文献类型：期刊文章

作　　者：吴一全[1,2] 史骏鹏[1]

机构地区：[1]南京航空航天大学电子信息工程学院,江苏南京210016 [2]南京理工大学江苏省社会安全图像与视频理解重点实验室,江苏南京210094

出　　处：《光电子．激光》

基　　金：国家自然科学基金(60872065);江苏省社会安全图像与视频理解重点实验室(南京理工大学)开放基金(JSKL201302);江苏高校优势学科建设工程资助项目

年　　份：2014

卷　　号：25

期　　号：11

起止页码：2170-2177

语　　种：中文

收录情况：BDHX、BDHX2011、CAS、CSCD、CSCD2013_2014、EI(收录号：20145000326189)、IC、JST、RCCSE、SCOPUS、核心刊

摘　　要：为了进一步提高基于支持向量机(SVM)水印算法的鲁棒性,提出了一种基于复Contourlet域的SVM和Krawtchouk矩的双水印算法。首先从RGB宿主图像中提取B分量和G分量,并且充分利用Krawtchouk矩不变量的平移、旋转、缩放不变性和Krawtchouk矩良好的局部重构特性,计算B分量图像的Krawtchouk低阶矩不变量,由此构造鲁棒水印;然后对G分量图像进行两级复Contourlet分解,在其低频分量中,利用SVM建立图像尺度内的局部相关性训练模型,并根据预测结果自适应地实现数字水印图像的嵌入和提取。大量实验结果表明,本文算法不仅具有较好的不可感知性,而且对中值滤波、加性噪声和JPEG压缩之类的常规图像处理,以及缩放、旋转和剪切等几何攻击,均具有较好的鲁棒性能,其性能优于基于小波域的SVM和基于Contourlet域的SVM水印算法。

关 键 词：数字水印  复Contourlet变换  支持向量机(SVM)  KRAWTCHOUK矩 双水印

分 类 号：TN911.73] TP391.41]