小波变换和硬C均值聚类的数字水印算法

doi:10.3778/j.issn.1002-8331.2010.06.058

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (6): 197-200.DOI: 10.3778/j.issn.1002-8331.2010.06.058

• 图形、图像、模式识别 • 上一篇下一篇

小波变换和硬C均值聚类的数字水印算法

孟娜，王冰

西北大学信息科学与技术学院，西安 710127

收稿日期:2008-08-05 修回日期:2008-09-25 出版日期:2010-02-21 发布日期:2010-02-21
通讯作者: 孟娜

Digital watermarking algorithm based on DWT domain and HCM

MENG Na，WANG Bing

School of Information Science and Technology，Northwest University，Xi’an 710127，China

Received:2008-08-05 Revised:2008-09-25 Online:2010-02-21 Published:2010-02-21
Contact: MENG Na

摘要/Abstract

摘要： 提出一种基于硬C均值聚类的小波域数字图像水印算法。该算法利用人类视觉特性对小波域的低频子图进行硬C均值聚类，确定可嵌信息区域，在可嵌信息区域内通过交换相邻小波域系数值嵌入二值水印图像；双混沌序列的使用增强了水印系统的安全性。实验结果表明：该算法不仅具有良好的透明性，而且对叠加噪声、JPEG压缩、几何剪切，改变图像核心部分等恶意攻击具有高鲁棒性。

关键词: 小波变换, 硬C均值聚类, 双混沌系统

Abstract: This paper presents a new algorithm based on Discrete Wavelet Transform（DWT） domain and Hard C-means Cluster（HCM）.Firstly，the DWT is performed on host image.Then，the watermark embedding location is identified adaptively by applying HCM in low frequency sub-image.Finally，the binary watermark is embedded by exchanging the adjacent wavelet coefficients in the watermark embedding location.The using of double chaotic sequences intensifies the security of watermark system.The experimental results demonstrate that this method is invisible and robust against various image processing such as noise adding，compression，cropping，changing the core of the image，and so on.

Key words: Discrete Wavelet Transform（DWT）, hard C-means cluster, double chaotic system

中图分类号:

TP391

孟娜，王冰. 小波变换和硬C均值聚类的数字水印算法[J]. 计算机工程与应用, 2010, 46(6): 197-200.

MENG Na，WANG Bing. Digital watermarking algorithm based on DWT domain and HCM[J]. Computer Engineering and Applications, 2010, 46(6): 197-200.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[3]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[4]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[5]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[6]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[7]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[8]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[9]	颜宏文，卢格宇. CEEMD-WT和CNN在短期风速预测中的应用研究[J]. 计算机工程与应用, 2018, 54(9): 224-230.
[10]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[11]	陈波1，刘厚泉1，赵志凯2. 时间序列多尺度异常检测方法[J]. 计算机工程与应用, 2018, 54(20): 122-127.
[12]	贾澎涛，贾伟. 煤矿井下视频多目标轨迹跟踪算法研究[J]. 计算机工程与应用, 2018, 54(2): 222-227.
[13]	崔金鸽1，陈炳权1，2，徐庆1. 基于Dual-Tree CWT和自适应双边滤波器的图像去噪算法[J]. 计算机工程与应用, 2018, 54(18): 223-228.
[14]	张艺超，袁贞明，孙晓燕. 基于心冲击信号的睡姿识别[J]. 计算机工程与应用, 2018, 54(17): 135-140.
[15]	黄亚飞，王国富，张法全，叶金才. 基于蜂群算法和带参阈值函数的图像去噪方法[J]. 计算机工程与应用, 2018, 54(17): 164-168.

小波变换和硬C均值聚类的数字水印算法

Digital watermarking algorithm based on DWT domain and HCM

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics