基于奇异值分解的数字水印技术研究

论文摘要

奇异值分解（SVD，Singular Value Decomposition）是一种正交变换，它可以将矩阵对角化。其优势在于奇异值具有相对稳定性。人们利用这一特性，将这一数学理论应用到数字水印中，并取得了很好的水印嵌入效果。但由于奇异值分解在数字图像水印提取中存在对角线失真这一现象，人们又进一步将这一理论和其它理论结合，提出新的数字水印算法。本文以奇异值分解理论为基础，将其与离散小波变换和零水印技术结合，提出新的数字水印算法。本文主要研究工作包括：（1）随着彩色图像作为信息交流的主要媒体，人们提出了彩色图像数字水印算法。而现有算法嵌入时的水印图像绝大多数是二值图像或灰度图像。本文针对将彩色图像作为水印这一需求，考虑到彩色图像作为水印时嵌入的数据量大的问题，将水印的RGB三个分量分别提取出来，分别嵌入到载体图像的RGB三个分量中去，并在嵌入的过程中结合使用离散小波变换（DWT）。该算法很好的解决了彩色图像作为水印时嵌入信息量大这一问题，并通过实验证明该算法具有一定的抗攻击能力。（2）为了解决水印不可见性和鲁棒性之间的矛盾，人们提出了零水印的算法。但目前的算法中绝大多数算法都比较复杂，而且结合奇异值分解的零水印算法多采用奇异值分解后较大的奇异值嵌入水印。本文针对这一问题，提出了一个最小奇异值比最大奇异值有更大相对稳定性的结论，将奇异值分解和零水印技术结合，提出了新的算法，并通过实验数据证明最小奇异值的稳定性。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 选题背景及研究意义
• 1.2 国内外研究现状
• 1.3 论文主要工作
• 1.4 论文结构安排
• 2 数字水印理论与技术
• 2.1 数字水印概念
• 2.2 数字水印的特点
• 2.3 数字水印的分类
• 2.4 典型数字水印算法
• 2.5 数字水印技术的应用领域
• 2.6 本章小结
• 3 奇异值分解理论及其数字水印典型算法
• 3.1 奇异值分解的定义
• 3.2 奇异值分解的性质
• 3.3 利用奇异值分解技术的典型数字水印算法
• 3.4 本章小结
• 4 基于DWT-SVD 彩色图像数字水印算法
• 4.1 引言
• 4.2 算法的理论基础——离散小波变换（DWT）
• 4.3 基于DWT-SVD 的RGB 图像水印新算法
• 4.4 算法性能分析
• 4.5 本章小结
• 5 基于SVD 零水印算法
• 5.1 引言
• 5.2 零水印技术
• 5.3 算法的理论基础——Arnold 变换
• 5.4 基于奇异值分解的零水印算法
• 5.5 算法性能分析
• 5.6 算法优势分析
• 5.7 本章小结
• 6 总结与展望
• 6.1 本文总结
• 6.2 进一步的工作
• 参考文献
• 致谢
• 攻读硕士期间发表论文