论文部分内容阅读
Shearlet作为一种近几年构造出来的多尺度分析函数,具有更强的方向敏感性和稀疏表示性能,同时也有更简单的数学结构,它为图像处理的一些疑难问题提供了一种新的解决方法。本文在深入研究分析Shearlet性质基础上,确定图像Shearlet域的最佳水印嵌入位置,最后结合HVS (Human Visual System、NVF (Noise Visibility Function)模型和独立成分分析(ICA)等方法,提出了两种图像Shearlet域水印算法。本文的主要工作如下：(1)图像Shearlet域水印位置嵌入选择研究了在图像Shearlet域三级变换和二级变换的水平锥内的不同方向子带嵌入水印的不同效果；研究了在图像Shearlet域三级变换和二级变换的垂直锥内的不同方向子带嵌入水印的不同效果；通过对嵌入水印图像进行滤波、噪声、JEPG压缩和几何变换等方式进行攻击检测,确定在图像Shearlet域垂直锥二级变换嵌入水印,具有更高的鲁棒性。(2)非下采样Shearlet与HVS (Human Visiual System)确定图像Shearlet域的水印嵌入位置后,提出了一种基于HVS的Shearlet域图像水印算法,该算法在Shearlet域利用人类视觉系统的亮度纹理特性,利用图像Shearlet域方向性。将服从高斯分布的伪随机水印序列嵌入到图像二尺度Shearlet域能量较大的方向子带中,避免了直接嵌入水印而引起的图像视觉扭曲问题。仿真实验表明,在保证水印不可见性和鲁棒性的条件下,算法可以最大强度的嵌入水印信息。(3)非下采样Shearlet与独立成分分析很多情况下,在没有原始载体图像的情况下,我们无法实现水印提取,结合独立成分分析ICA(Independent Component Analysis),论文提出了一种基于Shearlet域的盲水印数字提取算法。运用二值图像作为水印,提高了安全性,水印图像首先进行Arnold置乱并且结合了噪声可见函数NVF (Noise Visibility Function)。实验结果表明,该算法保证了数字盲水印提取条件,同时也能有效地抵抗图像处理的攻击。