基于多尺度分解与预测误差扩展的可逆图像水印算法

针对现有可逆图像水印算法中嵌入量与图像视觉质量之间的矛盾,提出了一种基于多尺度分解与预测误差扩展的可逆图像水印算法。首先,对原始图像进行多尺度分解,将其分解为同质块和非同质块;其次,通过对同质块进行预测误差扩展来嵌入水印信息;最后,通过计算非同质块信息熵,根据嵌入水印信息量选择合适的非同质块,通过对选取的非同质块进行整数小波变换,在中高频中嵌入剩余水印信息。实验结果表明,该算法易于实现且完全可逆,能有效提高水印嵌入量,具有较高的视觉质量。     

基于奇偶性的大容量医学图像可逆水印算法

本文提出了一种针对医学图像的基于奇偶性的大容量可逆水印算法。相比一般图像医学图像拥有更多接近0 值的像素点,在嵌入过程中容易溢出。通过测试选择像素中嵌入水印信息不会引起溢出的像素携带水印信息。本算法充分利用了医学图像中所有有能力携带水印信息的像素,提高了医学图像的嵌入率。为保证水印信息提取端图像像素的正确分类和算法的可逆性,本算法基于像素预测误差的奇偶性改进了提取端的测试算法。实验分析表明,本算法不仅保证了含水印医学图像的视觉效果,同时提高了医学图像的水印嵌入容量。对于一般图像,在水印嵌入量和视觉效果方面也有一定的提升。     

奇偶性分类下大容量医学图像可逆水印算法

提出了一种针对医学图像的基于奇偶性的大容量可逆水印算法.相比一般图像,医学图像拥有更多接近0值的像素点,在嵌入过程中容易溢出.通过测试选择像素中嵌入水印信息不会引起溢出的像素携带水印信息.本算法充分利用了医学图像中所有能携带水印信息的像素,提高了医学图像的嵌入率.为保证水印信息提取端图像像素的正确分类和算法的可逆性,本算法基于像素预测误差的奇偶性改进了提取端的测试算法.实验分析表明,本算法不仅保证了含水印医学图像的视觉效果,同时提高了医学图像的水印嵌入容量.对于一般图像,在水印嵌入量和视觉效果方面也有一定的提升.     

基于帧间预测误差扩展的可逆视频水印

为了提高可逆视频水印的嵌入容量和嵌水印视频质量,提出一种使用运动估计和预测误差直方图修改的算法.在嵌入端,根据视频中相邻帧间的内容关系,对每一帧使用运动估计获得其像素的预测误差,生成预测误差直方图,并通过扩展位于直方图峰值点的预测误差来嵌入水印;在每帧的嵌入过程中会产生少量用于提取水印和还原视频的头信息,包括运动向量和边界表等,将其与水印一起嵌入到该帧的参考帧中.在提取端,先获取参考帧中的水印和头信息并还原参考帧,保证提取操作具有正确的上下文,然后根据获取的头信息和还原后的参考帧提取当前帧中的水印.实验结果表明,采用文中算法获得的预测误差直方图具有高度的集中性,并且对像素值的修改十分微小,比其他可逆水印算法具有更大的嵌入容量和更好的嵌水印视频质量.     

采用整数小波变换和多目标遗传算法的可逆灰度水印

现有的可逆水印算法大部分以二值图像作为水印图像,灰度水印在嵌入之前需要转换为二值图像.为此提出一种基于人眼视觉系统、整数小波变换以及多目标遗传算法的可逆灰度水印算法.为了避免水印在嵌入过程中产生溢出的情况,需要对原始图像进行直方图修改.首先对整数小波变换之后的图像进行分块,在每一个局部块中通过像素点灰度值的大小找到满足条件的2个像素点;然后依据它们的灰度值之差与6进行模运算找到第3个像素点,通过修改找到的3个像素的灰度值嵌入水印.该算法直接以灰度图像作为水印图像,在水印嵌入之前无需对其做任何处理操作;利用人类视觉系统提高水印嵌入之后的不可见性,通过对每个子块的熵值进行归一化动态地调整水印信息的嵌入强度;然后使用遗传算法对结果进行优化,兼顾了水印嵌入之后图像的质量和不可见性.实验结果证明,文中算法易于实现、完全可逆,而且透明性好、保密性高,具有可行性.     

