CN105741844A - 一种基于dwt-svd-ica的数字音频水印算法 - Google Patents
一种基于dwt-svd-ica的数字音频水印算法 Download PDFInfo
- Publication number
- CN105741844A CN105741844A CN201610191502.6A CN201610191502A CN105741844A CN 105741844 A CN105741844 A CN 105741844A CN 201610191502 A CN201610191502 A CN 201610191502A CN 105741844 A CN105741844 A CN 105741844A
- Authority
- CN
- China
- Prior art keywords
- watermark
- ica
- matrix
- singular value
- svd
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/018—Audio watermarking, i.e. embedding inaudible data in the audio signal
Abstract
本发明公开了一种基于DWT?SVD?ICA的数字音频水印算法,按如下步骤进行:第一步:对原始音频进行预处理,选择合适片段用水印嵌入;第二步:嵌入水印时,对原始音频进行三级小波变换,并对小波变换的近似分量进行奇异值分解,然后利用随机混合法完成水印嵌入;第三步:提取水印时,对嵌有水印的音频信号进行小波变换和奇异值分解,然后利用负熵最大化的固定点算法实现水印盲检测。本发明与传统基于ICA的音频水印算法相比,具有如下优点:水印鲁棒性得到了一定的提高即水印鲁棒性强劲,既可保证水印的不可感知性,又能保证水印的盲提取。
Description
技术领域
本发明属于数字音频水印技术领域,具体涉及一种基于变换域和独立分量分析技术结合的数字音频水印技术的表示方法。
背景技术
由于独立分量分析(ICA)是一种非常有效的盲信号处理技术,其基本原理是通过分析多维观测数据间的高阶统计相关性,找出相互独立的隐含信息成分,完成分量间高阶冗余的去除及独立信源的提取,而数字水印技术就是要在水印的载体中嵌入或提取出独立的信源信号。因此,业界将独立分量分析(ICA)应用数字音频水印的盲提取和半盲提取。目前,将ICA应用于图像水印研究的比较多,而应用于数字音频水印的研究相对较少。大多数基于ICA的水印虽然有较好的不可感知性,但鲁棒性仍不够强健。而相对的,基于变化域由于其强健的鲁棒性在该技术领域得到了广泛的应用。
发明内容
在实验研究中发现,基于变化域的音频水印技术拥有良好的鲁棒性,而ICA可以在保证水印不可感知性的前提下,实现了水印的盲提取。为了同时提高水印的不可感知性和鲁棒性,本发明结合小波变换(DWT)和奇异值分解(SVD)的变换特点,根据奇异值矩阵中的特征自适性调整水印嵌入强度,提出了一种基于DWT-SVD-ICA的数字音频水印算法。
本发明采取以下技术方案:一种基于DWT-SVD-ICA的数字音频水印算法,将原始音频信号的分段预处理获取适合嵌入水印的帧,对嵌入帧进行小波变换、 奇异值分解,在奇异值中自适应的嵌入水印信号。利用Fast-ICA提取水印以实现水印的盲检测。按如下步骤进行:
第一步:为了较好地保证水印的不可感知性和鲁棒性,对原始音频进行预处理,选择合适片段用水印嵌入。具体算法:
设第k帧音频信号的短时能量由Ek表示,其定义如下:
其中xk(i)为第k帧音频信号第i点的大小,N为信号帧长。音频帧的能量体现了某个时间段内音频信号的强度,Ek越大则表示掩蔽性能越好。
设第k帧音频信号的过零率用Zk表示,其定义为:
其中,sgn[x]为符号函数,根据变量x的大小按取值。音频帧的过零率指一帧内相邻的采样点改变符号的次数,体现了一帧中音频信号幅值变化的程度,过零率Zk越小表示该帧的幅值变化相对平稳。因此,设定两个阈值Eth和Zth,选取过零率Zk≤Zth且短时能量Ek≥Eth的音频帧作为水印嵌入帧ASk。
第二步:嵌入水印时,对原始音频进行三级小波变换(DWT),并对小波变换的近似分量进行奇异值分解(SVD),然后利用随机混合方法完成水印嵌入,以提高水印的不可感知性和鲁棒性。具体算法:
(1)对每帧ASk进行三级小波变换,得到低频近似分量CA3k和细节分量CD1k,CD2k,CD3k。由于CA3k具有能量集中的特性,所以在本发明中选择CA3k作为水印嵌入对象。为了实现对CA3k进行奇异值分解,先需将CA3k按式(7)转换成二维矩阵ca3k(即升维):
