基于SVD的图像数字水印算法研究

数字水印技术被视为数字产品版权保护的一种新方法。利用奇异值分解（singular value decomposition,SVD）良好性能以及双密钥调制的特点,提出了一个新的基于SVD的数字图像水印算法。首先将图像进行分块,然后通过各个图像子块的SVD变换获得奇异值,将各子块的奇异值组成向量后再采用双密钥调制方式嵌入水印。水印的提取不需要原始图像。实验结果表明该算法具有良好的鲁棒性和不可见性。     

一个基于DWT的自适应数字水印算法

本文提出了一个新的DWT域自适应数字水印算法。该算法利用小波域高、低频部分嵌入水印的优势互补特点,在载体图像的高频和低频子带分别嵌入相同水印来增强水印抵抗多种攻击的能力;水印的嵌入采用量化调制方式,其量化步长可根据人类视觉系统和载体图像的局部特点自适应地调整。此外,由于奇异值分解具有良好的性能,因而被用于高频部分水印的嵌入以提高其鲁棒性。实验结果表明水印具有良好的鲁棒性和不可见性,与相近算法相比,本文方法可以有效抵抗更多的攻击。     

一种基于DMWT与SVD相结合的图像数字水印算法

本文提出了一种新的盲数字水印算法,它充分利用了离散多小渡变换（DMWT）的多分辨率特性和矩阵奇异值分解（SVD）所固有的特征,通过量化处理把二值水印图像嵌入到原始图像中。水印的提取不需要原始图像的参与,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。实验结果表明了算法的不可感知性、鲁棒性和安全性。     

基于DWT和SVD相结合的图像水印算法

以多级小波变换,奇异值分解为基础,一种新的可以同时抵抗几何变换及噪声攻击的图像数字水印算法被提出.首先对水印图像先做加密处理,将原始图像进行多级小波分解,然后对其低频部分进行奇异值分解,并把已加密的水印信息嵌入其中.实验结论和攻击测试表明:该算法不仅具有较好的不可感性,而且与相近算法相比,该方法可以同时抗击几何变换,如旋转、剪切、镜像,及叠加噪声如椒盐、高斯噪声等外界攻击,并具有很好的鲁棒性.     

SVD和DWT数字水印算法的应用研究

研究数字图像版权保护问题,由于数字媒体在网上易被复制篡改.针对单纯奇异值分解或小波变换水印算法均存在抵抗攻击差的难题.为了更好的保护数字图像版权,提了一种奇异值分解与小波变换相结合的数字水印算法.首先对水印图像进行置乱处理并对原始图像进行分块,从中找到符合要求的最佳水印嵌入子块,然后对所选择的最佳子块进行小波变换,对子块的低频系数进行奇异值分解,最后将水印嵌入各于块的奇异值中进行仿真.结果表明,水印算法能够很好的抵抗多种攻击,水印具有很好的鲁棒性和不可见性,克服了奇异值分解和小波变换水印算法缺陷,为设计提供了依据.     

一种改进的基于奇异值分解的数字水印算法

基于奇异值分解（SVD）的数字水印算法对几何攻击有较强的鲁棒性,但是在嵌入水印的过程中,对较大特征值的修改会导致图像品质的明显下降。提出了一种改进的基于分块奇异值分解的数字水印算法,可以较好地解决上述问题,同时,该算法又利用小波变换来抵御一般的变换域攻击。实验表明,该算法在不可感知性和鲁棒性等方面都取得了比较好的效果。     

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。     

一种基于奇异值分解的数字水印算法

数字水印的出现为版权保护提供了一种新的解决途径。提出了基于奇异值分解(Singular Valuc Dccomposition)的数字水印算法。图像奇异值分解(SVD)有以下性质：分解后图像矩阵的奇异值集中反映了图像的“亮度”(能量)特性，而对应的奇异矩阵只反映了图像的“几何”特性。因而奇异值的细微变化不会影响图像的视觉效果。对图像分块并做奇异值分解，在奇异值域做数学变换以嵌入lbit的二值水印信息。该算法不同于别的算法的一个优点是：水印的提取是“盲提取”，即水印的提取不需要原图像参与。     

奇异值分解小波变换的数字水印算法研究

研究保护版权信息安全间题,针对实现水印的稳健性和不可见性,保护合法用户,使数据水印保护有良好的鲁棒性,在传统奇异值分解和小波变换水印技术基础上,提了一种奇异值分解与小波变换相结合的数字水印算法.算法首先对水印图像进行置乱处理并原始载体图像进行分块,从原始载体中找到最佳水印嵌入子块,然后对最佳子块进行小波变换,同时对子块的低频系数进行奇异值分解,最后将水印嵌入各载体图像子块的奇异值中,实现了图像水印嵌入.实验结果表明,水印算法能够很好的抵抗多种攻击,水印具有很好的鲁棒性和不可见性,提高了图像水印的抗击能力,为版权保护提供有效方法.     

