CN109754358A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN109754358A CN109754358A CN201910001519.4A CN201910001519A CN109754358A CN 109754358 A CN109754358 A CN 109754358A CN 201910001519 A CN201910001519 A CN 201910001519A CN 109754358 A CN109754358 A CN 109754358A
- Authority
- CN
- China
- Prior art keywords
- watermark
- image
- low pass
- quantization
- pass subband
- 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
Abstract
本发明公开了一种基于显著性检测和轮廓波变换的图像水印方法,对载体图像分别进行显著性检测以及轮廓波变换,并对变换后的低通子带进行分块,由块内的显著性值以及能量分布决定每一块的量化步长,将水印信息自适应地嵌入到载体图像的轮廓波域中。本发明还提出一种基于显著性检测和轮廓波变换的图像水印系统,包括水印嵌入模块,信息传输模块,水印提取模块。本发明在发送端通过改进的对数量化索引调制算法将水印信息自适应地嵌入到载体图像低通子带的每一块中,并将每一块的量化步长作为密钥发送到接收端,实现水印提取,具有隐蔽性好、不可感知性高等优点,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方法与系统,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:不可见性、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;对数量化索引调制对量化索引调制进行了改进,将对数变换应用于量化水印算法,提高了算法的鲁棒性,但两者都对幅度缩放攻击异常脆弱。一系列对幅度缩放攻击鲁棒的水印算法先后被提出,然而却仍存在不足。
显著性检测的目的是定位出最显著的、最吸引人视觉注意的图像区域。视觉显著性源于视觉的独特性、不可预测性、稀缺性以及奇异性,由颜色、梯度、边缘、边界等图像属性决定。视觉显著性已经应用于数字水印中。轮廓波变换在多尺度上提取了方向信息,解决了小波变换无法很好地表示奇异性曲线的问题,被广泛应用于各类图像处理算法中。基于轮廓波变换的数字水印算法也已经成为一个新的研究方向。
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显著性检测和轮廓波变换的图像水印系统与方法,旨在提高水印系统的不可见性,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:
本发明首先提出了一种基于显著性检测和轮廓波变换的图像水印方法,包括步骤如下:
步骤(1)、水印嵌入:对载体图像进行显著性检测,得到对应的显著性图,将其分割成大小为Β×Β、互不重叠的M个小块;对载体图像进行轮廓波变换,得到低通子带IJ,将其分割成大小为B'×B'、互不重叠的M个小块;由块内的显著性值的均值以及能量分布Ei决定每一块的量化步长Δi,将其作为第一密钥信息,利用基于量化的水印嵌入算法将水印比特嵌入到低通子带块的最大奇异值中;再通过轮廓波逆变换得到嵌入水印的载体图像;
步骤(2)、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(3)、水印提取:对受攻击的水印载体图像进行轮廓波变换,得到其低通子带IJ',将其分割成大小为B'×B'、互不重叠的M个小块,利用第一密钥信息确定每一块的分块步长Δi并利用基于量化的水印提取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显著性检测和轮廓波变换的图像水印方法,水印嵌入步骤具体如下:
步骤101、对载体图像进行显著性检测,得到对应的显著性图,将其分割成大小为Β×Β、互不重叠的M个小块,计算各图像块显著性值的均值
步骤102、对载体图像进行轮廓波变换,得到低通子带IJ,将其分割成大小为B'×B'、互不重叠的M个小块,记为L1,L2,…,LM,计算各图像块的能量E;
步骤103、在每一个图像块中,由显著性值的均值以及能量分布Ei决定其量化步长Δi,并作为第一密钥信息;
步骤104、对低通子带块Li进行奇异值分解,得到最大的奇异值σi;
