基于模糊自适应共振理论的盲数字水印算法

论文摘要

随着计算机网络技术与多媒体技术的发展，数字多媒体作品的制作、复制与传输变得非常方便与快捷，与此同时，它们的版权与完整性保护也成为了迫切需要解决的问题。数字水印技术作为一种潜在的解决方案引起了艺术家与出版商的极大关注，因而它也成为了学术界的一个新兴研究领域。近年来虽然有大量的算法、软件及应用出现，但这些研究与应用都是探索性的，数字水印仍存在许多问题有待解决。为此，本文着重对数字图像的水印技术进行了研究。本文首先介绍了现有的水印算法，讨论了他们的优缺点，着重分析了DCT域的水印算法，从理论上证明了自适应的绝对值乘性嵌入方法的优越性。本文的核心内容是使用自适应共振理论的方法，找到最适合嵌入水印的纹理较复杂的图像块，不仅能够提高水印算法的安全性，而且还能够灵活地嵌入不同信息量的水印，提高算法的可利用性；同时根据JPEG压缩的特点，提出了一种自适应选择乘性嵌入水印系数的方法，既满足了水印嵌入的不可见性，又满足了水印的鲁棒性；最后本文提出了一种基于掩码的盲水印算法，方便检测端提取水印，并能够提高算法的安全性。实验结果表明，本算法能够抵抗JPEG压缩，剪切攻击和其他的一些常见的恶意攻击。本文的研究对目前图像鲁棒水印的研究有一定的参考价值。

论文目录

• 摘要
• Abstract
• 致谢
• 插图清单
• 列表清单
• 第一章 绪论
• 1.1 引言
• 1.2 信息加密（密码学）与信息隐藏
• 1.3 多媒体认证
• 1.4 数字水印的应用
• 1.5 数字水印的研究历史
• 1.6 本文的结构安排
• 第二章 数字水印的概述
• 2.1 数字水印的定义
• 2.2 数字水印的特征
• 2.3 数字水印的分类
• 2.4 数字水印的基本框架
• 2.5 数字水印的算法简介
• 第三章 自适应共振理论简介
• 3.1 神经网络的基本概念和特点
• 3.1.1 ART的提出
• 3.1.2 ART的认知模型
• 3.1.3 ART的分类
• 3.2 ART的基本原理及运行过程:
• 3.2.1 ART结构:
• 3.2.2 ART模型的基本工作原理:
• 3.3 ART模型的工作过程:
• 3.4 ART模型的数学描述（STM存储）:
• 3.5 ART模型的学习算法（LTM存储）:
• 3.6 ART模型的参数影响:
• 第四章 嵌入与提取算法及实验结果
• 4.1 引言
• 4.2 DCT域水印算法的简单介绍
• 4.2.1 DCT变换与JPEG压缩原理
• 4.2.2 DCT域算法简介
• 4.3 本文所提出的算法
• 4.3.1 预处理阶段
• 4.3.2 水印的嵌入
• 4.3.3 提取算法
• 4.3.4 嵌入系数和嵌入位置的确定
• 4.3.5 嵌入公式的选择
• 4.3.6 掩码嵌入算法
• 4.4 实验结果
• 4.5 结论
• 第五章 结束语
• 5.1 本文所做工作总结
• 5.2 将来的工作方向
• 参考文献
• 攻读硕士学位期间发表的论文