基于量化索引调制的抗共谋指纹改进方案

在基于量化索引调制(QIM)嵌入技术的数字指纹系统中,量化步长越大,系统抗共谋攻击的性能越差。针对上述情况,提出一种改进的抗共谋指纹方案。在嵌入指纹前将随机抖动信号加入到宿主信号,由此增强指纹信号的连续性,提高系统的抗共谋攻击性能。实验结果表明,采用改进方案的QIM指纹系统检测率更高。     

基于视觉模型的抗共谋指纹方案

在传统的基于QIM（Quantization Index Modulation）嵌入的数字指纹系统中,由于量化步长固定,指纹系统的抗共谋性能和图像保真度较差。针对这些问题,提出一种抗共谋指纹方案,在嵌入指纹时添加随机信号到宿主信号的DCT域,根据Watson视觉模型选择量化步长。实验结果表明,与原始的QIM指纹方案相比,采用提出方案的QIM指纹系统在抗共谋能力和视觉失真度方面都具有较好的性能。     

基于视觉模型的抗合谋数字指纹

本文提出了一种基于视觉系统模型的抗合谋指纹算法,并对各种合谋攻击的有效性进行了讨论与分析。所提出的算法充分利用了双正交小波多分辨率的优点及人眼视觉系统的特性,实现了数字指纹最大强度的嵌入。实验表明该算法自适应性强,有良好的抗合谋性能。     

基于视觉模型的抗合谋数字指纹

本文提出了一种基于视觉系统模型的抗合谋指纹算法，并对各种合谋攻击的有效性进行了讨论与分析。所提出的算法充分利用了双正交小波多分辨率的优点及人眼视觉系统的特性，实现了数字指纹最大强度的嵌入。实验表明该算法自适应性强，有良好的抗合谋性能。     

扩展变换对量化指纹抗合谋攻击性能的影响

以一种量化正交指纹为基础,通过理论分析和仿真实验,研究扩展变换对量化数字指纹抵抗平均合谋攻击能力的影响,并对包含和不包含扩展变换的量化数字指纹进行比较。结果表明,定义为扩展参数和方向参数的比值的扩展变换增益因子对含扩展变换的量化数字指纹抵抗平均攻击的性能有重要影响。在不同的噪声强度下,抗合谋攻击能力随扩展变换增益因子变化的变化方式不同。此外,扩展变换增益因子等于1使得扩展变换量化指纹与对应的非扩展变换量化指纹的抗平均合谋攻击能力相当。     

基于改进脊波变换的抗攻击数字水印算法

针对小波变换域不是图像轮廓边缘特征最佳表示的问题,在研究小波变换的基础上,利用脊波变换比小波变换更适合表示图像轮廓边缘特征的特性,结合人类视觉系统特性和奇偶量化算法改进脊波变换算法,提出了一种基于改进脊波变换的数字水印算法.将原始图像均匀分割,对各子块执行脊波变换,再结合人类视觉系统特性选择恰当的脊波系数,利用奇偶量化算法嵌入一维水印序列,最后作脊波反变换得到含水印图像.仿真实验结果表明,算法不仅具有很好的透明性,而且在抵抗攻击时表现出较好的鲁棒性.通过与小波变换算法的性能比较,本文算法在抗加噪、滤波和剪切的攻击中鲁棒性较强.     

一种小波域自适应数字水印算法

本文提出了一种基于连续子带量化(SSQ)和人类视觉系统(HVS)的小波域自适应数字水印算法。该算法中,水印嵌入到图像的视觉重要系数(PSCs)上,PSCs是从小波变换后低频子带和高频子带中选出来的。其中,低频子带中的PSCs是根据系数的幅值来选出的,高频子带中的PSCs是通过子带量化选出。为了更好的嵌入水印,该算法中利用了HVS模型,(?)模型基于噪声可见性函数(NVF)的计算来决定水印嵌入强度,使水印更多的嵌入到图像的纹理和边缘区域。     

两种典型数字水印嵌入算法的鲁棒性比较

该文阐述了扩频和量化两类嵌入算法的基本原理,并选择各自典型代表算法加性扩频算法和抖动调制量化算法基于MATLAB具体实现,实验比较在分块DCT变换下两种嵌入算法的鲁棒性能。结果表明：抖动调制量化水印算法相比于加性扩频水印算法在抵抗缩放、滤波攻击和JPEG压缩方面有着更好的鲁棒性能,但在抵抗噪声攻击方面不如其稳定,且鲁棒性较低。     

视觉模型在JPEG 2000中的应用研究

以JPEG2000作为编码框架，应用基于带内活跃性视觉模型（laCLA)，提出视觉量化编码方法，该方案基于人类视觉系统掩盖效应设计量化器；利用非线性变换，以实现视觉亮度掩盖和对比掩盖，从而自适应调节量化步长和编码块率失真度。     

一种基于人眼视觉特性的高效视频编码优化方法

基于HEVC(High Efficiency Video Coding)新的编码结构,本文提出了一种基于视觉特性的率失真优化方法。首先基于分歧归一化与量化之间的关系,提出了一种适合HEVC编码结构的视觉因子的计算方法,并提出使用非线性模型对视觉因子进行缩放,进而用于对量化参数的调整。其次,基于视觉因子和HEVC的四叉树结构,提出一种基于视觉特性的率失真代价模型用于模式决策,以提升视频编码的主观性能。实验结果表明,本文算法可以有效提升重构视频的主观质量,在RA和LDP配置下,平均主观性能提升为7.21%和11.46%。