[发明专利]基于BP神经网络数字图像压缩的图像水印嵌入与提取方法

摘要

本发明提供一种基于BP神经网络数字图像压缩的图像水印嵌入方法，包括S1a、对原始水印图像W进行置乱处理，获得置乱后的水印图像；S2a、建立BP神经网络，设置BP神经网络的传递函数、调整训练函数，并设置BP神经网络的训练次数、神经元激活函数阈值、学习常数以及压缩系数；S3a、划分置乱后的水印图像为嵌入图像块，将输入和输出期望均设置为载体图像块，通过BP神经网络对载体图像块进行训练，获得隐含层的输出O；S4a、在隐含层的输出O中嵌入水印，将嵌入水印图像信息后的压缩图像进行解压，得到嵌入水印的载体图像。本发明还提供一种基于BP神经网络数字图像压缩的图像水印提取方法。

主权项

一种基于BP神经网络数字图像压缩的图像水印嵌入方法，其特征在于，其包括如下步骤：S1a、对原始水印图像W进行置乱处理，获得置乱后的水印图像；所述步骤S1a中通过改进Arnold变换对水印图像进行置乱处理，获得置乱后的水印图像；改进Arnold变换算法是增加变量数目和扩大变换空间，对水印图像W做n次Arnold迭代变换，即以水印图像的位置(x0，y0)作为初值，其中1≤x0≤M，1≤y0≤M，按照如下公式即xn=(x0+ay0)modNyn=(bx0+(ab+1)y0)modN]]>进行n次迭代，得到置乱后的水印图像(xn，yn)，其中1≤xn≤N，1≤yn≤N，N为原始载体图像的阶数，a、b和n均为正整数且M为水印图像的高和宽；S2a、建立BP神经网络，设置BP神经网络的传递函数、调整训练函数，并设置BP神经网络的训练次数、神经元激活函数阈值、学习常数以及压缩系数；S3a、划分置乱后的水印图像为嵌入图像块，将输入和输出期望均设置为载体图像块，通过BP神经网络对载体图像块进行训练，获得隐含层的输出O；S4a、在隐含层的输出O中嵌入水印，将嵌入水印图像信息后的压缩图像进行解压，得到嵌入水印的载体图像；所述步骤S4a包括如下子步骤：S41a、把置乱后的水印图像进行归一化处理，把水印图像量化到一个预设的值；S42a把量化后的水印图像嵌入到隐含层的输出O的每行的第一个位置中；S43a、把嵌入水印图像信息后的压缩图像进行解压，得到嵌入水印的载体图像。