本文關(guān)鍵詞：基于圖像綜合特征與基于拉普拉斯高斯算子的零水印算法

  更多相關(guān)文章： 零水印 綜合特征 拉普拉斯高斯算子 魯棒性 版權(quán)保護(hù)

【摘要】：數(shù)字水印技術(shù)對于數(shù)字媒體信息的版權(quán)保護(hù)發(fā)揮著重要的作用,是信息安全專業(yè)領(lǐng)域的一個(gè)新方向,更好的研究數(shù)字水印技術(shù)有助于提高數(shù)字媒體信息版權(quán)保護(hù)的效率。零水印技術(shù)是在對原始圖像不做任何修改的基礎(chǔ)上進(jìn)行水印嵌入,從而實(shí)現(xiàn)版權(quán)保護(hù)的一項(xiàng)新興的數(shù)字水印技術(shù),如何提高零水印技術(shù)的魯棒性,是目前研究的重要內(nèi)容之一。提高零水印算法的魯棒性可以從圖像特征信息的提取方法入手,然而圖像特征提取的方式有很多,但適用于零水印技術(shù)的方法卻并不如此,提出更加適合零水印技術(shù)的圖像特征提取方法是本文的中心內(nèi)容。為了更好地滿足數(shù)字媒體信息版權(quán)保護(hù)要求、提高零水印在抵御數(shù)字信號(hào)攻擊時(shí)的魯棒性,本文從以下兩個(gè)方面進(jìn)行了創(chuàng)新研究:第一、在Chen和Chang提出的零水印算法基礎(chǔ)上,結(jié)合人眼的視覺感知特征與圖像綜合特征,提出了一種基于圖像綜合特征的零水印算法。本算法首先利用均值法得到原圖像的低尺度近似圖像,之后根據(jù)人眼視覺系統(tǒng)(HVS)的感知特性獲取低尺度近似圖像的亮度敏感值、紋理敏感值、對比度敏感值以及熵敏感值四個(gè)特征進(jìn)行求和,獲取低尺度近似圖像的綜合特征矩陣,之后通過置亂、異或等運(yùn)算以及水印信息的認(rèn)證過程對原始圖像進(jìn)行版權(quán)保護(hù)。第二、在Chang所提出的零水印版權(quán)保護(hù)算法的基礎(chǔ)上,對圖像特征提取這一部分中的邊緣檢測方法進(jìn)行了改進(jìn),利用拉普拉斯高斯算子(LOG)邊緣檢測進(jìn)行邊緣檢測,替代了Chang算法中的Sobel邊緣檢測方法,因?yàn)槔绽垢咚顾阕舆吘墮z測獲取的邊緣點(diǎn)少于Sobel邊緣檢測方法獲取的邊緣點(diǎn),故通過拉普拉斯高斯算子獲取的邊緣特征圖像在抵御數(shù)字信號(hào)攻擊時(shí)的魯棒性較強(qiáng)。最后,通過對比Chen、Chang和本文算法在不同類型信號(hào)處理攻擊下的性能,得出本文提出的兩種算法在各種信號(hào)處理攻擊下具有良好的魯棒性,并通過仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了本文算法的性能。
【關(guān)鍵詞】：零水印 綜合特征 拉普拉斯高斯算子 魯棒性 版權(quán)保護(hù)
【學(xué)位授予單位】：天津職業(yè)技術(shù)師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41;TP309.7
【目錄】：

• 摘要4-5
• abstract5-8
• 第1章 緒論8-12
• 1.1 數(shù)字水印版權(quán)保護(hù)的研究背景8
• 1.2 數(shù)字水印的特點(diǎn)及其分類8-10
• 1.2.1 數(shù)字水印的特征8-9
• 1.2.2 數(shù)字水印的分類9-10
• 1.3 零水印版權(quán)保護(hù)的研究現(xiàn)狀10-11
• 1.4 論文的選題依據(jù)與論文期間的主要工作內(nèi)容11
• 1.4.1 文論的選題依據(jù)11
• 1.4.2 論文期間的主要工作內(nèi)容11
• 1.5 本文的組織結(jié)構(gòu)11-12
• 第2章 Chen和Chang零水印算法12-15
• 2.1 引言12
• 2.2 Chen等人零水印算法12-13
• 2.3 Chang等人零水印算法13-15
• 第3章 基于圖像綜合特征的零水印算法15-19
• 3.1 引言15
• 3.2 圖像綜合特征15-16
• 3.3 算法介紹16-19
• 3.3.1 簽名過程16-17
• 3.3.2 驗(yàn)證過程17-19
• 第4章 基于拉普拉斯高斯算子邊緣檢測的零水印版權(quán)保護(hù)算法19-25
• 4.1 引言19
• 4.2 邊緣檢測19-23
• 4.2.1 一階微分邊緣檢測算子19-21
• 4.2.2 二階微分邊緣檢測算子21-23
• 4.3 算法介紹23-25
• 4.3.1 簽名過程23
• 4.3.2 驗(yàn)證過程23-25
• 第5章 實(shí)驗(yàn)結(jié)果25-34
• 5.1 引言25
• 5.2 不同邊緣檢測算子特征提取效果比較25-27
• 5.3 基于圖像綜合特征的零水印算法實(shí)驗(yàn)結(jié)果27-31
• 5.3.1 本文算法與Chen、Chang算法間效果比較28-29
• 5.3.2 本文算法不同附加因子間效果比較29-30
• 5.3.3 算法實(shí)驗(yàn)結(jié)果總結(jié)30-31
• 5.4 基于拉普拉斯高斯算子邊緣檢測的零水印版權(quán)保護(hù)算法實(shí)驗(yàn)結(jié)果31-34
• 5.4.1 算法實(shí)驗(yàn)結(jié)果總結(jié)33-34
• 第6章 總結(jié)與展望34-36
• 6.1 總結(jié)34
• 6.2 展望34-36
• 參考文獻(xiàn)36-39
• 致謝39
• 申請學(xué)位期間的研究成果及發(fā)表的學(xué)術(shù)論文39

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 董金勇;王建侖;李道亮;何建磊;王永彬;;田間棗樹葉片復(fù)雜目標(biāo)圖像綜合分割方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2011年01期

2 翁木云;何明一;;圖像綜合特征及其在圖像檢測與匹配中的應(yīng)用[J];中國圖象圖形學(xué)報(bào);2007年01期

3 田玉敏,孟麗娜,梅麗霞;基于目標(biāo)區(qū)域的圖像綜合特征檢索[J];計(jì)算機(jī)工程;2005年19期

4 王令;;利用圖像綜合特征檢索衛(wèi)星遙感圖片[J];電腦與電信;2011年02期

5 田慶飛;孟如松;姜志國;謝鳳英;趙丹培;;皮膚黑素細(xì)胞腫瘤圖像綜合分割方法研究[J];中國體視學(xué)與圖像分析;2007年03期

6 張大鵬;王義;李元景;程建平;李金;;數(shù)字X射線圖像綜合校正方法研究[J];核電子學(xué)與探測技術(shù);2008年01期

7 ;[J];;年期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 韓少杰;基于圖像綜合特征與基于拉普拉斯高斯算子的零水印算法[D];天津職業(yè)技術(shù)師范大學(xué);2015年

2 陳杰;基于視頻結(jié)構(gòu)化描述的圖像綜合平臺(tái)應(yīng)用研究[D];蘇州大學(xué);2014年

，

本文編號(hào)：903408