一、一种改进的盲水印检测方法（论文文献综述）
陈玮彤[1]（2021）在《遥感影像抗屏摄鲁棒水印模型与算法》文中研究说明遥感影像是国家基础性、战略性的信息资源,在国防建设、工程规划、灾害监测中发挥着重要的作用。为了保护遥感影像安全,加密技术和数字水印技术被广泛的使用。然而,随着电脑办公和智能手机的普及,新的安全问题接踵而来。尤其通过手机拍摄电脑屏幕上显示的内容,造成遥感影像信息泄密越来越容易,也越来越频发。加密技术无法阻止泄密者拍摄明文数据,且传统的数字水印技术也无法直接应用于此场景。因此,如何有效的保护遥感影像,对偷拍泄密的行为进行追责,是当前亟需解决的问题。遥感影像抗屏摄鲁棒水印技术通过在遥感影像中嵌入具有不可感知性的水印信息,在使用手机拍摄屏幕上显示的含水印影像数据后,仍能够从拍摄的照片中提取出水印信息。且该水印技术同时也对常规图像处理攻击具有很好的鲁棒性。遥感影像抗屏摄鲁棒水印技术为遥感影像的安全保护、偷拍泄密追责等提供了可行的解决方案。再者,不仅要在遥感影像发生泄密后进行责任追究,更要预防泄密的发生。加密技术作为一种典型的预防数据泄露的信息安全技术,将遥感影像加密后可以避免未获得解密密钥的人接触明文数据,从而降低数据泄密的可能性。将加密技术与抗屏摄鲁棒水印技术有机结合,充分利用两个技术的优势,并基于水印技术进行密钥信息管理,从而能够全方位保护遥感影像安全。本文对遥感影像抗屏摄鲁棒水印的理论、模型与算法,以及遥感影像联合加密技术与抗屏摄鲁棒水印技术的机制与算法进行了研究,主要研究工作和成果如下:（1）对遥感影像抗屏摄鲁棒水印技术的特征进行了讨论。并对屏摄过程的各个子过程进行理论分析,将屏摄过程中造成的信号畸变归纳为:线性失真、伽马调整、几何失真、噪声攻击和低通滤波攻击五类。从而通过实验定量分析遥感影像在屏摄过程中的变化特征,探讨了遥感影像的空间域、变换域、局部特征算子作为水印信息载体或作为水印同步中介的可能性。（2）为了实现了同时抵抗屏摄攻击与常规图像处理攻击,提出基于局部特征的遥感影像抗屏摄鲁棒水印模型。算法实现方面,基于高斯预处理、Harris-Laplace算子和SURF（Speeded-up Robust Features）特征方向算子,设计了一种具有屏摄稳定性、方向与尺度不变性的局部特征方形区域构造方法,从而有效的解决了屏摄过程中的水印同步问题;通过提出一种无须方向归一化的水印嵌入方案与DFT（Discrete Fourier Transform）系数预处理方案,从而改进了基于DFT的水印嵌入算法;并且提出了基于局部统计特征的水印信息提取算法。实验表明,算法不会影响遥感影像的后续使用,并且算法对屏摄攻击与常规图像处理攻击均具有较高的鲁棒性。（3）为了进一步实现盲检测和自动水印提取,提出基于模板的遥感影像抗屏摄盲水印模型。算法实现方面,首先提出了模板水印的生成与嵌入算法。在水印检测方面,设计了一个同步响应指数计算方法,用于从屏摄后照片的噪声分量中实现多尺度的同步水印位置估算,以及对估算的坐标进行局部区域的精确位置计算,从而解决了从透视畸变的遥感影像中盲水印同步的问题。实验表明,算法能够有效的实现盲水印同步与检测,且不会影响遥感影像的后续使用,同时算法对屏摄攻击或常规图像处理攻击均具有良好的鲁棒性。（4）为了联合加密技术与抗屏摄鲁棒水印技术的优势,并基于水印实现密钥传递,提出遥感影像联合加密与抗屏摄鲁棒水印模型。算法实现方面,设计了一个双水印嵌入算法,通过将一个水印隐藏到因嵌入另一个水印造成的图像变化中,既保证了双水印的有效性,也实现了明文数据的抗屏摄鲁棒水印;同时设计了一个基于奇偶分段加密与基于奇偶量化水印的联合机制,实现了加密后可以增强水印的感知性,从而实现密文数据的抗屏摄鲁棒水印。实验表明,算法具有良好的安全性且不会影响遥感影像的后续使用,密文中的水印对屏摄攻击具有很高的鲁棒性,明文中的水印对屏摄攻击或常规图像处理攻击均具有良好的鲁棒性。
葛镜[2]（2019）在《自嵌入水印算法及其在图像篡改检测和恢复的应用》文中研究表明数字多媒体技术的发展为我们的工作和生活提供了很多成熟、可靠、灵活、高效、高质量、低成本的多媒体信息。随之衍生的各类图像处理技术使得数字产品的获取、处理、存储、复制变得越来越容易,促使数字产品的版权保护,完整性保护,篡改防护变得越来越重要。快速发展的信息技术促进了数字多媒体技术的发展,在这种背景下,计算机技术和各种手持移动智能终端技术的发展,使得篡改多媒体数据变得轻而易举,包括手机、电脑、平板电脑里面安装的各种软件能够毫不费力地篡改多媒体数据,同时也带来了非法复制和数字多媒体重新再分布等问题。数字水印概念的提出就是为了解决信息技术版权保护的相关问题,它为多媒体数据的认证、版权保护和防篡改提供了有效的解决方案。本文以图像水印为主要研究对象,探讨了图像水印的相关理论和各种算法,在此基础上提出了三种有效的水印算法,并将其用于图像篡改检测和恢复,取得较好的效果。本文的主要研究成果概况如下:第一,提出一种改进的基于哈希算法的自嵌入数字水印算法。在分析传统哈希算法的基础上,提出一种改进的哈希算法,并将图像本身的哈希值作为水印嵌入原图像,用于图像的版权保护等。图像本身的信息采用哈希算法生成图像哈希值。具体过程包括三个部分:预处理、特征值提取和哈希值生成。第一步通过预处理对图像进行归一化处理。第二步特征值提取,经过前面的图像预处理后的图像,使用块截断编码和中心对称局部二进制模式提取图像的特征值。第三步生成图像哈希值作为水印采用DCT变换域方法嵌入原图。