基于奇异值分解的小波域灰度数字水印算法

针对灰度数字水印的隐藏问题,依据Arnold变换、奇异值分解及小波分析理论,提出了一种基于奇异值分解的小波域灰度数字水印算法,该算法对图像先进行二级小波分解,将分解得到的低频子图进行奇异值分解,然后将经Arnold变换置乱后的灰度水印嵌入.实验结果表明,该算法有效克服了灰度水印数据量大的缺点,并具有水印嵌入后图像失真小、鲁棒性好、安全性高等优点.     

一种基于DWT和SVD的双重水印算法

提出了一种基于离散小波变换（DWT）和奇异值分解（SVD）的双重水印算法,其所嵌入的水印是由两幅不同的水印图像组成,将其中的一幅水印图像嵌入到另一幅水印中得到双重水印图像,对双重水印图像进行Arnold变换,然后再将其嵌入到宿主图像中.当数字产品遭到恶意破解后,水印中仍然有一层水印信息,可以更好地维护版权信息.实验结果证明了该方法对于JPEG压缩、噪声、旋转、剪切等具有很好的鲁棒性.     

基于SVD-DWT的彩色图像水印算法

提出了一种基于离散小波变换和奇异值分解相混合的水印嵌入方案,以彩色图像为载体,经过小波分解四个矩阵后,对每个矩阵应用奇异值分解,嵌入相同的灰度水印数据,实验表明该算法对多数类型的攻击有很好的鲁棒性.     

一种基于DWT和SVD的彩色图像零水印算法

为了提高水印技术的鲁棒性,提出了彩色图像在离散小波变换(DWT)和奇异值分解(SVD)下的零水印算法.对原始载体图像的R、G、B这3个空间分别进行离散小波变换,分别对每个空间的低频子带进行分块,且对分块后的低频子带进行奇异值分解;通过提取3个空间中最大的前若干项来构造水印.实验结果表明,该算法对抗各种攻击有较强的鲁棒性...     

基于小波变换⁃海森伯格矩阵⁃奇异值分解的图像水印算法

为提高水印图像的不可见性和算法鲁棒性,通过小波变换?海森伯格矩阵?奇异值分解的方法研究了彩色图像水印算法。首先,对宿主图像和水印图像进行了彩色空间变换;然后,对载体图像进行了小波变换;最后,对低频系数进行了海森伯格矩阵?奇异值分解后嵌入水印图像。结果表明,该算法对多种攻击方式有较强的鲁棒性,嵌入水印后宿主图像不可见性好,嵌入信息能力强,具有一定的应用价值。     

基于小波变换和奇异值分解的数字水印算法

数字水印技术是一种新的数字媒体保护措施,它是将特定的信息嵌入到图像、语音、视频及文本文件等各种数字媒体中,以达到标识、注释及版权保护等目的.本文提出一种基于DWT和SVD相结合的数字水印算法,首先对混沌置乱后的水印奇异值分解,然后将水印的奇异值嵌入到原始图像的小波变换系数中.实验结果显示:其对一般的常见攻击和几何攻击等均具有良好的鲁棒性.     

基于LWT-SVD-DCT算法的水印技术

基于提升小波变换(LWT)、奇异值分解(SVD)和离散余弦变换(DCT),提出一种新的盲水印技术方案.首先,将原始图像进行LWT变换,提取LL子带;然后,将子带划分成互不相交的模块进行SVD分解;最后,将正交向量ui进行一维DCT变换得到u≥i,再把二进制水印的每一位嵌入到u≥i的中频系数中.仿真实验表明:该算法运算速...     

基于小波变换域的数字图像嵌入和提取方法

针对数字图像水印的嵌入和提取问题,提出了一种基于小波变换域的数字图像水印的嵌入和提取算法.该算法结合了离散小波变换、Arnold置乱变换和奇异值分解.通过Arnold置乱变换对数字水印图像进行变换,对原始图像进行二次离散小波变换,之后分别对置乱后的水印图像和原始图像小波变换中的低频部分进行奇异值分解,对两者的奇异值矩阵进行加性操作实现水印的嵌入过程.结果表明:该算法能够准确实现水印的嵌入和提取功能;嵌入的水印具有良好的隐身性,人眼不能感觉出水印嵌入带来的变化;算法具有较强的鲁棒性,经过椒盐噪声、高斯噪声、JPEG压缩、高斯平滑和裁剪操作等污染及攻击后,都能较好地恢复水印信息.     

