基于神经网络和多小波变换的数字水印算法

格式：pdf
大小：228.35 KB
文档页数：5

Ｊｏｕｒｎａｌ　ｏｆ　Ｓｏｕｔｈｅａｓｔ　Ｕｎｉｖｅｒｓｉｔｙ（Ｅｎｇｌｉｓｈ　Ｅｄｉｔｉｏｎ）Ｖｏ１．２３，Ｎｏ．２，ＰＰ．２１　１—２１５　Ｊｕｎｅ　２００７　ＩＳＳＮ　ｌ００３—７９８５　Ｄｉｇｉｔａｌ　ｗａｔｅｒｍａｒｋｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｉｎ　ｍｕｌｔｉｗａｖｅｌｅｔ　ｄｏｍａｉｎ　

Ｗａｎｇ　Ｚｈｅｎｆｅｉ　・　Ｓｏｎｇ　Ｓｈｅｎｇｌｉ　（　Ｃｏｌｌｅｇｅ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｈｕａｚｈｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ　４３００７４，Ｃｈｉｎａ）　（　Ｃｏｌｌｅｇｅ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｚｈｅｎｇｚｈｏｕ　Ｕｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ　４５０００１，Ｃｈｉｎａ）　（。Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｃｏｎｔｒｏｌ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｕａｚｈｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ　４３００７４，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ａ　ｎｏｖｅｌ　ｂｌｉｎｄ　ｄｉｇｉｔａｌ　ｗａｔｅｒｍａｒｋｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ　ａｎｄ　ｍｕｌｔｉｗａｖｅｌｅｔ　ｔｒａｎｓｆｏｒｍ　ｉｓ　ｐｒｅｓｅｎｔｅｄ．Ｔｌｌｅ　ｈｏｓｔ　ｉｍａｇｅ　ｉｓ　ｄｅｃｏｍｐｏｓｅｄ　ｔｈｒｏｕｇｈ　ｍｕｌｔｉｗａｖｅｌｅｔ　ｔｒａｎｓｆｏｒｍ．Ｔｈｅｒｅ　ａｒｅ　ｆｏｕｒ　ｓｕｂｂｌｏｃｋｓ　ｉｎ　ｔｈｅ　ＬＬ－　ｌｅｖｅｌ　ｏｆｔｈｅ　ｍｕｌｔｉｗａｖｅｌｅｔ　ｄｏｍａｉｎ　ａｎｄ　ｔｈｅｓｅ　ｓｕｂｂｌｏｃｋｓ　ｈａｖｅ　ｍａｎｙ　ｓｉｍｉｌａｒｉｔｉｅｓ．Ｗａｔｅｒｍａｒｋ　ｂｉｔｓ　ａｒｅ　ａｄｄｅｄ　ｔｏ　ｌｏｗ－　ｆｒｅｑｕｅｎｃｙ　ｃｏｅｆｆｉｃｉｅｎｔｓ．Ｂｅｃａｕｓｅ　ｏｆ　ｔｈｅ　ｌｅａｒｎｉｎｇ　ａｎｄ　ａｄａｐｔｉｖｅ　ｃａｐａｂｉｌｉｔｉｅｓ　ｏｆ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ，ｔｈｅ　ｔｒａｉｎｅｄ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ　ａｌｍｏｓｔ　ｅｘａｃｔｌｙ　ｒｅｃｏｖｅｒ　ｔｈｅ　ｗａｔｅｒｍａｒｋ　ｆｒｏｍ　ｔｈｅ　ｗａｔｅｒｍａｒｋｅｄ　ｉｍａｇｅ．Ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｄｅｍｏｎｓｔｒａｔｅ　ｔｈａｔ　ｔｈｅ　ｎｅｗ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｒｏｂｕｓｔ　ａｇａｉｎｓｔ　ａ　ｖａｒｉｅｔｙ　ｏｆ　ａｔｔａｃｋｓ，ｅｓｐｅｃｉａｌｌｙ，ｔｈｅ　ｗａｔｅｒｍａｒｋ　ｅｘｔｒａｃｔｉｏｎ　ｄｏｅｓ　ｎｏｔ　ｒｅｑｕｉｒｅ　ｔｈｅ　ｏｒｉｇｉｎａｌ　ｉｍａｇｅ．　Ｋｅｙ　ｗｏｒｄｓ：ｄｉｇｉｔａｌ　ｗａｔｅｒｍａｒｋｉｎｇ；ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ；ｍｕｌｔｉｗａｖｅｌｅｔ　ｔｒａｎｓｆｏｒｍ　

