基于局部Zernike矩的RST不变零水印算法

旋转、缩放和平移(RST)等几何攻击能够破坏水印检测的同步性,使得水印检测失败。针对此问题,提出了一种基于图像局部Zernike矩的RST不变零水印算法。Zernike矩的幅度具有旋转不变性,再结合图像归一化,使其具有缩放和平移不变性。由于Zernike矩的图像重构效果不理想且重构过程中复杂度高,因此水印嵌入选择零水印方案。实验结果表明,该算法对旋转、缩放和平移(RST)的攻击具有很好的鲁棒性,同时对JPEG压缩、加噪、滤波等常见的图像处理操作也具有很好的鲁棒性。     

基于Zernike不变矩的零水印算法

为了实施图像的版权保护,提出了一种基于Zernike不变矩的零水印算法。利用Zernike矩幅度的旋转不变性提取图像特征点,将特征点通过设定的阈值量化为二值序列作为零水印保存到零水印信息库（IPR）。证明版权利用Zernike矩提取待检测图像特征点,以同样的阈值量化为二值水印序列与零水印作相关性检测。实验结果表明,该方法很好地解决了传统水印鲁棒性和不可感知性的矛盾问题,对常用的图像处理和几何攻击具有较好的鲁棒性。     

基于Tchebichef矩的几何攻击不变性第二代水印算法

提出了一种基于原始图像的Tchebichef矩实现的几何攻击不变性第二代盲水印算法,利用原始图像的Tchebichef矩估计图像可能经历的几何攻击的参数来还原图像,其中,原始图像的Tchebichef矩可作为水印检测器的密钥.水印嵌入过程结合人类视觉系统的特性,且可在任何图像变换域中实现,给出了小波域的一种实现方法.水印检测过程采用独立分量分析技术不仅可以检测到水印而且可以提取水印,实现了真正意义上的盲检测.实验结果表明,该水印算法对于通用水印测试软件Stirmark提供的各种攻击具有很好的鲁棒性.     

基于Zernike矩的视频对象零水印算法

针对几何攻击所导致的水印不同步问题,提出了一种结合Zernike矩和图像归一化的有效视频对象水印算法。Zernike矩的幅度具有旋转不变性,缩放和平移不变性通过图像归一化取得。水印嵌入采用零水印方案,解决了基于Zernike矩的图像重构效果不理想和重构过程中复杂度高的问题。实验结果表明,该水印算法对旋转、缩放等几何操作具有鲁棒性,同时对压缩、滤波、高斯噪声等常见的图像处理操作也具有鲁棒性。     

一种抗几何攻击的数字图像零水印方案

提出一种基于时间戳和图像整体特征的零水印方案。该方案根据原始图像生成图像特征矩阵,再将水印图像拓展为图像特征矩阵大小,并将拓展与混沌加密后的水印图像与图像特征矩阵执行异或操作。然后,保存异或操作的结果以作为密钥来检测水印。同时,采用水印拓展嵌入与图像归一化检测的方法,使得图像水印具有较强的抗旋转与剪切攻击的能力。实验表明,所提出的方案在对图像的常规处理及几何变换下具有良好的鲁棒性,具有可行性和实用性。     

一种抗几何旋转攻击零水印算法

为了解决零水印算法存在抗几何攻击能力弱的问题,提出了一种抗几何旋转攻击的零水印算法。首先根据尺度不变特征变换（SIFT）旋转校正后图像像素失真情况,在中心地带确定像素近似无损的安全区域;其次将该区域进行二级冗余离散小波变换提取低频区域,对该低频区域进行分块并提取每个块的最大奇异值,同时利用每块最大奇异值构建过渡矩阵;然后通过比较过渡矩阵的每个元素值与其均值关系构造特征矩阵;最后将加密后的水印图像与特征矩阵共同构建零水印。实验结果表明,与仅利用SIFT校正算法相比,抗旋转攻击鲁棒性平均提高了13.26%,与GH旋转矩和伪Zernike正交矩算法相比,抗旋转攻击鲁棒性分别提高了1.1%和0.94%;对常规攻击、缩放攻击和循环平移以及小范围的剪切攻击均具有较强鲁棒性。     

一种归一化图像的分形零水印算法

为了提高水印的稳定性和抗几何攻击能力,提出了一种结合图像归一化技术和分形理论的零水印算法。该算法首先利用归一化技术将原始图像映射到几何不变空间中,再以几何中心为中点提取归一化图像的重要区域;然后对该区域进行分形编码,由拼贴误差获得重要区域的边缘信息,即图像特征信息。最后用该信息与水印做相应的处理后即可得到提取水印的密钥矩阵。仿真实验结果表明,算法对常规图像处理和几何攻击具有较强的鲁棒性。     

RGB空间彩色零水印算法

针对现有零水印算法使用的版权标识大都为结构信息单一的二值图像,且对于几何攻击鲁棒性差等问题,提出一种RGB空间彩色零水印算法。首先将彩色载体图像和彩色水印转换成R、G、B颜色分量,其次对载体图像三个空间分量分别进行Arnold置乱和分块处理;然后计算每个颜色通道各个子块的均值,构成十进制均值矩阵,将均值矩阵转换成8位二进制矩阵,分别生成三个颜色通道的二进制特征矩阵;最后将置乱后的彩色水印分量转换成8位二进制水印信息,分别与载体图像的三个二进制特征矩阵异或生成三个零水印,将三个零水印通过逆编码技术生成彩色零水印。实验结果表明,算法能够有效地抵抗非几何攻击、几何攻击和组合攻击,与相似的零水印算法相比,鲁棒性更好,安全性更高。     

