CN104063838B - 基于Logistic混沌映射和Walsh序列的非对称水印方法 - Google Patents
基于Logistic混沌映射和Walsh序列的非对称水印方法 Download PDFInfo
- Publication number
- CN104063838B CN104063838B CN201410298407.7A CN201410298407A CN104063838B CN 104063838 B CN104063838 B CN 104063838B CN 201410298407 A CN201410298407 A CN 201410298407A CN 104063838 B CN104063838 B CN 104063838B
- Authority
- CN
- China
- Prior art keywords
- watermark
- msub
- mrow
- public key
- threshold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000000739 chaotic effect Effects 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims description 29
- 238000001514 detection method Methods 0.000 claims abstract description 58
- 239000011159 matrix material Substances 0.000 claims description 42
- 238000012360 testing method Methods 0.000 claims description 22
- 238000013507 mapping Methods 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000006835 compression Effects 0.000 description 9
- 238000007906 compression Methods 0.000 description 9
- 235000002566 Capsicum Nutrition 0.000 description 6
- 239000006002 Pepper Substances 0.000 description 6
- 241000722363 Piper Species 0.000 description 6
- 235000016761 Piper aduncum Nutrition 0.000 description 6
- 235000017804 Piper guineense Nutrition 0.000 description 6
- 235000008184 Piper nigrum Nutrition 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 150000003839 salts Chemical class 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000010008 shearing Methods 0.000 description 4
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008092 positive effect Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于Logistic混沌映射和Walsh序列的非对称水印算法，包括如下步骤：根据载体图像的每块系数块的最大奇异值得到特征矩阵；选取与特征矩阵不相关的Walsh序列为公钥水印，根据Logistic映射动力学方程得到混沌序列，将所述混沌序列转换为取值为±1的序列并从中截取一个与特征矩阵不相关的序列作为私钥水印；根据公钥水印和私钥水印的加权和得到嵌入水印，根据嵌入水印的信息生成水印图像；对水印图像进行检测。本发明的技术方案安全性高，能够较好的保护版权，检测性能好，鲁棒性强。
Description
技术领域
本发明属于数字水印技术领域，具体涉及一种基于Logistic混沌映射和Walsh序列的非对称水印方法。
背景技术
随着数字化产品的广泛普及和网络技术的快速发展，数字产品的安全问题越来越受到人们的重视。怎样才能有效的保护产品的版权成为人们极为关心的问题。
数字水印技术能对数字产品的版权进行很好的保护。但数字水印技术一般都采用对称水印，对于传统的对称数字水印技术，水印嵌入和水印检测采用相同的密钥，水印检测只能由版权所有者和授权机构来完成，在发生版权纠纷时，版权拥有者需要出示私人密钥来证明其合法拥有。而密钥一旦暴露，攻击者就能够移去或伪造水印，这样就不能很好的保护版权。
发明内容
本发明的目的是提供一种基于Logistic混沌映射和Walsh序列的非对称水印方法，以解决上述问题。
为了实现上述目的，本发明所采用的技术方案是：
一种基于Logistic混沌映射和Walsh序列的非对称水印方法，其特征在于，包括如下步骤：
步骤一：特征矩阵S的构建
取m×m的图像Am×m作为载体图像，对载体图像进行DCT变换，从DCT系数中选取4k×4k个中频系数，构成矩阵B4k×4k，
将矩阵B4k×4k分割成N块互不重叠的4×4系数块，N＝k×k，
将第i块系数块记为Bi，i∈[1,N]，根据[ui,si,vi]＝svd(Bi)，对每块系数块进行奇异值分解并提取每块的最大奇异值，共得到N个最大奇异值，将N个最大奇异值构成特征矩阵S；
步骤二：公钥水印Wp和私钥水印Ws的构建
选取与特征矩阵S不相关的长度为N的Walsh序列为公钥水印Wp，即
根据Logistic映射动力学方程xn+1＝μ0xn(1-xn)，得到混沌序列X＝{x1,x2,Λ,xn}，式中，μ0为分支参数，μ0∈(0,4)，x的初值x0∈(0,1)，
根据xi＝mod(round(xi×108),2)，将混沌序列X转换为取值为±1的序列，mod表示取模运算，round表示就近取整，
从取值为±1的序列中，截取一个与特征矩阵S不相关的长度为N的序列Y＝{y1,y2,Λ,yN}作为私钥水印Ws，即
上述公钥水印Wp和私钥水印Ws的构建无先后顺序；
步骤三：生成水印图像A'm×m
计算公钥水印Wp和私钥水印Ws的加权和，根据加权和构造得到嵌入水印Ww，
根据S'＝S+λWw，将嵌入水印Ww的信息采用加法嵌入特征矩阵S中，得到特征矩阵S'，对特征矩阵S'中每块系数块对应的奇异值进行奇异值反变换，得到修改后的DCT系数，采用修改后的DCT系数对载体图像进行DCT反变换，得到m×m的水印图像A'm×m；
步骤四：水印检测
对水印图像A'm×m采用步骤一的操作，得到特征矩阵S'，特征矩阵S'＝S+λWw+n0＝S+λ(αWs+βWp)+n0，n0表示由各种攻击所引起的干扰信号，
采用Wp_threshold、Ws_threshold分别表示公钥检测阈值和私钥检测阈值，
公钥检测阈值Wp_threshold的设定方法为：其中，为特征矩阵S的均值，为公钥水印Wp的均值，为公钥水印Wp的能量，
根据上述公钥检测阈值Wp_threshold的设定方法，设定私钥检测阈值Ws_threshold，
采用Wp_test、Ws_test分别表示公钥检测的检测值和私钥检测的检测值，根据公式：
计算得到Wp_test，参照相同计算方法计算得到Ws_test，
将Wp_test与Wp_threshold进行比较，当Wp_test≥Wp_threshold，则判定公钥水印Wp存在，反之，则判定公钥水印Wp不存在，
将Ws_test与Ws_threshold进行比较，当Ws_test≥Ws_threshold，则判定私钥水印Ws存在，反之，则判定私钥水印Ws不存在。
本发明的技术方案的进一步特征在于：步骤一中对DCT系数进行‘之’字形扫描，把DCT系数按频率从低到高排序。
本发明的技术方案的进一步特征在于：图像Am×m为灰度图像。
本发明的技术方案的进一步特征在于：步骤二中分支参数μ0的取值范围为3.5699456≤μ0≤4。
本发明的技术方案的进一步特征在于：步骤三中嵌入水印Ww的构造方法为：Ww＝αWs+βWp，其中，α,β∈(0，1)。
与背景技术相比，本发明的技术方案的优点和积极效果如下：
1.安全性高，能够较好的保护版权
根据本发明所提供的技术方案，采用公钥水印Wp和私钥水印Ws的加权和来构造嵌入水印，与背景技术相比，在发生版权纠纷时，版权所有者不需要暴露私钥水印，可以直接利用公钥水印进行检测，水印攻击者即使掌握了私钥水印，也无法推导出嵌入密钥。
2.检测性能好，鲁棒性强
本发明的技术方案采用了基于Logistic混沌映射和Walsh序列的非对称水印方法对载体图像嵌入水印，检测性能良好，对加性噪声、有损压缩、裁剪等攻击都具有很好的鲁棒性。
附图说明
图1为本发明的技术方案在实施例中的载体图像；
图2为本发明的技术方案在实施例中的水印嵌入流程图；
图3为本发明的技术方案在实施例中的水印检测流程图；
图4为本发明的技术方案在实施例中的水印图像；
图5为本发明的技术方案在实施例中的JPEG压缩下水印检测结果；以及
图6为本发明的技术方案在实施例中加高斯噪声时不同检测序列的检测结果说明图。
具体实施方式
以下结合附图，对本发明所涉及的基于Logistic混沌映射和Walsh序列的非对称水印方法做进一步说明。
<实施例>
图1为本发明的技术方案在实施例中的载体图像。
本实施例在matlab 2013a环境下，以如图1所示的512×512的灰度图像为载体图像(即m＝512)。取一维Logistic混沌序列的分支参数μ0＝3.711，初值x0＝0.773。公钥Wp选用的是4096×4096的Hadamard矩阵的第112行所构成的Walsh序列。嵌入水印Ww时，参数α＝0.73，β＝0.64，λ＝17。
图2为本发明的技术方案在实施例中的水印嵌入流程图。
图3为本发明的技术方案在实施例中的水印检测流程图。
本实施例所提供的基于Logistic混沌映射和Walsh序列的非对称水印方法，首先利用Logistic混沌映射和Walsh序列构造嵌入水印，然后将水印嵌入到由载体图像的最大奇异值构成的特征矩阵，并采用相关值计算方法对水印进行检测。具体包括如图2和图3所示的以下步骤：
步骤一：特征矩阵S的构建
取如图1所示的m×m的图像Am×m作为载体图像，m＝512，对该载体图像进行DCT变换，并对DCT系数进行‘之’字形扫描，从DCT系数中选取4k×4k个中频系数，构成矩阵B4k×4k，
将矩阵B4k×4k分割成N块互不重叠的4×4系数块，N＝k×k，将第i块系数块记为Bi，i∈[1,N]，根据[ui,si,vi]＝svd(Bi)，对每块系数块进行奇异值分解并提取每块的最大奇异值，即si(1,1)，共得到N个最大奇异值，将N个最大奇异值构成特征矩阵S。
步骤二：公钥水印Wp和私钥水印Ws的构建
选取与特征矩阵S不相关的长度为N的Walsh序列为公钥水印Wp，即
取分支参数μ0＝3.711，初值x0＝0.773，代入Logistic映射动力学方程xn+1＝μ0xn(1-xn)中，得到混沌序列X＝{x1,x2,Λ,xn}。
根据xi＝mod(round(xi×108),2)，将混沌序列X转换为取值为±1的序列，mod表示取模运算，round表示就近取整。