Ｉｎ　ｔｈｅ　ｐａｓｔ　ｄｅｃａｄｅ，ａｓ　ｔｈｅ　ｄｅｌｉｖｅｒｙ　ａｎｄ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ｏｆ　ｍｕｌｔｉｍｅｄｉａ　ｉｎｆｏｒｍａｔｉｏｎ　ｂｙ　ｕｓｉｎｇ　ｃｏｍｐｕｔｅｒ　ｎｅｔｗｏｒｋｓ　ｈａｓ　ｂｅｃｏｍｅ　ｅａｓｉｅｒ，ｔｈｅ　ｄｉｆｆｉｃｕｌｔｙ　ｏｆ　ｐｒｏｔｅｃｔｉｎｇ　ｄｉｇｉｔａｌ　ｉｍａｇｅｓ　ｆｒｏｍ　ｉｌｌｅｇａｌ　ｃｏｐｉｅｓ　ａｎｄ　ｒｅｐｒｏｄｕｃｔｉｏｎ　ｈａｓ　ｔｕｒｎｅｄ　ｏｕｔ　ｔｏ　ｂｅ　ｍｏｒｅ　ｃｈａｌｌｅｎｇｉｎｇ．Ｔｏ　ｏｖｅｒｃｏｍｅ　ｔｈｉｓ　ｍａｊｏｒ　ｐｒｏｂｌｅｍ，ｄｉｇｉｔａｌ　ｗａｔｅｒｍａｒｋｉｎｇ　ｉｓ　ｃｕｒｒｅｎｔｌｙ　ｃｏｎｓｉｄｅｒｅｄ　ａｓ　ｔｈｅ　ｍｏｓｔ　ｃｏｎｖｅｎｉｅｎｔ　ａｎｄ　ｐｒｏｍｉｓｉｎｇ　ｔｅｃｈｎｉｃａｌ　ｓｏｌｕ．　ｔｉｏｎ…．Ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｗａｔｅｒｍａｒｋｉｎｇ　ｉｓ　ｔｈｅ　ｐｒｏｃｅｓｓ　ｏｆ　

