导读:本文包含了量化水印论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:水印,数字,视觉,系数,模型,小波,特性。
量化水印论文文献综述
张腾[1]（2018）在《基于视觉信息的量化水印算法研究》一文中研究指出数字信息化的进步,为多媒体的高速发展提供了平台。互联网技术和存储的扩容为图像、视频等多媒体数据的应用、复制和传输带来很大方便,但同时为数据的篡改、盗取等行为提供了可能性,数字信息的安全性受到威胁。数字水印技术将不可见标记嵌入到原始载体中,有效保护了载体的安全性,使其广泛应用于图像识别、图像检索、指纹检测等领域。数字水印技术经研究发展,在空域、变换域、压缩域等方向均取得很大成就。尤其是最小可觉差(Just Noticeable Distortion,JND)模型的出现促进了数字水印技术的发展,产生了基于视觉模型的扩展变换抖动调制(Spread transform dither modulation,STDM)水印算法、基于鲁棒JND模型的量化水印算法等经典方案。在实际研究中我们发现JND模型并未考虑视觉特性,不能很好的描述人眼特性,使得数字水印系统在鲁棒性和不可感知性之间不能协调得到平衡,水印系统无法满足实际应用需求。基于上述原因,本论文对JND模型进行了创新,并结合STDM水印算法,提出了效果更优的水印方案。主要工作如下:1.在有关水印算法探究中,视觉特性的作用不容忽视。最近研究成果表明,边缘信息是图像大部分语义信息的最重要特征。本文提出了一种基于语义信息JND模型的STDM水印算法。首先在语义信息方面进行了探索,利用图像边缘信息,对JND模型进行改进创新,提出了基于语义信息JND模型的水印算法。通过这种方式,水印系统在鲁棒性、保真度上均能保持很好的性能。2.目前,视觉显着性(Visual Saliency,VS)模型引起了广泛关注。大多数脊椎动物(包括人类),都能自主地更注重视觉场景的显着区域。众所周知,感知水印应该充分利用人类视觉系统(Human Visual System,HVS)已有研究成果。JND系统把HVS用计算机语言模型化,而VS模型是另一个影响人类视觉的因素,本论文提出基于视觉关注的新型JND模型,既融合视觉关注这一重要视觉特性,又能结合对比掩蔽因子、亮度掩蔽因子和视觉显着特性计算使用在水印嵌入器和检测器上的视觉冗余向量。随之,提出基于视觉关注JND模型的STDM方案,更好的提高了水印图像的感知质量。(本文来源于《山东师范大学》期刊2018-04-12）
唐文华[2]（2017）在《融合视觉认知机制的新型量化水印算法》一文中研究指出信息时代,互联网日益普及,信息的交流和共享达到了空前广泛和深入的程度,信息的形式也更加繁多,从传统的纸质演变成数字多媒体(数字图像、音频、视频等)形式,人们的工作和生活方式日渐数字化和网络化。数字多媒体的出现带来了很多便利,信息的存储、复制、修改、传播等变得简单快捷,然而随之而来的盗版、侵权、恶意篡改等行为以及日益增多,合法用户的权益受到严重的损害。数字水印的出现为解决这一问题提供了十分有效的方案。作为信息隐藏领域的一个重要分类,其利用在多媒体数据中隐秘嵌入的信息,实现对多媒体内容的保护和对版权的认证,具有广阔的应用前景,也因此得到了各领域学者的广泛关注。量化水印算法作为一类经典的算法,在计算复杂度和有效性方面展现出了良好的性能。然而其局限性在于对所有载体系数采用均匀量化器,忽视了人眼视觉的掩蔽特性。为了进一步提高载体图像视觉质量和水印鲁棒性,许多研究者在水印算法中引入了视觉特性。本论文在深入分析和理解扩展变换抖动调制(STDM)水印算法的基础上,结合一种鲁棒的视觉JND亮度模型,并改进了模型中平均亮度的计算方式,提出了基于JND亮度视觉模型的STDM水印算法。在此基础上,更加全面地考虑了视觉关注特性,用视觉关注因子调制JND亮度模型,显着改善了含水印图像的视觉质量和水印的鲁棒性。论文的主要创新点和研究成果包括:1、提出了基于JND亮度模型的STDM算法(STDM-LmJND)。