基于轮廓波变换和奇异值分解的鲁棒性盲水印算法
发布时间：2021-10-16 15:16
数字化产品的飞速发展极大地刺激了人们对于私人内容的安全性需求。数字水印技术是一种保护数字产品版权的重要手段,通过将私人信息嵌入到图像、音频和视频这些数字载体中来进行身份认证。本文在研究传统变换域水印技术的基础上,设计并实现了两种盲水印算法。论文的主要研究工作如下:基于轮廊波变换（Contourlet Transform,CT）、离散余弦变换（Discrete Cosine Transform,DCT）、奇异值分解（Singular Value Decomposition,SVD）和加速鲁棒特征提取（Speed Up Robust Features,SURF）算法实现了一种抗几何攻击的盲水印算法。在水印嵌入过程中,首先使用轮廓波变换处理宿主图像,提取其低频子带来作为水印嵌入区域,然后利用离散余弦变换分解低频子带并提取出所有DCT中频系数。随后利用4种常见攻击手段测试所有DCT中频系数,并选择出8个最稳定的系数来构造2个2×2的载体矩阵。最后通过修改载体矩阵的最大奇异值来嵌入水印信息。在提取水印之前,基于加速鲁棒特征算法设计了一种同步机制来估计几何失真参数并校正受攻击图像。在水印提取过程中...
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
图１．１?ＤＣＴ分解结果??如图１．１所示，离散余弦变换能将一幅经典图像分解为三个部分：低频部分、??
??或是更亮的点??（２）特征点描述??为了满足尺度不变性，特征点需要在不同尺度空间提取，因此首先要构建??尺度空间。然后为每一个特征点确定主方向来获得旋转不变性。在特征点圆形??邻域内，统计６０°扇形范围内所有特征点水平、垂直方向的Ｈａａｒ小波特征总和。??随后旋转扇形，直到统计完圆形邻域内所有Ｈａａｒ小波特征值。所有扇形区域Ｈａａｒ??小波特征值最大扇形方向即为特征点主方向。最后计算图像的Ｈａａｒ小波响应来??生成特征矢量。??？?年?＊?ｎ??？?＼?＾??图１．２特征点主方向确定??（３）特征点匹配??通过计算两个特征点的欧式距离来确定匹配度，欧式距离越短就代表两个??特征点越匹配。为了增强匹配精确度，ＳＵＲＦ还加入了?Ｈｅｓｓｉａｎ矩阵轨迹判断，??如果两个特征点矩阵轨迹正负号相同，则表示两个特征点具有相同方向上的对??比度变化，如果矩阵轨迹正负号不相同，即使欧式距离为０也予以排除。??２．５?Ｃａｎｎｙ边缘检测??图像的边缘是图像最基本的特征，它指的是图像局部特征的不连续性，如??图像颜色的变化、灰度级的剧变和纹理的结构突变等。??常见的图像边缘检测算法有Ｓｏｂｅｌ、Ｐｒｅｗｉｔｔ、Ｒｏｂｉｎｓｏｎ、Ｌａｐｌａｃｅ和Ｃａｎｎｙｌ＾／＂？??等。其中Ｃａｎｎｙ边缘检测算法克服了传统边缘检测算法对噪声敏感，检测精度差??和抗干扰能力弱等缺点，在图像处理领域被广泛应用｜５６Ｌ?Ｃａｎｎｙ边缘检测算法具??体实现步骤描述如下：??⑴滤波??边缘检测算法主要通过计算图像强度的一阶和二阶倒数来确定，但是倒数??往往对噪声比较敏感。因此首先需要对图像进行高斯滤波来去除噪声。??９??
?第３章基于轮廓波变换和奇异值分解的鲁棒性盲水印算法???中频系数??Ｉ?２?６?７?，５?１；?２８?醒?Ｂ??３?５?８?１４?１７?２７?ｉ｜?１９??４?９?１３?１８?２６??１０?１２?１９?２５??ＩＩ?２０?２４???ｆ??—?！?：?？?ｒ?？？??２１?２３??１２?１４???？?＼１，??１８?２０??图３．１构造载体矩阵过程??（３）分别对两个载体矩阵应用奇异值分解，提取其最大奇异值。??［Ｕ＾Ｓ＾ＶＪ－ＳＶＤＣＭ，），?ｋ?＝?＼，２，?（３．２）??ｆｌ?＝?Ｓ，（ｌ，ｌ），?（３．３）??＾?＝?Ｓ２（１，１），?（３．４）??其中Ａ代表两个载体矩阵中的一个。Ｕｐ?％和Ｓ，是对应于载体矩阵经奇异??值分解后的结果。和６分别表示两个载体矩阵的最大奇异值。??（４）通过修改和办的数值大小嵌入水樱若Ｗｐ＝ｌ，贝忪＝五＋?Ａ且６?＝五－Ａ；??若Ｗｔ＝０，则ａ?＝?且６?＝五＋?Ａ。其中五＝＠，Ａ是嵌入强度因子。??２??（５）分别用《和６的值来替换载体矩阵的最大奇异值得到修改后奇异值矩阵Ｓ，??和Ｓ”??Ｓ；（ｌ，ｌ）?＝?ｆｌ，?（３．５）??Ｓ２（Ｕ）＝６．?（３．６）??（６）经过奇异值分解逆变换过后得到修改后的载体矩阵Ｍｊ和Ｍ２。??Ｍ＾Ｕ，Ｓ，Ｖ／，?ｋ?＝?ｌ，２．?（３．７）??将载体矩阵Ｍｊ和＼１；中所有的元素映射回其初始位置生成修改后系数矩??阵，再通过离散余弦变换逆变换得到修改后矩阵Ｃ，’。??通过重复步骤４，将所有水印信息嵌入到轮廓波变换的低频子带中。??步骤５：执行轮廓波变换逆变换生成含水印图像Ｉ。??１２?
