基于Contourlet域重要系数特性的自适应图像水印算法

对图像Contourlet变换的特性进行了分析和讨论,在此基础上提出了一种基于Contourlet域重要系数特性的自适应的水印算法,包括:(1)根据Contourlet变换域各阶方向子带的对应关系,利用低频和高频子带的树形结构确定出低频方向子带中的重要系数,以此系数作为水印嵌入位置的索引,把水印嵌入这些重要系数按树形结构映射到中频方向子带中;(2)根据嵌入点对应低频方向子带的能量和高尺度对应子带区域的纹理信息确定了一种自适应地调整嵌入水印强度的策略,使水印在嵌入位置和嵌入强度的选择上都保证使嵌入的水印具有很好的透明性和极大鲁棒性;(3)水印检测无需原始图像,通过统计图像的相关性即可验证水印的存在.仿真实验表明,所提出的水印算法不仅具有很好的透明性,而且对常见的图像处理具有很好的鲁棒性.     

联合非下采样Contourlet变换与奇异值分解的多水印算法

为解决最近报道的Contourlet变换域基于奇异值分解的水印算法存在的高虚警率问题, 提出一种多水印算法。对Arnold置乱后的水印图像进行奇异值分解, 将其中一个正交矩阵嵌入原始图像非下采样Contourlet域的两个高频方向子带中, 并利用奇异值来调整原始图像非下采样Contourlet域剩余子带的系数矩阵, 通过逆变换得到含水印图像。抽取水印时首先计算从待检测图像抽出的正交矩阵和真实水印正交矩阵的相似度, 与阈值进行比较, 以决定抽取过程是否进行。由于非下采样Contourlet变换的高冗余性, 最终可抽取出多个水印图像。实验表明, 算法较好地克服了高虚警率问题。一系列的攻击实验证明算法具有较好的鲁棒性。     

基于纹理特征定位的数字图像水印算法

提出一种基于图像纹理特征锁定水印嵌入位置的水印算法。利用Canny算子在非采样Contourlet变换最高阶方向子带内筛选图像的纹理特征,将强纹理特征的位置作为水印嵌入的索引点。对非采样Contourlet变换的低频子带进行一级小波分解,在小波细节子带上分割N个圆环(N为水印信息长度)区域,根据索引位置在每个圆环区域内自适应地重复嵌入水印。仿真实验表明,该算法不仅具有较好的透明性,而且对图像处理和几何攻击均具有较好的鲁棒性。     

基于Contourlet和SVD的鲁棒双水印算法

提出了一种Contourlet域的基于奇异值分解的鲁棒水印算法。综合Contourlet变换和奇异值的优点,选择宿主图像Contourlet变换后的低频子带和能量最大的高频子带作为水印嵌入子带,分别嵌入水印信息。水印提取时,从两个子带水印中选择NC值较大的作为最终提取的水印。实验结果表明,该算法在保证了不可见性的同时,对常规攻击和几何攻击均具有较强鲁棒性。     

基于特征点模板的Contourlet域抗几何攻击水印算法研究

抵抗几何攻击的数字水印是目前水印算法研究的热点与难点之一,一个微弱不可察觉的几何攻击就可能使绝大多数水印算法失效.文中对图像的Contourlet变换特性进行了分析和讨论,在此基础上提出了一种以特征点为模板的基于Contourlet的抗几何攻击水印算法,包括:(1)在Contourlet变换域最高阶方向子带的相同带内坐标中搜索纹理最丰富的位置作为嵌入位置,这样水印在被嵌入到图像重要区域的同时也保证其被嵌到纹理丰富的区域中;(2)根据嵌入点在低频对应位置的能量和高尺度同方向子带对应位置的纹理信息,确定了一种自适应的水印嵌入强度的策略,使得水印在嵌入位置和嵌入强度的选择上都保证了嵌入的水印具有很好的透明性和极大的鲁棒性;(3)改进了Harris-Laplace算子,利用该算子从含有水印的图像中提取出具有几何形变鲁棒性的特征点作为模板;(4)水印检测时,先利用特征点模板对应点之间的变换关系实现水印重同步,然后通过统计图像的相关性来验证水印的存在.仿真实验表明,所提出的水印算法不仅具有很好的透明性,而且对常见的图像处理和几何攻击具有很好的鲁棒性.     

