基于神经网络的数字水印容量分析

利用Hopfield神经网络记忆宿主图像以及原始水印信息,提出了一种基于神经网络的盲检测数字水印算法.利用噪声可见函数实现了水印的自适应嵌入,在水印检测时实现了水印的盲检测.在此基础上研究了基于神经网络的图像水印容量问题.研究结果表明,嵌入水印的最大信息量取决于神经网络吸引域的大小.     

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。     

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SVD和Radon变换的抗旋转攻击盲水印算法

为了提高传统基于奇异值变换（SVD）的数字水印抗几何攻击能力,提出一种在小波变换域将Radon变换和奇异值变换相结合的抗旋转攻击鲁棒性水印算法。将宿主图像进行小波变换,对变换后的低频子带进行奇异值分解,将经过仿射变换置乱后的二值水印图像嵌入到奇异值中。在水印嵌入操作上采用了奇偶量化嵌入算法从而实现了二值水印图像在水印检测时的盲提取;同时在水印检测之前,利用Radon变换检测算法对待检测图像进行几何校正,然后提取水印信息。实验结果表明,该算法对于噪声感染、滤波、JPEG压缩等常规信号处理的鲁棒性优于传统的基于SVD的数字水印算法,同时对于旋转几何变换具有很好的鲁棒性。     

一种基于量化的小波域扩频水印

论文提出了一种基于量化的小波域自适应扩频水印。该方法根据小波系数的内在联系和HVS的特点,利用量化将一位水印信息自适应地嵌入到宿主图像的一棵小波树中,提取时通过“多数原则”来恢复水印的位信息,实现了盲检测。实验结果表明:使用该方法的水印有较好的不可感知性和鲁棒性,同时可保证较低的正向错误率(falsepositiverate)。     

基于小波域的盲分离数字水印算法

提出了一种基于小波域和独立分量分析的盲分离数字水印算法.该算法将水印置乱并乘以相应的系数,将此信息嵌入到经过二级小波变换的原始图像的逼近子图中,提取时利用快速独立分量分析实现了原始图像和水印的盲分离.经过大量实验证明,重构后得到的水印图像具有良好的不可见性,对叠加了水印的图像经过多种干扰及信号处理后,能够有效地检测出水印的存在.     

基于人工神经网络的半脆弱零水印技术

提出了基于人工神经网络的半脆弱零水印技术。首先在宿主图像中随机选择像素点,然后利用神经网络构建所选择像素点与其3×3邻域像素之间的关系,并与二值水印图像进行异或运算得到水印检测密钥,作为所构造的零水印。由于仅从宿主图像中抽取特征构造水印,而没有向图像中嵌入信息,避免了嵌入水印所导致的图像变形。该技术可以用于图像真实性、完整性认证,并可定位篡改发生的位置,且对于JPEG图像压缩具有一定的稳健性。实验结果证明了算法的有效性。     

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。     

基于幅度调制和视觉掩蔽特性的彩色图像水印

提出了一种基于幅度调制的盲检测彩色图像水印算法,为了改善可见性,根据人眼视觉特性（HVS）自适应选择其嵌入位置。水印嵌入是通过修改图像中像素蓝色通道信息来实现的,而水印提取是基于对嵌入水印位置的邻域像素值的线性组合的预测而完成的。在嵌入过程中通过高斯模板来均衡调整嵌入水印后对宿主图像影响的强度。仿真实验证明该文算法不仅具有非常好的透明性,而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何变换、图像增强等攻击具有很好的鲁棒性。     

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.     

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。     

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.

