首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 359 毫秒
1.
提出了一种基于奇异值分解(SVD)以及最小二乘法(LS)的变换域水印算法.该水印算法属于非盲水印,利用水印图像的部分信息替代载体图像的信息,增强了算法的鲁棒性.仿真结果表明,该算法不但可以对抗一般的图像处理,并且对缩放、裁剪、旋转等几何攻击有较强的鲁棒性.  相似文献   

2.
提出了一种新的基于DCT-SVD的数字水印算法.该算法将图像分块后,先进行离散余弦变换,再进行奇异值分解,根据数字图像进行奇异值分解后得到的奇异值序列是递减的序列这一特性来嵌入水印.提取水印时不需要原始图像,所以本水印方案是盲的.实验结果表明,该算法不仅对几何失真具有很强的抵抗能力,而且对添加噪声、滤波及JPEG压缩也具有良好的鲁棒性.  相似文献   

3.
基于奇异值分解和独立分量分析,提出一种新的数字全息水印算法。该算法利用全息图的特点,采用数字全息图代替普通的二值图像作为水印图像,提高了水印算法的安全性。奇异值分解被应用于水印的嵌入过程中以提高水印算法抗几何攻击能力,并借助于独立分量分析实现全息水印图像的盲提取。实验结果表明,该算法能有效地抵抗JPEG 压缩、加噪、声滤波和对比度增强等常规攻击,同时,对旋转、平移、翻转和缩放等几何攻击也具有一定的鲁棒性。  相似文献   

4.
小波变换具有视觉上良好的稳健性及屏蔽性,但单一小波变换对裁剪、旋转和缩放攻击的抵抗性不足。该文结合图像奇异值在受到干扰时变化较小的特点,同时采用shamir门限方案,提出一种基于shamir和奇异值分解的多通道小波域数字图像水印算法,将分存的水印信息由多个通道嵌入在载体图像小波变换后的奇异值上,提取一定量水印即可恢复全部水印,在保证抗整体性攻击性能不减的前提下,大大提升了局部攻击抵抗性,达到数字水印鲁棒性,不可见性以及安全性方面的平衡,并实现了盲检测。  相似文献   

5.
针对含水印视频受几何攻击的问题,提出基于小波变换与奇异值分解的视频数字水印算法。在探讨离散小波变换和奇异值分解概念的基础上,对已有算法进行分析,探讨其中存在的问题。提出基于小波变换与奇异值分解的视频数字水印算法,并探讨水印设计的思路、嵌入和提取框架图,完成仿真实验。最后,将本文算法与其它算法进行水印鲁棒性和不可见性比较。实验表明,该算法对几何攻击具有强鲁棒性。  相似文献   

6.
研究了彩色图像水印算法,重点研究了彩色图像空间表示和转换关系、余弦变换、基于奇异值分解算法等。提出了一种彩色水印算法,该算法将彩色图像从RGB空间转换到HSV空间,并提取饱和度S分量,对S分量进行了DCT变换,从而获取低频信息,作为水印嵌入位置;在水印嵌入过程时,采用了基于奇异值分解的算法进行嵌入水印。为了检测该算法的鲁棒性,对该算法进行了加入高斯噪声、椒盐噪声、JEPG压缩、几何等方式攻击。结果表明,该算法能有效地抵抗JPEG压缩攻击,对加入噪声攻击也表现了较好的鲁棒性。  相似文献   

7.
为了提高数字水印的鲁棒性和抗攻击能力,提出了一种基于Contourlet变换的新型数字水印算法.该方法从水印预处理和嵌入方式2个方面入手,用Arnold置乱来预处理水印数据,通过对载体图像进行奇异值分解(SVD)处理来寻找最合适的嵌入位置. 载体图像经过Contourlet变换后,对中频子带进行SVD分解以得到SVD数值,将Arnold置乱后的水印分散嵌入到中频子带的SVD参数中,再经过Contourlet反变换得到嵌入水印后的载体图像. 在提取端,Contourlet水印的提取采用半盲检测提取方法. 仿真结果表明,与传统Contourlet算法和结合SVD的Contourlet算法相比,所提出的算法具有更好的隐藏性能和鲁棒性. 同时,在保证安全性能的基础上,当嵌入的水印受到高斯噪声、椒盐噪声、图像扩展、图像剪裁等攻击时,所提算法具有良好的鲁棒性能.  相似文献   

8.
数字水印技术是解决多媒体数字产品版权保护与信息完整性的有效方法。提出了一种基于离散小波变换和奇异值分解的盲数字水印算法,算法利用小波变换和矩阵奇异值本身的特性,将Arnold变换后的水印信息量化地嵌入到原始图像小波低频子带分块奇异值分解后的向量中。实验表明,该算法具有较好的透明性和鲁棒性。  相似文献   

9.
提出了在一种离散小波变换域内实现图像水印的方法。这种算法充分利用小波变换的特点,把原始图像及水印图像塔式分解,在多分辨率分解后的相同的频段来嵌入水印信息。该方法也利用了人眼视觉特性,算法简单而有效。实验证明,该算法较好地解决了水印不可见性与鲁棒性之间的矛盾,对常见的水印攻击都有较强的鲁棒性。  相似文献   

