基于奇异值分解的图像水印算法比较研究与改进

基于奇异值分解的图像水印算法比较研究 奇异值分解是一种重要的矩阵分析工具，在图像处理的众多领域都得到了很多应用。一些基于奇异值分解的图像水印算法存在着高虚警率的缺陷，缺乏实用性。其根本原因在于图像奇异值分解的基空间与图像内容密切相关，奇异值向量并不能刻画图像的结构信息，仅反映图像的亮度信息，与图像之间并不存在一一对应关系。 基于奇异值分解的图像水印算法的缺陷在于，嵌入算法仅仅植入了水印图像的奇异值向量，没有水印图像在基空间的结构信息，因而在提取水印时必然要用到水印图像的两个正交矩阵，导致提取过程过多地依赖于水印图像基空间的结构信息。 最近报道的基于主成分的改进算法将水印图像的主成分嵌入到原始图像中，在提取水印时只需要水印图像的一个正交矩阵，较好地解决了这一问题。改进算法嵌入和抽取的结果显示，如图10所示，将barbara图像(未嵌入任何水印)作为可疑图像，改进算法抽取水印的结果如图11所示。结果表明，此时抽取的水印图像无法辨认。 在空域和变换域中经典的奇异值分解水印算法中，存在着高虚警率的缺陷，主要问题在于，嵌入算法仅仅植入了水印图像的奇异值向量，没有水印图像在基空间的结构信息，因而在提取水印时必然要用到水印图像的两个正交矩阵，导致提取过程过多地依赖于水印图像基空间的结构信息。 基于主成分的改进算法将水印图像的主成分嵌入到原始图像中，在提取水印时只需要水印图像的一个正交矩阵，较好地解决了这一问题。此外，改进算法中使用了粒子群优化算法，进一步提高了算法的效率和鲁棒性。 基于奇异值分解的图像水印算法存在着高虚警率的缺陷，基于主成分的改进算法能够较好地解决这一问题，提高图像水印算法的实用性和鲁棒性。 知识点： 1. 奇异值分解是一种重要的矩阵分析工具，在图像处理的众多领域都得到了很多应用。 2. 基于奇异值分解的图像水印算法存在着高虚警率的缺陷，缺乏实用性。 3. 奇异值分解的基空间与图像内容密切相关，奇异值向量并不能刻画图像的结构信息，仅反映图像的亮度信息，与图像之间并不存在一一对应关系。 4. 基于主成分的改进算法将水印图像的主成分嵌入到原始图像中，在提取水印时只需要水印图像的一个正交矩阵，较好地解决了高虚警率的问题。 5. 粒子群优化算法能够进一步提高算法的效率和鲁棒性。 参考文献： [1] 刘瑞祯，谭铁牛．基于奇异值分解的数字图像水印方法[J]．电子学报，2001，29(2)：168-171． [2] ZhangXiaoping，LiKan．AnSVD-basedwatermarkingschemeforprotectingrightfulownership[J]．IEEETransactions onMultimedia，2005，7(2)：593-594． [3] ...