基于遗传算法的多重水印技术比较

可在www.sciencedirect.com上在线ScienceDirect电气系统与信息技术学报3（2016）68基于遗传算法的多种水印技术比较N. Mohananthini， G. 亚穆纳1号电子工程系，Annamalai大学，Annamalai Nagar 608002，Tamilnadu，印度接收日期：2015年2月14日;接收日期：2015年10月31日;接受日期：2015年11月5日2016年3月18日在线发布摘要多重水印技术用于共享多个用户的版权，增强了鲁棒性和安全性。该方法是基于离散小波变换和奇异值分解的遗传算法的多重水印技术的比较本文详细阐述了连续水印、分段水印和复合水印三种主要的多重水印技术。实验结果表明，基于小波变换的水印算法具有多分辨率描述特性，实现了不可感知性。基于奇异值分解的水印算法将水印信息添加该优化算法是以最大化峰值信噪比和归一化相关性为目标的遗传算法多水印技术© 2016 电 子 研 究 所 （ ERI ） 。 Elsevier B. V. 制 作 和 托 管 这 是 CC BY-NC-ND 许 可 证 下 的 开 放 获 取 文 章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：多水印;连续水印;分段水印;复合水印;遗传算法1. 介绍数字图像水印技术是信息安全领域的一项重要技术它是用于通过保护图像免受盗版来保护图像来源的重要技术之一多重水印技术结合了单一水印技术的优点，形成了一种复杂的多重水印技术，具有很高的安全性和鲁棒性。Jaiswal和Patil（2012）将文本水印应用于图像和文本文档会降低嵌入水印的不可见性和鲁棒性。基于门限密码学的Web文档双水印方案（DWTC）可以解决离散小波变换包含三个过程：水印的生成、水印的嵌入和水印的检测。基于门限密码体制，*通讯作者。联系电话：+91 9843279541;传真：+91 4144 238080。电子邮件地址：mohananthini@yahoo.co.in（N. Mohananthini），yamuna.sky @ gmail.com（G. Yamuna）。1电话：+91 9842399987;传真：+91 4144 238080。电子研究所（ERI）负责同行评审http://dx.doi.org/10.1016/j.jesit.2015.11.0092314-7172/© 2016电子研究所（ERI）。Elsevier B. V.制作和托管这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。N. Mohananthini，G.Yamuna/Journal of Electrical Systems and Information Technology 3（2016）6869Fig. 1.图像水印的框图。的水印处理可以增加鲁棒性。但基于门限密码的双重水印算法在水印容量和防篡改性能方面存在不足。为了解决这个问题，他们可以通过应用多个水印来增加水印容量和防篡改性能。Nasir等人（2008）提出了一种新颖的基于空间域的鲁棒彩色图像水印技术在宿主图像的蓝色分量中嵌入四个相同的水印。在提取过程中，原始图像是可用的，可以从水印图像的不同区域提取5个水印，根据归一化互相关（NCC）的最大值从5个水印中只检测或构造一个水印实验结果表明，他们提出的方案是强大的几种攻击。他们提出的技术也是安全的，并且有正确的密钥来提取水印。Kendy等人（2010）在小波域中应用了多重水印技术，以保留医生所做的医学图像诊断的可追溯性和记录他们的技术是在医学图像中隐藏信息，同时确保其不可感知性。他们的诊断是由医生插入图像中的数据他们论文的根本挑战是如何在图像中隐藏每个医生的完整诊断，同时确保图像的良好质量。1.1. 问题定义许多数字水印技术已经被提出来解决这个问题，通过在图像中隐藏不可见的由于大多数突出的应用程序，嵌入信息的所有者，以防止他人声称版权。医学图像的嵌入信息一般通过不安全的开放式网络从医院传输到需要的区域。它造成了一种威胁，导致了不受欢迎的结果。考虑到这一事实，多水印技术被用于提出的水印方案。这对于解决不同的问题非常重要，医学图像水印算法框图如图所示。1.一、水印算法的提取过程具有透明性和鲁棒性。透明性和鲁棒性的要求之间的理解被认为是一个优化问题，并通过应用遗传算法删除。2. 材料和方法2.1. 离散小波变换近年来，基于离散小波变换（DWT）和奇异值分解（SVD）的数字图像水印算法被提出。