NMF和增强奇异值分解的自适应零水印算法

针对奇异值分解水印算法导致虚警率高、稳健性不强的问题,提出一种基于分块非负矩阵分解(NMF)和增强奇异值分解(BN-SVD)相结合的自适应零水印算法。首先将原始灰度图像进行二级离散小波变换(DWT),对变换后的二级低频子带(LL2)进行不重叠分块,并对每一个子块进行秩为r的NMF分解;然后对NMF分解得到的特征矩阵采用增强奇异值分解,依据每一个块矩阵的最大奇异值与整体最大奇异值均值的大小关系构成特征向量;利用生成的特征向量与经过Arnold变换与混沌映射双重置乱加密水印图像作异或运算生成零水印,并利用天牛须优化算法(BAS)自适应确定增强奇异值分解中最抗攻击缩放比例的参数β。实验结果表明,在虚警问题上NC值达到0.4以下,JPEG压缩、噪声、滤波、旋转、剪切以及混合攻击下,提取水印图像与原水印图像的归一化系数NC值均可达到99%以上,该方案高效地解决了虚警问题,具有较强的稳健性,能够有效地抵抗各种攻击。

增强奇异值分解和细胞神经网络的零水印

目的针对奇异值分解算法存在的对角线失真、虚警错误等问题,引入一个寻找最抗攻击缩放比例的参数,提出基于增强奇异值分解的零水印算法。方法首先将离散小波变换作用于原始图像,对分离出的低频逼近子图进行不重叠分块,对分块后的低频逼近子图作离散余弦变换得到低频系数矩阵,再分别对每个块矩阵进行增强奇异值分解,将得到的最大奇异值与最大奇异值均值作比较构成特征向量;然后对水印图像进行Arnold变换和Logistic映射得到置乱加密后的水印图像;最后将特征向量和置乱加密后的水印图像分别作为细胞神经网络的起始值和控制输入值,通过设定细胞神经网络的反馈模板、控制模板以及阈值来确定具体的可逆逻辑运算。经过可逆逻辑运算处理后的细胞神经网络输出图像即为零水印的注册图像。将注册图像保存到认证中心以证明对图像作品的版权。结果在JPEG压缩、噪声、滤波、旋转以及剪切等各种攻击下,提取的水印和原始水印的归一化相关值都在96%以上,算法平均运行时间为2.389 s,性能较高。结论通过利用参数对奇异值矩阵进行调整的方法,不仅增强了算法的鲁棒性,而且解决了奇异值分解(SVD)出现的对角线失真和虚警错误问题。同时通过结合零水印的思想,解决了传统水印算法需在载体图像中嵌入水印而导致的水印不可见性与鲁棒性之间的矛盾。

增强奇异值分解的自适应零水印

目的针对增强奇异值分解(BN-SVD)中引入最抗攻击缩放比例的参数β,需要进行大量的实验来获取且存在随机性的问题,提出一种增强奇异值分解的自适应零水印算法。方法首先对原始图像进行不重叠分块,每一个子块都做斜变换处理,再分别对斜变换后得到的每一个块矩阵进行增强奇异值分解,依据每一个块矩阵的最大奇异值与整体最大奇异值均值的大小关系构成特征向量;对水印图像进行Arnold变换和混沌映射得到二次加密的水印图像;最后利用特征向量与二次加密后的水印图像做异或运算构造零水印;利用天牛须优化算法(BAS)中的适应度函数循环迭代自适应确定参数β,更好地解决奇异值分解(SVD)算法在水印的提取时存在的虚警率和对角线失真的问题。结果仿真实验结果表明,在JPEG压缩、噪声、滤波、旋转、剪切以及混合攻击下,提取水印图像与原水印图像的归一化系数NC值均可达到98%以上,性能较好。结论利用BAS算法自适应地确定BN-SVD中参数β,找到最佳抗攻击缩放比例,增强了图像的奇异值,降低了图像矩阵在受到攻击时的敏感性。有效地解决奇异值分解带来的对角线失真和虚警错误的问题,最终提高了算法的鲁棒性。

基于环面自同构映射和BAS的双重水印算法

针对单一水印算法在强鲁棒性和保证数字图像的完整性上难以达到平衡的问题,提出了一种基于环面自同构映射和天牛须搜索(BAS)算法的双重水印。第1重认证水印用于篡改检测和恢复,载体图像分块,利用环面自同构映射生成恢复矩阵并计算每块的均值构造认证水印。第2重零水印用于版权保护,载体图像经过离散小波变换(DWT),将得到的低频区域分块并依次利用非负矩阵分解(NMF)和增强奇异值分解(BN-SVD)构造零水印,BN-SVD中参数β利用BAS自适应获得。实验结果表明:第1重认证水印有较好的篡改检测和恢复效果;在多种攻击下,第2重零水印算法仍可以有效提取水印,得到的归一化相关值均在0.99以上。该算法有效保证了数字图像的完整性,提高了算法的鲁棒性和安全性。

信号相位匹配原理的正弦信号参数总体最小二乘估计方法

利用信号相位匹配原理进行正弦信号最小二乘估计可提高低信噪比时的估计精度,在此基础上进行改进,应用总体最小二乘方法对正弦信号进行参数估计,能进一步提高精度.利用信号增强技术对观测序列进行预处理,能改善估计效果.仿真实验表明,本文方法性能优于最小二乘方法.