融合視覺認知機制的新型量化水印算法.pdf

1、信息時代，互聯(lián)網(wǎng)日益普及，信息的交流和共享達到了空前廣泛和深入的程度，信息的形式也更加繁多，從傳統(tǒng)的紙質(zhì)演變成數(shù)字多媒體（數(shù)字圖像、音頻、視頻等）形式，人們的工作和生活方式日漸數(shù)字化和網(wǎng)絡化。數(shù)字多媒體的出現(xiàn)帶來了很多便利，信息的存儲、復制、修改、傳播等變得簡單快捷，然而隨之而來的盜版、侵權、惡意篡改等行為以及日益增多，合法用戶的權益受到嚴重的損害。數(shù)字水印的出現(xiàn)為解決這一問題提供了十分有效的方案。作為信息隱藏領域的一個重要分類，其利用

2、在多媒體數(shù)據(jù)中隱秘嵌入的信息，實現(xiàn)對多媒體內(nèi)容的保護和對版權的認證，具有廣闊的應用前景，也因此得到了各領域?qū)W者的廣泛關注。
　　量化水印算法作為一類經(jīng)典的算法，在計算復雜度和有效性方面展現(xiàn)出了良好的性能。然而其局限性在于對所有載體系數(shù)采用均勻量化器，忽視了人眼視覺的掩蔽特性。為了進一步提高載體圖像視覺質(zhì)量和水印魯棒性，許多研究者在水印算法中引入了視覺特性。本論文在深入分析和理解擴展變換抖動調(diào)制(STDM)水印算法的基礎上，結(jié)合一種

3、魯棒的視覺JND亮度模型，并改進了模型中平均亮度的計算方式，提出了基于JND亮度視覺模型的STDM水印算法。在此基礎上，更加全面地考慮了視覺關注特性，用視覺關注因子調(diào)制JND亮度模型，顯著改善了含水印圖像的視覺質(zhì)量和水印的魯棒性。論文的主要創(chuàng)新點和研究成果包括:
　　1、提出了基于JND亮度模型的STDM算法（STDM-LmJND）。在STDM算法的基礎上，采用一個改進的JND亮度模型，利用該模型計算出水印嵌入端和檢測端的視覺冗余

4、信息，以此決定水印嵌入的量化步長。并且通過改進該模型中平均亮度的計算方式，使該模型前后計算出的視覺冗余一致，從而保證水印的正確提取。實驗結(jié)果表明，所提出的基于JND亮度模型的STDM水印方法，顯著提高了含水印載體的視覺質(zhì)量，并且在對抗高斯噪聲、JPEG壓縮、亮度倍增等信號處理攻擊時表現(xiàn)出較好的魯棒性。
　　2、提出了視覺關注非線性調(diào)制的STDM-LmJND算法。在基于JND亮度模型的STDM算法基礎上，更加全面地考慮人眼視覺的關注

5、特性，利用融合先驗信息的圖像顯著性檢測方法(SD SP)，計算得到圖像的“關注”區(qū)域和“非關注”區(qū)域，并采用不同的調(diào)制因子調(diào)制對應的JND系數(shù)，得到更貼近人類視覺系統(tǒng)特征的視覺冗余信息，據(jù)此修改水印嵌入的量化步長。實驗結(jié)果表明，載體圖像的視覺質(zhì)量有顯著提升，水印的魯棒性得到了進一步提高。
　　3、設計并實現(xiàn)了基于安卓系統(tǒng)的互聯(lián)網(wǎng)信息安全服務平臺。在安卓平臺設計并實現(xiàn)了一個針對圖像內(nèi)容保護的應用程序，實現(xiàn)了對圖像的版權保護和完整性校