纹理复杂度与JND模型提升的图像水印算法性能

本文研究了一种结合纹理复杂度和JND模型的图像水印算法，旨在解决当前基于灰度共生矩阵相关水印算法存在的容量较小问题。该方法首先对原始图像进行预处理，将其划分为多个子块，每个子块利用灰度共生矩阵的四个纹理特性（如对比度、能量、熵和相关性）来计算其纹理复杂度。通过比较子块间的纹理复杂度，算法对子块进行排序，决定水印嵌入的优先级。 接着，对所有子块进行离散余弦变换（DCT），这是一种常见的信号处理技术，用于分析图像频域特征，提取出在视觉上不易察觉的高频细节。在这个过程中，作者引入了新的分区方式来计算各子块的JND（最小可觉差）值，这代表了人类眼睛对不同区域的敏感程度。根据子块的JND值和嵌入规则，算法能够更精细地控制水印在图像中的分布，确保在不影响视觉质量的情况下嵌入更多的信息。 这种结合纹理复杂度和JND模型的策略考虑到了人眼的视觉感知特点，使得水印嵌入后图像的自然属性得以保留，从而提高了图像的质量。实验结果显示，与现有的水印算法相比，当嵌入相同容量的水印时，所提出的算法能显著提升图像的平均峰值信噪比（PSNR），具体表现为高出4.27%。即使是在嵌入超出原有方法容量极限的水印时，图像的平均PSNR仍然保持在较高的水平，约为53.4498 dB。 该研究不仅提升了图像水印算法的容量，还兼顾了水印的不可见性和鲁棒性，这对于数字版权保护和防伪等应用场景具有重要意义。此外，作者还列出了参与研究的团队成员及其研究背景，包括李淑芝教授（软件工程、信息隐藏）、龙香玉硕士研究生（图像处理、信息隐藏）、邓小鸿讲师（网络信息安全）以及周永新硕士研究生（数据挖掘），共同展现了他们在图像水印领域的专业深度和研究成果。 这篇论文为图像水印领域的研究提供了一种创新的方法，有望在未来的信息隐藏和版权保护技术中发挥重要作用。