一种基于混沌置乱和SVD的小波域盲水印算法

提出了一种基于混沌和奇异值分解相结合的数字水印算法.该算法对原始图像做离散小波变换后得到4个子带,并将低频子带(LL1)分成互不重叠的8×8分块,然后对每一块做奇异值分解,将混沌置乱后的水印信息嵌入每块中最大的奇异值中.实验结果表明,该算法具有较好的不可见性、鲁棒性和安全性.     

基于混沌变换的SVD图像水印算法

数字水印技术向多媒体数字作品中加入秘密信息并对其进行判定区分,从而起到保护版权作用。分析了奇异值分解的图像矩阵特性,基于混沌变换加密,实现SVD变换域内的有意义数字水印。实验结果表明了分块SVD图像水印算法的有效性和稳健性。     

基于冗余离散小波变换的信号配准及分类

离散小波变换(Discrete wavelet transform, DWT)对输入信号的平移敏感,当输入信号间存在平移时, 基于DWT的信号分类会受到负面影响. 本文提出一种基于冗余离散小波变换(Redundant DWT, RDWT)的信号配准及分类方法, 克服了DWT的平移敏感性, 解决输入信号间存在平移变化的信号分类问题, 同时实现了信号配准以及平移不变小波系数提取. 对基准信号作离散小波变换. 对测试信号作冗余离散小波变换, 得到测试信号的平移所对应的DWT分解, 计算其同基准信号DWT分解之间的相似性, 根据相似性大小对该测试信号分类并确定其相对基准信号的平移量. 利用ECG (Electrocardiograph)信号的仿真实验证明了本文所提方法的有效性.     

数字博物馆中的图像版权保护研究

随着数字博物馆的不断发展,关于数字博物馆中的图像版权保护越来越受到人们的重视。首先对数字水印技术和数字博物馆进行介绍,然后就数字水印技术用于解决数字博物馆中图像版权保护问题进行探讨,提出一种新的基于奇异值分解的盲数字图像水印算法。利用Arnold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,利用矩阵的奇异分解方法分解每个子块,通过比较调整相邻图像块最大奇异值来完成水印的嵌入。实验结果表明,该算法对于JPEG有损压缩、剪切、加噪声等攻击具有很强的鲁棒性。     

一种基于奇异值分解的盲水印

随着计算机和因特网技术的发展，数字水印技术开始广泛应用于数字图像、音频、视频和多媒体产品的版权保护。一种基于分块SVD的数字水印算法被提出，原始图像先进行分块SVD分解，选取每块中最大的奇异值通过量化的方法嵌入水印，在水印检测过程中不需要原始图像。同时还通过误差分析直接导出了，量化强度和信噪比的数学公式从而对选择量化强度有了理论指导。实验结论和攻击测试表明，算法对如JPEG有损压缩、中值滤波、亚抽样、低通滤波等各种的图像降级处理有很强的稳健性，同时它还对图像尺寸大小没有任何限制。     

一种改进的魔方数字水印算法研究

为了提高数字水印算法的安全性和鲁棒性,在研究了各种常见的水印算法优缺点的基础上,提出了一种改进的基于魔方概念的数字水印算法。首先通过魔方混沌算法将原始水印转化为噪声信号,以提高水印安全性。再结合离散余弦变换(DCT)、离散小波变换(DWT)和矩阵奇异值分解(SVD)嵌入水印,以提高水印的不可见性和鲁棒性。实验结果表明,在确保不可见性的基础上,水印信息在噪声干扰、图像处理、图像压缩下具有很好的鲁棒性。     

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。     

基于小波域奇异值分解的人脸识别方法

通过分析小波分解系数对光照、姿态、表情所表现出来的特性,选择了不同系数的组合进行奇异值分解,提高了在光照、姿态、表情变化等情况下人脸识别的鲁棒性。采用Harvard、Umist和Yale 3个人脸库对该文提出的方法进行了人脸识别实验。结果表明,基于小波分解系数优化组合的奇异值分解方法的识别率高于在原图上的奇异值分解方法。     

基于CT-SVD彩色图像盲水印方案

介绍了采用Contourlet变换的多尺度性、多方向性和SVD分解的稳定性特征对彩色图像嵌入数字水印的方法.先将RGB空间彩色图像转换为YUV空间,对明亮度分量Y进行Contourlet变换得到不同尺度不同方向上的系数,然后为了满足水印的不可见性和稳健性,对低频系数进行分块SVD分解,根据二值水印值修改左奇异矩阵U.     

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。     

图像小波域分块奇异值分解的自适应水印方案

利用矩阵奇异值分解的单向非对称性,在研究和分析奇异值分解的正交矩阵第一列系数性质的基础上,首先给出了一种基于图像小波域奇异值分解的分块自适应水印方案,将水印嵌入其中,然后通过实验分析系数的稳定性来选择最佳的修改系数,最后利用图像的局部统计特征自适应地修改阈值,并且用两个阈值严格控制系数的修改程度,使算法达到透明性和鲁棒性之间的最优平衡。大量的实验结果表明,该算法对常见的图像处理操作均有较好的鲁棒性。     

一种改进的基于W-SVD的水印算法

在水印算法中用奇异值分解可以提高图像的抗几何失真性,但它对椒盐、高斯、滤波等攻击的抵抗能力却很弱.对原有的基于SVD的水印算法进行改进,提出基于W-SVD的水印算法,即在小波分解的基础上进行奇异值分解.实验证明,改进后的水印算法在保持强的抗几何失真性的同时对椒盐、高斯、滤波等攻击的鲁棒性也有提高.     

