基于Walsh-Hadamard变换与预测误差扩展的图像水印算法

设计了基于可逆Walsh-Hadamard变换与预测误差扩展的图像水印算法。将载体图像分割为4×4的非重叠子块,引入Walsh-Hadamard变换,对每个子块进行处理,得到其域Hadamard,提取其直流分量与交流分量系数;基于Adaline神经网络,确定一个准确的预测系数,构建线性预测函数,计算每个交流系数的误差;对交流系数误差完成二进制表示,根据水印信息对误差进行扩展;考虑像素的溢出或下溢问题,从所有子块中指定一个平滑扩展块,通过设计水印嵌入方法,将水印信息嵌入到扩展块中,再借助Walsh-Hadamard逆变换,输出水印图像;构建水印提取机制,从水印图像中提取初始水印信息。实验结果显示：与当前水印图像相比,所提算法具有更高的不可感知性与更低的失真度。