基于支持向量機(jī)的數(shù)字水印技術(shù)研究.pdf

1、計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)和多媒體處理技術(shù)的迅猛發(fā)展，使得多媒體信息的安全問題成為目前一個(gè)相當(dāng)重要而又富有挑戰(zhàn)性的研究課題。數(shù)字水印技術(shù)就是在這種背景下產(chǎn)生的并很快獲得了業(yè)界的廣泛重視，成為當(dāng)前發(fā)展最為迅速的領(lǐng)域之一。因此，針對(duì)不同的應(yīng)用領(lǐng)域，研究性能良好的數(shù)字水印系統(tǒng)有著重要的理論和現(xiàn)實(shí)意義。 將一種新的機(jī)器學(xué)習(xí)方法——支持向量機(jī)（SVM）引入數(shù)字水印領(lǐng)域，以期望最大限度地改善水印系統(tǒng)的綜合性能，同時(shí)也為支持向量機(jī)在圖像處理和信息安全領(lǐng)域

2、中的新的應(yīng)用進(jìn)行有益的探索。在對(duì)支持向量機(jī)理論分析的基礎(chǔ)上，針對(duì)目前數(shù)字水印技術(shù)的研究現(xiàn)狀和存在的一些不足，分析了支持向量機(jī)在數(shù)字圖像水印中可能潛在的一些應(yīng)用，針對(duì)其中的一些應(yīng)用進(jìn)行了深入的研究和探索。 研究了數(shù)字水印領(lǐng)域中支持向量機(jī)的參數(shù)選擇問題，提出一種變尺度混沌優(yōu)化SVM模型參數(shù)的算法，并給出了設(shè)定模型參數(shù)初始值范圍的方法。該算法將SVM模型參數(shù)的選擇看作是參數(shù)的組合優(yōu)化，通過建立合理的優(yōu)化目標(biāo)函數(shù)，采用變尺度混沌優(yōu)化算法

3、來搜索最優(yōu)目標(biāo)函數(shù)值。為提高搜索效率，算法根據(jù)尋優(yōu)過程中得到的臨時(shí)最優(yōu)解，不斷縮小優(yōu)化變量的搜索空間。在此算法基礎(chǔ)上，通過大量實(shí)驗(yàn)，分析了回歸支持向量機(jī)（SVR）模型參數(shù)對(duì)數(shù)字圖像水印性能的影響，得出了紋理復(fù)雜程度不同的圖像的比較理想的SVR學(xué)習(xí)參數(shù)范圍。 針對(duì)空域水印算法普遍較差問題，結(jié)合支持向量機(jī)優(yōu)良的學(xué)習(xí)性能，提出一種基于支持向量回歸的空域盲水印嵌入算法。該算法根據(jù)空域圖像鄰域像素的灰度值之間具有很強(qiáng)的相關(guān)性這一特點(diǎn)，運(yùn)用

4、回歸支持向量機(jī)建立圖像中鄰域像素之間的內(nèi)在關(guān)系模型，通過調(diào)整關(guān)系模型的輸出值與目標(biāo)值之間的大小關(guān)系來隱藏水印信息。提取水印時(shí)，不需要原始載體圖像和水印圖像，只需要根據(jù)水印嵌入位置的密鑰就可以通過關(guān)系模型恢復(fù)出水印。實(shí)驗(yàn)結(jié)果表明了此算法的有效性。 根據(jù)SVM與人眼視覺系統(tǒng)在自學(xué)習(xí)、泛化和非線性逼近等方面具有極大的相似性，結(jié)合圖像的局部相關(guān)性特性，提出一種基于模糊支持向量機(jī)的自適應(yīng)水印算法。該算法利用SVM來模擬人眼視覺系統(tǒng)特征，構(gòu)

5、造了以信息熵、亮度、對(duì)比度和紋理掩蔽值四個(gè)分量組成的特征向量的一些樣本，從而為空域圖像像素建立分類模型，根據(jù)此模型自適應(yīng)地確定水印的最佳嵌入位置和嵌入強(qiáng)度。在利用SVM建立分類模型時(shí)，根據(jù)人類視覺的模糊特性，提出一種基于支持向量機(jī)的模糊多分類方法（FMSVC），運(yùn)用FMSVC對(duì)圖像像素進(jìn)行模糊分類，并采用無監(jiān)督的模糊聚類分析方法為有監(jiān)督的支持向量機(jī)構(gòu)造訓(xùn)練樣本。實(shí)驗(yàn)表明了此算法的有效性。 結(jié)合小波變換的多分辨率特點(diǎn)和支持向量機(jī)在

6、理論上和學(xué)習(xí)上的優(yōu)勢，研究了小波域中基于SVM的水印算法，提出了小波域中基于SVM方向樹模型的魯棒水印算法和半脆弱水印算法。首先根據(jù)小波變換空頻局域性特點(diǎn)，給出了小波系數(shù)方向樹的概念，然后運(yùn)用支持向量機(jī)建立了方向樹上根節(jié)點(diǎn)與其子孫節(jié)點(diǎn)之間的依賴關(guān)系模型（即方向樹模型），根據(jù)此模型設(shè)計(jì)了兩種水印算法。其中，基于方向樹模型的魯棒水印算法將圖像的空域和變換域相結(jié)合，采用模糊聚類分析的方法從空域中選取合適的水印嵌入位置，并映射到小波變換域的相應(yīng)

7、子帶區(qū)域，從而自適應(yīng)地確定水印嵌入的位置，水印嵌入的強(qiáng)度由嵌入位置的隸屬度決定。而基于方向樹模型的半脆弱水印算法通過密鑰隨機(jī)選擇水印的嵌入位置，如果不知道模型參數(shù)和密鑰，很難檢測出水印。由于SVM模型捆綁了方向樹上的小波系數(shù)之間的關(guān)系，對(duì)圖像中任何一點(diǎn)的修改都會(huì)影響到水印位的正確恢復(fù)，因此要想繞過水印而對(duì)圖像進(jìn)行篡改有著很高的難度。算法通過一個(gè)滑動(dòng)窗口對(duì)中值濾波后的篡改信息矩陣進(jìn)行掃描，計(jì)算各滑動(dòng)窗口的局部篡改率，根據(jù)最大局部篡改率來判