论文部分内容阅读
数字图像信息隐藏是近年来提出的一种有关数字图像信息安全的新问题，它主要研究数字图像的隐藏、数字水印、以及攻击和抗攻击等，其目的是对数字图像进行隐蔽传输和安全存储。对该选题的系统论述和推出新的算法，无论在理论还是应用都是十分有意义的。 数字图像水印是数字图像信息隐藏的一个重要方面。目前有关数字图像水印的研究发展迅速，活跃在世界各国的信息隐藏领域的专家都将目光集中到这一领域。本论文对最新的数字图像水印技术和相应的水印攻击问题进行了综述，并从理论基础及应用研究的角度出发，从以下几方面对数字图像水印技术进行了研究: 数字水印研究中一个重要问题是水印的不可视性与鲁棒性之间的折衷。对于实际应用而言，具有良好的检测性能非常重要。目前最常使用的检测方法是运用线性相关运算，本文利用最优估计理论，对水印嵌入强度因子的估计问题给出了理论分析。由于线性相关运算在图像数据服从Guassian分布时才具有最优性条件，因此，如果图像数据不服从Guassian分布，利用线性相关检测不会得到满意的结果。本文根据Weibull分布模型，利用矩估计理论对水印嵌入强度因子的估计问题给出了进一步的理论分析，利用此方法可以实现由De Rosa等利用似然比检验方法提出的水印检测器。 常用的水印嵌入规则有三种:加性嵌入、乘性嵌入以及基于融合技术的水印嵌入。在实际应用中到底该取哪一种嵌入规则人们往往凭经验。本文在信息论的框架下，将数字水印嵌入过程看成是一个水印信道，以平均互信息量为工具分别研究这三种水印信道容量的估计值。通过分析和比较给出了在什么情况下使用哪种水印嵌入规则更好的结论，这对今后的研究有指导意义。 数字图像水印是将秘密信息嵌入到已经存在的图像数据中，而获得的隐秘图像允许对手去攻击、去破坏，尽管如此，被隐藏的秘密信息仍然存在而不丢失。本文提出了一类基于图像正交投影序列的盲数字图像水印方法，并着重针对其抵抗几何攻击的能力进行了研究。 自适应地选择水印的嵌入强度是一个十分重要和困难的问题。很多研究者试图利用人类视觉特性来决定水印的嵌入强度。本文提出了一种新的水印方法，此方法是基于神经网络分类技术的。算法的基本思想是，首先将原始图像分成互不重叠的子块，计算每一块的纹理特征，将得到的纹理特征作为神经网络的输入，而神经网络的输出是分类结果，不同强度的纹理特征与不同的类对应，不同的类对应不同的水印嵌入强度，从而达到提高数字水印鲁棒性的目的。 在说明上述各部分数学原理及应用的同时，本文还给出了大量的实验结果，通过实验证明本文所提出各种方法的有效性和可行性。