从取值为±1的序列中，截取一个与特征矩阵S不相关的长度为N的序列Y＝{y1,y2,Λ,yN}作为私钥水印Ws，即
图4为本发明的技术方案在实施例中的水印图像。
步骤三：生成水印图像A'm×m
设定参数α＝0.73，β＝0.64，λ＝17。
利用公钥水印Wp和私钥水印Ws的加权和来构造嵌入水印Ww，Ww＝αWs+βWp。
根据S'＝S+λWw，将嵌入水印Ww的信息采用加法嵌入特征矩阵S中，得到特征矩阵S'，对特征矩阵S'中每块系数块对应的奇异值进行奇异值反变换，得到修改后的DCT系数，采用修改后的DCT系数对载体图像进行DCT反变换，得到如图4所示的m×m的水印图像A'm×m。
步骤四：水印检测
对水印图像A'm×m采用步骤一的操作，得到特征矩阵S'，特征矩阵S'＝S+λWw+n0＝S+λ(αWs+βWp)+n0，n0表示由各种攻击所引起的干扰信号，
采用Wp_threshold、Ws_threshold分别表示公钥检测阈值和私钥检测阈值，
公钥检测阈值Wp_threshold的设定方法为：其中，为特征矩阵S的均值，为公钥水印Wp的均值，为公钥水印Wp的能量，
根据上述公钥检测阈值Wp_threshold的设定方法，设定私钥检测阈值Ws_threshold，
采用Wp_test、Ws_test分别表示公钥检测的检测值和私钥检测的检测值，根据公式：
由于构造的Wp、Ws与特征矩阵S满足以下关系：
则：公钥检测阈值Wp_threshold设为：其中为特征矩阵S中所有元素的均值，为公钥的均值，为公钥的能量。同理可得私钥检测阈值Ws_threshold。
将Wp_test与Wp_threshold进行比较，当Wp_test≥Wp_threshold，则判定公钥水印Wp存在，反之，则判定公钥水印Wp不存在；将Ws_test与Ws_threshold进行比较，当Ws_test≥Ws_threshold，则判定私钥水印Ws存在，反之，则判定私钥水印Ws不存在。
对如图4所示的水印图像A'm×m分别进行JPEG压缩、加高斯噪声、加椒盐噪声和剪切等攻击。
图5为本发明的技术方案在实施例中的JPEG压缩下水印检测结果。
JPEG压缩：对图4所示的水印图像A'm×m进行不同程度的JPEG压缩处理，然后进行水印检测，检测效果如图5所示。从图5可以看出，对水印图像进行质量因子为20％的JPEG压缩，公钥检测和私钥检测仍然有效，检测性能良好。
加高斯噪声：
(1)对图4所示的水印图像A'm×m加高斯噪声，噪声的方差分别为0.006、0.009、0.012，水印检测结果如表1所示。从表1可以看出，本实施例所提供的方法具有较好的抗高斯噪声干扰的能力。
表1加高斯噪声后水印的检测结果
图6为本发明的技术方案在实施例中加高斯噪声时不同检测序列的检测结果说明图。
(2)对图4所示的水印图像A'm×m加高斯噪声，噪声方差为：0.009，用1000个序列进行检测，其中第200个检测序列为私钥水印，第400检测序列为公钥水印，其他检测序列为4096×4096的Hadamard矩阵的第200行至第1197行所构成的998个Walsh序列。水印检测结果图6所示。
加椒盐噪声：对图4所示的水印图像A'm×m加椒盐噪声，噪声强度分别为0.01、0.03、0.04，水印检测结果如表2所示。从表2可以看出，本发明方法具有较好的抗椒盐噪声干扰的能力。
表2加不同强度的椒盐噪声后水印的检测结果
剪切：对图4所示的水印图像A'm×m进行不同程度的剪切，水印检测结果如表3所示。从表3可以看出，本发明方法具有较好的抗剪切能力。
表3不同程度的剪切后水印的检测结果
与背景技术相比，本实施例所提供的技术方案的优点和积极效果如下：
1.安全性高，能够较好的保护版权
根据本实施例所提供的技术方案，采用公钥水印Wp和私钥水印Ws的加权和来构造嵌入水印，与背景技术相比，在发生版权纠纷时，版权所有者不需要暴露私钥水印，可以直接利用公钥水印进行检测，水印攻击者即使掌握了私钥水印，也无法推导出嵌入密钥。
2.检测性能好，鲁棒性强
本实施例所提供的技术方案采用了基于Logistic混沌映射和Walsh序列的非对称水印方法对载体图像嵌入水印，JPEG压缩、加高斯噪声、加椒盐噪声和剪切等攻击测试显示，本实施例所提供的技术方案检测性能良好，对加性噪声、有损压缩、裁剪等攻击都具有很好的鲁棒性。
当然，本发明所涉及的基于Logistic混沌映射和Walsh序列的非对称水印方法并不仅仅限定于上述实施例中的内容。以上内容仅为本发明构思下的基本说明，而依据本发明的技术方案所作的任何等效变换，均属于本发明的保护范围。
另外，在上述实施例中，选取的是512×512的灰度图像作为载体图像，本发明的技术方案，可以选择任意长度的方形图像作为载体图像，该方形图像可以为灰度图像，也可以为彩色图像，均能达到相同的作用效果。
另外，在上述实施例中，分支参数μ0＝3.711，初值x0＝0.773，本发明的技术方案分支参数μ0可以选自0-4之间的任意数值，x0可以选自0～1之间的任意数值，均能达到相同的作用效果。
另外，在上述实施例中，参数α＝0.73，β＝0.64，本发明的技术方案α和β可以选自0～1之间的任意数值，均能达到相同的作用效果。
Claims (4)
1.一种基于Logistic混沌映射和Walsh序列的非对称水印方法，其特征在于，包括如下步骤：
步骤一：特征矩阵S的构建
取m×m的图像Am×m作为载体图像，对所述载体图像进行DCT变换，从DCT系数中选取4k×4k个中频系数，构成矩阵B4k×4k，
将所述矩阵B4k×4k分割成N块互不重叠的4×4系数块，N＝k×k，
将第i块所述系数块记为Bi，i∈[1,N]，根据[ui,si,vi]＝svd(Bi)，对每块所述系数块进行奇异值分解并提取每块的最大奇异值，共得到N个最大奇异值，将N个所述最大奇异值构成特征矩阵S；