在STDM算法的基础上,采用一个改进的JND亮度模型,利用该模型计算出水印嵌入端和检测端的视觉冗余信息,以此决定水印嵌入的量化步长。并且通过改进该模型中平均亮度的计算方式,使该模型前后计算出的视觉冗余一致,从而保证水印的正确提取。实验结果表明,所提出的基于JND亮度模型的STDM水印方法,显着提高了含水印载体的视觉质量,并且在对抗高斯噪声、JPEG压缩、亮度倍增等信号处理攻击时表现出较好的鲁棒性。2、提出了视觉关注非线性调制的STDM-LmJND算法。在基于JND亮度模型的STDM算法基础上,更加全面地考虑人眼视觉的关注特性,利用融合先验信息的图像显着性检测方法(SDSP),计算得到图像的"关注"区域和"非关注"区域,并采用不同的调制因子调制对应的JND系数,得到更贴近人类视觉系统特征的视觉冗余信息,据此修改水印嵌入的量化步长。实验结果表明,载体图像的视觉质量有显着提升,水印的鲁棒性得到了进一步提高。3、设计并实现了基于安卓系统的互联网信息安全服务平台。在安卓平台设计并实现了一个针对图像内容保护的应用程序,实现了对图像的版权保护和完整性校验。同时调用微信、QQ、微博等社交应用的接口,便于将已保护的图像进行分享和传播。应用程序中采用了经典的STDM算法,因大量的改进算法都是在STDM算法的基础上进行,因此实现STDM算法有助于后期应用程序的扩展和更新。移动终端作为被广泛使用的信息传播平台,在其上开发此水印应用程序,对互联网资源的安全保护有直接有效的作用,对数字水印技术的推广和应用也具有极大的意义。(本文来源于《山东大学》期刊2017-05-30）
万文博[3]（2015）在《融合鲁棒视觉特性的量化水印算法》一文中研究指出随着数字多媒体技术的快速发展以及数码设备的快速普及,各种互联网多媒体信息服务得到了广泛的应用,这些先进的信息技术给广大人民的生活带来便利的同时,也引发了拷贝、修改甚至篡改多媒体数据等侵权行为,严重威胁了版权所有者的合法权益。作为一种有效的数字版权保护技术,数字水印能够确认多媒体信息来源的可靠性和安全性,实现所有权的认证和侵权行为的跟踪,因而引起了学术界和工业界的广泛关注。近年来提出的量化水印算法能够根据不同的水印信息采用不同的量化器对原始信号进行量化,实现水印信息的嵌入以及盲提取,在计算复杂度与算法实现上的具有显着的优势。在量化水印算法框架中,人类视觉特性对于水印图像的视觉质量有着很大的影响。随着现代光学与光电图像技术的发展,人们对视觉特性的探索研究越来越深入,为研究者设计融合视觉特性的量化水印算法提供了便利。然而,在实际量化水印算法设计中存在视觉特性的鲁棒性问题,即现有的研究成果无法保证水印嵌入前后参考视觉特性的一致性,严重制约了水印算法的进一步发展。针对量化水印算法框架中存在的问题,本文着重于构建鲁棒的视觉特性,研究和设计了基于这些视觉特性的量化水印算法。首先从量化水印算法中传统的视觉模型改进和Weber定律的应用于对数域扩展变换抖动调制(Spread Transform Dither Modulation, STDM)水印算法两个方面进行了研究。我们利用多种预测模式,解决了参考块选择的脆弱性,改进了传统的视觉模型,提高了水印算法的鲁棒性；Weber定律的引入,使得水印的嵌入更加符合人眼特性,而且通过在对数域进行均匀量化,可以有效抵抗共谋攻击。然后,基于对视觉特性的最新成果,设计了新型的视觉最小可视误差(Just Noticeable Difference, JND)模型,并融合了视觉关注因素,提出了适用的量化水印算法,进一步提高水印图像的视觉质量。论文在以下几个方面的研究取得重要进展：1、针对传统的基于视觉JND模型的量化水印算法中参考块选择的脆弱性,提出了一种基于多种预测模式的扩展变换抖动调制水印算法。利用已嵌水印的周围像素值与当前块的强相似性,使得计算出的预测块与当前块的欧式距离更接近,预测关系的固定性保证了参考块选择上的鲁棒性。2、提出了一种基于视觉模型的对数域扩展变换抖动调制水印算法。