10.
网络技术和数字媒体的发展给数字产品的版权保护提出了一系列的挑战。本文采用一种新的图像置乱法,提出一种改进的数字图像水印算法,即基于给定图像的位平面分解和奇异值分解。仿真试验结果表明,该算法嵌入容量大,对jpeg压缩,噪声污染、常见几何攻击(文中以旋转为例)等具有明显的鲁棒性。  相似文献   

11.
提出一种基于奇异值分解和离散小波变换并应用计算机生成全息图作为水印图像的新算法.该算法结合了奇异值分解抗几何攻击能力强以及离散小波变换抗噪声、压缩等能力强的特点.实验表明,该算法能有效地抵抗旋转、平移、翻转和缩放等几何攻击,同时对滤波、加噪声、JPEG压缩、图像模糊、裁剪、锐化和对比度增强等常规攻击也有很强的鲁棒性.  相似文献   

12.
为提高数字水印的鲁棒性和不可见性,提出了一种基于QR分解和DNA序列的双彩色图像盲水印算法。首先利用DNA编码和耦合映射格子CML对彩色水印图像进行加密;然后将彩色宿主图像分割为4×4非重叠像素块,对每个像素块进行QR分解;最后通过改变矩阵R中第一行各数值关系,将DNA序列加密水印嵌入到宿主图像中。根据水印信息嵌入过程,设计相应的水印提取方案,在不依靠宿主图像和原始水印数据信息的情况下,从嵌入水印后的图像中提取水印图像。实验结果表明,该水印方案不仅透明度高,而且有较好的鲁棒性。  相似文献   

13.
新的基于奇异值分解和小波变换的图像水印技术   总被引:2,自引:0,他引:2  
基于传统的奇异值分解技术和小波变换技术,这里将两种技术相结合,提出了一种新的数字图像水印技术。将灰度水印图像嵌入到了载体小波变换分解后的中频子带。仿真实验结果表明,该算法比较有效,能够抵抗多种攻击,具有较好的鲁棒性和透明性。  相似文献   

14.
吴捷 《教育技术导刊》2018,17(12):92-95
基于离散小波变换与奇异值分解提出一种新型数字水印算法,其主要目的是提供一种合适的解决方案,以降低几何攻击带来的影响。为了达到该目标,将宿主图像分为4个互不重叠的子图,然后使用DWT-SVD技术分别在其中嵌入水印。水印的冗余可以降低裁剪攻击造成的影响。此外,为了应对诸如旋转、平移等几何攻击,提出一种校正技术,通过边缘检测与对所需图像边角的获取,以重构遭受几何攻击的图像。实验结果表明,与其它水印算法相比,该方案对常见的信号处理与几何攻击都具有较强的鲁棒性。  相似文献   

15.
提出一种基于曲波的彩色图像盲水印算法.该算法使用Arnold映射作为混沌系统,对水印图像做预处理,根据人眼的视觉特性,抽取人眼最不敏感的Q分量做曲波变换,并且对曲波的低频系数分块进行SVD分解,将水印以一定的深度嵌入到每个分块的最大奇异值上.实验证明,该算法透明性好,抗攻击能力强,是一种有效的图像鉴定算法.  相似文献   

16.
提出了一种基于混沌映射的小波域公开水印算法,该算法中水印是一幅有意义的二值图像,水印嵌入前利用混沌序列进行混沌调制.在分析图像小波分解系数的树结构关系以及人眼视觉系统模型的基础上,在宿主图像的两棵小波系数树中嵌入一位水印信息,通过量化使它们呈现足够大的统计差别从而使水印检测时能提取水印信息,并且检测时不需要原始图像和原始水印.实验结果表明,此方法是一种行之有效的图像版权保护方法.  相似文献   

17.
与传统基于DWT和SVD的数字水印算法不同,该算法将原始载体图像进行DWT变换后,对低频子带进行分块处理,再对每个子块进行奇异值分解,并进行水印嵌入。大量实验证明,该算法既满足数字水印的不可见性,又对各类攻击具有较强的鲁棒性。  相似文献   

18.
介绍了矩阵奇异值分解的基本原理,分析了现有基于SVD的图像水印算法的缺陷.这种缺陷导致了提取出的水印结果并不是先前嵌入的水印,这样就无法应用于版权保护.  相似文献   

19.
针对传统视频水印算法鲁棒性和安全性较差的问题,提出了一种新的结合双树复小波变换(DT-CWT)和奇异值分解(SVD)的视频半盲水印方法。算法首先从视频中提取I帧,其数量和位置均由用户决定,具有良好的保密性。I帧的亮度分量经DT-CWT变换的系数有较强的鲁棒性、更佳的重构效果、灵活的水印嵌入位置以及更多的方向选择性,SVD分解后的奇异值具有良好的抗几何失真不变性。同时还生成了一个随机密钥,有效提高了视频水印的安全性。实验结果表明,该算法对视频质量的影响较小,并且能有效抵御高斯噪声、椒盐噪声、JPEG压缩、直方图均衡化、帧交换、帧删除及帧平均等多种攻击,具有较强的鲁棒性。  相似文献   

20.
在图像矩阵的奇异值中嵌入隐秘信息,这样的嵌入算法鲁棒性很强,但嵌入的信息量却很有限.本算法是将图像矩阵分解为若干小的矩阵序列,使用将每个小矩阵的奇异值进行量化的方法嵌入隐秘信息,这样既增强了算法的鲁棒性,也提高了算法的信息隐藏量.实验结果表明该算法可行,并且可以抵抗多种攻击.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号