一、基于二维离散小波变换的数字图像水印方案（论文文献综述）
娄鑫杰[1]（2021）在《容量扩增的彩色二维码实现及在数字图像水印中的应用》文中提出
赵彦霞[2]（2021）在《基于水印和区块链技术的数字图像交易管理研究》文中进行了进一步梳理社会许多领域对数字图像的大量需求,使得国内外出现了大量的数字图像交易网站。但目前的数字图像交易网站一般存在一些不足。例如,为用户提供的数字图像版权保护和版权认证服务不足,为用户提供的有法律效力的交易存证服务不足,为用户提供的个性化服务不足和提供的业务种类少等不足。在数字图像交易管理理论研究方面,也存在对数字图像交易管理的系统性研究、对数字图像进行版权保护和内容认证研究、对区块链中交易使用的智能合约管理研究以及专门针对数字图像的个性化推荐研究不足等问题。本文针对这些存在的问题进行了研究。在理论研究方面,本文对数字图像交易前、交易中和交易后管理上存在的一些问题进行了研究。提出了利用数字水印技术对交易前的数字图像进行版权保护和内容认证的多功能零水印算法;对数字图像交易过程中产生的交易信息写入区块链中进行存证,对区块链智能合约分类算法进行了研究;依据数字图像交易后存储的用户历史数据,研究了利用智能推荐技术的个性化数字图像推荐算法。在实践研究方面,设计了数字图像交易管理系统。将本文提出的算法应用于该系统,并设计了相应的管理模型,以解决数字图像交易网站提供的业务种类少等问题。本文的创新点如下:（1）提出了两种基于奇异值分解和深度学习的数字图像多功能零水印算法。在数字图像交易前,对数字图像进行版权保护和内容认证的研究不足。针对这一问题,本文对数字图像版权保护和内容认证进行了研究。变换域算法比空域算法中水印的鲁棒性更强,离散小波变换（DWT）能够克服离散傅里叶变换和离散余弦变换的一些缺点,奇异值分解（SVD）所得的奇异值可以表示图像内在的代数特征,稳定性好,深度神经网络能够获取图像关键特征。因此,将DWT、SVD分别和深度卷积神经网络（DCNN）和深度置信网络（DBN）相结合,提出了基于SVD和DCNN的数字图像多功能零水印算法以及基于SVD和DBN的数字图像多功能零水印算法。两种零水印算法都构造了零鲁棒水印图像和零半脆弱水印图像。仿真实验验证了两种算法的鲁棒水印对多种强度大的攻击有较好的抵抗性,提取出的半脆弱水印图像也能对原始图像的篡改位置进行定位。（2）提出了两种智能合约分类算法。针对许多数字图像交易网站存在的交易存证法律效力不足的问题,把区块链技术引入数字图像交易过程管理中。在区块链上进行交易的过程中需要使用智能合约,因此本文研究了智能合约分类算法,以便对智能合约进行有效管理。智能合约属于文本信息,因为智能合约不同类别数量相差较大,所以智能合约分类属于非均衡文本分类。智能合约分类的第一步工作是将智能合约转换成能够被计算机识别的数据。由于目前没有针对智能合约的语料库,因此首先利用Word2Vec建立智能合约语料库。然后,利用Word2Vec和智能合约语料库将所有智能合约都转化成等长的数字化向量。智能合约分类的第二步工作是研究如何对数字化的智能合约进行分类。由于智能合约分类属于非均衡的文本分类,所以本文提出了随机权学习机和加权交叉熵函数来克服传统分类方法的缺陷,并分别利用自编码器能降低数据维度的特点和双向长短期记忆神经网络（Bi LSTM）对上下文有记忆的功能,提出了基于自编码随机权ELM网络的智能合约分类算法与基于加权交叉熵损失函数的长短记忆智能合约分类算法。实验验证了两种算法对智能合约的分类是有效的。（3）提出了一种加权TextRank和自组织特征映射神经网络（SOM）的个性化数字图像智能推荐算法。针对数字图像交易完成后的管理中,对用户提供的个性化推荐服务研究不足的问题,本文进行了个性化数字图像推荐研究。通过两种来源获取用户感兴趣的图像。第一种来源是当前用户的相似用户订单中的图像。第二种来源是从数据库中查找的与当前用户最后放入订单中图像同类型的图像。从相似用户和数据库两种来源得到的候选图像集中选择用户感兴趣的部分图像推荐给当前用户。由于用户最后在网站的搜索词、不同时间加入订单和加入购物车的图像,以及用户历史数据中能体现图像类型的关键词语反映用户对图像的兴趣度的作用程度不同,所以,利用TextRank算法适合提取短文本关键词的特点,设计了加权TextRank算法来提取用户历史数据的关键词。因为SOM能够通过竞争对数据进行聚类,所以利用SOM去发现当前用户的相似用户。仿真实验结果验证了提出的算法能够有效地发现当前用户的相似用户,能为当前用户推荐用户感兴趣的数字图像。（4）设计了数字图像交易管理系统。针对许多数字图像交易网站没有提供数字图像处理、数字图像版权保护、数字图像认证、交易存证、个性化推荐服务和智能合约分类等情况,设计了数字交易管理系统。设计了数字交易管理系统的架构和功能,设计了应用于数字图像交易管理系统中的数字图像交易管理、数据安全保护管理、版权保护管理、智能合约管理和个性化推荐管理模型。以上研究成果,能够在一定程度上解决现有许多数字图像交易网站对数字图像版权保护和版权认证,交易的有法律效力存证,区块链技术应用中的智能合约分类,网站业务种类少等问题。将数字水印、区块链和智能推荐等技术应用到数字图像交易管理的研究方法,可以为管理科学的研究提供一些思路和方法。研究成果被应用后,业务种类的增加和对用户的个性化数字图像推荐能够吸引更多的用户消费,从而增加商家的利润。
高媛[3]（2021）在《基于离散小波变换和奇异值分解的数字水印改进算法研究》文中研究说明数字水印技术是解决版权认证纠纷、数字产品防伪防篡改、保护数字产品安全和完整性等问题的有效手段。论文主要研究了变换域的图像数字水印技术,提出了两种改进的图像数字水印算法,并通过实验验证了算法的有效性。针对已有的分块数字水印算法,所有子块嵌入参数单一,带来的图像失真、算法鲁棒性差等问题,提出一种“基于分块小波域的动态数字水印算法”。结合小波域人类视觉模型和图像信息熵理论,反复调整子块的嵌入量和嵌入强度,使得嵌入量和嵌入强度因子符合不同的子块特征,动态地嵌入水印信息。实验结果表明,论文所提出的“基于分块小波域的动态数字水印算法”,在无攻击处理时,嵌入水印后图像的峰值信噪比为43.25d B,提取的水印和原始水印之间相关性系数NC值接近于1。在几种不同类型攻击处理下,水印不可见性和鲁棒性均达到较好水准。