基于系数相关性的自适应水印算法

根据人类视觉特征提出了一种基于小波系数相关性的自适应水印嵌入算法.该算法先对原始图像进行的小波分解,选取水印所要嵌入的子带并将所选取的子带划分成2×2大小的块,同时利用每一个小波块中相邻的4个系数之间具有一定的相关性与所要嵌入的水印图像来构造该小波块的水印系数,利用人类视觉模型调整水印的嵌入强度,从而在保证水印不可见性的基础上最大限度的保证水印的鲁棒性.选取不同特点的两幅图片进行实验,实验结果表明,该算法对高斯噪声、椒盐噪声、JPEG压缩、剪切、中值滤波等攻击都具有较好的鲁棒性,对旋转几何攻击具有一定的鲁棒性.     

基于NSCT域HVS模型的抗打印扫描水印算法

建立了新的NSCT(nonsubsampled contourlet transform)域人类视觉系统(human visible system,HVS)模型,在此基础上设计一种抗打印扫描算法.通过计算NSCT分解后的各个子带的HVS模型量化值,将全息共轭水印图替换HVS值最大的中频子带.实验结果表明,本文算法可以抵御一定程度的打印扫描攻击,具有较好的视觉掩蔽效果,PSNR≥39.2dB,实际水印嵌入容量为1/4×(M-2)×(M-2)bit.本文算法可以应用于对数字水印有抗打印扫描攻击需求的某些场合.     

一种基于小波系数动态量化的鲁棒数字水印算法

提出了一种改进的基于动态量化小波系数的鲁棒水印算法.水印通过动态量化嵌入到载体图像小波变换的高频子带上,混沌优化用于搜索嵌入水印的最大可用块数,中国剩余定理用于安全地产生动态量化参数.该算法和Lin等人提出的数字水印方案相比,不仅具有良好的隐蔽性、安全性和不可感知性,同时,算法也具有良好的抗压缩攻击等鲁棒性能.仿真结果验证了算法的有效性.     

一种稳健的可恢复双重数字水印技术

采用自恢复技术和虚拟水印技术等新的技术方法对传统双重数字水印技术的性能进行加强和改进,有效地提高了水印技术的各项性能.文中的自恢复技术利用了双重数字水印所特有的属性,在双重水印中建立函数关系,将两个水印结合在一起,可以在水印受到攻击后对其进行恢复,这很大程度上提高了水印技术的稳健性.虚拟水印是可以在实际只嵌入一重水印的信息量的前提下,实现传统的双重水印技术,改善双重水印技术的不可见性.实验结果表明这一算法对JPEG压缩、添噪、滤波以及多种几何攻击都有很好的稳健性,自恢复实验结果则显示该算法可比同类算法的整体稳健性提高20%.     

基于混沌加密的小波包盲水印算法

利用混沌系统的特点调制了两种不同的混沌序列,分别用于水印加密和子图像的抽取.对子图像进行小波包分解,通过修改小波包的系数来嵌入数字水印.水印的提取不需要原始图像,实现了盲提取.实验结果表明,该算法对于常见的JPEG压缩、高斯噪声,裁剪和缩放等攻击具有较好的鲁棒性.     

基于DC直流系数的盲视频水印算法

为了增强抗攻击的能力和保证算法的不可见性,基于DC直流系数的稳定性,把选择的视频帧分成8×8块,每块经过2次DCT变换,提取与每块像素RGB平均值成正比的DC直流系数,将这些DC系数组织成一维序列,并划分为更小的子序列,然后对每个子序列进行一维DCT变换,通过比较相邻2个子序列中最后一个高频系数值的大小来嵌入水印．实验结果表明：该算法有较高的视觉质量,同时对于MPEG压缩,帧置换,加噪等处理有良好的鲁棒性,在水印的提取过程中不需要任何附加信息．     

基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题,提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性,提出基于快速神经网络架构搜索（neural architecture search,NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法,在预设的搜索空间中搜索最优网络结构,进行图像水印的高效嵌入与鲁棒提取。首先,将子网络中线性连接的全卷积层设置为独立的神经单元结构,并参数化表示结构单元内节点的连接,预先设定结构单元内每个神经元操作的搜索空间;其次,在完成一个批次的数据集训练后,依据神经元操作中的被采样次数和平均损失函数值动态更新概率;最后,重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上,大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑,本文算法具有较高的时间性能和较好的实验效果,在隐藏图像时,对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验,对比发现,本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著;在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著,特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。     

基于BEMD、DCT和SVD的混合图像水印算法

水印的不可见性和算法的鲁棒性是图像版权保护领域关注的重要问题，然而大多数算法不能很好地平衡二者的关系。为此，提出了一种基于二维经验模态分解（BEMD）、离散余弦变换（DCT）和奇异值分解（SVD）的不可见性高、鲁棒性强的混合图像水印算法。首先，对水印图像采用Arnold置乱，增强算法的安全性，并对置乱后的水印图像进行二维DCT。然后，对宿主图像进行BEMD，得到有限个尺度不同的内蕴模态函数（IMF）及余量，选择与宿主图像相关性较低的IMF执行二维DCT，根据水印的大小对其进行不重叠分块，分别对每个分块图像以及经DCT的水印图像执行SVD。最后，根据自适应最优嵌入准则确定水印嵌入强度，并将水印嵌入每个分块，以增强算法的容错性。大量实验以及与现有算法的对比表明，所提算法不仅具有抵抗大尺度攻击的鲁棒性，而且具有较高的不可见性。     

