基于Android平台的实时图像视频水印处理方法

针对现有研究的算法很难用在智能手机等低计算性能设备上的问题,提出基于Android平台的实时图像视频水印处理方法.该方法基于离散余弦变换(DCT),采用预定义的水印对智能手机相机拍摄的图像及视频进行实时水印添加,将水印嵌入实时捕获的宿主图像中.基于Android平台开发APP应用程序,使用默认的智能手机摄像头捕捉图像,通过OpenCV实现实时视频处理和数字水印嵌入处理,并将图像保存到外部存储中.实验结果表明,所提方法基于不同的质量因子均能保持较稳定的峰值信噪比(PSNR)和平均平方误差(MSE),能够较好地适用于智能手机等低计算性能设备.     

一种基于分数余弦变换的数字图像水印算法

提出了一种基于分数余弦变换的数字图像水印算法.将原始图像分块并利用人类视觉系统的掩蔽效应将图像块分类,选择变换域中幅值较大的系数自适应地修正嵌入强度,以嵌入二值水印图像.实验结粜表明该算法能有效地保持图像的质量,并且对常见的图像处理如噪声叠加、JPFG压缩、均值滤波、图像缩放和图像裁剪等比余弦变换域中修改低频系数的水印算法具有更强的鲁棒性.     

基于归一化图像的小波域水印算法

提出了一种基于小波变换的抗几何攻击数字图像盲水印算法.首先本算法以基于矩的图像归一化技术和不变质心理论为基础,获得嵌入水印的兴趣区域.其次,将得到的兴趣区域分成4块,分别对其进行小波变换后将其中3个低频子带嵌入水印,而将另一个低频子带计算量化步长.然后,将水印利用量化调制方式自适应地嵌入到小波域的低频系数.实验结果表明,该算法不仅具有较好的不可感知性,而且对几何攻击和常规信号处理都具有较好的稳健性.     

一种自适应音频双水印算法

提出了一种自适应音频双水印算法,算法既能对音频作品的版权进行保护,又能有效地证明其真实性,检测是否遭到篡改.该算法具有以下特点：⑴连续多次嵌入鲁棒水印,以提高水印提取的正确率,增强水印的鲁棒性,嵌入次数根据音频信息量自适应调整;⑵使用不同的量化算法嵌入不同作用的水印;⑶嵌入强度根据音频自身特征选取;⑷在提取水印的过程中不需要原始音频的参与.仿真实验表明：该双水印算法不仅具有较好的不可感知性,而且具有较好的鲁棒性和敏感性.     

一种基于DCT与DWT的自适应图像水印算法

提出了一种基于DWT和DCT的自适应图像水印算法．该算法以DWT和DCT变换为基础,自适应选择水印嵌入位置,并且根据HVS亮度掩蔽模型对水印嵌入强度自适应调节．实验证明,本文算法对JPEG压缩、噪声等常规信号处理操作都具有相当好的鲁棒性．     

基于SVD-DWT的音频盲水印

提出了一种基于奇异值分解和离散小波变换的音频盲水印方法,将原始音频数据进行小波变换,提取低频分量分块奇异值分解后,利用置乱加密处理的水印图像,量化选取的奇异值,实现水印的嵌入过程.利用图像置乱和奇异值分解方法,提高了水印的不可感知性.另外在水印的检测与提取过程中不再需要原始载体数据,更加利于实际中的应用.通过MATLAB仿真实验表明,水印隐藏效果好,而且对多种攻击具有较好的鲁棒性.     

基于小波变换极大模算法的数字水印技术

提出一种新颖的在小波变换极大模域中嵌入的基于多尺度边缘的数字水印方法。利用小波变换极大模表示的几乎完全重构和奇异性刻画等优点来得到图像的一种稀疏表示,其中系数较大点表示了图像之中的感知重要的结构性边缘。因此,给定一幅图像,首先计算其二进小波变换,它的两个部分分别和该点处梯度向量成比例,则可以得到该点处的模和幅角信息,通过沿幅角给定的方向寻找模值的局部极大值来得到图像的多尺度边缘。通过取阀值和选择正Lipschitz指数的点来选取嵌入位置,将视觉可识别的图形冗余地嵌入到多尺度边缘中而保留幅角信息不变,经过逆小波极大模变换就可得到嵌入了水印信息的图像。实验结果表明该方法具有较高的保真度和极强的抗有损压缩的能力。     