该算法在图像的感知和抗攻击性中能达到很好的平衡,鲁棒性较强,并且有很好的保密性能。第二,提出一种改进的基于SVD分解的自嵌入水印算法。通过SVD分解得到图像的特征值作为认证水印嵌入原图,用于实现图像的版权保护和抗攻击等,并能有效地实现图像被篡改区域的定位。同时,采用块分类算法来生成图像的恢复水印。恢复水印要能实现图像的恢复就需要尽可能完整的保护图像块的所有信息,然而作为水印嵌入图像又不能有太多的数据量否则不满足人眼视觉阈值的条件。因此在图像DCT变换的基础上,根据图像块的特征将图像分类,获取不同类型图像块的压缩编码生成恢复水印,每类图像块的恢复水印大小不等。该水印算法既能实现图像的篡改检测又能实现图像的篡改恢复,采用混沌加密算法嵌入图像块中。假如嵌入水印的图像被篡改,篡改后的图像块的基本信息和提取的水印信息将不能匹配,用这种方法可以判断每个图像块是否被篡改。由每个图像块的压缩编码生成的恢复水印可以用来恢复被篡改的图像块。实验结果表明本算法能有效地抵抗图像的篡改,检测到篡改区域,实现图像篡改块的恢复。甚至当篡改率高达70%时,仍然有效地实现篡改区域的定位,并恢复大部分被篡改的图像块。第三,提出一种彩色图像的水印算法,基于自嵌入水印实现彩色图像的篡改检测和恢复。第一步将彩色图像变换为HSI和YCbCr,分别提取其中的特征值,生成彩色图像哈希值作为认证比特。第二步在图像DCT变换的基础上,获取图像块的压缩编码生成恢复比特。第三步将认证比特和恢复比特作为水印嵌入到图像块中。原图像块基本信息经哈希变换生成认证比特,作为水印的一部分,篡改检测时,通过比较图像块的基本信息和提取的水印信息是否匹配,判断每个图像块是否被篡改。图像块的压缩编码作为恢复比特水印嵌入到原图中,如果图像块被篡改,恢复比特水印可以用来恢复被篡改的图像。实验结果表明本算法能有效地抵抗图像的篡改,检测到篡改区域,实现图像篡改块的恢复,是一种有效的彩色水印算法。
陆铭鑫[3]（2012）在《数字图像水印技术研究》文中提出随着数字化技术的飞速发展和互联网的日益普及，数字水印技术作为产品版权保护的有效手段已经受到普遍重视。近年来，小波技术发展趋于成熟，其在数字水印的应用越来越受重视，基于小波域的盲水印算法是目前研究热点之一。但是，大部分基于小波域的盲水印算法在平衡不可见性和鲁棒性的矛盾上不尽如人意，因此本文在研究平衡多小波的基础上，提出了一种基于小波和平衡多小波相结合的盲水印算法。本文系统研究了数字水印技术的基本理论、特点和实现技术框架，归纳总结了常用的数字水印评估方法。在水印的预处理部分，将改进Arnold变换算法和Henon映射混沌系统结合起来，实现了水印图像位置置乱和像素值置乱，从而提高了水印的鲁棒性和安全性。研究了小波理论及平衡多小波理论，提出了一种基于小波和平衡多小波相结合的盲水印算法。该算法通过对嵌入区域系数特性的分析，可实现水印的盲提取，简化了水印的提取和检测过程。另外，在研究对比了目前相关的同类算法之后，发现已有的水印算法通常由于根据经验来判断所选的嵌入强度系数而具有很强的主观性，并且其结论是建立在大量反复试取的基础上，效率较低。因此本文提出了一种水印嵌入强度系数的优化方案，将改进的遗传算法用于定量分析，搜索合适的最优嵌入强度系数，在保证水印不可见性的同时，增强了鲁棒性。实验结果表明，在保证水印信息安全和不可见的前提下，本文算法对于常见的JPEG压缩、滤波、添加噪声等攻击具有较强的鲁棒性。下一步还将继续研究该算法在音频、视频等多媒体领域的应用问题。
潘蓉[4]（2005）在《数字图象的盲水印技术研究》文中指出随着计算机技术和网络技术的飞速发展,数字作品的信息安全和版权保护成为迫切需要解决的实际问题。作为对数字作品提供有效保护的重要手段,数字水印技术成为学术界的研究热点之一。本文首先介绍了数字水印技术的产生背景、分类、应用和研究现状等相关内容,建立了数字水印技术的通用模型,分析了水印算法的设计要求及其相互关系,给出了评估水印系统的方法,并对不同的水印算法进行了全新的分类综述与分析。然后以静止图象作为研究对象,结合了混沌、小波变换、图象置乱、神经网络、不变矩、假设检验等多种技术和方法,重点研究了空域和小波域中的盲水印技术。本文的主要贡献概括如下:由于混沌映射的优良特性,并且鉴于目前对二维混沌映射研究得并不多,因此设计了两种二维混沌映射及一种一维混沌映射,分析了它们的统计特性,并分别用于对水印嵌入位置的索引,水印置乱及扩展,水印调制三个方面,以确保水印的安全保密。提出了三种基于混沌映射的小波域盲水印方法:（1）设计了一种二维移位混沌映射,提出水印在图象小波域内的嵌入地址由该混沌序列决定,并引入冲突处理机制防止出现重复地址。然后提出以量化方法将经过Arnold置乱的水印重复嵌入到小波域的树状结构中,增强了水印的鲁棒性。水印的安全保密性由于水印的Arnold置乱,二维移位混沌映射的随机性及初值敏感性等良好特性而得以保证。（2）设计了一种二维同余混沌映射,用于对水印进行置乱与扩展,这样不仅可以将水印更分散地嵌入到图象中,而且可以使用较大的密钥集来增强安全性。然后提出随机选取小波域内两两对应的小图象块,根据噪声可见性函数确定的水印幅度对两个图象块的求和关系进行维持或改变,以实现小波域内的水印嵌入。最后提出用F范数实现提取水印与原始水印的相似度测量。（3）设计了一种改进的一维移位混沌映射,更具复杂性与安全性。用该映射产生的二值混沌序列进行水印信号的调制,另外利用Achard-Rouquet算子提取小波域低频逼近子图的特征点,并提出使用筛选后的特征点产生的特征树来构造水印信息,具有稳定性。最后在检测水印时,提出利用De Moivre-Laplace定理,根据虚警概率求检测阈值。这是一种无失真自适应的零水印方法,简单易行,安全可靠,还可应用于多水印技术。重点研究了水印的抗几何攻击问题,提出了两种抗旋转、缩放和平移几何攻击的盲水印算法:（1）首先利用Harris算子提取图象的特征点,将筛选后的特征点作为顶点,并
