好的神经网络对其进行训练,通过修改其像素值嵌入水印,提取时利用确定的神经网络实现水印的盲提取。水印嵌入之前运用Amold变换进行了置乱处理。实验结果表明,该算法具有较好的不可见性和鲁棒性。     

基于混沌的双像素灰度差分脆弱数字水印算法

提出了一种用于图像认证的脆弱型数字水印算法。该算法利用混沌对初值的极端敏感性,由混沌系统产生基于图像内容的认证水印,通过修改双像素的灰度差将认证水印嵌入到图像中。该算法能对图像的真实性进行检测,具有较好的不可见性以及篡改检测和篡改定位能力,提取水印时不需要原始图像,是一种完全盲水印方案。     

基于数字调制技术的图像数字水印算法

提出一种新颖的基于数字调制技术的图像数字水印算法.将数字水印的嵌入与提取建模为通信过程,基于通信理论的线性、非线性数字调制技术,给出新的图像数字水印算法:将图像作为载体信号,水印作为待传输信号,并调制到载体信号上.算法既可在时域嵌入水印,也可在频域嵌入水印.同时通过典型实例,对算法进行分析与鲁棒性测试,包括噪声测试、JPEG压缩测试、剪切测试等,测试结果表明算法具有较好的安全性和鲁棒性.     

基于图像特征和霍夫曼编码的图像水印算法

将霍夫曼编码原理引入数字水印领域,提出一种基于图像特征的数字水印新算法,以降低数字水印算法复杂度。算法在嵌入水印时,首先将数字图像进行三级小波分解,并提取三级逼近分量的边缘特征。然后用霍夫曼编码计算边缘特征矩阵的顶端结点,再将此结点值嵌入到细节分量中。最后进行三级小波逆变换得到嵌入水印的图像。算法在提取水印时,根据嵌入水印的过程找到嵌入点,提取出待检测图像中的水印,并分析得到检测结果。仿真实验表明,该算法复杂度低、载荷小,具有很好的有效性和可行性。     

一种面向图像内容认证的半脆弱数字水印算法*

提出了一种面向内容认证的半脆弱数字水印算法。该算法利用混沌系统的类随机性和遍历性的特点,将载体图像分成两部分,其中一部分用于提取基于图像特征的水印,另外一部分则用来嵌入提取的特征水印,水印信号嵌入到矩阵奇异值(SVD)较大的数据中。实验表明算法达到了不可见性、盲检测性等半脆弱水印的基本要求,并保证在对常见的JPEG压缩稳健的同时,能有效地区分偶然失真和恶意窜改。     

一种相移键控数字图像水印算法

根据相移键控原理．提出了一种不可逆DWT域二相相位键控数字图像水印算法．水印信号为二值图像，用不同相位的正弦信号将水印调制后嵌入到数字图像DWT变换系数中；用提取的同频率正弦信号的相位进行水印提取；该方法嵌入的水印具有非常好的安全性，且水印提取不需要原始未加水印的图像．实验结果表明该方法具有很好的不可见性；对JPEG压缩、图像加噪声和图像滤波等常见的图像处理具有极强的鲁棒性．     

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。     

基于可逆神经网络的神经辐射场水印

针对面向隐式表达的神经辐射场的3D模型的版权问题,将神经辐射场水印的嵌入与提取视为一对图像变换的逆问题,提出了一种利用可逆神经网络水印保护神经辐射场版权方案。利用二维图像的水印技术以实现对三维场景的保护,通过可逆网络中的正向过程在神经辐射场的训练图像中嵌入水印,利用逆向过程从神经辐射场渲染出的图像提取水印,实现对神经辐射场以及三维场景的版权保护。但神经辐射场在渲染过程中会造成水印信息丢失,为此设计了图像质量增强模块,将渲染图像通过神经网络进行恢复然后再进行水印提取。同时在每个训练图像中均嵌入水印来训练神经辐射场,实现多个视角下均可提取水印信息。实验结果表明了提出的水印方案,达到版权保护的目的,证明方案的可行性。     

一次Bézier曲线和Legendre神经网络的彩色盲水印算法

针对目前多数图像数字水印算法的载体是灰度图像,无色彩信息,水印信息是二值图像,水印信息量少,适用性差等不足,提出了一种基于一次Bézier曲线和Legendre神经网络小波变换（DWT）的彩色图像盲水印算法,载体图像和水印信息都是彩色图像。首先,将载体图像进行颜色空间转换并对载体图像的亮度分量进行DWT,然后将水印图像进行三基色分离,并对每个颜色分量同时进行Logistic混沌置乱和离散Haar小波分解。最后将每个颜色分量小波分解的四个矩阵系数按照一次Bézier曲线公式嵌入到载体图像的DWT中频子带系数中。实验结果表明,水印的透明性好,对于常见的噪声、裁剪、旋转、JPEG压缩等具有较好的鲁棒性。     

BlessMark: a blind diagnostically-lossless watermarking framework for medical applications based on deep neural networks

