面向屏幕拍摄的端到端鲁棒图像水印算法

目的 在抗屏摄鲁棒图像水印算法的研究中,如何在保证含水印图像视觉质量的同时提高算法的鲁棒性是存在的主要挑战。为此,提出一种基于深度学习的端到端网络框架以用于鲁棒水印的嵌入与提取。方法 在该网络框架中,本文设计了包含摩尔纹在内的噪声层用以模拟真实屏摄噪声造成的失真,并通过网络训练来学习到抵抗屏摄噪声的能力,增强网络生成的含水印图像的鲁棒性;同时引入了最小可察觉失真（just noticeable distortion,JND）损失函数,旨在通过监督图像的JND系数图与含有水印信息的残差图之间的感知差异来自适应控制鲁棒水印的嵌入强度,以提高生成的含水印图像的视觉质量。此外,还提出了两种图像区域自动定位方法,分别用于解决：拍摄图像中前景与背景分割即含水印图像区域的定位矫正问题,以及含水印图像经过数字裁剪攻击后的解码问题。结果 实验结果表明,引入JND损失函数后嵌入水印图像的视觉质量得到了提高,平均的峰值信噪比（peak signalto-noise ratio,PSNR）、结构相似性（structural similarity,SSIM）可分别达到30.937 1 dB和0.942 4。加入摩尔纹的噪声模拟层后,所提算法的误码率可下降1%～3%,具有抵抗屏摄噪声的能力。另外,将图像的R通道嵌入用于抗裁剪的模板,使得算法可有效抵抗较大程度的数字裁剪攻击。本文算法的计算复杂度较低,对单幅图像进行嵌入时,定位与提取操作的总耗时小于0.1 s,可满足实际应用场景的实时性需求。结论 本文算法的嵌入容量和生成的含水印图像视觉质量较为理想,且在不同拍摄距离、角度以及不同拍摄和显示设备条件下的鲁棒性优于已报道的主流算法。     

基于DCT域的数字图像双水印算法

提出了一种基于DCT域的数字图像双水印算法,将鲁棒水印与脆弱水印同时嵌入到DCT的中低频系数中,鲁棒水印和脆弱水印的嵌入与顺序无关,且不相互影响.首先,对DCT变换后的系数按照它们的位置进行了特殊的分类,通过分类后每一类中正负号的数量来表达鲁棒水印信息,增强了算法的鲁棒性.对相同的DCT 系数使用邻近值比较法嵌入脆弱水印.实验结果表明鲁棒水印可以实现了对图像载体的版权认证,脆弱水印实现了对图像载体的完整性保护和篡改定位.     

基于DWT和SUDOKU的多功能数字图像水印算法

传统的水印算法一般都是单功能的,在实用中很难满足,为了实现对数字图像的双重保护,提出了一种基于DWT和数独SUDOKU的多功能鲁棒-脆弱数字图像水印算法。首先,通过修改图像子块的小波域系数的值,将鲁棒水印嵌入到数字图像中以实现数字图像的版权保护功能。然后,基于数独模型,将脆弱水印信息嵌入到图像空域中以实现数字图像的篡改定位功能。仿真实验结果表明,该多功能数字图像水印算法把鲁棒水印和脆弱水印有效的统一起来,嵌入两种水印后的数字图像具有良好的不可见性,提取的鲁棒水印具有较强的抗攻击能力,而脆弱水印则能准确定位出篡改位置。     

基于Logistic混沌序列的鲁棒数字水印方案

数字图像水印研究中,针对图像水印鲁棒性和隐蔽性的矛盾、数字水印本身的安全问题,结合混沌系统原理,提出一种Logistic双混沌系统的鲁棒数字图像水印方案。不同于许多传统水印算法,水印嵌入时不将原始水印嵌入,而是根据密钥生成两个混沌序列作为水印序列,然后按照规则,依次根据原始水印的每个比特值选取某个混沌水印序列的一比特信息嵌入载体图像对应的DCT中频系数中。在提取水印时,根据DCT的中频系数和混沌水印序列的相关性来确定每一位原始水印比特值,最终合并得到完整的水印图像。由于水印序列的产生过程经过了混沌加密处理,所以算法效率较好,且保证了水印本身的安全性。仿真结果表明,水印嵌入和提取算法都具有良好的效果,并且具有较强的抗攻击性能。     