袁常青[5]（2018）在《基于深度学习的对象检测和对象区域水印技术研究》文中进行了进一步梳理对象检测技术是计算机视觉领域中的一个重要分支,对机器视觉、智能交通、数字安防等多个领域提供了重要的技术支持。例如在实现智能驾驶上,必须通过对象检测技术快速分析出周围的物体和环境,以便迅速做出决策,实现智能检测与安全驾驶的全过程。随着人工智能（Artificial Intelligence,AI）的蓬勃发展,特别是近几年深度学习研究成果不断涌现,给AI带来了无限的前景。学者们结合区域卷积神经网络（Regions with CNN,RCNN）研究对象检测算法,使对象检测的速度和精度得到了显着的提升。同时,随着大数据时代的到来,音频、图像和视频等多媒体数字作品在网络上发布与传播的数据量每年都以几何级数增长,如何防止多媒体作品的伪造与侵权是一个突出难题。面对海量多媒体信息,人工监控和鉴别手段存在严重不足,数字水印技术成为解决该问题的一种关键手段。由于传统数字水印提供全图像的保护方式,降低了检测速度,在海量的互联网数据处理中无法满足快速篡改检测的要求。在近十几年的数字水印技术发展历程中,学者们逐渐致力于研究感兴趣区域水印,在理解图像的基础上提高了水印的运算速度。本文在感兴趣区域水印技术的基础上,提出了一种基于对象区域的水印方法,在充分理解图像内容的基础上,实现关键区域的快速水印算法。本文对对象检测和数字水印技术进行了充分调研,紧密结合对象检测与数字水印技术,做了如下几个方面的研究:（1）设计了一种对象检测的深度网络。首先,通过图像块的融合提取候选区域,采用选择性搜索策略取代滑动窗口的搜索方法。其次,采用批规范化层减少网络训练的迭代次数。最后,在误差函数中综合边框回归与类别预测,实现对象的定位和分类。（2）提出了一种快速收敛的多类别检测算法。通过对数据集进行预处理,以减少算法计算量。在每一层卷积后,采用批规范化处理,把数据归一化到原点附近。最终实现多类别预测、多对象定位,保证算法的训练速度快、检测效果好。（3）提出了一种基于对象区域的水印保护方案。该方案突出保护图像中的重点对象与区域,通过离散余弦变换（Discrete Cosine Transform,DCT）提取反映对象水平、垂直和对角纹理的特征,进而生成对象区域水印。采用位置校准和重叠处理方法,避免在对象水印中出现位移和对象重叠的问题。
徐树升[6]（2016）在《一种改进的基于PDE的数字水印算法》文中研究说明随着互联网技术和数字信号处理技术的快速发展,数字化产品也得到广泛的普及,如何有效地保护数字化产品成为了当今时代信息安全保护亟需解决的问题。自上世纪九十年代起,数字水印技术作为信息安全保护有效手段之一,得到许多学者认可和研究。本文首先从数字水印分类、典型的数字水印算法、对水印的攻击形式以及水印信号的设计与生成对数字水印技术进行了综述,阐述了本文算法设计中所需的基本理论知识,介绍了目前基于PDE的数字水印算法,最后提出了一种改进的基于PDE的数字水印算法。基本思想是首先利用二维logistic混沌映射对水印图像进行置乱变换,并将置乱后的水印划分成两部分水印。利用偏微分方程分解模型对载体宿主图像进行分解,生成卡通和纹理两个部分。根据卡通和纹理两部分的图像复杂度的不同,我们分别对其进行小波变换（DWT）和奇异值分解（SVD）,再将已生成的两部分水印按照加性方式分别嵌入到二级小波变换的低频部分和SVD的奇异值序列中。结果表明,文章算法不仅具有很好的不可见性,而且对Gaussian噪声、椒盐噪声、JPEG压缩以及裁剪等攻击也具有很好的鲁棒性。本文的主要创新点和研究内容归纳如下:第一,本文使用了一种新的PDE分解模型TV-G全变分模型。考虑到噪声部分的能量较小,容易丢失部分水印,为了提高水印算法的鲁棒性和不可见性,将原始载体图像分解成卡通和纹理部分,而非卡通、纹理和噪声三个部分,再分别对卡通和纹理进行处理。第二,本文是将PDE,DWT和SVD同时结合应用于改进后基于PDE的数字水印算法:一方面,文章选择DWT代替DCT对卡通部分进行处理。另一方面,奇异值是图像矩阵的固有属性,具有非常好的稳定性,对纹理部分进行SVD之后,将水印嵌入到奇异值序列中,使得该算法具有更好的鲁棒性和不可见性。第三,介绍了几种经典全变分模型,归纳总结了目前几种基于PDE的数字水印算法,并分析其优点以及存在的问题。第四,将Logistic混沌映射技术应用到基于PDE的数字水印算法中,提升了算法的鲁棒性和安全性,在一定程度上,减少了水印对视觉的冲击,从而增强水印算法的不可见性。
豆根生,昝明睿,林爱英,卢珂[7]（2014）在《基于DCT的数字图像水印技术的研究》文中研究说明对DCT（离散余弦变换）域的图像水印技术进行了研究,实现了非盲水印和盲水印两种方案.为保证数字水印的安全性,在水印嵌入之前,采用Arnold置乱技术对水印进行预处理.实验结果表明,两种方法都具有较好的不可见性,能够抵御JPEG压缩、剪切和噪声攻击等常用的图像攻击技术,具有较好的鲁棒性,是较为实用的图像水印方案.
唐宝[8]（2014）在《基于三维网格分割的数字水印方法研究》文中研究表明当今社会，计算机网络的飞速发展极大地提高了人们的工作效率和生活水平，人们能够很方便地从互联网上下载并使用各种应用，信息传输和交流也更加快捷。随之而来的问题是，对数字化产品的非法复制与传播使用行为不断涌现。针对这些数字化作品的版权保护问题越来越受到众多学术界研究人员的重视。数字水印技术是一种有效的解决数字化作品的版权纠纷和信息安全等问题的方法。数字水印技术应运而生。三维模型在游戏产业、动漫、计算机辅助设计以及虚拟现实等众多领域有广泛的应用。三维模型是数字化产品的一种形式，针对三维几何模型的版权保护的研究是十分必要的。三维模型数字水印技术为数字化的三维模型作品的版权保护提供了一种高效的途径。三维模型数字水印技术，就是在三维几何模型中嵌入水印信息，目的之一就是证明作者对其具有版权。由于二维图像的水印技术不能被直接应用到三维模型中，国内外众多研究人员对三维几何模型数字水印技术展开了大量的研究，并取得了不少研究成果。水印信息是隐藏在三维模型中的，而且不能被使用者察觉到或感知到，同时，水印信息也不能影响载体的使用价值。本文研究的主要内容有：1、分析三维模型数字水印技术的研究背景及意义，介绍了数字水印技术的概念、特性以及分类方式，详细阐述了国内外三维模型数字水印的研究现状和现有算法。介绍了三维网格模型的表示与存储方式，论述了网格分割的概念以及分割算法的评价。简要介绍了三维模型数字水印的攻击分析和技术难点。2、提出一种基于网格分割的数字水印算法。基本方法是：首先对三维模型进行仿射变换处理，目的是获得模型对平移、旋转和缩放的不变性。其次，对模型进行网格分割，根据分割结果选取h个子面片，求得每个子面片的频域系数矩阵，并向其中添加水印信息。提取水印时，将提取出的水印信息与原始水印比较分析，验证算法的效率。该算法对噪声、剪切、简化以及联合攻击具有良好的鲁棒性。3、结合水印载体的选取方法，提出一种改进的非盲水印方法。该方法充分利用了网格分割的结果，选取包含顶点数目较多的h个子区域，将顶点的笛卡尔坐标转化到球面坐标系下，选取其中的一个分量进行DWT变换，在频域矩阵中加入水印。该方法对噪声和简化攻击具有良好的鲁棒性，同时，该方法保持了模型良好的视觉效果。
闫丽君[9]（2010）在《基于变换域和HVS的数字水印算法研究》文中研究表明互联网、多媒体和通信技术的飞速发展,使得多媒体数字产品的传播和复制非常容易,因此多媒体数据的安全问题越来越受到人们的重视。数字水印技术可以有效地解决多媒体数据的安全问题,已经成为信息安全领域的研究热点。本文在分析和研究国内外数字水印技术成果的基础上,主要研究变换域数字图像鲁棒性水印技术,主要研究工作如下：1.分析了人类视觉系统对图像的照度掩蔽特性、纹理掩蔽特性以及离散余弦变换的特点,提出了一种改进的基于DCT的自适应灰度图像水印算法。算法选择亮度和纹理较大的图像块作为水印的嵌入点,水印嵌入时嵌入强度可以进行自适应调整。仿真实验表明,该算法能够抵抗常见的图像处理操作,鲁棒性和透明性均很好,是一种稳健的水印算法。2.分析了人类视觉系统的原理和JND视觉系统模型的特点,提出了一种基于DWT的彩色图像盲水印算法。算法考虑了原始彩色图像的绿色分量和蓝色分量的特点,首先将绿色和蓝色分量进行离散小波变换,然后将水印图像进行混沌系统加密预处理,最后将水印序列嵌入在绿色和蓝色分量的具有较大JND值所对应的低频系数上,实现了水印的盲提取。仿真实验验证,该算法对常见的图像处理操作的鲁棒性很强,是一种稳健的水印算法。3.根据Contourlet域的人类视觉系统模型和Contourlet变换的特点,提出了一种基于Contourlet变换的彩色图像水印算法。该算法首先将彩色图像的绿色分量进行Contourlet变换,然后在能量最大子带上选择人类视觉系统较大掩蔽值对应的系数作为水印的嵌入点。水印嵌入时通过奇偶量化的方法修改系数,水印提取时可进行盲提取。仿真实验证明,该算法具有很好的性能并且能够进行水印的盲提取。本文提出的频域鲁棒性数字图像水印算法,鲁棒性和透明性均很好,对版权保护、打击盗版等行为具有重要的现实意义。
冯小青[10]（2009）在《三维模型数字水印算法及关键技术研究》文中指出计算机技术和互联网的快速发展为各种形式的数字媒体产品的访问和使用提供了极大的便利,但同时也出现了一系列的问题,如产品的随意复制、盗用、篡改等。三维模型同图象、文本、音频和视频一样存在着版权保护、侵权检测等问题。特别是随着网络环境下的协同设计和虚拟产品的研究和应用,三维模型的版权保护问题显得日益重要。本文针对三维模型的数字水印技术进行了研究,主要研究成果如下:提出了基于几何特征分布的三维点云模型数字水印算法:该算法首先通过修改模型点距离分布的均值来实现水印信息的嵌入,同时引入了Hausdorff距离度量水印对模型的几何失真程度。通过对水印强度系数ζ和长度系数L的实验统计分析,得到了不同的经验值,从而使该算法在相关性系数和模型几何误差H（M,（?））之间获得了较好的平衡;同时该算法在嵌入水印时,不需要对点云模型进行网格化的预处理操作,是一种真正的直接面向点云模型的数字水印算法。实验证明该算法对仿射攻击、重排序攻击、简化、剪切、噪声和造成局部几何失真的各种变形攻击具有较强的鲁棒性。提出基于特征信息的三维网格水印算法:首先利用一种改进分水岭算法对三维网格模型进行特征区域的面片分割,然后利用快速傅立叶变换的图象水印算法,将一串有意义的水印字符串转换成一个水印矩阵,然后把水印矩阵叠加到顶点信息上,完成水印的嵌入。实验证明该算法能抵抗大范围的剪切攻击,对仿射变换攻击和重排序攻击有很强的鲁棒性。提出了两种面向三维网格模型的多重水印算法:第一种算法首先根据每个顶点的一环邻域选取满足嵌入条件的顶点,然后对这些候选点构建自己的局部坐标系,调整候选顶点的坐标值来完成第一重水印字符串的嵌入;其次利用模型面片的冗余信息进行第二重水印图象的嵌入。该多重水印算法中的一种是对顶点坐标嵌入水印,另一种是对模型面片的顶点排列顺序进行水印嵌入,两者间不会相互影响。实验表明该水印算法使模型既能抵抗各种仿射变换、非均匀缩放和大范围的剪切攻击,又能抵抗一定强度的噪声攻击。第二种算法是对基于特征信息的三维网格水印算法的改进。为了使模型能抵抗更多的攻击,如抵抗噪声攻击,我们在原有水印模型的基础上,对模型的拓扑信息嵌入另一种水印图象,从而使模型既能抵抗仿射变换和剪切攻击,又能抵抗噪声攻击。实验证明多重水印算法对提高水印的鲁棒性有较好的效果。提出了一种基于DCT的细分曲面网格水印算法:通过对初始网格进行三次Loop迭代细分,按距离值升序排列,构建一个距离矩阵,并进行DCT变换。为了提高水印的不可见性,通过基于傅立叶变换的图象水印算法对水印信息进行预处理,得到水印矩阵,然后把水印矩阵叠加到距离矩阵的DCT频域中,得到嵌入水印的网格作为新的细分网格。实验证明该算法对旋转、平移、剪切、噪声和一些组合攻击有较强的鲁棒性。