【参考文献】：
期刊论文
[1]一种新的基于DWT、DCT和SVD的鲁棒水印算法[J]. 袁修贵,周振. 计算机工程与科学. 2011(01)
[2]数字水印的研究进展和应用[J]. 陈明奇,钮心忻,杨义先. 通信学报. 2001(05)
[3]数字水印处理技术[J]. 孙圣和,陆哲明. 电子学报. 2000(08)
本文编号：3440042
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
图１．１?ＤＣＴ分解结果??如图１．１所示，离散余弦变换能将一幅经典图像分解为三个部分：低频部分、??
??或是更亮的点??（２）特征点描述??为了满足尺度不变性，特征点需要在不同尺度空间提取，因此首先要构建??尺度空间。然后为每一个特征点确定主方向来获得旋转不变性。在特征点圆形??邻域内，统计６０°扇形范围内所有特征点水平、垂直方向的Ｈａａｒ小波特征总和。??随后旋转扇形，直到统计完圆形邻域内所有Ｈａａｒ小波特征值。所有扇形区域Ｈａａｒ??小波特征值最大扇形方向即为特征点主方向。最后计算图像的Ｈａａｒ小波响应来??生成特征矢量。??？?年?＊?ｎ??？?＼?＾??图１．２特征点主方向确定??（３）特征点匹配??通过计算两个特征点的欧式距离来确定匹配度，欧式距离越短就代表两个??特征点越匹配。为了增强匹配精确度，ＳＵＲＦ还加入了?Ｈｅｓｓｉａｎ矩阵轨迹判断，??如果两个特征点矩阵轨迹正负号相同，则表示两个特征点具有相同方向上的对??比度变化，如果矩阵轨迹正负号不相同，即使欧式距离为０也予以排除。??２．５?Ｃａｎｎｙ边缘检测??图像的边缘是图像最基本的特征，它指的是图像局部特征的不连续性，如??图像颜色的变化、灰度级的剧变和纹理的结构突变等。??常见的图像边缘检测算法有Ｓｏｂｅｌ、Ｐｒｅｗｉｔｔ、Ｒｏｂｉｎｓｏｎ、Ｌａｐｌａｃｅ和Ｃａｎｎｙｌ＾／＂？??等。其中Ｃａｎｎｙ边缘检测算法克服了传统边缘检测算法对噪声敏感，检测精度差??和抗干扰能力弱等缺点，在图像处理领域被广泛应用｜５６Ｌ?Ｃａｎｎｙ边缘检测算法具??体实现步骤描述如下：??⑴滤波??边缘检测算法主要通过计算图像强度的一阶和二阶倒数来确定，但是倒数??往往对噪声比较敏感。因此首先需要对图像进行高斯滤波来去除噪声。??９??
?第３章基于轮廓波变换和奇异值分解的鲁棒性盲水印算法???中频系数??Ｉ?２?６?７?，５?１；?２８?醒?Ｂ??３?５?８?１４?１７?２７?ｉ｜?１９??４?９?１３?１８?２６??１０?１２?１９?２５??ＩＩ?２０?２４???ｆ??—?！?：?？?ｒ?？？??２１?２３??１２?１４???？?＼１，??１８?２０??图３．１构造载体矩阵过程??（３）分别对两个载体矩阵应用奇异值分解，提取其最大奇异值。??［Ｕ＾Ｓ＾ＶＪ－ＳＶＤＣＭ，），?ｋ?＝?＼，２，?（３．２）??ｆｌ?＝?Ｓ，（ｌ，ｌ），?（３．３）??＾?＝?Ｓ２（１，１），?（３．４）??其中Ａ代表两个载体矩阵中的一个。Ｕｐ?％和Ｓ，是对应于载体矩阵经奇异??值分解后的结果。和６分别表示两个载体矩阵的最大奇异值。??（４）通过修改和办的数值大小嵌入水樱若Ｗｐ＝ｌ，贝忪＝五＋?Ａ且６?＝五－Ａ；??若Ｗｔ＝０，则ａ?＝?且６?＝五＋?Ａ。其中五＝＠，Ａ是嵌入强度因子。??２??（５）分别用《和６的值来替换载体矩阵的最大奇异值得到修改后奇异值矩阵Ｓ，??和Ｓ”??Ｓ；（ｌ，ｌ）?＝?ｆｌ，?（３．５）??Ｓ２（Ｕ）＝６．?（３．６）??（６）经过奇异值分解逆变换过后得到修改后的载体矩阵Ｍｊ和Ｍ２。??Ｍ＾Ｕ，Ｓ，Ｖ／，?ｋ?＝?ｌ，２．?（３．７）??将载体矩阵Ｍｊ和＼１；中所有的元素映射回其初始位置生成修改后系数矩??阵，再通过离散余弦变换逆变换得到修改后矩阵Ｃ，’。??通过重复步骤４，将所有水印信息嵌入到轮廓波变换的低频子带中。??步骤５：执行轮廓波变换逆变换生成含水印图像Ｉ。??１２?
【参考文献】：
期刊论文
[1]一种新的基于DWT、DCT和SVD的鲁棒水印算法[J]. 袁修贵,周振. 计算机工程与科学. 2011(01)
[2]数字水印的研究进展和应用[J]. 陈明奇,钮心忻,杨义先. 通信学报. 2001(05)
[3]数字水印处理技术[J]. 孙圣和,陆哲明. 电子学报. 2000(08)
本文编号：3440042
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3440042.html