小波变换以小波变换为基础，在信号处理和图像压缩中得到了广泛的应用 Anoop Suraj等人（2014）综述了FPGA中基于离散小波变换的图像融合和去噪。利用Daubechies母小波有效地融合了一位肉瘤他们的方法主要集中在算法的FPGA实现和算法的扩展以执行实时操作。小波编码特别适合于可容忍的退化和可扩展性的应用小波分析是多分辨率分析的核心···70N. Mohananthini，G.Yamuna/Journal of Electrical Systems and Information Technology 3（2016）68×××不将图像分解为不同大小分辨率级别的子图像该方法对原始图像进行两级小波分解，在低频子带（LL2）上嵌入水印。2.2. 奇异值分解奇异值分解是一种在数字水印、图像压缩和其它信号处理领域有着广泛应用的数学方法。在基于奇异值分解的水印算法中，水印信息以这样一种方式添加到对角矩阵S的奇异值中，以满足鲁棒性和不可感知性的要求。如果将水印加入到奇异值分解的正交矩阵中，则可以提高原始图像的不可感知性，但由于正交矩阵的矩阵元素非常小，所以对许多攻击不具有鲁棒性的SVDm×n图像矩阵F具有分解形式，其中m行n列F=U×S×V（1）其中，U是左奇异值，是m m正交矩阵;V是右奇异值，是n n正交矩阵，S=m n对角矩阵，对角上有奇异值已经引入了增强的基于半盲SVD-DWT的图像水印技术（Sleit等人，2012年）。实验结果还表明，他们提出的方案优于各种攻击的鲁棒性。2.3. 遗传算法遗传算法是求解、搜索和优化问题的一种强有力的自适应方法。它是一种人工智能优化技术。遗传算法比传统算法具有更好的鲁棒性。在遗传算法中，每个个体被编码为一个有限长度的变量向量，这些个体与染色体相连，然后一组染色体形成一个种群。遗传算法首先随机选择一些种群称为第一代，然后种群中的每一个个体对应一个解就是问题域。适应度函数也被称为目标函数，其通过组合峰值信噪比和归一化相关性两个度量而形成。适应度函数用于评估种群中的所有个体，并评估最佳个体以及相应的适应度值。遗传算法中的三种主要算子是：选择、交叉和变异算子。遗传算法的流程图如图所示。 二、 Kumsawat和Attakitmongcol（2004）开发了一种使用遗传算法优化图像水印的技术。他们的方法被应用于提高水印图像的质量和水印的鲁棒性。2.4. 多重水印在多水印技术中，多个水印被嵌入到原始图像中。Sheppardet al. （2001）介绍了三种具有一定性质的多重水印算法。这些算法描述了多个水印应用中的一些潜在的安全问题，这些问题不适用于单个水印应用。多水印技术讨论如下，2.4.1. 连续水印在嵌入过程中，将多个水印依次嵌入，得到含水印图像。在提取过程中，从带水印的图像中一个接一个地提取多个水印。这种方法也被称为再水印技术。Mark等人（2007年）证明了水印接口是对多个重新水印场景中的可靠检测的威胁。在再水印中，水印被一个接一个地嵌入。采用不相交的频带嵌入不同的水印证明是更有效的，能够保持合理的检测相关性，在多个嵌入应用。讨论了用于多次重新加水印的经典鲁棒水印技术（Kampfer等人，2006年）。他们的方法发现，如果记录并存储了用于非盲算法的正确参考图像数据，则可以为此目的采用非盲算法以及盲算法。可以检测到令人惊讶的大量不同的水印，并且使用他们的方法在一定程度上保持鲁棒性。N. Mohananthini，G.Yamuna/Journal of Electrical Systems and Information Technology 3（2016）6871图二.遗传算法流程图。2.4.2. 分段水印分段水印方法对原始图像进行分段，使得每个水印具有其自己单独的嵌入区域。在所提出的工作中，一个水印被嵌入到奇数行和列，另一个水印被嵌入到偶数行和列的彩色图像莉娜。提出了一种新的旋转和缩放不变的图像水印方案（Nantha Priya和Lenty Stuwart，2010）。该方法将图像分割成多个均匀区域，并提取特征点。在对图像进行归一化和方向分配的基础上，利用图像的平移、缩放和旋转不变区域进行水印的嵌入和提取。分割后的图像被建模为混合广义高斯分布，该模型是数学分析的基础上的各个方面的水印过程，如错误的概率，嵌入强度调整。通过实验结果证明了该方法的有效性和准确性Wheeler等人（2004）引入了加权分段数字水印的概念，并推广了分段水印中抗裁剪性的工作，以提供加权情况下的性能度量。静止图像的分段水印，其中分段是通过将图像划分为方块来形成的，每个方块包含一个贡献者的水印。