二、一种改进的盲水印检测方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种改进的盲水印检测方法（论文提纲范文）
（1）遥感影像抗屏摄鲁棒水印模型与算法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状与存在的问题 |
| 1.2.1 遥感影像鲁棒水印研究现状 |
| 1.2.2 抗跨媒介信号传输鲁棒水印研究现状 |
| 1.2.3 图像联合加密和水印的算法研究现状 |
| 1.2.4 存在的问题 |
| 1.3 研究思路、技术路线与研究内容 |
| 1.3.1 研究思路和技术路线 |
| 1.3.2 研究内容 |
| 1.4 论文结构 |
| 第2章 遥感影像抗屏摄鲁棒水印特征研究 |
| 2.1 遥感影像抗屏摄鲁棒水印技术特征分析 |
| 2.2 屏摄过程畸变特征分析 |
| 2.3 定量分析的实验设置与预处理 |
| 2.4 遥感影像水印嵌入域变化特征分析 |
| 2.4.1 空间域变化特征 |
| 2.4.2 DCT域变化特征 |
| 2.4.3 DWT域变化特征 |
| 2.4.4 DFT域变化特征 |
| 2.5 遥感影像局部特征稳定性分析 |
| 2.6 本章小结 |
| 第3章 基于局部特征的遥感影像抗屏摄鲁棒水印模型与算法 |
| 3.1 基于局部特征的遥感影像抗屏摄鲁棒水印模型 |
| 3.2 局部方形特征区域构建算法 |
| 3.2.1 高斯预处理 |
| 3.2.2 Harris-Laplace特征点计算 |
| 3.2.3 SURF特征方向计算 |
| 3.2.4 特征点筛选 |
| 3.2.5 特征区域构建 |
| 3.3 水印嵌入算法 |
| 3.4 水印检测与提取算法 |
| 3.5 参数选择 |
| 3.5.1 参数k_2的选择 |
| 3.5.2 嵌入半径R_1的选择 |
| 3.5.3 参数k_3的选择 |
| 3.5.4 阈值T_1的选择 |
| 3.6 实验分析与讨论 |
| 3.6.1 数据有效性评价 |
| 3.6.2 抗常规图像处理攻击的鲁棒性分析 |
| 3.6.3 抗屏摄攻击的鲁棒性分析 |
| 3.6.4 同时抗屏摄攻击和常规图像处理攻击的鲁棒性分析 |
| 3.7 本章小结 |
| 第4章 遥感影像抗屏摄鲁棒盲水印模型与算法 |
| 4.1 基于水印模板的遥感影像抗屏摄鲁棒盲水印模型 |
| 4.2 水印嵌入算法 |
| 4.2.1 同步水印嵌入 |
| 4.2.2 信息水印嵌入 |
| 4.3 水印检测与提取算法 |
| 4.3.1 多尺度同步水印粗检测 |
| 4.3.2 验证同步响应点 |
| 4.3.3 构建水印同步点集 |
| 4.3.4 一个水印同步点集的精校正 |
| 4.3.5 透视校正并提取信息水印的区域 |
| 4.3.6 水印信息提取 |
| 4.4 实验设置与参数选择 |
| 4.4.1 嵌入强度的参数选择 |
| 4.4.2 水印信息提取的阈值选择 |
| 4.5 实验分析与讨论 |
| 4.5.1 同步响应点验证算法有效性评估 |
| 4.5.2 水印同步的精度评估 |
| 4.5.3 数据有效性评价 |
| 4.5.4 抗常规图像处理攻击的鲁棒性分析 |
| 4.5.5 抗屏摄攻击的鲁棒性分析 |
| 4.6 本章小结 |
| 第5章 遥感影像联合加密与抗屏摄鲁棒水印模型与算法 |
| 5.1 遥感影像联合加密与抗屏摄鲁棒双水印模型 |
| 5.2 水印嵌入与影像加密算法 |
| 5.2.1 基于DFT的水印A嵌入算法 |
| 5.2.2 基于奇偶量化的水印B嵌入算法 |
| 5.2.3 奇偶分段加密算法 |
| 5.3 水印检测与影像解密算法 |
| 5.3.1 水印B的提取与解密算法 |
| 5.3.2 水印A的检测与提取算法 |
| 5.4 实验设置与参数选择 |
| 5.4.1 水印A嵌入强度的参数选择 |
| 5.4.2 阈值T_B与结构元素se_3的选择 |
| 5.4.3 检测分块B(i)的边长L_1的选择 |
| 5.4.4 水印信息提取的阈值选择 |
| 5.5 实验分析与讨论 |
| 5.5.1 加密的安全性分析 |
| 5.5.2 密文图像抗屏摄攻击的鲁棒性分析 |
| 5.5.3 明文数据有效性评价 |
| 5.5.4 明文遥感影像抗常规图像处理攻击的鲁棒性分析 |
| 5.5.5 明文遥感影像抗屏摄攻击的鲁棒性分析 |
| 5.5.6 局部解密的数据抗屏摄攻击的鲁棒性分析 |
| 5.5.7 水印容量讨论 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文主要工作和结论 |
| 6.2 论文主要创新点 |
| 6.3 研究展望 |
| 附录 英文缩写词表 |
| 参考文献 |
| 攻读博士学位期间发表的研究成果 |
| 致谢 |
（2）自嵌入水印算法及其在图像篡改检测和恢复的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 数字水印 |
| 1.2.1 水印的应用 |
| 1.2.2 水印的特点 |
| 1.2.3 水印的分类 |
| 1.3 近年来的相关论文情况分析 |
| 1.4 论文结构及主要内容 |
| 2 图像的数字水印算法 |
| 2.1 水印系统 |
| 2.2 水印的生成 |
| 2.3 水印的嵌入 |
| 2.3.1 空域水印嵌入技术 |
| 2.3.2 变换域水印嵌入技术 |
| 2.3.3 压缩域水印嵌入 |
| 2.4 水印质量评估 |
| 2.4.1 水印嵌入与图像质量的关系 |
| 2.4.2 压缩与图像质量的关系 |
| 2.4.3 水印的质量标准 |
| 2.4.4 图像的质量评价标准 |
| 3 一种改进的基于哈希算法的自嵌入水印算法 |
| 3.1 哈希算法 |
| 3.1.1 图像的哈希算法 |
| 3.1.2 图像哈希算法的研究现状 |
| 3.2 图像哈希值的生成 |
| 3.2.1 图像的预处理 |
| 3.2.2 基于块截断编码和中心对称局部二进制模式特征值提取 |
| 3.2.3 哈希值的生成 |
| 3.3 水印的嵌入和提取 |
| 3.3.1 水印的嵌入算法 |
| 3.3.2 水印的提取算法 |
| 3.4 实验结果及分析 |
