删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于二元Weibull分布的非下采样Shearlet域图像水印算法

本站小编 Free考研考试/2022-01-01

牛盼盼1,2,王向阳1,杨思宇1,文涛涛1,杨红颖1
1(辽宁师范大学计算机与信息技术学院 辽宁大连 116029);2(大连理工大学电子信息与电气工程学部 辽宁大连 116023) (niupanpan3333@163.com)
出版日期: 2019-07-01


基金资助:国家自然科学基金项目(61472171,61701212);中国博士后科学基金项目(2017M621135,2018T110220);大连市高层次人才创新支持计划项目(2017RQ055)

A Blind Watermark Decoder in Nonsubsampled Shearlet Domain Using Bivariate Weibull Distribution

Niu Panpan1,2, Wang Xiangyang1, Yang Siyu1, Wen Taotao1, Yang Hongying1
1(School of Computer and Information Technology, Liaoning Normal University, Dalian, Liaoning 116029);2(Faculty of Electronic Information and Electrical Engineering, Dalian University of Technology, Dalian, Liaoning 116023)
Online: 2019-07-01







摘要/Abstract


摘要: 不可感知性、鲁棒性、水印容量是衡量数字图像水印算法优劣的最重要指标,且三者存在固有的相互矛盾关系,可保持不可感知性、鲁棒性、水印容量之间良好平衡的图像水印方法研究是一项富有挑战性的工作.以非下采样Shearlet变换(nonsubsampled Shearlet transform, NSST)与二元Weibull分布理论为基础,提出了一种基于二元Weibull统计建模的非下采样Shearlet域数字图像水印算法.1)构造出基于非线性单调函数的自适应高阶水印嵌入强度函数;2)根据NSST域尺度间相关性,利用二元Weibull边缘分布对NSST域高熵块奇异值进行统计建模,并估计出二元Weibull统计模型参数;3)结合NSST域二元Weibull边缘分布模型与最大似然决策理论,构造出二元数字水印检测器并盲提取水印信息.仿真实验结果表明:该算法可以较好地获得不可感知性、鲁棒性、水印容量之间的良好平衡.






[1]程玉胜, 张露露, 王一宾, 裴根生. 特征特定标记关联挖掘的类属属性学习[J]. 计算机研究与发展, 2021, 58(1): 34-47.
[2]贾颖霞, 郎丛妍, 冯松鹤. 基于类别相关的领域自适应交通图像语义分割方法[J]. 计算机研究与发展, 2020, 57(4): 876-887.
[3]马毅,郭杏莉,孙宇彤,苑倩倩,任阳,段然,高琳. 基于HeteSim的疾病关联长非编码RNA预测[J]. 计算机研究与发展, 2019, 56(9): 1889-1896.
[4]张琪,胡宇鹏,嵇存,展鹏,李学庆. 边缘计算应用:传感数据异常实时检测算法[J]. 计算机研究与发展, 2018, 55(3): 524-536.
[5]刘奕群. 搜索引擎用户满意度评估[J]. 计算机研究与发展, 2017, 54(6): 1133-1143.
[6]张策,张霞,李鸥,王冲,张大龙. 基于CS的无线传感器网络动态分簇数据收集算法[J]. 计算机研究与发展, 2016, 53(9): 2000-2008.
[7]刘峤,钟云,刘瑶,吴祖峰,秦志光. 基于语义一致性的集成实体链接算法[J]. 计算机研究与发展, 2016, 53(8): 1696-1708.
[8]姜淑娟,韩寒,史娇娇,张艳梅,鞠小林,钱俊彦. 基于分支相关性分析的不可达路径检测方法[J]. 计算机研究与发展, 2016, 53(5): 1072-1085.
[9]王向阳,杨红颖,牛盼盼,王春鹏. 基于四元数指数矩的鲁棒彩色图像水印算法[J]. 计算机研究与发展, 2016, 53(3): 651-665.
[10]吴俊,刘胜蓝,冯林,于来行. 基于基元相关性描述子的图像检索[J]. 计算机研究与发展, 2016, 53(12): 2824-2835.
[11]杜之波,吴震,王敏,饶金涛. 针对SM4密码算法的多点联合能量分析攻击[J]. 计算机研究与发展, 2016, 53(10): 2224-2229.
[12]张博,郝杰, 马刚,岳金朋,张建华,史忠植. 混合概率典型相关性分析[J]. 计算机研究与发展, 2015, 52(7): 1463-1476.
[13]陈创,徐波,肖仰华,施佺,汪卫. 基于事务日志的社会网络抽取[J]. 计算机研究与发展, 2015, 52(11): 2508-2516.
[14]杨欣欣,黄少滨. 高阶异构数据层次联合聚类算法[J]. 计算机研究与发展, 2015, 52(1): 200-210.
[15]王宁, 李杰. 大数据环境下用于实体解析的两层相关性聚类方法[J]. 计算机研究与发展, 2014, 51(9): 2108-2116.





PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3965
相关话题/计算机 图像 数据 统计 网络