如果水印存在于他们的作品的一个或多个片段中，则仲裁器将该水印的所有者报告为作品的所有者。他们的工作比较了在存在剪切攻击的情况下水印嵌入模式的性能测量。一组方案和他们的分析，最大限度地恢复剪切攻击的多个水印位置（Frikken和Atallah，2003年）。数字水印是数字版权管理的一种工具，在同一数据中插入多个水印是一个重要的应用。Dehghan和EbrahimSafavi（2010）提出了一种适用于图像版权保护的基于小波变换的图像水印技术该方法首先将宿主图像分割成小块，然后将水印信息嵌入到每个小块的低通小波系数由于所提出的方法计算复杂度低，他们的算法可以72N. Mohananthini，G.Yamuna/Journal of Electrical Systems and Information Technology 3（2016）68=实时执行实验结果表明，他们提出的方法的不可见性和对各种攻击的高鲁棒性。2.4.3. 复合水印复合水印是将场景的两个图像的信息混合到单个复合图像中的过程，这肯定是更有益的，并且在可视概念或计算机定稿方面也要好得多。复合水印的目标是将支持多传感器、多时间和多视角的事实直接组合到一幅特定的新图像中。目的应该是减少不确定性，限制生产力，同时最大限度地提高适用的事实。提出了一种新的基于奇异值分解-离散小波变换（SVD-DWT）的复合图像水印算法（Liang，2006）。该算法通过奇异值分解将水印嵌入到高频图像中，不像传统的观点认为水印应该嵌入到低频或中频图像中才具有较好的鲁棒性。实验评估表明，他们提出的算法是能够抵御各种攻击，包括常见的几何攻击。3. 提出的多重水印技术该方案采用了基于遗传算法的DWT-SVD多重水印技术。下面讨论水印的嵌入、提取和遗传算法过程3.1. 连续水印a. 原始图像和第一个水印使用离散小波变换进行两级分解b. 对原始图像和水印图像的LL2c. 通过下式将水印图像的奇异值嵌入到原始图像的奇异值中IW1（i，j）=SI（i，j）+α×SWI（i，j）（2）其中SI（i，j）是原始图像的奇异值，SWI（i，j）是第一水印图像的奇异值，α是建立水印强度的缩放因子，并且IW1（i，j）是水印图像1d. 应用逆奇异值分解并执行逆小波变换以得到水印图像1。e. 同样，将第二水印嵌入到水印图像1中，得到水印图像2。f. 水印图像1和水印图像2通过使用离散小波变换被分解为两个级别。g. 将SVD应用于水印图像1和2的LL2h. 第二水印的奇异值可以被提取为，SW2（i，j）IW1（i，j）−SI（i，j）αi. 对水印进行逆奇异值分解得到第二个水印。（三）j. 通过重复上述步骤，从水印图像1和原始图像中提取第一水印3.2. 分段水印a. 将原始图像分割成奇数行和偶数列的图像。b. 利用离散小波变换将奇数行和偶数行的列图像分解为两级c. 将奇异值分解应用于奇数行、偶数行、偶数列和水印图像的LL2N. Mohananthini，G.Yamuna/Journal of Electrical Systems and Information Technology 3（2016）6873===d. 第一水印图像的奇异值被嵌入到奇数行列图像的奇异值中，第二水印图像的奇异值被嵌入到偶数行列图像的奇异值中，通过以下等式IW1（i，j）=SIodd（i，j）+α×SW1（i，j）（4）IW2（i，j）=SIeven（i，j）+α×SW2（i，j）（5）其中SIodd（i，j）是奇数行列图像的奇异值，SW 1（i，j）是第一水印图像的奇异值，IW1（i，j）是奇数行列水印图像的奇异值，SIeven（i，j）是偶数行列图像的奇异值，SW 2（i，j）是第二水印图像的奇异值，IW2（i，j）是偶数行列水印图像的奇异值。e. 该方法首先对图像进行奇异值分解，然后进行小波逆变换，得到奇数行和偶数行的水印图像。f. 将奇数行、偶数行、偶数列的水印图像合并得到最终的水印图像。g. 将水印图像分割为奇数行和偶数行、偶数列水印图像。h. 利用离散小波变换将奇数行和偶数行、偶数列i. 对水印图像的奇数行、偶数行、偶数列的LL2子带进行奇异值分解j. 第一和第二水印图像的奇异值可以如下提取SW1（i，j） IW1（i，j）−SIodd（i，j）αSW2（i，j） IW1（i，j）−SIeven（i，j）αk. 利用逆奇异值分解得到第一和第二水印。3.3. 复合水印（六）（七）a. 将第一水印图像和第二水印图像的信息混合成单个复合水印图像。b. 利用离散小波变换将原始图像和复合水印图像分解为两级。c. 对原始水印图像和合成水印图像的LL2d. 