步骤二：公钥水印Wp和私钥水印Ws的构建
选取与所述特征矩阵S不相关的长度为N的Walsh序列为公钥水印Wp，即
根据Logistic映射动力学方程xn+1＝μ0xn(1-xn)，得到混沌序列X＝{x1,x2,Λ,xn}，式中，μ0为分支参数，μ0∈(0,4)，x的初值x0∈(0,1)，
根据xi＝mod(round(xi×108),2)，将所述混沌序列X转换为取值为±1的序列，mod表示取模运算，round表示就近取整，
从取值为±1的序列中，截取一个与所述特征矩阵S不相关的长度为N的序列Y＝{y1,y2,Λ,yN}作为私钥水印Ws，即
上述公钥水印Wp和私钥水印Ws的构建无先后顺序；
步骤三：生成水印图像A'm×m
计算所述公钥水印Wp和所述私钥水印Ws的加权和，根据所述加权和构造得到嵌入水印Ww，该嵌入水印Ww的构造方法为：Ww＝αWs+βWp，α、β均为预设参数，α,β∈(0，1)，
根据S'＝S+λWw，λ为预设参数，将所述嵌入水印Ww的信息采用加法嵌入所述特征矩阵S中，得到特征矩阵S'，对所述特征矩阵S'中每块所述系数块对应的奇异值进行奇异值反变换，得到修改后的DCT系数，采用修改后的DCT系数对所述载体图像进行DCT反变换，得到m×m的水印图像A'm×m；
步骤四：水印检测
对所述水印图像A'm×m采用所述步骤一的操作，得到特征矩阵S”，所述特征矩阵S”＝S+λWW+n0＝S+λ(αWs+βWp)+n0，n0表示由各种攻击所引起的干扰信号，
采用Wp_threshold、Ws_threshold分别表示公钥检测阈值和私钥检测阈值，
所述公钥检测阈值Wp_threshold的设定方法为：其中，为所述特征矩阵S的均值，为所述公钥水印Wp的均值，为所述公钥水印Wp的能量，
根据上述公钥检测阈值Wp_threshold的设定方法，设定所述私钥检测阈值Ws_threshold，
采用Wp_test、Ws_test分别表示公钥检测的检测值和私钥检测的检测值，根据公式：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>W</mi>
<mi>p</mi>
</msub>
<mo>_</mo>
<mi>t</mi>
<mi>e</mi>
<mi>s</mi>
<mi>t</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<msup>
<msub>
<mi>W</mi>
<mi>p</mi>
</msub>
<mi>T</mi>
</msup>
<mo>*</mo>
<msup>
<mi>S</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<msup>
<msub>
<mi>W</mi>
<mi>p</mi>
</msub>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mo>+</mo>
<mi>&lambda;</mi>
<mo>(</mo>
<msub>
<mi>&alpha;W</mi>
<mi>s</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;W</mi>
<mi>p</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>n</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<msup>
<msub>
<mi>W</mi>
<mi>p</mi>
</msub>
<mi>T</mi>
</msup>
<mo>*</mo>
<mi>S</mi>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<msup>
<msub>
<mi>W</mi>
<mi>p</mi>
</msub>
<mi>T</mi>
</msup>
<mo>*</mo>
<msub>
<mi>n</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<mfrac>
<mrow>
<mi>&lambda;</mi>
<mi>&alpha;</mi>
</mrow>
<mi>N</mi>
</mfrac>
<msup>
<msub>
<mi>W</mi>
<mi>p</mi>
</msub>
<mi>T</mi>
</msup>
<mo>*</mo>
<msub>
<mi>W</mi>
<mi>s</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<mfrac>
<mrow>
<mi>&lambda;</mi>
<mi>&beta;</mi>
</mrow>
<mi>N</mi>
</mfrac>
<msup>
<msub>
<mi>W</mi>
<mi>p</mi>
</msub>
<mi>T</mi>
</msup>
<mo>*</mo>
<msub>
<mi>W</mi>
<mi>p</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
计算得到所述Wp_test，参照相同计算方法计算得到所述Ws_test，
将所述Wp_test与所述Wp_threshold进行比较，当Wp_test≥Wp_threshold，则判定所述公钥水印Wp存在，反之，则判定所述公钥水印Wp不存在，
将所述Ws_test与所述Ws_threshold进行比较，当Ws_test≥Ws_threshold，则判定所述私钥水印Ws存在，反之，则判定所述私钥水印Ws不存在。
