基于灰色理论和DWT的彩色图像数字水印方案

基于灰色理论以及图像小波变换的特点,提出基于灰关联理论以及小波变换的彩色图像数字水印方案,方案将水印嵌入到彩色载体图像各个颜色分量的DwT域垂直细节频带系数上,结合人类视觉系统实现水印的不可见性.根据系数间的灰关联大小对水印进行提取,提取时不需要原始裁体图像,实现了水印的盲提取.实验证明,该方案不仅可以更好地保持原始图像的感知质量而且对一些常见的攻击如 JPEG 和中值滤波等具有较好的鲁棒性.     

基于时空混沌和小波域HVS模型的图像扩频水印

数字水印为数字媒体版权保护的有效方法。本文利用小波分析的优良性质,结合基于小波变换域中的视觉门限模型,选择在图像的较低频子带的重要系数中加入一定幅值的水印,水印为基于时空混沌的二值序列,它具有良好的随机性、不可见性和健壮性。检测时,根据水印图像提取的待测水印和水印序列的相似性来判断水印是否存在。模拟实骀结果表明,该方案具有良好的效果。     

基于小波变换和人类视觉系统的稳健水印算法

提出了一种基于小波和人类视觉系统的稳健数字水印算法,首先将宿主图像进行小波分解,根据人类视觉系统求出重要小波系数,然后将灰度水印图像通过Arnold变换进行置乱,最后将置乱后的水印信息加入到宿主图像的重要小波系数中.提取水印信号需使用置乱密钥.置乱密钥的使用提高了置乱算法的安全性,使水印的安全依赖于密钥.在小波域中利用人类视觉系统使嵌入水印的图像具有较好的鲁棒性.数值实验和理论分析表明,该算法针对各种攻击具有很好的鲁棒性和更高的安全性.     

一种基于小波变换和人类视觉系统的自适应水印算法

提出了一种以灰度图像为水印并用随机序列置乱水印的基于WT域的新的自适应水印算法.首先,将小波变换后的图像的小波系数组成小波子图块,然后根据人类视觉系统(HVS)特性,多参数对小波子图块进行分类.根据分类结果,结合小波变换特征,将不同强度的水印嵌入到不同的小波子图块中.实验结果表明,所提出的算法具有较好的鲁棒性.     

一种基于小波变换的彩色图像数字水印算法研究

文章提出了一种在彩色图像的绿色分量中嵌入水印的方案,嵌入过程在小波变换域进行.原始二值水印图像按比例进行分解,结合HVS原理,将分解的水印图像嵌入到绿色分量的低频和中低频三级小波变换系数中.实验结果证明,该水印方案能有效地抵抗加性噪声、图像剪切等攻击,具有较强的鲁棒性。     

基于小波变换和视觉感知特性的盲水印算法

借鉴基于视觉感知特性的图像压缩思想，提出了一种基于小波变换和视觉感知特性的自适应盲水印算法．首先，将载体图像进行小波变换，利用视觉系统的照度掩蔽特性和纹理掩蔽特性把载体小波系数分为9类．其次，对二值水印图像分别进行3次不同的置乱，得到3个随机水印序列．最后依据载体图像小波系数的分类，将3个随机水印序列以不同强度嵌入到3个方向的小波系数中．该算法在抽取水印图像时不需要原始载体图像和原始水印图像．实验结果表明，该算法对裁剪、JPEG压缩、加噪、图像增强、滤波等处理都有很好的抵抗力。     

基于小波分解的数字水印技术

分析了一种基于小波变换数字水印方案。该方案利用小波变换对图像进行多级分解,通过计算自适应域值确定要嵌入随机数字水印信息的系数。以高斯分布的随机数作为水印信息,水印嵌在除HL1、LH1、HH1外的图像3级DWT分解的7个子带中。实验结果表明,水印具有良好隐蔽性和鲁棒性。     

基于ICA和DWT的自适应盲水印算法

为了使数字水印具有较强的鲁棒性和不可见性,提出一种基于独立分量分析（ICA）和离散小波变换（DWT）的自适应鲁棒性盲水印算法.该算法先将载体图像进行小波变换,然后将原始水印进行平铺和置乱,再根据噪声可见函数（NVF）的视觉掩蔽作用,将其自适应地嵌入到载体图像小波变换域的低频系数上,最后利用ICA技术实现了水印盲提取.实验结果表明,该算法的水印不可见性较好,且可抵抗多种常见水印攻击,其中对JPEG压缩、尺度缩放等攻击的鲁棒性较突出,可应用于图像的版权保护.     

一种基于超混沌的水印算法

提出了一种基于超混沌的小波域数字图像水印算法.首先利用改进的Arnold变换,对二值原始水印图像进行置乱,再产生一超混沌序列对其加密,然后将水印信息嵌入原始图像小波域的低频系数,使得水印方案具有双重安全性.实验结果表明,该算法对JPEG压缩、图像加噪、剪切等攻击方式具有较强的鲁棒性,并且实现了盲检.     

使用置乱技术和DCT变换的小波域数字水印

本文提出了一种基于小波域的数字水印方案.在嵌入图像之前,对水印进行置乱处理,对图像的小波系数使用离散余弦变换.实验证明,这种方法对常规图像处理有很好的鲁棒性.     

