CN107578365A - 基于量子杂草寻优机制的小波数字水印嵌入和提取方法 - Google Patents
基于量子杂草寻优机制的小波数字水印嵌入和提取方法 Download PDFInfo
- Publication number
- CN107578365A CN107578365A CN201710810395.5A CN201710810395A CN107578365A CN 107578365 A CN107578365 A CN 107578365A CN 201710810395 A CN201710810395 A CN 201710810395A CN 107578365 A CN107578365 A CN 107578365A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msubsup
- quantum
- weeds
- msub
- 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
Landscapes
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
- Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
Abstract
本发明提供了一种基于量子杂草寻优机制的小波数字水印嵌入和提取方法,属于信息隐藏技术领域。具体实现过程为:对水印图像进行二值化,并对二值化后的水印图像进行加密处理。把载体图像和加密后的水印图像变换到小波域中,在载体图像分成多个嵌入点,根据量子杂草寻优机制优化的不同参数,采用加性或者乘性规则嵌入水印,然后通过小波重构变换到时域完成水印的嵌入;水印的提取方法与嵌入方法对应,把含水印图像变换到小波域,在不同的嵌入点根据不同参数提取出置乱加密后的水印,整合成完整的水印,然后变换到时域中,通过置乱恢复得到提取出来的水印。和现有方法比较,该方法的不可感知性、鲁棒性及安全性都得到了提高,更具有实用性。
Description
技术领域
本发明提供了一种基于量子杂草寻优机制的小波数字水印多点嵌入和提取方法,属于信息隐藏技术领域。
背景技术
数字图像水印技术是信息隐藏技术的一个重要方向,随着计算机处理能力的不断增强,破译密码的能力不断提高,传统的加密技术面临着巨大挑战。另一方面,随着计算机通信网络及互联网技术的普及,多媒体数字产品丰富了人们的日常生活,但同时,由于网络传输的开放性和共享性,多媒体数字产品非常容易被复制,篡改,甚至被恶意删除,数字产品的版权问题迫在眉睫。自1995年,数字水印开始流行以来,数字水印的研究取得了较好的研究成果。早期,数字水印的研究集中在空域水印,其抗几何失真的能力强,但嵌入的信息量少。目前,水印的研究主要集中在变换域,通过修改变换域系数完成水印的嵌入。文献中已有的变换域主要包括:离散余弦变换(DCT)、离散傅里叶变换(DFT)、离散小波变换(DWT)、哈达马(Hadamard)变换、KLT变换等。其中DCT、DFT、DWT最为常用,离散小波变换由于其独特的时频分析特性,不仅能够与人类视觉系统(HVS)较好的匹配,而且和JPEG2000,MPEG4等压缩标准兼容。故把水印嵌入到载体图像的小波域能够获得良好不可感知性和较好的鲁棒性。
经过对现有技术文献的检索发现,王晓红,孙业强等在《光电子.激光》(2017,Vol.28,No.4,pp.419-426)上发表的“基于QR码和Schur分解的感兴趣区域水印算法”中利用时间复杂性较低的Schur分解和符合人类视觉系统(HVS)的显著图,通过显著图归一化取反后作为嵌入强度,自适应的把加密后的水印嵌入到载体图像经小波变换和分块Schur分解的系数中。该方法使水印的鲁棒性得到了提高,但水印的不可感知性有所下降;MashruhaRaquib Mitashe等在《2017IEEE Internation Conference Image,Vision&PatternRecognition》(13-14,Feb.2017,pp.1-5)上发表的“A adaptive digital imagewatermarking scheme with PSO,DWT and XFCM”提出了一种基于改进模糊C均值聚类的自适应数字图像水印模型,该模型结合粒子群优化算法和模糊C均值聚类对载体图像进行预处理,选择宿主图像合适的位置片段嵌入水印,采用该方法嵌入的水印在不可感知方面取得了一定的成效,但其鲁棒性没有明显的提高。
已有资料表明,数字图像水印的不可感知性和鲁棒性是一对相互矛盾的性能指标。传统数字图像水印方法都是基于大量实验经验选择适当的嵌入强度和嵌入位置嵌入水印,这种方法具有一定的成效,但所耗费的物力和人力是非常巨大的。对于水印这个复杂系统,近些年提出的一些自适应算法往往专注于提高水印系统的不可感知性和鲁棒性某一方面的性能,不能有效的兼顾两者的统一,提出的一些方法仅适合部分领域,工程应用价值不高。为此,本专利中提出了一种基于量子杂草寻优机制的小波数字水印嵌入和提取方法。在本方法中同时考虑了数字图像水印的不可感知性和鲁棒性,通过合理的选择两者目标函数的权重系数,把一个连续的多目标优化问题转化为单目标优化问题,通过选择多个嵌入点,将水印信息分散嵌入到载体图像小波变换域的不同区域,并结合量子计算和群智能搜寻机制设计了量子杂草寻优机制,自适应的对多个嵌入参数实现优化。最后根据已优化的嵌入参数实现数字图像的多点嵌入和提取。实验仿真结果表明,基于量子杂草寻优机制的小波数字水印嵌入和提取方法与现有方法比较具有更好的不可感知性,且在高斯噪声和椒盐噪声环境下,基于量子杂草寻优机制的小波数字水印嵌入和提取方法提取出来的水印鲁棒性更强。
发明内容
本发明提供了一种基于量子杂草寻优机制的小波数字水印嵌入和提取方法,其目的在于提供一种基于收敛精度高、收敛速度快的量子杂草寻优机制的不可感知性强、鲁棒性高的小波数字水印嵌入和提取方法。
本发明的目的是这样实现的:
步骤一,二值化水印图像并进行置乱加密。对水印二值化,可以有效减少水印图像的冗余数据,增强水印的不可感知性。
步骤二,对载体图像和置乱加密后的水印图像进行小波变换。
步骤三,加密水印的多点嵌入。