复合水印图像的奇异值通过下式IW（i，j）=SI（i，j）+α×SW（i，j）（8）其中SI（i，j）是原始图像的奇异值，SW（i，j）是复合水印图像的奇异值IW（i，j）是水印图像的奇异值。e. 该方法首先对水印图像进行奇异值逆分解，然后进行小波逆变换，得到水印图像。f. 利用离散小波变换对水印图像和原始图像进行两级分解g. 对水印图像和原始图像的LL2子带进行奇异值分解。h. 复合水印的奇异值可以提取为，SW（i，j）IW（i，j）−SI（i，j）αi. 利用逆奇异值分解得到复合水印。j. 从合成水印图像中，获得第一和第二水印图像（九）74N. Mohananthini，G.Yamuna/Journal of Electrical Systems and Information Technology 3（2016）68××3.4. 遗传算法过程遗传算法过程的目标是不可见性和鲁棒性的优化在目前的工作中，遗传算法过程所涉及的步骤简述如下：a. 初始化参数：交叉率，变异率，初始种群大小和迭代次数b. 随机生成通过执行水印嵌入和提取过程指定的初始种群，因为攻击水印图像和提取水印是为每个个体生成的。c. 适应度函数的选择基于不可感知性和鲁棒性的大小，如下所示：适应度函数=PSNR+（100×NC 1）（10）适应度函数=PSNR+（100×NC 2）（11）其中PSNR是峰值信噪比，NC1是归一化相关性1，NC2是归一化相关性2。在方程式中，在公式（10）和（11）中，如果值100乘以NC，则通过增加NC的值而不是PSNR，适应度值增加得更多。因此，鲁棒性的优化针对给定的不可感知性值而发生鲁棒性值与适应度函数呈正相关。适应度函数=NC+（100×PSNR）（12）这里，NC值是两个水印的平均值由方程式如果将值100乘以PSNR，则通过增加PSNR而不是NC的值，适应度值增加得更多因此，对于给定的鲁棒性值，进行不可感知性的优化不可感知性值具有正的峰值信噪比和适应度函数。d. 选择最佳适应值和最佳个体e. 通过对选定的个体执行交叉、变异函数，随机生成指定的新种群。f. 重复上述步骤，直到达到预定义的迭代4. 结果提出了一种基于小波域和奇异值分解的彩色图像多重水印技术。图3（a）-（c）分别显示了512 512原始尺寸的Lena、医学和军事图像。此外，48 48尺寸的彩色徽标被用作图3（d）和（e）中所示图3.第三章。测试图像。（a）Lena图像，（b）医学图像，（c）军事图像，（d）水印图像1和（e）水印图像2。N. Mohananthini，G.Yamuna/Journal of Electrical Systems and Information Technology 3（2016）6875ΣNC=i=1j= 1Σ4.1. 绩效评价水印技术的性能可以通过峰值信噪比（PSNR）来评价PSNR用于衡量水印图像的质量，其由下式给出10 log102552PSNR（dB）=（十三）MSE其中MSE是均方误差。提取水印后，用归一化相关系数（NC）来衡量水印的质量。外部水印W（i，j）和嵌入水印W（i，j）之间的NC被定义为：公司简介W（i，j）×W（i，j）Hi=1Lj=1[W（i，j）]2其中，W（i，j）是嵌入式水印，W（i，j）是嵌入式水印。4.2. 抗攻击的为了证明该算法的鲁棒性，对水印图像进行了几何攻击（旋转、平移、剪切、行列消隐和行列复制）、去除攻击（中值滤波、维纳滤波、JPEG压缩）和常见图像处理攻击（椒盐噪声、高斯噪声、斑点噪声、锐化、平滑）的测试表1示出了基于不同图像水印方法的水印图像和提取的水印。表2显示了Lena图像的单一水印技术的PSNR和NC4.3. 抗攻击的为了证明该算法的鲁棒性，对水印图像进行了多种水印技术的攻击实验. 表3和表4显示了Lena彩色图像的PSNR和NC值在多种水印技术（连续、分段和复合）上的性能4.4. 抗攻击提出了一种基于遗传算法的小波变换和奇异值分解的多重水印技术表5示出了Lena彩色图像的单一水印技术的PSNR和NC值的优化。参数的选择是通过试验和错误，从提供了最好的结果的参数的文件。使用遗传工具的实验的相关参数如下：群体大小为20，变量数为2，最大代数为5，交叉概率为0.8，变异概率为0.2。4.5. 抗攻击的表6和表7显示了Lena彩色图像的多水印技术的PSNR和NC值的优化5. 讨论提出了一种基于小波变换的数字图像多重连续水印方案（Mohananthini和Yamuna，2013）。 连续水印算法适用于一个水印的提取需要依赖于另一个水印的提取的应用场合。实验结果表明，该方法具有良好的不可见性和抗攻击性。提出了使用离散小波变换的多种水印技术（连续的和分段的）的比较（Mohananthini等人，2013年）。他们提出的方案表现出良好的性能，在原始彩色图像的不可见性和分割的水印有更好的视觉质量时，与连续水印的图像。（十四）表1对不同的图像水印方法进行了水印图像和提取水印图像的PSNR和NC值的比较76N. Mohananthini，G.Yamuna/Journal of Electrical Systems and Information Technology 3（2016）68N. Mohananthini，G.Yamuna/Journal of Electrical Systems and Information Technology 3（2016）6877表2PSNR和NC值对单水印技术抗攻击能力的影响。3× 3滤波器尺寸的维纳滤波在我们之前的工作中，分析了连续和分段水印算法（Mohananthini和Yamuna，2013; Mohananthini等人，2013年）。 本工作增加了基于SVD的方法，复合水印，和优化。将原始图像与小波变换和奇异值分解相结合，再加上水印，具有很好的不可见性和鲁棒性。当它们被单独处理时，原始图像与DWT或原始图像与SVD与水印在任一情况下显示不同的高和低的值。因此，论证了在原始图像中采用离散小波变换和奇异值分解进行水印的重要性。在对多种水印技术的分析中，复合水印比连续水印和分段水印具有更高的峰值信噪比连续水印技术对维纳滤波、旋转、行列消隐和行列复制具有较好的鲁棒性该算法对椒盐噪声、中值滤波、平移、JPEG压缩和平滑等具有较好的鲁棒性该复合水印技术对锐化、斑点噪声、剪切、JPEG压缩和平滑具有较好的鲁棒性从结果中，它是观察到的多个水印技术实现更强大的鲁棒性时，与单一的水印。在多水印算法中，嵌入新的水印会降低图像质量。为了解决这个问题，多水印测试使用遗传算法（气体）。表3基于PSNR值的多水印技术对抗攻击。3× 3滤波器尺寸的维纳滤波攻击单一水印（PSNR）提取的水印密度为3%时的20.34720.8081方差1%19.24280.9089散斑噪声方差0.00527.94650.99683× 3过滤器尺寸的中值过滤高斯模糊34.926620.590229.24280.99280.67310.9089翻译裁剪16.924711.19380.51500.3354旋转60度JPEG压缩，质量为2010.105736.38490.13510.8469锐化25.66180.8101平滑41.16920.9989Row–column11.95990.6670Row–column18.79320.8358攻击连续水印分段水印复合水印（峰值信噪比）（峰值信噪比）（峰值信噪比）没有攻击37.967738.063943.8860密度为3%时的20.243520.265620.3467方差1%20.228320.222220.2497散斑噪声方差0.00527.620427.610727.93373× 3过滤器尺寸的中值过滤33.405320.554633.416820.554434.866720.5721翻译裁剪16.735210.859715.899110.631916.767510.9140旋转60度9.80678.59199.8319JPEG压缩，质量为2035.336435.204836.3708锐化25.380223.982425.5756平滑37.035936.403440.9839Row–column11.952511.952411.9596Row–column18.699018.702418.783678N. Mohananthini，G.Yamuna/Journal of Electrical Systems and Information Technology 3（2016）68××表4基于NC值的多水印技术对抗攻击。3× 3滤波器尺寸的维纳滤波表5抗攻击的单水印技术的PSNR和NC值优化维纳滤波33过滤器尺寸21.6475 0.6864JPEG压缩，质量为20 38.2576 0.9162在本工作中，以下是遗传算法中所选参数的结果，该遗传算法显示出最佳结果。利用遗传算法来解决数字水印中的优化问题。在水印算法中，峰值信噪比（PSNR）和NC是两个重要的特征参数。这两个参数必须尽可能大，以获得更好的水印算法。然而，PSNR和NC以PSNR的最大化降低NC的值的方式相关联因此，水印算法描述参数和遗传算法被用来找到最佳的参数值，以获得一个指定的性能的水印系统的PSNR和NC。