2.根据权利要求1所述的基于Logistic混沌映射和Walsh序列的非对称水印方法，其特征在于：
所述步骤一中对DCT系数进行‘之’字形扫描，把DCT系数按频率从低到高排序。
3.根据权利要求1所述的基于Logistic混沌映射和Walsh序列的非对称水印方法，其特征在于：
所述图像Am×m为灰度图像。
4.根据权利要求1所述的基于Logistic混沌映射和Walsh序列的非对称水印方法，其特征在于：
所述步骤二中所述分支参数μ0的取值范围为3.5699456≤μ0＜4。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410298407.7A CN104063838B (zh) | 2014-06-26 | 2014-06-26 | 基于Logistic混沌映射和Walsh序列的非对称水印方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410298407.7A CN104063838B (zh) | 2014-06-26 | 2014-06-26 | 基于Logistic混沌映射和Walsh序列的非对称水印方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104063838A CN104063838A (zh) | 2014-09-24 |
| CN104063838B true CN104063838B (zh) | 2017-09-12 |
Family
ID=51551532
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410298407.7A Expired - Fee Related CN104063838B (zh) | 2014-06-26 | 2014-06-26 | 基于Logistic混沌映射和Walsh序列的非对称水印方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104063838B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104702403A (zh) * | 2015-04-01 | 2015-06-10 | 哈尔滨工业大学 | 有限精度下的混沌系统内部扰动实现方法 |
| EP3624391A1 (en) * | 2018-09-12 | 2020-03-18 | Koninklijke Philips N.V. | Public/private key system with decreased encrypted message size |
| TWI763474B (zh) * | 2021-05-06 | 2022-05-01 | 國立勤益科技大學 | 公鑰加密ｑｒ碼方法及其應用 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101853484A (zh) * | 2010-05-21 | 2010-10-06 | 天津大学 | 一种三维网格非嵌入式健壮水印的构造方法和检测方法 |
| CN103106636A (zh) * | 2013-02-28 | 2013-05-15 | 大连民族学院 | 一种基于奇异值分解的灰度图像水印嵌入和提取方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060239501A1 (en) * | 2005-04-26 | 2006-10-26 | Verance Corporation | Security enhancements of digital watermarks for multi-media content |
-
2014
- 2014-06-26 CN CN201410298407.7A patent/CN104063838B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101853484A (zh) * | 2010-05-21 | 2010-10-06 | 天津大学 | 一种三维网格非嵌入式健壮水印的构造方法和检测方法 |
| CN103106636A (zh) * | 2013-02-28 | 2013-05-15 | 大连民族学院 | 一种基于奇异值分解的灰度图像水印嵌入和提取方法 |
Non-Patent Citations (4)
| Title |
|---|
| "A Watermark Preprocessing Algorithm Based on Arnold Transformation and Logistic Chaotic Map";WS Fang，LL Wu，R Zhang;《Advanced Materials Research》;20110927;第341-342卷;第720-724页 * |
| "基于DCT域的静态图像数字水印算法研究";傅俊;《中国优秀硕士学位论文全文数据库-信息科技辑》;20070815(第02期);第25-34页 * |
| "基于变换域的非对称水印技术研究与应用";王伟;《中国优秀硕士学位论文全文数据库-信息科技辑》;20111215(第S1期);第16-36页、43-44页 * |
| "非对称数字水印技术研究";邹潇湘，锦涛，彭聪;《计算机工程与应用》;20020801(第16期);第1页第2节，第2页第3节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104063838A (zh) | 2014-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Feng et al. | A DWT-DCT based blind watermarking algorithm for copyright protection | |
| Pradhan et al. | Non blind digital watermarking technique using DWT and cross chaos | |
| Megalingam et al. | Performance comparison of novel, robust spatial domain digital image watermarking with the conventional frequency domain watermarking techniques | |
| Abdallah et al. | Blind wavelet-based image watermarking | |
| Aparna et al. | Image watermarking using Diffie Hellman key exchange algorithm | |
| Kansal et al. | DWT, DCT and SVD based digital image watermarking | |
| CN104063838B (zh) | 基于Logistic混沌映射和Walsh序列的非对称水印方法 | |
| CN111882477A (zh) | 一种结合视觉密码和增强奇异值分解的自适应零水印方法 | |
| CN105306778A (zh) | 结合密码学的安全性水印算法 | |
| Ye et al. | Application of the chaotic ergodicity of standard map in image encryption and watermarking | |
| Abu et al. | Image watermarking using psychovisual threshold over the edge | |
| CN103927711A (zh) | 一种基于ofdm-cdma的鲁棒数字水印算法 | |
| Surekha et al. | Visual secret sharing based digital image watermarking | |
| Kalra et al. | Robust blind digital image watermarking using DWT and dual encryption technique | |
| Zhu et al. | An image authentication technology based on digital watermarking | |
| Zhang et al. | Robust watermarking scheme based on singular value of decomposition in DWT domain | |
| Razak et al. | Robustness of Modified Non-Separable Haar Wavelet Transform and Singular Value Decomposition for Non-blind Digital Image Watermarking. | |
| Keshari et al. | Dual watermarking based on Multiple parameter fractional Fourier transform and LSB technique | |
| Çetınel et al. | Chaotic digital image watermarking scheme based on DWT and SVD | |
| Behravan et al. | Introducing a new method of image reconstruction against crop attack using sudoku watermarking algorithm | |
| Fan et al. | Novel fragile watermarking scheme using an artificial neural network for image authentication | |
| Jin et al. | Robust digital watermark technique for copyright protection | |
| Setyono | Tchebichef image watermarking based on PN-sequence | |
| Hasan et al. | Performance Analysis of Least Significant Bit Based Watermarking Technique Under Various Types of Attacks | |
| Elbireki et al. | Adopting A Robust Watermarked Image Against Cyber Security Threats Using DCT and Ramer Method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170912 Termination date: 20200626 |