论文部分内容阅读
为提高基于机器学习的数字水印算法的鲁棒性与不可感知性,根据支持向量机在有限训练样本的情况下具有很好的学习和泛化能力,图像的不同区域邻域像素与中心像素的关系紧密程度不同,文章提出一种基于区域性构建支持向量机模型与Arnold变换相结合的空域水印算法。利用不同区域的邻域像素与中心像素的不同关系紧密程度构建不同区域,从而构建不同的支持向量机模型,并通过水印的Arnold变换预处理实现水印的随机嵌入和提取操作。实验证明,该算法在剪切攻击、椒盐攻击、对比度增强方面相对其他基于机器学习的水印算法有良好的改善,并