[發明專利]一種基于動態BP神經網絡的水印嵌入、提取方法與裝置有效
| 申請號: | 201710432956.2 | 申請日: | 2017-06-09 |
| 公開(公告)號: | CN107240061B | 公開(公告)日: | 2021-01-12 |
| 發明(設計)人: | 孫林;郁麗萍;李新磊;李源;常寶方;孟玲玲;張霄雨;孟新超;劉弱南;張新樂 | 申請(專利權)人: | 河南師范大學 |
| 主分類號: | G06T1/00 | 分類號: | G06T1/00 |
| 代理公司: | 鄭州睿信知識產權代理有限公司 41119 | 代理人: | 吳敏 |
| 地址: | 453007 *** | 國省代碼: | 河南;41 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 動態 bp 神經網絡 水印 嵌入 提取 方法 裝置 | ||
本發明涉及一種基于動態BP神經網絡的水印嵌入、提取方法與裝置,其主要在于使用改進的Arnold變換對原始水印圖像進行置亂,并將置亂的水印圖像嵌入到動態BP神經網絡的隱含層,進行訓練后獲得嵌入水印后的載體圖像;本發明通過將改進Arnold變換與動態BP神經網絡結合,得到含水印的載體圖像,其在經歷多種攻擊后仍能提取出嵌入位置中像素的大小,從而實現對水印信號的正確檢測,同時,平衡了圖像水印的魯棒性和不可感知性之間的矛盾。另外,在進行水印圖像提取時,即水印嵌入的逆過程,也是通過動態BP神經網絡與改進Arnold變換結合,最終得到的水印圖像。
技術領域
本發明涉及一種信息安全領域中的數字圖像水印技術,尤其涉及一種基于動態BP神經網絡的水印嵌入、提取方法與裝置。
背景技術
近幾年來,隨著數字媒體和互聯網技術的快速發展,在網絡或者各種終端設備上有大量的數字媒體內容資源(比如:文本、圖像和視頻等),用戶可以很容易對這些數字媒體內容進行使用、復制或者傳播,因而,數字媒體內容的版權保護越來越引起商業界和學術界的高度關注。在解決這一問題的過程中,對數字媒體內容添加水印圖像是一種被常采用的傳統加密方法的有效補充手段,即利用數據嵌入方法隱藏在數字圖像產品中,用以證明創作者對其作品的所有權,并作為鑒定、起訴非法侵權的依據,同時通過對水印的檢測和分析保證數字信息的完整可靠性,從而成為知識產權保護和數字多媒體防偽的有效手段,近年來引起了人們的高度重視,也已成為國際學術界研究的一個熱點。同時,數字圖像置亂加密又是使用信息隱藏技術進行隱蔽通信的基礎性工作,數字圖像置亂加密作為信息隱藏前的預處理手段,不僅可以對信息進行加密,而且在增強秘密信息的不可感知性,提高隱蔽通信的抗攻擊性能以及增加隱蔽信道的容量等方面都具有一定的作用。
水印圖像置亂加密技術是指發送方借助數學或其他領域的技術,對一幅有意義的數字圖像作變換使之變成一幅雜亂無章的圖像,再用于傳輸;在圖像傳輸過程中,非法截獲者無法從雜亂無章的圖像中獲得原圖像信息,從而達到圖像加密的目的,而接收方經過解密,可恢復原圖像。為了確保圖像的機密性,置亂過程中一般引入密鑰。目前研究使用較多的置亂變換主要有:Arnold變換、Fibonacci與Fibonacci-Q變換、幻方變換、正交拉丁方變換、Hilbert曲線變換、Gray碼變換、仿射變換、混沌置亂變換等。圖像水印要發揮應有的作用,必須具備魯棒性和不可覺察性兩個基本要素。水印魯棒性是指數字媒體在經過常規的信號處理或者外來攻擊之后,嵌入的圖像水印仍然具有較好的可檢測性。水印不可覺察性是指水印的嵌入不能影響到原始數字媒體的視覺質量。
圖像水印按用途可分為版權保護水印、票據防偽水印、篡改提示水印和隱藏標識水印。按提取過程可分為盲水印和明文水印。按攻擊能力可分為魯棒性水印和脆弱性水印,其中魯棒性水印主要應用于數字作品版權保護,脆弱性水印要求對信號的改動敏感,主要應用于完整性保護。根據水印嵌入位置可以將圖像水印算法分為兩類:基于變換域算法和基于空間域算法。隨著JPEG壓縮和JPEG2000的廣泛使用,到目前為止,有很多是基于變換域的水印算法。根據所采用變換的不同,變換域水印算法可以分為如下幾類:基于離散余弦變換的圖像水印算法、基于離散小波變換的圖像水印算法、基于DFT變換的魯棒性水印算法。但是這些算法比較復雜,需要考慮復雜的空頻域變換過程,效率低,可嵌入信息量較少。空間域圖像水印技術因其算法簡單、速度快的優點而成為新的研究熱點,它通過直接修改原始圖像的像素值來達到嵌入水印的目的,但目前經典的空間域水印算法很容易受到圖像壓縮轉換等通常的圖像處理的干擾,在對圖像進行幾何旋轉、壓縮等基本處理后,基本上已經無法對水印進行正確的提取,實驗仿真表明該類算法的抗攻擊性不強、魯棒性較低。但是隨著神經網絡的引入,使得水印的嵌入和檢測過程可以充分利用圖像中的一些自然特征,這樣可以使得空間域的水印嵌入和檢測魯棒性得到一定的提高。雖然機器學習和各種圖像域變換的結合針對具體水印的嵌入與提取都有較好的表現,但是仍然存在許多問題:例如像基于BP神經網絡的圖像水印方法等一般不可感知性很差,抗剪切和抗旋轉的能力很差,水印的保密性也存在一定隱患;像基于空間頻域變換的嵌入與提取方法一般計算復雜度高,抵抗攻擊能力還有待加強等。概括起來仍存在如下一些問題:
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于河南師范大學,未經河南師范大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710432956.2/2.html,轉載請聲明來源鉆瓜專利網。