为了解决传统的对数域量化水印算法中计算复杂度高以及对图像幅值缩放攻击的鲁棒性低的问题,设计了一种新的对数域变换函数,所提的变换函数不仅避免了调整量化区间,降低算法的复杂度,而且自身对于图像幅值缩放攻击具有鲁棒性。另外,利用视觉JND模型,给出了量化嵌入时量化步长的自适应计算公式。3、提出了一种新型的视觉JND模型,该模型不仅可以更加鲁棒并准确地模拟人类视觉特性,其中采用了新的图像块纹理复杂度和平均亮度表达式,来计算水印嵌入端和提取端所需要的视觉冗余信息,不需要考虑由于水印嵌入引起的图像像素值变化而带来的水印提取错误。然后,基于所提的视觉JND模型,提出了一种改进的对数域扩展变换抖动调制算法。实验验证了本文所设计视觉JND模型的有效性,以及通过与与相关算法的比较证明了该算法的鲁棒性。4、针对目前的视觉JND模型只能均衡的反映出不同图像区域的视觉关注程度这一问题,提出了一种鲁棒的视觉关注模型,对视觉JND模型中的阈值进行调制。根据所提的融合视觉关注调制的JND模型,提出了适用的对数域扩展变换抖动调制算法。实验表明了本章所提算法相比于传统的STDM算法具有更好的鲁棒性。(本文来源于《山东大学》期刊2015-11-20）
吉明生[4]（2015）在《基于特征调制的量化水印设计与DCT域实现》一文中研究指出随着网络技术飞速发展,数字图像、数字音视频等多媒体信息传递也是越来越快速和方便。然而未经作者同意对多媒体信息获取、修改、存储和传播也变得容易；另外在传输过程中,数字媒体信息遭受一定程度的有意或者无意的攻击,接收者无法判断所接收的媒体信息是否完整和真实。现在,第四代移动网络成为主流,已经步入自媒体时代,人人都可以随时随地在网络上发布多媒体信息,网络信息量剧增,需求版权保护的人也在不断增加。数字水印技术是在不影响文字、图像、视频和音频的正常观看、收听和使用的情况下,将信息隐藏在其中,从而认证多媒体信息的完整性、真实性及版权拥有者。数字水印涉及各学科领域,逐渐成为国内外的研究重点。本文侧重探讨将一种基于随机角度量化调制的理论性能优良的水印算法在DCT域上实现。本文介绍了数字水印的研究背景、发展历史、基本知识和典型算法,详细分析了一种基于随机角度的量化水印算法,探索出了该算法在离散余弦变换域(DCT域)上基于MATLAB平台的实现。在实现过程中,首先确定是在整体还是分块上做DCT变换,比较实验效果后选择分块DCT。然后通过对JPEG压缩算法的分析,确定选取每一块的中频系数作为嵌入水印的宿主信号,再确定宿主信号的长度为多少合适。接着结合Watson模型,给出一个新的嵌入算法,使得水印具有自适应性,从而提升水印的不可感知性和鲁棒性。最后再结合加密、置乱信息的手段给出详细的水印实现方案。除理论推导外,本文在图像上进行了大量的仿真实验,并与其他的经典算法进行了对比。实验结果表示,本文的实现方案具有更好的不可感知性和更强的鲁棒性。(本文来源于《扬州大学》期刊2015-04-01）
柳成林,冯晓霞[5]（2013）在《一种基于小波系数的差异量化水印新算法》一文中研究指出根据胡青等提出的小波系数差异量化改进算法,提出一种新的改进措施.选择两个高频子带来划分数据块,并找出各数据块的最大幅值;根据密钥在两个高频子带各选一个数据块分为一组,并计算每组两数据块的最大幅值的幅值差;最后,根据幅值差,在差异最明显和最不明显的数据组量化嵌入水印信息.实验结果表明,该方案不仅具有更好的透明性,而且能有效抵抗各种攻击.(本文来源于《宁夏大学学报(自然科学版)》期刊2013年03期）
文汝红[6]（2012）在《基于尺度不变特征的脊波域量化水印算法》一文中研究指出针对传统数字水印算法抵抗旋转、缩放等几何攻击能力较弱的问题,提出一种基于尺度不变特征的脊波域量化水印算法。利用尺度不变特征变换构造稳定的图像局部区域,对局部区域实施脊波变换,选择能量较大方向上的脊波细节系数,利用量化索引调制策略嵌入水印信息。仿真结果表明,该算法具有较好的检测性能,在抗压缩、迭加噪声、缩放、剪切等攻击方面具有较强的鲁棒性。(本文来源于《计算机工程》期刊2012年20期）
