基于支持向量機的自適應數字水印技術研究.pdf

1、隨著電子信息時代的來臨，有關數字作品的版權問題、侵權問題等時有發(fā)生，現代數字水印技術就在這樣的背景之下產生了。但是，協調數字水印的不可感知性及穩(wěn)健性是一個難題。最近幾年，許多學者都嘗試著將數學統計學習理論、人工智能與機器學習的算法應用到數字水印當中去。
　　本文把握住支持向量機的理論及其算法的特點，總結當前數字水印技術的缺點，根據影響數字水印性能的重點，尋找出它們之間可能的一些結合點。相關性理論表明：把圖像區(qū)域子塊的像素值進行分析

2、之后，圖像子塊中心像素值與其鄰域像素值之間是一種非線性映射的數學函數關系。這樣，支持向量機的特點與人眼視覺系統的特性，在數字水印技術的嵌入與提取等方面都存在著一些相似度。
　　本文基于數字信息化產品的版權保護存在的一些現狀，以人們通常使用的空間域數字水印算法為基礎，研究了兩套靜止圖像為載體的數字水印算法。第一套是以人眼視覺系統的紋理特性為基礎，根據圖像子小塊鄰域像素值之間的關系，使用最小二乘支持向量機建模分析，嵌入和提取了數字水印

3、信息；第二套水印算法，綜合考慮了人眼視覺系統的幾個特征，利用對比度敏感函數選擇圖像的相關子小塊，使用最小二乘支持向量機建模分析，嵌入和提取了水印信息。同時，通過使用粒子群算法優(yōu)化最小二乘支持向量機的相關超參數。這兩套數字水印算法利用人眼視覺特性，選擇對人眼不太敏感的圖像相關區(qū)域子小塊嵌入水印信息，使數字水印的不可感知性比較好；接著進行了一些常規(guī)的攻擊性實驗，發(fā)現第一套水印算法的穩(wěn)健性能一般，第二套水印算法的穩(wěn)健性能更優(yōu)良，有效的抵抗了各