步骤105、利用基于量化的水印嵌入算法将水印比特嵌入到最大的奇异值σi中;
步骤106、恢复出嵌入水印后的低通子带块,将各低通子带块组合,并进行轮廓波逆变换,得到嵌入水印后的载体图像。
进一步的,本发明所提出的一种基于显著性检测和轮廓波变换的图像水印方法,所述步骤101中,采用双向信息传递模型进行显著性检测。
进一步的,本发明所提出的一种基于显著性检测和轮廓波变换的图像水印方法,所述步骤102中,采用3层非下采样轮廓波变换,采用的拉普拉斯金字塔滤波器结构以及方向滤波器组均为“pkva”滤波器。
进一步的,本发明所提出的一种基于显著性检测和轮廓波变换的图像水印方法,所述步骤103中,每一块的量化步长,与图像块的显著性值的均值成负相关,与图像块的能量Ei成正相关:
其中,k1、k2为比例系数,b为基础量化步长,Ei为图像块的低通子带系数平方的均值,δ为避免为0所加的常数。
进一步的,本发明所提出的一种基于显著性检测和轮廓波变换的图像水印方法,所述步骤104中,对低通子带块Li进行奇异值分解:
其中,Ui和Vi为分解得到的酉矩阵,∑i为对角矩阵,对角线上的元素即为Li的奇异值。
进一步的,本发明所提出的一种基于显著性检测和轮廓波变换的图像水印方法,所述步骤105中,利用基于量化的水印嵌入算法进行水印嵌入,具体如下:
计算各个低通子带块的最大奇异值σi的均值将对数量化索引调制嵌入算法中常数Xs替换为使算法实现对幅度缩放攻击具有鲁棒性;
其中,c代表最大奇异值σi在对数域中的值,cq代表嵌入水印后最大奇异值在对数域中的值,bi代表第i个低通子带块中嵌入的水印比特,Δi为通过所述步骤103计算的量化步长,μ为压缩因子,σi q即为嵌入水印后的最大奇异值。
进一步的,本发明所提出的一种基于显著性检测和轮廓波变换的图像水印方法,所述步骤106中,是在奇异值分解得到的对角矩阵∑i中,将最大奇异值σi替换为嵌入水印后的最大奇异值σi q,并利用公式(2)恢复出嵌入水印后的低通子带块。
进一步的,本发明所提出的一种基于显著性检测和轮廓波变换的图像水印方法,水印提取步骤具体如下:
步骤201、读取受攻击的水印载体图像,进行轮廓波变换,得到其低通子带IJ',将其分割成大小为B'×B'、互不重叠的M个小块,记为L1',L2',…,LM';
步骤202、对低通子带块Li'进行奇异值分解,得到最大奇异值σi′;
步骤203、利用第一密钥信息确定每一块的量化步长Δi;
步骤204、利用基于量化的水印提取算法,提取每一块水印信息。
进一步的,本发明所提出的一种基于显著性检测和轮廓波变换的图像水印方法,所述步骤204中,利用基于量化的水印提取算法进行水印提取,具体如下:
计算各个低通子带块的最大奇异值的均值将对数量化索引调制提取算法中常数Xs替换为在第i个低通子带块中进行水印提取:
其中,c'代表最大奇异值σi'在对数域中的值,μ为压缩因子,bi'即为提取的水印比特;
再将每一块得到的水印信息组合成最后提取的水印信息。
其次,本发明还提出一种基于显著性检测和轮廓波变换的图像水印系统,该系统包括水印嵌入模块,信息传输模块,水印提取模块,其中:
所述水印嵌入模块,被配置以执行以下动作:对载体图像进行显著性检测,得到对应的显著性图,将其分割成互不重叠的小块;再对载体图像进行轮廓波变换,得到载体图像的低通子带,将其分割成互不重叠的小块,分块数目与显著性图的分块数目一致;由块内的显著性值的均值以及能量分布决定每一块的量化步长,并利用基于量化的水印嵌入算法将水印比特嵌入到低通子带块的最大奇异值中,同时将每一块的量化步长作为第一密钥信息发送到水印提取模块;再通过轮廓波逆变换得到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:对受攻击的水印载体图像进行轮廓波变换,得到其低通子带,将其分割成互不重叠的小块,利用第一密钥信息确定每一块的分块步长并利用基于量化的水印提取算法提取检测水印信息,并判断水印信息完整度。
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:
本发明将显著性检测与轮廓波变换和改进的对数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,与传统的对数量化索引调制算法相比,本发明由于在显著性值较高的图像块选择较小的量化步长,在显著性值较低的图像块选择较大的量化步长,实现了水印的自适应嵌入,使水印的不可见性大大提高;同时改进了对数量化索引调制算法,使其对于幅度缩放攻击的鲁棒性得到提高;由于在轮廓波域低通子带块的最大奇异值中嵌入水印,噪声等水印攻击对其影响较小,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是本发明一种基于显著性检测和轮廓波变换的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。