朱新山,丁杰[7]（2012）在《一种采用随机归一化相关系数调制的量化水印》一文中研究指出该文提出了一种新颖的量化水印.该方案通过调制由宿主信号变换产生的特征信号嵌入水印信息.特征信号由源宿主信号与一个随机信号的归一化相关系数构成.对该信号的调制方法是从水印信息对应的码本中选择一个码字,码本设计使用了均匀量化器并考虑了多进制的情况.加水印的宿主信号在最小化嵌入失真的意义下产生,并使其与随机信号具有调制后的归一化相关系数.同时,该文给出了嵌入失真与可移除水印信息的最小通道失真的表达式,根据它们可以在码本中搜索最优的码字以提高水印性能.该文方案对幅值缩放攻击具有不变性,而且抗噪能力优于着名的扩展变换抖动调制水印.图像仿真结果表明,该方案具有良好的不可感知性以及能抵抗广泛的攻击,和几种典型的水印方案相比具有显着的性能优势.(本文来源于《计算机学报》期刊2012年09期）
叶天语[8]（2012）在《DWT-SVD域全盲自嵌入鲁棒量化水印算法》一文中研究指出引入自嵌入技术提出一种DWT-SVD域全盲鲁棒量化水印算法,只需借助攻击图像进行版权认证。对原始图像先进行DWT,将小波低频子带分成互不重迭的子块,对每个子块进行SVD,通过对比相邻两个子块最大奇异值的大小关系产生特征水印序列,然后将选定的自嵌入特征水印序列通过奇偶量化规则自嵌入原始图像小波低频子带每个子块的最大奇异值,最后进行SVD合成和IDWT产生含水印图像。算法具有良好的不可见性和安全性,并且通过结合自嵌入特征水印序列和盲提取认证水印序列达到全盲检测。实验结果表明,算法具有较强的抵抗添加高斯噪声、添加椒盐噪声、高斯低通滤波、中值滤波、剪切、JPEG压缩和混合攻击的鲁棒性。(本文来源于《中国图象图形学报》期刊2012年06期）
彭硕玲[9]（2012）在《基于归一化相关系数的新型量化水印》一文中研究指出随着计算机网络技术和多媒体技术的快速发展,数字水印技术作为知识产权保护和多媒体数字防伪的重要方法,已成为信息安全领域的研究热点。量化水印算法作为数字水印算法的一个重要分支,其主要思想是通过改变信号采样的量化值来隐藏数据,具有容量大、隐蔽性强等特点。本文总结了已有的数字水印的经典算法,特别是量化水印经典算法；对量化水印的理论知识作了系统的概括,分析并讨论了各类算法的基本原理及其特点。在上述基础上,本文提出了一种基于归一化相关系数的新型量化水印算法。该算法的嵌入过程是通过修改原始载体信号和随机矢量间的归一化相关系数来完成的。信息的调制过程是在选取出来的系数上使用抖动调制技术。但是,水印信号的产生过程是：首先在控制最小嵌入失真的条件下,通过对原始的水印信息进行调制得到一组特征信号,该特征信号即为最终嵌入到载体图像中的水印信息。在对该新型量化水印算法做理论分析的过程中,本文详细推导出了该水印嵌入算法所带来的嵌入失真表达式,以及最小的信道失真。本文提出的新型量化水印算法与其他的水印算法相比,鲁棒性和不可感知性都有明显得到改善。理论上讲,本文提出的水印算法对数值缩放具有不变性,具有更好的抗强噪声攻击能力。理论说明之外,为进一步证明本算法的优势,在大量实际图像上进行仿真实验,并与已有的一些经典的算法进行对比。实验结果表明,本文提出的新型量化水印算法具有更好的不可感知性和能有效抵抗加性噪声干扰、幅度缩放攻击、非线性失真等能力,具有更强的鲁棒性。(本文来源于《扬州大学》期刊2012-05-01）
李旭东[10]（2012）在《抗JPEG压缩攻击的DWT域图像量化水印算法》一文中研究指出分析了DWT域系数对JPEG压缩的稳定性,在此基础提出了一种新的抗JPEG压缩攻击的DWT域图像量化水印算法。此算法在提取水印时无需原始图像。实验结果表明,该算法对嵌入的水印具有很好的透明性,对JPEG压缩攻击具有很强的鲁棒性,对其他常见的图像处理攻击,如亮度调整、对比度调整、加噪声、重采样、颜色抖动和平滑等,均具有很强的鲁棒性。(本文来源于《光电子.激光》期刊2012年02期）
量化水印论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
