信息隐藏的统计不可见性研究

对Cachin理论安全性进行分析，应用该模型对信息隐藏的统计不可见性进行评价。通过将图像分块去相关性，运用DCT变换得到载体的平稳概率分布，计算DCT系数的联合概率分布的相对熵来评估隐藏算法的统计不可见性。实验结果表明，该评估方法不仅能有效衡量隐藏统计不可见性，还能用以指导隐藏算法的设计。     

一种基于DCT的图像水印算法

数字水印技术是一种在开放的网络环境中用以保护版权和认证来源及完整性的新技术.针对如何解决水印不可见性和鲁棒性矛盾这一问题提出了一种新的水印方案.实验结果表明,算法具有良好的不可见性,对常见的图像处理操作,如JPEG压缩、低通滤波、噪声攻击等具有较强的鲁棒性.     

DCT域灰度图像水印透明性评估

传统的SNR和PSNR不能很好地评价水印图像的质量。人类视觉对图像中不同强度的亮度区域和不同程度的纹理区域具有不同的视觉阈值,SNR和PSNR没有对这些不同进行区分,利用Watson提出的DCT域JND（Just Noticeable Difference,刚辨差）计算模型计算出图像中每个DCT系数的JND值,为图像中不同成分设置不同的权值,得到了优化的图像质量评价模型。用不同方法对传统模型和本文模型进行对比实验,结果表明新模型优于传统模型,其评价结果更接近人的视感觉,适用于各种不同的灰度图像和水印算法,可以对水印算法进行不可感知性性能评价。     

基于回归型支持向量机的小波域盲水印算法

以回归型支持向量机（Support Vector Regression,SVR）理论为基础,提出了一种新的基于SVR的小波域盲水印算法。算法核心思想是先对图像进行小波分解,然后利用图像小波分解后的子图系数之间的关系和图像局部相关性获得SVR训练模型,并利用SVR训练模型在小波域嵌入和提取水印。该算法以保证鲁棒性和透明性的良好平衡为前提,实现了数字水印的盲检测。仿真实验表明,该文算法不仅具有较好的透明性,而且对JPEG压缩和一般的图像处理具有很强的鲁棒性,其整体性能明显优于现有基于SVM的空间域上的水印算法。     

自然语言水印隐蔽性自动评测方法

对自然语言水印(NLW)隐蔽性评测的缺乏严重影响了该领域技术的发展,为此,结合NLW的特点和语言心理学,以人类对语言释义的速度及难易程度为依据,提出了NLW隐蔽性的感知模型和相应的评测方案：从语法错误、搭配错误和语义损失三个方面对隐蔽性进行评测。最后,针对四种不同水印技术(基于绝对同义词替换的T-Lex水印系统、相对同义词替换水印系统、基于句法树的水印系统和中文句法水印系统),一方面利用该方案进行自动评测,另一方面进行置信度为90%的人工评测。两种方法得到了相同的结论：基于词汇的NLW技术的隐蔽性优于基于句子的NLW技术,说明该自动评测方法是评测NLW隐蔽性的有效评测方法。     

基于神经网络的自适应彩色图像盲水印算法

文中提出的算法是自适应地将水印嵌入,并利用神经网络实现水印的盲提取。首先将二值水印嵌入到YIQ色彩空间的Y分量小波分解的低频系数中,为达到平衡水印图像的鲁棒性和不可见性,嵌入的强度是根据人类视觉特性自适应调整至最佳;利用BP神经网络的学习和自适应的特性和一段已知序列训练神经网络,可实现水印的盲提取;在神经网络的输入信号计算上提出选择邻域窗口为3*3方形窗口比十字窗口具有更好的实验效果。仿真实验结果表明该算法对常用的图像处理具有较好的鲁棒性和不可见性。     

小波域音频水印综述

该文对基于小波变换的数字音频水印算法做了概要性的介绍,由于其良好的局部性时频分析特性和多分辨率分析,小波变换在数字音频版权保护领域有很好的应用效果。对基于小波变换的数字水印技术的相关概念和现有方法进行了描述与分析,另外,对基于小波变换的数字音频水印技术的未来发展方向和前景进行了预测。