基于Contourlet变换的图像数字水印算法研究

来源 :贵州师范大学 | 被引量 : 0次 | 上传用户:dufuyan
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
数字水印技术作为信息安全领域的一个新的研究热点,已成为多媒体数据版权保护和内容认证的重要手段之一。近年来由于研究人员的关注和重视,产生了很多优秀的、成熟的水印算法,尤其是在图像版权保护领域。在研究图像数字水印算法的过程中,离散小波变换是使用颇多的算法,其原因主要在于它与JPEG图像压缩编码标准相互兼容,因而在抗压缩方面具有较强的鲁棒性。但是由于小波理论本身无法实现图像的精细分解,因而水印嵌入的区域选择比较有限,导致基于小波的水印算法的鲁棒性不强。针对基于小波变换的水印算法鲁棒性不强的问题,提出了一种基于Contourlet变换的图像数字水印算法。该算法中的Contourlet变换是一个由Laplacian金字塔分解变换和方向滤波器组共同构造出的双滤波器组结构,该滤波器组能够将图像分解成多个尺度上的低通子带图像和多个方向上的高频子带图像。将这一变换理论运用到数字水印的载体图像上,就可以分解出多处区域可供水印嵌入,从而能够很好的弥补小波变换存在的不足,使得水印算法具有较强的鲁棒性。本文的主要工作:(1)在水印嵌入之前对其进行了多种图像处理操作,主要包括灰度化处理、中值滤波处理、直方图均衡化、二值化、灰度加密、像素位置置乱加密等,从最大程度上保证了水印图像不被干扰并保证水印的安全。(2)提出了基于混沌序列的双因子加密算法,该算法是本文的重点研究内容之一。算法利用现代密码体制,使用两个混沌序列作为数字水印的加密密钥。将其中一个密钥用于水印灰度值加密,扰乱直方图统计信息,降低攻击者通过直方图统计方式完成对水印攻击的概率,从而为水印图像提供了第一层安全防护;将另外一个混沌序列的排序位置作为水印位置加密的密钥,进一步从视觉上以及位置上扰乱攻击者的视线,从而为水印图像提供了第二层破译防护。(3)原始载体图像预处理。为确保水印嵌入位置的安全性及载密图像的鲁棒性,本文将图像归一化技术中的不变质心理论运用到原始载体图像中,从而获取原始图像的归一化重要区域,也是水印信息将被嵌入的区域。(4)运用Contourlet变换方法对原始载体图像的归一化重要区域实施变换,以获取该区域的高频子带图像,并选取其中能量最大的子带作为水印的嵌入区域,然后利用一定的嵌入规则完成水印嵌入,最后使用Contourlet逆变换得到加密后的载密图像,从而完成了水印嵌入。(5)结合本文算法,自主设计并实现了相应的数字水印系统。该系统主要包括文件、图像处理、水印嵌入、水印提取以及攻击测试五大模块,几乎涵盖了本文算法涉及的所有图像处理功能。测试结果表明,该系统能够很好地实现本文算法,具有一定的应用价值。
其他文献
缓冲区溢出攻击是一种严重威胁到网络信息安全的“经久不衰”的网络攻击。它的出现已经严重地破坏了人们的网络生活,并且给企业和国家带来了巨大的经济损失。从目前来看,这种攻
近年来,随着计算机技术的发展和网络规模的扩大,系统遭受的入侵和攻击越来越多,网络与信息安全问题变得越来越突出。入侵检测系统(IDS)作为网络安全体系中的重要组成部分,已
由于XML具有简单性、易扩展性、互操作性、可重用性和开放性等特点,它在Web应用和企业应用中具有强大的优势,XML已经逐渐成为数据交换的标准。Web Services提供了一种面向服
计算机网络是计算机和通信技术密切结合的产物,是一种通过提供多种服务,以支持不同的应用需求的系统。随着计算机网络的迅速发展,各种新型网络技术和用户应用需求层出不穷,传统的
随着计算机技术的飞速发展,互联网广泛普及,互联网所包含的信息数量大幅增长,覆盖范围日益增大。而分布在网络上浩如烟海、纷繁复杂的数据多是数据模型差异很大的异构数据,并不是
安全是煤矿生产的重要保证,安全生产越来越突显其重要地位和作用。我国95%的煤矿是井工开采,受煤层地质赋存条件等客观因素的制约,煤矿各种灾害严重。瓦斯灾害始终是煤矿安全生产
近年来,随着无线通信技术和移动设备的快速发展,移动应用日益普及,移动计算成为新兴的研究领域。由于移动环境的特点,给移动环境下的数据管理带来了新的问题和挑战,同时,人们对访问
过去十年中,分布式对象技术得到了迅速发展并在制造、金融电信、保险和交通运输领域得到了广泛的应用。CORBA是一个分布式对象的应用架构规范,由于其独立于网络协议、独立于编
随着对武器装备检测与故障诊断的实时性和自动化需求的增加,远程测试和故障诊断有着广阔的应用前景,大量的试验参数需要采用更为先进的技术进行实时采集与综合分析,这对测试设备
聚类算法在数据分析,数据挖掘等许多地方有广泛的应用,该文探索了基于量子行为的微粒群优化算法(QPSO)的数据聚类及其在图像分割中的应用。首先,在分析K-Means聚类、PSO聚类