基于神经网络的图像可见水印移除模型

本文在神经网络的基础上,提出一种基于图像可见水印定位和分割的水印移除模型。模型包含水印提取模块和水印移除模块,分别负责分割水印和移除水印。实验结果表明,本文所提出的模型,在图像可见水印的定位和分割实验中实现了0.99的结构相似度和30的峰值信噪比。在最终的移除水印结果图上,实现了0.90的结构相似度和29的峰值信噪比。

基于离散余弦变换的可移除数字视频水印算法

在视频水印的评价标准中,鲁棒性和透明性是一对非常重要的性能指标,同时也是一对相互制约的指标。已有的视频水印算法对上述2个指标都采用折衷的方法,为保证透明性通常不能兼顾水印的鲁棒性。为解决上述问题,提出一种可移除数字视频水印算法。在嵌入水印时,不限制水印嵌入的强度,以保证水印信息的鲁棒性,而嵌入后的视频在播放时,需要经过一个水印移除的过程,移除水印后的视频在视觉效果上与原视频接近或完全一致,以满足水印的透明性。同时,用户需提供合法的密钥,以保证水印移除的正确性,并提高水印算法的安全性。测试结果表明,该算法对分辨率放缩、视频重编码及码率压缩的操作具有较强的鲁棒性。

一种DCT域子采样的鲁棒可去性盲水印

随着多媒体技术的发展,图像信息安全已引起学者的广泛关注。数字水印技术是图像信息隐藏和版权保护的一种有效工具。在子采样和图像分块的基础上,采用新的跳跃取点策略。该策略对隐秘图像连续区域的剪切攻击具有鲁棒性。同时,由于水印的嵌入会对图像造成一定程度的失真,因此尝试对水印进行移除操作。实验结果表明,该方法不仅对噪声和常规的图像处理攻击具有鲁棒性,尤其对剪切攻击具有很强鲁棒性,而且还具有很好的不可视性。