基于DCT域的参数自适应图像数字水印算法

互联网技术和数字多媒体信息技术以及电子商务技术的飞速发展对数据产品的版权保护提出了严峻的挑战。本文提出了一种基于DCT域的参数自适应图像数字水印算法，仿真实验表明，该算法具有对水印的不可见性、安全可靠性和鲁棒性，可广泛应用于数字多媒体电子消费产品的版权保护、金融电子票据、电子印章以及电子商务等领域。     

基于混沌的DCT变换域数字水印算法

该算法一方面利用强混沌系统理论中的环形自同构系统对作为水印信息的二值图像进行置乱,另一方面对载体的灰度图像进行分块DCT变换,之后用JPEG标准中的较大压缩率情况下的量化矩阵量化DCT系数。用量化后不为零的DCT系数的统计特征来实现置乱后的水印信息的嵌入。结果表明,该算法较好地解决了鲁棒性（特别对JPEG压缩）和视觉不可见性。     

基于MATLAB的DCT域数字图像水印技术

数字水印是近年来出现的一种数字产品版权保护技术，它可携带有版权信息和认证信息，保护数字产品的合法拷贝和传播，是当前国际学术界的研究热点。本文主要探讨了数字水印原理、特点、一般模型和典型算法。文章主要运用MATLAB函数编程实现了一个基于DCT域的数字图像水印方案，给出了具体的算法和步骤，并用MATLAB自带的函数对生成的水印图像进行了攻击实验，用实验验证了算法的稳健性。     

基于DCT系数的视频水印算法研究

针对多媒体课件中视频流的特点,分析了目前对视频流采用数字水印技术实现版权保护和防攻击时存在的一些问题,提出了采用基于DCT系数的视频水印算法,不仅能有效地保护多媒体课件作者的版权,还能抵抗一些常用攻击以达到防止被篡改的目的,具有很强的鲁棒性和实用性。     

基于DCT域交流系数的实时视频流水印算法

随着网络技术的迅速发展和视频压缩标准的不断提高,数字水印技术已经成为一种数字产品知识产权保护的有效方法.由于目前存在的视频流水印技术多数不具有实时嵌入的特性,针对视频流的实时性要求高问题,提出了一种基于AC系数嵌入的视频流水印算法.通过对水印进行二维Arnold图像置乱,然后通过计算视频帧的像素亮度值和纹理的均匀度把水印信息嵌入到量化后AC系数中,水印的提取和检测不需要原始视频流信号,具有盲检测性.算法实现简单,可满足实时性要求.实验结果表明,水印方案能有效的抵抗旋转,平移等基本几何攻击,有较好的安全性,并且对于帧剪切、帧丢失以及有损压缩等具有很好的鲁棒性.     

基于时间模板视频水印算法的屏幕流保护方法研究

针对多媒体课件中屏幕流的特点,分析和研究了目前针对屏幕流的安全性保护的视频水印算法及其不足,给出了一种基于时间模板的水印处理算法;实验证明此算法具有较好的稳定性和鲁棒性,能够满足对多媒体课件等视频产品的版权保护和信息安全保护。     

基于DCT的Arnold变换视频水印算法研究

针对多媒体信息中的视频流采用数字水印技术实现版权保护和防攻击时存在的一些问题,提出了采用基于DCT的Arnold变换的视频水印算法,不仅能有效地保护多媒体信息中作者的版权,还能抵抗一些常用攻击以达到防止被篡改的目的,具有很强的鲁棒性和实用性。     

基于DCT域的图像闭环数字水印的最佳水印强度估算

主要对DCT域图像数字水印进行研究．以水印嵌入过程中图像的显示质量作为性能指标。若水印的嵌入导致图像的显示质量明显下降．则调整水印嵌入的强度或者水印本身,从而达到最佳嵌入,并给出在不影响图像显示质量的情况下水印嵌入达到最佳的水印强度的计算方法。     

基于二维码图像的数字水印算法的研究

随着互联网技术的快速发展,线上和线下产品的版权保护越来越受到人们的重视。本文首先探讨了二维码在产品版权保护应用中的弊端,然后提出了在二维码中引入密钥的数字水印技术,起到对产品版权的保护作用。该算法在二维码中引入了加了密钥的数字水印技术,在保证水印不可见性的基础上,提高了水印的鲁棒性。实验表明,该方法对二维码图像受到常见的攻击时,具有较好的抵抗效果。     

一个新的基于DCT的自适应数字水印算法

本文提出了一个利用DCT系数的关系来进行水印嵌入和提取的算法。该算法利用人类视觉系统HVS的特点，通过巧妙调整DCT系数之间的相互关系来嵌入水印．从而使得图像在嵌入一个比较稳健的水印后的视觉失真尽可能最小。水印提取不需要原始图像。实验结果表明本算法的图像保真度较好，并对JPEG压缩、剪切等常见的图像处理方法具有较好的稳健性，并优于文献上的相关算法。     

结合DCT和SVM的故障诊断方法研究

针对故障诊断研究中,样本数据维数过高导致故障模式分类时SVM学习强度太大的问题,利用DCT方法在降噪处理时体现出“能量集中”和“高频抑制”的特性,提出一种基于DCT的SVM故障诊断方法。先对故障样本进行DCT降维,再利用SVM方法对主要维离散余弦系数进行模式训练来代替对故障样本的直接训练,从而大大抑制了噪声对故障分类的影响,同时也减少了诊断运算量,最后通过实验仿真验证了算法的有效性。