学位论文 > 优秀研究生学位论文题录展示
基于小波域的自适应图像数字水印算法研究
作 者: 王琛晖
导 师: 舒志彪
学 校: 福州大学
专 业: 应用数学
关键词: 数字水印 小波变换 人类视觉系统 模糊分类 模糊神经控制 自适应量化
分类号: TP309
类 型: 硕士论文
年 份: 2005年
下 载: 201次
引 用: 1次
阅 读: 论文下载
内容摘要
随着计算机、网络和通信技术的飞速发展,特别是Internet的普及,信息的安全保护问题日益突出。因此,多媒体数字产品愈来愈需要一种有效的版权保护方法, 而数字水印在数字媒体版权保护方面的作用引起了人们极大的关注。本文研究了用于图像版权保护的小波域自适应数字水印技术。首先介绍了数字水印的概念和基本原理,论述了数字水印的通用模型、基本特征、典型算法、攻击方法及性能分析方法,阐述了小波变换的理论及其在水印技术中的应用。在分析了数字水印算法研究的现状和所存在的问题的基础上,提出了四种新的小波域自适应图像数字水印算法。算法讨论如何获取最佳水印嵌入强度自适应嵌入水印。所提出的四种算法具体如下:考虑到人类视觉系统(HVS)特性和小波变换特性,提出了一种新的自适应水印算法。将小波变换后的图像的小波系数组成小波子块。根据人类视觉系统(HVS)特性,采用多参数对小波子块进行分类。根据分类结果,结合小波变换特性,将不同强度的水印嵌入到不同的小波子块中。基于小波包变换和块模糊分类,提出了一种新的自适应水印算法。用m-序列来控制原始图像小波包分解的结构,把适当的小波系数组成小波子块。根据人类视觉系统(HVS)模型和能量模型,对小波子块进行模糊分类。根据分类结果,将不同强度的二值水印嵌入到不同的小波子块中。考虑到神经模糊控制,提出了一种新的自适应图像水印算法。对原始图像进行小波变换,组织小波子块。从子块的视觉掩蔽性和能量强度两个方面,建立、训练神经模糊控制网络,得到每个小波子块嵌入水印的最优强度值。然后根据神经模糊控制得出的最优嵌入强度,将不同强度的水印嵌入到不同的小波子块中。基于量化技术,提出了一种自适应的灰度级盲水印算法。利用DWT压缩编码技术,有效地减少了灰度级水印的数据量。并且水印位置的选择和水印的嵌入强度是自适应于图像的。在提取过程中无需使用原始图像和其它参数。本文给出了所有提出的算法的实验数据,并进行了性能分析。实验结果表明,算法都具有良好的鲁棒性和不可见性。最后,总结了本文的工作,指出了待进一步研究的地方,并对数字水印的发展方向作了展望。
|
全文目录
第一章 引言 8-13 1.1 课题的背景、目的和意义 8-9 1.2 国内外研究现状 9-10 1.3 目前研究存在的问题 10-11 1.4 本文的研究工作和章节安排 11-13 第二章 数字水印概述 13-24 2.1 数字水印系统模型 13-14 2.1.1 数字水印的基本原理和特性 13-14 2.1.2 数字水印系统通用模型 14 2.2 数字水印的分类 14-16 2.3 数字水印的典型算法 16-19 2.3.1 时空域算法 16-17 2.3.2 频率域算法 17-19 2.3.2.1 DCT域算法 17-18 2.3.2.2 小波域算法 18-19 2.4 数字水印的攻击 19-21 2.5 数字水印的性能评估 21-24 2.5.1 不可见性的评估 21-22 2.5.2 鲁棒性的评估 22-24 第三章 小波变换及其在水印技术中的应用 24-31 3.1 小波变换理论 24-28 3.1.1 连续小波变换的概念 24-25 3.1.2 离散小波变换的概念 25 3.1.3 多分辨分析 25-26 3.1.4 Mallat算法及信号的小波分解与重构 26-28 3.2 小波包变换理论 28-29 3.2.1 小波包的概念 28-29 3.2.2 小波包分解 29 3.3 小波变换在水印技术中的应用 29-31 第四章 基于人类视觉系统和小波变换的自适应水印算法 31-38 4.1 引言 31-32 4.2 算法流程 32-33 4.2.1 水印嵌入算法流程 32 4.2.2 水印提取算法流程 32-33 4.3 算法的实现 33-35 4.3.1 水印预处理 33 4.3.2 水印嵌入 33-35 4.3.3 水印提取 35 4.4 实验结果与分析 35-37 4.5 结论 37-38 第五章 基于小波包变换和块模糊分类的自适应水印算法 38-45 5.1 引言 38-39 5.2 算法流程 39-40 5.2.1 水印嵌入算法流程 39 5.2.2 水印提取算法流程 39-40 5.3 算法的实现 40-42 5.3.1 水印预处理 40 5.3.2 水印嵌入 40-42 5.3.3 水印提取 42 5.4 实验结果与分析 42-44 5.5 结论 44-45 第六章 基于神经模糊控制的自适应图像水印算法 45-55 6.1 引言 45 6.2 算法基本原理 45-49 6.2.1 模糊神经网络 45-46 6.2.2 遗传算法优化网络参数 46-48 6.2.2.1 遗传算法 46-47 6.2.2.2 优化网络参数 47-48 6.2.3 采用自组织竞争网络来优化控制因子的模糊标记数 48-49 6.2.3.1 自组织竞争网络 48-49 6.2.3.2 优化控制因子的模糊标记数 49 6.3 算法流程 49-51 6.3.1 水印嵌入算法流程 50 6.3.2 水印提取算法流程 50-51 6.4 算法的实现 51-52 6.4.1 水印预处理 51 6.4.2 水印嵌入 51-52 6.4.3 水印智能提取 52 6.5 实验结果与分析 52-54 6.6 结论 54-55 第七章 基于自适应量化的灰度级盲水印算法 55-61 7.1 引言 55 7.2 算法流程 55-56 7.2.1 水印嵌入算法流程 55-56 7.2.2 水印提取算法流程 56 7.3 算法的实现 56-59 7.3.1 水印预处理 56-57 7.3.2 水印嵌入 57-58 7.3.3 水印提取 58-59 7.4 实验结果与分析 59-60 7.5 结论 60-61 结论 61-64 参考文献 64-68 致谢 68-69 个人简历 69-70 在学期间的研究成果及发表的学术论文 70
|
相似论文
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
- 图像的稀疏表示及编码模型研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 感觉刺激诱发脑电特征研究,R318.0
- 网络传输中的ROI图像编码算法研究,TN919.81
- 基于多尺度分析的图像融合算法研究,TP391.41
- 基于小波变换的三维模型特征提取技术的研究与实现,TP391.41
- 轮廓波变换及其在图像处理中的应用,TP391.41
- 基于小波的雷达视频压缩方法研究,TN957.52
- 脊波变换在全色图像和多光谱图像融合中的应用研究,TP391.41
- 一种多数据流聚类异常检测算法,TP311.13
- 基于图像的信息隐藏技术研究,TP309.7
- 基于DM6446与小波的图像压缩系统设计与实现,TP391.41
- 结合DWT的动态数据校正研究及应用,TP274
- 彩色图像水印的非线性检测方案研究,TP309.7
- 基于小波变换和马尔可夫链的流量预测模型,TP393.06
- 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
- 基于离散小波变换的图像水印算法研究,TP309.7
- 脑部CT图像的压缩应用,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 一般性问题 > 安全保密
© 2012 www.xueweilunwen.com
|