基于通信分析理论和快速响应代码的数字图像水印算法

提出了一种利用通信分析理论和快速响应代码的数字水印算法.首先数字水印的问题被分别解释为一种含有水印数据表示法的信号通讯问题,嵌入水印和攻击检测作为一种信源编码、信道编码和衰减检测问题.然后,使用快速响应代码形式的数据表示法,使得任何形式的嵌入数据都能被使用,如商标或标签,扩展了可用性;最后,将含密代码嵌入到宿主图像一级DWT域的HH中,并使用一种独特的图像注册码来匹配检测恶意攻击,提升了攻击鲁棒性.从实验数据可以看出,该文算法在大多数情况下拥有最高的PSNR、SSIM和NCC值,且在隐藏性和抗攻击鲁棒性方面优于其他优秀算法.     

基于DWT和随机森林的运动自动分类方法

为了对运动员训练过程中的运动进行自动分类,以可穿戴式惯性传感器采集的信息为基础,提出了一种基于离散小波变换(DWT)和随机森林分类器的分类方法 .首先,通过佩戴于身体特定部位的微型加速度计和陀螺仪,采集速度和角度信息,从而估计出运动员的膝关节和髋关节的运动角度.然后,通过DWT从关节角度信息中提取特征.接着,利用提取的特征集来训练随机森林分类器,以此实现运动的自动分类.实验结果表明,该方法能够有效分类出多类运动,具有较高的分类精度.     

基于小波与分形理论的数字水印算法

数字水印技术以其特有的优越性可以应用在版权保护、非法拷贝、保密通信等诸多领域,具有重要的应用意义和实用价值．本文提出了基于小波变换和分形理论的数字水印算法,有效的缩减了传统分形编码方法的时间复杂度．     

一种基于离散小波变换的数字水印技术

针对图像软件对宿主图像进行JPEG有损压缩、缩放、锐化等常见编辑操作会对嵌入的数字水印造成无意攻击,导致水印信息提取困难的问题,提出一种的基于离散小波变换技术的改进数字水印技术.首先考虑到JPEG标准压缩算法对亮度分量全保留的原理,选择宿主的亮度分量嵌入数字水印信息,以增强鲁棒性;然后根据人类视觉系统原理：人类对45°角分量最不敏感的原理选择YUV颜色模型中的Y分量的二级小波分解的对角区域cD2作为水印嵌入区;并在算法中通过控制嵌入信息强度满足了水印的隐蔽性.最终的实验结果表明该算法对JPEG有损压缩具有很强的鲁棒性,并对缩放、锐化、模糊和旋转等几种常见图像处理造成的无意攻击具有一定的鲁棒性.     

一种基于HVS的彩色图像数字水印算法

采用了基于RGB比例的自适应彩色图像水印技术,通过DCT变换来进行嵌入,利用HVS特性和8×8图像块中RGB的比例自适应地调整水印嵌入强度;在保持不可见的前提下提高了鲁棒性.实验表明,本算法对一些常见的图像操作具有较强的抵抗力.     

基于图像置乱变换的数字水印算法研究

结合Arnold变换,提出了一种基于图像置乱变换和小波变换的数字水印算法.首先对被隐藏图像进行Arnold置乱,把主图像划分为n×n区域,对每个区域进行3次离散小波变换,再利用算法把待隐藏信息嵌入各个区域的中频子带和高频子带,实施多处信息隐藏以提高其鲁棒性.对提出的算法进行了仿真实验,并对嵌入信息的图像进行各种攻击测试.实验表明,该算法对嵌入信息具有不可见性和良好的鲁棒性.     