基于傅立叶–梅林变换的零水印算法

为了提高抗几何攻击性能,同时保证不可见性,提出了一种结合傅立叶-梅林变换和零水印概念的图像水印算法。该算法通过对图像进行傅立叶-梅林变换找到几何不变域,在此域中提取图像特征构并加入水印密钥构成零水印。由待检测图像以相同的方法得到伪水印,通过比较零水印和伪水印的相关性判定图像版权。该算法在判定图像版权是不需要原始图像,仅需零水印。实验结果表明,该算法有较强的抗几何攻击性能,对压缩、加噪等常见的图像处理攻击同样具有良好的鲁棒性。     

基于傅立叶-梅林变换的零水印算法

为了提高抗几何攻击性能,同时保证不可见性,提出了一种结合傅立叶-梅林变换和零水印概念的图像水印算法.该算法通过对图像进行傅立叶-梅林变换找到几何不变域,在此域中提取图像特征构并加入水印密钥构成零水印.由待检测图像以相同的方法得到伪水印,通过比较零水印和伪水印的相关性判定图像版权.该算法在判定图像版权是不需要原始图像,仅需零水印.实验结果表明,该算法有较强的抗几何攻击性能,对压缩、加噪等常见的图像处理攻击同样具有良好的鲁棒性.     

Color Image Zero-Watermarking Using Accurate Quaternion Generalized Orthogonal Fourier–Mellin Moments

In recent years, digital image zero-watermarking algorithm has made great progress. But there are still some problems. First, most algorithms only focus on robustness and ignore discrimination. Second, most methods have good robustness against conventional signal attacks but poor robustness against geometric attacks. Thirdly, most of the existing zero-watermarking algorithms only focus on gray-scale images, and there are relatively few researches on color images. In order to cope with these issues, this paper introduces a novel color image zero-watermarking scheme using accurate quaternion generalized orthogonal Fourier–Mellin moments (AQGOFMMs). In the first stage of the proposed method, accurate computation of generalized orthogonal Fourier–Mellin moments (GOFMMs) based on the polar pixel tiling scheme. In the next stage, the high-precision GOFMMs are extended to the accurate quaternion GOFMMs (AQGOFMMs). Finally, the immutable set of features is extracted to construct a zero-watermark. It is worth mentioning that, different from the traditional way of constructing watermark with the amplitude of moments, this algorithm uses the full 4-D features of AQGOFMMs to construct watermark. The experiment proved that proposed zero-watermarking scheme gives a good balance between discriminability and robustness. Furthermore, the proposed algorithm achieves better performance than the other existing zero-watermarking.

     

基于Contourlet变换和增强位平面的零水印算法

提出一种基于Contourlet变换和增强位平面的数字图像零水印算法。对原始载体图像进行Contourlet变换,利用其低频逼近子图的增强位平面和置乱后的水印图像进行一定运算得到构造图像,再加密成密钥图像。密钥图像被用来提取水印。最后给出了实验仿真结果,并和一般图像二值化零水印算法进行了比较。结果表明,该算法比较简单,不可觉察性很好,并对附加高斯噪声、中值滤波、联合图像专家组（JPEG）压缩等图像处理攻击有较强的鲁棒性。     

基于文本特征的文本水印算法

基于格式的文本水印算法对格式攻击的鲁棒性比较差,而基于自然语言的文本水印算法相对难以实现,因此提出一种基于词频的文本零水印算法。对文本内容进行分词并计算每个分词的词频,根据设定的词频阈值范围依次提取分词序列作为文本特征,将文本特征、水印和密钥注册于版权保护(IPR)信息库。水印检测可实现盲检测。将该算法用于含有图像等多媒体信息的中英文文档,试验结果证明,该算法对剪切、粘贴、内容顺序颠倒等攻击有较强的鲁棒性。     

小波域视觉密码零水印算法

目的传统零水印算法需要构造包含图像特征的水印数据,这样构造的水印往往是无意义的。在已有视觉密码鲁棒水印算法基础上,结合零水印思想,提出小波域视觉密码零水印算法。方法零水印不仅仅是由载体图像生成的,而是其与水印信息共同制造的视觉秘密图份。算法产生2幅图份:主图份(图像特征信息)和所有权图份(零水印)。首先,将载体图像通过合理置乱,去除像素相关性;其次,对置乱后的图像做小波变换,再将小波低频子带分块并对各块做奇异值分解,通过比较块特征值与块特征值均值生成过渡矩阵;然后,将生成的过渡矩阵结合2×2视觉秘密图份算法生成主图份;最后,结合主图份和秘密水印信息产生所有权图份,同时将其保存到认证中心。结果针对零水印信息不够直观,在不对载体进行任何改动的情况下,将有意义二值图像作为零水印嵌入到载体图像中去。即使在很强的鲁棒干扰环境中,本文方法仍然比传统的零水印算法表现出色。结论提出了一种可靠的图像版权认证零水印算法。实验结果表明,算法具有良好的安全性,同时对多种图像处理具有很好的鲁棒性。     

平衡多小波视觉密码零水印算法

传统零水印算法构造的水印通常是没有实际意义的二值序列,致使版权辨别不够直观快捷。借鉴视觉密码原理,结合平衡多小波、奇异值分解等技术,提出平衡多小波视觉密码零水印算法。将客户水印作为零水印嵌入到版权图像中,对版权图像进行平衡多小波变换得到实际载体;根据实际载体图像进行块奇异值分解并计算平衡因子得到差值矩阵,由差值矩阵生成过渡矩阵;将过渡矩阵结合2×2视觉秘密图份算法生成图像特征信息;结合图像特征信息和客户水印信息产生零水印。实验结果表明,该算法具有良好的安全性和鲁棒性,是一种可靠的图像版权认证零水印算法。