步骤四,水印的多点提取及置乱恢复。
步骤五,初始化量子杂草种群。
步骤六,计算每株量子杂草的适应度。
步骤七,生长繁殖。
步骤八,空间扩散。
步骤九,计算新产生的量子杂草的适应度,竞争排斥。根据步骤三和步骤四计算新产生的量子杂草的适应度。
步骤十,判断是否满足终止条件,若满足,则停止,输出最优量子杂草,记为Gb,否则迭代次数加1,返回步骤七。
步骤十一,由Gb映射得到对应的嵌入强度、嵌入位置、嵌入长度及分段长度,执行步骤一、二和三嵌入水印,得到嵌入水印后的图像;根据步骤四提取水印。
本发明结合量子计算和仿生群智能方法,设计了量子杂草智能搜索机制,同时考虑数字图像水印系统的不可感知性和鲁棒性,并采用多点嵌入方式在提高水印不可感知性和鲁棒性的同时,提高了水印信息的安全性。
与现有技术相比,本发明提供的方法具有以下优点:
(1)本发明不仅提高了数字图像水印的不可感知性,而且提高了其鲁棒性,数字图像水印系统性能得到提高,更具有实用性。
(2)本发明设计的量子杂草优化机制简化了原杂草入侵方法演进策略,避免了繁杂的参数设置,具有参数设置简单,计算量少等优点。
(3)本发明提供的数字图像水印多点嵌入和提取方法,不仅使数字图像水印系统弄性能提高,而且使得水印的解密更加复杂,增强了水印的安全性。
附图说明
图1基于量子杂草的小波数字水印多点嵌入和提取方法示意图。
图2载体图像(图2.a)、本发明得到的嵌入水印后的图像(图2.b)、原始水印图像(图2.c)、Arnold置乱加密后的水印图像(图2.d)及无噪声环境下本发明提取出来的水印(图2.e)。
图3不加噪声攻击情况下,本发明(图3.c)与已有的基于粒子群优化算法(图3.b)及遗传算法(图3.a)的小波数字图像水印单点嵌入和提取方法的不可感知性对比仿真结果。
图4高斯噪声强度为0.0001时,本发明(图4.c)和已有的基于粒子群优化算法(图4.b)及遗传算法(图4.a)的小波数字图像水印单点嵌入和提取方法的鲁棒性对比仿真结果。
图5椒盐噪声强度为0.01时,本发明(5.c)和已有的基于粒子群优化算法(图5.b)及遗传算法(5.a)的小波数字图像水印单点嵌入和提取方法的鲁棒性对比仿真结果。
图6迭代次数100次,独立重复试验100次,本发明和已有的基于粒子群优化算法及遗传算法的小波数字图像水印单点嵌入和提取方法得到的迭代曲线对比图。
图7迭代次数100次,独立重复试验100次,本发明和基于入侵杂草优化算法的小波数字图像水印多点嵌入和提取方法得到的迭代曲线对比图。
具体实施方式
下面对本发明提供的方法进行具体的描述:
步骤一,二值化水印图像并进行置乱加密。对水印二值化,可以有效减少水印图像的冗余数据,增强水印的不可感知性。设二值化后的水印图像的系数矩阵为W,大小为结合加密技术对二值化的水印图像系数矩阵W做置乱加密,使水印的信息不可读,增加水印的安全性。
步骤二,对载体图像和置乱加密后的水印图像进行小波变换。设载体图像的系数矩阵为V,大小为M×M。对V进行K(K≥3)级小波分解得到载体图像的小波系数序列V0。其中每一级分解都可得到低频、水平、垂直和高频四个子频带,而低频子带可以继续分解,总共可以得到3K+1个子频带。除了第一级分解的高频和第K级分解的低频,其余子频带为中频带,记中频带小波系数序列为Vmid。对置乱加密后的系数矩阵进行K′(K′<K)级小波变换得到置乱加密后的水印图像的小波系数序列W0。
步骤三,加密水印的多点嵌入。对于N(N≥2)点嵌入,在载体图像中频带小波系数序列Vmid根据嵌入位置T=[T1,T2,...,TN]以及分段长度m=[m1,m2,...,mN]分成N段,其中第j(j=1,2,...,N)段Vj表示从起始位置标签为Tj开始的mj个小波系数组成的序列。根据嵌入长度L=[L1,L2,...,LN],Lj<mj(j=1,2,...,N)把置乱加密后水印图像的小波系数序列W0分成N段,记为Wj(j=1,2,...,N)。水印的嵌入方法采用加性法则V′j=Vj+αj·Wj或者乘性法则V′j=Vj(1+αj·Wj),其中αj为第j段水印的嵌入强度。把V′j重新拼接成V′mid,通过小波重构的到嵌入水印后的图像,其系数矩阵记为V′,嵌入水印后的图像和载体图像的相似度表示如下
其中Fxor()表示异或函数,Vx,y,Vx′,y表示嵌入水印前后载体图像系数矩阵在x行y列的值。sign()表示取符号函数。
步骤四,水印的多点提取及置乱恢复。对嵌入水印后的图像进行K级小波分解,在其中频带中根据水印的嵌入位置T,嵌入长度L,分段长度m,在相应的位置根据W′j=(V′j-Vj)/αj或W′j=(V′j/Vj-1)/αj,提取出加密后的水印小波系数序列,通过置乱恢复提取出来的水印信息。通过K′级小波重构得到水印图像。其系数矩阵记为W′,提取出来的水印图像和二值化的水印图像的相似度表示如下
其中Wx,y,W′x,y分别表示载体水印和提取出来的水印图像系数矩阵在x行y列的值。
步骤五,初始化量子杂草种群。量子杂草种群规模Mmax,最大迭代次数tmax,由于本方法设计中涉及的参数有:分段数N,嵌入强度向量α,嵌入位置向量T,各段水印图像小波系数的嵌入长度向量L,各段载体图像小波系数的分段长度向量m。故而,对于多(N≥2)点嵌入,第t代中第i(i=1,2,...,Mmax)株量子杂草表示为
其中与分别为N段水印的嵌入强度、嵌入位置与嵌入长度对应的量子态,是N段载体图像的分段长度对应的量子态。第j(j=1,2,...,N)段水印的嵌入强度与其量子态的具体映射关系为
嵌入位置与其对应的量子态的具体映射关系为
嵌入长度与其对应的量子态的具体映射关系为
分段长度与其对应的量子态的具体映射关系为
其中Fround()表示就近取整函数。un,ln(n=1,2,...,4N)表示第n维变量的上下限。
步骤六,计算每株量子杂草的适应度。根据映射关系,将第i株量子杂草所处的量子态映射为N点嵌入的嵌入参数根据步骤三和四,计算其f1和f2的值,记为和第i株量子杂草植株的适应度为
其中0<δ<1表示权重系数,为常数,改变δ的大小可以调整不可感知性和鲁棒性所占的比重。根据适应度值对当前量子杂草进行排序,其中适应度最大的量子杂草植株被标记为表示当前种群中的最优量子杂草植株。表示到第t代为止Mmax/4株量子杂草的记忆最优量子杂草构成的集合,在迭代开始时初始化为当前适应度值最大的前Mmax/4株量子杂草。其中(i=1,2,...,Mmax/4)表示第i株量子杂草到第t代为止的记忆最优量子杂草。