ｅｍｂｅｄｄｉｎｇ　ｄｉｒｅｃｔｌｙ　ｓｏｍｅ　ｄｉｇｉｔｉｚｅｄ　ｉｎｆｏｒｍａｔｉｏｎ　ｉｎｔｏ　ｔｈｅ　ｈｏｓｔ　ｉｍａｇｅ　ｂｙ　ｍａｋｉｎｇ　ｓｍａｌｌ　ｍｏｄｉｆｉｃａｔｉｏｎｓ　ｔｏ　ｔｈｅ　ｉｍａｇｅ　ｗｉｔｈ　ａ　ｆｏｒｍ　ｉｍｐｅｒｃｅｐｔｉｂｌｅ　ｔｏ　ｔｈｅ　ｈｕｍａｎ　ｅｙｅ．Ｓｕｃｈ　ａ　ｗａｔｅｒｍａｒｋ　ｍｕｓｔ　ｂｅ　ｒｅｓｉｓｔａｎｔ　ａｇａｉｎｓｔ　ａｔｔａｃｋ．Ｔｈｕｓ，ｔｈｅ　ｄｉｇｉｔａｌ　ｗａｔｅｒｍａｒｋｉｎｇ　ｃａｎ　ｂｅ　ｕｓｅｄ　ｔｏ　ｉｄｅｎｔｉｆｙ　ｔｈｅ　ｒｉｇｈｔ－　ｆｈｌ　ｏｗｎｅｒ．　Ｉｎ　ｇｅｎｅｒａｌ，ｄｉｇｉｔａｌ　ｗａｔｅｒｍａｒｋｉｎｇ　ｓｃｈｅｍｅｓ　ｃａｎ　ｂｅ　ｐｅｒｆｏｒｍｅｄ　ｉｎ　ａ　ｓｐａｔｉａｌ　ｄｏｍａｉｎ　ａｎｄ　ａ　ｔｒａｎｓｆｏｒｍ　ｄｏｍａｉｎ，　ｗｈｅｒｅ　ｔｈｅ　ｐｒｏｐｅｒｔｉｅｓ　ｏｆ　ｔｈｅ　ｕｎｄｅｒｌｙｉｎｇ　ｄｏｍａｉｎ　ｃａｎ　ｂｅ　ｅｘｐｌｏｉｔｅｄ．Ｓｐａｔｉａｌ　ｄｏｍａｉｎ　ｓｃｈｅｍｅｓ　ｄｉｒｅｃｔｌｙ　ｅｍｂｅｄ　ｍｅｓ－　ｓａｇｅｓ　ｉｎ　ｐｉｘｅｌｓ　ｏｆ　ａｌｌ　ｉｍａｇｅ．Ｔｈｅ　ｌｅａｓｔ　ｓｉｇｎｉｆｉｃａｎｔ　ｂｉｔ　（ＬＳＢ）ｓｃｈｅｍｅ　ｉｓ　ｔｈｅ　ｍｏｓｔ　ｃｏｍｍｏｎ　ａｎｄ　ｔｈｅ　ｅａｓｉｅｓｔ　ｍｅｔｈｏｄ　ｆｏｒ　ｅｍｂｅｄｄｉｎｇ　ｍｅｓｓａｇｅｓ　ｉｎ　ａｎ　ｉｍａｇｅ．Ｃｅｌｉｋ　ｅｔ　ａ１．ｐｍｐｏｓｅｄ　ａ　ｇｅｎｅｒａｌｉｚｅｄ　ＬＳＢ（ｇ－ＬＳＢ）ｅｍｂｅｄｄｉｎｇ　ａｌ－　ｇｏｒｉｔｈｍＬ　．ｗｈｉｃｈ　ｃａｎ　ｉｎｔｒｏｄｕｃｅ　ｓｅｖｅｒａｌ　ａｄｄｉｔｉｏｎａｌ　ｐｏｉｎｔｓ　ａｌｏｎｇ　ｔｈｅ　ｃａｐａｃｉｔｙ－ｄｉｓｔｏｒｔｉｏｎ　ｃｕｒＶｅ．Ｂｕｔ　ｔｈｅ　ｄｉｓ－　ａｄｖａｎｔａｇｅ　ｉｓ　ｉｔｓ　ｌｏｗｅｒ　ｓｅｃｕｒｉｔｙ　ａｎｄ　ｐｒｏｎｅｎｅｓｓ　ｔｏ　ｄｉｓｔｏｒ－　ｔｉｏｎ．Ｆｏｒ　ｔｒ￣ｓｆｏｒｒｎ　ｄｏｍａｉｎ　ｍｅｔｈｏｄｓ．ｉｍａｇｅｓ　ａｒｅ　ｔｒａｉｌｓ．　ｆｏｒｍｅｄ　ｔｏ　ａ　ｆｒｅｑｕｅｎｃｙ　ｄｏｍａｉｎ，ａｎｄ　ｔｈｅｎ　ｍｅｓｓａｇｅｓ　ａｒｅ　ｅｍｂｅｄｄｅｄ　ｉｎｔｏ　ｔｈｅ　ｆｒｅｑｕｅｎｃｙ　ｃｏｅｆｆｉｃｉｅｎｔｓ，ｓｕｃｈ　ａｓ　ｔｈｅ　

Ｒｅｃｅｉｖｅｄ　２０ｏ６．１０＿２０．　Ｆｏｕｎｄａｔｉｏｎ　ｉｔｅｍ：Ｔｈｅ　Ｎａｔｉｏｎａｌ　Ｎａｔｏｍ１　Ｓｃｉｅｎｃｅ　Ｆｏｕｎｄａｔｉｏｎ　ｏｆ　Ｃｈｉｎａ　（Ｎｏ．６０４７３０１５）．　Ｂｉｏｇｒａｐｈｙ：Ｗａｎｇ　Ｚｈｅｎｆｅｉ（１９７３一），ｍａｌｅ，ｄｏｃｔｏｒ，ａｓｓｏｃｉａｔｅ　ｐｒｏｆｅｓｓｏｒ，　ｗｚｆｅｉ＠ｚｚｕ．ｅｄｕ．ｃａ．　

