WSMN：基于 MLP 与 NSGA-II 的 Shearlet 域优化多用途盲水印
密码学与安全
2020-05-08 v1 计算机视觉与模式识别
神经与进化计算
摘要
数字水印是信息安全领域中避免多媒体网络图像被滥用的重要问题。尽管密码学可防止未授权人员访问，但其无法同时用于版权保护与内容认证并保持图像完整性。因此，本文借助包括 MLP 和 NSGA-II 在内的智能算法，提出一种 Shearlet 域的优化多用途盲水印方法。该方法利用有效的量化技术，将四份鲁棒版权标志副本嵌入 Shearlet 的近似系数中。此外，作为半脆弱认证标记的嵌入随机序列由神经网络从细节中有效提取。由于采用了有效的优化算法选择最佳嵌入阈值，并区分了块的纹理，不可感知性与鲁棒性得以保持。实验结果表明，该方案在含水印图像质量及针对混合攻击的鲁棒性方面优于其他先进方案。双水印图像的平均 PSNR 和 SSIM 分别为 38 dB 和 0.95；此外，其能在严重攻击下以满意精度有效提取版权标志并定位伪造区域。
引用
@article{arxiv.2005.03382,
title = {WSMN: An optimized multipurpose blind watermarking in Shearlet domain using MLP and NSGA-II},
author = {Behrouz Bolourian Haghighi and Amir Hossein Taherinia and Ahad Harati and Modjtaba Rouhani},
journal= {arXiv preprint arXiv:2005.03382},
year = {2020}
}