通过对遗传算法中适应度函数的检验，仿真结果表明了该方法的有效性这包括与攻击（椒盐噪声、高斯噪声、斑点噪声、JPEG）下的鲁棒性相关的两个因素表6PSNR值对多水印技术抗攻击性能的优化Wiener滤波33过滤器尺寸21.5912 21.5878 21.6498JPEG压缩质量20 37.4234 37.7035 38.2083攻击连续水印分段水印复合水印提取的水印提取的水印提取的水印121212没有攻击111111密度为3%时的0.81200.99180.88560.99780.82910.7959方差1%0.78910.99060.87690.97430.84680.8306散斑噪声方差0.0050.998010.99650.99920.99980.99993× 3过滤器尺寸的中值过滤0.99160.676610.99870.99930.814210.76790.99820.706010.7476翻译裁剪10.84100.47170.94270.95860.33740.93590.36000.59700.94120.63670.8839旋转60度0.13640.97360.12400.11870.12350.1883JPEG压缩，质量为2010.96521111锐化0.800010.90780.96550.93340.9648平滑0.998911111Row–column0.66700.98350.66860.67050.66730.6707Row–column0.83580.99560.92110.93230.94330.9046攻击单一水印（PSNR）提取的水印密度为3%时的21.43870.8158方差1%21.27360.9149散斑噪声方差0.00528.966713× 3过滤器尺寸的中值过滤35.92870.9932攻击连续水印（PSNR）分段水印（PSNR）复合水印（PSNR）密度为3%时的21.388221.371021.4216方差1%21.245621.242521.2750散斑噪声方差0.00528.627428.910728.94693× 3过滤器尺寸的中值过滤34.557934.568535.9431N. Mohananthini，G.Yamuna/Journal of Electrical Systems and Information Technology 3（2016）6879×表7NC值对多水印技术抗攻击性能的优化攻击连续水印（NC）分段水印复合水印Wiener滤波33过滤器尺寸0.6901 1 0.8346 0.7803 0.7266 0.7596JPEG压缩，质量为20 1 1 1 1 1表8与现有计划的比较（Ghafoor和Imran，2012年）。攻击现有方法（Ghafoor和Imran，2012年）该方法椒盐噪声0.4000.8081高斯噪声0.4170.9089裁剪0.2730.3354锐化0.2630.8101中值滤波0.6120.9932压缩、中值滤波和维纳滤波）和用遗传算法改进水印图像质量。5.1. 与现有方案的为了证明该方案的有效性，鲁棒性（NC）值与基于SVD的单一水印方案（Ghafoor和Imran，2012）进行了比较。提出了一种将水印嵌入到原始图像小波变换子带奇异值中的方法。NC值列在表8中，很明显，所提出的方案的鲁棒性性能优于现有的Lena图像（缩放因子值为0.03）。为了证明多水印技术的有效性，将鲁棒性与现有方法（Jagadeesh等人，2012年）。Jagadeesh等人（2012）提出了一种基于奇异值分解、量化和遗传算法的图像水印方案。基于奇异值分解的单一水印算法存在鲁棒性差的缺点。针对这一问题，提出了基于遗传算法的表9中列出了这些值，很明显，多水印技术的鲁棒性优于现有方法的第5代数。表9与现有方法（Jagadeesh等人， 2012年）。攻击现有方法（Jagadeesh等人，2012年）该方法连续水印分割水印复合水印提取水印121212椒盐噪声0.65780.81210.99250.88960.99890.84370.8060中值滤波0.65780.81210.99250.88960.99890.84370.8060JPEG压缩0.749910.98701111提取水印1提取水印2提取提取水印1水印2提取水印1提取水印2密度为3%时的0.812310.9073 10.85030.8063方差1%0.810410.8864 0.98730.89200.8716散斑噪声方差0.0050.999810.9985 0.9998113× 3过滤器尺寸的中值过滤0.993210.9997 11180N. Mohananthini，G.Yamuna/Journal of Electrical Systems and Information Technology 3（2016）686. 