针对已有图像SVD域数字水印算法,不合理修改奇异向量系数导致的图像失真问题,且考虑到盲水印的应用,提出一种“基于DWT-SVD的盲水印算法”。论文通过实验,对图像SVD的奇异矩阵第一列向量稳定性给出验证。该算法对载体图像做离散小波变换,将低频子带划分为8?8子块。子块奇异值分解后,选择相似度高的系数对U21、U31,设计一种嵌入策略,小幅度修改系数,实现图像数字盲水印方案。实验结果表明,论文所提出的“基于DWT-SVD的盲水印算法”对载体图像质量影响小,嵌入水印的载体图像峰值信噪比达到50d B左右的较高标准,且该算法对于常见的噪声、JPEG压缩、小面积剪切等攻击具有较好的鲁棒性。其中,在抗噪声攻击方面,当噪声强度达到较高水平时,例如,2%的高斯噪声和2%的椒盐噪声时,提取前后水印的相关性系数NC值仍能达到0.7以上。论文所述算法,即“基于分块小波域的动态数字水印算法”和“基于DWT-SVD的盲水印算法”可用于数字图像水印及盲水印设计。图[29]表[13]参[59]
杨帆[4]（2020）在《基于轮廓波变换和级联神经网络的数字水印算法研究》文中认为随着多媒体技术的迅猛发展,给人们带来便利的同时,其在网络传播的过程中却极易遭到非法利用。作为多媒体信息的有效加密方案,数字水印技术近年来普遍被应用在多媒体产品的版权保护等领域中。数字水印能够有效解决版权保护和完整性认证问题,其一直以来都是模式识别和图像处理领域探讨的重要课题,故对于数学水印的研究不仅在理论研究上具有重要的意义,在实际应用中也具有不可替代的作用。本文主要研究工作和内容如下:首先对数字水印课题进行研究背景、研究意义及国内外发展现状等方面的简要介绍,通过阅读文献并对数字水印的特点和分类进行了解,并针对不同方法进行了优缺点分析。提出了轮廓波变换算法结合由RBF与Hopfield共同组成的级联神经网络的数字水印算法。算法是在传统的基于轮廓波变换的数字水印技术上,加入了级联神经网络。级联神经网络性能要优于传统单一的RBF网络,不仅保证算法性能,而且学习速度快,通过设计传递函数加速因子进行输出层和隐含层的权值修正,有利于改善算法的收敛性,提高计算效率。针对图像的嵌入,算法在轮廓波变换的基础上,对分块的宿主图片进行轮廓波变换,选取低频块进行再次分块,选取其中方差小的块进行嵌入水印,并且和嵌入的随机噪声进行级联神经网络训练,嵌入数字水印图像的不可见性得到了提高;针对水印的提取,采用了级联神经网络进行提取,利用级联神经网络提取水印不需要原图,提取的水印更接近于原图。在完善算法流程并验证其可行性后,选取了其他的融合性数字水印算法进行性能对比分析,设置了对比实验进行证明。通过仿真实验验证,表明本算法在数字水印的不可见性上有很好表现。本算法能够对常见的数字水印攻击有一定的抵御能力,说明了该算法对文中测试的各种攻击具有很强的鲁棒性。
蒋飞凤[5]（2020）在《基于张量的彩色图像零水印技术研究》文中指出在强大科学技术的推动下,当今社会可以说是瞬息万变,各种信息载体都有了现代化的表现形式和处理方式。图像作为一种较为形象、直观的数据载体,目前主要以数字形式呈现。但在这种情况下,不法分子可以借助便利的网络和一些软件肆意下载、复制、篡改数字图像等,严重威胁版权所有者的合法权益。数字零水印技术可以有效提供对数字图像的版权保护,主要通过提取原始载体图像的特征数据,以此构造唯一零水印的方式实现,但现有的算法主要应用于灰度图像。出于上述考虑,本文提出了一种新的基于彩色图像的数字零水印算法。由于使用的图像是三维彩图,因此在算法中引入了张量及张量展开,这几乎是张量概念及其相关技术在零水印领域的首次尝试。在算法具体实现时,首先从原始载体图像中取各个维度的数据,构造不同的三维张量,然后再根据特定的方向对获得的张量进行张量展开。这几步操作同时实现了三个功能,包括全面利用彩色图像各方面数据,无损维度压缩和数据置乱。另外,在后续过程中还使用了奇异值分解和离散余弦变换,对张量展开后的不同数据进行分别处理。上述两个操作能够减少零水印数据量,并促进算法鲁棒性的提高。根据大量仿真实验和对比实验的实验结果,可以确定本文提出的算法同时具备较好的唯一性和较强的鲁棒性。并且,当应用于不同类型的原始载体图像时,算法的性能依旧维持在较好的水平。在文章的最后,基于本文算法的一些不足,对后续进一步的研究方向进行了大致的说明。
田小波[6]（2020）在《针对复杂版面文档的抗打印扫描数字水印研究》文中研究说明信息技术的发展给人们带来了不少好处和便利,但是信息安全和版权保护问题同时也变得益发突出。数字印刷品作为信息交互的重要方式,其版权保护和信息安全也越来越受到重视。数字水印作为信息隐藏学的一个研究方向,在版权保护、信息隐藏方面有着重要的作用。本文主要研究并且实现了分别针对文本和图像的抗打印扫描数字水印技术。并在此基础上,进一步研究了复杂版面文档的图文分割技术,从而实现了对复杂版面文档添加抗打印扫描数字水印。最后展望了将该方案运用到专用打印机耗材So C芯片中去。本文重点研究了文本水印的基本原理,提出了一种抗打印扫描并且可嵌入大容量信息的文本水印算法。该方法在打印扫描变换的数学假设模型下,得到打印扫描的过程中的不变量。然后算法基于打印扫描不变量,利用傅里叶描述子对字符边界上具有高频信息的不重要像素点进行翻转。接下来结合打印-扫描仪器的分辨率以及对打印扫描不变量的影响,提出二次量化函数来对单个字符嵌入多位比特水印信息。最后通过对二维码的研究,由于其具有信息容量大,纠错能力强,译码可靠性高等特点,把二维码通过该水印算法嵌入到文本中,能够减小水印提取误码率的影响,提高水印信息的鲁棒性。实验结果表明,提出的文本水印算法具有抗打印扫描、抗缩放、大容量等特性,并具有良好的视觉效果。然后本文研究并实现了一种基于DWT的图像抗打印扫描方法。首先对小波变换的基本理论进行了推导,本文通过分析打印扫描过程对图像DWT变换中小波系数的影响情况,总结出图像的HH2子带小波系数可作为图像频域的打印扫描的不变量来进行水印的嵌入和提取。最后通过实验结果的分析,该算法鲁棒性较高,具有抗打印扫描、抗缩放、大容量、抗剪切等特性。接下来本文实现了一种基于连通域和数学形态的图文分割方案。首先对图文分割的基本理论进行了阐述,然后对算法流程进行了描述。实验结果表明该方案能够正确的分割出文本和图像部分,结合单独的文本和图像水印算法,从而为版面复杂的文档添加数字水印提供了一种方案。最后结合本文已有的成果和问题,梳理了可下一步进行的研究方向和工作。
