BEMD与Hilbert曲线结合的图像水印算法增强鲁棒性研究

"结合BEMD与Hilbert曲线的重复嵌入图像水印算法" 本文是一篇关于图像水印技术的研究论文，旨在解决现有数字图像水印算法在尺寸匹配和抗攻击性上的问题。作者提出了一个创新的水印嵌入方法，结合了二维经验模态分解（BEMD）和Hilbert曲线，以增强水印的隐藏性和鲁棒性。 首先，论文介绍了如何通过Arnold变换来扰乱水印图像，这一步骤增强了水印的安全性，使得攻击者更难识别和移除水印。接着，利用Hilbert曲线对扰动后的二维水印图像进行数据降维，将其转换为一维信号。这种方法不仅解决了水印图像与宿主图像尺寸不匹配的问题，还进一步增加了水印的混乱程度，提升了安全性。 然后，论文中提到对宿主图像执行BEMD分解，以获取不同尺度下的内蕴模态函数（IMFs）和余量信息。通过对第一个IMF对应的图像极值点的检测，确定水印嵌入的位置。这样的选择基于人类视觉系统（HVS）的纹理掩蔽特性，可以降低水印对图像视觉质量的影响。 水印嵌入的过程是，按照从左至右、自上而下的顺序，将一维水印信号重复嵌入到检测到的极值点中。这一过程确保了水印在图像中的均匀分布，同时结合其他IMFs和余量信息，重建得到含有水印的新图像。 水印的提取则为嵌入过程的逆操作，通过同样的逻辑和步骤，可以在受到攻击或处理后的图像中恢复原始水印。论文的实验部分可能包括对各种攻击如大尺度剪切、高斯噪声和椒盐噪声的模拟，以验证所提算法的鲁棒性。 这项工作为图像水印技术提供了新的思路，利用BEMD和Hilbert曲线的结合，提高了水印的隐藏性和抵抗各种图像处理攻击的能力，对于数字版权保护和信息安全领域具有重要意义。