摘要：针对基于深度学习的水印方法未充分突显图像的关键特征,以及未有效利用中间卷积层输出特征的问题,为提升含水印图像的视觉质量和抵抗噪声攻击的能力,提出一种融合注意力机制和多尺度特征的图像水印方法。在编码器部分,设计注意力模块关注重要图像特征,以减小水印嵌入引起的图像失真;在解码器部分,设计多尺度特征提取模块,以捕获不同层次的图像细节。实验结果表明,在COCO数据集上与深度水印模型HiDDeN(Hiding Data with Deep Networks)相比,所提方法生成的含水印图像的峰值信噪比(PSNR)和结构相似度(SSIM)分别增加了11.63%和1.29%;所提方法针对dropout、cropout、crop、高斯模糊和JPEG压缩的水印提取平均误比特率(BER)降低了53.85%;此外,消融实验结果验证了添加注意力模块和多尺度特征提取模块的方法有更好的不可见性和鲁棒性。

摘要：基于一种全帧DCT域图像水印方案 ,推导了水印相关检测器的误检测概率公式 理论分析表明 :检测器的误检测概率与图像本身无关 ,只取决于嵌入水印长度和嵌入强度因子 文中的分析显示了哪些因素会影响检测性能 ,有助于优化水印系统 最后 。

摘要：数字水印对几何攻击的鲁棒性问题一直没有得到很好的解决,该文提出了一种能够抵抗RST(旋转、缩放、平移)攻击,局部剪切以及常规信号处理攻击的多比特图像水印算法。该文利用尺度不变特征变换(SIFT)进行水印信号的同步;设计了一种圆环形的水印模式,并在空域采用奇偶量化嵌入水印;并设计了一种奇偶检测器提取水印。实验结果表明该算法能获得很好的图像质量,且能十分有效地抵抗各种几何攻击以及常规的压缩,滤波等攻击。

摘要：采用三维Lorenz映射对水印加密以提高安全性,并通过纠正水印误码来降低检测误码率,提高水印的稳健性.充分考虑了纠错编码中引入的信息冗余将导致水印嵌入强度的降低等问题,采用基于蚁群算法的图像内容边缘检测方法,使水印的分布集中在图像显著的边缘特征中,嵌入强度随着图像特征的变化而自适应地变化.在水印的检测中,利用Kalman滤波法对水印信息进行预测和估计,在没有原始图像数据的情况下,能够恢复嵌入的信息.实验结果表明,该方案具有较好的抗JPEG压缩、高斯噪声和剪切的鲁棒性.

摘要：稳健性是数字水印技术的一个核心问题.数字水印技术发展到今天,已有大量不同的算法,它们广泛提出了“稳健性”的声明.然而,绝大多数算法所强调的“稳健性”只不过是水印对抗一般信号处理的稳健性,它们不能抵抗甚至是微小的几何攻击.本文分析总结了当前图像水印抗几何攻击的各种方法,提出了下一步可能的发展方向,对改进和设计水印算法具有一定的指导作用.

摘要：本文提出了一种基于重叠正交变换 (LOT)的自适应图像水印算法 ,给出了水印嵌入和检测的详细算法设计 .数字图像水印是最近发展起来的一项新技术 ,它为图像的版权保护问题提供了一种新的解决思路 .本文首次在水印算法中采用了LOT以代替传统的离散余弦变换 (DCT) ,从而有效地避免了DCT的块效应 .同时 ,本文还利用人的视觉系统 (HVS)特性 ,在对图像块进行分类的基础上完成了水印的自适应嵌入 .实验结果表明 。

摘要：主要研究了低水印嵌入强度下数字图像水印的检测方法 ,提出了一个在 DCT域内应用径向基函数 (RBF)神经网络检测数字图像水印的方案。该方案通过设计一个基于最小二乘学习算法的 RBF神经网络 ,利用它良好的非线性映射能力从待测水印图像中提取出嵌入的水印 ,从而实现对数字图像水印的有效检测。与直接基于相关技术的数字图像水印检测方案相比 。

摘要：为解决数字图像水印算法中水印图像与宿主图像在嵌入时尺寸匹配上的局限问题,并提高图像水印算法在抗大尺度剪切、高斯噪声和椒盐噪声等攻击的鲁棒性,提出一种结合二维经验模态分解算法(BEMD)与Hilbert曲线的重复嵌入图像水印算法.首先,利用Arnold变换对水印图像进行置乱处理,以增加水印图像的安全性;其次,利用Hilbert曲线将置乱后的二维水印图像进行数据降维,得到一维水印信号.数据降维不仅有效地解决了嵌入时水印图像与宿主图像在尺寸匹配上的局限,同时也进一步置乱了水印图像,加强了水印图像的安全性.对宿主图像进行BEMD分解得到不同尺度下的内蕴模态函数和余量信息,并检测第1个内蕴模态函数对应图像的极值点作为水印嵌入位置.最后,依据人类视觉系统的纹理掩蔽特性,将一维水印信号按照从左至右、自上而下的顺序依次、重复嵌入到第1个内蕴模态函数对应图像的极值点中,并结合剩余内蕴模态函数及余量信息重建得到嵌入水印后的图像.水印图像的提取为该嵌入过程的逆过程.通过对多组图像进行水印嵌入,得到嵌入水印后图像的峰值信噪比均在40 dB以上;对嵌入水印后图像进行高斯噪声、椒盐噪声、大尺度剪切等攻击实验,得到提取水印图像与原始水印图像的归一化相关系数均在0.96以上.实验结果表明,嵌入水印图像具有良好的不可见性,并对高斯噪声、椒盐噪声,特别是对大尺度剪切具有较强的鲁棒性.

摘要：抗几何攻击的鲁棒图像水印设计是目前水印技术研究的难点和热点之一.文中分析了图像的Bandelet变换特性,提出了一种以图像特征点矢量集为特征向量的回归支持向量机(Support vector regression,SVR)和第二代Bandelet变换的抗几何攻击图像水印算法,采取的主要方法包括:1)在Bandelet变换提取的刻画图像局部特征的几何流系数上,采用奇偶量化嵌入水印;2)利用Harris-Laplace算子从归一化的含水印图像中提取具有几何形变鲁棒性的图像特征点,构造特征点矢量集作为特征向量,应用回归支持向量机对几何变换参数进行训练学习;3)水印检测时,先利用SVR训练模型得到待检测图像所受几何攻击的参数并作几何校正,然后通过奇偶检测器盲提取水印.仿真实验表明,所提出的水印算法不仅具有良好的透明性,而且对常规图像处理、一般性几何攻击和组合攻击均具有良好的鲁棒性.

摘要：设计了基于可逆Walsh-Hadamard变换与预测误差扩展的图像水印算法。将载体图像分割为4×4的非重叠子块,引入Walsh-Hadamard变换,对每个子块进行处理,得到其域Hadamard,提取其直流分量与交流分量系数;基于Adaline神经网络,确定一个准确的预测系数,构建线性预测函数,计算每个交流系数的误差;对交流系数误差完成二进制表示,根据水印信息对误差进行扩展;考虑像素的溢出或下溢问题,从所有子块中指定一个平滑扩展块,通过设计水印嵌入方法,将水印信息嵌入到扩展块中,再借助Walsh-Hadamard逆变换,输出水印图像;构建水印提取机制,从水印图像中提取初始水印信息。实验结果显示：与当前水印图像相比,所提算法具有更高的不可感知性与更低的失真度。