新建
上传
首页
助手
最?/div>
资料?/div>
工具

张道?/p>

 

 

 

 

 

 

 

 

 

UCAS 

?/p>

1

?/p>

 

 

PatchWork 

算法

 

 

Bender

等提出了著名?/p>

Patchwork

算法?/p>

这是一种统计算法,

即在一个载?/p>

图像中嵌入具有特定统计特性的水印?/p>

 

1.1

算法介绍

 

假设算法针对

256

级线性量化系统,

其初始值为

0

?/p>

所有亮度等级均匀分布?/p>

且个个采样点相互独立?/p>

 

在图像中随机选出两点

A

?/p>

B

?/p>

?/p>

A

的亮度为

a

?/p>

B

的亮度为

b

?/p>

?/p>

S

a

b

?

?/p>

?/p>

如果大量重复上述过程,则

S

的期望应?/p>

0

。但是这并不代表在某一特定条件?/p>

S

究竟取值多少?/p>

这是因为在这种处理中?/p>

S

的方差是相当高的?/p>

S

的方?/p>

2

s

?/p>

?/p>

是反?/p>

S

的样本围绕其期望值变化的紧密情况。因?/p>

,

a

b

是相互独立的,可以用

下式计算?/p>

 

2

2

2

s

a

b

?/p>

?/p>

?/p>

?/p>

?/p>

 

 

 

 

 

 

 

对于均匀分布的有

 

2

2

(255

0)

5418.75

12

a

?/p>

?/p>

?/p>

?/p>

 

从?/p>

S

的标准差?/p>

2

104

s

?/p>

?/p>

。在高斯聚类情况下,一次单独的迭代意义不大。但

是,如果我们执行上述过程多次,则会出现不同的情形。如果将这个过程重复

n

次,

i

a

?/p>

i

b

?/p>

i

S

 

?/p>

a

?/p>

b

?/p>

S

的第

i

次迭代值,定义

1

1

(

)

n

n

n

i

i

i

i

i

S

S

a

b

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

n

S

的期望值为

0

,标准差约为

104

n

?/p>

?/p>

 

对于一幅图像,按照上面的方法计?/p>

10000

S

,如果其偏差高于标准差,则可

以在很大程度上确定这并非偶然?/p>

 

事实上,?/p>

n

很大时,下面提到?/p>

'

n

S

将呈高斯分布,使得依据偏离?/p>

'

n

S

?/p>

?

少数几倍数值即可以高置信度地指出图像已经人为的修改,也就是嵌入了水印?/p>

具体步骤如下?/p>

 

?/p>

 

一个密钥利?/p>

k

和伪随即数发生器来选择数据?/p>

(

,

)

i

i

a

b

。该密钥和随机数

发生器的模型仅为收发双方拥有?/p>

解码器需要按照和编码器相同的顺序?/p>

位置来选择数据对;

 

 

 

?/p>

 

将补?/p>

i

a

处的亮度值提?/p>

?/p>

?/p>

?/p>

的一般取值为

256

?/p>

1%~5%

之间?/p>

 

 

?/p>

 

将补?/p>

i

b

处的亮度值降低同样的?/p>

?/p>

?/p>

 

 

?/p>

 

重复上述步骤

n

次(

n

的典型值为

10000

?/p>

?/p>

 

 

相应的解码过程只需要两步:

 

 

 

?/p>

 

?/p>

1

)对编码后的图像,用同样的密?/p>

k

和伪随机数发生器来选择数据?

(

,

)

i

i

a

b

?/p>

 

 

?/p>

 

?/p>

2

)计?/p>

'

1

1

(

)

(

)

2

(

)

n

n

n

i

i

i

i

i

i

S

a

b

n

a

b

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

 

Ͼλ
新建
上传
首页
助手
最?/div>
资料?/div>
工具

张道?/p>

 

 

 

 

 

 

 

 

 

UCAS 

?/p>

1

?/p>

 

 

PatchWork 

算法

 

 

Bender

等提出了著名?/p>

Patchwork

算法?/p>

这是一种统计算法,

即在一个载?/p>

图像中嵌入具有特定统计特性的水印?/p>

 

1.1

算法介绍

 

假设算法针对

256

级线性量化系统,

其初始值为

0

?/p>

所有亮度等级均匀分布?/p>

且个个采样点相互独立?/p>

 

在图像中随机选出两点

A

?/p>

B

?/p>

?/p>

A

的亮度为

a

?/p>

B

的亮度为

b

?/p>

?/p>

S

a

b

?

?/p>

?/p>

如果大量重复上述过程,则

S

的期望应?/p>

0

。但是这并不代表在某一特定条件?/p>

S

究竟取值多少?/p>

这是因为在这种处理中?/p>

S

的方差是相当高的?/p>

S

的方?/p>

2

s

?/p>

?/p>

是反?/p>

S

的样本围绕其期望值变化的紧密情况。因?/p>

,

a

b

是相互独立的,可以用

下式计算?/p>

 

2

2

2

s

a

b

?/p>

?/p>

?/p>

?/p>

?/p>

 

 

 

 

 

 

 

对于均匀分布的有

 

2

2

(255

0)

5418.75

12

a

?/p>

?/p>

?/p>

?/p>

 

从?/p>

S

的标准差?/p>

2

104

s

?/p>

?/p>

。在高斯聚类情况下,一次单独的迭代意义不大。但

是,如果我们执行上述过程多次,则会出现不同的情形。如果将这个过程重复

n

次,

i

a

?/p>

i

b

?/p>

i

S

 

?/p>

a

?/p>

b

?/p>

S

的第

i

次迭代值,定义

1

1

(

)

n

n

n

i

i

i

i

i

S

S

a

b

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

n

S

的期望值为

0

,标准差约为

104

n

?/p>

?/p>

 

对于一幅图像,按照上面的方法计?/p>

10000

S

,如果其偏差高于标准差,则可

以在很大程度上确定这并非偶然?/p>

 

事实上,?/p>

n

很大时,下面提到?/p>

'

n

S

将呈高斯分布,使得依据偏离?/p>

'

n

S

?/p>

?