基于奇异值分解的、抗几何失真的数字水印算法

许多现有的适用于图像的数字水印对几何失真都是很敏感的。尤其是此类失真会严重妨碍对水印的盲提取。为此，提出了一种基于奇异值分解的数字水印算法，它对常见的几何失真是稳健的。此水印是被嵌入到图像分解后的奇异值之中。根据奇异值分解的代数性质，严格证明了嵌入了水印的图像在受到转置、镜像、旋转、放大和平移等几何失真后，其奇异值是不变的。在经过了上述的几何失真、一般的信号处理操作或JPEG压缩以后，嵌入的水印能够被可靠地提取和检测。实验结果表明本算法具有很好的稳健性。     

基于图像内容的非对称数字水印

在小波变换的基础上,提出了一种基于图像内容的非对称数字水印。首先,利用SOBEL算子提取经过小波分解后的低频区域中的图像的边缘特征的系数,存储在一向量中,利用非线性函数对水印加密,并将水印嵌入图像的边缘系数中。实验结果表明该算法具有极强的鲁棒性和不可见性。在实验过程中,利用MATLAB的引擎,在VC++中实现调用MATLAB的工具箱,快捷的编写了简洁的原代码。     

基于奇异值分解的彩色图像数字水印算法

提出了一种基于奇异值分解的彩色图像数字水印算法,嵌入和提取水印均在RGB分量的空间域内进行。仿真结果表明,该算法不仅对几何失真具有很强的抵抗能力,而且对添加噪声、滤波及JPEG压缩也具有良好的鲁棒性。     

基于神经模糊控制的自适应图像水印算法

提出了基于神经模糊控制网络的新的自适应图像水印算法。该算法首先对原始图像进行小波变换,组织小波块。接着,从子块的视觉掩蔽性和能量强度两个方面,建立和训练神经模糊控制网络,得到每个小波子块嵌入水印的最优强度值。最后,根据神经模糊控制得出的最优嵌入强度,将不同强度的水印嵌入到不同的小波块中。实验结果表明,所提出的算法能抵抗各种常规的图像处理的攻击,具有较好的鲁棒性和透明性。     

基于小波对比度的自适应图像水印算法

提出一种基于小波对比度的小波域自适应水印算法,充分利用小波对比度更适合人类视觉特性的特点自适应地确定小波域上各分块的嵌入的强度和位置。理论分析和实验结果表明,该算法很好地解决了水印鲁棒性和不可见性之间的矛盾,对一般的图像处理和攻击有很好的鲁棒性。     

基于混沌和SVD DWT的稳健数字图像水印算法*

针对现有适用于图像的数字水印对信号处理和几何失真比较敏感的问题,提出一种稳健的数字图像水印算法。该算法先对整个图像应用三级离散小波变换,再对低频域运用奇异值分解,并通过修改奇异值,嵌入经过混沌置乱的水印图像的奇异值,在小波变换域的中频系数上嵌入水印信息。水印检测时,分别在中频区域和低频提取水印并进行比较,采用效果较好的水印作为检测水印。实验结果表明,该方法对一般的信号处理操作及几何攻击等均具有较好的鲁棒性。     

一种面向图像内容认证的半脆弱数字水印算法*

提出了一种面向内容认证的半脆弱数字水印算法。该算法利用混沌系统的类随机性和遍历性的特点,将载体图像分成两部分,其中一部分用于提取基于图像特征的水印,另外一部分则用来嵌入提取的特征水印,水印信号嵌入到矩阵奇异值(SVD)较大的数据中。实验表明算法达到了不可见性、盲检测性等半脆弱水印的基本要求,并保证在对常见的JPEG压缩稳健的同时,能有效地区分偶然失真和恶意窜改。     

两种抗几何攻击数字图像水印算法分析及比较

以图像归一化和不变质心理论为基础提出了两种安全性较高的数字图像水印算法。为了增加水印的隐秘性及抗干扰能力,水印在嵌入前均进行了置乱和混沌加密处理,然后两种方案分别根据其归一化图像的不变质心确定出相应的重要区域,并在该区域实施水印的嵌入。实验结果表明,提出的两种数字图像水印算法均具有较好的不可感知性和抗攻击的鲁棒性,且在抵抗常规信号处理和几何攻击下各具优势。     

基于图像归一化的轮廓域数字水印算法研究

为了使Contourlet域数字水印能有效地抵抗几何攻击,提高数字水印的鲁棒性,以图像归一化理论为基础,提出了一种可有效抵抗几何攻击的Contourlet域数字图像水印方案。该方案利用基于矩的图像归一化技术和不变质心理论提取出归一化图像的重要区域,对该重要区域进行Contourlet变换,根据Contourlet变换后图像系数的特性,用奇偶量化的方法将水印信息嵌入到Contourlet变换后中频子带上。实验结果表明,该方案不仅具有很好的透明性,而且具有较强的抵抗常规信号处理及几何攻击的能力。     

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。