近年來(lái),高動(dòng)態(tài)范圍（High Dynamic Range,HDR）圖像因具有更豐富的細(xì)節(jié)信息和更寬的動(dòng)態(tài)范圍而受到了廣泛關(guān)注。但現(xiàn)階段HDR圖像的專用顯示設(shè)備仍存在成本較高、技術(shù)不夠成熟且應(yīng)用不夠普及等問(wèn)題,因此為了能夠使HDR圖像在普通的顯示設(shè)備上顯示并呈現(xiàn)出豐富的細(xì)節(jié)信息,則往往需要對(duì)其進(jìn)行色調(diào)映射（Tone Mapping,TM）預(yù)處理。然而,對(duì)于HDR圖像的版權(quán)保護(hù)來(lái)說(shuō),這又無(wú)疑是一種特有的且不可避免的攻擊形式。目前,信息隱藏技術(shù)是解決多媒體數(shù)據(jù)隱秘通信和版權(quán)保護(hù)等問(wèn)題的一種有效手段。本學(xué)位論文針對(duì)HDR圖像的特點(diǎn)以及TM攻擊的非線性特性,對(duì)魯棒性的HDR圖像信息隱藏技術(shù)展開(kāi)了研究。具體研究?jī)?nèi)容如下:（1）針對(duì)HDR圖像的版權(quán)保護(hù)問(wèn)題,提出了一種基于冗余小波變換（Redundant Discrete Wavelet Transformation,RDWT）和奇異值分解（Singular Value Decomposition,SVD）的高動(dòng)態(tài)范圍圖像水印算法。首先,在HDR圖像的亮度分量上利用RDWT和SVD聯(lián)合變換提取宿主圖像的結(jié)構(gòu)信息并將其作為水印嵌入載體;其次,結(jié)合TM攻... 

【文章來(lái)源】：寧波大學(xué)浙江省

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
引言
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 低動(dòng)態(tài)范圍圖像信息隱藏技術(shù)研究進(jìn)展
        1.2.2 高動(dòng)態(tài)范圍圖像信息隱藏技術(shù)研究進(jìn)展
    1.3 本文的研究?jī)?nèi)容及創(chuàng)新點(diǎn)
    1.4 本文的結(jié)構(gòu)安排
2 高動(dòng)態(tài)范圍圖像信息隱藏技術(shù)理論基礎(chǔ)
    2.1 高動(dòng)態(tài)范圍圖像
        2.1.1 基本概念
        2.1.2 存儲(chǔ)格式
    2.2 色調(diào)映射
        2.2.1 色調(diào)映射算子
        2.2.2 色調(diào)映射算子的特點(diǎn)
    2.3 HDR圖像信息隱藏技術(shù)的評(píng)價(jià)標(biāo)準(zhǔn)
    2.4 本章小結(jié)
3 基于RDWT和 SVD的高動(dòng)態(tài)范圍圖像水印算法
    3.1 相關(guān)工作
        3.1.1 RDWT與 SVD聯(lián)合變換
        3.1.2 嵌入位置自適應(yīng)選擇機(jī)制
        3.1.3 混合掩膜
    3.2 基于RDWT和 SVD的高動(dòng)態(tài)范圍圖像水印算法
        3.2.1 嵌入過(guò)程
        3.2.2 提取過(guò)程
    3.3 實(shí)驗(yàn)結(jié)果及分析
        3.3.1 嵌入容量與不可見(jiàn)性
        3.3.2 魯棒性
        3.3.3 算法比較
    3.4 本章小結(jié)
4 基于Tucker分解的高動(dòng)態(tài)范圍圖像水印算法
    4.1 相關(guān)工作
        4.1.1 HDR圖像的Tucker分解
        4.1.2 基于AR預(yù)測(cè)的局部相關(guān)性模型
        4.1.3 亮度掩膜
        4.1.4 水印嵌入強(qiáng)度計(jì)算策略
    4.2 基于Tucker分解的高動(dòng)態(tài)范圍圖像水印算法
        4.2.1 嵌入過(guò)程
        4.2.2 提取過(guò)程
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 嵌入容量與不可見(jiàn)性
        4.3.2 魯棒性
        4.3.3 算法比較
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來(lái)研究展望
參考文獻(xiàn)
在學(xué)研究成果
致謝
Abstract of Thesis
摘要



本文編號(hào)：3396368