步骤七,生长繁殖。为了避免太多冗余的计算,种群中仅被记为Pt的量子杂草可以产生种子。的子代量子杂草中适应度最大的子代量子杂草记为迭代开始时为当前量子杂草。每株量子杂草产生的种子数通过模拟量子旋转门确定,其中,第t代中第i株量子杂草的第j维变量对应的暂态量子旋转角被定义为
j=1,2,...,4N其中c1,c2,c3,c4为旋转因子,是固定常数,r1,r2为[0,1]之间的均匀随机数,第i株量子杂草的第j维变量的对应的暂态量子态表示为
第i株量子杂草植株所处的暂态量子态定义为
其产生的种子数通过对测量得到:
r3为[0,1]之间的随机数。该设计考虑了量子杂草植株的所有变量对其适应度值的贡献程度,更加充分的利用已有信息,减少计算量,同时使种群规模在[Mmax/2,Mmax]之间动态调整,增加了种群的多样性。
步骤八,空间扩散。子代量子杂草是通过空间扩散机制产生的。量子杂草利用模拟量子旋转门完成量子杂草的空间扩散产生新的量子杂草,其中第i株量子杂草的第株子代量子杂草的第j维变量的量子旋转角被定义为
与之对应的量子态表示为
其中c1,c2,c3,c4,c5,c6为旋转因子,是固定的常数,r4,r5,r6为[0,1]之间的均匀随机数,r是[0,Mmax/4]之间的随机整数,表示父代量子杂草中第r株量子杂草的第j维所处的量子态。
步骤九,计算新产生的量子杂草的适应度,竞争排斥。根据步骤三和步骤四计算新产生的量子杂草的适应度。对于第i株量子杂草及其子代量子杂草,首先子代量子杂草彼此竞争,适应度最大的子代量子杂草被保留记做令接着和竞争,若的适应度值大于的适应度值,则代替成为新一代父代杂草否则更新为所有完成更新后,最后中适应度最大的量子杂草更新Gt+1。
步骤十,判断是否满足终止条件,若满足,则停止,输出最优量子杂草,记为Gb,否则迭代次数加1,返回步骤七。
步骤十一,由Gb映射得到对应的嵌入强度、嵌入位置、嵌入长度及分段长度,执行步骤一、二和三嵌入水印,得到嵌入水印后的图像;根据步骤四提取水印。
本发明提供的基于量子杂草算法的小波数字图像水印多点嵌入和提取方法的仿真参数设置如下:载体图像为256×256的八位灰度级图像,载体水印为32×32的八位灰度级图像,为简化计算复杂度,分段长度和嵌入长度根据大量实验结果采取固定值。采用Arnold变换进行置乱加密。实验中采用两点嵌入,第一段嵌入位置区间为[10240,128×128],分段长度为1024,嵌入长度为256,嵌入强度区间为[0,1],第二段嵌入位置区间为[1024,10240-3072],分段长度为3072,嵌入长度256×3,嵌入强度区间为[0,1]即l=[0,0,10240,1024],u=[1,1,128×128,10240-3072],m=[1024,3072],L=[256,256×3];分别对载体图像和置乱加密后的水印图像进行K=3和K′=1级Haar小波变换,量子杂草算法相关参数设置为:种群规模为20,迭代次数为100,权重系数σ=0.5,旋转影因子c1=0.03,c2=0.06,c3=0.02,c4=0.04,c5=0.01,c6=0.02。
仿真结果表明,本发明提出的基于杂草寻优机制的小波数字水印的多点嵌入和提取方法不仅能够使数字图像水印系统的不可感知性提高,同时也提高了鲁棒性,以及安全性。
Claims (9)
1.一种基于量子杂草寻优机制的小波数字水印嵌入和提取方法,其特征在于:(1)二值化水印图像并进行置乱加密;(2)对载体图像和置乱加密后的水印图像进行小波变换;(3)加密水印的多点嵌入;(4)水印的多点提取及置乱恢复;(5)初始化量子杂草种群;(6)计算每株量子杂草的适应度;(7)生长繁殖;(8)空间扩散;(9)计算新产生的量子杂草的适应度,竞争排斥,根据步骤三和步骤四计算新产生的量子杂草的适应度;(10)判断是否满足终止条件,若满足,则停止,输出最优量子杂草,记为Gb,否则迭代次数加1,返回(7);(11)由Gb映射得到对应的嵌入强度、嵌入位置、嵌入长度及分段长度,执行(1)、(2)和(3)嵌入水印,得到嵌入水印后的图像,根据(4)提取水印。
2.根据权利要求1所述的.一种基于量子杂草寻优机制的小波数字水印嵌入和提取方法,其特征在于:所述的小波变换的过程为,设载体图像的系数矩阵为V,大小为M×M,对V进行K(K≥3)级小波分解得到载体图像的小波系数序列V0,其中每一级分解都可得到低频、水平、垂直和高频四个子频带,而低频子带可以继续分解,总共可以得到3K+1个子频带,除了第一级分解的高频和第K级分解的低频,其余子频带为中频带,记中频带小波系数序列为Vmid,对置乱加密后的系数矩阵进行K′(K′<K)级小波变换得到置乱加密后的水印图像的小波系数序列W0。
3.根据权利要求1所述的.一种基于量子杂草寻优机制的小波数字水印嵌入和提取方法,其特征在于:所述的多点嵌入过程为,对于N(N≥2)点嵌入,在载体图像中频带小波系数序列Vmid根据嵌入位置T=[T1,T2,...,TN]以及分段长度m=[m1,m2,...,mN]分成N段,其中第j(j=1,2,...,N)段Vj表示从起始位置标签为Tj开始的mj个小波系数组成的序列,根据嵌入长度L=[L1,L2,...,LN],Lj<mj(j=1,2,...,N)把置乱加密后水印图像的小波系数序列W0分成N段,记为Wj(j=1,2,...,N),水印的嵌入方法采用加性法则Vj′=Vj+αj·Wj或者乘性法则Vj′=Vj(1+αj·Wj),其中αj为第j段水印的嵌入强度,把Vj′重新拼接成Vm′id,通过小波重构的到嵌入水印后的图像,其系数矩阵记为V′,嵌入水印后的图像和载体图像的相似度表示如下
<mrow>
<msub>
<mi>f</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>x</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>y</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>F</mi>
