基于DCT-Winograd快速变换的半盲水印算法

针对目前多数基于傅里叶变换域的方法,其抗几何攻击性能虽很好,嵌入的信息量也很大,但存在抗剪切攻击能力较差的问题,提出了一种基于离散余弦变换与Winograd快速傅里叶变换相结合的半盲水印算法,将Winograd算法分解的对角矩阵与经过DCT变换的图像块相与,产生一个新的对角矩阵,再将数字水印嵌入到该对角矩阵中,最后通过相关逆运算提取水印.实验结果表明,该方法可获得较好的图像视觉效果,对剪切、噪声等攻击皆具有较好的鲁棒性.     

基于分块奇异值分解的盲水印技术

基于奇异值分解的数字水印方案,具有很强的鲁棒性,但是它也存在着一些不足的地方。为此提出了一种新的基于分块奇异值分解盲水印方法,在图像水印信息经过置乱处理后嵌入到原始载体图像分解所得的酋矩阵中。运用置乱方法和奇异值分解方法,提高了水印的不可见性,保证了水印的安全性。在水印的检测与提取过程中不需要原始载体图像,更加利于实际中的应用。实验结果证明,该方法具有较好的不可见性,对常见的图像处理具有良好的鲁棒性。     

基于DDS和框架的鲁棒盲水印算法

为进一步提高盲水印算法的鲁棒性,提出了一种基于DWT-DCT-SVD和框架的鲁棒盲水印算法。首先提取彩色宿主图像的Y、U、V分量灰度图,分别进行一级小波变换,对低频子带4×4分块并进行离散余弦变换和奇异值分解;然后通过调节每个子块的对角矩阵,将置乱的水印信息嵌入到宿主图像中;最后在图像四周添加框架用以定位和几何校正。实验结果表明,嵌入水印后图像SSIM和PSNR值分别达到0.96和39.06以上,攻击后提取的水印图成功跳转率在90%以上。该算法在不影响原图视觉效果的前提下,不仅提升了盲水印算法对于旋转、缩放、噪声等常规攻击的鲁棒性,还能抵抗任意角度旋转、大尺度缩放和截图的联合攻击。     

基于DWT-SVD与量化相结合的盲水印算法

提出了一种新的盲鲁棒水印算法,它充分利用了小波变换的多分辨特性和矩阵奇异值分解的能量稳定特性,通过量化的方法将二值水印嵌入到原始图像的低频区域中,在水印的提取过程中不需要原始图像参与。实验证明,该水印算法的鲁棒性较好,具有不可见性,比Sun算法的性能有所提高。     

双重保护的半盲彩色数字水印算法

研究了一种基于DWT与SVD相结合的半盲彩色数字水印算法,鉴于嵌入水印的实用性,原始图像与水印图像采用的都是彩色图像。在置乱变换系数和半盲水印的双重保护下,提高了水印的安全性,奇异值分解对常见的几何失真是稳健的,而小波分解可以把图像的主要能量集中到低频域中,结合它们的优点可以更好地提高水印的抗攻击性。实验结果表明,嵌入水印后的图像在加噪、滤波(如模糊、锐化)、缩放、旋转、剪切和有损压缩等攻击后,其提取水印与原始水印仍有较高的相似度与峰值信噪比,该算法具有较好的鲁棒性。     

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.     

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.     

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。     

一种基于DCT—SVD域灰度级的盲水印算法

本文首先应用Arnold变换和一种快速的Arnold反变换对水印图像进行加密，进而应用分块的量化SVD嵌入法对DCT块系数进行调整．提出了一种新的灰度级的盲水印算法，较好的解决了灰度水印鲁棒性和透明性之间的矛盾。实验结果证明．该算法对JPEG压缩、裁剪等常见的处理操作有较好的鲁棒性。     

基于奇异值分解的量化水印盲检算法

提出了一种基于奇异值分解的量化水印盲检算法.利用图像矩阵的奇异值稳定性好且最大奇异值远远大于其他奇异值的特点,首先时分块图像最大奇异值进行量化,再结合其奇偶性将二值水印嵌入量化后的奇异值中.实验结果表明,水印算法在满足较好的不可见性和较强的鲁棒性的同时;还可实现水印的盲提取.     

