论文部分内容阅读
由于互联网和计算机工业的迅猛发展,为信息存储提供了极大的便利,但是随之而来的副作用是人们可以轻易地复制并传播没有授权的数字多媒体信息,这给数字产品的作者和生产者都带来了巨大的经济损失,因此版权保护成为急待解决的问题。数字水印作为一项解决这个难题很有潜力的关键技术,成为学术界研究的热点。在数字作品的传输过程中,常见的压缩、滤波、以及噪声等都对水印构成了一定的威胁,为了能够有效地保护数字产品,研究对各种攻击具有良好鲁棒性的数字水印技术具有重要的现实意义和经济价值。本文通过引入遗传算法,合理分析图像内部特征,提出了多种鲁棒数字水印算法,为数字水印技术的发展和应用提供了一些有效解决方案。首先,提出了适用于数字水印的自适应遗传算法(AGA)。根据数字水印的特点,设计了兼顾全局搜索性能和算法复杂度的自适应交叉和变异算子,从理论和实验两方面证明了其全局优化能力;简化了适应度的设计,避免了多目标优化中权重参数的人工设置。其次,提出了8×8DCT域自适应遗传扩频水印模型(GSSW)。利用改进遗传算法优化DCT域最佳水印嵌入系数集合,利用DCT频域特点将水印相对嵌入改进为绝对嵌入,并设计了只包含鲁棒性量度的适应度函数。实验结果显示,在高保真度前提下,算法鲁棒性明显提升,并且水印算法的安全保密性也由于遗传算法的随机特性而得到了保证。再次,从不同的角度提出了三套改进的下采样盲水印算法(ISW-1、ISW-2和ISW-3)。通过深入研究影响下采样算法性能的几个关键因素:水印嵌入顺序序列、传输模型、嵌入系数和嵌入强度,分别得出了三套增强算法鲁棒性的方案:1、提出了自适应调整水印嵌入顺序序列的遗传下采样盲水印模型(ISW-1),利用遗传算法来避免按照确定或随机顺序添加水印时产生的“块”效应。2、提出了小波域中分组传输下采样盲水印模型(ISW-2)。经过分析下采样盲水印算法在传输过程中受攻击的特点,发现其可能受到“不完整攻击”导致鲁棒性下降的缺点,提出了分组传输的新模型可以避免这一缺点。3、提出了基于SPIHT感知模型的遗传下采样盲水印模型(ISW-3)。利用SPIHT编码技术将扩频水印分量嵌入到感知重要的系数中,并利用遗传算法在重要性不同的小波频段自适应选择最优的嵌入强度。上述三种改进方案在不降低宿主图像视觉质量的前提下,都提升了算法对JPEG压缩编码、低通和高斯噪声等常见攻击的鲁棒性。最后,提出了一个对称的遗传无损二值盲水印算法(SGLBW)。通过构造新的DCT域极性模板和新的水印嵌入提取策略,算法时间复杂度减少了约1/3,并克服了原有嵌入和提取方法存在水印泄漏的缺点。用Arnold变换预处理水印像后,利用遗传算法搜索对保真度影响较小的重要系数,同时优化了本质上矛的保真度和鲁棒性,Arnold置乱和遗传算法的随机性也提高了水印的安全性。