Jul, 2013

基于联合 DCT、DWT 和 SVD 变换的图像认证数字水印

PDF
TL;DR本文介绍了一种基于离散小波变换（DWT）、离散余弦变换（DCT）和奇异值分解（SVD）的混合数字图像水印技术，其中采用了 zigzag 算法。通过使用 DWT 的高频带来嵌入水印以添加更多信息、提高对某些攻击的鲁棒性，最后将 zigzag 算法应用于将 DCT 系数映射到四个象限，从而获得更好的效果。最后，对每个象限应用 SVD。
digital image watermarkingdiscrete wavelet transformdiscrete cosine transformsingular value decompositionzigzag method
发现论文，激发创造
  • 基于 DFT-DCT 和阿诺德变换的混合盲鲁棒图像水印技术

    提出了一种鲁棒的盲水印图像处理方法，通过将离散傅里叶变换（DFT）和离散余弦变换（DCT）相结合，并使用 Arnold 变换（AT）对水印进行增强，实现了在保持高不可察觉性的同时，提高了数码图像的版权保护能力。

    Nov, 2019

  • 盲深度学习图像水印技术对几何变换具有鲁棒性

    提出了一种新的数字水印方法，基于深度学习的 HiDDeN 架构，并添加了与几何攻击鲁棒性相关的新噪声层，证明该方法在几何鲁棒性方面胜过现有的技术，可用于保护消费者设备上查看的图像。

    Feb, 2024

  • 基于离散小波变换的颜色通道生成对抗网络用于文档图像二值化

    使用离散小波变换（DWT）和生成式对抗网络（GAN）的 CCDWT-GAN 模型在文本信息提取方面表现良好，可用于处理受污染的文本图像。

    May, 2023

  • 实用的深度分散水印同步和融合

    为了解决深度水印技术在任意分辨率图像中的应用问题，本文提出了一种名为 DWFS 的实用深度分散水印技术，并采用了分散嵌入方案、水印同步与融合模块以及基于相似性的消息融合策略，通过实验证明了其在不同数据集上相较于现有方法在性能上的优越性。

    Oct, 2023

  • 数字水印的隐写分析：你的防御是否真的无懈可击？

    数字水印技术在版权保护和图像源识别方面非常重要，特别是在生成式人工智能模型的时代。然而，许多现有的水印算法，尤其是不考虑内容的方法，即使在最小的感知畸变下，也容易受到隐写分析攻击的影响。本文将水印算法分类为内容自适应和内容不可知的，并演示了如何通过平均一系列水印图像来揭示潜在的水印模式。我们利用提取出的模式实现了在灰盒和黑盒设置下的高效水印去除，即使该系列包含多个水印模式。对于一些算法，如树环水印，提取出的模式还可以在原始图像上伪造出令人信服的水印。我们通过对十二种水印方法的定量和定性评估突出了隐写分析对内容不可知的水印的威胁，以及设计抗击这种分析攻击的水印技术的重要性。我们提出了安全指南，呼吁使用内容自适应的水印策略，并进行隐写分析的安全评估。我们还建议使用多密钥分配作为对隐写分析漏洞的潜在缓解措施。

    Jun, 2024

  • 一种基于块 DCT 和哈夫曼编码的图像隐写术新技术

    本文提出了一种基于 Block-DCT 的图像隐写术新技术，将每个图像块从时域转换到频域并使用 Huffman 编码，通过更改图像块的 DCT 系数的最低有效位在频率域中嵌入秘密消息 / 图像，实现较高的隐匿性和安全性。

    Jun, 2010

  • 基于 QDCT 和 QWT 域的马尔可夫特征数字图像拼接检测

    本文提出了一种基于四元数离散余弦变换 (QDCT) 域和四元数小波变换 (QWT) 域中四元数分量分离的马尔可夫转移概率的彩色图像拼接检测方法，并通过额外的 QWT 所得到的马尔可夫特征结合 EC 分类器，检测出了拼接图像。实验结果表明，该方法胜过了现有的一些先进技术。

    Aug, 2017

  • 从噪音中挑选水印（PWFN）：一种针对强度扭曲的改进鲁棒性水印模型

    本文提出了一种改进的数字水印算法，通过在噪声层和解码器之间引入去噪模块来增强该模型对于更强噪声的鲁棒性，同时引入 SE 模块以提高编码器的效率。实验结果表明该方法在不同噪声强度下可以媲美现有模型并且胜过同类型算法，消融实验进一步验证了我们提出的模块的优越性。

    May, 2024

  • 基于深度学习的图像水印技术综述

    插入和提取水印以保护封面图像的秘密行为被称为图像水印。最近几年，基于深度学习的图像水印技术层出不穷。为了研究最新技术，本综述将前沿的基于深度学习的图像水印技术分为 Embedder-Extractor Joint Training、Deep Networks as a Feature Transformation 和混合方案。同时分析和总结了每个类别的研究方向。此外，还讨论了未来的潜在研究方向以展望未来的研究。

    Aug, 2023

  • 图像分类深度神经网络的数字水印技术的强度评估（扩展版）

    本文通过对 DNN 水印方案进行评估，发现目前的水印方案在实践中都不够稳健，需要通过更加全面的攻击评估来提高稳健性。

    Aug, 2021