联合非下采样Contourlet变换与奇异值分解的多水印算法

为解决最近报道的Contourlet变换域基于奇异值分解的水印算法存在的高虚警率问题,提出一种多水印算法。对Arnold置乱后的水印图像进行奇异值分解,将其中一个正交矩阵嵌入原始图像非下采样Contourlet域的两个高频方向子带中,并利用奇异值来调整原始图像非下采样Contourlet域剩余子带的系数矩阵,通过逆变换得到含水印图像。抽取水印时首先计算从待检测图像抽出的正交矩阵和真实水印正交矩阵的相似度,与阈值进行比较,以决定抽取过程是否进行。由于非下采样Contourlet变换的高冗余性,最终可抽取出多个水印图像。实验表明,算法较好地克服了高虚警率问题。一系列的攻击实验证明算法具有较好的鲁棒性。

两种基于奇异值分解的图像水印算法的比较研究

奇异值分解在图像水印算法中有着广泛的应用,但是也存在高虚警率的缺陷。讨论分析了空域和变换域中经典的奇异值分解水印算法和最近报道的基于主成分的改进算法。通过实验验证了改进算法的有效性。