基于視覺模型的圖像盲水印算法研究.pdf

1、隨著信息技術(shù)和計算機網(wǎng)絡(luò)的飛速發(fā)展，數(shù)字多媒體信息(圖像、文本、音頻、視頻、三維模型)的存儲、復(fù)制與傳播變得非常方便，人們的日常生活與工作越來越趨向于數(shù)字化和網(wǎng)絡(luò)化。我們不但可以通過網(wǎng)絡(luò)獲取與原始數(shù)據(jù)完全相同的復(fù)制品，而且可以毫無限制地任意編輯、修改、拷貝和散布那些數(shù)字音樂和圖像等，由此引發(fā)的信息安全問題、盜版問題和版權(quán)紛爭問題已成為日益嚴重的社會問題。數(shù)字水印就是在這種背景下發(fā)展起來的，它通過在被保護的數(shù)字對象中嵌入某些秘密信息——水

2、印來證明版權(quán)歸屬或跟蹤侵權(quán)行為。當前數(shù)字水印仍然存在著很多待解決的問題，其中魯棒性和不可見性是水印亟待解決的兩個關(guān)鍵問題，但魯棒性和不可見性是一對矛盾，要獲取高魯棒性必然要加大水印的嵌入量，而要獲取不可見性，就要限制嵌入量，如何得到兩者的平衡點是關(guān)鍵，采用視覺模型可以有效地獲取兩者的折中，本文主要做了如下工作： 1、提出了一種新的基于獨立分量分析(ICA)的魯棒圖像水印算法，該算法對原始圖像作二抽取得到四個了圖，然后對這四個子圖

3、做獨立分量分析，得到圖像特征，在含信息量最大的圖像特征中，選擇其DCT系數(shù)嵌入水印。在選取嵌入域時，考慮人類視覺系統(tǒng)(HVS)，在保證不可見性的前提下，提高算法的魯棒性。所提出的算法可以實現(xiàn)盲提取，并且對常見的圖像處理以及水印攻擊都具有很好的魯棒性，例如，濾波、縮放、JPEG壓縮、加噪、直方圖均衡等。 2、針對傳統(tǒng)QIM量化步長固定的缺陷，提出了一種非線性的量化方案，該方案根據(jù)人的視覺特性選擇適當?shù)姆蔷€性函數(shù)，首先對待量化分量利

4、用非線性函數(shù)進行非線性變換，然后采用固定步長量化，最后再利用非線性函數(shù)的逆函數(shù)進行反變換得到嵌入水印后的分量，以克服傳統(tǒng)QIM對不同幅度分量均采用相同步長造成的低幅度分量失真較大，而高幅度分量仍然嵌入量較小的缺點。在失真容許的范圍內(nèi)增強了水印的魯棒性。 3、Cox的自適應(yīng)QIM算法通過Watson視覺模型來計算量化步長，使得量化步長可以隨待量化系數(shù)自適應(yīng)變化，從而獲取了比傳統(tǒng)QIM更好的不可見性和魯棒性，但即使在沒有干擾的情況下