基于幅度调制的彩色图像水印算法研究

采用幅度调制方式,实现了具有透明性及鲁棒性的彩色图像盲水印算法。先将二值水印信号进行Arnold变换置乱,再与混沌随机序列进行异或运算。在水印嵌入过程中通过平滑滤波来均衡调整嵌入水印后对宿主图像影响的强度。水印嵌入是通过修改图像中像素蓝色通道信息来实现的,而水印提取是基于对嵌入水印位置的邻域像素值的线性组合的预测而完成的。仿真实验证明该文算法不仅具有非常好的透明性,而且对噪声叠加、旋转、剪切、JPEG压缩等攻击具有很好的鲁棒性。     

一种基于特征的抗剪裁盲水印算法

为了提高水印抗剪裁攻击的鲁棒性,提出了一种基于特征的方法,用来辅助决定水印的嵌入和提取的位置,并根据人类视觉的掩蔽特性,在较复杂的块增加嵌入量,而在DCT域的中低频带嵌入二值图像水印,并通过标志位的嵌入来辅助水印的提取,该算法除了对JPEG、模糊等图像操作具有很好的抵抗能力外,同时对裁剪也具有很好的鲁棒性。目前在许多水印嵌入算法中,当对剪切图像进行水印提取时,图像的大小和像素相对坐标均未发生改变;而本文对剪裁后的图像所进行的水印提取则是在图像的大小和像素的相对坐标均是未知的情况下进行的。实验结果证明,该算法是一种行之有效的盲水印算法。     

基于图像内容的非确定性的易损水印算法

给出了一种在空域中嵌入有意义易损水印的算法，算法中引入基于图像内容的非确定性来增强算法的安全性，由邻域中像素的相关性确定水印的参考点，通过参考点和相应的水印值来共同调整图像像素值，从而完成水印信息的嵌入。实验结果表明算法对数据替换、裁剪等各种篡改操作具有很强的敏感性，经过算法的后处理，算法具有良好的局部检测性能。     

基于支持向量机与结构相似度的图像数字水印算法*

针对空域数字水印算法鲁棒性差、难以抵抗较强的攻击的问题,本文提出一种基于支持向量机SVM与结构相似度SSIM的自适应图像数字水印算法。本文利用结构相似度算法SSIM计算不同图像子块的最大水印嵌入强度,通过回归性支持向量机建立不同图像子块与最大水印嵌入强度的相关性模型,实现了根据不同图像子块预测水印嵌入强度。本文在现有基于图像邻域像素之间相关性的时空域数字水印算法的基础上,选取图像中的图像子块进行水印嵌入,通过修改子块中心位置像素值,进行水印嵌入与提取。本文提出的算法在确保水印算法具有较好的透明性的基础上,提高了水印算法的鲁棒性。实验结果表明,该算法在保持较好透明性的基础上,对于JPEG压缩、噪声、中值滤波等攻击具有较强的抵抗能力。     

基于ZUC可分离加密图像可逆水印算法

本文基于祖冲之(ZUC)算法,设计实现了一种可分离加密图像可逆水印算法,算法中内容所有者先进行图像标记并生成位置图,然后使用ZUC加密算法加密载体图像;水印嵌入者得到加密图像后根据位置图将水印信息嵌在选中像素的第7位或第8位;接收者根据加密密钥和嵌入密钥可以得到直接解密图像、水印信息和恢复图像.算法使用ZUC算法对图像进行加解密,很好地保证算法的安全性;在嵌入水印信息之前对图像进行标记,将水印信息嵌在选中的位置上;接收者在利用相邻像素相关性基础上通过一种自适应差值算法实现水印提取和图像恢复,保证恢复的载体图像和直接解密图像的质量.实验表明所提出的算法具有较高的安全性并且达到可分离的效果,同时恢复的载体图像和直接解密图像都具有较高质量.     

基于支持向量机的彩色图像水印算法

提出了一种基于回归型支持向量机(SVR)的盲检测彩色图像水印算法。为了改善可见性,根据人眼视觉特性（HVS）自适应选择其嵌入位置。水印嵌入是通过修改图像中像素蓝色通道信息来实现,水印提取时结合图像局部相关性,选取稳定的特征向量并获取SVR训练模型,进而利用SVR训练模型进行预测提取数字水印信息。在嵌入过程中通过高斯模板来均衡调整嵌入水印后对宿主图像影响的强度,仿真实验证明本文算法不仅具有非常好的透明性,而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何变换、图像增强等攻击也具有很好的鲁棒性。     

