当前位置:主页 > 科技论文 > 软件论文 >

基于图像纹理的数字水印算法研究

发布时间:2021-08-13 06:44
  随着互联网的快速发展,科学技术给人们生活带来快速便捷的同时,网络信息安全问题也成了目前亟待解决的问题。其中一项安全问题就是关于网络上一些盗版产品、信息篡改等一系列信息安全问题,由此传统的加密算法技术广泛应用起来。随着技术的不断革新,传统的加密算法在传输的过程中易暴露加密的信息,从而数字签名技术发展起来,由于数字签名技术能够保证数据在传输的过程中提供有效的保护,但这是以牺牲在数据中加入大量的签名作为代价,从而所需的额外空间大,要求载体的容量较高。随着科技的进步,大量的高保真、高精度、高要求设备的出现使得传统的加密算法和数字签名技术逐渐受到质疑。为了解决前面两个技术带来的缺陷,数字水印技术被研究者们提出,目前数字水印技术,在医学、军事、工程方面具有很好的研究发展前景。在本文中,灰度图像被用作研究对象,通过分析图像纹理特征,以及考虑到人眼感官的敏感性,构建了基于图像纹理特性的可逆水印算法,本文的主要工作如下:(1)针对当前基于灰度共生矩阵的水印算法留有嵌入容量较小的问题,提出一种将灰度共生矩阵与人眼视觉相结合的水印算法。此方法有效考虑了图像块的纹理特性和人眼的灵敏度,并且使用每个图像子块具有... 

【文章来源】:江西理工大学江西省

【文章页数】:65 页

【学位级别】:硕士

【部分图文】:

基于图像纹理的数字水印算法研究


嵌入水印前后图像

容量,水印,复杂度,出水


实验结果见图 4.8:(a)原水印 (b)提取的水印图4.8 容量为32768bit 提取前后的水印图像根据本章的水印提取规则,提取水印时,能够准确的提取出水印的嵌入位置,所以水印的相似度较高;但当嵌入水印信息量较大时,由于嵌入位置的子块复杂度越来越低,造成提取具体编码信息的准确度降低,故提取出水印的 PSNR 较低,但人眼仍可以准确的辨识出水印的内容。4.5 本章小结本章提出一种结合纹理复杂度和 JND 模型的图像水印算法。先后介绍了纹理复杂度和JND 值的理论计算公式,然后通过图像子块纹理复杂度与 DCT 域的 JND 值建立了水印嵌入模型,通过实验仿真对比分析了本章算法的有效性,并且可以完整的提取出水印信息。本算法适合在对图像品质有较高要求的领域,例如:法律、军事、医学等。

水印,相似度,文献,辨识度


37(a)原水印 (b)提取的水印 (c)文献[6]提取的水印图4.7 提取前后的水印图像如图 4.7 所示,本章算法获取的水印较文献[6]算法辨识度更高一些。文献[6]提取出水印的相似度为 91.79%,水印的 PSNR 为 37.7097dB;本章方法提取的水印相似度为97.55%,水印的 PSNR 为 49.2851db。从实验结果来看,在小容量水印的嵌入提取中,本章的改进算法更能准确的提取出水印的正确信息。文献[6]的嵌入规则限制了水印的嵌入容量,该法的嵌入上限为 16384bit,而本章方法在嵌入 32768bit 水印信息时,本章方法提取的水印相似度为 87.21%

【参考文献】:
期刊论文
[1]基于QR码和Schur分解的感兴趣区域水印算法[J]. 王晓红,孙业强.  光电子·激光. 2017(04)
[2]灰度共生矩阵纹理特征选块的可逆图像水印[J]. 李淑芝,胡琴,邓小鸿.  光电子·激光. 2017(04)
[3]基于内积空间非空子空间变换关系的含水印彩色图像特征分析[J]. 马玲,张晓辉.  计算机学报. 2017(05)
[4]多光谱遥感影像的灰度与纹理信息测度方法[J]. 刘凤珠,张景雄,林宗坚,阳柯.  武汉大学学报(信息科学版). 2016(03)
[5]自适应尺度还原的抗旋转全息水印技术[J]. 包观笑,孙刘杰,刘玄玄,聂鹏,李毓彬,潘子兰.  光电子·激光. 2015(07)
[6]结合灰度和基于动态窗口的纹理特征的遥感影像分类[J]. 黄祥,杨武年.  测绘科学技术学报. 2015(03)
[7]分区域的医学图像高容量无损信息隐藏方法[J]. 邓小鸿,陈志刚,梁涤青,毛伊敏.  通信学报. 2015(01)
[8]一种基于DCT的序列分组水印算法[J]. 张浩,杨永健,韩鸿莺.  计算机应用研究. 2014(11)
[9]基于纹理分解的变换域JND模型及图像编码方法[J]. 郑明魁,苏凯雄,王卫星,兰诚栋,杨秀芝.  通信学报. 2014(06)
[10]基于自适应差值扩展的彩色图像可逆数据隐藏[J]. 熊志勇,王江晴.  光电子.激光. 2011(01)

博士论文
[1]鲁棒数字水印算法研究[D]. 肖尚勤.华中科技大学 2008

硕士论文
[1]基于离散小波变换的数字水印算法研究[D]. 叶闯.浙江大学 2012



本文编号:3339963

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3339963.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户24692***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com