基于QR分解的Contourlet域鲁棒盲水印算法

为了提高变换域数字水印的鲁棒性,提出一种基于QR分解的Contourlet域鲁棒盲水印算法。该算法首先对二值水印图像进行Arnold置乱预处理,然后对宿主图像进行Contourlet变换,提取低频子带进行不重叠的分块,最后对每个子块依次进行QR分解,采用自适应量化策略在上三角R矩阵的第1行元素上重复嵌入1 bit水印信息。在水印提取时,根据多数原则从每个子块提取相应的1 bit水印信息。实验结果表明,该算法在取得良好不可见性的同时,对JPEG压缩、噪声、滤波、缩放和剪切等多种攻击具有较强的鲁棒性,并且可以实现水印的盲提取。     

可视密码学的Contourlet域图像水印

将可视密码学引入到水印的预处理中,提出了一种Contourlet域的安全性较高的图像水印算法。该算法首先根据可视密码理论将水印信息隐藏到一定数目的图片中,选取其中任一图片作为水印,然后对载体图像进行分块,通过聚类找出适合嵌入水印的块,并进行Contourlet变换,在变换系数的最大奇异值上嵌入水印。水印提取时只需用特定数目的图片对提取出的信息进行叠加,其过程无需大量计算和密码学知识。实验表明,该算法还具有抵抗噪声、滤波、JPEG压缩等常规攻击和抗剪裁等功能。     

一种基于奇异值分解的鲁棒水印算法

该文提出了一种基于奇异值分解的算法,用于提高水印的鲁棒性。在该算法中,首先,对原始载体图像进行分块的奇异值分解,然后把经过Logistic映射产生的混沌序列调制的水印信号嵌入到分块的奇异值分解的最大系数中的十位数字上去。实验结果表明,该算法对各种攻击具有较强的鲁棒性。     

一种鲁棒的变换域数字水印算法

本文提出了一种基于离散小波变换（DWT）和奇异值分解（SVD）的混合水印方案。在该方案中,首先把原始载体图像分成多个分块（32×32）,然后对各个分块进行离散小波变换得到四个子带,之后对低频子带应用奇异值分解,并修改每个分块低频子带的最大奇异值．从而嵌入水印图像的各个奇异值。实验证明该算法对于常用的各种图像处理攻击具有良好的鲁棒性。     

一种有效的数字图像水印算法

随着因特网的发展，数字水印技术被广泛的应用于数字图像，音频，视频等多媒体产品的版权保护。该文提出了一种有效的数字水印算法。首先利用混沌映射将水印进行预处理，保证水印的安全性，然后，原始图像按水印的比特位分成若干个大小相等的子块，利用奇异值分解来分解每个子块，将水印比特嵌入到子块的最大奇异值处，最后，利用反变换得到嵌入水印的图像。实验表明，本方法保证了水印信息的安全性，有较好的不可见性和鲁棒性。     

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NMF和SVD相结合的Contourlet域鲁棒水印算法*

为了提高变换域数字水印技术的鲁棒性,提出了一种在Contourlet域将非负矩阵变换(NMF)与奇异值变换(SVD)相结合的鲁棒水印算法。宿主图像经过Contourlet变换后,对低频子带进行非负矩阵变换,然后对非负基向量组W进行奇异值分解,最后将经过Arnold置乱的水印图像嵌入到奇异值中。实验结果表明,该图像水印算法在获得良好视觉效果的同时,对于加噪声、滤波、剪切等图像攻击有较好的鲁棒性。     

基于DWT-SVD域鲁棒公开水印技术

大部分利用奇异值分解的水印算法都是将水印嵌入在奇异值上,即利用了奇异值的稳定性.研究发现,奇异值分解后U矩阵的某些系数之间也具有较强的相关性.将小波变换和奇异值分解相结合,改变这些系数的相互关系,可以嵌入水印,而且提取水印时完全不需要原始图像.实验结果表明,该算法对常规图像处理如JPEG压缩、噪声、滤波和诸如剪切、缩放、旋转、平移等几何变换都具有很强的鲁棒性.     

一种新的基于DCT和SVD的鲁棒水印算法

提出一种基于离散变换域(DCT)和矩阵奇异值分解(SVD)的鲁棒水印算法.首先将载体图像进行离散余弦变换,取包括直流系数在内的与水印图像大小一致的变换域信息;然后分别将所取信息和有意义水印图像作SVD分解,得到四个正交矩阵和两个对角矩阵;最后将水印图像SVD得到的三个矩阵分别嵌入到其余三个矩阵中,作SVD和DCT逆变换得到含水印图像.实验结果证明,本算法具有较强的鲁棒性.     

