基于廣義高斯分布模型的小波域盲水印算法.pdf

1、目前大多數(shù)水印算法采用線性相關(guān)的方法檢測(cè)水印，但是，當(dāng)原始媒體信號(hào)不服從高斯分布，或者水印不是以加性嵌入方式嵌入到待保護(hù)的媒體對(duì)象中時(shí)，該方法存在一定的問題。數(shù)字水印的不可感知性決定了水印檢測(cè)是一個(gè)弱信號(hào)的檢測(cè)問題，利用這一特性，本文從圖像小波變換細(xì)節(jié)分量的統(tǒng)計(jì)特性出發(fā)，應(yīng)用廣義高斯分布來建立其統(tǒng)計(jì)分布模型，并用最小化相對(duì)熵原理對(duì)廣義高斯分布的兩個(gè)參數(shù)進(jìn)行建模。 本文還提出了兩種數(shù)字水印嵌入方案。第一種方案在Cox提出的乘性嵌入

2、方式的基礎(chǔ)上，提出了一種對(duì)于不同的圖像，可以選擇不同的嵌入強(qiáng)度因子和修改系數(shù)的非自適應(yīng)乘性嵌入方式；第二種方案結(jié)合小波變換域人類視覺系統(tǒng)模型，給出了水印嵌入位置和嵌入強(qiáng)度的計(jì)算方法，提出了一種由嵌入位置和嵌入強(qiáng)度決定的魯棒性自適應(yīng)乘性嵌入算法。然后探討了基于廣義高斯分布模型的乘性隱藏盲水印檢測(cè)器，分析了乘性隱藏盲水印檢測(cè)器的檢測(cè)門限，利用最小二乘法原理提出了一種門限值的計(jì)算方法。 圍繞數(shù)字水印的魯棒性問題，本文對(duì)四副標(biāo)準(zhǔn)灰度圖像