对ca3k进行奇异值分解成两个正交矩阵和对角阵并将其奇异值矩阵按式(4)转化为一维数组Sk:
(2)读取长度为的水印信息Mk,将水印Mk和一维数组Sk融合构成二维矩阵MSk:
将MSk与自适应混合矩阵Ak线性相乘得到嵌入水印的矩阵Xk,ICA混合公式如下:
由于矩阵的大小决定水印嵌入的强弱,影响着水印在音频中的不可感知性,因此,为了确保水印的鲁棒性和不可感知性,在本发明中,ak11,ak21在[0.85,0.99]的区间内随机选择;同时,选择SVD特征值来调节水印的嵌入强度,这样嵌入水印的强度具有自适应性。round(x)代表对x四舍五入。令Rk=ak21Sk+ak22Mk,并Rk作为密钥保存用于水印提取;令Lk=ak11Sk+ak12Mk,并Lk按式(7)转换成奇异值矩阵S',并按式(8)进行奇异值分解获得嵌入水印的ca3'k:
将二维矩阵ca3'k按式(9)转换成一维矩阵CA3'k(即降维):
CA3'k与CD1k,CD2k,CD3k进行小波重构,完成对第k帧音频信号的水印嵌入SWk;
(3)重复以上步骤(1)(2)直至完成对所有帧的水印嵌入,最后得到嵌入水印的音频SW。
第三步:提取水印时,对嵌有水印的音频信号进行小波变换和奇异值分解,然后利用已有的负熵最大化的固定点算法(Fast-ICA)来实现水印盲检测。具体步骤如下:
①对嵌有水印的音频SW分帧成SWk,k=1,2,…。并对SWk进行分段三级小波分解,得到近似分量CA3'k,将其转换成二维矩阵ca3'k,再将ca3'k其进行SVD分解得到奇异值矩阵S'k。对S'k中的奇异值如式(10)转化为Lk;
②将密钥Rk和Lk按式(11)融合成Xk;
根据Fast-ICA的实现步骤,对矩阵Xk进行解混,得到解混矩阵Wk,计算Yk矩阵;
由于Fast-ICA分离出两个独立变量不能确定哪一个分量含有水印信号,需将Yk1和Yk2分别与Lk进行相似度比较,选择相似度(NC)小于0.8的分量作为含有水印的独立分量。假设Yk1分量是所选含有水印的独立分量,则令WMk=Yk1;
③根据②步骤,假设Yk1分量是所选含有水印的独立分量,则令WMk=Yk1;按式(13)进行提取水印WAk:
其中,E{.}代表求均值。
(4)重复以上步骤①、②和③直到提取出所有水印WA。
本发明从考虑平衡水印不可感知性和鲁棒性的角度出发,提供了一种基于DWT-SVD-ICA的数字音频水印算法,其按:第一步:对原始音频进行预处理,选择合适片段用水印嵌入;第二步:嵌入水印时,对原始音频进行三级小波变换(DWT),并对小波变换的近似分量进行奇异值分解(SVD),然后利用随机混合方法完成水印嵌入,以提高水印的不可感知性和鲁棒性;第三步:提取水印时,对嵌有水印的音频信号进行小波处理和奇异值分解,然后利用负熵最大化的固定点算法(Fast-ICA)方法来实现水印盲检测。
本发明与传统基于ICA的音频水印算法相比,具有如下优点:水印鲁棒性得到了一定的提高即水印鲁棒性强劲,既可保证水印的不可感知性,又能保证水印的盲提取。
附图说明
图1为本发明的ICA模型框图。
图2为水印嵌入过程框图。
图3为水印提取过程框图。
图4为原始水印和提取出来的水印图像比较图。
图5为原始音频和嵌入水印后的音频的波形比较图。
图6为原始音频和嵌入水印后的音频的频谱比较图。
具体实施方式
下面结合附图对本发明优选实施例作详细说明。
在本实施例中,图1给出的ICA模型图。图2给出本发明的水印嵌入过程图。嵌入过程按如下步骤进行:
第一步:对原始音频进行预处理,选择合适片段用水印嵌入。具体算法:
设第k帧音频信号的短时能量由Ek表示,其定义如下:
其中,N为信号帧长。音频帧的能量体现了某个时间段内音频信号的强度,Ek越大则表示掩蔽性能越好。
设第k帧音频信号的过零率用Zk表示,其定义为:
其中,音频帧的过零率指一帧内相邻的采样点改变符号的次数,体现了一帧中音频信号幅值变化的程度,过零率Zk越小表示该帧的幅值变化相对平稳。因此,设定两个阈值Eth和Zth,选取过零率Zk≤Zth且短时能量Ek≥Eth的音频帧作为水印嵌入帧ASk。
第二步:嵌入水印时,对原始音频进行三级小波变换,并对小波变换的近似分量进行奇异值分解,然后利用随机混合方法完成水印嵌入,以提高水印的不可感知性和鲁棒性。具体算法:
(1)对每帧ASk进行三级小波变换,得到低频近似分量CA3k和细节分量CD1k,CD2k,CD3k。由于CA3k具有能量集中的特性,所以在本发明中选择CA3k作为水印嵌入对象。为了实现对CA3k进行奇异值分解,先需将CA3k按式(7)转换成二维矩阵ca3k(即升维):
对ca3k进行奇异值分解成并将其奇异值矩阵按式(4)转化为一维 数组Sk:
