基于视觉特性的半色调图像水印算法

吉林大学学报(工学版)

基于视觉特性的半色调图像水印算法

郑海红¹，王义峰¹，曾平¹，孔月萍^1,2，徐培培¹

1.西安电子科技大学计算机学院，西安 710071； 2.西安建筑科技大学信息与控制工程学院，西安 710055

收稿日期:2005-09-26 修回日期:2005-03-18 出版日期:2006-09-01 发布日期:2006-09-01
通讯作者: 曾平

Watermarking algorithm for halftone images based on human visual system

Zheng Hai-hong¹，Wang Yi-feng¹，Zeng Ping¹，Kong Yue-ping^1,2，Xu Pei-pei¹

1.School of Computer Science, Xidian University,Xi'an 710071,China； 2. School of Information and Control, Xi'an University of Architecture, Xi'an 710055, China

Received:2005-09-26 Revised:2005-03-18 Online:2006-09-01 Published:2006-09-01
Contact: Zeng Ping

摘要/Abstract

摘要： 针对半色调(二值)图像提出一种新的数字水印算法。利用人眼的视觉掩盖特性和亮度适应特性，将水印隐藏在半色调图的高亮度纹理区域；采用加密和置乱技术提高二值水印图像的安全性，定义位卷积并设计r位滤波器来指导水印的嵌入和提取。仿真结果表明：在嵌入相同数据量时，该算法较常规方法有更好的水印不可见性，当图像遭受裁剪、加噪、JPEG压缩、随机涂改攻击时，仍能正确提取其中嵌入的水印。

关键词: 信息处理技术, 数字水印, 半色调, 人眼视觉系统, r-位滤波器

Abstract: A digital watermarking algorithm for halftone (binary) images was proposed. Using visual masking and luminance adaptation characteristics in human eyes, the watermark was embedded in highlight textured areas, and watermark security was improved with encrypt and scrambling techniques. Bit convolution was defined and an rbit filter was constructed in order to help watermark embedding and extraction. Experiments show that the proposed method has a better watermark imperceptibility compared to traditional halftone watermarking algorithms. Furthermore, when watermarked halftone is attacked by cropping, noise, JPEG compression, or random marking, watermarking can still be correctly extracted.

Key words: information processing, digital watermarking, halftone, human visual system, rbit filter

中图分类号:

TN911.73

郑海红，王义峰，曾平，孔月萍，徐培培 . 基于视觉特性的半色调图像水印算法[J]. 吉林大学学报(工学版), 2006, 36(05): 782-0786.

Zheng Hai-hong，Wang Yi-feng，Zeng Ping，Kong Yue-ping，Xu Pei-pei . Watermarking algorithm for halftone images based on human visual system[J]. 吉林大学学报(工学版), 2006, 36(05): 782-0786.

参考文献

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15]	王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed