基于压缩感知技术的图像水印算法研究

来源 :北京交通大学 | 被引量 : 1次 | 上传用户:dfl_peng
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
摘要:随着计算机网络和信息技术不断发展,数字多媒体已经成为人们日常生活中不可或缺的部分。数字水印技术作为数字多媒体信息中版权保护、内容认证、篡改保护的首要技术,近年来引起了人们的广泛关注,各国学者对数字水印技术进行了深入研究。压缩感知技术是近几年兴起的新的采样理论,不同于传统的奈奎斯特采样定理,它利用信号的稀疏性或可压缩性,通过少量的线性测量值来实现信号的精确重构,是当前信号处理领域的研究热点。本文深入研究了数字水印理论及其相应算法,提出了一种鲁棒性水印算法,并研究了压缩感知理论内容,以及压缩感知理论在数字水印中的应用。本文首先研究了数字水印技术的原理和概念,对数字水印技术的分类、性能指标、应用领域等内容进行了阐述,对基于离散余弦变换和分数阶傅里叶变换域的鲁棒性盲水印算法在灰度图像中的应用进行了研究。然后研究了压缩感知理论的原理和内容,对压缩感知理论的流程、关键要素、应用等内容分别进行了介绍,对常见信号的压缩感知处理进行了研究,比较了常见重建算法的性能。在上述内容基础上,本文首先提出了一种应用在灰度图像中的新颖的基于分数阶傅里叶变换和正交频分复用技术的鲁棒性数字水印算法,充分利用了分数阶傅里叶变换的灵活性、安全性和正交频分复用技术的抗干扰性,并通过实验仿真证明该算法对常见的攻击具有很强的鲁棒性,验证了该算法的可行性。然后对压缩感知理论处理水印信息和压缩感知理论生成半脆弱水印技术进行了研究,将基于压缩感知理论的半脆弱水印技术与前文的鲁棒性数字水印技术相结合,提出了抗篡改的鲁棒性二重水印算法,并通过实验仿真,证明了算法的可行性,为今后压缩感知技术在数字水印中的研究打下了基础。
其他文献
传统的配电网在面临单向的电能传输时是平稳并且被动的,大范围的分布式电源的应用更改了电能的投递模式从“垂直”的结构转化为“水平”的结构,该转变滋生了主动配电网(Active Distribution Network,ADN)的出现。为了在继承传统技术的同时能够处理ADN中由于用户参与而带来的电网运行的复杂性,国际上提出了“电网小区”以及智能功率路由器(Intelligent Power Router
自适应多速率(AMR)语音编解码算法是由第三代伙伴计划(3GPP)提出的一种变速率语音编码标准,它被广泛使用在第三代无线通信系统、移动终端、智能手机以及许多其他手持设备中。
随着Internet的快速发展,无线局域网WLAN(Wireless Local Area Network)在近年来得到广泛地研究和应用。IEEE802.11协议是目前WLAN发展中得到普遍认可的技术规范,而其媒体访问
电力SCACA系统是电力生产自动化和管理现代化的重要基础,是电力系统安全运行的重要保障和手段。SCADA通信传输网实现控制中心与远程终端间的通信,是信息传输的载体。一旦网络出
在LTE(Long Term Evolution, LTE)无线通信系统中,通常采用自适应调制和编码(Adaptive Modulation and Coding, AMC)技术来应对无线信道的时变特性。AMC技术就是根据信道状态信息
本文主要研究的是基于多径信号的超分辨率时延估计技术。作为无源定位的关键技术之一,信号的时延估计精度在很大程度上决定了定位系统的精度。当无源定位系统中的外辐射源是窄
遥感技术的发展为人们提供了海量的卫星监测数据。由于卫星传感器等因素的限制,这些图像数据不能很好的反映观测目标的详细信息。多源遥感图像融合技术为人们充分利用多源遥感图像提供了一种有效的方式。论文的主要工作如下:提出了一种基于Curvelet变换的新融合策略。Curvelet变换分解系数中,低频系数主要包含的是光谱信息,本文中采用一种基于局部窗口标准差的系数加权处理策略,这种处理方法能够保留源多光谱图
随着信息量的急剧增长和信息处理要求的不断提高,人们迫切需要更加智能化和微型化的信息处理系统,因此具有并行计算优势的神经形态系统受到极大的关注。由于现有的半导体晶体
在语音编码领域最常用的算法就是基于线性预测(LPC)的语音编码算法,例如那些基于MELP和CELP算法的区域性和国际性的语音编码标准,但这些编码算法存在性能上的不足。在LPC技术中
计算机系统与网络中的资源管理问题的研究无处不在。例如计算集群的任务调度,视频流中的比特率自适应,因特网电话中的中继选择,云计算中的虚拟机放置,拥塞控制等等。目前的大多数解决这些问题方法为启发式算法。但是启发式算法存在一些关键的不足之处:当底层系统较为复杂时通常无法精确建模,每当问题的某些方面发生变化时,必须修改模型。此外,预设好的模型很难在具有噪声影响的输入以及多变的环境下做出较好的实时决策。最近
学位