圖像水印技術(shù)的研究與應(yīng)用為數(shù)字圖像版權(quán)的查證提供了技術(shù)支撐。它將一個(gè)被稱為水印的、代表版權(quán)的數(shù)字標(biāo)記不可察覺(jué)地嵌入到圖像中,當(dāng)發(fā)生版權(quán)糾紛時(shí),通過(guò)提取水印來(lái)確定圖像的所有權(quán)。水印技術(shù)能被有效地應(yīng)用于版權(quán)保護(hù)的關(guān)鍵在于:嵌入的水印兼?zhèn)洳豢梢娦院汪敯粜�。�?duì)于圖像水印算法,自適應(yīng)調(diào)參模型、水印嵌入和提取方法、以及嵌入?yún)^(qū)域的確定,是影響水印的不可見性和魯棒性的關(guān)鍵因素。自適應(yīng)調(diào)參模型的實(shí)質(zhì)是嵌入?yún)��?shù)(用于控制水印嵌入的強(qiáng)度)關(guān)于載體圖像某些特性(均值、方差、熵等)的函數(shù)。現(xiàn)有采用自適應(yīng)調(diào)參模型的水印技術(shù)在提高水印魯棒性的同時(shí)、無(wú)法保證所有圖像中嵌入的水印擁有一致且良好的不可見性。主流的水印嵌入和提取方法分為擴(kuò)頻方法和量化方法,但兩者都有其固有的缺陷。擴(kuò)頻方法存在載體信號(hào)干擾(HSI),量化方法難以抵抗縮放攻擊,這些都會(huì)影響水印提取的準(zhǔn)確率。嵌入?yún)^(qū)域是水印在圖像中的嵌入位置。現(xiàn)有水印技術(shù)確定的嵌入?yún)^(qū)域中通常包含紋理平滑部分,使嵌入在其中的水印影響圖像的視覺(jué)質(zhì)量;并且圖像被攻擊前后定位的嵌入?yún)^(qū)域可能不一致,導(dǎo)致水印提取性能下降。針對(duì)以上問(wèn)題,本文分別對(duì)自適應(yīng)調(diào)參模型、水印嵌入和提取方法、以及嵌入?yún)^(qū)...

【文章頁(yè)數(shù)】：174 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
英文縮寫
名詞解釋
第一章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 自適應(yīng)調(diào)參模型
        1.2.2 嵌入和提取方法
        1.2.3 嵌入?yún)^(qū)域的確定
        1.2.4 存在問(wèn)題
    1.3 研究目標(biāo)與內(nèi)容
        1.3.1 研究目標(biāo)
        1.3.2 研究?jī)?nèi)容
    1.4 本文貢獻(xiàn)
    1.5 論文組織安排
第二章 圖像水印技術(shù)綜述
    2.1 相關(guān)概念與術(shù)語(yǔ)
        2.1.1 圖像水印技術(shù)分類
        2.1.2 攻擊類型
        2.1.3 基本屬性
        2.1.4 評(píng)價(jià)指標(biāo)
        2.1.5 水印算法執(zhí)行過(guò)程
    2.2 嵌入?yún)��?shù)的設(shè)置綜述
    2.3 嵌入和提取方案綜述
        2.3.1 變換域的確定
        2.3.2 特征向量的構(gòu)建
        2.3.3 嵌入和提取方法
        2.3.4 基準(zhǔn)水印方案
    2.4 嵌入?yún)^(qū)域的確定綜述
    2.5 本章小結(jié)
第三章 基于PSNR的全局自適應(yīng)抗HSI擴(kuò)頻水印算法
    3.1 基于PSNR的全局自適應(yīng)調(diào)參模型
        3.1.1 問(wèn)題分析與解決思路
        3.1.2 全局自適應(yīng)調(diào)參模型
    3.2 自適應(yīng)抗HSI擴(kuò)頻方法
        3.2.1 問(wèn)題分析與解決思路
        3.2.2 抗HSI擴(kuò)頻水印
        3.2.3 自適應(yīng)調(diào)參模型
        3.2.4 系數(shù)最優(yōu)取值分析
    3.3 算法流程
        3.3.1 水印嵌入算法
        3.3.2 水印提取算法
    3.4 實(shí)驗(yàn)分析
        3.4.1 實(shí)驗(yàn)設(shè)置
        3.4.2 不可見性評(píng)估
        3.4.3 魯棒性評(píng)估
        3.4.4 PGAPM性能評(píng)估
        3.4.5 系數(shù)設(shè)置正確性評(píng)估
    3.5 本章小結(jié)
第四章 基于PSNR的全局自適應(yīng)差值量化水印算法
    4.1 問(wèn)題分析與解決思路
    4.2 自適應(yīng)差值量化方法
        4.2.1 差值量化方法
        4.2.2 自適應(yīng)調(diào)參模型
    4.3 算法流程
        4.3.1 水印嵌入算法
        4.3.2 水印提取算法
    4.4 實(shí)驗(yàn)分析
        4.4.1 實(shí)驗(yàn)設(shè)置
        4.4.2 不可見性評(píng)估
        4.4.3 魯棒性評(píng)估
        4.4.4 時(shí)間開銷評(píng)估
        4.4.5 PGAPM性能評(píng)估
        4.4.6 應(yīng)用考慮
    4.5 本章小結(jié)
第五章 基于圖像紋理的局部自適應(yīng)水印算法
    5.1 問(wèn)題分析與解決思路
    5.2 圖像的紋理粗糙區(qū)域
        5.2.1 圖像紋理的度量
        5.2.2 紋理粗糙區(qū)域的判定
        5.2.3 水印嵌入?yún)^(qū)域的定位
    5.3 基于圖像紋理的局部自適應(yīng)調(diào)參模型
        5.3.1 不可見性評(píng)價(jià)指標(biāo)
        5.3.2 自適應(yīng)調(diào)參模型
    5.4 確定最終水印
    5.5 算法流程
        5.5.1 水印嵌入算法
        5.5.2 水印提取算法
    5.6 實(shí)驗(yàn)分析
        5.6.1 實(shí)驗(yàn)設(shè)置
        5.6.2 不可見性評(píng)估
        5.6.3 TLAPM性能評(píng)估
        5.6.4 魯棒性評(píng)估
        5.6.5 區(qū)域定位方式評(píng)估
        5.6.6 應(yīng)用考慮
    5.7 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 研究展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文及其他科研成果
攻讀學(xué)位期間參與的科研項(xiàng)目



本文編號(hào)：4003750