基于奇偶量化的Contourlet变换域指纹图像水印算法

提出了一种基于奇偶量化的Contourlet变换域指纹图像水印算法。原始指纹图像经过Contourlet变换后，分解为一系列多尺度、局部化、方向性的子带图像，选择在低频子带中嵌入经过二维Arnold置乱加密后的水印。嵌入水印时，采用奇偶量化算法修改低频子带的系数。水印提取时，不需要原始图像，实现了盲提取。实验结果表明，提出的指纹图像水印算法能够较好地抵抗JPEG有损压缩、叠加噪声、剪裁等攻击，具有较好的不可见性和鲁棒性，提高了指纹识别的可靠性。     

一种基于Contourlet域的块均值关系的盲水印算法

从Contourlet变换的特点出发,提出一种基于分块均值关系的Contourlet域水印算法。首先将水印图像利用Arnold混沌映射进行置乱,之后对载体图像进行2级的Contourlet变换,选择能量最大的低频子带作为嵌入区域,通过修改选定位置的系数数值嵌入水印,在水印提取时不需要原始图像,实现了水印的盲提取。实验表明所提的算法在抵抗JPEG、椒盐噪声等攻击时有较好的鲁棒性。     

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变换和奇异值分解的图像零水印算法

提出一种基于Contourlet变换和奇异值分解的数字图像零水印算法。原始图像经过Contourlet变换后,分解为一系列多尺度、局部化、方向性的子带图像,选择对低频子带进行分块奇异值分解,然后根据每块中第一个奇异值的大小特性“嵌入”和“提取”水印。实验结果表明,该图像水印算法能够较好地抵抗JPEG有损压缩、叠加噪声、剪裁等攻击,具有较强的鲁棒性和不可见性,提高了水印识别的可靠性。     

基于NSCT和DWT的鲁棒数字水印算法

针对现有水印算法难以有效对抗几何攻击的问题,提出一种基于非采样Contourlet变换（NSCT）的水印新算法。利用NSCT得到显著方向子带,对该子带系数进行二值化,获得图像边缘方向信息点集。在水印检测时,利用边缘方向的特征点集,可使受到几何攻击的水印化图像恢复到原来的大小和位置,即恢复已丢失的同步信息。实验结果表明,该方法对几何攻击具有很好的鲁棒性。     

基于NSCT-DCT-DWT-SVD联合数字水印算法

针对现有已提出的相关数字水印算法在不同攻击下存在的问题,提出一种将非下采样Contourlet变换NSCT(Non-subsampled Contourlet Transform)和DCT-DWT-SVD联合的数字水印算法。该算法将原始的宿主图像进行非下采样Contourlet变换得到与原始图像大小相同的低频子带,将低频子带进行离散小波变换分解,并对小波分解的低频部分与Arnold变换后的水印进行离散余弦变换。将变换得到的新区域与变换后的水印信息图像进行奇异值分解,将两者分解得到的奇异值矩阵相结合,作为最终的水印嵌入主成分。实验结果表明,该算法可以有效地抵抗JEPG压缩﹑椒盐噪声﹑泊松噪声﹑滤波等不同类型的攻击,在确保水印不可见性的同时具有较高的原始图像保真性。     

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。     

基于非采样Contourlet特征的水印算法

提出一种利用非采样Contourlet边缘方向信息实现对RST攻击校正的水印方案。该方案利用非采样Contourlet变换提取载体图像多尺度多方向上的变换系数,对显著方向子带系数进行二值并细化,获得载体图像轮廓方向信息。水印检测时,利用轮廓方向的特征点集估计测试图像受到RST攻击的参数,从而使测试图像恢复到原来的大小和位置,即恢复已丢失的同步信息。实验结果表明,该方法对RST攻击具有较好的鲁棒性。     

基于Contourlet域特征点的抗几何攻击水印方法

有效抵抗几何攻击的水印算法是目前水印技术研究的难点之一,很小的几何变形就可能使大多数水印算法失效.对图像Contourlet变换和Harris-Affine算子的特性进行了分析和讨论,在此基础上提出了一种以仿射不变特征点的基于Contourlet的抗几何攻击水印算法.首先,用Contourlet变换提取出多尺度、多方向的纹理信息;再用Harris-Affine检测算子从变换域的中、低频方向子带中提取出仿射不变特征点,结合自适应局部结构的特征尺度确定特征区域,并用U变换对其归一化处理,水印就自适应地嵌入到归一化后的区域中;水印嵌入采纳矢量量化的策略,将水印信息重复嵌入到不同方向子带、多个不相交的局部仿射不变特征区域.检测时,利用特征点实现水印的重同步,采用“多数原则”来提取水印的位信息,无需求助于原始图像.仿真结果表明,算法不仅具有较好的透明性,而且对常规信号处理和去仿射攻击均具有较好的鲁棒性     