(2)读取长度为的水印信息Mk,将水印Mk和一维数组Sk融合构成二维矩阵MSk:
将MSk与自适应混合矩阵Ak线性相乘得到嵌入水印的矩阵Xk,ICA混合公式如下:
由于矩阵Ak的大小决定水印嵌入的强弱,影响着水印在音频中的不可感知性。因此,为了确保水印的鲁棒性和不可感知性,在本发明中,ak11,ak21在[0.85,0.99]的区间内随机选择;同时,选择SVD特征值来调节水印的嵌入强度,这样嵌入水印的强度具有自适应性。round(x)代表对x四舍五入。将Rk=ak21Sk+ak22Mk作为密钥保存用于水印提取,Lk=ak11Sk+ak12Mk按式(7)转换成奇异值矩阵S',并按式(8)进行奇异值分解获得嵌入水印的ca3'k:
将二维矩阵ca3'k按式(9)转换成一维矩阵CA3'k(即降维):
CA3'k与CD1k,CD2k,CD3k进行小波重构,完成对第k帧音频信号的水印嵌入SWk;
(3)重复以上步骤(1)、(2)直至完成对所有帧的水印嵌入,最后得到嵌 入水印的音频SW。
图3给出本发明的水印提取过程框图。
嵌入过程按如下步骤进行:
提取水印时,对嵌有水印的音频信号进行小波处理和奇异值分解,然后利用负熵最大化的固定点算法(Fast-ICA)方法来实现水印盲检测。具体步骤如下:
①对嵌有水印的音频SW分帧成SWk,k=1,2,…。并对SWk进行分段三级小波分解,得到近似分量CA3'k,将其转换成二维矩阵ca3'k,再将ca3'k其进行SVD分解得到奇异值矩阵S'k。对S'k中的奇异值如式(10)转化为Lk;
②将密钥Rk和Lk按式(11)融合成Xk;
根据Fast-ICA的实现步骤,对矩阵Xk进行解混,得到解混矩阵Wk,计算Yk矩阵:
由于Fast-ICA分离出两个独立变量不能确定哪一个分量含有水印信号,需将Yk1和Yk2分别与Lk进行相似度比较,选择相似度(NC)小于0.8的分量作为含有水印的独立分量。假设Yk1分量是所选含有水印的独立分量,则令WMk=Yk1;
③按式(13)进行水印提取:
其中,E{.}代表求均值。
(4)重复以上步骤①、②和③直到提取出所有水印WA。
为了验证本算法的有效性,利用MATLAB2013b,在计算机上进行仿真实验。图4为原始水印和提取出来的水印图像比较图。图中两图相似度为1,说明本算法可以完整的将水印提取出来。
图5和图6分别为原始音频和嵌入水印后的音频的波形比较图和原始音频和嵌入水印后的音频的频谱比较图。从图5(c)中可以看出,原始音频信号嵌入水印前后的波形变化差值很小,变化范围大约在2/1000。人耳听觉频率范围(一般为20Hz~20kHz)范围内,根据人耳掩蔽效应,对2kHz至4kHz范围内,人耳最为敏感。从图6(c)中可以看出,在人耳敏感频率下的频谱的幅度变化很小,变化范围大约在0.2。因此,从图5和图6中可以看出,嵌有水印的音频与原始音频相比,在波形和频谱上没有明显的变化,这表明本发明算法具有良好的不可感知性。
以上对本发明的优选实施例进行了详细说明,对本领域的普通技术人员而言,依据本发明提供的思想,在具体实施方式上会有改变之处,而这些改变也应视为本发明的保护范围。
Claims (4)
1.一种基于DWT-SVD-ICA的数字音频水印算法,其特征是按如下步骤进行:
第一步:对原始音频进行预处理,选择合适片段用水印嵌入;
第二步:嵌入水印时,对原始音频进行三级小波变换,并对小波变换的近似分量进行奇异值分解,然后利用随机混合法完成水印嵌入;
第三步:提取水印时,对嵌有水印的音频信号进行小波变换和奇异值分解,然后利用负熵最大化的固定点算法实现水印盲检测。
2.如权利要求1所述的基于DWT-SVD-ICA的数字音频水印算法,其特征是:
第一步:设第k帧音频信号的短时能量由Ek表示,定义如下:
其中,N为信号帧长;
设第k帧音频信号的过零率用Zk表示,定义为:
其中,设定两个阈值Eth和Zth,选取过零率Zk≤Zth且短时能量Ek≥Eth的音频帧作为水印嵌入帧ASk。
3.如权利要求2所述的基于DWT-SVD-ICA的数字音频水印算法,其特征是:
第二步:(1)对每帧ASk进行三级小波变换,得到低频近似分量CA3k和细节分量CD1k,CD2k,CD3k;为了实现对CA3k进行奇异值分解,先将CA3k转换成二维矩阵ca3k:
对ca3k进行奇异值分解成并将其奇异值矩阵按式(4)转化为一维数组Sk:
(2)读取长度为的水印信息Mk,将水印Mk和一维数组Sk融合构成二维矩阵MSk:
将MSk与自适应混合矩阵Ak线性相乘得到嵌入水印的矩阵Xk,ICA混合公式如下:
