文摘
英文文摘
声明
1绪论
1.1研究背景和意义
1.2数字水印的发展、现状和趋势
1.3数字水印的应用范围
1.4本文研究的主要内容
1.5本文创新特点
2数字水印的理论基础
2.1语音信号的特性
2.1.1声音的数字化特性
2.1.2入耳听觉掩蔽效应
2.2数字水印系统模型
2.2.1水印系统的基本模型
2.2.2水印的生成
2.2.3水印的嵌入
2.2.4水印的提取
2.3数字水印的分类
2.4几种经典的水印算法
2.4.1最低有效位方法(LSB)
2.4.2回声隐蔽算法
2.4.3相位编码法
2.4.4变换域算法
2.6数字水印的评价标准
2.6.1主观评价方法:
2.6.2量化评价标准
2.7常见的音频信号的处理和攻击
3.基于SVM的小波域水印算法
3.1支持向量机(SVM)简介
3.2支持向量机(SVM)分类模型
3.2.1线性可分
3.2.2(非线性)不可分的情况
3.3支持向量机具有的优点
3.4支持向量机的缺点
3.5小波变换
3.5.1小波变换理论基础
3.5.2小波变换的特点
3.5.3离散小波变换与小波重构
3.6基于关系和SVM水印嵌入过程
3.6.1水印预处理
3.6.2音频信号分帧
3.6.3时域选择嵌入位置
3.6.4 DWT域嵌入水印
3.7水印提取
3.8 SVM水印方案的试验结果及评价
3.8.1试验样本
3.8.2攻击试验设定
3.8.3试验数据
3.9结论
4.基于遗传算法(GA)和支持向量机(SVM)的水印算法
4.1遗传算法概述
4.1.1遗传算法的基本思想
4.1.2遗传算法特点
4.1.3简单遗传算法的形式化定义
4.1.4遗传算法的一般性流程
4.1.5简单遗传算法的详细流程设计
4.2基于GA的嵌入位置优化算法
4.2.1遗传算法种群的优化
4.2.2适应度函数的设定
4.2.3编码
4.2.4遗传算法初始化
4.2.5选择算子
4.2.6交叉算子
4.2.7变异算子
4.2.8终止条件
4.3基于GA水印方案的试验结果及评价
4.3.1试验结果
4.4 GA水印算法结论
5总结和展望
5.1总结
5.2发展展望
6参考文献
附录Ⅰ:基于机器学习的自适应音频水印系统软件:
7作者在读期间科研成果简介
10致谢