基于小波变换和奇异值分解的图像水印算法

该文基于小波变换和奇异值分解,根据小波变换低频子带抗干扰性强,及具有较大的感觉容量和图像奇异值的稳定性,提出了一种基于小波变换的奇异值分解水印嵌入技术,使图像的不可见性和鲁棒性得到较好的折中.实验表明该算法具有较好的不可见性和抗攻击性.     

基于DWT DCT SVD的音频盲水印算法

提出了一种结合离散小波变换（DWT）、离散余弦变换（DCT）和奇异值分解（SVD）的音频盲水印方法,将原始音频数据分段后进行二级小波变换,再将近似分量进行余弦变换,把余弦变化后的前1/4系数进行奇异值分解后嵌入水印. 水印的嵌入容量为2756 bit/s. 实验结果表明,该算法具有较好的透明性,并且对于MP3压缩、重量化、重采样、低通滤波、裁剪替换、高斯加噪等常见音频信号处理攻击具有很强的鲁棒性.     

基于小波变换和奇异值分解的图像水印算法

针对多媒体资源的版权保护问题,结合离散小波变换和奇异值分解技术的优点,提出了一种基于离散小波变换和奇异值分解的图像水印算法.该算法首先将原始宿主图像分解为4个频带(LL、HL、LH和HH),再对水印图像做奇异值分解,并修改宿主图像的离散小波变换系数和水印图像的奇异值.实验结果表明,该算法不仅具有良好的不可见性,而且对诸如滤波、几何攻击、JPEG压缩和旋转等常见的图像攻击具有很强的鲁棒性.     

基于SVD和DCNN的彩色图像多功能零水印算法

为了对彩色图像进行版权保护和篡改定位,提出一种基于奇异值分解(singular value decomposition, SVD)和深度卷积神经网络(deep convolutional neural network, DCNN)的彩色图像多功能零水印算法。将原始RGB彩色图像转换成YCbCr彩色图像,对原始图像的Y、Cb、Cr通道离散小波变换得到的系数矩阵进行奇异值分解,得到DCNN的输入矩阵,从DCNN输出层的输入矩阵中获取原始图像信息矩阵,生成零鲁棒水印图像。从Y通道小波变换得到的低频子带系数矩阵中获取原始图像信息矩阵,生成零半脆弱水印图像。试验结果证明,提出的算法不但有效,而且对强度较大的常见攻击有较好的抵抗能力。     

面向纹理图的全息水印算法

该文提出了基于小波变换和奇异值分解的全息水印算法。纹理图的还原过程需得知一个参数序列,将它嵌入到纹理图中,可以减少参数的额外传输。该算法是先把水印全息化,然后对纹理图进行二级小波变换和奇异值分解,将全息系数替换载体图的中频系数。提取时利用字符识别将参数图自动转化为文本的形式。该算法的不可见性较好,具有抗JPEG压缩、滤波、平移的能力,打印扫描后仍能提取水印。     

一种基于奇异值分解和反传神经网络的多小波域数字水印算法

针对图像经过CARDBAL多小波变换后,各层系数的能量平均分配,且其同一尺度、同一方向上的4个子块系数相近这一特性,结合奇异值分解和BP神经网络将二值图案水印嵌入到多小波系数的高频分量中。实验表明,该算法有良好的不可感知性和强健的鲁棒性。     

基于DWT和SVD的改进分块图像水印算法

为同时提高水印不可见性与鲁棒性,提出一种基于DWT和SVD的改进图像水印算法．先将载体进行小波变换,然后在分块后进行奇异值分解,根据自适应原理选取嵌入数据进行水印嵌入．检测水印不需原图像,属于盲检测算法．实验结果表明,该算法增强了水印鲁棒性,且提取水印精确度更高．与单独块奇异值分解量化法作比较．实验证明,本算法具有更好的优势．     

一种基于奇偶分解的小波域图像数字水印方案

提出了一种基于奇偶分解的小波域图像数字水印方案。该算法将图像水印按照位置进行奇偶分解,将原始图像进行3级小波分解的低频小波系数按照位置进行奇偶分解,选择重要系数作为嵌入区域,并利用人眼视觉隐蔽特性自适应地调节水印嵌入强度,将水印嵌入到相应的系数中。仿真实验证明,该算法简单易行,对JPEG压缩、滤波等攻击均具有良好的鲁棒性。