一种NMF和SVD相结合的鲁棒水印算法

提出了一种非负矩阵变换(NM})和奇异值分解(SVD)相结合的数字水印算法。该算法对宿主图像进行离散小波变换,然后选取低频部分进行非负矩阵变换和奇异值分解,最后在奇异值中嵌入Arnold置乱后的水印。实验表明,该算法在获得良好的视觉效果的同时,又具有很好的鲁棒性,对加噪、滤波、剪切等图像攻击有很好的抵杭能力。     

基于SVD-Winograd快速变换的半盲水印算法

目前多数基于傅里叶变换域的方法,其抗几何攻击性能虽很好,嵌入的信息量也很大,但存在抗剪切攻击能力较差的问题,针对这一问题提出了一种基于奇异值分解与Winograd快速傅里叶变换相结合的半盲水印算法。在奇异值分解过程中,先将奇异值分解的对角矩阵与Winograd快速傅里叶变换中分解的对角阵进行矩阵相与,产生一新对角矩阵。再将数字水印嵌入到新对角矩阵中,最后通过相关运算提取水印。实验结果表明,该方法可获得较好的图像视觉效果,对剪切、噪声、旋转等攻击皆具有较好的鲁棒性。     

图像Contourlet域快速置乱算法

探讨了Contourlet变换域的图像视觉信息的置乱掩蔽问题,提出了一种基于零树编码结构的快速置乱算法。算法使用高效混沌映射构造置乱矩阵,对Contourlet系数矩阵进行子树间置乱,以减少系数置乱所带来的对编码效率的影响。实验结果表明该置乱算法效率高,并能有效实现对图像视觉内容的掩蔽。     

基于奇异值分解的双重变换域图像水印算法

提出了一种基于奇异值分解的离散小波和离散余弦双重变换域数字图像水印算法。仿真结果表明,该算法不仅具有较好的水印不可见性,而且对常规攻击和几何攻击都具有较好的鲁棒性,且该算法采用灰度图像作为水印,增加了嵌入的信息量,在版权保护方面具有一定的应用价值。     

基于小波掩模的自适应图像SVD水印算法

基于小波掩模给出了一种奇异值分解盲水印算法,算法自适应于图像特征。算法用重要小波系数确定不同图像特征对应的量化步长,以达到最大化水印嵌入强度的目的,在透明性和鲁棒性之间实现了较好的平衡。实验结果表明,对于常见的图像处理操作均有较好的鲁棒性。     

基于SIFT的NSCT-SVD域水印算法

提出一种利用尺度不变特征变换（SIFT）关键点对图像几何校正的非抽样Contourlet变换-奇异值分解域（NSCT-SVD）彩色图像水印算法。该算法利用蓝色与绿色分量的NSCT域低频子块的最大奇异值的关系,在蓝色分量上嵌入经过混沌加密的水印信息。水印检测时,先利用红色分量NSCT域低频系数上匹配的SIFT关键点信息对被检测图像进行几何攻击校正,恢复了水印的同步信息后再提取水印。实验结果表明,该算法对于噪声、滤波、压缩以及各类几何攻击具有较好的鲁棒性。     

基于四元数模型和奇异值分解的图像水印算法

将四元数离散余弦变换（QDCT）和奇异值分解（SVD）相结合,提出了一种在彩色图像中嵌入水印的新方法。首先,借助Arnold置乱对二值水印进行预处理,应用四元数理论将彩色图像进行分块QDCT和SVD;然后,利用Logistic映射随机抽取一批图像块实现水印的嵌入。实验表明,该方法具有较强的抗JPEG压缩能力,对各种噪声和滤波等具有较好的鲁棒性。     

基于Hilbert扫描和SVD的小波域图像水印算法

为了提高水印的安全性、鲁棒性和不可见性,提出了一种基于Hilbert扫描和SVD（Singular Value Decomposition,奇异值分解）的小波域图像水印技术。算法以一幅有意义的二值水印图像为水印信号。首先对原始图像进行一层小波变换,对低频分量进行图像分块,并对每一个图像块进行SVD。利用了SVD的单向非对称性和正交矩阵的性质,给出了一种自适应水印方案。同时,利用了Hilbert扫描能很好地保持图像空间局部连接性的特点。然后,利用图像的局部统计特征自适应地修改阈值,利用两个阈值严格控制系数的修改程度,使算法达到不可见性和鲁棒性之间的最优平衡。水印的提取无需原始图像的参与,达到了真正的盲水印。实验结果表明,该算法是有效的,对常见的图像处理操作具有较强的鲁棒性。     

基于DCT和SVD变换的盲数字水印算法

结合奇异值分解（SVD）变换,提出一种基于DCT域内DC分量的数字盲水印算法。对原图像进行8×8分块DCT变换,对DC系数集合进行2×2分块的SVD变换,使用量化步长Q量化每个小块对应的最大奇异值,向量化后的结果嵌入水印。由于选择DC系数进行SVD变换,且SVD变换结果表现的是图像的内蕴特性而非视觉特性,故算法具有较高的稳健性和透明性。实验表明,该算法可以有效地抵抗中值滤波、JPEG压缩、噪声等常规篡改处理,水印的提取不需要原始图像参与,执行起来简单方便。     

结合Contourlet变换和区域特征的图像融合算法

针对传统变换域图像融合算法存在边缘轮廓和方向性纹理描述不够清晰,以及对线性非平稳的信号通常不能取得很好效果的问题。提出一种将Contourlet变换和图像区域特征相结合的图像融合算法。根据Contourlet变换空间下图像高频区域和低频区域的特点,采用低频区域能量特征匹配和高频区域分形特征匹配的方法来进行融合匹配。实验表明,该算法比传统的Contourlet融合和小波融合效果表现更好。     

基于小波域奇异值分解的图像压缩算法

提出了基于小波域奇异值分解（SVD）的图像压缩算法,该算法通过对小波分解系数进行奇异值分解,进而对小波系数进行压缩,实现图像压缩。将该算法与图像奇异值分解直接压缩的算法进行了实验比较,实验结果表明,该算法较图像奇异值分解直接压缩的算法具有更好的性能,在同样压缩比的情况下能获得更高的信噪比。