王强[7]（2020）在《多重数字水印算法研究》文中研究指明随着计算机网络技术和通信技术的快速发展,人们通过互联网能够便捷地进行信息的交流与传递,随之而来的安全隐私问题变得越来越突出,各种数字产品的版权亟待受到保护。在现代信息安全的领域中,数字水印技术可以有效地保护数字产品拥有者的版权所有权,减少数字产品的盗版问题。由于单个水印无法解决多着作权的问题,并且在复杂的互联网环境中难以保护好数字产品的完整性,因此需要对多重水印进行研究。本文主要在数字水印的生成算法和多重数字水印的嵌入算法两个方面进行了研究,首先设计了一种双重置乱算法对数字水印图像进行预处理,然后将处理过后的水印嵌入到载体图像中来实现数字版权保护和篡改定位功能。本文主要研究内容如下:1、对数字水印技术的预处理方面进行研究,选取Zigzag置乱算法和Logistic映射置乱算法都是通过改变水印图像像素的位置进行置乱的特点,设计了一种基于顺序可调的双重加密置乱算法,利用新构造的位置置乱方法对水印图像进行加密,该算法实现过程简单,不需要复杂的计算却能够完全打乱水印图像的轮廓,置乱度较高,为多重数字水印嵌入算法的水印预处理做了铺垫。2、设计了一种基于空域和DCT域的多重数字水印嵌入算法,首先将彩色载体图像进行RGB分解,并将3个分量分别进行分块离散余弦变换,然后将经过Zigzag-Logistic双重置乱的多重水印图像嵌入到各个分量的中频部分,并能够实现水印信息的盲提取。对含有水印的彩色载体图像进行不同的攻击,通过仿真提取出水印信息来测试本嵌入算法的鲁棒性能。3、基于YIQ彩色空间实现将多重数字水印嵌入到彩色载体图像中,由于彩色空间中的Y分量可以单独地将彩色图像的亮度信息显示出来,并且在Y分量中嵌入水印对其它两个色彩分量的影响不大的特点,首先利用haar小波对彩色载体图像的Y分量进行三层离散小波分解,在Y分量的LL3和HL3层中嵌入两个鲁棒水印用于数字产品的版权保护和认证,在Y分量的HL2层嵌入认证水印用于定位彩色载体图像被恶意篡改的区域。然后通过一系列的仿真实验来进行测试,从实验结果分析可知,本算法具有较强的鲁棒性,不仅可以实现版权保护,而且可以实现篡改定位的功能。
范航宇[8]（2019）在《数字图像的鲁棒性水印方法研究》文中研究表明数字图像作为多媒体信息的重要组成部分,在当今时代中有着广阔的应用。随着智能手机的普及和移动互联网的发展,数字图像的数量呈爆炸式增长,在人们的生活中几乎无处不在。数字图像作为一种数字资产,自身蕴含着经济价值,但是随着技术的进步,针对图像的盗取或破坏变得越来越简单。数字图像水印作为一种将信息嵌入到图像中的技术,是保护图像版权或完整性的一种有效手段。在当前环境下,针对图像的攻击手段花样繁多,一些数字图像水印方法面临着失效的风险,因此设计新型的鲁棒性数字图像水印方法就有着特殊的现实意义。在本文中,作者主要针对数字图像的鲁棒性水印技术进行了研究,针对现阶段常见的攻击形式设计了多种水印方法。本研究涵盖了空域数字图像水印方法、变换域数字图像水印方法和压缩域数字图像水印方法,涉及了盲提取水印方法和非盲提取水印方法,也涉及了可逆无损水印方法和有损水印方法,创新内容主要分为4部分,分别是:（1）针对电子商务网站中常见的商品图盗取问题进行了研究与分析,为了应对当前环境中常见的攻击方法,如图片拼贴、抠图、旋转缩放、截取等,提出了一种联合解决方案。在当前这些常见的攻击下,载体图像的尺寸不仅发生变化,连图像的部分内容也会被篡改。因此常见的水印方法可能会在这类攻击下失效。针对这种情况,作者设计了一种噪声模板水印和基于整数小波变换（Integer Wavelet Transform,IWT）与离散余弦变换（Discrete Cosine Transform,DCT）水印的联合方案。噪声模板水印具有强鲁棒性和不错的不可感知性,并且可以求出当前图像的旋转和缩放系数,但是该方法无法自由定制嵌入的水印信息;基于IWT-DCT的水印方法可以自由定制嵌入的水印信息,也可以抵抗剪切和平移攻击,但是无法应对几何攻击。因此两种水印方法的优势和劣势得到了互补,整体方案的鲁棒性得到了提升。经过实验仿真发现,该方案能够在图像遭受到上述攻击后进行水印信息的检测和提取。（2）针对块截断编码（Block Truncation Coding,BTC）压缩域的图像可能遭受篡改攻击及水印信息不安全的问题,设计了一种用于图像BTC压缩域的可逆水印方案。该方案在水印嵌入时使用了一种改进的直方图移位方法,该方法不仅具有较好的不可感知性,而且还是一种可逆的水印方法,可以在水印提取之后将图像恢复到未嵌入水印时的状态。经过改进,该方案拥有较高的水印嵌入容量,同时在嵌入的过程中引入了可视密码技术,使水印的安全性得到了提升。可视密码技术可以将水印信息拆分成多个不同的透明片信息,只有将足够数量的透明片叠加在一起时,才可以恢复原始的水印信息,因此该方案可以提升水印信息的安全性。该方案针对BTC数据格式的图像篡改等攻击具有一定的鲁棒性。（3）针对移动互联网应用中常见的图像压缩、缩放等攻击,提出了一种基于直方图的图像低频特征构建的水印方法。传统的水印方案有可能会在该类攻击下失效。原始的直方图相邻组距调整方法具有较好的不可感知性和鲁棒性,但是嵌入容量低,因此本章提出了一种改进的直方图嵌入方法,提升了水印的嵌入容量。此外,为了提升鲁棒性,作者提出了一种低频特征构建方案。作者设计了一种权重计算方法,通过计算不同像素位置的权重,可以找到空域中适合修改的像素及位置,使得修改过后的图像呈现出平滑的特性,该过程加强了图像的低频特征。通过在空域中主动的构建低频特征,可以提升一定的鲁棒性,同时提升了水印的不可感知性。在本部分中,作者通过采用不同的直方图相邻组距频数调整策略,设计了一种非盲提取方案和一种盲提取方案,以便应对不同的实际应用场景,其中非盲提取方案具有较高的鲁棒性,盲提取方案的鲁棒性弱于非盲提取方案。（4）针对矢量量化压缩域图像可能会受到的微角度旋转,缩放,噪声等攻击,作者设计了 一种基于粒子群优化（Particle Swarm Optimization,PSO）的快速高质量码书设计方案,并且利用生成的码书对矢量量化压缩域图像进行水印嵌入。使用质量较差的码书用于水印嵌入会导致鲁棒性下降。因此本部分着重研究了矢量量化中码书的设计,提升了码书的质量,并且降低了码书的生成时间。作者提出的快速高质量码书生成方法引入了池化过程,粒子群优化,反向投射和K-means,其中池化过程用于减少粒子群优化搜索的内容,PSO过程用于产生粗粒度的聚类中心结果,随后使用反向投射过程将搜索空间从池化特征图转移到原始图像,最后使用K-means过程进行精细搜索。由于采用了高效高质量的码书,水印的嵌入质量得到了提升,相比于使用普通码书的水印方法,作者提出的水印方法鲁棒性更好。快速的码书生成过程使得本方案具有更加广阔的应用空间。
