基于小波域的自适应图像数字水印算法研究

论文摘要

随着计算机、网络和通信技术的飞速发展,特别是Internet的普及,信息的安全保护问题日益突出。因此,多媒体数字产品愈来愈需要一种有效的版权保护方法, 而数字水印在数字媒体版权保护方面的作用引起了人们极大的关注。本文研究了用于图像版权保护的小波域自适应数字水印技术。首先介绍了数字水印的概念和基本原理,论述了数字水印的通用模型、基本特征、典型算法、攻击方法及性能分析方法,阐述了小波变换的理论及其在水印技术中的应用。在分析了数字水印算法研究的现状和所存在的问题的基础上,提出了四种新的小波域自适应图像数字水印算法。算法讨论如何获取最佳水印嵌入强度自适应嵌入水印。所提出的四种算法具体如下:考虑到人类视觉系统（HVS）特性和小波变换特性,提出了一种新的自适应水印算法。将小波变换后的图像的小波系数组成小波子块。根据人类视觉系统（HVS）特性,采用多参数对小波子块进行分类。根据分类结果,结合小波变换特性,将不同强度的水印嵌入到不同的小波子块中。基于小波包变换和块模糊分类,提出了一种新的自适应水印算法。用m-序列来控制原始图像小波包分解的结构,把适当的小波系数组成小波子块。根据人类视觉系统（HVS）模型和能量模型,对小波子块进行模糊分类。根据分类结果,将不同强度的二值水印嵌入到不同的小波子块中。考虑到神经模糊控制,提出了一种新的自适应图像水印算法。对原始图像进行小波变换,组织小波子块。从子块的视觉掩蔽性和能量强度两个方面,建立、训练神经模糊控制网络,得到每个小波子块嵌入水印的最优强度值。然后根据神经模糊控制得出的最优嵌入强度,将不同强度的水印嵌入到不同的小波子块中。基于量化技术,提出了一种自适应的灰度级盲水印算法。利用DWT压缩编码技术,有效地减少了灰度级水印的数据量。并且水印位置的选择和水印的嵌入强度是自适应于图像的。在提取过程中无需使用原始图像和其它参数。本文给出了所有提出的算法的实验数据,并进行了性能分析。实验结果表明,算法都具有良好的鲁棒性和不可见性。最后,总结了本文的工作,指出了待进一步研究的地方,并对数字水印的发展方向作了展望。

论文目录

• 第一章 引言
• 1.1 课题的背景、目的和意义
• 1.2 国内外研究现状
• 1.3 目前研究存在的问题
• 1.4 本文的研究工作和章节安排
• 第二章 数字水印概述
• 2.1 数字水印系统模型
• 2.1.1 数字水印的基本原理和特性
• 2.1.2 数字水印系统通用模型
• 2.2 数字水印的分类
• 2.3 数字水印的典型算法
• 2.3.1 时空域算法
• 2.3.2 频率域算法
• 2.3.2.1 DCT域算法
• 2.3.2.2 小波域算法
• 2.4 数字水印的攻击
• 2.5 数字水印的性能评估
• 2.5.1 不可见性的评估
• 2.5.2 鲁棒性的评估
• 第三章 小波变换及其在水印技术中的应用
• 3.1 小波变换理论
• 3.1.1 连续小波变换的概念
• 3.1.2 离散小波变换的概念
• 3.1.3 多分辨分析
• 3.1.4 Mallat算法及信号的小波分解与重构
• 3.2 小波包变换理论
• 3.2.1 小波包的概念
• 3.2.2 小波包分解
• 3.3 小波变换在水印技术中的应用
• 第四章 基于人类视觉系统和小波变换的自适应水印算法
• 4.1 引言
• 4.2 算法流程
• 4.2.1 水印嵌入算法流程
• 4.2.2 水印提取算法流程
• 4.3 算法的实现
• 4.3.1 水印预处理
• 4.3.2 水印嵌入
• 4.3.3 水印提取
• 4.4 实验结果与分析
• 4.5 结论
• 第五章 基于小波包变换和块模糊分类的自适应水印算法
• 5.1 引言
• 5.2 算法流程
• 5.2.1 水印嵌入算法流程
• 5.2.2 水印提取算法流程
• 5.3 算法的实现
• 5.3.1 水印预处理
• 5.3.2 水印嵌入
• 5.3.3 水印提取
• 5.4 实验结果与分析
• 5.5 结论
• 第六章 基于神经模糊控制的自适应图像水印算法
• 6.1 引言
• 6.2 算法基本原理
• 6.2.1 模糊神经网络
• 6.2.2 遗传算法优化网络参数
• 6.2.2.1 遗传算法
• 6.2.2.2 优化网络参数
• 6.2.3 采用自组织竞争网络来优化控制因子的模糊标记数
• 6.2.3.1 自组织竞争网络
• 6.2.3.2 优化控制因子的模糊标记数
• 6.3 算法流程
• 6.3.1 水印嵌入算法流程
• 6.3.2 水印提取算法流程
• 6.4 算法的实现
• 6.4.1 水印预处理
• 6.4.2 水印嵌入
• 6.4.3 水印智能提取
• 6.5 实验结果与分析
• 6.6 结论
• 第七章 基于自适应量化的灰度级盲水印算法
• 7.1 引言
• 7.2 算法流程
• 7.2.1 水印嵌入算法流程
• 7.2.2 水印提取算法流程
• 7.3 算法的实现
• 7.3.1 水印预处理
• 7.3.2 水印嵌入
• 7.3.3 水印提取
• 7.4 实验结果与分析
• 7.5 结论
• 结论
• 参考文献
• 致谢
• 个人简历
• 在学期间的研究成果及发表的学术论文