CN108765255A - 基于压缩感知技术的角度量化索引调制图像水印系统与方法 - Google Patents
基于压缩感知技术的角度量化索引调制图像水印系统与方法 Download PDFInfo
- Publication number
- CN108765255A CN108765255A CN201810553288.3A CN201810553288A CN108765255A CN 108765255 A CN108765255 A CN 108765255A CN 201810553288 A CN201810553288 A CN 201810553288A CN 108765255 A CN108765255 A CN 108765255A
- Authority
- CN
- China
- Prior art keywords
- watermark
- image
- embedded
- information
- piece
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
- G06T1/005—Robust watermarking, e.g. average attack or collusion attack resistant
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于压缩感知技术的角度量化索引调制图像水印方法,采用混沌序列构建稀疏随机测量矩阵作为观测矩阵,利用压缩感知技术以及角度量化索引调制算法,将水印信息安全、隐蔽地嵌入到载体图像的压缩感知域中。本发明还提出一种基于压缩感知技术的角度量化索引调制图像水印系统,包括构建观测矩阵模块、水印嵌入模块,信息传输模块,水印提取模块。本发明在发送端通过角度量化索引调制算法将水印信息嵌入到载体图像的压缩感知域中,并将观测矩阵的相关信息以及水印的嵌入位置作为密钥发送到接收端,实现水印提取,具有隐蔽性好、安全性高等优点,并且在抵抗噪声、滤波、图像压缩、幅度缩放等常规水印攻击时表现出很强的鲁棒性。
Description
技术领域
本发明涉及一种图像水印系统与方法,属于信息隐藏和图像处理技术领域。
背景技术
数字水印在数字媒体信息中添加某些数字信息,以便保护数字媒体的版权。总体来说,数字水印有三个最主要的特性:保真度、鲁棒性和容量。量化索引调制算法因能够对这三个特性进行有效折中,已成为最流行的鲁棒性水印算法之一,但量化索引调制对幅度缩放攻击异常脆弱。在此基础上,角度量化索引调制算法被提出,以提高对幅度缩放攻击的鲁棒性,然而角度量化索引调制却易受高斯白噪声的影响。
压缩感知思想于2006年被提出,论证了特定的信号可通过很少的样本实现较理想的恢复重建,现已被广泛应用到数据采集、医学成像等领域中。目前,压缩感知也被应用于数字水印领域,主要包括对水印图像进行压缩感知以及对载体图像进行压缩感知两方面。但目前基于压缩感知的角度量化索引调制水印框架还未被提出。
发明内容
本发明所要解决的技术问题是:为了克服现有技术中存在的不足,本发明提供一种基于压缩感知技术的角度量化索引调制图像水印系统与方法,旨在提高水印系统的安全性,以及抵抗噪声、滤波、图像压缩、幅度缩放等攻击的鲁棒性。
本发明为了解决以上技术问题,而采用以下技术手段:
本发明首先提出一种基于压缩感知技术的角度量化索引调制的图像水印系统,该系统包括观测矩阵构建模块、水印嵌入模块,信息传输模块,水印提取模块,其中:
所述观测矩阵构建模块,被配置以执行以下动作:利用混沌序列构建部分稀疏随机测量矩阵,将构建的稀疏随机测量矩阵作为观测矩阵输出至水印嵌入模块;同时将包括混沌序列初值的信息作为第一密钥信息,并将第一密钥信息发送到水印提取模块;
所述水印嵌入模块,被配置以执行以下动作:将载体图像分割成互不重叠的小块,根据观测矩阵对每一块进行信号观测,在每一块的观测向量中选取两个最优的观测值,利用角度量化索引调制算法嵌入水印信息,同时将水印嵌入位置作为第二密钥信息发送到水印提取模块;再通过最小全变分算法从嵌入水印的观测向量中重建出嵌入水印的图像块,将图像块组合形成嵌入水印的载体图像,输出至信息传输模块;
所述信息传输模块,被配置以执行以下动作:负责在通讯设备或网络中传输含水印载体图像,包括产生各种攻击方法破坏水印信息,得到受攻击后的水印载体图像,并将攻击后的载体图像发送到水印提取模块;
所述水印提取模块,被配置以执行以下动作:利用第一密钥信息重建出观测矩阵,将受攻击的水印载体图像分割成互不重叠的小块,根据观测矩阵对每一块进行信号观测,利用第二密钥信息确定每一块中水印嵌入位置并利用角度量化索引调制算法提取检测水印信息,并判断水印信息完整度。
本发明还提出了一种基于压缩感知技术的角度量化索引调制图像水印方法,包括步骤如下:
步骤(1)、构建观测矩阵:利用混沌序列构建部分稀疏矩阵,将构建的稀疏随机测量矩阵作为观测矩阵ΦB,并将混沌序列初值的信息作为第一密钥信息;