基于DCT和SVD变换的盲数字水印算法

结合奇异值分解（SVD）变换,提出一种基于DCT域内DC分量的数字盲水印算法。对原图像进行8×8分块DCT变换,对DC系数集合进行2×2分块的SVD变换,使用量化步长Q量化每个小块对应的最大奇异值,向量化后的结果嵌入水印。由于选择DC系数进行SVD变换,且SVD变换结果表现的是图像的内蕴特性而非视觉特性,故算法具有较高的稳健性和透明性。实验表明,该算法可以有效地抵抗中值滤波、JPEG压缩、噪声等常规篡改处理,水印的提取不需要原始图像参与,执行起来简单方便。     

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。     

基于运动目标检测的视频水印算法研究

摘要：为了提高视频水印的鲁棒性,提出一种基于运动目标检测技术的算法。通过相邻帧差法提取并标记视频图像序列中的运动目标,并采用图像局部奇异值分解(SVD)算法,实现水印的嵌入和盲提取过程。在仿真实验中,通过计算水印嵌入后图像的峰值信噪比,证明该水印算法具有很好的不可见性和隐蔽性;并使用strimark软件对嵌入水印后图像进行几何攻击,分析水印图像的相关系数,验证本算法具有很好的鲁棒性。     

一种Contourlet域图像鲁棒水印算法

对新一代图像多分辨分析工具Contourlet变换的特性进行了分析和讨论,在此基础上提出了一种利用矩阵SVD分解的稳定性在Contourlet域中频子带系数中进行二值伪随机水印信号嵌入的算法。嵌入时,对中频子带分块,根据块能量选择最终嵌入位置,同时兼顾了鲁棒性和透明性的要求。实验结果与理论分析相符,并且对常见的图像处理操作具有很好的鲁棒性。     

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。     

基于奇异值分解的双重变换域图像水印算法

提出了一种基于奇异值分解的离散小波和离散余弦双重变换域数字图像水印算法。仿真结果表明,该算法不仅具有较好的水印不可见性,而且对常规攻击和几何攻击都具有较好的鲁棒性,且该算法采用灰度图像作为水印,增加了嵌入的信息量,在版权保护方面具有一定的应用价值。     

基于多维标度和奇异值分解的视频水印算法

针对于网络中的视频资源的知识产权问题,提出一种基于多维标度(MDS)和奇异值分解( SVD)的视频水印算法。该方法首先利用MDS把原始视频各帧投影到二维平面上,然后利用SVD的方法把水印信息嵌入到视频帧与其在二维平面上投影点之间的差值上。实验证明,该算法对随机噪声干扰和诸如旋转、平移、裁剪等空间同步失真的攻击有较强的鲁棒性;另外,该算法对帧丢弃、帧插入等时间同步失真也具有一定程度的鲁棒性。     

一种新的LWT和SVD的灰度图像水印

先对载体图像进行分块,然后对每块二级LWT后的中高频带再次LWT,并对选取的各频带进行SVD,选取其相应的奇异值组成新的变换矩阵,对新的变换矩阵按规则进行分块,并再次SVD。通过两次分块,两次LWT和四重使用SVD构造矩阵的方法,有效地将抽取的奇异值重新分配和组合,最后将Arnold置乱后的灰度水印信息加载到组合后的矩阵中。仿真实验表明,新的图像水印方法提高了嵌入的信息量,具有很好的透明性,而且对常见的图像攻击具有很强的鲁棒性。     

基于SIFT的NSCT-SVD域水印算法

提出一种利用尺度不变特征变换（SIFT）关键点对图像几何校正的非抽样Contourlet变换-奇异值分解域（NSCT-SVD）彩色图像水印算法。该算法利用蓝色与绿色分量的NSCT域低频子块的最大奇异值的关系,在蓝色分量上嵌入经过混沌加密的水印信息。水印检测时,先利用红色分量NSCT域低频系数上匹配的SIFT关键点信息对被检测图像进行几何攻击校正,恢复了水印的同步信息后再提取水印。实验结果表明,该算法对于噪声、滤波、压缩以及各类几何攻击具有较好的鲁棒性。