罗岸伟[9]（2019）在《基于变换域及优化策略的鲁棒性数字水印算法》文中指出如何防止数字产品的非法复制与传播是网络空间安全领域的难题,而数字水印技术具有高不可见性、强鲁棒性等特点,因此其相关技术成为保护数字产品版权的重要手段之一。本文在分析和研究现存数字水印方案的基础,设计了两种基于变换域的鲁棒性数字水印方案,并通过模拟仿真验证了方案的可行性。本文的主要研究内容如下:设计了基于多变换域与粒子群优化算法的数字水印方案。该方案首先对宿主图像进行提升小波变换,再将得到的高频子带分量划分为8×8子块。随后对每一个子块进行离散余弦变换,并提取变换后的中频系数组成一个新的矩阵。对中频系数矩阵进行离散分数角度变换和奇异值分解,同时对数字水印进行Arnold变换和奇异值分解,通过将数字水印分解后的左特征值向量嵌入到经变换和分解后的宿主图像的特征值矩阵中,实现数字水印嵌入。此外,粒子群优化算法被用来寻找最佳水印嵌入强度,进一步平衡了数字水印的不可见性和鲁棒性之间的矛盾。此外,对比实验验证了优化策略的有效性,并且模拟实验中该方案在种攻击下都具有良好的鲁棒性。提出了一个基于奇异值分解（Singular Value Decomposition,SVD）子块最佳选择策略的自适应盲水印方案。该算法对宿主图像做离散小波变换,并将低频子带分量划分为4×4子块。然后通过计算每一个子块的信息熵来得到对应的水印嵌入强度,同时利用SVD子块最佳选择策略选择合适位置嵌入水印信息。仿真结果展示了利用该策略能够提升方案4.5 dB左右的峰值信噪比（Peak Signal to Noise Ratio,PSNR）,并且该方案对于图像压缩、低通滤波、运动模糊等攻击具有很好的鲁棒性。
宋瑞祥[10]（2019）在《基于变换域的鲁棒性水印算法研究》文中指出随着互联网的发展,人们可以方便的获取数字产品,不法分子利用数字产品容易复制和篡改的特点,非法的获得利益,这使版权人的权益受到侵害。因此,需要找到有效的方法来保护版权人的利益。数字作品中经常会有一些冗余的信息,根据冗余性的特点,数字水印技术在数字作品里加入不容易发觉的但可以判定区别的水印信息,根据提取出的水印信息确定数字作品的版权所有。数字水印技术有效的维护了原始着作人的权益,在多媒体信息安全领域逐渐占据主要地位,成为图像处理和信息隐藏技术的研究热点。从上述背景出发,对数字水印相关技术进行深入研究,具体研究内容如下:首先,在水印图像预处理的过程中提出使用三维Arnold置乱与Logistic置乱混合加密的方式,混合加密的方式提高了安全性,同时三维Arnold置乱比二维Arnold置乱效率更高。其次,在离散余弦变换（Discrete Cosine Transform,DCT）域中,提出一种采用投票选择的方式提取水印信息的算法,该算法依据少数服从多数的原则确定嵌入的水印信息,有效的提高了水印系统的鲁棒性;提出使用遗传算法（Genetic Algorithm,GA）对DCT域中投票选择水印信息的算法嵌入位置进一步优化的方法,优化后算法的鲁棒性与透明性较优化前有了提升。在离散小波变换（Discrete Wavelet Transform,DWT）域中,提出在HSI色彩空间下DWT与奇异矩阵分解（Singular Value Decomposition,SVD）结合的鲁棒性水印算法,并用GA在H、S、I三个平面中选择较优的嵌入强度,设定峰值信噪比（PSNR）的阈值,使得该算法满足在PSNR大于35的前提条件下鲁棒性较好;根据数字图像的特征和SVD分解后矩阵的特点,提出一种基于SVD矩阵分析的小波域盲水印算法,该算法通过分析SVD分解后酉矩阵的特点,根据水印序列的值对酉矩阵中部分系数进行修改完成水印的嵌入提取,有效的实现了盲提取。最后,对算法进行仿真并进行对比实验,透明性以PSNR的值为标准进行衡量,鲁棒性以归一化相似系数（Normalized Correlation,NC）的值来衡量。实验结果说明本文提出水印算法具有可行性,满足不可见性的同时,对剪切、滤波、缩放、旋转和噪声攻击都具有较好的鲁棒性。
二、基于二维离散小波变换的数字图像水印方案（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、基于二维离散小波变换的数字图像水印方案（论文提纲范文）
（2）基于水印和区块链技术的数字图像交易管理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 数字图像交易管理国内外研究现状 |
| 1.3.2 数字水印技术国内外研究现状 |
| 1.3.3 区块链技术国内外研究现状 |
| 1.3.4 智能推荐技术国内外研究现状 |
| 1.4 研究思路与方法 |
| 1.5 研究内容及创新点 |
| 1.6 论文的组织结构 |
| 第二章 预备知识 |
| 2.1 数字水印技术 |
| 2.1.1 数字水印概述 |
| 2.1.2 数字图像水印技术 |
| 2.2 区块链技术 |
| 2.2.1 区块链概述 |
| 2.2.2 区块链架构模型 |
| 2.2.3 区块链区块结构 |
| 2.2.4 区块链的运行过程 |
| 2.2.5 智能合约 |
| 2.3 智能推荐技术 |
| 2.3.1 智能推荐技术概述 |
| 2.3.2 常用的推荐算法 |
| 2.4 本章小结 |
| 第三章 基于SVD与深度学习的数字图像多功能零水印算法研究 |
| 3.1 理论基础 |
| 3.1.1 离散小波变换 |
| 3.1.2 奇异值分解 |
| 3.1.3 深度学习技术 |
| 3.1.4 深度卷积神经网络 |
| 3.1.5 深度置信网络 |
| 3.2 基于SVD和 DCNN的数字图像多功能零水印算法 |
| 3.2.1 算法设计思想 |
| 3.2.2 基于SVD和 DCNN的数字图像多功能构造零水印算法 |
| 3.2.3 基于SVD和 DCNN的数字图像多功能提取零水印算法 |
