- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于独立分量分析的数字水印算法
摘要:为了使水印具有更强的鲁棒性,该文提出了一种基于独立分量分析(ICA)的数字水印算法。该算法首先对数字水印图像进行预处理,并将其嵌在原始图像二级小波分解的低频子图上;采用快速独立分量分析(FastICA)的办法对水印进行提取,最后对提取出的水印进行适当的增加。该算法在matlab下仿真实验,结果表明该算法对于JPEG压缩、噪声、中值滤波、剪减等具有很好的鲁棒性。
关键词:数字水印;独立分量分析;小波分析
中图分类号:TP391 文献标识码:A 文章编号:1009-3044(2010)20-5584-02
An Algorithm of Digital Watermarking Based on ICA
ZHAO Wei, CHEN Wei-jie, CHEN Ren-an
(Chengyi College of Jimei University, Xiamen 361021, China)
Abstract: An algorithm of digital watermarking based on Independent Component Analysis (ICA) is proposed to improve the robustness of digital watermarking. Firstly, At first the original image is decomposed by DWT, then the approximation image is embedded with pre-processed watermark. The watermark is abstracted resorting to Fast Independent Component Analysis (FastICA). The results of emulation under Matlab have demonstrated that the proposed approach is robust against common signal processing such as JPEG compression, noise, cropping and so on.
Key words: digital watermarking; ICA; DWT
1 概述
随着计算机和Internet的普及数字产品的复制和传播变得越来越方便。这就使得数字产品的信息安全问题日益突出。如何有效地防止数据的非法复制和鉴别数字媒体的知识产权,成为亟待解决的问题。数字水印技术应运而生成为研究的热点,是版权保护的有效方法[1-2]。水印的鲁棒性是衡量水印算法性能的一个重要指标,水印在经受大量有意或无意的攻击和失真之后,应该仍然能够提取出水印或者能够证明水印的存在。
数字水印技术按水印嵌入的位置分为空间域算法和变换域算法。空间域算法是将水印直接嵌入到原始图像的空间域上,该算法运算速度快,但鲁棒性较差。变换域算法是将水印嵌入到原始图图像的变换域(DCT域、DFT域、DWT域、ICA域等)上,该算法具有较强的鲁棒性。小波变换因其很好地匹配人类视觉系统特性及与JPEG2000标准相兼容,因此在数字水印上有着广泛的应用。
独立分量分析(ICA)[3]是一种基于高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,已广泛应用于信号处理领域,在图像处理方面的应用有:图像特征提取、图像去噪、人脸识别和检测、图像分离、图像水印和遥感图像处理等,并且取得了令人满意的结果[4]。
2 独立分量分析
独立分量分析以非高斯源信号为研究对象,在对它们作统计独立假设条件下,将观测到的多路混合信号变换到相互独立的方向上,使经过变换所得到的各个分量之间不仅正交,而且相互独立。
ICA的数学模型为:假设n个相互独立的源信号s=[s1,s2,…sn]T经过线性系统A混合后得到m个观测信号x=[x1,x2,…xm]T,即:x=As。ICA的3个基本假设如下:1、m≥n,通常令m=n即混合矩阵A为满秩矩阵;2、源信号s的各个分量之间相互统计独立;3、源信号s的各分量最多只允许有一个是高斯分布的。
ICA是在s和A未知并在以上三个假设的条件下,仅通过观测信号x将源信号s估计出来的一种算法。因此ICA的问题可视为求解一个解混矩阵w,使得y=wx=wAs=Gs=的各分量尽可能相互独立,并把y作为源信号s的估计。
常用的ICA算法有:非线性去相关算法、最大似然算法、Jutten-Herault算法以及FastICA[5]算法。FastICA算法因其
文档评论(0)