ak11,ak21在[0.85,0.99]的区间内随机选择;选择SVD特征值来调节水印的嵌入强度;round(x)代表对x四舍五入;将Rk=ak21Sk+ak22Mk作为密钥保存用于水印提取,Lk=ak11Sk+ak12Mk按式(7)转换成奇异值矩阵S',并按式(8)进行奇异值分解获得嵌入水印的ca3'k:
将二维矩阵ca3'k按式(9)转换成一维矩阵CA3'k:
CA3'k与CD1k,CD2k,CD3k进行小波重构,完成对第k帧音频信号的水印嵌入SWk;
(3)重复以上步骤(1)、(2),直至完成对所有帧的水印嵌入,最后得到嵌入水印的音频SW。
4.如权利要求3所述的基于DWT-SVD-ICA的数字音频水印算法,其特征是:第三步:①对嵌有水印的音频SW分帧成SWk,k=1,2,…,并对SWk进行分段三级小波分解,得到近似分量CA3'k,转换成二维矩阵ca3'k,再将ca3'k进行SVD分解得到奇异值矩阵S'k,对S'k中的奇异值按式(10)转化为Lk;
②将密钥Rk和Lk按式(11)融合成Xk;
根据Fast-ICA的实现步骤,对矩阵Xk进行解混,得到解混矩阵Wk,计算Yk矩阵:
由于Fast-ICA分离出两个独立变量不能确定哪一个分量含有水印信号,需将Yk1和Yk2分别与Lk进行相似度比较,选择相似度小于0.8的分量作为含有水印的独立分量;假设Yk1分量是所选含有水印的独立分量,则令WMk=Yk1;
③按式(13)进行水印提取:
其中E{.}代表求均值;
④重复以上步骤①、②、③,直到提取出所有水印WA。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610191502.6A CN105741844B (zh) | 2016-03-30 | 2016-03-30 | 一种基于dwt-svd-ica的数字音频水印算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610191502.6A CN105741844B (zh) | 2016-03-30 | 2016-03-30 | 一种基于dwt-svd-ica的数字音频水印算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105741844A true CN105741844A (zh) | 2016-07-06 |
CN105741844B CN105741844B (zh) | 2019-03-22 |
Family
ID=56252502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610191502.6A Active CN105741844B (zh) | 2016-03-30 | 2016-03-30 | 一种基于dwt-svd-ica的数字音频水印算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105741844B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106611601A (zh) * | 2017-01-23 | 2017-05-03 | 天津大学 | 一种基于dwt‑svd和粒子群优化的音频水印方法 |
CN106846803A (zh) * | 2017-02-08 | 2017-06-13 | 广西交通科学研究院有限公司 | 基于音频的交通事件检测装置及方法 |
CN109344578A (zh) * | 2018-10-10 | 2019-02-15 | 西安邮电大学 | 基于混沌和小波变换的音频水印嵌入、提取方法 |
CN110290126A (zh) * | 2019-06-19 | 2019-09-27 | 华中科技大学 | 一种基于fsk信号调制的射频水印传输方法 |
CN110379436A (zh) * | 2019-06-14 | 2019-10-25 | 东南大学 | 一种基于dwt-dct-svd的信息隐藏方法 |
CN112927700A (zh) * | 2021-02-06 | 2021-06-08 | 兰州理工大学 | 一种盲音频水印嵌入和提取方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1941693A (zh) * | 2006-01-12 | 2007-04-04 | 大连理工大学 | 一种基于盲源分离的小波域数字音频多目的水印方法 |
CN101277438A (zh) * | 2008-04-23 | 2008-10-01 | 山东大学 | 基于运动区域定位的视频水印方法 |
