论文摘要
数字水印技术作为版权保护的重要手段和一种新型的信息隐藏方法，近几年来发展得很快，数字水印技术是一个具有相当难度的研究领域，在变换域低频嵌入水印鲁棒性最强已是共识，在诸多变换域低频中选择最合适的位置是我们通常要面对的问题，本文研究的主要目的是：用新的数据挖掘技术——支持向量机(SVM)实验检测出最适合嵌入水印的位置，并提出相应的水印算法。我们对研究较多的水印嵌入算法：多层感知器训练法以及本文提出的支持向量机训练法，采用类似嵌入方法嵌入水印，通过进行鲁棒性测试比较，得出了比较好的试验结果，为我们以后的继续研究奠定了基础。本文的第一章，对当前数字图像水印的发展、分类、基本特征、数字水印的用途、典型算法和原理、常见的攻击方法、水印的提取、检测以及存在的问题做了系统的论述和评价。第二章论述了支持向量机的一些基本概念，分成两种基本的分类支持向量机线性和非线性支持向量机来说明其基本原理，为本文后面的应用作了很好的理论铺垫。第三章针对支持向量机的自身特点和在数据分类中的优点，结合数字水印的自身特点和作用，论述了支持向量机在水印嵌入、提取检测和攻击检测过程中的应用，提出了基于支持向量机的数字水印算法。第四章根据讨论，提出改进的支持向量机下的鲁棒水印新算法，算法实现思路是：对选取的水印和载体图像分别进行伪随机排序，从载体图像伪随机序列中选取适当样本训练集并将样本训练集分为两部分：一部分用来训练SVM，余下的另一部分来嵌入水印，要求选取的样本序列的长度由水印序列长来决定，仿真实验结果显示该算法具有非常理想的鲁棒性和透明性，是一种很有实用价值的水印算法。第五章结论部分对数字水印算法提出了进一步改进的想法。