基于DWT和PNN的数字图像水印算法

针对数字信息在存储或传输过程中可能受到复制、攻击或修改的问题,提出一种基于DWT和PNN的数字图像水印算法.该算法在基于块的小波系数中选择最佳位置嵌入水印图像,采用PNN记录水印与对应图像之间的关系,在不需要原始图像和水印图像的情况下,从嵌入水印的图像中恢复水印.使用PSNR和NCC对算法进行不可见性和鲁棒性测试.实验结果表明,本文算法提取的水印图像具有优秀的不可见性和鲁棒性,能够有效应对不同类型的攻击.     

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.     

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．     

基于纠错编码的图像水印算法

本文提出了一个基于纠错编码的图像水印算法，在嵌入水印时先将水印信息进行纠错编码再嵌入到图像中，在提取水印时对恢复出的水印信息进行纠错解码，实验结果表明，该算法比未采用纠错编码的同一水印算法具有更好的稳健性能。     

基于多小波域双彩色图像的水印算法

本文利用多小波的优良性质结合人眼对蓝色不敏感的特性,提出了一种双彩色图像的水印算法.算法合理选择嵌入区域和嵌入强度,将彩色水印信息的各分量分别嵌入到彩色载体图像蓝色分量多小波域的中低频上,这样既可以保证算法的透明性又可以实现其鲁棒性.实验结果表明,本文算法具有透明性好、嵌入信息量大等特点,且对于多种常见攻击具有较好的鲁棒性,如：JPEG压缩、图像剪切、椒盐噪声、高斯噪声、speckle噪声、泊松噪声等.     

基于插值多小波的双彩色图像水印算法

根据插值多小波具有的优良性质,提出了一种双彩色图像水印新算法．该算法只须对彩色的宿主图像和含水印图像的R,G,B各分量分别进行多小波变换或逆变换就可实现,具有较高的执行效率．且实验证明该水印系统具有良好的透明性和鲁棒性．     

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.     

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。     

基于RGB通道和混沌系统的脆弱性多重水印算法设计与实现

根据脆弱性水印图像认证系统的要求,提出了一种基于RGB通道和混沌系统的脆弱性多重水印算法.利用通道将RGB彩色图像分解为3幅灰度图像,在图像的R,G,B通道上进行水印的处理,在不同的通道上可以嵌入多个水印,嵌入的水印数据量相对较大,而且多个水印可以起到多重保险的作用.通过密钥和阈值计算得到二值混沌序列,使得水印的嵌入不容易被篡改、攻击,其方法简单,容易实施,取得了较好的隐藏效果.     

基于数字全息及失真校正的抗打印扫描数字图像水印

提出一种基于数字全息及失真校正的抗打印扫描数字图像水印方法,将水印以数字全息图的方式隐藏在载体图像离散傅里叶变换(discrete Fourier transform, DFT) 幅度谱中,由载体图像纹理控制的峰值信噪比设定阈值,自适应调节水印嵌入强度. 该方法利用了数字全息图的特点,采用基于DFT和边缘检测算法校正打印扫描图像的旋转失真,因而可从打印扫描图像中准确提取水印信号. 相比以往同类水印算法,所提方法具有优良的不可见性和鲁棒性,以及较大的水印嵌入量.     

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.     

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．     

基于机群并行通信处理HCP的选播通信操作算法

在我们自行研制的并行通信处理器HPC基础上,给出了一种基于Hypercube互连网络环境下的通信处理器HCP的选播通信算法,该算法可实现网络上的一个HCP向其他任意多个HCP发送相同的Frame的操作。     

基于两级奇异值分解的鲁棒水印算法

为了平衡水印系统的不可见性和鲁棒性,提出一种新的基于旋转稳定区域和两级奇异值分解(singular value decomposition, SVD)分解的水印算法.在嵌入水印过程中,先选取像素近似无损的稳定区域,并对该区域进行冗余离散小波变换提取低频部分,进而进行分块处理;接着对各分块进行SVD分解,提取第1行第1列的奇异值构建特征矩阵,对特征矩阵进行第2次SVD分解;最后,选取合适的嵌入强度,将水印奇异值嵌入载体奇异值.在水印提取时,先对含水印信息的载体图像进行Radon旋转校正,再提取出水印信息.实验结果表明,该水印算法的峰值信噪比(peak signal-to-noise ratio, PSNR)可达到45 dB,在抵抗旋转攻击时,提取的水印归一化相关系数(normalized correlation, NC)值能达到0.90以上.该文所提的水印算法保证了水印的嵌入容量,且具有良好的不可见性和较高的鲁棒性,在数字版权保护中具有较高的实际应用价值.     

基于机群并行通信处理器HCP的完全广播通信操作算法

在作者自行研制的并行通信处理器HCP基础上,给出了一种基于Hypercube互连网络环境下的通信处理器HCP的完全广播通信算法,该算法可实现网络上每一个HCP向所有其他HCP发送相同的Frame的操作.     

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.     

基于特征变换的高光谱图像压缩快速矢量量化算法

矢量量化能够得倒良好的压缩效果但有着计算复杂度高的缺点.提出了一种基于特征变换的快速矢量量化算法来压缩高光谱图像.该算法利用了高光谱高维空间大都是空的,可以用较低的子空间来表示这一特点.在较低维数的子空间进行矢量量化会大大降低运算的复杂度.所提出的算法在获得和经典的扩展劳埃德算法效果相当的情况下,大大降低了运算时间.     

基于模糊集理论的图像增强算法

红外图像具有整体亮度偏暗、对比度较低、目标与背景区分不明显的特点。因此,在对红外图像进行分析之前,必须先对图像质量进行改善。传统的基于模糊集理论的Pal.King算法,在增强红外图像对比度的同时,丢失部分细节信息。在分析这一问题产生原因的基础上,结合图像反色和多分辨率图像融合等理论,提出了一种新的基于模糊集理论的图像增强算法,新的算法不仅能够提高红外图像的对比度,而且能很好的突出图像中不同层次的灰度信息和边缘信息,最重要是它能保持原始图像的细节信息。     

一种基于复杂网络的动态无功分区快速算法

基于电力网复杂网络模型,提出了一种电力网络的动态无功分区算法。该算法是由预分区和合并两个子算法构成,前者构造了备选分区矩阵,根据电力网络中节点的实时变化情况生成初始的分区;后者基于电力网模块度的概念进行初始分区合并,通过构造N叉树实现并行计算以减少算法运行时间。算法即保证分区内部无功平衡,又保证了分区划分的实时性要求,满足对智能电网进行无功分区的要求。