基于ACF的小波域数字图像水印算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (34): 105-107.

基于ACF的小波域数字图像水印算法

周维,郑金华,许海霞

湘潭大学信息工程学院，湖南湘潭 411105

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-01 发布日期:2007-12-01
通讯作者: 周维

ACF-based digital image watermark algorithm in wavelet domain

ZHOU Wei,ZHENG Jin-hua,XU Hai-xia

School of Information Engineering，Xiangtan University，Xiangtan，Hunan 411105，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-01 Published:2007-12-01
Contact: ZHOU Wei

摘要/Abstract

摘要： 设计了一种基于自相关函数（ACF）的盲检测小波域数字图像水印算法，提取原图像小波分解的高频细节分量信息，并增强其相关性后，对水印信息进行调制掩盖。经过处理的掩藏了水印的高频细节分量与原图像的逼近分量再合成，得到含水印的图像。水印检测时，将含水印图像小波分解，分析其细节分量的ACF峰值，对图像的几何攻击进行估计及校正，以取得水印同步，再通过水印相关性进行检测评价，实验表明，该方法可行，具有较强的抗剪切、几何攻击性。

关键词: 数字图像水印, 自相关函数, 高频信息, 小波变换

Abstract: Based on Auto-Correlation Function（ACF），a digital image watermark algorithm in the wavelet domain detecting blindly is proposed.High frequency detail information from original image wavelet decomposing is enhanced correlation，then acts as the mask of watermark information.The marked image is obtained by composing the processed content with approximation of the original one.To detect watermark，watermark geometric distortion can be estimated and rectified according to ACF peaks，which is from analyzing detail portion in the marked image wavelet decomposing.After watermark synchrony，correlation is used as judge criterion.Simulation result shows that the method is practicable with higher such robustness as shearing and geometric attacks.

Key words: digital image watermark, Auto-Correlation Function（ACF）, high frequency information, wavelet transform

周维,郑金华,许海霞. 基于ACF的小波域数字图像水印算法[J]. 计算机工程与应用, 2007, 43(34): 105-107.

ZHOU Wei,ZHENG Jin-hua,XU Hai-xia. ACF-based digital image watermark algorithm in wavelet domain[J]. Computer Engineering and Applications, 2007, 43(34): 105-107.

[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]	孟娜，李艳艳，汪霖. 基于CITAF-HAF的立方调频信号参数估计[J]. 计算机工程与应用, 2021, 57(17): 75-79.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	王熙月1，黄毅鹏1，钱佳慧1，何凌1，黄华1，尹恒2. 基于声学特征的腭裂语音声韵母切分[J]. 计算机工程与应用, 2018, 54(8): 123-130.
[12]	陈泽伟，曾庆宁，谢先明，龙超. 基于自相关函数的语音端点检测方法[J]. 计算机工程与应用, 2018, 54(6): 216-221.
[13]	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.
[14]	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.
[15]	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.