ｄｉｓｃｒｅｔｅ　Ｆｏｕｒｉｅｒ　ｔｒａｎｓｆｏｒｍ（ＤＦＴ），ｔｈｅ　ｄｉｓｃｒｅｔｅ　ｃｏｓｉｎｅ　ｔｒａｎｓｆｏｒｍ（ＤＣＴ）　Ｊ，ａｎｄ　ｔｈｅ　ｄｉｓｃｒｅｔｅ　ｗａｖｅ１ｅｔ　ｔｒａｎｓｆｏｒｍ　（Ｄ、ⅣＴ）１４１．Ｕｓｕａｌｌｙ，ｔｈｅ　ｔｒａｎｓｆｏｒｍ　ｄｏｍａｉｎ　ｓｃｈｅｍｅ　ｉｓ　ｍｏｒｅ　ｒｏｂｕｓｔ　ｉｎ　ｒｅｓｉｓｔｉｎｇ　ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ　ａｔｔａｃｋｓ　ｔｈａｎ　ｔｈｅ　ｓｐａｔｉａｌ　ｄｏｍａｉｎ　ｓｃｈｅｍｅ．Ａｍｏｎｇ　ｔｈｅ　ｔｒａｎｓｆｏｒｍ　ｄｏ．　ｍａｉｎ　ｗａｔｅｒｍａｒｋｉｎｇ　ｔｅｃｈｎｉｑｕｅｓ．ｏｎｅｓ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　Ｄ、ⅣＴ　ａｒｅ　ｇ：ｕｍｎｇ　ｍｏｒｅ　ｐｏｐｕｌａｒｉｔｙ．　Ｄｉｅｔｌ　ｅｔ　ａ１．ｕｓｅｄ　ｗａｖｅ１ｅｔ　ｆｉｌｔｅｒ　ｐａｒａｍｅｔｅｒｉｚａｔｉｏｎ　ａｓ　ａ　ｓｅｃｒｅｔ　ｔｒａｎｓｆｏｒｍ　ｄｏｍａｉｎ　ｔｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｓｅｃｕｒｉｔｙ　ｏｆ　ｔｈｅ　ｗａｔｅｒｍａｒｋｉｎｇ　ｍｅｔｈｏｄ　４。．Ｗａｎｇ　ａｎｄ　Ｌｉｎ　ｐｒｏｐｏｓｅｄ　ｗａｖｅｌｅｔ　ｔｒｅｅ　ｂａｓｅｄ　ｗａｔｅｒｍａｒｋｉｎｇ　ａｌｇｏｒｉｔｈｍｓ　Ｌ　．Ａ　ｎｅｗ　ｗａｖｅｌｅｔ　ｂａｓｅｄ　ｗａｔｅｒｍａｒｋｉｎｇ　ｓｃｈｅｍｅ　ｆｏｒ　ｃｏｐｙｒｉｇｈｔ　ｐｒｏ－　ｔｅｃｔｉｏｎ　ｏｆ　ｄｉｇｉｔａｌ　ｉｍａｇｅｓ　ｉｓ　ｐｒｅｓｅｎｔｅｄ　ｉｎ　Ｉ　ｆ．［６】．　Ｇｈｏｕｔｉ　ｅｔ　ａ１．ｐｒｏｐｏｓｅｄ　ａ　ｒｏｂｕｓｔ　ｗａｔｅｒｍａｒｋｉｎｇ　ａｌｇｏ－　ｒｉｔｈｍ　ｕｓｉｎｇ　ａ　ｂａｌａｎｃｅｄ　ｍｕｌｔｉｗａｖｅｌｅｔ　ｔｒａｎｓｆｏｒｍＬ７１．　Ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ｅｘｉｓｔｉｎｇ　ｍｏｄｅｌｓ　ｂａｓｅｄ　ｏｎ　ｓｃａｌａｒ　ｗａｖｅ．．　