基于广义猫映射与神经网络的图像空域水印算法*

提出了基于广义Arnold变换和神经网络模型的图像空域水印算法。二值水印嵌入位置通过广义猫映射随机产生,训练一个神经网络记忆每个图像块中像素之间的关系,并采用水印嵌入增强处理技术,加强了水印的嵌入强度。实验结果表明,该算法具有较强的鲁棒性,能有效地抵抗剪切攻击、LSB攻击和椒盐噪声攻击等。     

基于奇偶性的大容量医学图像可逆水印算法

本文提出了一种针对医学图像的基于奇偶性的大容量可逆水印算法。相比一般图像医学图像拥有更多接近0 值的像素点,在嵌入过程中容易溢出。通过测试选择像素中嵌入水印信息不会引起溢出的像素携带水印信息。本算法充分利用了医学图像中所有有能力携带水印信息的像素,提高了医学图像的嵌入率。为保证水印信息提取端图像像素的正确分类和算法的可逆性,本算法基于像素预测误差的奇偶性改进了提取端的测试算法。实验分析表明,本算法不仅保证了含水印医学图像的视觉效果,同时提高了医学图像的水印嵌入容量。对于一般图像,在水印嵌入量和视觉效果方面也有一定的提升。     

奇偶性分类下大容量医学图像可逆水印算法

提出了一种针对医学图像的基于奇偶性的大容量可逆水印算法.相比一般图像,医学图像拥有更多接近0值的像素点,在嵌入过程中容易溢出.通过测试选择像素中嵌入水印信息不会引起溢出的像素携带水印信息.本算法充分利用了医学图像中所有能携带水印信息的像素,提高了医学图像的嵌入率.为保证水印信息提取端图像像素的正确分类和算法的可逆性,本算法基于像素预测误差的奇偶性改进了提取端的测试算法.实验分析表明,本算法不仅保证了含水印医学图像的视觉效果,同时提高了医学图像的水印嵌入容量.对于一般图像,在水印嵌入量和视觉效果方面也有一定的提升.     

一种基于位置图的可逆水印方案

提出一种基于位置图的可逆水印算法,选取载体图像的低位平面值作为水印嵌入位置,将载体图像分块,根据分块中低位平面像素值的大小关系将其分成三种不同类型的组,并用变长编码方式对组别进行算术编码,经逐组顺次判断便形成位置图编码,根据位置图信息,将位置图编码、水印信息、位置图所占用像素的LSB全部嵌入载体图像的低位,形成加密图像;提取时,先获取位置图,然后根据位置图无损提取水印,无损还原载体图像。算法具有可逆性和可多重嵌入性,安全性高、隐蔽性好、适用性强。     

利用HVS特性与混沌映射的图像水印算法

提出一种基于混沌序列的图像空域水印算法。首先通过亮度、边缘、纹理特性计算出每象素视觉因子;然后由视觉因子和混沌映射确定每象素水印嵌入比特位;最后通过替换方式嵌入水印。水印提取时不需原始图像的参与,实验表明算法具有较好的水印透明性,并对一般信号处理攻击是鲁棒的。     

一种基于支持向量机的图像数字水印算法

为了使数字水印综合性能更好，根据图像邻域像素之间具有很强的相关性这一特点，提出了一种基于支持向量机的图像水印算法。该算法将支持向量机的思想用于数字水印，并取得了较好的效果。由于支持向量机在有限训练样本的情况下具有很好的学习和泛化能力，因此，可以首先利用回归型支持向量机较好地建立图像邻域像素之间的关系模型，然后，通过调整模型的输出值与中心像素值之间的大小关系来嵌入或提取水印。实验表明，用该技术嵌入水印后的图像不仅具有很好的图像感知质量和较强的鲁棒性，对图像增强、JPEG压缩、噪声、几何剪切等抵抗强，而且安全性好、实用性较强。     

基于支持向量机的自适应图像水印技术

提出一种基于支持向量机的自适应图像空域水印嵌入算法.由于支持向量机与人眼视觉系统在自学习、泛化和非线性逼近等方面具有极大的相似性,算法利用支持向量机模拟人眼视觉特征,结合图像的局部相关特性,自适应地确定图像的最佳嵌入位置和嵌入强度.首先,利用无导师的模糊聚类分析方法对图像各像素进行初步的聚类,为有导师的支持向量机找到分类规则;然后,从各类别中选出隶属度超过一定阈值的像素作为支持向量机分类的训练样本集,建立支持向量机的分类模型,根据此模型对图像各像素再次分类,从而确定水印的最佳嵌入位置;最后结合图像自身的局部相关性,自适应地调整水印嵌入位置的像素值.该算法在提取水印时不需要原始载体图像.实验结果表明,此算法对多种图像处理均具有很好的稳健性和图像感知质量,其性能优于相关文献上的相近方法.     