融合IWT与SVD的鲁棒和隐蔽性数字图像水印方案

针对数字图像水印的鲁棒性和隐蔽性问题,提出一种基于整数小波变换(IWT)和奇异值分解(SVD)的图像水印方案.首先,利用整数小波变换将宿主图像变换到小波域.然后,在获得的每个频带上进行奇异值分解,并根据比例因子将水印嵌入奇异值中.最后,在权衡考虑鲁棒性和隐蔽性下,利用粒子群优化(PSO)算法获得最优的比例因子.实验结果表明,该水印方案对常见的图像处理操作具有较好的鲁棒性,同时保持了优良的隐蔽性.     

一种支持向量回归机的音频水印算法

为了同时保证算法的不可感知性与鲁棒性,提出了一种新的支持向量回归机音频水印算法．该算法首先对音频进行小波变换,然后选取稳定的低频系数的相邻均值向量、左邻域斜率向量、右邻城斜率向量作为支持向量回归机训练模型,利用支持向量回归机训练模型嵌入和提取水印信息．仿真实验表明,算法对常规的信号处理及攻击均具有较好的鲁棒性,与经典的基于小波变换的量化算法相比,具有很好的不可感知性,另外,在水印检测时不需要原始音频,实现了水印的盲检测．     

基于奇异值分解的DWT域数字水印算法

本文提出了一种基于奇异值分解的DWT域数字水印算法。首先用Aronld算法对水印图像进行置乱;然后对原始载体图像进行小波变换,同时对低频系数进行奇异值分解;最后将加密后水印宽、高放大到合适尺寸,并嵌入载体图像DWT域的低频子带的奇异值中,完成了水印嵌入。仿真结果表明,本算法嵌入的水印不仅能保证较高的可见性,同时能够很好地抵抗多种攻击,有较好的鲁棒性。     

基于傅里叶变换的自适应抗打印扫描水印算法

基于近似均匀对数极坐标变换以及傅里叶频域(discrete Fourier transform, DFT)感知通道分解,提出了一个兼顾鲁棒性和隐蔽性的盲水印算法,以抵抗普通打印扫描攻击.首先在频域分解得到中频嵌入环形区域,通过对数极坐标变换并结合局部频谱特性将水印自适应嵌入DFT中频区域,进而利用空间掩蔽对空间域图像进行失真补偿.理论分析和实验结果表明该算法具有良好的隐蔽性,对普通的打印扫描处理也获得了良好的鲁棒性.     

基于小波变换图像压缩技术的研究

介绍了小波变换理论,利用小波变换实现图像压缩,指出了小波变换的优越性,根据图像压缩性能的评价标准与传统的DCT变换压缩图像作了比较,结果表明:基于小波变换图像压缩方法的性能要优于DCT变换.     

基于NSCT和全变差模型的医学图像去噪

分析了非下采样Contourlet变换(nonsubsampled Contourlet transform,NSCT)和全变差模型的特点,提出将NSCT和全变差混合模型应用于医学图像去噪.首先,通过NSCT变换将含噪图像分解,运用Visu萎缩阈值将NSCT系数进行处理,得到初次去噪图像.然后,采用全变差模型对初次去噪图像进一步处理得到最终去噪图像.实验结果表明:该方法可以很好地保留图像细节,无论在客观上的峰值信噪比还是主观上的视觉效果都优于其他去噪方法.     

基于水印神经网络的可溯源DNN模型保护方法

针对深度神经网络（deep neural networks, DNN）模型安全与版权认证的问题,提出了一种多用户溯源的水印神经网络模型,通过密钥驱动生成水印图像,将其不可见地嵌入待保护目标模型的输出图像中,实现DNN模型的知识产权保护和版权追踪。在待保护的DNN模型中添加一种编解码器网络实现水印的嵌入,并使用双流篡改检测网络作为判别器,解决了模型的输出图像中可能出现的水印残留问题,提升了水印嵌入过程的不可感知性,减少了对DNN模型性能的影响,增强了安全性。此外,通过本文设计的双阶段训练法针对不同用户分发不同的含水印模型,当发生版权纠纷时,使用另一个残差网络可以从输出图像中提取水印图像。实验证明,本方法分发含水印的模型效率较高,并且即使对多个用户分发了嵌入相似水印图像的DNN模型,水印神经网络依然可以成功对模型进行溯源。