１ｅｔｓ，ｔｈｉｓ　ｗａｔｅｒｍａｒｋｉｎｇ　ｓｙｓｔｅｍ　ｃｌｅａｒｌｙ　ｓｈｏｗｓ　ｔｈｅ　ｃａｐａｃ－　ｉｔｙ　ｇａｉｎｓ．Ｉｔ　ｉｓ　ｒｏｂｕｓｔ　ａｇａｉｎｓｔ　ｔｙｐｉｃａｌ　ｗａｔｅｒｍａｒｋ　ａｔｔａｃｋｓ．　Ａｎｏｔｈｅｒ　ｗａｙ　ｔｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｐｅｒｆｏｒｍａｎｃｅ　ｏｆ　ｗａｔｅｒ－　ｍａｒｋｉｎｇ　ｓｃｈｅｍｅｓ　ｉｓ　ｔｏ　ｍａｋｅ　ｕｓｅ　ｏｆ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｔｅｃｈｎｉｑｕｅｓ．１］ｈｅ　ｄｉｇｉｔａｌ　ｗａｔｅｒｍａｒｋｉｎｇ　ｐｒｏｂｌｅｍ　ｃａｎ　ｂｅ　ｖｉｅｗｅｄ　ａｓ　ａｎ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｐｒｏｂｌｅｍ．Ｔｈｅｒｅｆｏｒｅ，ｉｔ　ｃａｎ　ｂｅ　ｓｏｌｖｅｄ　ｂｙ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ．Ａｐｐｌｉｃａｔｉｏｎｓ　ｏｆ　ｎｅｕｒａｌ　ｎｅｔ．　ｗｏｒｋｓ　ｔｏ　ｓｅｔｔｌｅ　ｗａｔｅｒｍａｒｋｉｎｇ　ｐｒｏｂｌｅｍｓ　ｈａｖｅ　ｂｅｅｎ　ｒｅ．　ｓｅａｒｃｈｅｄ．Ｙｕ　ｅｔ　ａ１．ｐｒｏｐｏｓｅｄ　ａ　ｓｅｍｉ．ｐｕｂｌｉｃ　ｗａｔｅｒｍａｒｋ－　ｉｎｇ　ｂａｓｅｄ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｆｏｒ　ｃｏｌｏｒ　ｉｍａｇｅｓ【　．Ｔｈｅｉｒ　ｍｅｔｈｏｄ　ｃａｎ　ｇｒｅａｔｌｙ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｐｅｒｆｏｒｍａｎｃｅ　ｏｆ　Ｋｕｔｔｅｒ’ｓ　ｔｅｃｈｎｉｑｕｅ【　．　Ｄｕｅ　ｔｏ　ｔｈｅ　ｆａｃｔ　ｔｈａｔ　ｔｈｅ　ｗａｔｅｒｍａｒｋｉｎｇ　ｓｃｈｅｍｅ　

ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｄｉｓｃｒｅｔｅ　ｍｕｌｔｉｗａｖｅｌｅｔ　ｔｒａｎｓｆｏｒｍ（Ｄ＾　１　ｉｓ　ｒｏｂｕｓｔ　ａｇａｉｎｓｔ　ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ　ａｔｔａｃｋｓ　ａｎｄ　ｔｈｅ　ｌｅａｒｎｉｎｇ　ａｎｄ　ａｄａｐｔｉｖｅ　ｃａｐａｂｉｌｉｔｉｅｓ　ｏｆ　ｔｈｅ　ｎｅｕｒａｌ　ｎｅｔ－　

