一种基于Chebyshev混沌神经网络的视频水印算法

来源 :计算机与现代化 | 被引量 : 5次 | 上传用户:SuperXF
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对视频版权的保护,提出一种基于Chebyshev混沌神经网络的视频水印算法。首先选取二值图像作为图像水印,利用Chebyshev混沌神经网络对图像进行加密;然后对宿主视频进行分帧处理,通过Henon映射产生混沌序列提取关键帧,同时提取关键帧亮度分量的低频系数,将处理后的图像水印自适应地嵌入小波变换后亮度分量的低频系数中。实验结果表明,该算法具有较好的不可见性,且针对噪声、高斯滤波、旋转、帧丢失等攻击具有良好的鲁棒性。
其他文献
传统神经网络预测方法在水文领域已经有较成功的应用,但对于一些资料匮乏地区进行洪水预报时,由于训练样本的缺失,模型参数难以满足要求,使用这些方法预报结果往往并不理想。
随着外部事件的不可预知性和实时任务复杂性的增加,传统的仅采用基于事件触发机制的嵌入式实时操作系统的设计变得更加困难,在很多情况下,该系统难以保证实时运行过程中的安
期刊
随着社会生活网络化的日趋成熟,在很多研究和商业领域里都遇到了中文文本处理问题。不断深化的文本分类研究需要从文本的各个方面来解析文本信息,语义解析是文本挖掘的关键技
针对已提出的数字版权维护协议中存在的买方频繁参与交易,以及过多第三方参与的问题,提出一种安全高效的数字水印协议。该协议引入具有同态性的Paillier加密算法以及虹膜识别
要想提高习作评批的成效,必须加强师生、生生之间的交往与互动,加强沟通与交流,保证学生主体作用的发挥。文章提出了“习作评批四步法”:明确评批的标准、综合评批的权重、交
目前大多数超分辨率重构算法都是针对空域图像进行恢复。考虑到水下光学条件复杂,直接把现有超分辨率重构算法移植到水下,无法对光线在水中传播产生的散射和衰减进行有针对性的处理。基于此,本文结合不同成像模型,提出一种基于光学成像模型的水下图像超分辨率重构算法。首先,考虑到水中光线散射对图像降质严重,根据水下光学成像模型,利用暗通道原理估算观测数据中的散射光和光线透射图,作为噪声估计的结果;然后对去除散射光