一种基于图像内容敏感度分析的鲁棒数字水印算法

论文摘要

随着数字技术和因特网的发展,各种形式的多媒体数字作品（图像、视频、音频等）纷纷以网络形式发表,其版权保护成为一个迫切需要解决的问题。近年来迅速发展起来的数字水印（digital watermark）技术为解决该问题提供了一种新的有效的途径。数字水印技术是指在数字化的数据内容中嵌入不明显的记号,可以是一段文字、标识、序列号等。被嵌入的记号通常是不可见或不可察的,但是通过一些操作可以被检测或者被提取。由于数字水印是实现版权保护的有效办法,因此如今已成为多媒体信息安全研究领域的一个热点,也是图像处理和信息隐藏技术研究领域的重要分支。目前主流的数字图像水印嵌入算法包括空间域水印算法和频率域水印算法。空间域水印算法通过直接修改图像的像素,将数字水印加载在像素数据上,比较典型的空间域算法有最低有效位方法和基于统计特征的方法。空间域水印算法计算简单,实时性较强,但鲁棒性较差,容易被检测被去除。而变换域水印算法通过对数字载体首先进行一种特定的变换,主要包括离散余弦变换、离散小波变换和离散傅里叶变换,变换后的系数遵循一定的规则被修改。变换域水印算法的主要优点是:物理意义清晰;可充分利用人类的感知特性;不可见性和鲁棒性好;与压缩标准兼容。所以现在对鲁棒性数字水印的研究主要集中在频率域上。但现有的数字水印技术大多是通过基于对图像进行纹理分析的统计方法和二级统计信息方法确定嵌入点,没有针对图像内容、意义来确定嵌入点的嵌入算法,本文给出了数字图像内容敏感度的定义及数学模型,并创造了一种基于对数字图像内容敏感度分析的小波包结合SVD奇异值分解的鲁棒数字水印新算法。使数字水印的不可见性和鲁棒性达到了更高层次的妥协。另外,文中还给出了两种全新的数字水印评价方法——图像内容敏感加权PSNR（ICSP-PSNR）。最后,本文的另一创新之处是提出了一种基于神经网络的新的水印复原方法。使用神经网络对受损的水印图像进行补偿还原。实验结果证明了这种方法的性能是令人振奋的。

论文目录

• 摘要
• ABSTRACT
• 第1章 引言
• 1.1 数字水印技术
• 1.2 数字水印的分类及主要应用领域
• 1.3 典型数字水印系统模型
• 1.4 常见数字水印攻击技术
• 1.5 水印系统的评测
• 1.6 国内外研究现状
• 1.7 本文的组织结构
• 第2章 数字水印技术目前面临的挑战
• 2.1 现有数字水印技术的局限性
• 2.1.1 图像扭曲
• 2.1.2 水印嵌入量与嵌入后的图像质量的矛盾
• 2.1.3 鲁棒性与不可见性的矛盾
• 2.1.4 宿主图像与水印图像质量的相关性
• 2.1.5 彩色图像水印嵌入技术和彩色水印技术还不成熟
• 2.1.6 传统水印主要基于图像纹理分析（视觉敏感度）的不足
• 2.2 亟需解决的技术难题
• 2.3 图像内容敏感度的定义
• 2.4 系统总体流程
• 第3章 基于神经网络的人脸定位
• 3.1 预处理过程
• 3.2 基于神经网络的过滤器
• 3.3 网络仲裁规则
• 3.4 神经网络的训练
• 3.5 否定样本的选择（BOOTSTRAP 过程）
• 3.6 实验结果
• 第4章 基于小波包结合SVD 的数字水印嵌入算法
• 4.1 水印预处理
• 4.1.1 特征水印提取
• 4.1.2 水印置乱
• 4.2 水印嵌入算法
• 4.2.1 宿主图像内容敏感度分析及处理
• 4.2.2 宿主图像分块分析及重组
• 4.2.3 水印嵌入算法和提取算法
• 4.3 水印提取算法
• 第5章 试验对比结果
• 第6章 水印恢复
• 6.1 神经网络训练
• 6.2 基于神经网络的水印恢复
• 结论
• 参考文献
• 致谢
• 在学期间公开发表论文及著作情况