步骤(2)、水印嵌入:将载体图像分割成互不重叠的大小为Β×Β的块,根据观测矩阵ΦB对每一块进行信号观测,在每一块具有m个元素的观测向量中选取两个最优的观测值,利用AQIM算法嵌入水印信息,同时将水印嵌入位置作为第二密钥信息;再通过最小全变分算法从嵌入水印的观测向量中重建出嵌入水印的图像块,将图像块组合形成嵌入水印的载体图像;
步骤(3)、信息传输:负责在通讯设备或网络中传输含水印载体图像,包括产生各种攻击方法破坏水印信息,得到受攻击后的水印载体图像;
步骤(4)、水印提取:利用第一密钥信息重建出观测矩阵ΦB,将受攻击的水印载体图像分割成互不重叠的大小为Β×Β的块,根据观测矩阵ΦB对每一块进行信号观测,利用第二密钥信息确定每一块中水印嵌入位置并利用AQIM算法提取检测水印信息,并判断水印信息完整度。
进一步的,本发明所提出的一种基于压缩感知技术的角度量化索引调制图像水印方法,构建观测矩阵步骤具体如下:
步骤101、确定混沌序列初值z0以及Logistic参数μ,生成Logistic序列zn;
步骤102、确定起始点zk以及采样间隔t,对zn进行采样,共采样m×B2个元素;
步骤103、依次选取采样序列的m个元素作为观测矩阵的每一列,生成大小为m×B2的观测矩阵ΦB;
步骤104、对ΦB每一列元素根据大小进行排序,将最大的d个元素置为1,其余元素置为0;
步骤105、将初值z0、起始点zk以及采样间隔t作为第一密钥信息,用于水印提取。
进一步的,本发明所提出的一种基于压缩感知技术的角度量化索引调制图像水印方法,水印嵌入步骤具体如下:
步骤201、读取载体图像和水印图像,将载体图像分割成互不重叠的大小为Β×Β的块;
步骤202、根据观测矩阵ΦB对每一块进行信号观测,得到每一块的观测向量;
步骤203、在每一块的观测向量中选取两个最优的观测值;
步骤204、在每一块中嵌入水印信息,同时将水印嵌入位置作为第二密钥信息,用于水印提取;
步骤205、从嵌入水印的观测向量中重建出嵌入水印的图像块,将图像块组合形成嵌入水印的载体图像。
进一步的,本发明所提出的一种基于压缩感知技术的角度量化索引调制图像水印方法,所述步骤203中,将嵌入水印后的峰值信噪比和加入不同程度高斯噪声后提取水印的误码率的线性组合作为准则函数,选取使准则函数最小化的两个观测值。
进一步的,本发明所提出的一种基于压缩感知技术的角度量化索引调制图像水印方法,所述步骤204中是根据角度量化索引调制水印嵌入方法进行水印嵌入;
记在第i个块中嵌入水印的两个观测值分别为得到其角度θi和半径ρi:
记嵌入的水印信息为bi,角度θi被量化为:
得到嵌入水印后的两个观测值:
其中,Δθ代表量化步长。
进一步的,本发明所提出的一种基于压缩感知技术的角度量化索引调制图像水印方法,所述步骤205是根据最小全变分算法重建出嵌入水印的图像块;
记2维图像的全变分为:
得到重建的嵌入水印的图像块:
x′=min||x||TV s.t.xs=ΦBx (6)
再将图像块组合形成嵌入水印的载体图像。
进一步的,本发明所提出的一种基于压缩感知技术的角度量化索引调制图像水印方法,水印提取步骤具体如下:
步骤301、利用第一密钥信息重建出观测矩阵ΦB;
步骤302、读取受攻击的水印载体图像,分割成互不重叠的大小为Β×Β的块;
步骤303、根据观测矩阵ΦB对每一块进行信号观测;
步骤304、利用第二密钥信息确定每一块中嵌入水印的两个观测值,得到水印信息。
进一步的,本发明所提出的一种基于压缩感知技术的角度量化索引调制图像水印方法,所述步骤304是根据AQIM水印提取方法进行水印提取;
得到第i个块中嵌入水印的两个观测值的角度:
得到嵌入在第i个块的水印信息:
再将每一块得到的水印信息组合成最后提取的水印信息。
本发明采用以上技术方案,与现有技术相比所具有的优点在于:
本发明将压缩感知思想和角度量化索引调制算法相结合,能够有效地实现图像水印的嵌入与提取,与传统的角度量化索引调制算法及其改进方法相比,本发明不仅保有较好的水印不可见性,在鲁棒性与安全性上都得到了提高。一方面,密钥信息包括用于构建观测矩阵的混沌序列相关信息以及每个图像块嵌入水印的位置,不易被破解,提高水印系统的安全性;另一方面,由稀疏随机矩阵作为观测矩阵得到的观测值,是通过多个像素点的值相加得到的,噪声对观测值的改变量与观测值自身相比很小,使提取的水印有很低的误码率,大大提高了水印系统对噪声的鲁棒性。
附图说明
图1是本发明所述系统的框图。
图2是本发明一种基于压缩感知技术的角度量化索引调制图像水印方法的处理流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例和说明书附图1-2对本发明的技术方案进行清楚、完整的描述,显然,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解的是,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本发明将压缩感知思想和角度量化索引调制算法相结合,使水印系统在鲁棒性与安全性上都得到了提高。
