基于支持向量機的數(shù)字水印技術研究.pdf

1、計算機網絡技術和多媒體處理技術的迅猛發(fā)展，使得多媒體信息的安全問題成為目前一個相當重要而又富有挑戰(zhàn)性的研究課題。數(shù)字水印技術就是在這種背景下產生的并很快獲得了業(yè)界的廣泛重視，成為當前發(fā)展最為迅速的領域之一。因此，針對不同的應用領域，研究性能良好的數(shù)字水印系統(tǒng)有著重要的理論和現(xiàn)實意義。 將一種新的機器學習方法——支持向量機（SVM）引入數(shù)字水印領域，以期望最大限度地改善水印系統(tǒng)的綜合性能，同時也為支持向量機在圖像處理和信息安全領域

2、中的新的應用進行有益的探索。在對支持向量機理論分析的基礎上，針對目前數(shù)字水印技術的研究現(xiàn)狀和存在的一些不足，分析了支持向量機在數(shù)字圖像水印中可能潛在的一些應用，針對其中的一些應用進行了深入的研究和探索。 研究了數(shù)字水印領域中支持向量機的參數(shù)選擇問題，提出一種變尺度混沌優(yōu)化SVM模型參數(shù)的算法，并給出了設定模型參數(shù)初始值范圍的方法。該算法將SVM模型參數(shù)的選擇看作是參數(shù)的組合優(yōu)化，通過建立合理的優(yōu)化目標函數(shù)，采用變尺度混沌優(yōu)化算法

3、來搜索最優(yōu)目標函數(shù)值。為提高搜索效率，算法根據(jù)尋優(yōu)過程中得到的臨時最優(yōu)解，不斷縮小優(yōu)化變量的搜索空間。在此算法基礎上，通過大量實驗，分析了回歸支持向量機（SVR）模型參數(shù)對數(shù)字圖像水印性能的影響，得出了紋理復雜程度不同的圖像的比較理想的SVR學習參數(shù)范圍。 針對空域水印算法普遍較差問題，結合支持向量機優(yōu)良的學習性能，提出一種基于支持向量回歸的空域盲水印嵌入算法。該算法根據(jù)空域圖像鄰域像素的灰度值之間具有很強的相關性這一特點，運用

4、回歸支持向量機建立圖像中鄰域像素之間的內在關系模型，通過調整關系模型的輸出值與目標值之間的大小關系來隱藏水印信息。提取水印時，不需要原始載體圖像和水印圖像，只需要根據(jù)水印嵌入位置的密鑰就可以通過關系模型恢復出水印。實驗結果表明了此算法的有效性。 根據(jù)SVM與人眼視覺系統(tǒng)在自學習、泛化和非線性逼近等方面具有極大的相似性，結合圖像的局部相關性特性，提出一種基于模糊支持向量機的自適應水印算法。該算法利用SVM來模擬人眼視覺系統(tǒng)特征，構

5、造了以信息熵、亮度、對比度和紋理掩蔽值四個分量組成的特征向量的一些樣本，從而為空域圖像像素建立分類模型，根據(jù)此模型自適應地確定水印的最佳嵌入位置和嵌入強度。在利用SVM建立分類模型時，根據(jù)人類視覺的模糊特性，提出一種基于支持向量機的模糊多分類方法（FMSVC），運用FMSVC對圖像像素進行模糊分類，并采用無監(jiān)督的模糊聚類分析方法為有監(jiān)督的支持向量機構造訓練樣本。實驗表明了此算法的有效性。 結合小波變換的多分辨率特點和支持向量機在

6、理論上和學習上的優(yōu)勢，研究了小波域中基于SVM的水印算法，提出了小波域中基于SVM方向樹模型的魯棒水印算法和半脆弱水印算法。首先根據(jù)小波變換空頻局域性特點，給出了小波系數(shù)方向樹的概念，然后運用支持向量機建立了方向樹上根節(jié)點與其子孫節(jié)點之間的依賴關系模型（即方向樹模型），根據(jù)此模型設計了兩種水印算法。其中，基于方向樹模型的魯棒水印算法將圖像的空域和變換域相結合，采用模糊聚類分析的方法從空域中選取合適的水印嵌入位置，并映射到小波變換域的相應

7、子帶區(qū)域，從而自適應地確定水印嵌入的位置，水印嵌入的強度由嵌入位置的隸屬度決定。而基于方向樹模型的半脆弱水印算法通過密鑰隨機選擇水印的嵌入位置，如果不知道模型參數(shù)和密鑰，很難檢測出水印。由于SVM模型捆綁了方向樹上的小波系數(shù)之間的關系，對圖像中任何一點的修改都會影響到水印位的正確恢復，因此要想繞過水印而對圖像進行篡改有著很高的難度。算法通過一個滑動窗口對中值濾波后的篡改信息矩陣進行掃描，計算各滑動窗口的局部篡改率，根據(jù)最大局部篡改率來判