一种基于SVD分解的小波域数字水印算法

本文提出了一种基于离散小波变换和奇异值分解的数字水印算法。该算法充分利用了离散小波分解和矩阵奇异值分解(SVD)的固有特征,对Arnold置乱后的水印的多层小波分解子带做奇异值分解,把分解后的奇异值嵌入到原始图像的多层小波分解的相应子带中。水印的提取是嵌入算法的逆过程。Matlab仿真试验表明了算法的透明性、稳健性和安全性。     

基于奇异值分解的彩色图像水印算法

数字水印是将身份确认信息或保密信息镶嵌于图像中的一种技术,可靠的水印能为信息的安全提供可靠的保证.提出了一种基于奇异值分解的彩色图像水印算法.首先对彩色图像的RGB色彩空间的绿色分量无重叠地分成8×8块,对各个子块进行奇异值分解,最后将二值图像混沌置乱加密后随机嵌入到各个子块的奇异值中.实验结果表明,该算法不仅具有较好的透明性,而且对常规的图像处理具有较好的稳健性.     

基于混沌加密和SVD的数字图像水印算法

为提高传统数字图像水印算法的安全性,提出一种基于混沌加密和奇异值分解的水印算法.采用Chebyshev混沌映射产生的混沌序列加密水印图像,将加密后的水印图像与原始图像进行分块,再对每一块进行奇异值分解,从而实现水印的嵌入.仿真实验结果证明,该算法对JPEG压缩、高斯噪声、椒盐噪声、滤波等具有较高的鲁棒性,同时能较好地抵抗剪切攻击.     

基于DWT-SVD的图像盲水印研究

提出了一种新的基于离散小渡变换(DWT)与奇异值分解(SVD)相结合的数字图像水印算法.该算法将原始图像作小波分解并将小波分解得到的低频子带进行分块,对每一块进行奇异值分解后,选取每块中最大的奇异值通过量化的方法嵌入经过Arnold置乱后水印信息.水印的提取不需要原始图像,但受到密钥的限制,不知道密钥的人无法正确地恢复数字水印.实验结果表明,该算法具有较好的不可感知性、鲁棒性和安全性.     

基于整数小波变换和SVD的视频水印算法

提出了一种以二值图像为水印的混合整数小波变换和奇异值分解的视频水印盲提取算法。对水印图像进行混沌加密和Arnold置乱处理,选择计算复杂度低的直方图算法将视频分割为若干场景;借助密钥随机选取某些场景的亮度分量进行l级整数小波变换,再对低频子带进行分块的奇异值分解;采用量化的方法,将预处理后的水印图像嵌入奇异值分解后的最大奇异值中。在嵌入了水印的视频场景中提取所有的水印版本之后,利用对提取的所有水印信号版本进行统计求和的方法得到最终提取的水印图像。实验表明,提出的算法具有较好的透明性,对常见的处理具有较好的鲁棒性。     

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。     

基于轮廓波的数字图像水印算法

研究了第二代数字水印算法,为改善基于小波的数字水印算法不能有效保留图像几何特征的缺点,提出基于轮廓波(Contourlets)的第二代数字图像水印算法,在水印被加入之前,利用Contourlets变换,得到图像的多尺度和多方向上的子带系数,将这些子带系数矩阵做奇异值分解,将得到的奇异值排序,然后把要嵌入的二值水印图像嵌入到代表图像特征点的这些奇异值中.通过仿真得出:该算法简单有效,嵌入水印后的图像与原图差异小,水印提取准确,且对噪音、裁剪、滤波等图像处理方法具有较好的抵抗能力.     

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。     

基于DWT域的灰度图像数字水印算法

本文提出一种基于DWT域的灰度图像数字水印算法.该算法在对原始图像进行离散小波变换之前,首先将它进行Arnold置乱变换,然后再进行小渡分解,把分解后得到的高频子带系数(LH3)组成一个矩阵,对该矩阵进行奇异值分解(SVD),在奇异值分解的对角阵中嵌入水印.该算法采用有意义的灰度图像作为水印,极大地增加了嵌入水印的信息量.实验结果表明,水印对一般的图像攻击方法具有较强的鲁棒性.     