实施例1:
如图1所示,本发明提出一种基于压缩感知技术的角度量化索引调制图像水印系统,包括构建观测矩阵模块、水印嵌入模块,信息传输模块,水印提取模块:
所述构建观测矩阵模块,被配置以执行以下动作:利用混沌序列构建部分稀疏矩阵,将构建的稀疏随机测量矩阵作为观测矩阵输出至水印嵌入模块;同时将混沌序列初值等信息作为密钥1,并将密钥信息发送到水印提取模块;
所述水印嵌入模块,被配置以执行以下动作:将载体图像分割成互不重叠的小块,根据观测矩阵对每一块进行信号观测,在每一块的观测向量中选取两个最优的观测值,利用角度量化索引调制算法嵌入水印信息,同时将水印嵌入位置作为密钥2发送到水印提取模块;再通过最小全变分算法从嵌入水印的观测向量中重建出嵌入水印的图像块,将图像块组合形成嵌入水印的载体图像,输出至信息传输模块;
所述信息传输模块,被配置以执行以下动作:负责在通讯设备或网络中传输含水印载体图像,包括产生各种攻击方法破坏水印信息,得到受攻击后的水印载体图像,并将攻击后的载体图像发送到水印提取模块;
所述水印提取模块,被配置以执行以下动作:利用密钥1重建出观测矩阵,将受攻击的水印载体图像分割成互不重叠的小块,根据观测矩阵对每一块进行信号观测,利用密钥2确定每一块中水印嵌入位置并利用角度量化索引调制算法提取检测水印信息,并判断水印信息完整度。
实施例2:
如图2所示,本发明还提出基于压缩感知技术的角度量化索引调制图像水印方法,具体步骤如下。
1)构建观测矩阵:
1.1)确定混沌序列初值z0以及Logistic参数μ,生成Logistic序列zn;
1.2)确定起始点zk以及采样间隔t,对zn进行采样,共采样m×B2个元素;
1.3)依次选取采样序列的m个元素作为观测矩阵的每一列,生成大小为m×B2的观测矩阵ΦB;
1.4)对ΦB每一列元素根据大小进行排序,将最大的d个元素置为1,其余元素置为0;
1.5)将初值z0、起始点zk以及采样间隔t作为密钥1,用于水印提取。
2)水印嵌入:
2.1)读取载体图像和水印图像,将载体图像分割成互不重叠的大小为Β×Β的块;
2.2)使用步骤1)得到的观测矩阵ΦB对每一块进行信号观测,得到每一块的观测向量;
2.3)在每一块中,将嵌入水印后的峰值信噪比和加入不同程度高斯噪声后提取水印的误码率的线性组合作为准则函数,选取使准则函数最小化的两个观测值;
2.4)记在第i个块中嵌入水印的两个观测值为得到其角度θi和半径ρi:
记嵌入的水印信息为bi,角度θi被量化为:
其中,Δθ代表量化步长;
得到嵌入水印后的两个观测值:
将水印嵌入位置作为密钥2,用于水印提取。
2.5)根据最小全变分算法重建出嵌入水印的图像块,
记2维图像的全变分为:
得到重建的嵌入水印的图像块:
x′=min||x||TV s.t.xs=ΦBx (6)
再将图像块组合形成嵌入水印的载体图像。
3)信息传输:将步骤2)得到的含水印载体图像送入传输系统,并进行水印攻击,得到受攻击后的载体图像。
4)水印提取:
4.1)利用密钥1重建出观测矩阵ΦB;
4.2)读取受攻击的水印载体图像,分割成互不重叠的大小为Β×Β的块;
4.3)根据观测矩阵ΦB对每一块进行信号观测;
4.4)利用密钥2确定每一块中嵌入水印的两个观测值,得到第i个块中嵌入水印的两个观测值的角度:
得到嵌入在第i个块的水印信息:
再将每一块得到的水印信息组合成最后提取的水印信息。
本技术领域技术人员可以理解的是,本发明中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地,具有本发明中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地,现有技术中的具有与本发明中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。
上面结合附图对本发明的实施方式作了详细地说明,但是本发明并不局限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (9)
1.一种基于压缩感知技术的角度量化索引调制图像水印系统,其特征在于,该系统包括观测矩阵构建模块、水印嵌入模块,信息传输模块,水印提取模块,其中:
所述观测矩阵构建模块,被配置以执行以下动作:利用混沌序列构建部分稀疏随机测量矩阵,将构建的稀疏随机测量矩阵作为观测矩阵输出至水印嵌入模块;同时将包括混沌序列初值的信息作为第一密钥信息,并将该第一密钥信息发送到水印提取模块;
所述水印嵌入模块,被配置以执行以下动作:将载体图像分割成互不重叠的小块,根据观测矩阵对每一块进行信号观测,在每一块的观测向量中选取两个最优的观测值,利用角度量化索引调制算法嵌入水印信息,同时将水印嵌入位置作为第二密钥信息发送到水印提取模块;再通过最小全变分算法从嵌入水印的观测向量中重建出嵌入水印的图像块,将图像块组合形成嵌入水印的载体图像,输出至信息传输模块;