| 3.2.4 仿真实验和分析 |
| 3.3 基于SVD和 DBN的数字图像多功能零水印算法 |
| 3.3.1 算法设计思想 |
| 3.3.2 基于SVD和 DBN的数字图像多功能构造零水印算法 |
| 3.3.3 基于SVD和 DBN的数字图像多功能提取零水印算法 |
| 3.3.4 仿真实验和分析 |
| 3.4 本章小结 |
| 第四章 数字图像交易管理中智能合约分类算法研究 |
| 4.1 理论知识 |
| 4.1.1 智能合约分类的难点 |
| 4.1.2 智能合约分类相关研究 |
| 4.1.3 Word2Vec |
| 4.1.4 堆叠自编码器 |
| 4.1.5 随机权极速学习机 |
| 4.1.6 双向长短期记忆神经网络 |
| 4.1.7 加权交叉熵损失函数 |
| 4.2 基于自编码随机权ELM网络的智能合约分类算法 |
| 4.2.1 算法设计思想 |
| 4.2.2 基于自编码随机权ELM网络的智能合约分类模型 |
| 4.2.3 基于自编码随机权ELM网络的智能合约分类算法描述 |
| 4.2.4 仿真实验与分析 |
| 4.3 基于加权交叉熵损失函数的长短记忆智能合约分类算法 |
| 4.3.1 算法设计思想 |
| 4.3.2 基于加权交叉熵损失函数的长短记忆智能合约分类模型 |
| 4.3.3 基于加权交叉熵损失函数的长短记忆智能合约分类算法描述 |
| 4.3.4 仿真实验与分析 |
| 4.4 智能合约分类算法在数字图像交易管理中的应用 |
| 4.4.1 自编码随机权ELM网络分类算法在数字图像交易智能合约分类中的应用 |
| 4.4.2 加权交叉熵损失函数Bi LSTM分类算法在数字图像交易智能合约分类中的应用 |
| 4.5 本章小结 |
| 第五章 数字图像交易管理中个性化智能推荐算法研究 |
| 5.1 理论知识 |
| 5.1.1 Text Rank算法 |
| 5.1.2 加权Text Rank算法 |
| 5.1.3 自组织特征映射神经网络 |
| 5.2 基于加权Text Rank和 SOM的个性化数字图像智能推荐算法 |
| 5.2.1 算法设计思想 |
| 5.2.2 基于加权Text Rank和 SOM的个性化数字图像智能推荐模型 |
| 5.2.3 基于加权Text Rank和 SOM的个性化数字图像智能推荐算法描述 |
| 5.2.4 仿真实验和分析 |
| 5.3 本章小结 |
| 第六章 数字图像交易管理系统 |
| 6.1 数字图像交易管理系统架构 |
| 6.1.1 数字图像交易管理系统整体架构 |
| 6.1.2 数字图像交易管理Web服务子系统架构 |
| 6.1.3 区块链数字图像交易管理子系统架构 |
| 6.2 基于水印和区块链技术的数字图像交易管理系统设计 |
| 6.2.1 数字图像交易管理Web服务子系统功能设计 |
| 6.2.2 区块链数字图像交易管理子系统功能设计 |
| 6.3 数字图像交易管理系统的主要管理模型 |
| 6.3.1 数据图像交易管理系统的数字图像交易管理模型 |
| 6.3.2 数字图像交易管理系统的数据安全保护管理模型 |
| 6.3.3 数字图像交易管理系统的版权保护管理模型 |
| 6.3.4 数字图像交易管理系统的智能合约管理模型 |
| 6.3.5 数字图像交易管理系统中个性化推荐管理模型 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 主要结论和创新 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 个人简介及攻读学位期间取得的研究成果 |
（3）基于离散小波变换和奇异值分解的数字水印改进算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究历史与现状 |
| 1.3 论文主要内容及结构 |
| 第二章 相关理论知识 |
| 2.1 数字水印技术 |
| 2.1.1 数字水印系统 |
| 2.1.2 数字水印算法 |
| 2.1.3 评价指标 |
| 2.2 小波变换 |
| 2.2.1 连续小波变换 |
| 2.2.2 离散小波变换 |
| 2.2.3 图像小波变换分析 |
| 2.3 数字图像置乱处理 |
| 2.3.1 Logistic混沌置乱 |
| 2.3.2 Arnold变换置乱 |
| 2.4 奇异值分解 |
| 2.4.1 奇异值分解定义 |
| 2.4.2 奇异值分解性质 |
| 2.4.3 奇异值分解应用 |
| 2.5 人类视觉感知模型 |
| 2.5.1 人类视觉模型 |
| 2.5.2 人类视觉系统特性 |
| 第三章 基于分块小波域的动态数字水印算法 |
| 3.1 水印鲁棒性评价 |
| 3.2 图像子块嵌入量确定 |
| 3.3 嵌入强度因子计算 |
| 3.4 基于分块小波域的动态数字水印算法描述 |
| 3.4.1 水印预处理 |
| 3.4.2 水印嵌入过程 |
| 3.4.3 水印提取过程 |
| 3.5 实验结果与分析 |
| 3.5.1 算法鲁棒性评价 |
| 3.5.2 实验设计 |
| 3.5.3 实验结果对比 |
| 3.6 本章小结 |
| 第四章 基于DWT-SVD的盲水印算法 |
| 4.1 SVD奇异向量稳定性 |
| 4.2 基于DWT-SVD的盲水印算法描述 |
| 4.2.1 Arnold置乱水印预处理 |
| 4.2.2 水印嵌入过程 |
| 4.2.3 水印提取过程 |
| 4.3 算法性能分析 |
| 4.4 实验结果及分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间成果 |
（4）基于轮廓波变换和级联神经网络的数字水印算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 主要研究内容与结构框架安排 |
| 第2章 相关理论 |
| 2.1 数字水印技术概述 |
| 2.1.1 数字水印技术基本原理 |
| 2.1.2 数字水印的特性 |
| 2.2 数字图像水印性能的评估 |
| 2.2.1 数字水印的攻击方式 |
| 2.2.2 数字水印的性能评价标准 |
| 2.3 变换域技术原理 |