图像块的自适应均衡水印算法

目的 针对水印算法通常利用实验确定强度参数,实验工作量大并且具有随机性,得到的参数无法较好地均衡水印不可见性和鲁棒性,提出一种基于图像块的自适应均衡水印算法。方法 利用尺度不变特征变换（SIFT）提取原始图像中鲁棒性强的特征点作为水印嵌入区域,将提取的嵌入区域分成4个大小相等且互不重叠的图像块,并对各图像块进行奇异值分解（SVD）,得到与各块相应的奇异值矩阵,各块与水印做一级离散小波变换后产生的各子带相叠加,生成嵌入加密水印块,重组得到水印矩阵,降维后将特征点还原到原始图像。根据果蝇优化算法（FOA）中适应度函数迭代确定加密水印强度参数,构造水印图像的自适应嵌入,来均衡水印的不可见性和鲁棒性,水印检测可直接作用在受攻击后的图像上,无需校正恢复。结果 对标准灰度图像进行多组实验,得到含水印图像峰值信噪比均达到43dB以上;对水印载体图像分别进行噪声、压缩、剪切、旋转仿真攻击实验,提取水印图像与原始水印图像的归一化相关系数都达到0.94以上。结论 SIFT算法实现图像块局部嵌入,提取特征点稳定性强,结合SVD算法使水印嵌入性能良好,利用FOA算法自适应确定最优参数,使水印图像嵌入效果达到最佳状态,最终均衡了水印的不可见性和鲁棒性。     

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。     

基于直方图不变矩和奇异值分解的图像认证方法

该文提出了一种能够对图像进行篡改检测与篡改定位的新方法。首先对图像进行分块,分别提取每块图像的直方图不变矩,组合起来作为数字水印,然后利用奇异值分解的方法将这些水印嵌入到原图像中。试验结果表明这种算法适用于BMP图像篡改检测,并可准确确定被篡改的位置,并且该算法抗几何攻击性的能力强。     

双重认证的变换域图像半脆弱数字水印算法

提出了一种DCT域与DWT域相结合的双重认证图像半脆弱数字水印算法,定义了一个小波系数量化函数以实现水印的嵌入与提取,根据图像局部特性,该量化函数可动态地进行调整;同时设计了三个混沌密钥,结合DCT域定义水印及其嵌入位置．实验表明,该算法在保持对常见的JPEG压缩稳健的同时,能有效地区分偶然失真与恶意篡改。     

基于DFT-SVD域抗几何攻击图像水印算法

抗几何攻击水印算法是版权保护领域的一个重要的研究方向。根据离散傅立叶变换幅度谱矩阵的性质,以及矩阵奇异值分解对旋转、缩放和平移等几何攻击具有稳定性的特点,提出了一种基于离散傅立叶变换和奇异值分解的抗几何攻击图像水印算法。实验结果表明该算法有较大的嵌入容量,对常规攻击和几何攻击都具有较强的鲁棒性。     

基于SVM的遥感图像自动分类研究

遥感图像具有信息大、灰度级大等特点,传统简单组合特征出现特征冗余、维数高等缺陷,造成图像分类精度差.为提高分类的准确性,提出一种多目标优化人工蜂群算法的遥感图像自动分类算法(ABC-SVM).首先提取遥感图像的颜色、纹理特征,然后采用人工蜂群算法对特征进行选择和优化,最后采用支持向量机对优化特征进行训练,建立遥感图像自动分类模型.仿真结果表明,ABC-SVM克服了传统组合特征算法的缺陷,提高了遥感图像分类准确率,加快分类速度,可以满足遥感图像分类的实时性要求.     

基于分块奇异值分解的两级图像去噪算法

为了更有效地进行图像去噪, 提出了一种基于分块奇异值分解(Singular value decomposition, SVD) 的两级图像去噪方法, 该方法首先将含噪图像中具有相似结构的图像块组织成具有很强相关性的图像块组; 然后, 利用二维奇异值分解去除图像块组中每个相似块的内部相关性, 利用一维奇异值分解去除相似图像块组之间的冗余; 最后, 通过硬阈值方法收缩变换系数实现图像与噪声的有效分离. 为了进一步提高去噪效果, 对含噪图像再次进行上述操作. 不同的是, 在第二级去噪过程中,相似图像块组根据第一级估计出的图像计算获得且相似图像块间的相关性通过离散余弦变换去除. 仿真实验表明, 提出的两级图像去噪算法不仅可以较大程度地去除图像噪声, 还能有效保留图像细节, 取得了良好的去噪效果.     

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。