數(shù)字水印理論與技術(shù)

第1章 緒論
1.1 數(shù)字水印研究的重要意義
1.1.1 數(shù)字多媒體信息的發(fā)展對(duì)信息安全帶來的困擾
1.1.2 數(shù)字水印技術(shù)的發(fā)展是社會(huì)發(fā)展的需要
　1.2 數(shù)字水印系統(tǒng)的基本模型及算法分析
1.2.1　數(shù)字水印技術(shù)的特性
1.2.2　數(shù)字水印技術(shù)的分類及其特性
　1.3　用于版權(quán)保護(hù)的魯棒性透明水印
1.3.1　魯棒性透明水印的特性
1.3.2　魯棒性透明水印技術(shù)的基本模型
1.3.3　典型算法及分析
1.3.4　魯棒性透明水印小結(jié)
　1.4　用于真實(shí)性保護(hù)的脆弱性透明水印
1.4.1　脆弱性透明水印的特性
1.4.2　圖像認(rèn)證方法概述
1.4.3　脆弱性透明水印的典型算法及分析
1.4.4　脆弱水印與魯棒水印的區(qū)別
　1.5　不透明水印
1.5.1　空間域不透明水印
1.5.2　變換域不透明水印
　1.6　數(shù)字水印攻擊及性能評(píng)估
1.6.1　數(shù)字水印攻擊
1.6.2　數(shù)字水印性能評(píng)估
　1.7　水印信號(hào)的設(shè)計(jì)和產(chǎn)生
1.7.1　無意義水印信號(hào)的設(shè)計(jì)和產(chǎn)生
1.7.2　有意義水印信號(hào)的預(yù)處理
　1.8　小結(jié)
　1.9　參考文獻(xiàn)
第2章 數(shù)字水印研究中的若干問題
　2.1　數(shù)字水印嵌入強(qiáng)度的估計(jì)方法
2.1.1　概述
2.1.2　模型描述
2.1.3　嵌入強(qiáng)度的最優(yōu)估計(jì)及性能分析
2.1.4　嵌入強(qiáng)度的矩估計(jì)及性能分析
2.1.5　實(shí)驗(yàn)結(jié)果
　2.2　數(shù)字水印嵌入規(guī)則的比較研究
2.2.1　概述
2.2.2　水印信道模型描述及其統(tǒng)計(jì)特性
2.2.3　幾個(gè)參數(shù)的確定
2.2.4　實(shí)驗(yàn)結(jié)果
　2.3　小結(jié)
　2.4　參考文獻(xiàn)
第3章 DCT變換域上的數(shù)字水印技術(shù)
　3.1　二維DCT
　3.2　基于自恢復(fù)技術(shù)的DCT域雙重水印算法
3.2.1　雙重?cái)?shù)字水印技術(shù)
3.2.2　數(shù)字水印自恢復(fù)技術(shù)的基本原理和特點(diǎn)
3.2.3　數(shù)字水印自恢復(fù)技術(shù)的基本構(gòu)成
3.2.4　糾錯(cuò)碼編碼技術(shù)
3.2.5　基于自恢復(fù)技術(shù)的雙重水印算法框架
　　3.2.6　第一重?cái)?shù)字水印算法的構(gòu)成和描述
3.2.7　第二重?cái)?shù)字水印算法的構(gòu)成和描述
3.2.8　數(shù)字水印自恢復(fù)技術(shù)
3.2.9　實(shí)驗(yàn)結(jié)果
　3.3　基于DCTSVD的數(shù)字水印技術(shù)
3.3.1　SVD理論
3.3.2　水印的嵌入
3.3.3　水印的提取
3.3.4　實(shí)驗(yàn)結(jié)果
　3.4　基于神經(jīng)網(wǎng)絡(luò)分類的魯棒數(shù)字水印技術(shù)
3.4.1　概述
3.4.2　紋理特征的選擇
3.4.3　神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)與訓(xùn)練
3.4.4　BP神經(jīng)網(wǎng)絡(luò)分類方法的實(shí)現(xiàn)
3.4.5　水印的嵌入和檢測(cè)
3.4.6　實(shí)驗(yàn)結(jié)果
　3.5　基于遺傳算法的盲數(shù)字水印算法
3.5.1　遺傳算法簡介
3.5.2　水印算法框架
3.5.3　提取參考點(diǎn)集
3.5.4　計(jì)算特征橢圓
3.5.5　獲取特征橢圓的參考三元組
3.5.6　由遺傳算法實(shí)現(xiàn)點(diǎn)模式匹配
3.5.7　水印的設(shè)計(jì)
3.5.8　實(shí)驗(yàn)結(jié)果
3.5.9　實(shí)驗(yàn)結(jié)果分析
　3.6　小結(jié)
　3.7　參考文獻(xiàn)
第4章 DWT變換域上的數(shù)字水印技術(shù)
　4.1　離散DWT、小波包分析理論
離散DWT