CN101504850A (zh) * | 2009-03-12 | 2009-08-12 | 宁波大学 | 一种用于版权保护的数字水印处理方法 |
WO2010100398A1 (en) * | 2009-03-02 | 2010-09-10 | Aston University | Watermark encoding and decoding |
CN102496367A (zh) * | 2011-12-06 | 2012-06-13 | 北京邮电大学 | 基于dwt-dct-svd的音频盲水印算法 |
US20140005815A1 (en) * | 2012-06-27 | 2014-01-02 | Krishna Rao KAKKIRALA | Method and System for Blind Audio Watermarking |
CN103955880A (zh) * | 2014-04-11 | 2014-07-30 | 杭州电子科技大学 | 基于Zernike矩的DWT-SVD鲁棒盲水印方法 |
-
2016
- 2016-03-30 CN CN201610191502.6A patent/CN105741844B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1941693A (zh) * | 2006-01-12 | 2007-04-04 | 大连理工大学 | 一种基于盲源分离的小波域数字音频多目的水印方法 |
CN101277438A (zh) * | 2008-04-23 | 2008-10-01 | 山东大学 | 基于运动区域定位的视频水印方法 |
WO2010100398A1 (en) * | 2009-03-02 | 2010-09-10 | Aston University | Watermark encoding and decoding |
CN101504850A (zh) * | 2009-03-12 | 2009-08-12 | 宁波大学 | 一种用于版权保护的数字水印处理方法 |
CN102496367A (zh) * | 2011-12-06 | 2012-06-13 | 北京邮电大学 | 基于dwt-dct-svd的音频盲水印算法 |
US20140005815A1 (en) * | 2012-06-27 | 2014-01-02 | Krishna Rao KAKKIRALA | Method and System for Blind Audio Watermarking |
CN103955880A (zh) * | 2014-04-11 | 2014-07-30 | 杭州电子科技大学 | 基于Zernike矩的DWT-SVD鲁棒盲水印方法 |
Non-Patent Citations (3)
Title |
---|
兰宇琳: "鲁棒性数字音频水印算法的研究", 《中国优秀硕士学位全文数据库 信息科技辑》 * |
王庆岭 等: "基于小波域的自适应数字水印算法的研究", 《自动化与仪器仪表》 * |
陈寅秋: "基于奇异值分解和小波变换的音频数字水印研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106611601A (zh) * | 2017-01-23 | 2017-05-03 | 天津大学 | 一种基于dwt‑svd和粒子群优化的音频水印方法 |
CN106846803A (zh) * | 2017-02-08 | 2017-06-13 | 广西交通科学研究院有限公司 | 基于音频的交通事件检测装置及方法 |
CN106846803B (zh) * | 2017-02-08 | 2023-06-23 | 广西交通科学研究院有限公司 | 基于音频的交通事件检测装置及方法 |
CN109344578A (zh) * | 2018-10-10 | 2019-02-15 | 西安邮电大学 | 基于混沌和小波变换的音频水印嵌入、提取方法 |
CN109344578B (zh) * | 2018-10-10 | 2021-04-13 | 西安邮电大学 | 基于混沌和小波变换的音频水印嵌入、提取方法 |
CN110379436A (zh) * | 2019-06-14 | 2019-10-25 | 东南大学 | 一种基于dwt-dct-svd的信息隐藏方法 |
CN110290126A (zh) * | 2019-06-19 | 2019-09-27 | 华中科技大学 | 一种基于fsk信号调制的射频水印传输方法 |