<mrow>
<mi>x</mi>
<mi>o</mi>
<mi>r</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mi>i</mi>
<mi>g</mi>
<mi>n</mi>
<mo>(</mo>
<mrow>
<mo>|</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
<mo>-</mo>
<msubsup>
<mi>V</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>|</mo>
</mrow>
<mo>)</mo>
<mo>,</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>M</mi>
<mo>&times;</mo>
<mi>M</mi>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中Fxor()表示异或函数,Vx,y,V′x,y表示嵌入水印前后载体图像系数矩阵在x行y列的值,sign()表示取符号函数。
4.根据权利要求1所述的.一种基于量子杂草寻优机制的小波数字水印嵌入和提取方法,其特征在于:所述的水印的多点提取及置乱恢复过程为,对嵌入水印后的图像进行K级小波分解,在其中频带中根据水印的嵌入位置T,嵌入长度L,分段长度m,在相应的位置根据Wj′=(Vj′-Vj)/αj或Wj′=(Vj′/Vj-1)/αj,提取出加密后的水印小波系数序列,通过置乱恢复提取出来的水印信息,通过K′级小波重构得到水印图像,其系数矩阵记为W′,提取出来的水印图像和二值化的水印图像的相似度表示如下
<mrow>
<msub>
<mi>f</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>x</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>y</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>F</mi>
<mrow>
<mi>x</mi>
<mi>o</mi>
<mi>r</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mi>i</mi>
<mi>g</mi>
<mi>n</mi>
<mo>(</mo>
<mrow>
<mo>|</mo>
<msub>
<mi>W</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
<mo>-</mo>
<msubsup>
<mi>W</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>|</mo>
</mrow>
<mo>)</mo>
<mo>,</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mover>
<mi>M</mi>
<mo>&OverBar;</mo>
</mover>
<mo>&times;</mo>
<mover>
<mi>M</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中Wx,y、W′x,y分别表示载体水印和提取出来的水印图像系数矩阵在x行y列的值。
5.根据权利要求1所述的.一种基于量子杂草寻优机制的小波数字水印嵌入和提取方法,其特征在于:所述的初始化量子杂草种群的过程为,量子杂草种群规模Mmax,最大迭代次数tmax,由于本方法设计中涉及的参数有:分段数N,嵌入强度向量α,嵌入位置向量T,各段水印图像小波系数的嵌入长度向量L,各段载体图像小波系数的分段长度向量m,故而,对于多(N≥2)点嵌入,第t代中第i(i=1,2,...,Mmax)株量子杂草表示为
<mrow>
<msubsup>
<mi>q</mi>
<mi>i</mi>
<mi>t</mi>
</msubsup>
<mo>=</mo>
<mo>&lsqb;</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mn>1</mn>
</mrow>
<mi>t</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
<mi>t</mi>
</msubsup>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>N</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>N</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>t</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>N</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
<mi>t</mi>
</msubsup>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mn>2</mn>
<mi>N</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mn>2</mn>
<mi>N</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>t</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mn>2</mn>
<mi>N</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
<mi>t</mi>
</msubsup>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mn>3</mn>