| 2.3.1 离散傅里叶变换 |
| 2.3.2 离散余弦变换 |
| 2.3.3 离散小波变换 |
| 2.3.4 轮廓波变换 |
| 2.4 本章小结 |
| 第3章 级联神经网络模型的构建 |
| 3.1 神经网络及其数字水印应用 |
| 3.1.1 神经网络的特性 |
| 3.1.2 神经网络与数字水印 |
| 3.2 RBF神经网络和Hopfield神经网络 |
| 3.2.1 RBF神经网络 |
| 3.2.2 Hopfield神经网络 |
| 3.3 级联神经网络的构建 |
| 3.3.1 基于RBF和Hopfield的级联神经网络的构建 |
| 3.3.2 级联神经网络的学习 |
| 3.3.3 混合参数分析及稳态性分析 |
| 3.4 实验与验证 |
| 3.5 本章小结 |
| 第4章 基于轮廓波变换和级联神经网络的算法 |
| 4.1 水印的生成 |
| 4.2 水印的嵌入 |
| 4.3 水印的提取 |
| 4.4 本章小结 |
| 第5章 实验对比与结果分析 |
| 5.1 实验设计 |
| 5.2 嵌入算法实验 |
| 5.3 提取算法实验 |
| 5.4 本章小结 |
| 第6章 结论 |
| 6.1 全文总结 |
| 6.2 主要创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（5）基于张量的彩色图像零水印技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 第一节 课题研究背景及意义 |
| 1.1.1 信息隐藏技术发展简史 |
| 1.1.2 数字零水印技术的背景及意义 |
| 第二节 国内外研究现状 |
| 1.2.1 数字水印技术 |
| 1.2.2 数字零水印技术 |
| 1.2.3 基于彩色图像的数字零水印算法 |
| 第三节 本文主要工作和结构安排 |
| 第二章 论文相关知识储备 |
| 第一节 数字零水印技术 |
| 2.1.1 零水印技术的基本原理 |
| 2.1.2 零水印算法的简单分类 |
| 2.1.3 零水印算法性能的检测 |
| 第二节 张量及张量展开 |
| 2.2.1 张量的概念 |
| 2.2.2 张量的矩阵展开 |
| 第三节 奇异值分解(singular value decomposition,SVD) |
| 2.3.1 奇异值分解的概念及应用 |
| 2.3.2 奇异值分解的延伸——高阶奇异值分解 |
| 第四节 离散余弦变换(Discrete cosine transformation,DCT) |
| 2.4.1 离散余弦变换的导入——离散傅里叶变换 |
| 2.4.2 离散余弦变换的相关理论 |
| 第三章 基于张量的相关研究 |
| 第一节 序言 |
| 第二节 张量和稀疏编码的组合 |
| 第三节 基于张量正则化框架的去噪算法 |
| 第四节 张量在图像分类中的应用 |
| 第五节 小结 |
| 第四章 基于张量及张量展开的彩色图像零水印算法 |
| 第一节 序言 |
| 第二节 载体图像特征数据的提取 |
| 第三节 零水印的构造 |
| 第四节 零水印的提取 |
| 第五节 实验环境及结果 |
| 4.5.1 实验平台及实验用图 |
| 4.5.2 算法唯一性的检测 |
| 4.5.3 算法鲁棒性的检测 |
| 第六节 对比实验 |
| 第五章 总结与展望 |
| 第一节 总结 |
| 第二节 未来展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（6）针对复杂版面文档的抗打印扫描数字水印研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 主要研究内容与贡献 |
| 1.3 论文组织结构 |
| 2 数字水印技术与图文分割 |
| 2.1 数字水印综述 |
| 2.1.1 数字水印的概念 |
| 2.1.2 数字水印的特征及应用 |
| 2.1.3 数字水印的分类 |
| 2.1.4 数字水印的攻击种类 |
| 2.2 数字水印的基本模型 |
| 2.2.1 水印的生成 |
| 2.2.2 水印的嵌入 |
| 2.2.3 水印的提取 |
| 2.3 数字水印性能评价 |
| 2.4 打印扫描过程影响 |
| 2.4.1 打印过程对图像的影响 |
| 2.4.2 扫描过程对图像的影响 |
| 2.5 抗打印扫描数字水印技术研究现状 |
| 2.5.1 文本水印技术研究现状 |
| 2.5.2 图片水印技术研究现状 |
| 2.6 图文分割技术 |
| 2.6.1 图像分割技术概述 |
| 2.6.2 图文分割技术研究现状 |
| 2.7 本章小结 |
| 3 针对印刷文本的大容量数字水印技术 |
| 3.1 相关理论 |
| 3.1.1 打印扫描不变量 |
| 3.1.2 傅里叶描述子 |
| 3.1.3 二次量化函数 |
| 3.1.4 二维码 |
| 3.2 文本水印算法模型 |
| 3.2.1 水印嵌入流程 |
| 3.2.2 水印提取流程 |
| 3.2.3 像素翻转策略 |
| 3.3 实验结果及分析 |
| 3.3.1 水印视觉效果 |
| 3.3.2 水印容量及鲁棒性 |
| 3.3.3 现有方案比较 |
| 3.4 本章小结 |
| 4 基于DWT的抗打印扫描图片数字水印技术 |
| 4.1 相关理论 |
| 4.1.1 图像置乱 |
| 4.1.2 小波变换 |
| 4.2 打印扫描对小波系数影响 |
| 4.3 图像水印算法模型 |
| 4.3.1 水印嵌入流程 |
| 4.3.2 水印提取流程 |
| 4.4 实验结果及分析 |
| 4.4.1 水印视觉效果 |
| 4.4.2 水印鲁棒性 |
| 4.5 本章小结 |
| 5 基于图文分割的复杂版面文档数字水印技术 |
| 5.1 相关理论 |
| 5.1.1 连通域理论 |
| 5.1.2 连通域标记算法 |
| 5.2 基于图文分割的水印算法模型 |
| 5.2.1 架构整体流程 |
| 5.3 实验结果及分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 来研究方向展望 |
| 参考文献 |
| 研究生期间个人研究成果 |
| 研究生期间完成和参与项目 |