　4.2　小波包變換
4.2.1　小波包空間頻率分析
4.2.2　小波包定義
4.2.3　圖像小波包分解與重構(gòu)
　4.3　基于混沌加密的小波包水印技術(shù)
4.3.1　水印嵌入過程
4.3.2　水印提取過程
4.3.3　實(shí)驗(yàn)結(jié)果與分析
　4.4　基于混沌和SVDDWT混合的數(shù)字水印技術(shù)
4.4.1　水印嵌入過程
4.4.2　水印提取過程
4.4.3　實(shí)驗(yàn)結(jié)果與分析
　4.5　基于混沌加密的小波包盲水印技術(shù)
4.5.1　水印嵌入過程
4.5.2　水印提取過程
4.5.3　實(shí)驗(yàn)結(jié)果
　4.6　基于人類視覺系統(tǒng)特性的DWT域水印技術(shù)
4.6.1　人類視覺系統(tǒng)概述
4.6.2　水印置亂
　　4.6.3　基于人類視覺系統(tǒng)的DWT域水印算法
4.6.4　實(shí)驗(yàn)結(jié)果與分析
4.7　基于DWT變換域的半脆弱數(shù)字水印技術(shù)
4.7.1　半脆弱水印的基本概念
4.7.2　半脆弱水印的基本框架
4.7.3　半脆弱水印的特點(diǎn)
4.7.4　半脆弱水印的現(xiàn)有技術(shù)
4.7.5　“雞尾酒水印”思想
4.7.6　基于DWT域的半脆弱水印算法
4.7.7　實(shí)驗(yàn)結(jié)果
4.7.8　實(shí)驗(yàn)結(jié)果分析
　4.8　基于DWT變換域的雙重?cái)?shù)字水印技術(shù)
4.8.1　水印的嵌入與檢測(cè)原理
4.8.2　仿真實(shí)驗(yàn)結(jié)果
4.8.3　實(shí)驗(yàn)結(jié)果分析
　4.9　小結(jié)
　4.10　參考文獻(xiàn)
第5章 空間域上的盲數(shù)字水印技術(shù)
　5.1　基于圖像投影序列的盲數(shù)字水印魯棒檢測(cè)技術(shù)
5.1.1　研究背景
5.1.2　理論基礎(chǔ)
5.1.3　水印方法描述
5.1.4　實(shí)驗(yàn)結(jié)果分析
　5.2　具有抗幾何攻擊能力的盲數(shù)字圖像水印算法
5.2.1　引言
5.2.2　形殊點(diǎn)的定義和性質(zhì)
5.2.3　特征點(diǎn)的提取和匹配
5.2.4　基于模擬退火技術(shù)的匹配算法
5.2.5　水印的設(shè)計(jì)
5.2.6　實(shí)驗(yàn)結(jié)果
5.2.7　實(shí)驗(yàn)結(jié)果分析
　5.3　小結(jié)
　5.4　參考文獻(xiàn)
第6章 關(guān)系數(shù)據(jù)庫上的數(shù)字水印技術(shù)
　6.1　關(guān)系數(shù)據(jù)庫
6.1.1　概述
6.1.2　SQL簡介
　6.2　關(guān)系數(shù)據(jù)庫數(shù)據(jù)與多媒體數(shù)據(jù)的差異
　6.3　數(shù)據(jù)庫水印分析
6.3.1　數(shù)據(jù)庫對(duì)水印技術(shù)的要求
6.3.2　水印技術(shù)對(duì)數(shù)據(jù)庫的要求
6.3.3　數(shù)據(jù)庫水印應(yīng)解決的關(guān)鍵問題
　6.4　關(guān)系數(shù)據(jù)庫中數(shù)字水印的攻擊
　6.5　關(guān)系數(shù)據(jù)庫的幾種數(shù)字水印技術(shù)
6.5.1　R.Agrawal的關(guān)系數(shù)據(jù)庫水印算法
6.5.2　R.Sion的關(guān)系數(shù)據(jù)庫數(shù)字水印技術(shù)
6.5.3　牛夏牧關(guān)系數(shù)據(jù)庫數(shù)字水印技術(shù)
6.6　基于擴(kuò)頻技術(shù)的關(guān)系數(shù)據(jù)庫數(shù)字水印算法
6.6.1　擴(kuò)頻水印技術(shù)
6.6.2　數(shù)據(jù)庫水印解決方案
　　6.6.3　基于擴(kuò)頻技術(shù)的數(shù)據(jù)庫水印嵌入算法
6.6.4　基于擴(kuò)頻技術(shù)的數(shù)據(jù)庫水印的提取算法
6.6.5　仿真實(shí)驗(yàn)分析
6.6.6　實(shí)驗(yàn)結(jié)果
　6.7　基于密鑰分存技術(shù)的數(shù)據(jù)庫水印方案
6.7.1　引言
6.7.2　算法的特色
6.7.3　水印分存體系
6.7.4　仿真實(shí)驗(yàn)結(jié)果
　6.8　小結(jié)
　6.9　參考文獻(xiàn)