基于视觉显著性与量化指数调制的图像鲁棒水印算法

为了兼顾水印系统的透明性与抗几何变换能力,提出了基于视觉显著性与量化指数调制的图像鲁棒水印算法。首先,采用Ripplet变换来处理宿主图像,得到特征映射;再利用Gaussian概率密度模型来计算特征映射对应的视觉显著性映射,并将其实施分解成一系列的子块,以获取其显著性均值;引入非下采样Contourlet变换来分解宿主图像,输出对应的低通子带和带通方向子带;随后,把低通子带分割为尺寸较小的非重叠子块,并计算每个子块的能量;联合显著性均值与能量,计算待嵌入子块对应的量化步长,将其视为密钥;借助奇异值分解来处理低通子带的每个子块,获取对应的对角矩阵,基于这些矩阵中的最大元素的均值,通过改进传统的对数量化指数调制方法,设计水印嵌入方法,根据每个子块对应的量化步长,将水印数据隐藏到载体中,得到水印图像;最后,根据接收密钥,定义水印提取机制,在水印图像中检测水印数据。实验数据表明:较当前的基于分块的水印技术而言,所提算法具备更高的水印透明性,且在常规几何内容操作下,其表现出更强的鲁棒性,所复原的水印失真最小。

基于分块能量模量化的鲁棒水印算法

论文提出了一种鲁棒水印算法,在DCT域中对包括直流分量在内的分块能量进行模量化,将水印信息调制到量化所得到的余数上。通过研究DCT分块嵌入系数的选择及降低块效应的对策,得出了对DCT直流分量进行模量化嵌入可以有效降低或者避免块效应的结论。实验显示本算法在对抗Jpeg压缩、加噪及剪切等攻击时具有较好的鲁棒性,是有效可行的。