<mi>N</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mn>3</mn>
<mi>N</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>t</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mn>3</mn>
<mi>N</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
<mi>t</mi>
</msubsup>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mn>4</mn>
<mi>N</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中与分别为N段水印的嵌入强度、嵌入位置与嵌入长度对应的量子态,是N段载体图像的分段长度对应的量子态,第j(j=1,2,...,N)段水印的嵌入强度与其量子态的具体映射关系为
<mrow>
<msubsup>
<mi>&alpha;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
嵌入位置与其对应的量子态的具体映射关系为
<mrow>
<msubsup>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>=</mo>
<msub>
<mi>F</mi>
<mrow>
<mi>r</mi>
<mi>o</mi>
<mi>u</mi>
<mi>n</mi>
<mi>d</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mo>+</mo>
<mi>N</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>&times;</mo>
<mo>(</mo>
<mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>j</mi>
<mo>+</mo>
<mi>N</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>l</mi>
<mrow>
<mi>j</mi>
<mo>+</mo>
<mi>N</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>l</mi>
<mrow>
<mi>j</mi>
<mo>+</mo>
<mi>N</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
嵌入长度与其对应的量子态的具体映射关系为
<mrow>
<msubsup>
<mi>L</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>=</mo>
<msub>
<mi>F</mi>
<mrow>
<mi>r</mi>
<mi>o</mi>
<mi>u</mi>
<mi>n</mi>
<mi>d</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mo>+</mo>
<mn>2</mn>
<mi>N</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>&times;</mo>
<mo>(</mo>
<mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>j</mi>
<mo>+</mo>
<mn>2</mn>
<mi>N</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>l</mi>
<mrow>
<mi>j</mi>
<mo>+</mo>
<mn>2</mn>
<mi>N</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>l</mi>
<mrow>
<mi>j</mi>
<mo>+</mo>
<mn>2</mn>
<mi>N</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
分段长度与其对应的量子态的具体映射关系为
<mrow>
<msubsup>
<mi>m</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>=</mo>
<msub>
<mi>F</mi>
<mrow>
<mi>r</mi>
<mi>o</mi>
<mi>u</mi>
<mi>n</mi>
<mi>d</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>3</mn>
<mi>N</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>&times;</mo>
<mo>(</mo>
<mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>j</mi>
<mo>+</mo>
<mn>3</mn>
<mi>N</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>l</mi>
<mrow>
<mi>j</mi>
<mo>+</mo>
<mn>3</mn>
<mi>N</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>l</mi>
<mrow>
<mi>j</mi>
<mo>+</mo>
<mn>3</mn>
<mi>N</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
其中Fround()表示就近取整函数。un,ln(n=1,2,...,4N)表示第n维变量的上下限。