小波域上基于神经网络的数字水印算法

提出了一种基于BPN神经网络的水印算法.首先,对数字图像进行小波分解;其次,在小波域内选择水印位嵌入的系数块;最后,利用神经网络从嵌入水印的图像中恢复原始水印信息.实验结果表明:这种水印算法具有很好的性能.     

可无损恢复的小波域可见数字水印算法

文章研究了可无损恢复的小波域可见数字水印算法,该算法是为了适应将可见水印作为标签或版权标识,并且接收端的授权用户可将水印完全去除的应用环境。该算法基于亮度对比模型,并结合用户密钥将水印图像特征自适应嵌入到宿主图像的高频和低频系数中。实验结果表明,该算法嵌入的水印具有较强的鲁棒性,授权用户可无损恢复出原始图像,反之,非授权用户则不能在保证图像质量的前提下完全去除水印。     

一种优化的小波域图像水印技术

为了满足数字水印的安全性、隐蔽性、鲁棒性等特性,本文提出了小波域图像水印技术。有意义图像通过二维混沌加密算法生成水印,使其具有更好的安全性。水印嵌入过程中,利用遗传算法,选择和修改小波系数,将水印嵌入到宿主图像。实验结果显示,有较好的隐蔽性和鲁棒性效果。     

Wavelet-Based Denoising Attack on Image Watermarking

In this paper, we propose wavelet-based denoising attack methods on image watermarking in discrete cosine transform (DCT) or discrete Fourier transform (DFT) domain or discrete wavelet transform (DWT) domain. Wiener filtering based on wavelet transform is performed in approximation subband to remove DCT or DFT domain watermark, and adaptive wavelet soft thresholding is employed to remove the watermark resided in detail subbands of DWT domain.     

一种基于小波变换的同步音频水印算法

提出了一种基于小波变换的同步音频水印算法.该算法具有以下特点:(1)利用同步信号定位水印的嵌入位置,以提高水印提取的正确率.同步信号嵌入时域,用于提高搜索效率;同时又再次嵌入在小波变换域,用于提高其正确性.(2)根据音频的局部相关特性自适应确定量化步长,并将水印信息量化嵌入到小波变换域的低频系数中.仿真实验表明:该同步自适应音频水印算法不仅具有较好的透明性,而且对诸如低通滤波、有损压缩、重采样等攻击均具有较好的鲁棒性.     

一种新的小波域正交数字水印方案

提出一种基于人眼视觉模型、 小波变换和正交向量的数字水印方案. 首先对原始图像进行8×8的分块, 然后对每小块进行小波变换, 进而对水印图像进行调制, 并加入到原始图像中, 形成带水印图像, 最后进行小波反变换得到含有水印的图像. 在水印检测过程中, 根据实际需要提出了非盲水印和盲水印两种检测方案. 根据正交向量的特点通过假设检验的方 法提取水印. 实验表明, 这种方法能有效检测出水印图像, 并对常见的水印攻击（如裁剪、 JPEG压缩等）具有良好的鲁棒性, 尤其对信号增强或减弱抗攻击性强.     

一种基于小波树结构的彩色水印嵌入算法

提出了一种基于小渡树的彩色水印嵌入算法.该算法对图像的R,G,B分量分别进行小波变换,通过小波树的各层系数和它们之同的关系,对各低频子带进行分类,并根据人眼的视觉特性,对不同的区域采用不同的嵌入强度,使嵌入的不可见性和鲁棒性得到很好的效果,在提取时不需要原始图像,是一种盲水印算法.实验表明,该算法简单高效,可嵌入信息容量大,不可见性好.对一般的图像处理和攻击如:JPEG压缩,加噪声,剪切,滤波等具有很好的鲁棒性.     

小波变换和子采样在彩色图像水印中的应用

为了实现对多媒体数据版权的有效保护,采用小波变换和图像子采样技术,提出一种彩色图像水印新算法.水印嵌入时,先对宿主图像在YIQ色彩空间中的Y分量进行子采样,并对得到的4个子图像分别进行二级离散小波变换,然后,将经Arnold变换置乱后的水印图像嵌入到小波变换后的低频子带中,其嵌入位置由TD-ERCS混沌系统产生的混沌序列确定.采用盲提取算法进行水印提取.研究结果表明:嵌入水印后的图像质量高,水印隐蔽性好:水印图像能抵抗JPEG压缩、噪声、滤波、图像锐化、直方图均衡化、剪切和旋转等攻击,鲁棒性好;用于水印提取的密钥空间大,增强了水印的安全性.     

Digital Watermarking Algorithm Based on Wavelet Transform and Neural Network

An effective blind digital watermarking algorithm based on neural networks in the wavelet domain is presented. Firstly, the host image is decomposed through wavelet transform. The significant coefficients of wavelet are selected according to the human visual system （HVS） characteristics. Watermark bits are added to them. And then effectively cooperates neural networks to learn the characteristics of the embedded watermark related to them. Because of the learning and adaptive capabilities of neural networks, the trained neural networks almost exactly recover the watermark from the watermarked image. Experimental results and comparisons with other techniques prove the effectiveness of the new algorithm.