基于IWT和广义差值扩展的可逆水印算法

针对传统差值扩展可逆水印算法的缺陷,提出了一种基于整数小波变换（IWT）和广义差值扩展的可逆水印算法。它将原始图像划分成4×4大小的互不重叠的像素块;计算各分块的近似平滑度值,该值在水印嵌入前后保持不变;将所有分块按平滑度值进行排序;根据水印信息量,依序选取适当数目的分块;对所选取分块进行整数小波变换,在变换后的低频部分利用广义差值扩展法嵌入水印信息,在高频部分通过数据压缩嵌入水印辅助信息。实验结果表明,该算法在减小图像失真的同时,提高了信息嵌入量,另外在同等水印嵌入量下,该算法的[PNSR]高于常见的一些算法。     

基于预测与排序的大容量可逆水印算法

针对大多数情况下可逆水印算法需要位图的情况,提出了一个不需要位图的可逆水印算法。该算法使用一种新的基于高效排序的全邻预测算法,经过排序以后形成预测误差集合,可以在很低失真度的情况下嵌入数据。实验的结果表明,该算法优于现有的可逆水印算法,并可以在具有较小失真度的情况下嵌入大量的数据。     

基于LASSO的可逆图像水印算法

对于采用差值扩展-直方图平移的可逆水印算法,提高预测的准确度有利于减小预测误差,从而在同等嵌入失真时获得更大的嵌入容量。为了进一步提高图像像素预测的准确度,构造了一种基于LASSO （Least Absolute Shrinkage And Selection Operator）的局部预测算法。具体而言,根据图像存在边缘、纹理方向的特点,将图像像素预测问题表征为基于LASSO的优化问题;然后通过优化求解得到预测系数,进而得到预测误差;随后利用预测误差,结合差值扩展-直方图平移嵌入技术设计可逆图像水印算法。实验仿真结果表明,与当前预测性能较好的、基于最小二乘局部预测的可逆图像水印算法相比,所提算法在嵌入相同的数据时拥有更高的峰值信噪比（PSNR）。     

多层嵌入的多光谱图像可逆信息隐藏算法

针对现有可逆信息隐藏算法嵌入容量偏低、不适合多光谱图像等问题,提出一种基于预测误差直方图移位和波段顺序重排的多层嵌入的多光谱图像可逆信息隐藏算法。对于每层嵌入,首先用提出的排序算法对波段进行重新排序,然后利用多光谱图像的空间相关性和谱间相关性对图像进行自适应联合预测,最后通过预测误差直方图移位技术嵌入秘密信息。Landsat卫星多光谱图像仿真结果表明,提出的算法和典型可逆信息隐藏算法相比具有更好的视觉质量和更大的隐藏容量。     

基于图像插值和直方图平移的可逆水印算法

现有的基于直方图的可逆水印算法嵌入容量较少,针对这一问题,结合图像放大后像素点的特征,提出一种新的可逆水印算法。利用插值方法将图像放大4倍,既增加了图像的像素个数,又增强了像素之间的相关性;使用上下左右4个像素点计算像素点的预测误差值,并构造直方图,在峰值点处嵌入水印信息;利用相反的过程提取水印,并根据插值原理恢复原始图像。实验结果表明,将图像放大后再嵌入,可嵌入水印容量提高了3倍。算法不可见性较好、嵌入容量较大,可用于图像隐藏、信息安全等领域。     

Adaptive reversible watermarking with improved embedding capacity

Embedding capacity is one of the most important issues of the reversible watermarking. However, the theoretical maximum embedding capacity of most reversible watermarking algorithms is only 1.0 bits per pixel (bpp). To achieve a higher capacity, we have to modify the least significant bit (LSB) multiple times which definitely lowers the quality of the embedded image. To this end, this paper proposes a novel reversible watermarking algorithm by employing histogram shifting and adaptive embedding. Specifically, the amount of the embedded watermark is adaptively determined in terms of the context of each pixel. For pixels with small prediction error, we modify the second, third and even the fourth LSBs as well to embed more than one watermark bit. Consequently, the proposed method achieves the embedding capacity larger than 1.0 bpp in single-pass embedding as well as bringing relatively low embedding distortion. The superiority of the proposed method is experimental verified by comparing with other existing schemes.     

图像插值空间大容量可逆数字水印算法

可逆数字水印技术在遥感、医学、军事等众多领域有着广泛应用,而现有大数可逆水印算法需要依赖于附加信息,严重影响了嵌入容量,为此提出一种无附加信息的大容量可逆水印算法。首先设计了一种类似双线性插值原理的图像放大方法,并利用该方法将载体图像放大为原来的4倍,放大图中有1/4的插值点保留了原始图像信息,其余插值点均可嵌入水印。为了在插值的同时同步嵌入水印,先利用随机函数选取水印嵌入位置,再由嵌入水印信息决定理论插值的最终取值,实现水印嵌入,保证了水印的均匀分布,而且最大限度地降低了嵌入水印对插值的影响,同时还提高了算法效率和水印安全性。与经典插值算法相比,生成的含水印图像质量较好,且对任何载体图像嵌入率均能达到0.75 bpp,大量实验也表明,算法隐蔽性好、安全性高、嵌入率高、实用性强。     

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.     