本发明将显著性检测、轮廓波变换和改进的对数量化索引调制算法相结合,使水印系统在鲁棒性与不可感知性上都得到了提高。
实施例1:
如图1所示,本发明提出一种基于显著性检测和轮廓波变换的图像水印系统,包括水印嵌入模块,信息传输模块,水印提取模块:
所述水印嵌入模块,被配置以执行以下动作:对载体图像进行显著性检测,得到对应的显著性图,将其分割成互不重叠的小块;再对载体图像进行轮廓波变换,得到载体图像的低通子带,将其分割成互不重叠的小块,分块数目与显著性图的分块数目一致;由块内的显著性值的均值以及能量分布决定每一块的量化步长,并利用基于量化的水印嵌入算法将水印比特嵌入到低通子带块的最大奇异值中,同时将每一块的量化步长作为第一密钥信息发送到水印提取模块;再通过轮廓波逆变换得到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:对受攻击的水印载体图像进行轮廓波变换,得到其低通子带,将其分割成互不重叠的小块,利用第一密钥信息确定每一块的分块步长并利用基于量化的水印提取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,本发明还提出一种基于显著性检测和轮廓波变换的图像水印方法,具体步骤如下:
1)水印嵌入:
1.1)使用双向信息传递模型对载体图像进行显著性检测,得到对应的显著性图,将其分割成大小为Β×Β、互不重叠的M个小块,计算各图像块显著性值的均值
1.2)采用3层非下采样轮廓波变换,采用的拉普拉斯金字塔滤波器结构以及方向滤波器组均为“pkva”滤波器,对载体图像进行轮廓波变换,得到低通子带IJ,将其分割成大小为B'×B'、互不重叠的M个小块,记为L1,L2,…,LM,计算各图像块的能量E;
1.3)在每一个图像块中,由显著性值的均值以及能量分布Ei决定其量化步长Δi;每一块的量化步长,与图像块的显著性值的均值成负相关,与图像块的能量Ei成正相关:
其中,k1、k2为比例系数,b为基础量化步长,Ei为图像块的低通子带系数平方的均值,δ为避免为0所加的常数;
1.4)对低通子带块Li进行奇异值分解,得到最大的奇异值σi:
其中,Ui和Vi为分解得到的酉矩阵,∑i为对角矩阵,对角线上的元素即为Li的奇异值;
1.5)根据改进的对数量化索引调制水印嵌入方法进行水印嵌入:
计算各个低通子带块的最大奇异值σi的均值将对数量化索引调制嵌入算法中常数Xs替换为使算法实现对幅度缩放攻击具有鲁棒性;并在第i个低通子带块中进行水印嵌入:
其中,c代表最大奇异值σi在对数域中的值,cq代表嵌入水印后最大奇异值在对数域中的值,bi代表第i个低通子带块中嵌入的水印比特,Δi为通过所述步骤103计算的量化步长,μ为压缩因子,σi q即为嵌入水印后的最大奇异值;
1.6)在奇异值分解得到的对角矩阵∑i中,将最大奇异值σi替换为嵌入水印后的最大奇异值σi q,并利用公式(2)恢复出嵌入水印后的低通子带块,将各低通子带块组合,并进行轮廓波逆变换,得到嵌入水印后的载体图像。
2)信息传输:将步骤1)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。
3)水印提取:
3.1)读取受攻击的水印载体图像,进行轮廓波变换,得到其低通子带IJ',将其分割成大小为B'×B'、互不重叠的M个小块,记为L1',L2',…,LM';
3.2)对低通子带块Li'进行奇异值分解,得到最大奇异值σi′;
3.3)利用步骤1.3)第一密钥信息确定每一块的量化步长Δi;
3.4)根据改进的对数量化索引调制水印嵌入方法进行水印提取:
计算各个低通子带块的最大奇异值的均值将对数量化索引调制提取算法中常数Xs替换为在第i个低通子带块中进行水印提取:
其中,c'代表最大奇异值σi'在对数域中的值,μ为压缩因子,bi'即为提取的水印比特;
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 (10)
1.一种基于显著性检测和轮廓波变换的图像水印方法,其特征在于,包括步骤如下:
步骤(1)、水印嵌入:对载体图像进行显著性检测,得到对应的显著性图,将其分割成大小为Β×Β、互不重叠的M个小块;对载体图像进行轮廓波变换,得到低通子带IJ,将其分割成大小为B'×B'、互不重叠的M个小块;由块内的显著性值的均值以及能量分布Ei决定每一块的量化步长Δi,将其作为第一密钥信息,利用基于量化的水印嵌入算法将水印比特嵌入到低通子带块的最大奇异值中;再通过轮廓波逆变换得到嵌入水印的载体图像;
步骤(2)、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(3)、水印提取:对受攻击的水印载体图像进行轮廓波变换,得到其低通子带IJ',将其分割成大小为B'×B'、互不重叠的M个小块,利用第一密钥信息确定每一块的分块步长Δi并利用基于量化的水印提取算法提取检测水印信息,并判断水印信息完整度。
2.根据权利要求1所述的一种基于显著性检测和轮廓波变换的图像水印方法,其特征在于,水印嵌入步骤具体如下:
步骤101、对载体图像进行显著性检测,得到对应的显著性图,将其分割成大小为Β×Β、互不重叠的M个小块,计算各图像块显著性值的均值
步骤102、对载体图像进行轮廓波变换,得到低通子带IJ,将其分割成大小为B'×B'、互不重叠的M个小块,记为L1,L2,…,LM,计算各图像块的能量E;
步骤103、在每一个图像块中,由显著性值的均值以及能量分布Ei决定其量化步长Δi,并作为第一密钥信息;
步骤104、对低通子带块Li进行奇异值分解,得到最大的奇异值σi;
步骤105、利用基于量化的水印嵌入算法将水印比特嵌入到最大的奇异值σi中;
步骤106、恢复出嵌入水印后的低通子带块,将各低通子带块组合,并进行轮廓波逆变换,得到嵌入水印后的载体图像。
3.根据权利要求2所述的一种基于显著性检测和轮廓波变换的图像水印方法,其特征在于,所述步骤101中,采用双向信息传递模型进行显著性检测;所述步骤102中,采用3层非下采样轮廓波变换,采用的拉普拉斯金字塔滤波器结构以及方向滤波器组均为pkva滤波器。
4.根据权利要求2所述的一种基于显著性检测和轮廓波变换的图像水印方法,其特征在于,所述步骤103中,每一块的量化步长,与图像块的显著性值的均值成负相关,与图像块的能量Ei成正相关:
其中,k1、k2为比例系数,b为基础量化步长,Ei为图像块的低通子带系数平方的均值,δ为避免为0所加的常数。
5.根据权利要求2所述的一种基于显著性检测和轮廓波变换的图像水印方法,其特征在于,所述步骤104中,对低通子带块Li进行奇异值分解:
Li=Ui∑iVi T (2)
其中,Ui和Vi为分解得到的酉矩阵,∑i为对角矩阵,对角线上的元素即为Li的奇异值。
6.根据权利要求2所述的一种基于显著性检测和轮廓波变换的图像水印方法,其特征在于,所述步骤105中,是利用基于量化的水印嵌入算法进行水印嵌入,具体如下:
计算各个低通子带块的最大奇异值σi的均值将对数量化索引调制嵌入算法中常数Xs替换为使算法实现对幅度缩放攻击具有鲁棒性;
并在第i个低通子带块中进行水印嵌入:
其中,c代表最大奇异值σi在对数域中的值,cq代表嵌入水印后最大奇异值在对数域中的值,bi代表第i个低通子带块中嵌入的水印比特,Δi为通过所述步骤103计算的量化步长,μ为压缩因子,σi q即为嵌入水印后的最大奇异值。
7.根据权利要求5所述的一种基于显著性检测和轮廓波变换的图像水印方法,其特征在于,所述步骤106是在奇异值分解得到的对角矩阵∑i中,将最大奇异值σi替换为嵌入水印后的最大奇异值σi q,并利用公式(2)恢复出嵌入水印后的低通子带块。
8.根据权利要求1所述的一种基于显著性检测和轮廓波变换的图像水印方法,其特征在于,水印提取步骤具体如下:
步骤201、读取受攻击的水印载体图像,进行轮廓波变换,得到其低通子带IJ',将其分割成大小为B'×B'、互不重叠的M个小块,记为L1',L2',…,LM';
步骤202、对低通子带块Li'进行奇异值分解,得到最大奇异值σi′;
步骤203、利用第一密钥信息确定每一块的量化步长Δi;
步骤204、利用基于量化的水印提取算法,提取每一块水印信息。
9.根据权利要求8所述的一种基于显著性检测和轮廓波变换的图像水印方法,其特征在于,所述步骤204利用基于量化的水印提取算法进行水印提取,具体如下:
计算各个低通子带块的最大奇异值的均值将对数量化索引调制提取算法中常数Xs替换为在第i个低通子带块中进行水印提取:
其中,c'代表最大奇异值σi'在对数域中的值,μ为压缩因子,bi'即为提取的水印比特;
再将每一块得到的水印信息组合成最后提取的水印信息。
10.一种基于显著性检测和轮廓波变换的图像水印系统,其特征在于,该系统包括水印嵌入模块,信息传输模块,水印提取模块,其中:
所述水印嵌入模块,被配置以执行以下动作:对载体图像进行显著性检测,得到对应的显著性图,将其分割成互不重叠的小块;再对载体图像进行轮廓波变换,得到载体图像的低通子带,将其分割成互不重叠的小块,分块数目与显著性图的分块数目一致;由块内的显著性值的均值以及能量分布决定每一块的量化步长,并利用基于量化的水印嵌入算法将水印比特嵌入到低通子带块的最大奇异值中,同时将每一块的量化步长作为第一密钥信息发送到水印提取模块;再通过轮廓波逆变换得到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:对受攻击的水印载体图像进行轮廓波变换,得到其低通子带,将其分割成互不重叠的小块,利用第一密钥信息确定每一块的分块步长并利用基于量化的水印提取算法提取检测水印信息,并判断水印信息完整度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910001519.4A CN109754358B (zh) | 2019-01-02 | 2019-01-02 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910001519.4A CN109754358B (zh) | 2019-01-02 | 2019-01-02 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109754358A true CN109754358A (zh) | 2019-05-14 |
CN109754358B CN109754358B (zh) | 2023-04-07 |
Family
ID=66405141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910001519.4A Active CN109754358B (zh) | 2019-01-02 | 2019-01-02 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109754358B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378832A (zh) * | 2019-07-23 | 2019-10-25 | 上饶师范学院 | 水印嵌入方法、装置及电子设备 |
CN110796583A (zh) * | 2019-10-25 | 2020-02-14 | 南京航空航天大学 | 一种风格化可见水印添加方法 |
CN110992561A (zh) * | 2019-11-25 | 2020-04-10 | 深圳市菲格特智能科技有限公司 | 一种安全验证方法及门禁系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955878A (zh) * | 2014-04-11 | 2014-07-30 | 杭州电子科技大学 | 基于sift的dwt-svd抗几何攻击盲水印方法 |
CN108711130A (zh) * | 2018-04-24 | 2018-10-26 | 东南大学 | 基于压缩感知噪声重构的图像水印系统与方法 |
CN108765255A (zh) * | 2018-05-31 | 2018-11-06 | 东南大学 | 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 |
-
2019
- 2019-01-02 CN CN201910001519.4A patent/CN109754358B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955878A (zh) * | 2014-04-11 | 2014-07-30 | 杭州电子科技大学 | 基于sift的dwt-svd抗几何攻击盲水印方法 |
CN108711130A (zh) * | 2018-04-24 | 2018-10-26 | 东南大学 | 基于压缩感知噪声重构的图像水印系统与方法 |
CN108765255A (zh) * | 2018-05-31 | 2018-11-06 | 东南大学 | 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 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378832A (zh) * | 2019-07-23 | 2019-10-25 | 上饶师范学院 | 水印嵌入方法、装置及电子设备 |
CN110378832B (zh) * | 2019-07-23 | 2023-01-24 | 上饶师范学院 | 水印嵌入方法、装置及电子设备 |
CN110796583A (zh) * | 2019-10-25 | 2020-02-14 | 南京航空航天大学 | 一种风格化可见水印添加方法 |
CN110992561A (zh) * | 2019-11-25 | 2020-04-10 | 深圳市菲格特智能科技有限公司 | 一种安全验证方法及门禁系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109754358B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Emad et al. | A secure image steganography algorithm based on least significant bit and integer wavelet transform | |
CN109754358A (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 | |
WO2002013138A1 (en) | Method for adaptive digital watermarking robust against geometric transforms | |
CN108009975A (zh) | 基于二维直方图修改的jpeg图像可逆信息隐藏方法 | |
CN109727179B (zh) | 一种零水印生成方法及系统、提取方法及系统 | |
CN105205778B (zh) | 基于rbf神经网络的图像水印嵌入、提取方法与装置 | |
Chu et al. | A DCT-based image steganographic method resisting statistical attacks | |
CN111861846A (zh) | 电子文档数字水印处理方法和系统 | |
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 | |
CN110738592B (zh) | 基于多尺度分解与插值扩展的大容量可逆图像水印算法 | |
Cao et al. | A zero-watermarking algorithm based on DWT and chaotic modulation | |
CN109584139B (zh) | 适用于批自适应隐写的安全嵌入方法 | |
Gao et al. | Grayscale watermarking resistant to geometric attacks based on lifting wavelet transform and neural network | |
CN104144277B (zh) | 一种多路图像无损隐藏传输方法 | |
Li et al. | An image watermarking technique based on support vector regression | |
CN108711130A (zh) | 基于压缩感知噪声重构的图像水印系统与方法 | |
Liu et al. | Design and realization of a meaningful digital watermarking algorithm based on RBF neural network | |
Leelavathy et al. | Oblivious Image Watermarking in Discrete Multiwavelet Domain using QIMM. | |
Alaa Sabri et al. | A New Algorithm for a Steganography System | |
Nigam et al. | Encoded hybrid DWT based watermarking scheme based on singular matrix decomposition | |
Kaur et al. | Digital watermarking in neural networks models | |
Nenghai et al. | Practical analysis of watermarking capacity | |
CN116506558B (zh) | 基于点阵码和数字水印图像进行通信的方法以及装置 | |
Phadikar et al. | QIM data hiding for tamper detection and correction in digital images using wavelet transform | |
Phadikar et al. | Multibit QIM watermarking using M-ary modulation and lifting |
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 |