Nowadays, with the development of public network usage, medical information is transmitted throughout the hospitals. A watermarking system can help for the confidentiality of medical information distributed over the internet. In medical images, regions-of-interest (ROI) contain diagnostic information. The watermark should be embedded only into non-regions-of-interest (NROI) regions to keep diagnostically important details without distortion. Recently, ROI based watermarking has attracted the attention of the medical research community. The ROI map can be used as an embedding key for improving confidentiality protection purposes. However, in most existing works, the ROI map that is used for the embedding process must be sent as side-information along with the watermarked image. This side information is a disadvantage and makes the extraction process non-blind. Also, most existing algorithms do not recover NROI of the original cover image after the extraction of the watermark. In this paper, we propose a framework for blind diagnostically-lossless watermarking, which iteratively embeds only into NROI. The significance of the proposed framework is in satisfying the confidentiality of the patient information through a blind watermarking system, while it preserves diagnostic/medical information of the image throughout the watermarking process. A deep neural network is used to recognize the ROI map in the embedding, extraction, and recovery processes. In the extraction process, the same ROI map of the embedding process is recognized without requiring any additional information. Hence, the watermark is blindly extracted from the NROI. Furthermore, a three-layer fully connected neural network is used for the detection of distorted NROI blocks in the recovery process to recover the distorted NROI blocks to their original form. The proposed framework is compared with one lossless watermarking algorithm. Experimental results demonstrate the superiority of the proposed framework in terms of side information.

     

一种基于纹理测度的小波域数字水印模型

在图像数字水印技术中,采用JND阈值对水印的嵌入位置与强度进行控制,并在盲检测中作为搜索水印嵌入位置的依据,能够得到较理想的效果。JND阈值的鲁棒性对理想的盲检测结果至关重要。通过对数字水印系统的研究,提出了基于图像低频小波系数的定量纹理测度的JND阈值计算模型。该模型明显地提高了JND门限值的鲁棒性,即使在图像受到较大幅度改动的情况下,仍能很好地定位嵌入水印,从而有效地改善了盲检测的效果。同时给出了一种基于随机统计特征的匹配检测算法,该算法有效地提高了响应值,同时考虑响应值对应的虚警概率,从而使检测结果具有较强的说服力。     

数字音频信号的脆弱水印嵌入算法

该文给出了量化系数嵌入水印比特信息的基本原理，在此基础上提出了数字音频信号的脆弱水印嵌入算法。该算法充分利用离散子波变换的多分辨率特性，通过等概率随机量化音频信号不同子带的子波系数嵌入视觉可辨别的水印－二值图像。仿真实验结果表明，该文提出的数字音频信号脆弱水印嵌入算法对有损压缩、滤波和重新采样等操作具有很强的敏感性。     

基于人工神经网络的数字音频水印算法

提出了一种新的基于神经网络训练学习的数字音频水印算法 ,采用本算法在一段数字音频数据中隐藏了一幅不可感知的二值图像 .通过后向传播算法的神经网络训练出模板信号与嵌入了水印信号的音频之间的关系特征 ,由于神经网络具有学习和自适应的特性 ,通过训练后的神经网络几乎能够完全恢复嵌入到音频中的水印数据 .通过仿真实验结果表明该算法具有较好的鲁棒性和抵抗常用的信号处理方法的处理的能力 ,特别是在水印检测时不需要原始的音频信号 .     

Block-based fuzzy-image authentication method

Abstract

Fragile watermarking methods have been widely used for image authentication. A novel image-authentication method based on fuzzy coding is presented in this work. This method is a block-based method and it consists of watermark generation, watermark embedding, watermark extraction, tamper detection, and image recovery phases. First, the cover image is divided into nonoverlapping blocks. In the watermark-generation step, fuzzy sets and fuzzy coding are used. To generate fuzzy sets, three threshold points are selected from a histogram of the cover image and fuzzy sets are created by using these threshold points. Memberships of pixels are calculated to generate features. Fuzzy coding is used to generate the watermark. The watermark-embedding function uses ±1 data hiding function for each block. Therefore, high visual quality is achieved. The generated watermark is compared with the extracted watermark in the tamper-detection phase. Finally, a new image-recovery algorithm is proposed for recovering tampered areas. To evaluate the proposed method, visual quality, tamper detection ability, image recovery capability, and computational complexity were used. The experimental results clearly indicated that the proposed method was a success.     

一种基于特征的抗剪裁盲水印算法

为了提高水印抗剪裁攻击的鲁棒性,提出了一种基于特征的方法,用来辅助决定水印的嵌入和提取的位置,并根据人类视觉的掩蔽特性,在较复杂的块增加嵌入量,而在DCT域的中低频带嵌入二值图像水印,并通过标志位的嵌入来辅助水印的提取,该算法除了对JPEG、模糊等图像操作具有很好的抵抗能力外,同时对裁剪也具有很好的鲁棒性。目前在许多水印嵌入算法中,当对剪切图像进行水印提取时,图像的大小和像素相对坐标均未发生改变;而本文对剪裁后的图像所进行的水印提取则是在图像的大小和像素的相对坐标均是未知的情况下进行的。实验结果证明,该算法是一种行之有效的盲水印算法。