信息时代,互联网日益普及,信息的交流和共享达到了空前广泛和深入的程度,信息的形式也更加繁多,从传统的纸质演变成数字多媒体(数字图像、音频、视频等)形式,人们的工作和生活方式日渐数字化和网络化。数字多媒体的出现带来了很多便利,信息的存储、复制、修改、传播等变得简单快捷,然而随之而来的盗版、侵权、恶意篡改等行为以及日益增多,合法用户的权益受到严重的损害。数字水印的出现为解决这一问题提供了十分有效的方案。作为信息隐藏领域的一个重要分类,其利用在多媒体数据中隐秘嵌入的信息,实现对多媒体内容的保护和对版权的认证,具有广阔的应用前景,也因此得到了各领域学者的广泛关注。量化水印算法作为一类经典的算法,在计算复杂度和有效性方面展现出了良好的性能。然而其局限性在于对所有载体系数采用均匀量化器,忽视了人眼视觉的掩蔽特性。为了进一步提高载体图像视觉质量和水印鲁棒性,许多研究者在水印算法中引入了视觉特性。本论文在深入分析和理解扩展变换抖动调制(STDM)水印算法的基础上,结合一种鲁棒的视觉JND亮度模型,并改进了模型中平均亮度的计算方式,提出了基于JND亮度视觉模型的STDM水印算法。在此基础上,更加全面地考虑了视觉关注特性,用视觉关注因子调制JND亮度模型,显着改善了含水印图像的视觉质量和水印的鲁棒性。论文的主要创新点和研究成果包括:1、提出了基于JND亮度模型的STDM算法(STDM-LmJND)。在STDM算法的基础上,采用一个改进的JND亮度模型,利用该模型计算出水印嵌入端和检测端的视觉冗余信息,以此决定水印嵌入的量化步长。并且通过改进该模型中平均亮度的计算方式,使该模型前后计算出的视觉冗余一致,从而保证水印的正确提取。实验结果表明,所提出的基于JND亮度模型的STDM水印方法,显着提高了含水印载体的视觉质量,并且在对抗高斯噪声、JPEG压缩、亮度倍增等信号处理攻击时表现出较好的鲁棒性。2、提出了视觉关注非线性调制的STDM-LmJND算法。在基于JND亮度模型的STDM算法基础上,更加全面地考虑人眼视觉的关注特性,利用融合先验信息的图像显着性检测方法(SDSP),计算得到图像的"关注"区域和"非关注"区域,并采用不同的调制因子调制对应的JND系数,得到更贴近人类视觉系统特征的视觉冗余信息,据此修改水印嵌入的量化步长。实验结果表明,载体图像的视觉质量有显着提升,水印的鲁棒性得到了进一步提高。3、设计并实现了基于安卓系统的互联网信息安全服务平台。在安卓平台设计并实现了一个针对图像内容保护的应用程序,实现了对图像的版权保护和完整性校验。同时调用微信、QQ、微博等社交应用的接口,便于将已保护的图像进行分享和传播。应用程序中采用了经典的STDM算法,因大量的改进算法都是在STDM算法的基础上进行,因此实现STDM算法有助于后期应用程序的扩展和更新。移动终端作为被广泛使用的信息传播平台,在其上开发此水印应用程序,对互联网资源的安全保护有直接有效的作用,对数字水印技术的推广和应用也具有极大的意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
量化水印论文参考文献
[1].张腾.基于视觉信息的量化水印算法研究[D].山东师范大学.2018
[2].唐文华.融合视觉认知机制的新型量化水印算法[D].山东大学.2017
[3].万文博.融合鲁棒视觉特性的量化水印算法[D].山东大学.2015
[4].吉明生.基于特征调制的量化水印设计与DCT域实现[D].扬州大学.2015
[5].柳成林,冯晓霞.一种基于小波系数的差异量化水印新算法[J].宁夏大学学报(自然科学版).2013
[6].文汝红.基于尺度不变特征的脊波域量化水印算法[J].计算机工程.2012
[7].朱新山,丁杰.一种采用随机归一化相关系数调制的量化水印[J].计算机学报.2012
[8].叶天语.DWT-SVD域全盲自嵌入鲁棒量化水印算法[J].中国图象图形学报.2012
[9].彭硕玲.基于归一化相关系数的新型量化水印[D].扬州大学.2012
[10].李旭东.抗JPEG压缩攻击的DWT域图像量化水印算法[J].光电子.激光.2012
论文知识图
