支持向量机应用于数字水印的算法研究

论文摘要

随着计算机网络技术的迅速发展,多媒体信息,如数字图像、音频、视频等得以广泛而迅速的传播,极大的便利了人们的生活。然而另一方面,多媒体信息所有者的版权也受到了严重的侵害。因此,数字水印技术得到了飞速的发展,近几年来,数字水印算法层出不穷,尤其是数字水印算法与机器学习相结合成为了研究的趋势。本论文研究了在离散小波变换域上,基于支持向量回归机(SVR)的数字水印算法。首先将数字图像进行一层离散小波变换,由于一层小波分解系数之间存在着复杂的非线性关系,可以借助于支持向量机在非线性回归上的出色能力,在一层低频处随机选择P个小波系数3×3子块,以子块的邻域小波系数为支持向量回归机的输入训练样本,以子块中心小波系数为支持向量回归机的输出训练样本,用该训练样本来训练支持向量回归机,可以得到3×3子块邻域小波系数和中心小波系数的关系模型;然后,在一层低频处根据密钥选择水印的嵌入位置,将嵌入位置所在小波系数的3×3邻域作为训练好的SVR的输入,根据关系模型可以预测中心小波系数值,根据预测值和水印信息来调整原始的中心小波系数,实现水印的嵌入。水印提取时,不需要原始图像,是盲提取算法。实验结果表明,不可感知性良好,未受攻击时提取的水印与原始水印完全一致。对含水印图像进行攻击测试,从提取出的水印信息和位错误率来看,该算法能有效地抵抗大部分攻击,如中高质量的JPEG压缩、模糊、锐化、马赛克、直方图均衡化及联合攻击等。算法的安全性较好,有实用价值。

论文目录

• 摘要
• ABSTRACT
• 创新点摘要
• 第一章 绪论
• 1.1 课题研究的背景及意义
• 1.2 国内外研究发展现状
• 1.2.1 数字水印的历史
• 1.2.2 数字水印的发展趋势
• 1.3 本论文主要研究内容
• 1.4 本章小结
• 第二章 数字水印
• 2.1 数字水印的基本概念
• 2.1.1 数字水印的定义
• 2.1.2 数字水印的特性
• 2.1.3 数字水印的分类
• 2.2 数字水印的性能评价
• 2.3 数字水印常受到的攻击方法
• 2.4 数字水印的应用
• 2.5 本章小结
• 第三章 离散小波变换及其在数字图像水印中的应用
• 3.1 离散小波变换基本原理
• 3.2 图像的二维正交小波分解
• 3.3 离散小波变换在数字图像水印中的应用
• 3.4 本章小结
• 第四章 支持向量机及其在数字水印中的应用
• 4.1 统计学习理论
• 4.1.1 VC 维
• 4.1.2 推广性的界
• 4.1.3 结构风险最小化
• 4.2 支持向量机理论
• 4.2.1 支持向量机原理
• 4.2.2 支持向量回归机原理
• 4.3 支持向量机在数字水印中的应用
• 4.4 本章小结
• 第五章 基于支持向量机的小波域数字水印算法
• 5.1 水印的预处理
• 5.2 水印的嵌入
• 5.2.1 嵌入域的选择
• 5.2.2 支持向量回归机中核函数的选择
• 5.2.3 SVR 训练样本的选择
• 5.2.4 数字水印的嵌入算法
• 5.3 数字水印的提取算法
• 5.4 实验结果
• 5.4.1 算法的主观度量
• 5.4.2 算法的客观度量
• 5.4.3 攻击实验
• 5.4.4 水印检测过程中图像几何校正
• 5.5 本章小结
• 结论
• 参考文献
• 发表文章目录
• 致谢
• 详细摘要