基于视觉模型的迭代AQIM水印算法

自适应量化索引调制算法(AQIM)通过Watson视觉模型来计算量化步长,使得量化步长可以随着待量化系数自适应变化,从而获取了比传统量化索引调制算法(QIM)更好的不可见性和鲁棒性.但即使在没有干扰的情况下,该算法在检测时计算的量化步长与嵌入时计算的量化步长也不一致,这就导致水印不能够完整可靠地提取.本文在分析该算法存在问题的基础上,提出了一种改进的迭代AQIM水印方案,仿真实验表明该方案比原算法具有更好的性能.