非抽样Contourlet变换的盲数字水印

根据非抽样Contourlet变换的特性,提出一种非抽样Contourlet变换域的盲水印算法,算法选择在具有最大能量的中高频子带中嵌入水印,在对水印进行加密后,利用密钥生成PN序列,根据水印值的不同PN序列嵌入宿主图像的方式也不同。提取水印不需要原始图像,利用NSCT变换系数与PN序列的相关性系数提取水印,实现盲提取。实验证明算法具有一定的不可见性和鲁棒性,具有很强的抗JPEG压缩的鲁棒性。     

基于图像归一化的Contourlet域数字水印方案

Contourlet变换是一种全新的高维信号奇异性分析工具,其不仅具有良好的方向性和各向异性,而且能够高效率捕获图像几何结构.本文以Contourlet变换理论及图像归一化技术为基础,提出一种基于图像归一化的Contourlet域数字水印方案.该方案首先利用图像归一化技术将原始载体映射到几何不变空间内,并提取出归一化图像的重要区域;然后对重要区域实施Contourlet变换;最后根据人眼视觉特性及系数相关性,利用量化调制策略将水印信息嵌入到Contourlet域低频子带内.仿真实验结果表明,该数字图像水印方案不仅具有良好的透明性,而且具有较强的抵抗常规信号处理及几何攻击的能力.     

基于混沌的Contourlet域抗几何攻击图像水印算法

为了提高水印算法的抗几何攻击性和自适应性,提出了一种基于混沌的Contourlet域抗几何攻击的自适应图像水印算法。首先对载体图像进行Contourlet变换,并对低频子带进行分块奇异值分解,然后根据HVS原理自适应地将混沌加密后的水印信息嵌入到每块的最大奇异值中;最后使用改进的Harris-Laplace算子提取含水印图像的特征点。水印提取时利用受攻击前后图像的特征点矫正图像的几何变形。实验表明,该算法对JPEG压缩、滤波、加噪、旋转、缩放和平移等常规的图像处理和几何攻击具有很强的鲁棒性。     

一种HVS和Contourlet结合的图像水印算法

提出了一种Contourlet域的图像水印算法.首先对图像进行多层分解;然后利用视觉系统的亮度纹理特性,把伪随机序列组成的水印信号自适应地嵌入到能量最大的子带中;最后经过逆变换得到嵌入水印后的图像.该算法解决了直接嵌入边缘扭曲的问题,检测端使用基于相关的盲检测.实验结果表明,该算法能够在满足不可见性的条件下抵抗JPEG压缩、加噪和剪裁等攻击,具有很强的鲁棒性.     

利用图像边缘构造水印同步信息的新水印算法

提出一种利用图像边缘和Directionlet变换构造水印同步信息的新水印算法。将图像一条显著边缘的方向作为Directionlet的变换方向,与之成特定角度的方向作为队列方向,据此生成整数栅格的采样矩阵;水印在每个陪集的中低频子带内自适应嵌入;以图像显著边缘为一坐标轴建立坐标系,在该坐标系内检测水印,可以排除几何攻击对水印位置的影响。实验结果表明,较之基于Wavelet和Contourlet的水印算法,本文方法对抗几何攻击的优势非常突出,尤其对旋转攻击,效果更明显。     

基于NSCT-SVD的多重数字水印算法

针对现有水印算法难以抵抗多种类型攻击的问题,提出一种基于非下采样Contourlet变换(NSCT)和奇异值分解(SVD)的多重数字水印算法。该算法采用不同的密钥对水印信息进行Arnold置乱,其宿主图像经过二层NSCT变换后得到大小相同的低频子带和高频子带。为提高算法鲁棒性,对各子带进行奇异值分解,将3个加密水印信息重复嵌入到具有最大奇异值的NSCT域低频和高频子带的子块中。在水印检测时,从3个提取结果中选取归一化均方误差最小的水印作为最终水印。实验结果表明,该算法能够有效抵抗JPEG压缩、椒盐噪声、剪切和中值滤波等多种类型的攻击,并且在保证水印不可见的前提下,提高了水印的鲁棒性和嵌入容量。