-
Patent Agency Ranking
公开(公告)号：CN111242831B
公开(公告)日：2022-11-08
申请号：CN202010066301.X
申请日：2020-01-20
Applicant: 暨南大学
IPC: G06T1/00
Abstract: 本发明公开了一种基于Zernike矩抗几何攻击的可逆鲁棒水印方法，该方法包括下述步骤：计算原始图像的Zernike矩，采用量化水印方法进行水印嵌入，处理Zernike正反变换过程中存在的失真信息并判断图像是否受到攻击；判定为图像未受到攻击时，采用可逆水印方法提取失真信息，利用该图像的Zernike矩提取量化水印并恢复原始图像；判定为图像受到攻击时，计算受到攻击后带有水印信息图像的Zernike矩，进行量化水印提取得到水印信息。本发明解决了Zernike矩变换过程存在大量累计误差而无法实现可逆鲁棒水印的问题，在未受到攻击时可以提取水印和恢复原始图像，在受到攻击时可以有效提取出水印，对几何攻击和常规信号处理有更强的鲁棒性。
-
公开(公告)号：CN111242831A
公开(公告)日：2020-06-05
申请号：CN202010066301.X
申请日：2020-01-20
Applicant: 暨南大学
IPC: G06T1/00
Abstract: 本发明公开了一种基于Zernike矩抗几何攻击的可逆鲁棒水印方法，该方法包括下述步骤：计算原始图像的Zernike矩，采用量化水印方法进行水印嵌入，处理Zernike正反变换过程中存在的失真信息并判断图像是否受到攻击；判定为图像未受到攻击时，采用可逆水印方法提取失真信息，利用该图像的Zernike矩提取量化水印并恢复原始图像；判定为图像受到攻击时，计算受到攻击后带有水印信息图像的Zernike矩，进行量化水印提取得到水印信息。本发明解决了Zernike矩变换过程存在大量累计误差而无法实现可逆鲁棒水印的问题，在未受到攻击时可以提取水印和恢复原始图像，在受到攻击时可以有效提取出水印，对几何攻击和常规信号处理有更强的鲁棒性。
-
公开(公告)号：CN112634120A
公开(公告)日：2021-04-09
申请号：CN202011615577.5
申请日：2020-12-30
Applicant: 暨南大学
Abstract: 本发明公开了一种基于CNN预测的图像可逆水印方法，包括水印嵌入以及水印提取和图像恢复，所述水印嵌入包括以下步骤：对图像进行集合划分，划分为点集和叉集；构建深度学习模型，进行模型训练和验证；利用训练好的深度学习模型，输入点集图像，预测叉集图像并嵌入一半水印；利用相同的深度学习模型，输入叉集水印图像，预测点集图像并嵌入另一半水印；将得到的叉集水印图像和点集水印图像在空域上组合，生成水印图像。本发明基于深度学习模型，利用卷积神经网络的拟合能力进行预测，与传统算法的线性预测相比，深度学习的非线性预测能力能够更好地利用像素之间的相关性，确保较好的预测效果。
-
公开(公告)号：CN111242830B
公开(公告)日：2022-09-20
申请号：CN202010063965.0
申请日：2020-01-20
Applicant: 暨南大学
Abstract: 本发明公开了一种基于极谐变换的图像可逆鲁棒数据隐藏方法，该方法包括下述步骤：对图像I进行极谐正变换，进行可逆鲁棒数据隐藏嵌入，处理极谐正反变换过程中存在的变换失真并判断图像是否受到攻击；判定为图像未受到攻击时，采用可逆水印方法从图像提取失真信息，进行极谐变换及量化水印提取后恢复出原始图像；判定为图像受到攻击时，对受到攻击后的图像进行极谐正变换及量化水印提取，得到水印信息。本发明解决了极谐变换过程中存在的失真问题，利用极谐变换矩系数的特性，对几何攻击和常规信号处理有更强的鲁棒性，有效抵抗多种攻击。
-
公开(公告)号：CN111242830A
公开(公告)日：2020-06-05
申请号：CN202010063965.0
申请日：2020-01-20
Applicant: 暨南大学
Abstract: 本发明公开了一种基于极谐变换的图像可逆鲁棒数据隐藏方法，该方法包括下述步骤：对图像I进行极谐正变换，进行可逆鲁棒数据隐藏嵌入，处理极谐正反变换过程中存在的变换失真并判断图像是否受到攻击；判定为图像未受到攻击时，采用可逆水印方法从图像提取失真信息，进行极谐变换及量化水印提取后恢复出原始图像；判定为图像受到攻击时，对受到攻击后的图像进行极谐正变换及量化水印提取，得到水印信息。本发明解决了极谐变换过程中存在的失真问题，利用极谐变换矩系数的特性，对几何攻击和常规信号处理有更强的鲁棒性，有效抵抗多种攻击。
-
-
-
-
Search Results
5
records
(took 0.045 seconds)