6.根据权利要求1所述的.一种基于量子杂草寻优机制的小波数字水印嵌入和提取方法,其特征在于:所述的计算每株量子杂草的适应度过程为,根据映射关系,将第i株量子杂草所处的量子态映射为N点嵌入的嵌入参数根据(3)和(4)的过程,计算其f1和f2的值,记为f1 i和第i株量子杂草植株的适应度为
<mrow>
<msup>
<mi>f</mi>
<mi>i</mi>
</msup>
<mo>=</mo>
<mi>&delta;</mi>
<mo>&times;</mo>
<msubsup>
<mi>f</mi>
<mn>1</mn>
<mi>i</mi>
</msubsup>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&delta;</mi>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<msubsup>
<mi>f</mi>
<mn>2</mn>
<mi>i</mi>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
其中0<δ<1表示权重系数,为常数,改变δ的大小可以调整不可感知性和鲁棒性所占的比重,根据适应度值对当前量子杂草进行排序,其中适应度最大的量子杂草植株被标记为表示当前种群中的最优量子杂草植株。表示到第t代为止Mmax/4株量子杂草的记忆最优量子杂草构成的集合,在迭代开始时初始化为当前适应度值最大的前Mmax/4株量子杂草,其中(i=1,2,...,Mmax/4)表示第i株量子杂草到第t代为止的记忆最优量子杂草。
7.根据权利要求1所述的.一种基于量子杂草寻优机制的小波数字水印嵌入和提取方法,其特征在于:所述的生长繁殖的过程为,种群中仅被记为Pt的量子杂草可以产生种子,Pi t的子代量子杂草中适应度最大的子代量子杂草记为迭代开始时为当前量子杂草,每株量子杂草产生的种子数通过模拟量子旋转门确定,其中,第t代中第i株量子杂草的第j维变量对应的暂态量子旋转角被定义为
<mrow>
<msubsup>
<mi>&theta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>c</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>c</mi>
<mn>2</mn>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>Z</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>c</mi>
<mn>3</mn>
</msub>
<mo>+</mo>
<msub>
<mi>c</mi>
<mn>4</mn>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>r</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msubsup>
<mi>G</mi>
<mi>j</mi>
<mi>t</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>Z</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
j=1,2,...,4N其中c1,c2,c3,c4为旋转因子,是固定常数,r1,r2为[0,1]之间的均匀随机数,第i株量子杂草的第j维变量的对应的暂态量子态表示为
<mrow>
<msubsup>
<mover>
<mi>q</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>=</mo>
<mo>|</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>&times;</mo>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>&theta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msqrt>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>&times;</mo>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>&theta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
第i株量子杂草植株所处的暂态量子态定义为
<mrow>
<msubsup>
<mover>
<mi>q</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mover>
<mi>q</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>+</mo>
<msubsup>
<mover>
<mi>q</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mn>...</mn>
<mo>+</mo>
<msubsup>
<mover>
<mi>q</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mn>4</mn>
<mi>N</mi>
</mrow>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
</mrow>
其产生的种子数通过对测量得到:
<mrow>
<msubsup>
<mi>K</mi>
<mi>i</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>2</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>I</mi>
<mi>f</mi>
<mn>4</mn>
