正交紧支集小波的研究及其在数字水印中的应用

摘要

本文提出了基于图像三分量模型的Coifman小波域和余弦域的数字水印算法。水印是由具有良好伪随机性的二值混沌序列构成的。为了实现水印算法在稳健性和不可见性之间的折衷，水印嵌入因子是由3个分因子构成的：信噪比(SNR)因子α，活动度因子β和兴趣因子γ。α是根据SNR的要求算出的最佳水印强度因子。β表示人类视觉系统(HVS)对图像的平滑区、边缘区和纹理区的不同感知特性。对于不同的感知区，嵌入的水印强度是自适应的。β是在ι<'3>空间计算的。在计算β时，引入检测阈值-峰值增益PTG(Peak-Threshold Gain)，该参数能够有效地反映不同攻击条件下水印的稳健性。考虑到人眼视觉的选择性，通过γ对图像中感兴趣区(ROI)嵌入的水印强度进行适当的调整，以提高水印图像的视觉效果。本算法是盲检测算法。实验表明，本算法是有效的。人眼无法察觉水印图像和原始图像之间的差异，而且对于JPEG压缩，噪声污染和剪切等攻击都具有很好的稳健性。实验还表明，小波域水印优于余弦域水印。而在小波域中，Coiflet L3(本文图3．3-1)优于Coiflet L2(文献[1])，这是由于L3比L2具有更多的消失矩，以及更好的对称性和正则性。 本文还提出了基于图像置乱和视觉特性的多分辨率数字水印算法。为了增强水印算法的稳健性和不可感知性，采用了三种方法：在小波变换前对图像进行置乱处理：采用多分辨率嵌入方式：在嵌入算法中引入人类视觉系统(HVS)特性。置乱可以提高水印的安全性和稳健性，并能使相关检测达到最优。本文采用α稳定分布参数估计方法对置乱前、后小波系数的统计分布进行了检测。由于人眼对图像分解后的不同子带具有不同的敏感程度，引入视觉特征函数，可以提高水印图像的视觉质量。由于小波变换具有多分辨率特性，因此将水印按多分辨率形式嵌入可以提高水印算法的稳健性。 在小波包分析中，尺度空间和小波空间都进行了分解。因此，在任意频率处，通过适当的分解，可以得到所需要的时-频分辨率。本文构造了Coifman小波包，并对其中的小波基进行了频率排序。另外，本文提出了一种基于图像三分量模型的Coifman小波包域数字水印算法。嵌入因子(θ)是由三个分因子，即α，β和γ构成的。实验表明。在三分量模型中，小波包域水印算法的稳健性优于小波域和余弦域。 在数字水印中，不同的原始图像具有不同的特性。在基于小波变换的水印算法中，根据实际要求，如何选择合适的小波基是水印算法中的一个重要问题，目前文献对该问题研究得很少。本文从三个方面对小波的特性进行了比较：非线性相位，α参数和峰-阈增益PTG。非线性相位能够描述尺度函数和小波函数的非对称性。α参数能够描述图像的小波系数的统计分布。PTG值能够描述水印算法的稳健性。实验表明，Coifman小波是较好的选择。通过调节矩中心，可以得到合适的Coifiman小波。

目录

文摘

英文文摘

大连海事大学学位论文原创性声明和使用授权说明

创新点摘要

第1章绪论

1.1论文研究的目的和意义

1.2小波的产生和发展

1.3小波的应用

1.3.1小波在信号和图像处理中的应用

1.3.2小波在图像融合中的应用

1.3.3小波在图像压缩中的应用像

1.3.4小波在数字水印中的应用

1.3.5小波神经网络

1.4小波的近况和展望

1.5信息安全

1.6数字水印产生的背景和现状

1.7数字水印的特点

1.8数字水印的分类

1.8.1按水印的载体分类

1.8.2按水印的生成方法分类

1.8.3按水印的嵌入方法分类

1.8.4按水印的检测方法分类

1.8.5按水印的稳健性分类

1.8.6按使用目的分类

1.8.7按可见性分类

1.9数字水印的应用

1.10数字水印研究展望

1.11论文结构和主要内容

1.12小结

第2章小波分析

2.1连续小波及其变换

2.2离散(参数)小波及其变换

2.3多尺度分析(MRA)

2.4 Mallat算法

2.4.1双尺度方程

2.4.2 Mallat算法

2.5小波的特性

2.5.1紧支性

2.5.2对称性

2.5.3正则性(光滑性)

2.5.4消失矩

2.5.5正交性

2.6标准正交基的充分条件

2.7 小结

第3章用同伦法构造Daubechies小波和Coifman小波

3.1同伦法

3.1.1同伦法的基本原理

3.1.2同伦方程的构造

3.2用同伦法构造Daubechies小波

3.3用同伦法构造Coifman小波

3.4小结

第4章数字水印的理论模型与技术

4.1引言

4.2水印系统理论模型

4.2.1嵌入过程

4.2.2检测过程

4.3水印生成技术

4.4水印嵌入技术

4.4.1时/空域水印

4.4.2变换域水印

4.4.3压缩域水印

4.5水印检测技术

4.5.1高斯分布检测

4.5.2广义高斯分布检测

4.5.3α稳定分布检测

4.6水印性能评价

4.7水印攻击技术

4.7.1稳健性攻击

4.7.2表达攻击

4.7.3解释攻击

4.7.4法律攻击

4.8水印攻击软件

4.9小结

第5章基于图像三分量模型的小波域和余弦域数字水印算法

5.1二维小波变换

5.2 Mallat算法

5.3二维Coifman小波

5.4混沌水印序列

5.5图像的小波变换

5.6水印嵌入

5.6.1信噪比因子α

5.6.2活动度因子β

5.6.3兴趣因子γ

5.7水印检测

5.8使用Coiflet L=2的实验结果

5.8.1不可见性检测

5.8.2 JPEG压缩攻击

5.8.3高斯噪声攻击和椒盐噪声攻击

5.8.4剪切攻击

5.9使用广义Coiflet L=3的实验结果

5.9.1不可见性检测

5.9.2 JPEG压缩攻击

5.9.3高斯噪声攻击和椒盐噪声攻击

5.9.4剪切攻击

5.10 DCT变换及其系数排序

5.11DCT水印算法的实验结果

5.11.1不可见性检测

5.11.2 JPEG压缩攻击

5.11.3高斯噪声攻击和椒盐噪声攻击

5.11.4剪切攻击

5.12小波域和余弦域水印实验结果比较

5.13小结

第6章基于图像置乱和视觉特性的多分辨率数字水印算法

6.1概述

6.2 Fibonacci-Q映射

6.3图像置乱及其小波变换系数的统计分布

6.4基于视觉特性的水印方案

6.5实验结果

6.5.1水印的不可见性检测

6.5.2JPEG压缩攻击

6.5.3高斯噪声攻击

6.5.4椒盐噪声攻击

6.5.5剪切攻击

6.5.6实验总结

6.6小结

第7章Coifman小波包的构造及其有关的数字水印算法

7.1概述

7.2一维小波包分析

7.2.1Wm空间的分解

7.2.2小波包

7.2.3小波库

7.2.4小波包基的排序

7.2.5 Mallat算法

7.3 Coifman小波包的构造

7.4二维小波包分析和构造

7.5图像的小波包变换

7.6基于三分量模型的小波包域数字水印算法

7.6.1水印嵌入

7.6.2水印检测

7.7实验结果

7.7.1不可见性检测

7.7.2 JPEG压缩攻击

7.7.3高斯噪声攻击和椒盐噪声攻击

7.7.4剪切攻击

7.8小波包域和小波域水印实验结果比较

7.9小结

第8章小波基和数字水印性能的关系

8.1非线性相位的比较

8.2嵌入因子θ和峰阈增益PTG值的比较

8.3α参数的比较

8.4小结

结论

全文总结

工作展望

需要进一步研究的问题

参考文献

攻读学位期间公开发表论文

致谢

研究生履历