基于混沌映射和遗传算法的公开数字水印技术

本文提出一种基于混沌映射和遗传算法的鲁棒公开图像水印技术.随机选取若干子块,并在子块中随机选取一个像素点,通过修改该点像素值与子块的均值之间的大小关系来隐藏水印信息.结合混沌映射和遗传算法提高水印的安全性和不可感知性;通过重复嵌入提高水印的鲁棒性.实验结果表明,本文方法具有较好的不可感知性以及对通常的图像处理具有很好的鲁棒性,并且优于同类方法.     

基于混沌序列和奇异值分解的鲁棒数字水印算法

提出了一种新的基于奇异值分解的数字水印算法,该算法利用Logistic映射生成的随机序列对二值水印图像进行调制,并将其嵌入到原始图像分解后的奇异值中.仿真实验结果表明,该算法不仅对常见的图像处理具有很好的稳健性,尤其对转置、行(列)镜像、直角旋转、行(列)整数倍放大等几何失真具有不变性.     

基于混沌和数字签名的图像数字水印

该文提出了一种基于混沌映射和数字签名的数字水印系统。用混沌映射对原始图像进行处理 ,生成一张与原始水印大小一样的图像块 ,计算图像块的每一子块的均值 ,把图像块转换成一个二值图像 ,然后将该二值图像与原始二值水印作运算得到一个新的私有水印 ,水印的还原过程与以上过程相反。结合数字签名技术把原始图像所有者有关信息通过认证中心进行认证签名 ,从而能够保证了水印的安全性。实验结果表明 ,本方法对一般图像处理具有一定程度的鲁棒性     

基于奇异值分解和小波变换的数字水印算法

本文研究了一种基于奇异值分解及小波变换的二值图像水印算法,在嵌入过程中综合运用了Logistic混沌映射和广义猫映射,并采用了改正的二值运算与奇异值分解相结合的方法。大量仿真结果证明了该算法具有很好的隐蔽性,及较理想的鲁棒性。     

一种基于奇异值分解的数字水印算法

数字水印的出现为版权保护提供了一种新的解决途径。提出了基于奇异值分解(Singular Valuc Dccomposition)的数字水印算法。图像奇异值分解(SVD)有以下性质：分解后图像矩阵的奇异值集中反映了图像的“亮度”(能量)特性，而对应的奇异矩阵只反映了图像的“几何”特性。因而奇异值的细微变化不会影响图像的视觉效果。对图像分块并做奇异值分解，在奇异值域做数学变换以嵌入lbit的二值水印信息。该算法不同于别的算法的一个优点是：水印的提取是“盲提取”，即水印的提取不需要原图像参与。     

标准混沌映射切换在数字水印中的应用

提出一种基于标准混沌映射切换的数字水印方法。首先创建产生混沌随机序列的标准混沌映射模型；然后在不同时段根据切换策略产生不同的混沌序列。嵌入水印时，将选择的图像分块DCT中频系数与混沌序列相加，进行取模运算后再嵌入混沌映射模型进行迭代。检测时利用同一个相应的标准混沌映射模型生成混沌水印序列，并进行相关检测。研究结果证明了这种方法的合理性。     

基于奇异值分解的彩色图像数字水印算法

提出了一种基于奇异值分解的彩色图像数字水印算法,嵌入和提取水印均在RGB分量的空间域内进行。仿真结果表明,该算法不仅对几何失真具有很强的抵抗能力,而且对添加噪声、滤波及JPEG压缩也具有良好的鲁棒性。     

一种基于共轭混沌映射的数字水印算法研究

数字水印技术在多媒体方面有着广泛的应用,其中最受关注,同时也是要求最高的应用是用于版权保护的数字水印技术。本文提出了一种基于共轭的抗剪切鲁棒水印算法,运用一类标准混沌映射,构造了一种具有强非线性藕合的置换方式,从而改变水印图像像素点的位置,利用共轭映射产生密钥流改变载体图像的灰度值,然后对水印进行嵌入。实验结果证明该方案具有可行性、鲁棒性和安全性。     

一种新的基于混沌映射置乱和小波变换的数字水印算法

数字水印技术作为数字产品版权保护的一项新技术，已经受到了越来越多的关注。本文在保证水印的隐蔽性和鲁棒性的前提下，提出了一种基于混沌映射的图像置乱方法，并结合最新的JPEG2000压缩标准和HVS模型，采用自适应的量化技术，提出了一种新颖的水印嵌入算法。利用数据结构中的完全二叉树遍历序列和混沌映射对水印信息进行置乱和加密．再利用小波分解算法将水印信号以不同强度嵌入到从低分辨率到高分辨率的各个子带中对图像视觉影响较小的小波系数里面。实验表明．该算法对常见的数字图像处理和噪声干扰及恶意攻击，具有良好的顽健性。     

基于整数小波变换和混沌映射的盲数字水印算法

介绍一种基于整数小波变换和混沌映射的盲数字水印技术。利用广义Arnold混沌映射对水印图像进行置乱,利用整数小波变换对载体图像进行三级小波分解,然后用Logistic混沌映射随机产生各水印比特嵌入第二层高频部分HH2中整数小波系数的比特位置。水印的提取不需要原始图像。实验结果表明该算法嵌入的数字水印既有很好的隐蔽性,又能抵抗剪切和JPEG压缩的攻击.     