| 3.4.1 参数设置与计算 |
| 3.4.2 不可见性测试 |
| 3.4.3 鲁棒性测试 |
| 3.5 小结 |
| 4 一种改进的基于SVD特征值提取的自嵌入水印算法 |
| 4.1 引言 |
| 4.2 基于SVD的特征值提取 |
| 4.2.1 图像块的SVD分解 |
| 4.2.2 图像块的特征值提取 |
| 4.3 块分类算法 |
| 4.4 图像的篡改检测和恢复 |
| 4.4.1 水印的嵌入算法 |
| 4.4.2 篡改检测和恢复 |
| 4.5 实验结果及分析 |
| 4.5.1 不可见性测试 |
| 4.6 本章小结 |
| 5 基于自嵌入水印的彩色图像纂改检测和恢复 |
| 5.1 彩色图像的哈希值算法 |
| 5.2 彩色图像压缩编码 |
| 5.3 水印的嵌入算法 |
| 5.4 篡改检测和恢复算法 |
| 5.5 实验结果 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士期间发表的论文 |
| 致谢 |
（3）数字图像水印技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文工作 |
| 1.4 论文结构 |
| 第二章 数字图像水印技术研究 |
| 2.1 数字图像水印的基本理论 |
| 2.1.1 数字图像水印及特性 |
| 2.1.2 数字图像水印的分类 |
| 2.1.3 数字图像水印的攻击 |
| 2.1.4 主要应用领域 |
| 2.2 典型的图像水印算法 |
| 2.2.1 空间域水印算法 |
| 2.2.2 变换域水印算法 |
| 2.3 数字水印的性能评估方法 |
| 2.3.1 不可见性评估 |
| 2.3.2 鲁棒性评估 |
| 2.4 本章小结 |
| 第三章 数字图像水印生成算法 |
| 3.1 改进的 Henon 映射算法 |
| 3.1.1 混沌序列 |
| 3.1.2 Henon 映射 |
| 3.1.3 改进的 Henon 映射 |
| 3.2 Arnold 算法的改进 |
| 3.2.1 Arnold 变换 |
| 3.2.2 改进的 Arnold 变换算法 |
| 3.3 数字图像水印生成算法 |
| 3.4 水印生成算法仿真与分析 |
| 3.5 本章小结 |
| 第四章 数字图像盲水印算法 |
| 4.1 平衡多小波变换原理 |
| 4.2 基于小波和平衡多小波相结合的盲水印算法 |
| 4.2.1 嵌入区域的选择 |
| 4.2.2 嵌入区域特性分析 |
| 4.2.3 水印的嵌入算法设计 |
| 4.2.4 水印的检测与提取 |
| 4.3 遗传算法的改进及应用遗传算法搜索水印嵌入强度系数 |
| 4.3.1 遗传算法基本原理 |
| 4.3.2 遗传算法的改进 |
| 4.3.3 改进的遗传算法搜索水印嵌入强度系数 |
| 4.4 本章小结 |
| 第五章 实验结果与分析 |
| 5.1 不可见性检测 |
| 5.2 鲁棒性检测 |
| 5.3 对比分析 |
| 5.4 本章小结 |
| 第六章 结束语 |
| 致谢 |
| 参考文献 |
| 研究成果 |
（4）数字图象的盲水印技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 数字水印技术产生的背景 |
| 1.1.1 问题的产生 |
| 1.1.2 数字水印技术的产生 |
| 1.2 数字水印与信息隐藏 |
| 1.3 数字水印的分类 |
| 1.4 数字水印的应用 |
| 1.5 数字水印的国内外研究动态 |
| 1.6 本论文的研究内容 |
| 本章参考文献 |
| 第二章 数字图象水印技术概述 |
| 2.1 数字水印技术的通用模型 |
| 2.1.1 水印嵌入 |
| 2.1.2 水印提取(或检测) |
| 2.2 算法设计要求 |
| 2.3 数字水印系统的评价标准 |
| 2.3.1 不可见性 |
| 2.3.2 鲁棒性 |
| 2.3.3 水印检测错误概率 |
| 2.3.4 计算复杂度 |
| 2.4 数字图象水印的典型算法 |
| 2.4.1 独立于图象的水印算法 |
| 2.4.2 基于视觉特性的水印算法 |
| 2.4.3 第二代水印算法 |
| 2.5 本章小结 |
| 本章参考文献 |
| 第三章 基于混沌映射的小波域盲水印方法研究 |
| 3.1 引言 |
| 3.2 混沌及小波变换的基础知识 |
| 3.2.1 混沌简介 |
| 3.2.2 小波变换简介 |
| 3.3 基于二维移位混沌映射的水印方法 |
| 3.3.1 水印的置乱 |
| 3.3.2 二维混沌映射的设计与分析 |
| 3.3.3 水印算法介绍 |
| 3.3.4 实验结果 |
| 3.3.5 算法小结 |
| 3.4 采用混沌置乱与F范数的水印方法 |
| 3.4.1 二维混沌映射的设计与分析 |
| 3.4.2 水印方法介绍 |
| 3.4.3 安全性能分析 |
| 3.4.4 实验结果 |
| 3.4.5 算法小结 |
| 3.5 无失真自适应零水印方法 |
| 3.5.1 改进的一维移位混沌映射 |
| 3.5.2 二值混沌序列 |
| 3.5.3 特征点提取 |
| 3.5.4 水印方法的主要过程 |
| 3.5.5 通过虚警概率确定检测阈值 |
| 3.5.6 抗攻击性能分析 |
| 3.5.7 实验结果 |
| 3.5.8 多水印嵌入技术 |
| 3.5.9 算法小结 |
| 3.6 本章小结 |
| 本章参考文献 |
| 第四章 抗几何攻击的盲水印技术研究 |
| 4.1 引言 |
| 4.2 有关抗几何攻击水印的研究 |
| 4.2.1 不变域方法 |
| 4.2.2 模板方法 |
| 4.2.3 自相关方法 |
| 4.2.4 图象归一化方法 |
| 4.3 空域RST不变量水印方法 |
| 4.3.1 特征点提取 |
| 4.3.2 三角剖分 |
| 4.3.3 RST不变量的产生 |
| 4.3.4 水印方法介绍 |
| 4.3.5 密钥的混沌搜索策略 |
| 4.3.6 实验结果 |
| 4.3.7 多水印嵌入技术 |
| 4.3.8 算法小结 |
| 4.4 基于神经网络和不变特征的水印方法 |
| 4.4.1 不变特征与神经网络的基础理论 |
| 4.4.2 方法介绍 |
| 4.4.3 实验结果 |
| 4.4.4 算法小结 |
| 4.5 本章小结 |
| 本章参考文献 |
| 第五章 无意义水印的盲提取 |
| 5.1 引言 |
| 5.2 一类典型的水印盲检测算法 |
| 5.3 无意义水印的盲提取模型 |
