基于区域性构建支持向量机模型的空域水印算法-论文.pdf

《基于区域性构建支持向量机模型的空域水印算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2014年第O2期基于区域性构建支持向量机模型的空域水印算法晁沛，周亚建(北京邮电大学计算机学院，北京100876)摘要：为提高基于机器学习的数字水印算法的鲁棒性与不可感知性，根据支持向量机在有限训练样本的情况下具有很好的学习和泛化能力，图像的不同区域邻域像素与中心像素的关系紧密程度不同，文章提出一种基于区域性构建支持向量机模型与Arnold变换相结合的空域水印算法。利用不同区域的邻域像素与中心像素的不同关系紧密程度构建不同区域，从而构建不同的支持向量机模型，并通过水印的Arnold变换预处理实现水印的随机嵌入和提取操作。实验证明，该算法在剪切攻击、椒盐攻击、对比度增强方面相

2、对其他基于机器学习的水印算法有良好的改善，并具有良好的不可感知·}生。关键词：空域水印；区域性；支持向量机；Arnold变换中图分类号：TP309文献标识码：A文章编号：1671—1122(2014)02—0032—05ASpatialDomainDigitalWatermarkingAlgorithmbaseonRegionalSupportVectorMachineModelCHA0Pei．ZHOUYa—jian(ComputerCollege,Beij'ingUniversofPostsandTelecommunications，Beijing100876，China)

3、Abstract：Inordertoimprovetherobustnessandimperceptibilityofdigitalwatermarkingbasedonmachinelearning，consideringthegoodlearningabilityandgeneralizationabilityofSupportVecorMachine(SVM)withlimitedtrainingsamples，anddiferentrelationshipbetweenthecenterpixelandneighborhoodpixelsindiferentareas

4、，anewspatialdigitalimagewatermarkingbasedonregionalSVMmodelisproposed，whichembedthewatermarkingbasedonArnoldtransform．Duetothediferentdegreesofreleationshipbetweenthecenterpixelandneighborhoodpixels．diferentkindofareasarebuilt．SVMmodelisbuiltineverybndofarea．andthenwatermarkinggeneratedbyAr

5、noldtransformisembeddedandextracted．Experimentsshowedthattheproposedschemehadgoodimperceptibilityandbetterrobustnessagainstseveralattacksthisalgorithmatacks，suchascuting，pepper&salt，contrastenhancementmadSOon，thanotherwatermarkingalgorithmbasedonmachinelearning．Keywords：spatialdomaindigital

6、watermarking；regional；supportvecormachine(SVM)；Arnoldtransform0引言互联网的迅速发展和多媒体的广泛应用给我们的生活带来了便利，多媒体信息拥有低成本、传播方便、易复制等将的同时，也极易被非法篡改或恶意传播，如何保证多媒体信息的版权问题成为业内关注的话题it,z]。数字水印是保护多媒体信息版权的一种有效方式，根据数字水印嵌入区域，分为空域水印和频域水印，相对频域水印，空域水印由于其算法时间复杂度低、水印容量大、抵抗几何变换能力强等特，得到广泛应用。Bas等人[3提出一种基于图像特征点的数字水印算法。薛灰等人I4提出了一

7、种基于邻域像素点的水印算法，但由于嵌入位置随机、仅仅依赖与临界像素点的对比，嵌入的水印容量太低，抗几何攻击能力太差。为了进一步提高鲁棒性，人们尝试引入了基于机器学习的数字水印方法。卢正鼎等人[51提出一种基于回归型支持向量机(SVR)的水印技术，采用随机点邻域像素点构建训练模型，但其嵌入强度单一，不可感知性差，复杂图像的鲁棒性并不理想。王向阳等人砸提出用随机点的邻域像素点的和与方差作为训练样●收稿日期：2013—08—10基金项目：国家自然科学基金161003284]、新闻出版重大科技工程[GXTC—C