结论本文提出了一种基于遗传算法的多水印技术的优化方法。嵌入和提取过程利用小波变换的多分辨率分析和奇异值分解。在多水印技术中，复合水印与连续和分段水印技术相比具有更高的不可感知性。实验结果表明，多水印技术比单水印技术具有更好的鲁棒性。优化的目标是最大化峰值信噪比（PSNR）和归一化相关（NC）的性能。实验结果表明，该算法具有良好的不可见性和鲁棒性。通过与现有方案的比较，分析了该方案的性能确认作者希望记录下对Annamalai大学电气工程系支持进行这项调查的真诚感谢。引用Anoop Suraj，A.，马修·弗朗西斯，卡薇雅，TS Nirmal，T. M.，2014. 基于离散小波变换的FPGA图像融合与去噪。J. Elect. Sys. Infor.Tech. 1（1），72-81。Dehghan，H.，Ebrahim Safavi，S.，2010. 在网络域中对图像水印进行抢劫，以保护版权。ICEE，Jan4，已提交。弗里肯，K.，Atallah，M.，2003年。抗裁剪分段多重水印算法与数据结构。 讲课 注释计算Sci. 2748，231-242.Ghafoor，A.，伊姆兰，M.，2012年。一种抗几何攻击的非盲彩色图像水印方案。无线电工程师 21（4），1246-1251。Jagadeesh，B.，Rajesh Kumar，P.，Chenna Reddy，P.，2012. 基于遗传算法的奇异值分解和量化数字图像水印。Int.J.Eng.Res.App.2（2），1229-1235。Jaiswal，R.J.，Patil，N. N.，2012年。文本文档的多重水印研究。 沃河 J. Sci. Tech. 2（3），176-179。K.，M.，Bouhlel，M.S.，Lapayre，J.C.，2010年。 使用多水标记模式来维持远程神经病学诊断平台中的水的存在性。无线电工程师19（1），68-73。坎普弗，上午，Stogner，H.，Uhl，A.，2006年。 多种重新标记水的情况。在：第13届国际会议的系统，信号和图像处理（IWSSIP），伦敦，英国，pp。53比56Kumsawat，P.，Attakitmongcol，K.，2004年 基于遗传算法的矢量图像水印. 在：基于知识的智能信息和工程系统国际会议，惠灵顿，新西兰，页. 40比46Liang，Liu，2006. 一种新的SVD-D小波变换复合水印算法。第八届国际信号处理会议，北京（4）。Mark，D.，Uhl，A.，Wernisch，H.，2007年多次重标中的水印干扰实验研究。输入：程序 SPIE 6505，多媒体内容的安全性，Steganography和WatermarkingIX，p. 6505Mohananthini，N.，Yamuna，G.，2013年。 基于小波变换的多重成功水印方案。 Int. J. 艾默 特伦 Tech. Comp. Sci.2（2），416-420。Mohananthini，N.，Yamuna，G.，维韦克河，2013年。彩色图像成功和分段水标记技术的比较。见：信息&通信技术新兴趋势全国会议，Rajkot，Gujarat，pp. 十三比十六Nantha Priya，N.R.，伦蒂·斯图尔特，S.，2010年。基于特征的图像水印程序。 Int. J. Comp. Appl. 4（5），13-16.纳西尔岛翁，Y.，姜杰，2008. 彩色图像中的新型多重空间水印技术。在：IEEE第五届信息技术国际会议：新一代，拉斯维加斯，内华达州，页。777-782谢泼德，N.P.，Shafavi Naini，R.，Ogunbona，P.，2001年 关于多重水标记。In：Proceedings of the ACM Multimedia and SecurityWorkshop（MMSW），NewYork，NY，USA，pp. 三比六Sleit，A.，Abusharkh，S.，埃图姆河Khero，Y.，2012. 一种基于改进的半盲DWT-SVD数字图像水印技术。图像Sci. J.60（1），29-38。惠勒，通用电气，谢泼德，N.P.，Safavi-Naini河，2004. 加权分段数字水印。In：ThirdInternationalWorkshoponDigitalWatermarking，Seoul，SouthKorea，pp. 八九比一百