基于变换域和概率神经网络的数字水印技术研究

摘要

随着Internet与多媒体技术的快速发展，数量庞杂的多媒体信息涌入到互联网。人们在享受大量信息带来的便利的同时，随之也产生了诸多问题，如非法复制，非法修改，未授权传播等。数字媒体的版权保护问题引起了众多学者的重视，众多保护方案被广泛使用，其中数字水印技术是其中最高效的技术手段。图像作为网络多媒体最主要的组成部分，版权保护自然备受关注，因此图像的数字水印技术也是目前的研究重点。 本文首先对数字水印技术的发展历程研究现状进行综述，利用基于变换域的数字水印算法的优点，将概率神经网络（PNN）应用于数字水印技术中，研究了基于概率神经网络和离散傅里叶变换（DFT）、离散余弦变换（DCT）、离散小波变换（DWT）和轮廓变换（CT）的四种数字水印嵌入和提取算法。具体研究的内容如下： 1）提出了基于DFT和 PNN相结合的数字水印技术。首先对宿主图像分特定的数量的块，对每块进行DFT，因为相位图含有很多纹理特征，所以选择振幅图像作为被嵌入的目标，嵌入关系用于训练PNN，然后执行DFT逆过程，完成水印嵌入；水印的提取也是先分块，然后根据训练的 PNN判断嵌入的水印，还原水印图像。本算法因为嵌入位置的选择增强了不可见性，PNN的引入使得鲁棒性得到进一步提高。 2）提出了基于DCT和PNN相结合的数字水印技术。水印嵌入方法是首先对宿主分块，由于低频区域能量集中，嵌入对图像影响大，高频抗过滤压缩能力差，所以选择中频作为嵌入水印，嵌入的中频序列和嵌入噪声的关系作为 PNN的训练样本，最后执行逆DCT变换，还原宿主图像。水印提取则是先分块，然后每块执行DCT，使用训练好的 PNN判断嵌入水印，还原水印图像。本算法在水印不可见性和抗过滤压缩上得到了加强。 3）提出了基于DWT和PNN相结合的数字水印技术。水印的嵌入是先对宿主图像分块，然后对每块进行二级小波分解，与人类视觉系统结合，嵌入到二级变换的高频区域，嵌入的位置与嵌入的噪声的关系作为训练样本，用于训练 PNN,然后执行逆 DWT，还原宿主图像。水印的提取首先对待检测的图像进行特定数量的分块，然后对分块执行DWT，使用训练好的PNN判断嵌入的水印，还原水印图像。经实验表明，本算法无论是嵌入水印的不可见性还是对攻击手段的鲁棒性上，都有不错的表现。 4）提出了基于CT和PNN相结合的数字水印技术。首先对宿主图像分块，根据二值水印的对应位置决定是否嵌入噪声序列，如果嵌入，对分块进行 CT，然后选择低频块再进行分块，选择其中的方差较小的块作为嵌入位置，嵌入位置和嵌入噪声序列的关系用于训练PNN，执行逆CT，获取被嵌入水印的宿主图像，完成水印的嵌入过程。水印的提取依然是先分块，然后对全部的块都进行CT，结合训练好的PNN判断是否嵌入水印，还原水印图像。实验表明本算法在不可见性和鲁棒性的表现都有很大的提升。

目录

声明

第一章 绪论

1.1 研究的背景和意义

1.2 国内外研究现状

1.3 本文的主要内容及章节安排

第二章 数字水印系统与变换域算法原理

2.1 数字水印系统的基础

2.2变换域技术原理

2.3数字水印攻击手段和评价技术指标

2.4本章小结

第三章 基于变换域和概率神经网络的数字水印技术

3.1 概率神经网络

3.2基于离散傅里叶变换和概率神经网络相结合的数字水印技术

3.3基于离散余弦变换和概率神经网络相结合的数字水印技术

3.4基于离散小波变换和概率神经网络相结合的数字水印技术

3.5基于轮廓变换和概率神经网络相结合的数字水印技术

3.6本章小结

第四章 实验对比与结果分析

4.1嵌入算法对比分析

4.2提取算法对比分析

4.3安全性能对比分析

4.4相似算法对比分析

4.5本章小结

第五章 总结与展望

5.1 工作总结

5.2工作展望

参考文献

发表论文和科研情况说明

致谢