基于Arnold置乱和小波变换的数字水印算法

ＫｅＯｄ：Ａｒｏｄ；ＷａｌｔＴａｆｒ；ＤｉｉａｔｒａｋｙＷｒｎｌｖｅｅｒｎｓｏｍｇ算机技术的发展和网络技术的推广，网络信息安
的最小自然数ｎ：
全已经成为大众关注的热点。信息隐藏技术作为信息安全的
电脑编程技巧与维护
基于Ａｎｌ置乱和小波变换的数字水印算法ｒｏｄ
郑杰辉
（门海洋职业技术学院，厦门３１１）厦６０２
摘
要：深入讨论了基于Ａｎｌ乱和小波变换的数字水印算法，使用Ａｎｌｒｏｄ置ｒｏｄ变换将水印图像置乱，通过小波变
ＷａｅｅｒｎｆｒｖｌｔＴａｓｏｍ
唧Ｇｉｈ／Ｊｅｕ
（ａｎｏｅｌｖｃｔｎｌｃｌｇＸｉｍｅ６１）Ｘｉｍｅｃａｌｏａｉａｏｌｅ，ａｎ３０２ｏｅ
Ａｂｔａｔｓｒｃ：ＴｉａｅｉｃｓｅｈｉｉｌｗｔｒｒｉｇａｇｒｈｂｓｄｏａｅｅｒｎｆｒａｄＡｒｏｄｓｒｍｂｉｇＦｒｔｈｓｐｐｒｄｓｕｓｄｔｅｄｇｔａｅｍａｋｎｌｏｉｍａｅｎｗｖｌｔｔｓｍｎｎｌｃａｌ．ｉａｔａｏｎｓｕｉｇＡｒｏｄｔｎｆｒｔｅｗｔｒａｋｉｇ，ｈｎｆｓｔｒａｋｉｇｎａｒｅｇｙｗａｅｅｒｎｆｒｏｃｍｐｅｅｓｎｎｌｒｓｏｍｈａｅａｍｒｍａｅｔｅｕｅｗａｅｍｒｍａｅａｄｃｒｒｉｅｂｖｌｔａｓｏｔｏｌｔｉｍａｔｍｏｅｅｅｄｄｗａｅｍａｋＥｘｅｉｎｓｓｏａｅａｇｒｈｈｓｂｔｒｅｅｄｄｐｒｏａｃｎｏｕｔｅｓｆｈｍｂｄｅｔｒｒ．ｐｒｔｍｅｔｈｗｔｔｔｌｏｉｍａｅｔｍｂｄｅｅｒｎｅａｄｒｂｓｓ．ｈｈｔｅｆｍｎ

基于提升小波变换的数字水印算法研究

Ｄ＝Ｄ＋Ｉ；
图１分割方式及嵌入水印方向
２ｉａＵ）０同时Ｄ是奇数；）（＝ｆ ‘
Ｅｌｅｓ；
Ｓｅ３对ｓｐｔ：ｔ２加密的数据进行［，，汉明编码，ｐｅ７３４】即把加密数据按顺序以四位为一个整体，分成多组数据分别进行『，３Ｓ７４ＦＬ，
中。
１水印的嵌入
本算法的嵌入过程由以下几个步骤构成：Ｓｐ：ｔｌ对原始图像进行ＲＢ分解，ｅＧ准备对图像的绿色分量
进行水印嵌入。Ｓｐ：ｔ２将二值水印做Ｌｇｔ混沌加密，ｅｏｉｉｓｃ得到混沌密钥ｓｅｅｄ
以及Ｕ。
Ｓｅ５对近似系数Ｃｔ：ｐＡ进行分块，它分割成４部分（把分割方式如图１。分别嵌入相同的水印信息，每一部分嵌入水印）但时的方向不同。中左上角部分嵌入水印的方式为：其把数据分割成２×２子块ｂｃ，ｌｋ分别对各分割子块进行奇异值分解。ｏ
０引言
随着互联网络上数字多媒体传播的飞速发展，数字水印作为一种真实性和完整性的版权保护技术正受到越来越多的关注口自从上个世纪９１。０年代以来，针对数字水印技术的研究越来越深入和广泛。当前，人们广泛应用数字水印技术在视频点
播、子商务、信收发等方面，字水印技术已经成为新一代电彩数
产力的时空格局 Ⅱ．态学报，０５２（）１２－０３］生２０，５５：０６１３．【８１李永华，高阳华，韩逢庆等．重庆地区年气温与降水量变化特征及对ＮＰＰ的影响 Ⅱ．用气象学报，０７１（）７－９］应２０，８１：３７．【９】焦彩霞，郑光辉，东敏．孙陕西省植被净第一性生产力时空变化研究［＿农业科学，０８３（２：６４９８，７９７安徽１２０，６２）９８－６５９０．『１吕光辉，１０刘卫国．疆２生态系统净初级生产力研究［．新０年Ｉ１新疆大学学报，０８２（）８１，２２０，５１：－３２．