（7）多重数字水印算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 数字水印加密国内外现状 |
| 1.2.2 数字水印嵌入与提取国内外现状 |
| 1.3 课题主要研究内容和结构安排 |
| 第2章 基于相似度和置乱度的水印预处理算法设计 |
| 2.1 水印图像置乱算法 |
| 2.1.1 Zigzag置乱算法 |
| 2.1.2 Logistic映射置乱算法 |
| 2.1.3 Arnold置乱算法 |
| 2.2 基于低相似度的水印置乱算法设计 |
| 2.3 基于高置乱度的水印置乱算法设计 |
| 2.4 仿真结果及其分析 |
| 2.4.1 峰值信噪比 |
| 2.4.2 置乱度量分析 |
| 2.4.3 仿真结果及其分析 |
| 2.5 本章小结 |
| 第3章 基于空域和DCT域的多重数字水印算法研究 |
| 3.1 离散余弦变换 |
| 3.2 多重盲数字水印算法设计 |
| 3.2.1 图像的RGB分解 |
| 3.2.2 水印嵌入算法设计 |
| 3.2.3 水印提取算法设计 |
| 3.3 仿真分析 |
| 3.3.1 归一化互相关系数 |
| 3.3.2 仿真结果及分析 |
| 3.4 本章小结 |
| 第4章 基于空域和小波域的多重数字水印算法研究 |
| 4.1 离散小波变换 |
| 4.2 基于小波域的多重数字水印算法设计 |
| 4.2.1 彩色空间图像的YIQ分解 |
| 4.2.2 基于YIQ彩色空间的多重水印嵌入算法设计 |
| 4.2.3 基于YIQ彩色空间的多重水印提取算法设计 |
| 4.3 仿真分析 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士期间发表的论文和取得的科研成果 |
| 致谢 |
（8）数字图像的鲁棒性水印方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 数字图像水印技术简介 |
| 1.2.1 脆弱水印及应用 |
| 1.2.2 半脆弱水印及应用 |
| 1.2.3 鲁棒水印及应用 |
| 1.3 数字图像水印技术的关键评价指标 |
| 1.3.1 水印方法的嵌入容量及评价方法 |
| 1.3.2 水印方法的不可感知性及评价方法 |
| 1.3.3 水印方法的鲁棒性及评价方法 |
| 1.4 数字图像水印技术的发展现状和趋势 |
| 1.5 本文的研究思路和主要创新点 |
| 1.6 本文组织结构 |
| 2 数字图像鲁棒水印方法的相关理论 |
| 2.1 空域水印相关理论 |
| 2.1.1 像素最低有效位 |
| 2.1.2 像素直方图 |
| 2.1.3 图像信息的周期性与相关性 |
| 2.2 变换域水印相关理论 |
| 2.2.1 离散余弦变换 |
| 2.2.2 离散小波变换与整数小波变换 |
| 2.2.3 奇异值分解 |
| 2.3 压缩域水印相关理论 |
| 2.3.1 块截断编码压缩 |
| 2.3.2 矢量量化压缩 |
| 2.3.3 图像JPEG压缩 |
| 3 基于噪声模板与IWT-DCT的数字图像水印方法研究 |
| 3.1 引言 |
| 3.2 相关知识介绍 |
| 3.2.1 噪声模板方法 |
| 3.2.2 信号的相关性 |
| 3.3 基于噪声模板与IWT-DCT的水印方案 |
| 3.3.1 基于噪声模板的水印方案 |
| 3.3.2 基于IWT-DCT的水印方案 |
| 3.4 实验结果及分析 |
| 3.4.1 噪声模板水印方案鲁棒性测试 |
| 3.4.2 噪声模板水印与IWT-DCT水印联合方案的鲁棒性测试 |
| 3.5 本章小结 |
| 4 基于直方图移位的BTC域图像无损可逆水印方法 |
| 4.1 引言 |
| 4.2 块截断编码 |
| 4.3 直方图移位算法 |
| 4.4 可视密码技术 |
| 4.5 基于直方图移位的BTC域的图像水印方法 |
| 4.5.1 传统的基于BTC压缩的无损水印嵌入方法及改进 |
| 4.5.2 提出的用于BTC压缩域图像的无损水印嵌入方法 |
| 4.6 实验结果及分析 |
| 4.6.1 算法实现与结果展示 |
| 4.6.2 算法的篡改鲁棒性测试 |
| 4.7 本章小结 |
| 5 基于直方图的低频构建鲁棒性水印方法研究 |
| 5.1 引言 |
| 5.2 直方图相邻组距元素调整嵌入方案 |
| 5.2.1 直方图相邻组距元素调整嵌入方案 |
| 5.2.2 改进的非盲提取直方图组距调整方案 |
| 5.2.3 改进的盲提取直方图组距调整方案 |
| 5.3 图像低频特征构建方法 |
| 5.4 基于直方图元素调整的低频构建鲁棒性水印方法 |
| 5.4.1 改进的非盲提取水印方案 |
| 5.4.2 改进的盲提取水印方案 |
| 5.5 实验结果及分析 |
| 5.5.1 针对JPEG压缩攻击的测试实验 |
| 5.5.2 算法参数调整对JPEG压缩攻击的抵抗效果实验 |
| 5.5.3 针对旋转缩放以及高斯噪声的攻击测试实验 |
| 5.5.4 针对移动互联网应用对图像的攻击测试实验 |
| 5.6 本章小结 |
| 6 基于快速高质量码书的矢量量化压缩域图像水印方法研究 |
| 6.1 引言 |
| 6.2 粒子群优化与矢量聚类 |
| 6.3 基于快速高质量码书的矢量量化压缩域图像水印方法 |
| 6.3.1 用于图像的快速高质量码书生成方案 |
| 6.3.2 基于快速高质量码书生成方法的矢量量化压缩域图像水印方法 |
| 6.4 实验结果及分析 |
| 6.4.1 码书质量与性能测试实验 |
| 6.4.2 基于快速高质量码书的矢量量化压缩域数字水印效果实验 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 研究总结 |
| 7.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间主要研究成果 |
（9）基于变换域及优化策略的鲁棒性数字水印算法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 数字水印基础知识 |
| 1.2.1 数字水印算法流程 |
| 1.2.2 系统性能评价指标 |