<mi>N</mi>
<mo>&CenterDot;</mo>
<msub>
<mi>r</mi>
<mn>3</mn>
</msub>
<mo><</mo>
<msubsup>
<mover>
<mi>q</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>4</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>I</mi>
<mi>f</mi>
<mn>4</mn>
<mi>N</mi>
<mo>&CenterDot;</mo>
<msub>
<mi>r</mi>
<mn>3</mn>
</msub>
<mo>&GreaterEqual;</mo>
<msubsup>
<mover>
<mi>q</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
</mrow>
r3为[0,1]之间的随机数。
8.根据权利要求1所述的.一种基于量子杂草寻优机制的小波数字水印嵌入和提取方法,其特征在于:所述的空间扩散的过程为,子代量子杂草是通过空间扩散机制产生的,量子杂草利用模拟量子旋转门完成量子杂草的空间扩散产生新的量子杂草,其中第i株量子杂草的第株子代量子杂草的第j维变量的量子旋转角被定义为
与之对应的量子态表示为
其中c1,c2,c3,c4,c5,c6为旋转因子,是固定的常数,r4,r5,r6为[0,1]之间的均匀随机数,r是[0,Mmax/4]之间的随机整数,表示父代量子杂草中第r株量子杂草的第j维所处的量子态。
9.根据权利要求1所述的.一种基于量子杂草寻优机制的小波数字水印嵌入和提取方法,其特征在于:所述的计算新产生的量子杂草的适应度过程为,根据(3)和(4)计算新产生的量子杂草的适应度,对于第i株量子杂草及其子代量子杂草,首先子代量子杂草彼此竞争,适应度最大的子代量子杂草被保留记做令接着和Pi t竞争,若的适应度值大于Pi t的适应度值,则代替Pi t成为新一代父代杂草Pi t+1,否则Pi t更新为Pi t+1。所有Pi t完成更新后,最后Pi t+1中适应度最大的量子杂草更新Gt+1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710810395.5A CN107578365B (zh) | 2017-09-11 | 2017-09-11 | 基于量子杂草寻优机制的小波数字水印嵌入和提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710810395.5A CN107578365B (zh) | 2017-09-11 | 2017-09-11 | 基于量子杂草寻优机制的小波数字水印嵌入和提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107578365A true CN107578365A (zh) | 2018-01-12 |
CN107578365B CN107578365B (zh) | 2020-09-11 |
Family
ID=61032762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710810395.5A Active CN107578365B (zh) | 2017-09-11 | 2017-09-11 | 基于量子杂草寻优机制的小波数字水印嵌入和提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107578365B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214974A (zh) * | 2018-08-31 | 2019-01-15 | 广州洪荒智能科技有限公司 | 一种基于数字水印的人像照片处理方法 |
CN109712204A (zh) * | 2018-11-30 | 2019-05-03 | 大连理工大学 | 一种基于fcm聚类的图像加密方法 |
CN111476701A (zh) * | 2020-03-18 | 2020-07-31 | 创驱(上海)新能源科技有限公司 | 基于Rijndael对称分组加密技术的数字图像加密方法及解密方法 |
CN114693500A (zh) * | 2022-05-31 | 2022-07-01 | 山东科技大学 | 一种用于篡改检测和自恢复的量子图像水印方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793874A (zh) * | 2014-02-14 | 2014-05-14 | 中北大学 | 一种新型保真鲁棒数字水印方法 |
CN103942745A (zh) * | 2014-04-02 | 2014-07-23 | 深圳大学 | 图像添加水印的方法及系统 |
CN105447809A (zh) * | 2015-12-07 | 2016-03-30 | 中国矿业大学 | 基于杂草模型的加密域图像可逆水印方法 |
-
2017
- 2017-09-11 CN CN201710810395.5A patent/CN107578365B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793874A (zh) * | 2014-02-14 | 2014-05-14 | 中北大学 | 一种新型保真鲁棒数字水印方法 |
CN103942745A (zh) * | 2014-04-02 | 2014-07-23 | 深圳大学 | 图像添加水印的方法及系统 |
CN105447809A (zh) * | 2015-12-07 | 2016-03-30 | 中国矿业大学 | 基于杂草模型的加密域图像可逆水印方法 |
Non-Patent Citations (2)
Title |
---|