所述信息传输模块,被配置以执行以下动作:负责在通讯设备或网络中传输含水印载体图像,包括产生各种攻击方法破坏水印信息,得到受攻击后的水印载体图像,并将攻击后的载体图像发送到水印提取模块;
所述水印提取模块,被配置以执行以下动作:利用第一密钥信息重建出观测矩阵,将受攻击的水印载体图像分割成互不重叠的小块,根据观测矩阵对每一块进行信号观测,利用第二密钥信息确定每一块中水印嵌入位置并利用角度量化索引调制算法提取检测水印信息,并判断水印信息完整度。
2.一种基于压缩感知技术的角度量化索引调制图像水印方法,其特征在于,包括步骤如下:
步骤(1)、构建观测矩阵:利用混沌序列构建部分稀疏矩阵,将构建的稀疏随机测量矩阵作为观测矩阵ΦB,并将混沌序列初值等信息作为第一密钥信息;
步骤(2)、水印嵌入:将载体图像分割成互不重叠的大小为Β×Β的块,根据观测矩阵ΦB对每一块进行信号观测,在每一块具有m个元素的观测向量中选取两个最优的观测值,利用AQIM算法嵌入水印信息,同时将水印嵌入位置作为第二密钥信息;再通过最小全变分算法从嵌入水印的观测向量中重建出嵌入水印的图像块,将图像块组合形成嵌入水印的载体图像;
步骤(3)、信息传输:在通讯设备或网络中传输含水印载体图像,包括产生各种攻击方法破坏水印信息,得到受攻击后的水印载体图像;
步骤(4)、水印提取:利用第一密钥信息重建出观测矩阵ΦB,将受攻击的水印载体图像分割成互不重叠的大小为Β×Β的块,根据观测矩阵ΦB对每一块进行信号观测,利用第二密钥信息确定每一块中水印嵌入位置并利用AQIM算法提取检测水印信息,并判断水印信息完整度。
3.根据权利要求2所述的一种基于压缩感知技术的角度量化索引调制图像水印方法,其特征在于,构建观测矩阵步骤具体如下:
步骤101、确定混沌序列初值z0以及Logistic参数μ,生成Logistic序列zn;
步骤102、确定起始点zk以及采样间隔t,对zn进行采样,共采样m×B2个元素;
步骤103、依次选取采样序列的m个元素作为观测矩阵的每一列,生成大小为m×B2的观测矩阵ΦB;
步骤104、对ΦB每一列元素根据大小进行排序,将最大的d个元素置为1,其余元素置为0;
步骤105、将初值z0、起始点zk以及采样间隔t作为第一密钥信息,用于水印提取。
4.根据权利要求2或3任一所述的一种基于压缩感知技术的角度量化索引调制图像水印方法,其特征在于,水印嵌入步骤具体如下:
步骤201、读取载体图像和水印图像,将载体图像分割成互不重叠的大小为Β×Β的块;
步骤202、根据观测矩阵ΦB对每一块进行信号观测,得到每一块的观测向量;
步骤203、在每一块的观测向量中选取两个最优的观测值;
步骤204、在每一块中嵌入水印信息,同时将水印嵌入位置作为第二密钥信息,用于水印提取;
步骤205、从嵌入水印的观测向量中重建出嵌入水印的图像块,将图像块组合形成嵌入水印的载体图像。
5.根据权利要求4所述的一种基于压缩感知技术的角度量化索引调制图像水印方法,其特征在于,所述步骤203中,将嵌入水印后的峰值信噪比和加入不同程度高斯噪声后提取水印的误码率的线性组合作为准则函数,选取使准则函数最小化的两个观测值。
6.根据权利要求4所述的一种基于压缩感知技术的角度量化索引调制图像水印方法,其特征在于,所述步骤204中是根据角度量化索引调制水印嵌入方法进行水印嵌入;
记在第i个块中嵌入水印的两个观测值分别为得到其角度θi和半径ρi:
记嵌入的水印信息为bi,角度θi被量化为:
得到嵌入水印后的两个观测值:
其中,Δθ代表量化步长。
7.根据权利要求6所述的一种基于压缩感知技术的角度量化索引调制图像水印方法,其特征在于,所述步骤205是根据最小全变分算法重建出嵌入水印的图像块;
记2维图像的全变分为:
得到重建的嵌入水印的图像块:
x′=min||x||TV s.t.xs=ΦBx (6)
再将图像块组合形成嵌入水印的载体图像。
8.根据权利要求2或6任一所述的一种基于压缩感知技术的角度量化索引调制图像水印方法,其特征在于,水印提取步骤具体如下:
步骤301、利用第一密钥信息重建出观测矩阵ΦB;
步骤302、读取受攻击的水印载体图像,分割成互不重叠的大小为Β×Β的块;
步骤303、根据观测矩阵ΦB对每一块进行信号观测;
步骤304、利用第二密钥信息确定每一块中嵌入水印的两个观测值,得到水印信息。
9.根据权利要求8所述的一种基于压缩感知技术的角度量化索引调制图像水印方法,其特征在于,所述步骤304是根据AQIM水印提取方法进行水印提取;
得到第i个块中嵌入水印的两个观测值的角度:
得到嵌入在第i个块的水印信息:
再将每一块得到的水印信息组合成最后提取的水印信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810553288.3A CN108765255B (zh) | 2018-05-31 | 2018-05-31 | 基于压缩感知的角度量化索引调制图像水印系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810553288.3A CN108765255B (zh) | 2018-05-31 | 2018-05-31 | 基于压缩感知的角度量化索引调制图像水印系统与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108765255A true CN108765255A (zh) | 2018-11-06 |
