基于可逆信息隐藏免疫数字水印的研究论文

《基于可逆信息隐藏免疫数字水印的研究论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、重庆大学硕士学位论文中文摘要摘要免疫水印是近些年来在传统数字水印的框架基础上提出的算法模型，它不同于普通水印，最后得到的公布图像具有免疫性和自恢复性，并且可以对嵌入的自恢复信息进行加密处理，在版权保护、图像认证等方面有重要的应用价值。可逆水印是近十年来水印领域的一个热门研究方向，除了和传统水印一样具有嵌入信息的作用以外，还可以完整无误的恢复出原宿主图像，在医学、军事等精密图像领域有着重要的应用价值。本文结合两种水印算法的优点和各自的应用背景，提出了一个新的水印算法模型。这种模型既克服了可逆水印不具有免疫性和安全性较差的特点，

2、也使得免疫水印算法模型可以运用到医疗、军事等精密图像领域。本文的主要工作包括：l、提出了一种基于可逆信息隐藏的免疫数字水印算法模型。使用基于直方图的可逆信息隐藏技术将免疫数字水印产生的加密补偿码嵌入到图像之中，提出将加密补偿码转换成为二进制流形式，采用无损压缩的方式缩减其长度，使得其可以被嵌入到水印图像中。并使用可逆水印提取技术，让最终得到的恢复图像和原始图像没有差异，达到了准确恢复的效果。2、分别在普通图像域和小波域上阐述了两种具体的算法模型。详细说明了两种不同形式下的水印嵌入过程以及图像恢复步骤，分别说明了普通图像域和小

3、波图像域上嵌入深度的控制因子的含义，并阐述了在峰值信噪比(PSNR)的数值上免疫数字水印和传统数字水印的不同。说明了为什么可逆信息隐藏技术可以运用于免疫水印的框架中。3、通过大量的实验数据比较了免疫水印和传统水印的区别，并且从实验的角度阐述了控制因子的选择，分析了免疫水印的安全性。本文采用具有不同特点的图像来测试所提出算法的最终效果，通过峰值信噪比来确定控制因子的选择，对于免疫水印中的阈值进行了简要的阐述，并最终分析了攻击者如果进行强行恢复所得出的图像效果。关键词：免疫水印，可逆信息隐藏，控制因子，直方图平移，版权保护ABS

4、TRACTImmuIlewateml“kiIlgisanewwaterm舐bngmuneworkb嬲edontraditionalwate衄拍ng妇neworkproposedinrecentyears．Di位rent舶mt11eordiIlaryw曲∞[Iladdng，tlleiIIl：m吼ewaterIIl缸虹nghaSimmuI】丘够andself-recoVeryf．eamres．TheselfrecoVerinfomationcaIlbeencrypteda11dtllenembeddedinmeimage．The

5、irIⅡ11衄ewa

6、te咖砌(iIlgtecllnologycallbe谢delyuSedincop蜘出protection，iInagecertificationarldotherfields．Reversiblewatenll打I(ingisahotresearChareai11melaSttenyears．ncannotoIllygettllewatennarksbutalsorecoVertlleexactlyoriginalimage．nis丽delyllsediIlmedical，militaryaIldotl

7、leraccurateimageareaS．Tbisthesiscombinestllemeritsoftheset、vowaten】响rbngalgoritllmstoproposeanewwatemlarkaJgori血mmodel．Tllismodelovercomest11edr剐泊aCkofmereversiblewatemarkingthatitdoesnothaveimm垤i够andstrongsecllri够Attlles锄etiIne，mismodeensurest11attlleimmunemodelwa

8、te衄ar虹ngalgoritllmcanbeuSedinprecisionimageareaSsuchaSmedical，milita哆Them旬orworkoftllistllesisincludes：1．IIltllis让lesis，anewimmⅦ1ewatermarl出lgalgorithmmodelcombiIlingbomimmuneaJgorinuna11dreversiblei珂bmationllidingisproposed．Theauthorusesreversiblei幽nllationmdiIlgb

9、aSedon11istogr锄sbjRtecllllologytoerrIbedt11eenc聊tedcornpensationcodeintomeimage．Atthesametime，theauthoruseslosslesscompressionalgorimmtoreducemel