基于混沌扩频和能量系数差的音频盲水印算法

提出一种基于混沌扩频和能量系数差的小波域数字音频盲水印算法。采用混沌扩频序列对原始水印进行加密,小波算法对原始音频信号进行分解,引入心理声学模型选取适当的阈值,根据高频系数分量和低频系数分量的能量差值与阈值的大小关系,实现对水印信息的嵌入、提取和盲检测。在提取过程中结合线性伸缩恢复的方法消除时间轴上线性伸缩带来的影响。实验结果表明,该算法对多种音频文件的操作和攻击均具有良好的鲁棒性。     

广播监视中的安全视频水印算法

分析广播监视应用中对视频片段及水印的双重认证问题,基于三维离散小波变换,提出一种高安全性的鲁棒视频水印算法。该算法生成视频哈希值,并用私钥对版权信息和哈希值进行签名,由生成的签名和哈希值构建待嵌入的水印,以实现广播监视中对视频片段及水印的双重认证。理论分析和实验结果表明,该算法对于广播监视应用具有较好的安全性和鲁棒性。     

低对比度下水印图像缺陷检测

在主成分分析(PCA)及核主成分分析(KPCA)进行特征提取基本原理的基础上,提出了一种改进的提取非线性的图像特征来重建图像方法,应用于嵌入式防伪水印图案缺陷的检测。该方法使得图像协方差矩阵维数大幅下降,且有效地保留了嵌入式防伪水印图案的信息,通过比较检测出图像的缺陷。实验结果表明,该方法对输入数据实现了有效的降维,缩短了计算时间,提高了检测效果和精确度。KPCA算法相比原有的PCA算法具有更高的性能指标,适用范围更广。     

图像无损压缩技术分析与性能比较

讨论了目前常用图像无损压缩算法的基本原理和实现方法,并对这些方法的性能做了分析比较。通过实验表明,基于整数小波变换的压缩方法具有较好的压缩比。针对无损压缩比低的问题,提出根据图像特点首先采用预测编码方法或整数小波变换方法降低图像信息量,再使用熵编码方法的方案能较好地提高压缩比。     

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。     

基于对数变换的DWT-SVD域水印算法研究

提出了一种基于小波变换和奇异值分解的水印算法。首先将置乱加密后的图像无重叠地分成32×32子块,对各个子块进行小波变换和奇异值分解后,然后选择部分奇异值进行对数运算,最后依据水印信息位进行水印的嵌入。实验结果表明该算法既能保证水印的不可见性又拥有抗JPEG压缩的稳健性,对恶意篡改敏感,能够有效的将JPEG压缩与恶意篡改区分开来。     

非抽样Contourlet变换的盲数字水印

根据非抽样Contourlet变换的特性,提出一种非抽样Contourlet变换域的盲水印算法,算法选择在具有最大能量的中高频子带中嵌入水印,在对水印进行加密后,利用密钥生成PN序列,根据水印值的不同PN序列嵌入宿主图像的方式也不同。提取水印不需要原始图像,利用NSCT变换系数与PN序列的相关性系数提取水印,实现盲提取。实验证明算法具有一定的不可见性和鲁棒性,具有很强的抗JPEG压缩的鲁棒性。     

基于Curvelet变换的鲁棒信息隐藏算法

基于图像分块的Curvelet变换,根据Detail尺度层系数变化在脊形区域内能量守恒的特点,块量化嵌入秘密信息,提出一种鲁棒性较好的盲提取信息隐藏算法.实验结果表明,该算法选择Detaill和Detail2尺度层可以提高嵌入容量,适应于抗JPEG压缩的隐蔽通信;仅选择Detaill尺度层嵌入可以获得更强的鲁棒性,满足...     

一种综合空域和时频域的数字水印算法

提出一种空域和时频域相结合的多分辨率灰度图像水印算法。该算法对原始载体图像进行离散小波分解,并对灰度水印图像先进行拉普拉斯金字塔分解再进行位平面分解。将水印图像位平面分解系数嵌入到原始图像的水平和垂直分量上,水印嵌入小波系数的位置由具有混沌特性的Arnold映射确定,从而实现水印的盲提取。实验结果证明,该算法对图像的普通处理,如噪声、滤波、剪切、JPEG压缩和旋转等,均具有较好的鲁棒性。     

量子逻辑电路中控制点失效错误的定位

确保可逆电路的正确性与可靠性,错误检测必不可少,错误定位难度更高.通过分析发现当可逆电路中规模为k的可逆门发生控制点失效时仅对2<'n-k>个输入向量的输出产生影响,据此给出了一种把当前错误集分成若干个子集的方法生成控制点失效错误定位树.传统的错误定位方法都是通过生成真值表和错误表来产生错误定位树;该方法不需要生成和存储真值表以及错误表就能够有效定位电路中控制点失效错误.与Rfault算法相比,空间复杂度和时间复杂度更小,算法效率更高,能应用于更大规模的电路.