CN108765255B CN108765255B (zh) | 2022-04-29 |
Family
ID=64001644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810553288.3A Active CN108765255B (zh) | 2018-05-31 | 2018-05-31 | 基于压缩感知的角度量化索引调制图像水印系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108765255B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109754358A (zh) * | 2019-01-02 | 2019-05-14 | 东南大学 | 一种基于显著性检测和轮廓波变换的图像水印方法与系统 |
CN111192334A (zh) * | 2020-01-02 | 2020-05-22 | 苏州大学 | 可训练的压缩感知模块及一种图像分割方法 |
CN112284728A (zh) * | 2020-09-30 | 2021-01-29 | 华南理工大学 | 一种旋转机械局部故障特征的分段稀疏压缩与重构方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102664014A (zh) * | 2012-04-18 | 2012-09-12 | 清华大学 | 一种基于对数量化索引调制的盲音频水印实现方法 |
CN102736064A (zh) * | 2011-04-14 | 2012-10-17 | 东南大学 | 一种基于压缩传感器的助听器声源定位方法 |
CN103700061A (zh) * | 2013-12-30 | 2014-04-02 | 东北大学 | 一种基于压缩感知的数字图像水印嵌入和提取方法 |
US20150003738A1 (en) * | 2013-07-01 | 2015-01-01 | Xerox Corporation | Adaptive quality image reconstruction via a compressed sensing framework |
CN106339978A (zh) * | 2016-08-24 | 2017-01-18 | 湖南工业大学 | 一种基于压缩感知的彩色数字图像水印嵌入及提取方法 |
-
2018
- 2018-05-31 CN CN201810553288.3A patent/CN108765255B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102736064A (zh) * | 2011-04-14 | 2012-10-17 | 东南大学 | 一种基于压缩传感器的助听器声源定位方法 |
CN102664014A (zh) * | 2012-04-18 | 2012-09-12 | 清华大学 | 一种基于对数量化索引调制的盲音频水印实现方法 |
US20150003738A1 (en) * | 2013-07-01 | 2015-01-01 | Xerox Corporation | Adaptive quality image reconstruction via a compressed sensing framework |
CN103700061A (zh) * | 2013-12-30 | 2014-04-02 | 东北大学 | 一种基于压缩感知的数字图像水印嵌入和提取方法 |
CN106339978A (zh) * | 2016-08-24 | 2017-01-18 | 湖南工业大学 | 一种基于压缩感知的彩色数字图像水印嵌入及提取方法 |
Non-Patent Citations (2)
Title |
---|
TIAN XIA: "Expression recognition in the wild with transfer learning", 《2017 9TH INTERNATIONAL CONFERENCE ON WIRELESS COMMUNICATIONS AND SIGNAL PROCESSING (WCSP)》 * |
李莹莹: "基于 DWT 最优多子图和 SIFT 几何校正的鲁棒水印算法", 《计算机应用研究》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109754358A (zh) * | 2019-01-02 | 2019-05-14 | 东南大学 | 一种基于显著性检测和轮廓波变换的图像水印方法与系统 |
