Nov, 2019

基于 DFT-DCT 和阿诺德变换的混合盲鲁棒图像水印技术

PDF
TL;DR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。
发现论文，激发创造
  • 基于联合 DCT、DWT 和 SVD 变换的图像认证数字水印

    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。

    Jul, 2013

  • 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

  • 一种基于深度神经网络的自动、高效和健壮的图像水印方案

    本文提出了一种基于深度学习神经网络的鲁棒盲水印方案，该方案实现了自适应图像水印算法，无需人工干预和注释，并且不需要事先了解敌对攻击的有关信息，实验证明了该方案的优越性。

    Jul, 2020

  • 基于卷积神经网络的鲁棒性盲水印技术

    本文提出了一种基于卷积神经网络的盲水印技术，通过迭代学习框架来实现水印的鲁棒性，该方案通过学习网络来检测图像子块中的 1 比特消息，并取得了良好的鲁棒性。

    Apr, 2017

  • 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

  • 利用优化实现对图像水印的自适应攻击

    使用水印技术可以标记生成内容并通过隐藏信息检测其真实性，我们通过定义目标函数并将自适应攻击作为优化问题来解决水印算法的鲁棒性评估问题，研究发现可在图像质量几乎不降低的情况下破解所有五种受测水印方法，强调了对适应性、可学习的攻击者进行更严格的鲁棒性测试的必要性。

    Sep, 2023

  • ROSE: 一种强健和安全的 DNN 水印技术

    该研究提出了一种轻量级、强健、安全的黑盒 DNN 数字水印协议，在训练期间注入任务特定的键图像 - 标签对，并证明该模型的所有权，从而提供保护同时保持适当的安全性和强健性。

    Jun, 2022

  • 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

  • 一种相对强健的基于扩散编辑模型的图像水印

    最近，扩散模型（DMs）已成为图像合成的最先进方法，而基于 DMs 的编辑模型，以其高保真度和精度而闻名，无意中引入了与图像版权侵权和恶意编辑相关的新挑战。我们的工作是首次对这个问题进行规范化和解决。经过评估和试图增强传统图像水印技术后，我们意识到它们在这个新兴环境中的局限性。为此，我们开发了一种新颖的技术，RIW（稳健隐形水印），利用对抗示例技术嵌入隐形水印。与传统方法提供的 0% 相比，我们的技术确保了在编辑后的隐形水印的 96% 的高提取准确性。我们提供了我们的代码访问链接。

    Nov, 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