基于提升小波的零水印算法和虹膜图像的预处理

论文摘要

目前出现的数字水印算法大部分是对原始信息参数进行修改,例如修改图像的最低有效位(LSB),或者在变换域(DWT,DFT或者FFT变换域)修改相应的系数。但修改的系数过多,势必影响图像的视觉外观,如果修改的系数个数太少,则水印鲁棒性会很差,这就带来水印鲁棒性和不可见性之间的矛盾。温泉等[1]提出了零水印算法,其算法利用图像的重要特征来构造水印信息,而不是修改图像的重要特征。由于不修改原始图像,而是根据需要提取一定数量的特征信息,这样就很好地解决了水印鲁棒性和不可见性之间的矛盾。本文提取公开图像小波变换后的系数作为特征信息,利用经典密码学中的方法将水印隐藏在公开图像中并且不改变公开图像。由于图像的灰度值都是整数,那么在水印的嵌入与提取过程中难免会遇到整数到实数以及实数到整数的变换,这就不可避免的引入了误差。为此,本文研究了基于整数小波变换的水印算法,水印的嵌入和提取过程全部是整数运算,从而避免了实数转化为整数的误差;同时,基于提升算法的整数小波变换也加快了运算速度。在本文第一部分中,分别针对二值水印和灰度水印提出了相应的零水印算法,并且进行了一系列的鲁棒性实验,与其它算法进行了比较。实验证明,这种水印算法对缩放、剪切、噪声、滤波、JPEG压缩等攻击具有很强的鲁棒性。本文第二部分是虹膜图像的预处理,其中主要工作是对瞳孔和巩膜进行定位。基于虹膜图像自身的特点,本文提出了一种径向微分算子,用于巩膜参数(中心,半径)的计算,从而给出了一种新的虹膜定位方法。实践证明,此方法具有很好的效果。实验所用的图像来自中科院自动化所提供的CASIA虹膜图像数据库(版本1.0)。

论文目录

• 提要
• 第一篇 基于提升小波的零水印算法
• 第一章 绪论
• 1.1 小波基本概念
• 1.2 提升小波变换
• 1.3 嵌入水印的基本原理
• 1.4 数字签名技术
• 1.5 时间戳协议
• 1.6 结合数字签名与时间戳的数字水印系统
• 1.7 零水印算法和本文工作
• 第二章 二值水印嵌入算法
• 2.1 水印的置乱
• 2.2 公开图像的处理
• 2.3 二值水印的嵌入与提取
• 2.4 密钥的加密与解密
• 2.5 算法实验
• 2.6 鲁棒性实验
• 2.7 与其它算法的比较
• 第三章 灰度水印嵌入算法
• 3.1 水印的嵌入与提取
• 3.2 算法实验
• 3.3 鲁棒性实验
• 3.4 与其它算法的比较
• 第二篇 虹膜图像的预处理
• 第四章 绪论
• 4.1 生物识别技术
• 4.2 虹膜识别技术
• 4.3 虹膜的生物特征
• 4.4 本文工作
• 第五章 虹膜图像的预处理
• 5.1 中心定位与内圆参数的获取
• 5.2 径向微分算子与外圆参数的获取
• 5.3 标准化
• 5.4 实验
• 参考文献
• 作者攻读硕士期间发表论文
• 摘要
• ABSTRACT
• 致谢