基于多小波的数字水印优化

基于多小波的数字水印优化徐升华;谭亮【摘要】In order to enhance the practicality of digital watermarking, watermark perceptibility and robustness must be ensured. Taking human visual system characteristics into account fully, a digital watermarking multi-objective optimization method is proposed. It utilizes Sa4 multi-wavelet to embed digital watermark, and uses multi-objective optimization method based on genetic algorithm to optimize and adjust the embedded depth to obtain optimal effect. Experiments show the new algorithm we proposed not only is robust to attacks, but also ensures the quality of watermarking-embed image.%为了提高数字水印的实用性,必须保证水印的鲁棒性和透明性,为此充分考虑人类视觉系统特性,提出了一种基于多小波的数字水印优化方法.该方法利用Sa4多小波基进行数字水印嵌入,引入多目标优化手段对其嵌入深度进行优化调整,得到最佳嵌入效果.通过遗传算法实现的结果表明,该算法不仅对水印的攻击具有强鲁棒性,且能兼顾载体图像的质量.【期刊名称】《管理学报》【年(卷),期】2011(008)012【总页数】4页(P1847-1850)【关键词】多目标优化;Sa4多小波;人类视觉系统;遗传算法【作者】徐升华;谭亮【作者单位】江西财经大学信息管理学院;江西财经大学信息资源研究所;江西财经大学信息管理学院;江西财经大学信息资源研究所【正文语种】中文【中图分类】C93;TP391.1数字水印作为一种解决数字产品版权问题的有效手段，已逐渐成为当今国际学术界的一个研究热点。

基于神经网络的数字音频双重语义水印算法

Ｖ＿０１．４２ＮＯ．２
ＭａＬ２Ｏｌ３
２０１３年３月
基于神经网络的数字音频双重语义水印算法
邢玲，马强，朱敏
（西南科技大学信息工程学院四川绵阳６２１０１０）
【摘要】基于语义的数字水印算法研究是当前数字音频内容管理领域的热点问题，该文设计基于统一内容定位技术的音频语义标引框架，建立数字音频语义水印模型。提出了基于ＲＢＦ神经网络的双重语义水印算法，该算法用ＩＦ神经网络自适应选择水印嵌入的最佳音频片段，用小波变换提取所选音频片段的近似分量和细节分量，分别在两种分量中嵌入不同的语义信息，形成双重语义水印，实现语义信息和原始音频信号的一体化传输。根据语义水印信息的不同属性描述，实现音频资源的有效检测与监督。实验结果表明，当嵌入信息量较大的语义水印时，该算法仍有较好的鲁棒性和不可听性。关键词双重语义水ｃＦ；ＲＢ申经网络；同步码；统一内容定位
ｂｅｓｔｅｍｂｅｄｄｎｇｉｐｌａｃｅｏｆｗａｔｅｍａｒｒｋｎｇｉｎｉｈｅｔａｕｄｉｏｄａｔａｓｅｇｍｅｎｔ，ａｎｄｈｅｔｗａｖｅｌｅｔｔｒａｎｓｏｒｆｍｉＳａｌｓｏａｄｏｐｔｅｄｔｏｅｘｒａｔｃｔｈｅｔａｐｐｒｏｘｉｍａｔｅｗｅｉｇｈｔｎｄａｔｌｌｅｄｅｔａｉｌｃｏｍｐｏｎｅｎｔｏｆｈｅｔｓｅｌｅｃｔｅｄａｕｄｉｏｓｅｇｍｅｎｔ．Ｔｈｅｄｉｆｆｅｒｅｎｔａｕｄｉｏｎｄｉｅｘｎｇｉｎｆｉｏｒｍａｔｉｏｎａｓｄｕａｌｓｅｍａｎｔｉｃｗａｔｅｍａｒｒｋｎｇｉｒｅａｅｍｂｅｄｄｅｄｎｔｉｏｈｅｔｃｏｒｒｅｓｐｏｎｄｎｇｉａｕｄｉｏｓｉｇｎａｌ。ｎｄａｈｅｔ

下载提示

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

基于神经网络和多小波变换的数字水印算法

合集下载

基于Arnold置乱和小波变换的数字水印算法

基于提升小波变换的数字水印算法研究

基于多小波的数字水印优化

基于神经网络的数字音频双重语义水印算法

文档推荐

最新文档