基于传统引导机制的深度鲁棒水印算法

随着网络和多媒体技术的发展,多媒体数据逐渐成为人们获取信息的重要来源,数字媒体逐渐成为版权保护和防伪溯源主战场,版权保护新技术的重要性日益凸显,数字水印技术作为其中一种重要的版权保护手段得到重视。在信息传递过程中,含密数字媒体信息可能会受到噪声和外部干扰攻击,传统鲁棒数字水印技术正是围绕这些问题进行研究。然而,传统的鲁棒数字水印技术对不同类型攻击的综合抵抗能力有待提升。同时,由于其嵌入方式的局限性,传统的鲁棒数字水印算法对不同图像的泛化处理能力较弱。近年来,深度学习由于其强大的自学习能力被广泛应用于鲁棒数字水印技术研究。基于深度网络的鲁棒数字水印算法的初始化通常来源于随机的参数和特征,这会导致生成的模型质量不佳、训练时间过长,甚至无法收敛。结合两者的优点,采用传统的数字水印技术进行引导,兼顾深度网络的学习能力和传统鲁棒数字水印技术特征进行设计,提出一种基于传统引导机制的深度鲁棒数字水印算法。所提算法利用传统的鲁棒数字水印算法生成水印图像,设计的特征构造能够保证传统水印图像的鲁棒性。再利用U-Net结构将传统水印图像融合至深度网络,生成最终的含密图像。实验结果表明,所提算法能够提升含密图...     

基于混沌的DWT域多功能图像数字水印算法

提出了一种基于混沌的DWT域多功能图像数字水印算法。原始水印分为鲁棒水印和半脆弱水印,分别用于版权保护和图像认证。根据不同的应用,鲁棒水印又分为容量小但鲁棒性要求相对高和容量大但鲁棒性要求相对低的两种,它们和半脆弱水印分别嵌入DWT域的不同部分。并利用广义猫映射置乱鲁棒水印和Logistic混沌系统生成半脆弱水印以提高安全性。实验表明,嵌入水印后的图像视觉质量好,其中鲁棒水印能抵抗各种常规图像处理,半脆弱水印能准确地检测并定位内容篡改。     

基于独立分量分析的小波域数字图像水印算法

提出了一种鲁棒数字图像水印算法。水印生成过程对原始水印进行转换、置乱和扩展等处理;水印嵌入过程将水印嵌入在原始图像小波域的逼近子图,嵌入的强度由噪声可见性函数自适应决定。水印提取过程不需要任何原始图像和原始水印的信息,采用独立分量分析实现对水印信号的盲提取。实验结果证实对于水印基准测试软件Checkmark的各种攻击,该算法具有较强的鲁棒性。     

一种基于角点检测的鲁棒数字图像水印算法

几何攻击是数字图像水印领域中一个富有挑战性的问题。提出一种以图像角点为特征点,基于奇偶量化嵌入/检测的空间域局部化鲁棒数字图像水印算法。采取的主要方法有:(1)采用带有自适应阈值和动态支持区域的基于曲率尺度空间的角点检测算法进行鲁棒角点检测;(2)基于图像纹理复杂度进行角点筛选,并以筛选后的角点为圆心形成具有几何不变性的圆形特征区域,用于水印的重同步;(3)在特征区域设计一种圆环形的水印模式,并在空间域采用经典的奇偶量化方法嵌入并检测水印。实验表明,该算法在嵌入水印后仍能保持较高的图像视觉质量,对常规信号处理和包括旋转、缩放、平移、剪切及其组合在内的几何攻击均具有较强的鲁棒性。     

图像特征里的小波域水印算法

提出一种基于图像特征区域的鲁棒水印算法。确定载体图像的关键点,利用轮廓跟踪工具勾出嵌入水印区域的轮廓,从而确定嵌入位置。对确定的图像区域做离散小波变换（DWT）。将由密钥产生的水印信息按照从大到小的顺序嵌入到低频变换域里,再做离散小波逆变换,将抽出的部分与含水印部分叠加,得到完整含水印图像。实验结果证明,算法既保证了载体图像的视觉质量,同时对于一般常见攻击也具有较好的鲁棒性。     

一种基于小波变换的鲁棒数字图像水印

提出了一种基于小波变换的鲁棒数字图像水印算法。该算法首先对水印信息进行置乱以降低空间相关性,然后把原始图像进行三级小波变换。并将水印信息嵌入到原始图像的低频子带中,最后经三级小波反变换得到嵌入水印后的图像。实验结果表明,该算法具有较强的鲁棒性。     

