水印嵌入方法综述(三可逆水印)
图像插值:对原始图像进行下采样，然后插值生成与原始图像相同载体图像的无失真水印。
零水印[9]零水印
[跳转阅读“小波域无失真扩频的鲁棒水印设计”]
JPEG未知裁剪~还不错
旋转变焦高速金属丝过滤器是好的
中值滤波高丝噪声和椒盐噪声较差。
劣势
步骤:
倾斜变换->；意思是隐藏水印位->；直方图校正以防止上下溢出
上一次:直方图移动(附加最小点和最大点值)
避免上下溢出:
1)位置图映射
2)256年款
3)空间块分类和纠错编码。
4)直方图调整(在空域中)
比较其他人提出的整数小波变换
整幅图像的小波变换->；载波子带被分成不重叠的块->；计算平均值绝对值的最大值，nmax，T > >；nmax
这篇文章:
SLT变换的误差在可接受的范围内。
解决溢出-& gt；直方图移动(但需要辅助信息)
位平面位平面操作
使用区域过滤来寻找具有低方差的块。
为了防止溢出，可以嵌入错误的位，然后使用ECC纠正它。
为了增强鲁棒性，采用位平面+重复嵌入+区域滤波，选择方差小的区域进行嵌入。
缺点:只能嵌入一个医院标识的哈希值，即160位，其余都是篡改信息和定位信息，更倾向于篡改水印。
对于溢出，仍然记录位置信息。
优点:递归抖动
对于溢出T，全零和全1被嵌入以获得最大失真。
PSNR = 41
SSIM = 0.96
(隐形是指肉眼看不见)
步骤:
RGB转换为YCbCr(不可见水印嵌入在YCBCR颜色模型的亮度信息中，对JPEG有损压缩等常见信号处理操作具有鲁棒性。同时，利用色度信息增加了加密域RDH的容量。)
加密图像的每一层。
使用Cb Cr分别生成直方图
(我没说怎么保证变换后是整数)
嵌入在亮度信息y中
用第二个人的密钥重新加密y。
个人认为关于鲁棒性的实验数据是造假的。
关于如何嵌入傅立叶变换的幅度:参考基于高效鲁棒水印的混合域彩色图像所有权认证(in 13)
混合域嵌入同一水印
第一:亮度信息通道的DFT
第二:色度-蓝色差分通道，改进的扩频方法，在轮廓变换域嵌入水印。
[步骤]
亮度分量的大小和相位可以通过2D-DFT变换得到。
但是！！DFT对高噪声的鲁棒性较弱，而CT较好。
选择两个半径以获得它们之间的环的面积。
水印1/0变成+/-g
振幅中的附加嵌入
CT:嵌入在蓝色通道中(因为人眼的色觉对蓝色的敏感度低于对红色和绿色的敏感度)
有点难，没仔细看。
这不就是我要写的吗？
[嵌入过程]
宿主图像3D-IWT
LH3子带DCT
水印标记也被DCT变换。
水印的DCT变换结果用MD5加密。
图像DCT系数的附加嵌入。
将80大小的签名报告(BCH编码)嵌入HL3[在第8条中提到]
逆变换
缺点:不瞎
上述引用的[10]
定义一个偏移量，每个系数相当于被赋值0/1。
量化系数？也被定义为2^ l
过程
1)4D-哈尔DWT
2)思路和你自己差不多，系数本身代表0/1信息。如果不一样，就需要嵌入。
3)嵌入是+-？使系数的绝对值变小。
画
逆过程
一个idea DWT，如果系数的变化是+-2 L，反变换后的结果也是整数。
(9012有这么水的文章)
主机镜像和一个随机数异或，相当于加密？
LSB嵌入
(唯一的好处是通过电子邮件发送密钥是一种创新。)
解决的问题:
针对特征区域的选择不足以反映图像的重要信息，导致鲁棒性减弱的问题，提出了一种尺度空间特征区域的鲁棒水印算法。
单一变身:抗攻击能力弱
本文通过改变Harris-Laplace算法中Harris角点的尺度空间来获取特征点，并根据水印图像的大小来确定特征区域的大小。选择载体图像中靠近图像重心且互不重叠的特征区域来合成特征区域矩阵。依次进行DWT+DCT+SVD完成嵌入。
尺度空间特征点检测
步骤
优点:提取图像的特征点，即选择嵌入位置。
缺点:需要记录特征区域的位置，而且是加性嵌入，需要原始水印提取信息。
整个图像的b通道DWT和HL子带被分成8*8。
每块快速fwht变换
结果进行了奇异值分解
摘录:
缺点:不可逆
使用DCT+SVD
密钥决定嵌入位置。
HVS对蓝色频道最不敏感。
但是，不考虑逆变换后像素值不是整数的情况。静止水文学
包含医学图像像素值的特征描述
二嵌入:小波直方图位移/低失真溢出处理算法(处理上一步的溢出问题)
环面自同构映射:类似于凯撒密码
低失真可逆水印算法:利用周围的三个预测得到预测误差P，p+b。
是可逆的
用循环冗余码判断是否被篡改。
低失真溢出处理:找到溢出像素，对其进行处理，生成篡改记录，对记录进行编码并将其嵌入到宿主图像中。
溢出变成255，0。
记录更改后的值。
中国剩余定理的内容
步骤
步骤
主机图像8*8块
离散余弦变换；远曲小管；双离合自动变速器
随机选择DCT系数来嵌入水印比特。
对位置系数的值进行CRT (two)得到P，q。
得到D，b，D
要嵌入1，d >；= 8/天
如果不满意，就需要改正。
计算每个块的复杂度，嵌入复杂的块。
据说可以解决上下溢出的问题。
在空间域，分为水平和垂直两个阶段。
嵌入方法:
水平:增加偶数行的像素值，减少奇数行的像素值。
垂直:减少偶数行的像素值，增加奇数行的像素值1。
使用直方图
采用直方图收缩技术，防止上下溢出。
【前辈的方法】
无损压缩:缺点低压缩比
DE:需要位置图。
嵌入0:原来是奇数，所以-1变成偶数。
原始偶数
毕业！？向...告别