基于中值预测的四轮嵌入可逆信息隐藏算法

传统基于预测误差直方图平移的可逆信息隐藏算法大多通过固定顺序来扫描原始图像,从而进行数据嵌入,这种方式没有考虑图像本身的纹理信息,导致无效移位像素点较多,伪装图像视觉质量较差。为解决该问题,提出一种基于中值预测的四轮嵌入可逆信息隐藏算法,以在提高嵌入容量的同时降低伪装图像的失真率。利用相邻像素之间具有较强相关性的特点,在较小的误差值处聚集大量像素点,以得到更陡峭的预测误差直方图并提高嵌入容量。对每个像素点定义复杂度,根据复杂度的高低对预测误差进行排序,优先在图像平滑区域嵌入数据,从而有效减少无效移位像素点个数,降低伪装图像的失真率。实验结果表明,该算法的最大嵌入率可以达到0.3 bpp,在0.1 bpp的嵌入率下峰值信噪比高达55.15 dB,与非对称直方图算法、误差直方图移位算法等相比,其具有较高的嵌入容量和较小的视觉失真率。     

基于采样值排序的音频可逆隐写算法

针对已有音频可逆隐写算法失真较大的问题,提出一种基于采样值排序的改进音频可逆信息隐写算法。将音频采样值序列划分为固定大小的采样块,对采样块内部的采样值进行升序排列。计算每个采样块的复杂度,根据复杂度确定采样块是否能够用于嵌密。对于能够嵌密的块,通过其复杂度等级确定最优预测采样值,将该采样值与其他采样值相减得到预测误差,依据预测误差值的大小决定执行嵌密操作或移位操作。在EBU-SQAM标准测试集上的实验结果表明,在相同嵌入容量的条件下,相较于DE算法和PEE算法,该算法的SNR值较高,具有高保真的特性。     

整数变换实现大容量图像无损信息隐藏

目的 针对图像无损信息隐藏中嵌入容量和隐藏图像质量问题,描述了一种基于可逆整数变换算法在图像中实现较大容量数据嵌入的无损隐藏方法。方法 定义的可逆整数变换算法先计算图像块n个像素点的整数平均值,在整数变换过程中将各像素点与平均值之间的差值扩展到4倍。结果 整数变换后图像块所有像素点最低两位有效位相同,产生的冗余信息可用来嵌入2(n-1)比特数据。结论 给出了一种新的可逆整数变换算法并实现较大容量图像无损信息隐藏,实验结果表明该方法具有较大的数据嵌入容量和较好的隐藏图像质量,嵌入数据和原宿主图像均能从隐藏图像中无失真恢复。     

基于LBP人脸纹理特征的差分直方图移位无损信息隐藏算法

针对信息隐藏算法中提高嵌入量与增强鲁棒性之间的矛盾问题,提出一种多载体信息隐藏算法。使用多幅人脸表情图像作为载体,采用局部二值模式（LBP）纹理特征识别人脸表情区域来嵌入加密信息;计算出载体区域的相邻像素差值矩阵,通过对差值矩阵的对应元素的直方图进行移位构造出嵌入空间来实现加密信息的可逆隐藏与载体图像的无损恢复。算法分析证明了比现有算法具有更大的嵌入容量并保持较高的鲁棒性的优势,在最大嵌入容量达到0.561时具有38.421 dB的信噪比（PSNR）,且在识别的嵌入区域PSNR值达到46.286。鲁棒性实验表明,该算法对于滤波攻击可以与原始信息图像的相似度大于99%;面对剪切、平移攻击时,秘密图像归一化系数◢NC◣最小为0.743和0.728,远大于其他算法。从与其他算法的对比实验结果看,该算法是有效的。     

分级可逆的关系数据水印方案

关系数据可逆水印技术是保护数据版权的方法之一.它克服了传统的关系数据数字水印技术的缺点,不仅可以声明版权,而且可以恢复原始数据.现有方法在恢复原始数据时不能控制数据恢复的程度,无法调节数据的可用性.提出了一种分级可逆的关系数据水印方案,定义了数据质量等级来反映水印嵌入对数据可用性的影响,设计了用于实现分级可逆水印的分区嵌入、等级检测、水印检测以及等级提升算法.数据所有者在数据分发前预先设定若干数据质量等级,以数据分区为单位嵌入水印.每个数据分区使用独立的密钥控制水印信息的位置和取值.如果数据使用者希望提升当前数据的可用性,可向数据所有者申请或购买相关密钥,提升当前数据的数据质量等级.对于任意数据质量等级的数据,其中的数字水印均可用于证明版权.采用分区的辅助数据,实现了灵活的水印逆操作.设计了有效的哈希表冲突解决方法,降低了计算和存储开销,提高了该方案的实用性.实验结果显示,方案具有良好的计算性能以及鲁棒性,可满足现实应用场景的需求.