轮廓波域数字图像水印的研究

论文摘要

数字水印技术,由于其崭新的应用前景,已经受到学术界和工业界的广泛关注,成为了信息安全技术的前沿方向。基于数字水印的应用背景和研究现状,本文重点研究了最新的方向性小波变换——Contourlet变换在图像水印中的应用,结合人类视觉系统、独立元分析和隐马尔科夫模型设计了不同的高鲁棒性和高容量的水印算法。(1)Contourlet与人类视觉模型提出了一种基于人类视觉模型(HVS,Human Visual System)的Contourlet域图像水印算法。该算法在Contourlet域利用视觉系统的亮度纹理特性,把水印信号自适应地嵌入到能量最大的子带中,解决了直接嵌入引起的边缘扭曲问题。检测端使用基于相关的盲检测。实验表明,此算法能够在满足不可见性的条件下,最大强度的嵌入水印信息,并且对JPEG压缩、加噪、裁剪等攻击具有很强的鲁棒性。(2)无抽样Contourlet与独立元分析提出了一种基于无抽样Contourlet变换的图像水印算法。采用二值图像作为水印,并进行伪随机序列置乱,提高了安全性。噪声可见函数(NVF,Noise VisibilityFunction)用于嵌入过程,增强了不可见性;独立元分析(ICA,IndependentComponent Analysis)用于提取过程,并采用维纳滤波和阈值分割进行处理。与无抽样小波相比,容量更大,提取效果更好,并且对于压缩、噪声、滤波、剪切等攻击具有鲁棒性。(3)Contourlet与隐马尔科夫模型提出了一种基于Contourlet域隐马尔可夫模型(HMM,Hidden Markov Model)的多比特图像水印算法,利用隐马尔可夫模型精确描述图像变换系数间的统计特性,基于此统计模型的水印盲检测系统较之传统的相关检测器,在性能上有显著的提升;结合视觉掩盖特性,自适应地调整水印嵌入强度,使之在一定的嵌入强度下,视觉主观失真较小;该算法可以较好地利用图像Contourlet域的低频子带以实现较大容量图像水印的嵌入,并在抵抗攻击方面具有很强的稳健性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 数字水印的研究意义
• 1.2 数字水印的基本理论
• 1.2.1 数字水印的性能要求
• 1.2.2 数字水印的理论框架
• 1.2.3 数字水印的分类
• 1.3 数字水印的研究现状
• 1.3.1 水印的发展
• 1.3.2 数字水印算法
• 1.3.3 数字水印的攻击和对策
• 1.4 研究背景和主要工作
• 1.5 论文的安排
• 第二章 Contourlet变换（预备知识）
• 2.1 概述
• 2.2 框架金字塔
• 2.2.1 小波和LP
• 2.2.2 框架理论
• 2.2.3 改进的LP结构
• 2.3 方向性滤波器组
• 2.3.1 滤波器组
• 2.3.2 多维多采样率系统
• 2.3.3 方向性滤波器组
• 2.4 Contourlet变换
• 2.4.1 Contourlet变换原理
• 2.4.2 Contourlet变换的应用
• 2.5 研究展望
• 第三章 基于HVS的Contourlet域图像水印算法
• 3.1 概述
• 3.2 Contourlet变换
• 3.3 基于HVS的Contourlet域图像水印算法
• 3.3.1 水印嵌入
• 3.3.2 关于相关检测和极大似然检测
• 3.3.3 水印检测
• 3.4 实验与讨论
• 3.4.1 不可见性实验
• 3.4.2 鲁棒性实验
• 3.5 结论
• 第四章 基于无抽样Contourlet变换的图像水印算法
• 4.1 概述
• 4.2 无抽样的Contourlet变换
• 4.3 ICA基本原理
• 4.4 基于无抽样的Contourlet域图像水印算法
• 4.4.1 水印嵌入
• 4.4.2 水印提取
• 4.5 实验与讨论
• 4.5.1 不可见性实验
• 4.5.2 鲁棒性实验
• 4.5.3 与无抽样小波比较
• 4.6 结论
• 第五章 基于Contourlet域隐马尔科夫树的图像水印算法
• 5.1 概述
• 5.2 隐马尔可夫模型
• 5.2.1 马尔可夫过程
• 5.2.2 隐马尔可夫模型
• 5.2.3 隐马尔可夫模型基本算法
• 5.3 变换域隐马尔可夫模型
• 5.3.1 小波域隐马尔可夫模型
• 5.3.2 Contourlet域隐马尔可夫模型
• 5.4 基于Contourlet域隐马尔可夫树的图像水印算法
• 5.4.1 多比特水印嵌入
• 5.4.2 极大似然检测
• 5.5 实验与讨论
• 5.6 结论
• 总结与展望
• 参考文献
• 攻读硕士期间发表的论文
• 致谢