生成对抗网络驱动的图像隐写与水印模型

目的 图像信息隐藏包括图像隐写术和图像水印技术两个分支。隐写术是一种将秘密信息隐藏在载体中的技术,目的是为了实现隐秘通信,其主要评价指标是抵御隐写分析的能力。水印技术与隐写术原理类似,但其是通过把水印信息嵌入到载体中以达到保护知识产权的作用,追求的是防止水印被破坏而尽可能地提高水印信息的鲁棒性。研究者们试图利用生成对抗网络（generative adversarial networks,GANs）进行自动化的隐写算法以及鲁棒水印算法的设计,但所设计的算法在信息提取准确率、嵌入容量和隐写安全性或水印鲁棒性、水印图像质量等方面存在不足。方法 本文提出了基于生成对抗网络的新型端到端隐写模型（image information hiding-GAN,IIH-GAN）和鲁棒盲水印模型（image robust blind watermark-GAN,IRBW-GAN）,分别用于图像隐写术和图像鲁棒盲水印。网络模型中使用了更有效的编码器和解码器结构SE-ResNet（squeeze and excitation ResNet）,该模块根据通道之间的相互依赖性来自适应地重新校准通道方式的特征响应。结果 实验结果表明隐写模型IIH-GAN相对其他方法在性能方面具有较大改善,当已知训练好的隐写分析模型的内部参数时,将对抗样本加入到IIH-GAN的训练过程,最终可以使隐写分析模型的检测准确率从97.43%降低至49.29%。该隐写模型还可以在256×256像素的图像上做到高达1 bit/像素（bits-per-pixel）的相对嵌入容量;IRBW-GAN水印模型在提升水印嵌入容量的同时显著提升了水印图像质量以及水印提取正确率,在JEPG压缩的攻击下较对比方法提取准确率提高了约20%。结论 本文所提IIH-GAN和IRBW-GAN模型在图像隐写和图像水印领域分别实现了领先于对比模型的性能。     

基于支持向量机和混沌序列的空域图像双水印

为解决图像同时具有版权保护和内容认证需求问题,提出了一种基于支持向量机的鲁棒水印和混沌序列与LSB相结合的脆弱水印的双重图像水印算法.利用图像邻域像素之间的相关性,通过训练回归型支持向量机模型实现鲁棒水印图像嵌入或提取操作.然后,再将已嵌入鲁棒水印的载体图像用最低有效位和混沌序列相结合的方法嵌入基于载体图像内容的脆弱水印.实验结果表明,该算法同时实现了图像的版权保护和内容篡改定位,提高了水印系统的安全性.     

一种复合型自适应盲水印算法

提出同时嵌入鲁棒水印和脆弱水印的复合型自适应盲水印算法。鲁棒水印根据邻居特征平均值和奇偶判决法嵌入到所选择的频带中,再将水印图像分块,把分块图像的灰度均值映射为混沌初值,经过若干次迭代生成脆弱水印,嵌入到其像素灰度值的LSB平面。实验结果表明,该算法对一般的图像处理具有良好的鲁棒性,同时还能对图像篡改进行精确定位,且作为盲水印算法有良好的安全性。     

基于密钥的数字图像水印算法研究

结合二值水印的值及载体图像像素值的奇偶性,采用密钥技术,研究一种有效的小波域数字图像水印算法.采用密钥选择载体图像的嵌入位置,通过对相关系数实施修改,从而达到水印嵌入的目的.仿真实验结果表明,该水印方法具有良好的不可见性,以及具有鲁棒的抗剪切、维纳滤波、不规则色块污染、中值滤波等攻击的能力.     