基于张量奇异值分解的鲁棒视频水印算法

针对视频的版权保护, 提出了一种基于张量奇异值分解(T-SVD)的鲁棒视频水印算法. 不同于图像, 视频具有多维度的特点, 能够被看作一个高阶张量, 并通过张量奇异值分解以保留帧内和时域的相关性, 从而提高水印鲁棒性. 首先, 对视频帧的亮度分量进行离散小波变换(DWT), 计算得到低频子带(LL), 并将每3帧的LL作为一个三阶张量; 其次, 将三阶张量分成不重叠块, 并进行张量奇异值分解, 计算得到对角张量; 最后, 利用包含强相关性的对角线张量的奇异值嵌入水印以增强鲁棒性. 此外, 还采用密钥随机提取视频帧, 以加强算法的安全性. 实验结果表明, 提出的算法能够抵抗多种视频攻击, 具有较强的鲁棒性.     

Rijndael算法优化技术研究

通过深入分析Rijndael算法,改进了AES算法的几个有可能产生不安全隐患的步骤.首先是对于最可能被攻击的混列进行优化,使该步骤变成简单的查表而不是域乘,增加了非线形安全性;其次对于子密钥的生成方面引入了随机函数使密钥的生成和选择变成随机性的,而不是原算法简单的线形选择,这样可以较完全抵抗线形密码分析的攻击.     

基于Turbo码的图像数字水印技术

在详细分析数字水印系统等效信道的基础上，提出了一种基于Turbo码的图像数字水印算法．该算法利用Turbo码的纠错性能和人眼视觉特性，以实现静止图像中数字水印的嵌入和提取；在水印嵌入之前，对水印序列进行Turbo码编码，然后利用人眼视觉特性进行水印嵌入，并采用了Turbo迭代译码算法进行水印提取，最后进行了数值仿真和算法比较．实验结果表明，该算法降低了水印在传输过程中的误码率，提高了水印的抗攻击能力，同时较好地解决了水印的鲁棒性和不可见性之间的矛盾．     

一种视频图像的自适应水印新算法

随着计算机和网络技术的快速发展，数字水印技术正成为一种数字煤体知识产权保护的有效方法，本文提出一种视频自适应水印新算法，它直接对压缩后的视频数据流进行操作，将水印信息嵌入到运动矢量上，根据待嵌入的水印住处和运动矢量的特征矢量，新算法自动调整嵌入方案，使得嵌入水印后的图像质量损失达到最小，水印的提取算法具有盲检功能，并且新算法与视频标准有很好的兼容性，实验结果表明，算法简单有效。     

基于视觉掩蔽特性的数字水印技术

提出了一种在DCT域中绘图像加水印的方法，该方法合理综合了几种数字水印技术，利用DCT域的视觉掩蔽特性，在图像的不同部分嵌入不同强度的经过伪随机扩展编码后的水印，且提取水印时无需原因图像，结果表明，在保证水印不可视的前提下，该方法提高了水印的鲁棒性，并对JPEG压缩，中值滤波等攻具有很好的抵抗能力。     

基于人类视觉特性（HVS）的离散小波变换（DWT）数字水印算法

伴随着计算机网络通信技术的蓬勃发展,数字媒体数据的交换和传输变得日益简单且快捷.数字水印技术是一项将数字、序列号、图像标志等版权信息嵌入到数字产品信息中,用来保护数字产品版权和认证来源及完整性的新型技术.提出了一种基于人类视觉特性HVS的小波域盲数字水印算法,通过借鉴人类视觉特性HVS算法思想自适应的嵌入水印信息,能够很好地达到水印嵌入透明性和鲁棒性的平衡.通过Matlab软件实验仿真,表明该算法具有较好的透明性和鲁棒性.     

一种基于汉明码的二值图像认证方法

结合二值水印图像的特点,运用汉明码的监督关系式,提出一种基于汉明码的像素级数字水印认证方法,此方法可用于灰度水印图像的内容认证,在认证检测时仅利用检测图就可以准确确认某像素点是否被篡改,并具有篡改定位与修复能力。     

基于RLS自适应算法的音频数字水印检测技术

实现了一种基于音频信号掩蔽曲线的水印嵌入方法，提出了一种基于RLS（递归最小二乘方）自适应滤波算法的水印检测算法，该算法在检测水印时无需原音频文件，实验结果表明，在不影响听觉效果的前提下，这种水印嵌入和检测方法对MPEG压缩，常规滤波，加噪等处理均具有很好的抗攻击性即鲁棒性。     

基于运动矢量的鲁棒视频水印算法

针对AVS-M标准提出了一种水印嵌入方法,直接利用AVS-M编码器中解码的数据进行边缘检测确定边缘块与非边缘块,把边缘块作为水印添加候选块,有效控制了编码器的开销.选择P帧中具有最大运动矢量幅值的宏块嵌入水印,水印嵌入通过修改运动估计搜索得到的运动矢量值实现,因水印嵌入修改运动矢量会对后续编码块产生影响,给出了AVS-M编解码器严格的补偿方案,补偿后的水印信息均能正确提取,证明了这种方法的有效性.针对运动矢量水印检测要求严格同步的缺点,提出了利用最大相似序列向量检测水印的方法,对虚警、漏警或攻击造成的水印信息丢失具有良好的检测效果.