CN111192334A (zh) * | 2020-01-02 | 2020-05-22 | 苏州大学 | 可训练的压缩感知模块及一种图像分割方法 |
CN112284728A (zh) * | 2020-09-30 | 2021-01-29 | 华南理工大学 | 一种旋转机械局部故障特征的分段稀疏压缩与重构方法 |
CN112284728B (zh) * | 2020-09-30 | 2022-03-29 | 华南理工大学 | 一种旋转机械局部故障特征的分段稀疏压缩与重构方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108765255B (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103761702B (zh) | 一种基于秘密共享的图像隐藏和认证方法 | |
CN103700061B (zh) | 一种基于压缩感知的数字图像水印嵌入和提取方法 | |
CN108765255A (zh) | 基于压缩感知技术的角度量化索引调制图像水印系统与方法 | |
CN103996165B (zh) | 一种基于压缩感知特征的数字图像零水印嵌入和提取方法 | |
CN102682418B (zh) | 一种数字图像的多个零水印嵌入及提取方法 | |
CN109657769A (zh) | 一种基于游程编码的二维码信息隐藏方法 | |
CN107993669A (zh) | 基于修改最低有效位数权重的语音内容认证和篡改恢复方法 | |
Chang et al. | A block-based watermarking scheme for image tamper detection and self-recovery | |
Kurup et al. | Data hiding scheme based on octagon shaped shell | |
Al-Rahal et al. | HIGH LEVEL SECURITY BASED STEGANORAPHY IN IMAGE AND AUDIO FILES. | |
CN109754358B (zh) | 一种基于显著性检测和轮廓波变换的图像水印方法与系统 | |
Memon et al. | Multiple watermarking of medical images for content authentication and recovery | |
Biradar et al. | A survey paper on steganography techniques | |
CN107346528A (zh) | 一种基于双图可逆脆弱水印的图像篡改检测方法 | |
CN106056521A (zh) | 基于差分特征点网格的抗rsd攻击盲检测数字指纹方法 | |
CN108711130A (zh) | 基于压缩感知噪声重构的图像水印系统与方法 | |
Jana et al. | Cheating prevention in Visual Cryptography using steganographic scheme | |
Dadkhah et al. | An efficient image self-recovery and tamper detection using fragile watermarking | |
CN103854250A (zh) | 一种应用于无线多媒体传感器网络的自同步图像水印方法 | |
CN110047495B (zh) | 基于2级奇异值分解的大容量音频水印算法 | |
Hazzaa et al. | Watermarking algorithm for medical images authentication | |
Nguyen et al. | Radon transform-based secure image hashing | |
Behravan et al. | Introducing a new method of image reconstruction against crop attack using sudoku watermarking algorithm | |
Surekha et al. | Digital image ownership verification based on spatial correlation of colors | |
Lin et al. | Watermark algorithm for color image authentication and restoration |
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 |