CN110290126B (zh) * | 2019-06-19 | 2020-11-17 | 华中科技大学 | 一种基于fsk信号调制的射频水印传输方法 |
CN112927700A (zh) * | 2021-02-06 | 2021-06-08 | 兰州理工大学 | 一种盲音频水印嵌入和提取方法及系统 |
CN112927700B (zh) * | 2021-02-06 | 2024-03-19 | 兰州理工大学 | 一种盲音频水印嵌入和提取方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105741844B (zh) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105741844A (zh) | 一种基于dwt-svd-ica的数字音频水印算法 | |
Kashyap et al. | Image watermarking using 3-level discrete wavelet transform (DWT) | |
CN101729157B (zh) | 一种强噪声环境下的振动信号盲源分离方法 | |
CN102750660B (zh) | 一种嵌入和提取数字水印的方法和装置 | |
CN103824309B (zh) | 一种城市建成区边界自动提取方法 | |
CN103237204B (zh) | 基于高维压缩感知的视频信号采集与重构系统 | |
CN106981292B (zh) | 一种基于张量建模的多路空间音频信号压缩和恢复方法 | |
CN102142258A (zh) | 一种基于小波变换和Arnold的自适应灰度水印嵌入方法 | |
CN105761290A (zh) | 一种自适应的多尺度分块压缩感知采样方法 | |
Zhang et al. | An image watermarking method based on visual saliency and contourlet transform | |
CN104795071A (zh) | 一种盲音频水印嵌入及水印提取的处理方法 | |
CN104301728A (zh) | 基于结构化稀疏字典学习的压缩视频采集与重构系统 | |
Haribabu et al. | A robust digital image watermarking technique using auto encoder based convolutional neural networks | |
Feng et al. | A new technology of remote sensing image fusion | |
CN104714237A (zh) | 一种多特征及多方位数据融合鱼类识别方法 | |
CN102496144A (zh) | 基于hsv色彩空间的nsct水声图像增强方法 | |
CN103034970A (zh) | 一种基于图像归一化和pca相结合的多信息隐藏方法 | |
Bansal et al. | Color image dual watermarking using DCT and DWT combine approach | |
CN104536007A (zh) | 一种基于多视角声学数据的鱼类识别方法 | |
CN105895109A (zh) | 一种基于dwt和dct的数字语音取证和篡改恢复方法 | |
CN110428355A (zh) | 一种基于压缩感知与nsct的彩色图像数字水印方法 | |
Koolwal et al. | Performance improvement of optimization algorithm for digital image watermarking in hybrid DWT-DCT transform | |
CN115293214A (zh) | 一种基于样本扩充网络的水声目标识别模型优化方法 | |
El-Shahed et al. | High capacity video hiding based on multi-resolution stationary wavelet transform and hybrid-matrix decomposition techniqueset Transform and hybrid-matrix decomposition techniques | |
CN106650678A (zh) | Gabor小波子带相关结构人脸识别方法 |
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 |