| 1.3 国内外研究概况 |
| 1.4 主要工作及章节安排 |
| 第2章 水印技术相关数学基础 |
| 2.1 离散小波变换 |
| 2.2 提升小波变换 |
| 2.3 离散余弦变换 |
| 2.4 奇异值分解 |
| 2.4.1 定义及特性 |
| 2.4.2 假阳性问题及解决方法 |
| 2.5 图像加密技术 |
| 2.5.1 Arnold变换 |
| 2.5.2 Logistic映射 |
| 2.6 粒子群优化算法 |
| 2.7 本章小结 |
| 第3章 基于多变换域和粒子群优化算法的数字水印算法 |
| 3.1 预备知识 |
| 3.1.1 离散分数角度变换 |
| 3.1.2 离散分数角度变换的改进 |
| 3.1.3 粒子群优化算法的参数设置 |
| 3.2 基于多变换域和粒子群优化算法的数字水印算法 |
| 3.2.1 数字水印嵌入算法 |
| 3.2.2 数字水印提取算法 |
| 3.3 数字水印方案设计原理分析 |
| 3.4 实验结果及性能分析 |
| 3.4.1 不可见性测试 |
| 3.4.2 安全性测试 |
| 3.4.3 鲁棒性测试 |
| 3.4.4 粒子群优化算法性能分析 |
| 3.4.5 对比实验分析 |
| 3.4.6 运行效率 |
| 3.5 本章小节 |
| 第4章 基于SVD子块最佳选择策略的自适应盲水印算法 |
| 4.1 基于奇异值分解的相关算法介绍 |
| 4.2 相关问题及优化方案 |
| 4.3 算法流程 |
| 4.3.1 水印嵌入算法 |
| 4.3.2 水印提取算法 |
| 4.4 实验结果与讨论 |
| 4.4.1 不可见性测试 |
| 4.4.2 鲁棒性测试 |
| 4.4.3 对比实验分析 |
| 4.4.4 运行效率 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（10）基于变换域的鲁棒性水印算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第2章 数字水印技术与相关理论知识 |
| 2.1 数字水印系统的基本概念 |
| 2.2 数字水印的分类与特性 |
| 2.2.1 数字水印的分类 |
| 2.2.2 数字水印的特性 |
| 2.3 数字水印的攻击类型与评价标准 |
| 2.3.1 数字水印的攻击类型 |
| 2.3.2 数字水印的评价标准 |
| 2.4 遗传算法 |
| 2.4.1 遗传算法的基本概念 |
| 2.4.2 遗传算法的基本操作 |
| 2.4.3 遗传算法在数字图像水印中的应用 |
| 2.5 人类视觉与色彩空间 |
| 2.5.1 人类视觉系统HVS |
| 2.5.2 色彩空间 |
| 2.5.3 色彩空间转换实验效果 |
| 2.6 本章小结 |
| 第3章 基于DCT变换的数字水印 |
| 3.1 余弦变换及系数分析 |
| 3.2 图像置乱加密 |
| 3.2.1 二维Arnold变换 |
| 3.2.2 二维Arnold置乱实验效果 |
| 3.2.3 三维Arnold变换 |
| 3.2.4 三维Arnold置乱实验效果 |
| 3.2.5 Logistic混沌置乱 |
| 3.2.6 Logistic混沌置乱实验效果 |
| 3.3 基于DCT多数投票选择的水印算法 |
| 3.3.1 水印图像的选择与预处理 |
| 3.3.2 宿主图像的选择与预处理 |
| 3.3.3 水印嵌入步骤 |
| 3.3.4 水印提取步骤 |
| 3.4 基于遗传算法与DCT结合的水印算法 |
| 3.4.1 遗传算法应用思想 |
| 3.4.2 水印的嵌入与提取步骤 |
| 3.5 本章小结 |
| 第4章 基于DWT变换的数字水印 |
| 4.1 小波变换 |
| 4.1.1 连续小波变换 |
| 4.1.2 离散小波变换 |
| 4.1.3 Mallat算法 |
| 4.1.4 小波基函数 |
| 4.1.5 小波域数字水印 |
| 4.2 SVD奇异矩阵分解 |
| 4.2.1 奇异值分解的定义 |
| 4.2.2 奇异值分解的性质 |
| 4.2.3 奇异值分解图像水印中的应用 |
| 4.2.4 实验效果 |
| 4.3 基于HSI色彩空间与遗传算法结合的数字水印 |
| 4.3.1 水印图像的选择与预处理 |
| 4.3.2 小波域的变量选择 |
| 4.3.3 水印嵌入强度 |
| 4.3.4 水印嵌入步骤 |
| 4.4 基于SVD矩阵分析的盲水印算法 |
| 4.4.1 盲水印嵌入步骤 |
| 4.4.2 盲水印提取步骤 |
| 4.5 本章小节 |
| 第5章 实验结果对比分析 |
| 5.1 基于DCT多数投票与传统DCT域关系算法对比 |
| 5.2 基于遗传算法与多数投票结合与多数投票算法对比 |
| 5.3 基于HSI色彩空间与RGB色彩空间算法对比 |
| 5.4 基于SVD矩阵分析与传统量化盲水印算法对比 |
| 5.5 本章小节 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术成果 |
| 致谢 |
四、基于二维离散小波变换的数字图像水印方案（论文参考文献）
- [1]容量扩增的彩色二维码实现及在数字图像水印中的应用[D]. 娄鑫杰. 哈尔滨工业大学, 2021
- [2]基于水印和区块链技术的数字图像交易管理研究[D]. 赵彦霞. 河北大学, 2021
- [3]基于离散小波变换和奇异值分解的数字水印改进算法研究[D]. 高媛. 安徽建筑大学, 2021(08)
- [4]基于轮廓波变换和级联神经网络的数字水印算法研究[D]. 杨帆. 南昌大学, 2020(01)
- [5]基于张量的彩色图像零水印技术研究[D]. 蒋飞凤. 南开大学, 2020(03)
- [6]针对复杂版面文档的抗打印扫描数字水印研究[D]. 田小波. 浙江大学, 2020(02)
- [7]多重数字水印算法研究[D]. 王强. 哈尔滨工程大学, 2020(05)
- [8]数字图像的鲁棒性水印方法研究[D]. 范航宇. 浙江大学, 2019(02)
- [9]基于变换域及优化策略的鲁棒性数字水印算法[D]. 罗岸伟. 南昌大学, 2019(02)
- [10]基于变换域的鲁棒性水印算法研究[D]. 宋瑞祥. 北京工业大学, 2019(03)