| 5.4 空域中的盲水印提取 |
| 5.4.1 图象建模 |
| 5.4.2 参数估计 |
| 5.4.3 二值混沌水印信号 |
| 5.4.4 水印算法介绍 |
| 5.4.5 实验结果 |
| 5.5 小波域中的盲水印提取 |
| 5.5.1 小波系数的建模 |
| 5.5.2 水印嵌入强度的确定 |
| 5.5.3 实验结果 |
| 5.6 进一步的改进 |
| 5.7 本章小结 |
| 本章参考文献 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来研究展望 |
| 致谢 |
| 博士学习阶段的研究成果 |
（5）基于深度学习的对象检测和对象区域水印技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 对象检测方法 |
| 1.2.2 数字水印技术 |
| 1.3 基于深度学习的对象检测 |
| 1.4 本文的主要内容 |
| 1.5 本文的组织结构 |
| 第二章 深度学习与数字水印技术概述 |
| 2.1 深度学习基础 |
| 2.1.1 前向传播算法 |
| 2.1.2 反向传播算法 |
| 2.1.3 卷积神经网络 |
| 2.2 水印技术特点与分类 |
| 2.2.1 数字水印的分类 |
| 2.2.2 数字水印的特点 |
| 2.3 数字水印技术路线 |
| 2.3.1 数字水印的生成 |
| 2.3.2 数字水印的嵌入 |
| 2.3.3 数字水印的提取和检测 |
| 2.4 数字水印的性能评估 |
| 2.5 本章小结 |
| 第三章 基于深度学习的对象检测算法 |
| 3.1 深度网络设计 |
| 3.1.1 批规范化处理 |
| 3.1.2 选择性搜索 |
| 3.1.3 网络模型设计 |
| 3.2 对象检测算法设计 |
| 3.3 实验结果与分析 |
| 3.3.1 数据集 |
| 3.3.2 实验结果 |
| 3.3.3 算法评估 |
| 3.3.4 性能分析 |
| 3.4 本章小结 |
| 第四章 基于对象区域的水印技术 |
| 4.1 对象区域水印设计 |
| 4.1.1 离散余弦变换 |
| 4.1.2 Zig-Zag扫描 |
| 4.1.3 建立人眼视觉模型 |
| 4.1.4 检测精度 |
| 4.2 对象区域水印算法设计 |
| 4.2.1 对象水印的生成和嵌入 |
| 4.2.2 对象区域水印的篡改和检测 |
| 4.3 实验结果与分析 |
| 4.3.1 实验结果 |
| 4.3.2 性能分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间已取得的成果 |
| 致谢 |
（6）一种改进的基于PDE的数字水印算法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景以及意义 |
| 1.2 数字水印国内外现状研究 |
| 1.3 数字水印特性和评价标准 |
| 1.3.1 数字水印基本特性 |
| 1.3.2 数字水印评价标准 |
| 1.4 本文研究内容和组织结构 |
| 1.4.1 本文主要研究内容 |
| 1.4.2 论文组织结构 |
| 第二章 数字水印技术综述 |
| 2.1 数字水印的分类 |
| 2.2 数字水印的攻击形式 |
| 2.3 经典数字水印算法 |
| 2.3.1 空间域数字水印算法 |
| 2.3.2 变换域数字水印算法 |
| 2.4 水印信号的设计和生成 |
| 2.5 本章小结 |
| 第三章 离散小波变换与奇异值分解 |
| 3.1 离散小波变换 |
| 3.1.1 离散小波变换与Mallat算法 |
| 3.1.2 数字图像小波变换 |
| 3.2 奇异值分解 |
| 3.2.1 奇异值分解定义 |
| 3.2.2 奇异值分解在数字水印方面的应用 |
| 3.3 本章小结 |
| 第四章 偏微分方程以及基于PDE的数字水印算法 |
| 4.1 偏微分方程的定义 |
| 4.2 经典的全变分模型 |
| 4.3 基于PDE的数字水印算法研究 |
| 4.4 本章小结 |
| 第五章 改进的基于PDE的数字水印算法 |
| 5.1 改进的基于PDE的数字水印算法 |
| 5.2 水印嵌入过程 |
| 5.3 水印提取过程 |
| 5.4 实验结果以及性能分析 |
| 5.4.1 仿真实验 |
| 5.4.2 算法对比 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作及总结 |
| 6.2 进一步研究工作 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（8）基于三维网格分割的数字水印方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 数字水印技术的概念 |
| 1.3 三维数字水印研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 主要工作及创新点 |
| 1.5 本文的章节安排 |
| 第二章 网格分割理论和三维模型数字水印技术 |
| 2.1 网格分割理论概述 |
| 2.1.1 三维网格模型的表示与特点概述 |
| 2.1.2 网格分割算法简介 |
| 2.2 三维模型数字水印技术 |
| 2.2.1 三维模型数字水印算法的分类 |
| 2.2.2 三维模型水印的攻击分析 |
| 2.2.3 三维模型水印技术难点分析 |
| 2.3 本章小结 |
| 第三章 基于网格分割的三维数字水印算法 |
| 3.1 引言 |
| 3.2 基于网格分割的数字水印算法 |
| 3.2.1 仿射变换预处理 |
| 3.2.2 三维模型网格分割 |
| 3.2.3 水印信息的嵌入过程 |
| 3.2.4 水印信息的提取过程 |
| 3.2.5 阈值ε的分析与确定 |
| 3.3 实验结果与分析 |
| 3.4 本章小结 |
| 第四章 改进的基于网格分割的非盲水印方法 |
| 4.1 非盲水印方法和盲水印方法简介 |
| 4.2 算法基本原理 |
| 4.3 改进的基于网格分割的非盲水印算法 |
| 4.3.1 三维模型的网格分割 |
| 4.3.2 网格模型的预处理 |
| 4.3.3 非盲水印的嵌入方法 |
| 4.3.4 非盲水印的提取 |
| 4.4 实验结果分析 |
| 4.5 关于算法的总结 |
| 第五章 总结和展望 |
| 5.1 全文工作总结 |