支持向量机与奇异值分解的盲水印算法

为进一步提高水印算法的抗攻击性能,提出了基于支持向量机(Support Vector Machine,SVM)与奇异值分解(Singular Value Decomposition,SVD)的盲水印算法。首先对宿主图像进行DWT变换,将低频子带分成互不重叠的子块;然后利用SVM建立子块的局部相关性模型,根据模型预测结果与对应位置的低频系数值的大小关系产生特征序列,该序列与水印进行异或运算产生特征水印序列,将特征水印序列通过奇偶量化规则嵌入原始图像小波低频子带对应子块的最大奇异值。实验结果表明,该算法不仅具有较好的不可感知性,而且具有较强的抗攻击能力。     

基于分块奇异值分解的小波域水印算法

对于一般有意义灰度水印,如何在不可见性下增大水印嵌入容量,增强鲁棒性仍是水印研究学者研究的重要内容.根据奇异值分解的特性,结合小波变换与人类视觉系统的某些特性接近的良好特点,提出了一种基于分块奇异值分解的小波域鲁棒水印算法.算法首先将灰度水印信息分为重要信息和次要信息两部分,然后在小波域对宿主图像小波分解后的高频和低频系数分别进行分块奇异值分解,再把经过置乱变换的重要信息部分和次要信息部分分块DCT变换,将变换后的水印信息分别嵌入低频和高频系数分块奇异值分解的奇异值中.实验结果与分析表明:水印算法能嵌入大容量水印,且能抵抗大多数图像攻击,是一种可行的算法.     

基于奇异值分解的数字图像水印算法

奇异值分解（Singular Value Decomposition,SVD）是一种特殊的矩阵分解技术。图像的奇异值具有很好的稳定性,体现的是图像的内蕴性质,这使得它在图像水印领域得到了广泛应用。通过回顾空域和变换域中经典的基于SVD的水印算法,分析了算法的缺陷,讨论了现有的改进方案,提出了基于奇异值分解设计水印算法的注意事项。     

一种基于奇异值分解的改进图像水印算法

数字水印作为一种新型的信息隐藏技术而成为目前业界研究的热点。本文提出了一种基于奇异值分解的图像水印改进算法。该改进算法具有如下特点：（1）在水印嵌入时,对原始图像以块为单位进行奇异值分解,在得到的奇异值中直接嵌入水印;（2）在水印提取时,不需要原始图像数据或原始水印数据。改进后的算法更加简便、快捷。实验
表明,与DCT算法相比较,本文所提出的方法在抵抗各种常规数据处理和攻击（如高斯噪声、JPEG压缩、滤波、裁剪等）方面具有良好的性能。     

彩色图像四元数频域奇异值分解水印算法

将四元数傅里叶变换与四元数奇异值分解技术相结合并引入到对彩色图像的水印处理,提出一种基于四元数频域奇异值分解的彩色图像盲水印算法.首先对彩色载体图像进行分块并采用四元数傅里叶变换(quaternion Fourier transform,QFT)得到其频域矩阵,然后对频域矩阵中的单位小块进行四元数奇异值分解(quaternion singular value decomposition,QSVD),得到实系数奇异值,使用奇偶量化调制法将水印信号嵌入到单位小块的最大奇异值中.仿真实验结果表明,嵌入的水印分布在空域图像各彩色分量中,在不可见性以及鲁棒性的比较中优于传统的彩色图像亮度域以及独立多通道处理方法.     

基于小波和奇异值分解的人脸识别方法

该文提出了一种基于小波和奇异值分解的人脸识别方法。首先对人脸图象进行小波分解,由于小波变换具有良好的多尺度特征表达能力,能将图象的大部分能量集中到低频子图中,使图象得到有效压缩。然后,对得到的每幅低频子图进行基于奇异值分解的特征提取,并将奇异值特征向量进行压缩,把压缩后的特征向量作为每幅人脸图象的特征,进而求出每一类人脸图象的特征向量中心。最后,将每一类的特征向量中心输入到分类器中进行识别。最终得到了令人满意的识别结果。     

基于DWT-SVD的奇异向量量化水印算法

提出了一种新颖的可用于版权保护的小波奇异值分解的量化水印算法。与传统的水印比特信息直接嵌入小波系数不同,水印信息被量化嵌入原始图像小波低频子带分块奇异值分解得到的奇异向量中。水印提取无需原始图像,可在密钥和量化阂值控制下实现盲提取。实验表明,含水印图像质量好且能较好地抵抗常规的图像处理,对JPEG压缩具有优异的鲁棒性。