论文部分内容阅读
随着移动互联网和数字媒体技术的快速发展,图像、音视频等多媒体内容给人们工作和学习带来了极大的便捷,但信息安全问题也随之而来。数字水印技术作为多媒体内容认证、篡改检测及版权保护等重要技术手段,受到国内外研究学者的广泛关注。本文重点研究面向版权保护的鲁棒盲水印技术。通过引入机器学习(Machine Learning,ML)方法中的支持向量机(Support Vector Machine,SVM)和智能优化中的遗传算法(Genetic Algorithm,GA),结合多种图像变换方法,研究具有更高鲁棒性和更优质量的智能图像水印方法。本文主要研究内容如下:(1)对数字水印技术做了系统性的总结介绍,分析归纳了面向版权保护的鲁棒性数字水印技术的基本特性,并建立水印算法的一般模型;(2)针对现有文献中水印抵抗JPEG压缩和信号处理等攻击鲁棒性不强的现状,提出一种基于DWT-DCT-SVD混合域的彩色图像鲁棒盲水印算法。该算法结合离散小波变换(Discrete Wavelet Transform,DWT)、离散余弦变换(Discrete Cosine Transform,DCT)以及奇异值分解(Singular Value Decomposition,SVD)三种变换的频谱特性,通过调制映射嵌入的策略,以较优的嵌入强度实现在彩色图像中隐藏二值水印的目的。该算法中引入Arnold置乱方法,提高了数字水印方法的安全性。实验结果表明,本算法能在保证较优不可感知性的前提下,大大提高水印的鲁棒性,尤其是针对亮度调节、JPEG压缩、均值滤波、中值滤波、直方图均衡、裁剪等攻击。(3)面对强鲁棒性和智能化的需求,引入支持向量机和遗传算法,在算法(2)基础上,提出一种改进的彩色图像智能水印算法。利用遗传算法的全局寻优能力,自适应寻找最优的嵌入强度;结合支持向量机的学习和泛化能力,通过大量数据训练得到水印检测模型,进行水印信息的提取。实验结果显示,该算法不仅可以实现水印信息的智能提取,还可以更好的均衡不可感知性和鲁棒性之间的关系。