计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2014年
11期
212-215
,共4页
数字水印%支持向量机%奇异值分解%奇偶量化
數字水印%支持嚮量機%奇異值分解%奇偶量化
수자수인%지지향량궤%기이치분해%기우양화
Digital watermarking%Support vector machine%Singular value decomposition%Odd-even quantization
为进一步提高水印算法的抗攻击性能,提出了基于支持向量机(Support Vector Machine,SVM)与奇异值分解(Singular Value Decomposition,SVD)的盲水印算法.首先对宿主图像进行DWT变换,将低频子带分成互不重叠的子块;然后利用SVM建立子块的局部相关性模型,根据模型预测结果与对应位置的低频系数值的大小关系产生特征序列,该序列与水印进行异或运算产生特征水印序列,将特征水印序列通过奇偶量化规则嵌入原始图像小波低频子带对应子块的最大奇异值.实验结果表明,该算法不仅具有较好的不可感知性,而且具有较强的抗攻击能力.
為進一步提高水印算法的抗攻擊性能,提齣瞭基于支持嚮量機(Support Vector Machine,SVM)與奇異值分解(Singular Value Decomposition,SVD)的盲水印算法.首先對宿主圖像進行DWT變換,將低頻子帶分成互不重疊的子塊;然後利用SVM建立子塊的跼部相關性模型,根據模型預測結果與對應位置的低頻繫數值的大小關繫產生特徵序列,該序列與水印進行異或運算產生特徵水印序列,將特徵水印序列通過奇偶量化規則嵌入原始圖像小波低頻子帶對應子塊的最大奇異值.實驗結果錶明,該算法不僅具有較好的不可感知性,而且具有較彊的抗攻擊能力.
위진일보제고수인산법적항공격성능,제출료기우지지향량궤(Support Vector Machine,SVM)여기이치분해(Singular Value Decomposition,SVD)적맹수인산법.수선대숙주도상진행DWT변환,장저빈자대분성호불중첩적자괴;연후이용SVM건립자괴적국부상관성모형,근거모형예측결과여대응위치적저빈계수치적대소관계산생특정서렬,해서렬여수인진행이혹운산산생특정수인서렬,장특정수인서렬통과기우양화규칙감입원시도상소파저빈자대대응자괴적최대기이치.실험결과표명,해산법불부구유교호적불가감지성,이차구유교강적항공격능력.
