图像数字水印嵌入强度回归预测模型的建模方法技术
Modeling method for embedding intensity prediction model of digital image watermarking
The invention discloses a digital watermark embedding strength regression prediction model, first set the watermark evaluation parameters, including a measure of the robustness of the similarity between NC and PSNR PSNR measure for invisibility, and determine the weight of beta two parameters between according to the demand, then use SVM method for machine learning in the training set, the regression on embedding strength prediction model, realize the optimum watermark embedding strength prediction to embedded into the original image, finally the application of DWT transform to the original image digital watermarking.
【技术实现步骤摘要】
图像数字水印嵌入强度回归预测模型的建模方法
本专利技术涉及信息安全
，具体涉及一种图像数字水印嵌入强度回归预测模型的建模方法。
技术介绍
随着信息技术的高速发展，信息安全问题日益突出。数字水印技术通过将水印信息嵌入到数字产品中(包括多媒体、文档、软件等)，进而辨别数字产品的来源、创作者等版权信息，已成为数字产品版权保护领域的研究热点。要实现版权保护的功能，数字水印应当具备两个特性：一是鲁棒性，是指经过信号处理后(包括信道噪声、剪切、旋转等)，数字水印能保持部分完整性并能被提取和鉴别；二是隐蔽性，是指数字水印是不被感知的，且不影响数字产品的正常使用，不会降低原数字产品的质量。实践表明，在对图像嵌入数字水印的过程中，水印嵌入强度对数字水印的鲁棒性和隐蔽性有很大的影响。但现有技术中，都是采用水印算法直接对图像嵌入数字水印的，而在此过程中，由于没有数字水印嵌入强度的参考模型，数字水印的嵌入强度无法准确的把控，因此数字水印的鲁棒性和隐蔽性通常较差。另外，现有技术中，通常采用分块离散余弦变换进行图像的数字水印，但这种方式存在的问题是在进行图像的数字水印时，会存在固有的分...
【技术保护点】
图像数字水印嵌入强度回归预测模型的建模方法，其特征在于，包括以下步骤：1)获取历史数据建立数据集，包括训练集和测试集；2)选取数据集上的一个原始图像进行数字水印的嵌入，并得到嵌入水印后的图像；3)根据以下公式，计算用于衡量水印的鲁棒性的相似度NC和用于衡量水印的隐蔽性的峰值信噪比PSNR，
【技术特征摘要】
1.图像数字水印嵌入强度回归预测模型的建模方法，其特征在于，包括以下步骤：1)获取历史数据建立数据集，包括训练集和测试集；2)选取数据集上的一个原始图像进行数字水印的嵌入，并得到嵌入水印后的图像；3)根据以下公式，计算用于衡量水印的鲁棒性的相似度NC和用于衡量水印的隐蔽性的峰值信噪比PSNR，其中W表示嵌入的水印信息，W'表示提取的水印信息，MSE表示均方误差，公式表示为：I为原始图像，I'为嵌入水印后的图像；4)设置上述两个评价参数NC和PSNR的权重β，使得β·NC+(1-β)·PSNR取得最大值时的水印嵌入强度α，即为最佳数字水印嵌入强度；5)对数据集上的所有图像逐一重复步骤1)到步骤4)；6)利用SVM在训练集上进行机器学习，得到关于水印嵌入强度的回归预测模型。2.根据权利要求1所述的图像数字水印嵌入强度回归预测模型的建模方法，其特征在于...
【专利技术属性】
技术研发人员：邹立斌，李青海，侯大勇，简宋全，
申请(专利权)人：广东精点数据科技股份有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。