小波包特征熵分解的图像水印算法

doi:10.3778/j.issn.1002-8331.2009.32.050

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (32): 159-160.DOI: 10.3778/j.issn.1002-8331.2009.32.050

• 图形、图像、模式识别 • 上一篇下一篇

小波包特征熵分解的图像水印算法

欧阳春娟¹，刘昌鑫¹，杨群生²

1.井冈山大学信息科学与传媒学院，江西吉安 343009
2.广东工业大学计算机学院，广州 510090

收稿日期:2008-06-20 修回日期:2008-10-23 出版日期:2009-11-11 发布日期:2009-11-11
通讯作者: 欧阳春娟

Image watermarking algorithm on wavelet packet characteristic entropy decomposition

OUYANG Chun-juan¹，LIU Chang-xin¹，YANG Qun-sheng²

1.Faculty of Information Science and Media，Jinggangshan University，Ji’an，Jiangxi 343009，China
2.Faculty of Computer，Guangdong University of Technology，Guangzhou 510090，China

Received:2008-06-20 Revised:2008-10-23 Online:2009-11-11 Published:2009-11-11
Contact: OUYANG Chun-juan

摘要/Abstract

摘要： 提出了一种小波包特征熵分解的自适应图像水印算法。该算法通过对宿主图像进行小波包特征熵分解，在高频系数中选取合适的阈值来区分高频系数中图像的纹理细节信息和噪声信息，将水印信息自适应地嵌入到高频系数当中。实验表明，该水印算法对噪声、JPEG2000压缩、滤波、改变对比度、几何剪切等攻击都具有一定的健壮性。

关键词: 小波包变换, 特征熵, 自适应, 水印

Abstract: An adaptive image watermarking algorithm based on wavelet packet decomposition of characteristic entropy is proposed.After the host image is decomposed by the wavelet packet of characteristics entropy，the watermarking will be adaptively embedded in the high-frequency coefficients，which are distinguished between the image texture detail information and noise information by a suitable threshold.The experiments show that the algorithm has a certain robustness to the attacks including noise，JPEG2000，filtering，changing the contrast，and geometric cut，etc.

Key words: wavelet packet, characteristic entropy, adaptive, watermarking

中图分类号:

TN919.8

欧阳春娟¹，刘昌鑫¹，杨群生². 小波包特征熵分解的图像水印算法[J]. 计算机工程与应用, 2009, 45(32): 159-160.

OUYANG Chun-juan¹，LIU Chang-xin¹，YANG Qun-sheng². Image watermarking algorithm on wavelet packet characteristic entropy decomposition[J]. Computer Engineering and Applications, 2009, 45(32): 159-160.

[1]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[4]	赵林锁，马瑞强，姜天，宋宝燕，潘一山. 两级回归的流式大数据事件自适应预警方法[J]. 计算机工程与应用, 2021, 57(7): 88-94.
[5]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[6]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[7]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[8]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[9]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[10]	肖振久，孔祥旭，宗佳旭，杨玥莹. 自适应聚焦损失的图像目标检测算法[J]. 计算机工程与应用, 2021, 57(23): 185-192.
[11]	张忠林，赵昱，闫光辉. 自然邻居密度极值聚类算法[J]. 计算机工程与应用, 2021, 57(23): 200-210.
[12]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[13]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[14]	陈瑶，陈思. 基于自适应多普勒及动态邻域的改进BA算法[J]. 计算机工程与应用, 2021, 57(22): 166-176.
[15]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.

小波包特征熵分解的图像水印算法

Image watermarking algorithm on wavelet packet characteristic entropy decomposition

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