Improving digital image watermarking by means of optimal channel selection

Supporting safe and resilient authentication and integrity of digital images is of critical importance in a time of enormous creation and sharing of these contents. This paper presents an improved digital image watermarking model based on a coefficient quantization technique that intelligently encodes the owner’s information for each color channel to improve imperceptibility and robustness of the hidden information. Concretely, a novel color channel selection mechanism automatically selects the optimal HL4 and LH4 wavelet coefficient blocks for embedding binary bits by adjusting block differences, calculated between LH and HL coefficients of the host image. The channel selection aims to minimize the visual difference between the original image and the embedded image. On the other hand, the strength of the watermark is controlled by a factor to achieve an acceptable tradeoff between robustness and imperceptibility. The arrangement of the watermark pixels before shuffling and the channel into which each pixel is embedded is ciphered in an associated key. This key is utterly required to recover the original watermark, which is extracted through an adaptive clustering thresholding mechanism based on the Otsu’s algorithm. Benchmark results prove the model to support imperceptible watermarking as well as high robustness against common attacks in image processing, including geometric, non-geometric transformations, and lossy JPEG compression. The proposed method enhances more than 4 dB in the watermarked image quality and significantly reduces Bit Error Rate in the comparison of state-of-the-art approaches.     

一种灵敏的文本图像认证混沌脆弱水印技术

提出了一种适合二值文本图像产品认证、完整性证明和内容篡改证明的脆弱数字水印算法．文中定义了区域的最不重要像素块LSPB（Least Significant Pixel Block）概念，将一个区域中非嵌入水印点的像素值映射成混沌初值，经过混沌迭代生成水印信息，然后将水印比特嵌入到LSPB的中心像素．实验表明，嵌入水印后的二值图像视觉质量好。算法能够准确地检测并定位对含水印图像的篡改．是一种灵敏的完全盲水印方案．     

基于量化调制与像素块添加的二值工程图抗打印扫描水印算法

针对已有二值工程图抗打印扫描方法需要图像校正且不可见性较差的不足,本文提出了一种基于量化调制与像素块添加的二值工程图抗打印扫描水印算法。本方法首先识别出图中线段边缘部分作为水印嵌入区域,然后将水印序列进行分组,对每组水印序列根据其组号在水印嵌入区域添加参考点,再计算出量化区间,通过在量化区间相应位置添加像素块的方式嵌入水印。水印提取则可通过识别水印点直接进行,无需对图形进行校正还原。实验结果表明本算法能够抵抗打印扫描以及复印攻击,且水印容量大,不可感知性好,具有较好的应用前景。     

Adaptive reversible data hiding based on a local smoothness estimator

A novel reversible watermarking (RW) scheme based on a local smoothness estimator and multi-step embedding strategy is proposed in this paper. All the pixels are divided into four equal parts. Correspondingly, the watermark embedding process is separated into four independent steps. Thus each step is performed to embed watermark information into its corresponding image part. In each step, for each to-be-embedded pixel, a local smoothness estimator defined as the variance of its total neighbors is presented to estimate its local smoothness. An obvious advantage of introducing this estimator is that it can determine those pixels in smooth regions accurately. In fact, accurate determination means the decrease in embedding distortion. At the low embedding rate (ER), modifications induced by difference expansion (DE) are done only to those pixels located in smooth regions. Hence, the proposed method can obtain high embedding capacity while maintaining good visual quality. With ER gradually increased, adaptive embedding is employed. In adaptive embedding, for one to-be-embedded pixel, 1 or 2 bits are adaptively embedded according to the strength of relationship among all the pixels surrounding it. The experimental results demonstrate that the proposed method is effective.     

基于支持向量机的鲁棒盲水印算法

提出了一种基于支持向量机的鲁棒盲水印算法.该算法首先用多尺度Harris-Laplace检测算子从载体图像中提取出稳定的特征点,然后根据特征自适应确定局部特征区域,在特征区域选择一些点作为嵌入水印的点,结合图像的邻域相关性,根据灰度图像特点,选取特征向量作为SVR训练模型,进而利用SVR进行预测,调节嵌入点的像素值进行水印的嵌入和提取.实验结果表明,用该技术嵌入水印后的图像具有很好的图像感知质量,时常规信号处理乖去同步攻击特别是JPEG压缩具有较强的鲁棒性.