载体独立的深度光照水印算法

随着多媒体技术的发展与完善，数字产品的版权保护需求逐步增大。数字水印是一种保护数字产品版权的有效手段，它一般是通过在数字载体（如文本、图像等）中添加重要标识信息（即数字水印），使载体带有标识信息，但又不影响载体的正常使用。常见的数字水印嵌入方案是通过采用特定算法对载体进行修改来嵌入水印信息的。而在实际的应用场景中，有很多待保护的图像或物件（如艺术画作等）是不允许修改的。基于此背景，提出了一种新的载体独立的深度光照水印算法，在嵌入端通过可见光调制的方法来表达水印信息，从而实现在不对原始载体进行修改的前提下进行水印信息嵌入，并达到版权保护的目的。通过对人眼视觉系统进行分析，提出了基于交替式投影的水印模板图案来嵌入水印信息，使嵌入过程既不需要对原始载体进行修改，也不会影响人眼的视觉感官。而在提取端，设计了基于残差连接的水印提取网络，对采集的水印图像经透视变换后送入该网络来进行水印信息提取。实验在多种条件下进行，并与3种基准算法进行了对比。实验结果表明，所提算法生成的水印图像具有较小的视觉失真，且对“投影-拍摄”过程具有很强的鲁棒性。在不同距离、角度、光照等条件下，水印提取网络具有很高的水印信息提取准确率，且相比其他通用网络具有一定的优越性。     

基于小波包分解的版权保护算法

提出一个基于小波包分解的数字图像版权保护算法.利用小波系数的特征对宿主图像进行预处理,并选择其中具有相似纹理特征的图像子块进行组合构成相应的子图像.基于块处理与像素调制相结合的空频域联合的水印算法,在纹理活动区域采用小波包变换的系数量化方法嵌入水印,不仅保证了在不损失图像质量的条件下大容量鲁棒信息的隐藏,也保证了水印的盲提取,从而有效地增加了鲁棒水印信息的嵌入量及抗攻击能力.实验结果表明该算法较传统方法而言达到了鲁棒性与容量的最佳结合.     

统计量移位的鲁棒无损图像信息隐藏

鲁棒无损信息隐藏在医学成像、法律取证、遥感等领域有广泛的应用。提出了一种鲁棒无损图像信息隐藏算法。在含密载体图像未受损情况下,正确提取秘密信息后可无损恢复原始载体图像;在含密载体图像受到一定程度JPEG2000压缩攻击后,秘密信息仍然可以被正确提取。首先将原始载体图像分块并计算每个图像块的统计量,再根据统计量绝对值的最大值选择合适的阈值对统计量进行移位,最后利用移位后的统计量来嵌入秘密信息。实验结果表明,该算法在图像视觉质量、嵌入容量和鲁棒性3个方面都具有很好的性能。与其他鲁棒无损嵌入方法相比,在图像视觉质量和鲁棒性大致相当的情况下,该算法的嵌入容量有了很大提高,表明该算法较其他算法具有明显的优势。     

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.     

数字图像鲁棒隐写综述

随着智能设备和社交网络的飞速发展,通过网络传输的数字图像成为了实施隐蔽通信的新型重要载体,适应网络信道的图像隐写技术有望成为开放网络环境下可靠、隐蔽传递信息的一种重要方式。然而,数字图像通过Facebook、Twitter、微信、微博等社交网络传输的过程中,往往会遭受压缩、缩放、滤波等处理,对传统信息隐藏技术在兼顾鲁棒性与抗检测性方面提出了新的挑战。为此,研究者经过多年的努力探索,提出了可抵抗多种图像处理攻击和统计检测的新型鲁棒隐写技术。本文结合网络有损信道中隐蔽通信应用需求,对现有的数字图像鲁棒隐写技术进行综述。首先简要介绍本领域的研究背景,并从图像水印和隐写两方面对图像信息隐藏技术的基本概念、相关技术和发展趋势进行了简要总结。在此基础上,将图像鲁棒隐写技术的研究架构分为载体图像选择、鲁棒载体构造、嵌入代价度量、嵌入通道选择、信源/信道编码以及应用安全策略等方面,并分别对相关方法的基本原理进行了归纳和阐述。随后,对具有代表性的相关方法进行了对比测试,并结合应用场景需求给出了推荐的鲁棒隐写方法。最后,指出了数字图像鲁棒隐写技术有待进一步研究解决的问题。     

一种基于HVS的图像小波域鲁棒性数字水印

提出了一种基于人类视觉系统（HVS）和离散小波变换（DWT）的图像鲁棒数字水印新算法。将宿主图像进行小波分解,根据人类视觉系统的掩蔽特性计算出JND视觉门限值,选择重要小波系数,将数字水印分别嵌入到重要小波系数的不同频率域中。水印嵌入采用改进的二值运算方法,修改小波系数的小数部分,以提高水印嵌入后图像的质量。实验证明算法在保证水印不可见性的前提下有效地提高了算法的鲁棒性,对JPEG压缩、图像添加噪声、缩放、剪切和中值滤波等攻击有很强的鲁棒性。