ABDUL MAJID, ET AL.: "A Novel scheme in Audio Watermarking using Multi-Objective Genetic Algorithm", 《ICMIT 2009: MECHATRONICS AND INFORMATION TECHNOLOGY》 * |
陈欢,周永权,赵光伟: "基于混沌序列的多种群入侵杂草算法", 《计算机应用》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214974A (zh) * | 2018-08-31 | 2019-01-15 | 广州洪荒智能科技有限公司 | 一种基于数字水印的人像照片处理方法 |
CN109712204A (zh) * | 2018-11-30 | 2019-05-03 | 大连理工大学 | 一种基于fcm聚类的图像加密方法 |
CN111476701A (zh) * | 2020-03-18 | 2020-07-31 | 创驱(上海)新能源科技有限公司 | 基于Rijndael对称分组加密技术的数字图像加密方法及解密方法 |
CN114693500A (zh) * | 2022-05-31 | 2022-07-01 | 山东科技大学 | 一种用于篡改检测和自恢复的量子图像水印方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107578365B (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107578365A (zh) | 基于量子杂草寻优机制的小波数字水印嵌入和提取方法 | |
Li et al. | Embedding Image Through Generated Intermediate Medium Using Deep Convolutional Generative Adversarial Network. | |
CN104408338B (zh) | 一种三维网格模型版权认证方法 | |
CN101493928B (zh) | 数字水印嵌入、提取和量化步长协调因子优化方法及装置 | |
Tsougenis et al. | Adaptive color image watermarking by the use of quaternion image moments | |
CN108520503A (zh) | 一种基于自编码器和生成对抗网络修复人脸缺损图像的方法 | |
Salimi et al. | A novel watermarking method based on differential evolutionary algorithm and wavelet transform | |
Zhang et al. | An image watermarking method based on visual saliency and contourlet transform | |
CN115131188A (zh) | 一种基于生成对抗网络的鲁棒图像水印方法 | |
CN113724149B (zh) | 一种弱监督的可见光遥感图像薄云去除方法 | |
Mohan et al. | Selective encryption and optimization based watermarking for robust transmission of landslide images | |
CN112862922A (zh) | 一种基于多特征生成网络先验信息引导的图像填充方法 | |
CN116612010A (zh) | 基于光谱相关信息和空间高低频信息的超分辨率图像重建方法 | |
CN112686817B (zh) | 一种基于不确定性估计的图像补全方法 | |
Jamali et al. | Robust watermarking using diffusion of logo into auto-encoder feature maps | |
Zhang et al. | Research on image digital watermarking optimization algorithm under virtual reality technology | |
Yadav et al. | Lagrangian twin support vector regression and genetic algorithm based robust grayscale image watermarking | |
Lin | Comparative Analysis of Pix2Pix and CycleGAN for image-to-image translation | |
CN116385259A (zh) | 基于gan网络的图像风格迁移方法 | |
Wang et al. | Wavelet-FCWAN: fast and covert watermarking attack network in wavelet domain | |
CN114331894A (zh) | 一种基于潜在特征重构和掩模感知的人脸图像修复方法 | |
Alizadeh et al. | Image watermarking by Q learning and matrix factorization | |
Arantes et al. | Rcgan: learning a generative model for arbitrary size image generation | |
Zhang et al. | LKAW: a robust watermarking method based on large kernel convolution and adaptive weight assignment | |
Xuan et al. | Image steganalysis based on statistical moments of wavelet subband histograms in DFT domain |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |