小波域信息隐藏及图像去噪方法的研究

摘要

互联网络和信息科学的飞速发展，为信息的传输和处理带来了极大方便。在信息安全、信息战及数字媒体版权保护等需求的推动下，信息隐藏技术引起了极大关注，迅速成为国际上的研究热点。尤其在当今国际大环境下，如何构建安全可靠的信息传输系统已经成为信息时代保密通信所面对的重要问题。另外小波分析理论和小波系数统计建模在信号与信息处理领域中的应用，越来越受到人们的重视。如何利用小波系数统计模型提取图像特征信息是十分重要的课题。该课题的研究将有助于图像去噪和信息隐藏算法的设计。
　　本文在分析和总结小波变换、图像处理、信道编码和已有信息隐藏技术的基础上，针对信息隐藏和图像去噪的应用进行了深入细致地研究。主要的创新性工作包括：
　　1)设计了一种图像多签名数字水印方法。方法利用小波变换多分辩特性和人眼视觉特征，将不同强度的多个签名水印扩频到彩色图像不同色块的小波域，然后进行小波逆变换生成水印图像。在保证很好的透明性的前提下，多个有意义的签名水印能提供更可靠的版权识别和证明，并且多签名水印相互配合可以实现水印算法的全面强鲁棒性。当彩色图像转化为灰度图像后仍能从中提取出水印信息。
　　2)提出了一种盲数字水印算法。方法利用整数量化函数的特点实现了小波域中有意义水印的嵌入和提取。水印的提取不需要原始载体信号的参与，使其具有很好的实用价值。
　　3)提出了一种新的基于混沌耦合映象格子的安全信息隐藏算法。方法利用混沌耦合映象格子的高维时空混沌和初值极端敏感的特性，生成超混沌复合序列，该序列具有很好的伪随机性和安全性。待嵌入的秘密信息经超混沌复合序列伪噪声调制后再嵌入到载体信号的小波域中，可以获得极强的安全性。
　　4)提出了一个基于多向量基的量化索引调制的大容量盲信息隐藏算法(MV-QIM)。方法在多个正交向量张成的正交子空间中嵌入多个bits的信息，并且多个信息的嵌入不会相互干扰。同传统的扩展量化索引调制算法(ST-QIM)相比，MV-QIM取得更好的嵌入容量。算法在保证大容量信息嵌入的同时，在隐藏系统的嵌入容量和鲁棒性之间寻求了一种平衡。
　　5)提出一种优化嵌入方法及其在信息隐藏中的应用。在优化嵌入方法中，使用一个变参的调整嵌入函数来嵌入信息。通过求解优化模型方程，可以在量化间距和调整噪声之间寻求一个最佳平衡点(调整函数的最佳参数)，使优化嵌入算法在噪声信道的信息提取误码率最小。在此基础上，本文还提出了一个优化嵌入策略和三种具体的优化嵌入盲信息隐藏算法(AS-OEQIM、FS-OEQIM和FT-OEQIM)，通过优化嵌入策略将三种嵌入算法用在不同的信道噪声条件下。基于优化嵌入策略的信息隐藏达到了鲁棒性盲信息隐藏的目的。
　　6)提出了一种基于小波域模型(WDM)的自适应图像去噪方法。本方法首先用尺度层间模型(Interscale Model)进行小波系数定性分析(系数分类)，即将小波系数划分成两类：有意义系数和无意义系数；然后用层内模型(Intrascale Model)对有意义的小波系数估计进行定量恢复(系数收缩)，即根据同层分布统计模型，运用最大后验概率(MAP)估计恢复出有用信号的小波系数。这种统计模型还扩展到复数小波变换(CWT)域。该 WDM模型还可以应用于鲁棒性信息隐藏算法设计。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 引言

1.1 信息隐藏技术概述

1.2 现有信息隐藏技术的对比和分析

1.3 论文的研究内容、组织结构和贡献

第二章 小波变换和信息隐藏基本理论研究

2.1 小波变换

2.2 信息隐藏基本框架

第三章 图像数字水印算法的研究

3.1 引言

3.2 多签名数字水印算法

3.3 基于整数量化的盲数字水印算法

3.4 本章小结

第四章 安全性的信息隐藏系统设计

4.1 背景介绍

4.2 信息隐藏中序列密码体制的研究

4.3 混沌映射模型及其在信息隐藏中的应用

4.4 混沌序列设计

4.5 基于混沌耦合映象格子的安全序列密码设计

4.6 基于超混沌复合序列的安全数字水印方案

4.7 本章小结

第五章 大容量盲信息隐藏系统的设计

5.1 引言

5.2 现有技术分析

5.3 基于多向量基QIM的大容量盲信息隐藏系统设计

5.4 小波域MV-QIM系统实现

5.5 大容量MV-QIM算法数值仿真实验

5.6 本章小结

第六章 鲁棒性信息隐藏系统的设计

6.1 引言

6.2 QIM算法进一步分析

6.3 优化嵌入(Optimum Embedding)方法设计

6.4 信息隐藏系统的优化嵌入策略

6.5 优化嵌入的数值仿真实验

6.6 基于小波系数统计模型的鲁棒性信息隐藏系统设计

6.7 本章小结

第七章 图像隐蔽通信系统设计与实现

7.1 盲信息隐藏系统设计框图

7.2 图像隐蔽通信系统设计

7.3 结论

第八章 小波域统计混合模型的图像降噪方法设计

8.1 引言

8.2 现有方法分析

8.3 小波域模型(WDM)

8.4 混合模型的参数估计

8.5 图像去噪算法步骤

8.6 复数小波变换的混合统计模型

8.7 数值仿真实验

8.8 本章小结

第九章 总结与展望

9.1 论文总结

9.2 未来研究展望

参考文献

致谢

作者简历、攻读博士期间发表或完成的论文