基于奇异值分解的彩色图像水印算法

针对基于量化的嵌入方法不能抵抗亮度增强等攻击而基于关系的嵌入方法抵抗常见的攻击能力较弱等缺点, 提出了一种混合量化和关系嵌入方法的彩色图像水印算法。该算法先对彩色图像的每一分量进行互不重叠的大小为8×8的分块, 借助密钥选取待嵌入水印的分块并对选取的分块进行1级离散小波变换和分别对低频子带与高频子带进行奇异值分解, 在低频和高频子带奇异值分解后的奇异值矩阵分别采用量化和关系的嵌入策略嵌入预处理后的水印。实验表明, 该算法实现简单, 具有较好的不可见性。与其他算法相比, 该算法具有更好的鲁棒性能。     

基于混沌和HVS的小波域自适应图像水印算法

针对常规的小波域水印算法自适应性差的缺陷,提出了一种新的基于混沌和人类视觉系统的小波域自适应图像水印算法。首先对载体图像进行二级DWT变换;然后对特定的中频子带进行分块,并对每块做SVD分解;最后将Logistic混沌置乱后的二值水印信息嵌入到每块的最大奇异值中,嵌入的强度根据HVS原理自适应地进行调整。仿真实验表明,该算法不仅具有很好的不可见性,且对JPEG压缩、加噪、滤波等常见的图像攻击具有很强的鲁棒性。     

一种基于Slant变换和SVD的稳健性数字水印算法

针对奇异值分解(SVD)存在的虚警错误和水印隐蔽性与鲁棒性的矛盾问题,提出了一种基于Slant变换和SVD的稳健性数字水印算法。对二值水印图像进行Arnold置乱和Logistic映射双因子加密预处理,增强水印信息安全性;将原始载体图像分成8×8不重叠子块分别对其进行Slant变换和块奇异值分解;然后将水印图像SVD后的左奇异矩阵和奇异值矩阵相乘作为水印主成分嵌入到每个子块的最大奇异值中。仿真实验结果表明,该算法不仅有效解决了传统SVD水印算法的虚警问题,提升了运行速度和水印安全性,在具有较好隐蔽性的同时,对JPEG压缩、噪声、滤波、几何攻击等也有较好的稳健性。     

基于Krawtchouk不变矩和SVD-LWT的双重水印研究

为提高数字图像水印的鲁棒性和透明性,提出了一种基于Krawtchouk不变矩、奇异值分解(SVD)和提升小波变换(LWT)的彩色图像双水印算法。该算法首先从载体RGB图像中提取绿色分量进行两级提升小波变换,利用Krawtchouk不变矩对平移、旋转和缩放的不变性以及Krawtchouk矩良好的局部特性和重构性,计算其低频分量的Krawtchouk低阶矩不变量构造水印系统;然后对其变换后的中频分量奇异值进行分解,嵌入混沌置乱后的水印图像的奇异值作为另一水印系统。仿真实验结果表明,该算法不仅有良好的不可见性,而且对常见攻击和几何攻击都具有很好的鲁棒性,并具有一定的应用价值。     

基于混沌映射和矩阵奇异分解的公开数字水印技术

该文提出了一种基于混沌映射和矩阵奇异分解的公开数字水印技术．利用混沌映射将水印进行预处理,并按水印的大小把原始图像分成若干个子块,每个子块对应于水印的一比特,利用矩阵的奇异分解方法分解每个子块,将水印比特嵌入到子块的某一奇异值位置。修改该奇异值,然后利用矩阵的奇异分解反向变换得到嵌入水印的图像．利用混沌映射结合矩阵奇异分解,将水印信息分散在原始图像的不同位置,提高了水印的视觉效果,保证了水印的安全性。实验结果表明,本方法具有较好的不可见性以及对一般图像处理具有一定程度的鲁棒性。     

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.     

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。     

基于混沌和奇异值分解的双层水印方法

文章运用混沌和奇异值分解理论,提出了基于二维混沌矩阵图像置乱方法,设计并实现了基于奇异值分解的双层水印算法,并对算法进行了实验与分析。实验结果与分析表明,该方法鲁棒性强、安全性好、易于实现,可应用于不同密级信息同时传播,具有一定的实用价值。     

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。