| 攻击后，约20-50的SNN演化后，提取水印能够被正确地识别，见表1。
表1提取水印的SNN识别
|
|
解密水印
|
SNN演化
|
|
高斯噪音
|
|
|
|
椒盐噪音
|
|
|
|
对比度增强
|
|
|
|
中值滤波
|
|
|
|
中值滤波
|
|
|
|
维纳滤波
|
|
|
|
JPEG压缩
|
|
|
正如表1中所示，提取出的水印通过相关分析或者人类感觉器官不能被直接识别出来，但是通过SNN，被嵌入宿主图像中的水印可以很容易地识别。
6.结束语
有效的数字水印技术必须满足三个主要的特征：安全性、隐蔽性和鲁棒性。本文使用二维混沌加密、遗传算法和协同神经网络来满足这些水印特性，实验结果表明本文所提出图像水印技术的可行性和有效性。
参考文献
1 Cox I J, Miller M L, Bloom J A. Digital Watermarking. San Francisco: Morgan Kaufmann Publishers,2002
2 Huang H C, Pan J S, Huang Y H, and et al. Progressive Watermarking Techniques Using GeneticAlgorithms. Circuits Systems Signal Processing, 2007, 26(5):671-687
3 Chu S C, Huang H C, Shi Y, and et al. Genetic Watermarking for Zerotree-Based Applications. Circuits Systems SignalProcess,2008,27:171-182
4 Huang S, Zhang W, Feng W, and et al. Blind Watermarking Scheme Based on Neural Network. In Proc. ofthe 7th World Congress on Intelligent Control and Automation, vol. 1,2008:5985-5989
5 Chang C Y, Su S J. The Application of a Full Counter Propagation Neural Network to Image Watermarking.Proceedings of IEEE on Networking, Sensing and Control, 2005:993-998
6 AT&T Laboratories Cambridge. The ORL Database of Faces. http:// www. uk. research. att. com/ facedatabase. html. 2004-11-13 2/2 首页 上一页 1 2 |