     

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。     

Wavelet-based image watermarking with visibility range estimation based on HVS and neural networks

This work proposes a wavelet-based image watermarking (WIW) technique, based on the human visible system (HVS) model and neural networks, for image copyright protection. A characteristic of the HVS, which is called the just noticeable difference (JND) profile, is employed in the watermark embedding to enhance the imperceptibility of the technique. First, we derive the allowable visibility ranges of the JND thresholds for all coefficients of a wavelet-transformed image. The WIW technique exploits the ranges to compute the adaptive strengths to be superimposed in the wavelet coefficients while embedding watermarks. An artificial neural network (ANN) is then used to memorize the relationships between the original wavelet coefficients and its watermark version. Consequently, the trained ANN is utilized for estimating the watermark without the original image. Many existing schemes require the original image to be involved in the calculation of the JND profile of the image. Finally, computer simulations demonstrate that both transparency and robustness of the WIW technique are superior to that of other proposed methods.     

基于神经网络的灰度级数字水印嵌入技术

提出一种将灰度级数字水印嵌入到彩色图像中的方法。利用DCT变换,先将灰度水印编码成二值位流信息：用神经网络建立彩色图像中所选择的像素之间关系模型。最后,通过调整被选择像素点与模型输出值之间大小关系来嵌入水印的二值位流信息。采用信息放大技术,加强水印的嵌入强度。利用神经网络、DCT反变换,提取灰度水印。实验结果表明,该算法对目前JPEG图像压缩变换和某些图像处理操作具有极强的鲁棒性。     

基于Fibonacci置乱的小波域数字图像盲水印算法

针对数字图像的版权保护问题,提出一种基于Fibonacci置乱的小波域数字图像盲水印方案。将原图像中的感兴趣区域(ROI)作为水印来源,以此提高水印的隐蔽性。在水印嵌入过程中,将原图像进行分块,对每个块进行Fibonacci置乱和离散小波变换(DWT),选择出低频子带,用于水印嵌入。同时,对水印也执行DWT,选择出低频子带,通过Fibonacci置乱得到置乱矩阵,将水印的置乱矩阵嵌入到主图像的块中。在水印提取过程中,根据嵌入过程中设定的秘钥,通过逆Fibonacci置乱和逆DWT过程提取水印。在多种图像攻击下的仿真结果表明,该水印方案具有较高的安全性、鲁棒性和隐蔽性。     

量子图像水印技术在电力大数据中的应用

为保证电力大数据的安全和处理效果,本文提出一种基于量子图像水印技术的嵌入及提取方法。该方法首先将原载体灰色图像用量子表示,并利用量子小波变换四次分解原载体图像得到子图,再通过量子离散余弦变换对子图进行系数转换。通过对系数矩阵进行奇异值分解得到对角矩阵,再利用量子广义Arnold变换和Logistic映射对水印进行置乱,并进行奇异值分解,从而实现量子水印的嵌入。嵌入的水印图像被分解后,每个像素的灰度信息为一个均衡的量子叠加态,测量后整幅图像为一个均匀的白噪声。水印图像的提取过程为嵌入的逆过程。仿真结果表明,相对经典图像水印,量子图像水印技术计算复杂度更低,计算速度更快,嵌入的水印图像具有很好的安全性,并且不影响载体图像的视觉效果。     

Digital watermarking algorithm based on Kalman filtering and image fusion

A digital watermarking algorithm based on Kalman filter and image fusion is proposed. The digital watermarking can be viewed as a process that embedding a weak signal (watermark) to a strong signal (original image), so the process of watermarking can be viewed as a process of image fusion. In the proposed watermarking algorithm, the watermark embedding and extraction process are expressed as the state estimate process, and Kalman filter is used as an optimal estimation algorithm in the process of image fusion. An optimal estimation model is built according to the watermark image and the original image, and then the state equation and the corresponding measurement equation are built. The optimal estimation is archived in case of the minimum estimation error variance. Crossentropy and mutual information are used to evaluate the performance of image fusion. Experimental results show that the proposed algorithm has a good performance in both robustness and invisibility.     

基于神经网络的实用小波域零水印技术

提出一种基于神经网络的小波域零水印技术。不同于传统的水印算法,零水印技术对宿主图像进行离散小波变换,并在低频子带随机选择一些系数作为提取的特征,将其作为水印用于版权证明,以避免嵌入水印导致的图像变形。通过建立神经网络模型对所选特征系数进行管理、存储和检测,以提高算法的实用性。