部分算法的瑕疵给出适当的改进建议.本文的结构如下:第1章为绪论.简单介绍数字水印技术的研究背景、应用及研究现状;第2章对数字水印技术中的常用技术离散小波变换[7]和奇异值分解[7]进行了全面的介绍,详细描述了它们的概念、算法和特点[8];第3章至第6章的每一章都介绍了一种文献中的算法,并对算法进行了仿真实验和简单的性质分析[9].第7章以表格列出了第3章至第6章的四种算法的仿真实验的结果,并对列出的参数进行了简单的对比.最后为结论,对本文中提到的四种算法的数据容量、隐蔽性、鲁棒性和安全性以及适用领域进行了分析和总结.第2章离散小波变换和奇异值分解的研究综述2.1引言在本章中,介绍了基于离散小波变换(DWT)和一种叫做奇异值分解的广泛用于分析信号处理应用像是数字水印,人脸识别,指纹识别等的数值技术.2.2离散小波变换1945年由Gabor提出了小波理论的基本思想,小波理论的基本思想是根据比例和时间来分析一个信号.傅立叶变换能识别信号中存在的所有频谱分量,但傅立叶变换的主要缺点是,它不提供相关组成部分的时间定位的任何信息.小波使我们能够在空间和时间域分解图像.二维的小波变换可以被表示为一个二维尺度函数和三个二维小波函数,,.一个尺寸的图像的离散小波变换定义为:(2-1)(2-2)其中,是一个任意值.在值域内定义了一个的低频系数,在值域内定义了水平,垂直和倾斜细节.在离散小波变换的帮助下,可以将图像分解为4个叫做低频子带的子带和属于三个不同位置的高频子带.低频子带包含了图像的均值信息和最大能量,而高频子带包含了图像的细节.相对高频子带代表最优尺度的小波系数,低频子带表示的是粗略等级的小波系数.为了得到更高的鲁棒性,在本文提出的水印方案中选择了低频子带,因为高频子带对图像处理操作没有表现出抵抗力.离散小波变换的主要特征源于在对数刻度上恒定带宽的频率信道中的图像的分解的多尺度的分析.
全文预览