| 5.2 将来工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（9）基于变换域和HVS的数字水印算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 数字水印研究的背景和意义 |
| 1.2 数字水印研究现状 |
| 1.3 数字水印技术存在的问题 |
| 1.4 数字水印的应用领域 |
| 1.5 本文的主要研究内容及章节安排 |
| 第二章 数字水印技术概述 |
| 2.1 数字水印技术的概念 |
| 2.2 数字水印的原理和系统模型 |
| 2.2.1 数字水印的原理 |
| 2.2.2 数字水印的系统模型 |
| 2.3 数字水印的特征 |
| 2.4 数字水印的分类 |
| 2.5 数字水印的典型算法 |
| 2.6 数字水印的评价标准 |
| 2.6.1 不可见性评价 |
| 2.6.2 鲁棒性评价 |
| 2.7 本章小结 |
| 第三章 一种改进的基于DCT的自适应水印算法 |
| 3.1 引言 |
| 3.2 离散余弦变换 |
| 3.3 Arnold变换 |
| 3.4 算法基本原理 |
| 3.5 嵌入强度因子的确定 |
| 3.6 水印算法 |
| 3.6.1 水印嵌入 |
| 3.6.2 水印提取 |
| 3.7 仿真实验结果及分析 |
| 3.7.1 性能测试 |
| 3.7.2 鲁棒性测试 |
| 3.7.3 对比实验分析 |
| 3.8 本章小结 |
| 第四章 基于小波变换的彩色图像盲水印算法 |
| 4.1 引言 |
| 4.2 混沌加密的水印图像预处理 |
| 4.2.1 混沌系统原理 |
| 4.2.2 水印图像预处理 |
| 4.3 小波域的人类视觉系统模型 |
| 4.4 彩色图像水印算法 |
| 4.4.1 算法基本原理 |
| 4.4.2 水印嵌入 |
| 4.4.3 水印提取 |
| 4.5 仿真实验结果及分析 |
| 4.5.1 性能测试 |
| 4.5.2 鲁棒性测试 |
| 4.5.3 对比实验分析 |
| 4.6 本章小结 |
| 第五章 基于Contourlet变换的彩色图像水印算法 |
| 5.1 引言 |
| 5.2 Contourlet变换理论 |
| 5.3 Contourlet域的人类视觉系统掩蔽模型 |
| 5.4 彩色图像水印算法 |
| 5.4.1 算法基本原理 |
| 5.4.2 水印嵌入 |
| 5.4.3 水印提取 |
| 5.5 实验分析及结果 |
| 5.5.1 性能测试 |
| 5.5.2 鲁棒性测试 |
| 5.5.3 对比实验分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间取得的科研成果 |
| 致谢 |
（10）三维模型数字水印算法及关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 信息隐藏与数字水印技术 |
| 1.2 数字水印的应用领域 |
| 1.3 数字水印的分类和特性 |
| 1.3.1 数字水印的分类 |
| 1.3.2 数字水印的特性 |
| 1.4 三维模型水印 |
| 1.4.1 三维模型水印的特点及分类 |
| 1.4.2 三维水印算法的国内外研究现状 |
| 1.4.3 三维模型水印攻击 |
| 1.4.4 三维模型水印评估 |
| 1.5 本文的主要工作 |
| 第2章 基于几何特征的三维点云模型数字水印算法 |
| 2.1 引言 |
| 2.2 算法原理 |
| 2.3 水印嵌入与提取 |
| 2.3.1 水印嵌入 |
| 2.3.2 水印提取 |
| 2.3.3 阈值设定 |
| 2.4 实验结果与分析 |
| 2.4.1 模型几何误差分析 |
| 2.4.2 攻击分析 |
| 2.4.3 参数的鲁棒性分析 |
| 2.5 本章小结 |
| 第3章 基于特征信息的三维网格模型水印算法 |
| 3.1 引言 |
| 3.2 三维模型的特征分割 |
| 3.3 算法原理 |
| 3.4 水印的嵌入与提取 |
| 3.4.1 预处理 |
| 3.4.2 水印嵌入 |
| 3.4.3 水印的提取 |
| 3.5 实验结果与分析 |
| 3.6 本章小结 |
| 第4章 面向三维网格模型的多重水印算法 |
| 4.1 引言 |
| 4.2 算法原理及可行性分析 |
| 4.3 算法描述 |
| 4.3.1 多重水印的嵌入 |
| 4.3.2 多重水印的提取 |
| 4.3.3 实验结果与算法分析 |
| 4.4 基于特征信息的三维网格模型水印算法的改进 |
| 4.4.1 水印嵌入 |
| 4.4.2 水印检测 |
| 4.4.3 实验结果与分析 |
| 4.5 本章小结 |
| 第5章 面向网格细分曲面的数字水印算法 |
| 5.1 引言 |
| 5.2 细分曲面的基本概念 |
| 5.2.1 Loop细分法 |
| 5.2.2 Doo-Sabin细分法 |
| 5.3 离散余弦变换(DCT变换)在数字水印中的应用 |
| 5.4 基于网格细分的水印算法 |
| 5.4.1 水印的嵌入 |
| 5.4.2 水印的检测 |
| 5.5 实验结果分析 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 进一步研究工作展望 |
| 参考文献 |
| 攻读博士学位期间主要的研究成果 |
| 致谢 |
四、一种改进的盲水印检测方法（论文参考文献）
- [1]遥感影像抗屏摄鲁棒水印模型与算法[D]. 陈玮彤. 南京师范大学, 2021
- [2]自嵌入水印算法及其在图像篡改检测和恢复的应用[D]. 葛镜. 华中师范大学, 2019(01)
- [3]数字图像水印技术研究[D]. 陆铭鑫. 西安电子科技大学, 2012(03)
- [4]数字图象的盲水印技术研究[D]. 潘蓉. 西安电子科技大学, 2005(02)
- [5]基于深度学习的对象检测和对象区域水印技术研究[D]. 袁常青. 佛山科学技术学院, 2018(08)
- [6]一种改进的基于PDE的数字水印算法[D]. 徐树升. 浙江理工大学, 2016(08)
- [7]基于DCT的数字图像水印技术的研究[J]. 豆根生,昝明睿,林爱英,卢珂. 河南科学, 2014(05)
- [8]基于三维网格分割的数字水印方法研究[D]. 唐宝. 山东师范大学, 2014(08)
- [9]基于变换域和HVS的数字水印算法研究[D]. 闫丽君. 西北大学, 2010(09)
- [10]三维模型数字水印算法及关键技术研究[D]. 冯小青. 浙江大学, 2009(03)