ICA及其在数字水印中的应用研究

论文摘要

论文介绍了独立向量分析的产生背景和应用前景,简单介绍了目前独立向量分析用于盲源分离的几种方法,然后利用小波变换的方法进行非平稳信号的独立向量分析,具体算法是:先对混叠信号中心化预白化后再进行小波变换,在不同的子空间求小波变换的协方差矩阵,对协方差矩阵进行代数变换得到联合对角化形式,求解联合对角化得到矩阵U从而求得混叠矩阵。论文通过仿真试验进行了相关分析,实验结果显示利用小波变换进行ICA分析可以较好的实现盲源分离。 在ICA的数字水印的应用中,本论文采用了ICA的理论进行数字水印的嵌入,并采用ICA的理论进行水印的检测。在水印嵌入的过程中,我们借鉴了以往基于ICA的图像特征提取的思想,并加以扩展,形成所谓的“ICA变换”,即通过图库数据的ICA分析获得一般图像的图像特征向量,然后把图像特征向量作为特定图片的混叠矩阵进行ICA分析,获得特征向量的系数矩阵,作为源信号,然后加入水印信号进行调制,叠加完成水印的嵌入。 在仿真试验中,我们针对不同训练结果获得的向量基进行水印的嵌入,并进行攻击,再进行检测,结果显示,采用图块较小的特征向量基时,水印的鲁棒性比较弱,采用维度较少时的向量基时,水印的鲁棒性较强,抗JPEG压缩的攻击能力强。 在数字水印嵌入的过程中,我们还针对水印嵌入的位置进行了分析,并给出了不同的实现,结果显示在相对集中的向量基中嵌入水印具有很好的抗JPEG压缩攻击的能力。

论文目录

• 论文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 ICA的研究和应用
• 1.3 论文主要贡献
• 第二章 ICA的基本理论和小波基础
• 2.1 ICA的数学模型
• 2.1.1 ICA模型可解的约束条件
• 2.1.2 ICA问题的不确定性
• 2.2 ICA的常用算法
• 2.2.1 非高斯性测度
• 2.2.2 最小化互信息
• 2.2.3 最大似然估计
• 2.3 小波基础
• 第三章 采用小波分析方法进行ICA
• 3.1 小波分析算法
• 3.1.1 数据的预处理
• 3.1.2 小波算法介绍
• 3.2 仿真试验和分析
• 3.2.1 ICALAB中的仿真
• 3.2.2 采用MATLAB直接进行仿真
• 3.3 小结
• 第四章 ICA在数字水印中的应用
• 4.1 ICA应用在数字水印领域的理论基础
• 4.2 基于ICA的数字水印技术
• 4.2.1 ICA数字水印框图
• 4.2.2 ICA数字水印算法及实现
• 4.3 ICA数字水印算法实验仿真
• 4.3.1 仿真的预训练部分
• 4.3.2 仿真实验中的若干设置
• 4.3.3 仿真结果
• 4.4 小结
• 第五章 总结和展望
• 参考文献
• 致谢