[发明专利]一种基于神经网络与DCT变换的数字水印方法

说明书

一种基于神经网络与DCT变换的数字水印方法涉及数字水印技术领域，是鲁棒性较强的不可见数字水印方法。本发明根据人眼视觉特性结合原始图像RGB分量的比例，自适应的嵌入水印，提高透明性，数字水印在抵御几何攻击方面不足，利用Hopfield神经网络的优势，在水印检测过程中，对水印图像进行校正，从而提高鲁棒性。新型数字水印方法可以更好地平衡水印透明性和鲁棒性之间的关系。

技术领域

本发明涉及数字水印技术领域，尤其适用于鲁棒性较强的不可见数字水印方法。

背景技术

随着产业发展化的趋势，水印的应用越来越广泛，数字水印刚开始是为了对数字作品进行版权上的维护，但随着研究的深入，使用范围也快速扩大，呈现出面向互联网、以及多种多样应用集成的大趋势。盗版跟踪、阻止非法拷贝、媒体的所有权的和版权的认定与保护、作品内容的真假判别和隐蔽通信等这几个方面，成为未来发展的主要趋势。

信息时代的到来，产生了音频、动画、电子美术等多种新技术，都造成了版权保护的困扰，最终多由于新的版权保护制度和法案的产生而重新得到控制，数字信息的不断发展对现今的版权保护产生了诸多的不利，比如低廉的复制、数字标识信息的篡改、非法盗版等问题。数字化技术低价、准确、大范围的复制篡改和计算机全球广泛的信息传播力都给数字产品版权保护带来了很大的冲击，使得假冒、伪造的数字产品每年在成倍的增长，同时也严重阻碍了科学信息技术的发展。因此，要彻底的实现版权保护、防止篡改、防止伪造是一个困扰各国科学研究人员的难题。

数字水印为多媒体信息隐藏、版权保护和产品防伪提供了一种有效的途径。数字水印技术具有强大且无法估量的潜在市场，能够对未来的社会发展以及经济进程起到不容忽视的巨大影响。

信息隐藏是数字水印技术中不可缺少的组成部分，它无疑为多媒体信息安全、版权保护和产品防伪提供了重要的维护手段，可以说信息隐藏技术是一个非常活跃且有待进一步研究的领域。数字水印技术作为新兴的事物具有强大的潜在市场，在以后的应用发展中能够将这种方法的优点更多的展现出来，同时为市场带来相当可观的收入.

神经网络反映了多学科交叉技术领域，在机器学习和相关领域，人工神经网络(人工神经网络)的计算模型灵感来自动物的中枢神经系统(尤其是脑)，并且被用于估计或可以依赖于大量的输入和一般的未知近似函数。人工神经网络通常呈现为相互连接的“神经元”，它可以从输入的计算值，并且能够机器学习以及模式识别由于它们的自适应性质的系统。基于神经网络的盲检测水印算法分别对原始图像和二值水印采用分布式存储和自组织形式进行联想记忆，使得系统连线即使被破坏了50％，仍能将存储的能量最大限度的优化记忆联想出来，一定程度上提高了水印的鲁棒性

发明内容

本发明要解决的技术问题是不可见水印的鲁棒性不能满足社会的需求.，要保证透明性的同时提高数字水印的鲁棒性。

本发明的基本原理为：根据人眼视觉特性结合原始图像RGB分量的比例，自适应的嵌入水印，提高透明性，数字水印在抵御几何攻击方面不足，利用 Hopfield神经网络的优势，在水印检测过程中，对水印图像进行校正，从而提高鲁棒性。

本发明提供的新型数字水印方法，具体实现步骤如下：

步骤1：将二值图像作为嵌入的水印信号；

步骤2：原始彩色图像的三色分离；

步骤3：使用Arnold变换对水印图像进行置乱处理；

步骤4：原始图像的离散余弦变换(DCT)；

步骤5：水印图像自适应的嵌入到原始彩色图像；

步骤6:进行IDCT变换，得到嵌水印图像

步骤7：嵌入的水印图像，输入到Hopfield神经网络中；