少数几倍数值即可以高置信度地指出图像已经人为的修改,也就是嵌入了水印?/p>

具体步骤如下?/p>

 

?/p>

 

一个密钥利?/p>

k

和伪随即数发生器来选择数据?/p>

(

,

)

i

i

a

b

。该密钥和随机数

发生器的模型仅为收发双方拥有?/p>

解码器需要按照和编码器相同的顺序?/p>

位置来选择数据对;

 

 

 

?/p>

 

将补?/p>

i

a

处的亮度值提?/p>

?/p>

?/p>

?/p>

的一般取值为

256

?/p>

1%~5%

之间?/p>

 

 

?/p>

 

将补?/p>

i

b

处的亮度值降低同样的?/p>

?/p>

?/p>

 

 

?/p>

 

重复上述步骤

n

次(

n

的典型值为

10000

?/p>

?/p>

 

 

相应的解码过程只需要两步:

 

 

 

?/p>

 

?/p>

1

)对编码后的图像,用同样的密?/p>

k

和伪随机数发生器来选择数据?

(

,

)

i

i

a

b

?/p>

 

 

?/p>

 

?/p>

2

)计?/p>

'

1

1

(

)

(

)

2

(

)

n

n

n

i

i

i

i

i

i

S

a

b

n

a

b

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

 

">
新建
上传
首页
助手
最?/div>
资料?/div>
工具

张道?/p>

 

 

 

 

 

 

 

 

 

UCAS 

?/p>

1

?/p>

 

 

PatchWork 

算法

 

 

Bender

等提出了著名?/p>

Patchwork

算法?/p>

这是一种统计算法,

即在一个载?/p>

图像中嵌入具有特定统计特性的水印?/p>

 

1.1

算法介绍

 

假设算法针对

256

级线性量化系统,

其初始值为

0

?/p>

所有亮度等级均匀分布?/p>

且个个采样点相互独立?/p>

 

在图像中随机选出两点

A

?/p>

B

?/p>

?/p>

A

的亮度为

a

?/p>

B

的亮度为

b

?/p>

?/p>

S

a

b

?

?/p>

?/p>

如果大量重复上述过程,则

S

的期望应?/p>

0

。但是这并不代表在某一特定条件?/p>

S

究竟取值多少?/p>

这是因为在这种处理中?/p>

S

的方差是相当高的?/p>

S

的方?/p>

2

s

?/p>

?/p>

是反?/p>

S

的样本围绕其期望值变化的紧密情况。因?/p>

,

a

b

是相互独立的,可以用

下式计算?/p>

 

2

2

2

s

a

b

?/p>

?/p>

?/p>

?/p>

?/p>

 

 

 

 

 

 

 

对于均匀分布的有

 

2

2

(255

0)

5418.75

12

a

?/p>

?/p>

?/p>

?/p>

 

从?/p>

S

的标准差?/p>

2

104

s

?/p>

?/p>

。在高斯聚类情况下,一次单独的迭代意义不大。但

是,如果我们执行上述过程多次,则会出现不同的情形。如果将这个过程重复

n

次,

i

a

?/p>

i

b

?/p>

i

S

 

?/p>

a

?/p>

b

?/p>

S

的第

i

次迭代值,定义

1

1

(

)

n

n

n

i

i

i

i

i

S

S

a

b

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

n

S

的期望值为

0

,标准差约为

104

n

?/p>

?/p>

 

对于一幅图像,按照上面的方法计?/p>

10000

S

,如果其偏差高于标准差,则可

以在很大程度上确定这并非偶然?/p>

 

事实上,?/p>

n

很大时,下面提到?/p>

'

n

S

将呈高斯分布,使得依据偏离?/p>

'

n

S

?/p>

?

少数几倍数值即可以高置信度地指出图像已经人为的修改,也就是嵌入了水印?/p>

具体步骤如下?/p>

 

?/p>

 

一个密钥利?/p>

k

和伪随即数发生器来选择数据?/p>

(

,

)

i

i

a

b

。该密钥和随机数

发生器的模型仅为收发双方拥有?/p>

解码器需要按照和编码器相同的顺序?/p>

位置来选择数据对;

 

 

 

?/p>

 

将补?/p>

i

a

处的亮度值提?/p>

?/p>

?/p>

?/p>

的一般取值为

256

?/p>

1%~5%

之间?/p>

 

 

?/p>

 

将补?/p>

i

b

处的亮度值降低同样的?/p>

?/p>

?/p>

 

 

?/p>

 

重复上述步骤

n

次(

n

的典型值为

10000

?/p>

?/p>

 

 

相应的解码过程只需要两步:

 

 

 

?/p>

 

?/p>

1

)对编码后的图像,用同样的密?/p>

k

和伪随机数发生器来选择数据?

(

,

)

i

i

a

b

?/p>

 

 

?/p>

 

?/p>

2

)计?/p>

'

1

1

(

)

(

)

2

(

)

n

n

n

i

i

i

i

i

i

S

a

b

n

a

b

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

 

Ͼλ">
Ͼλ
Ŀ

PatchWork 算法 - 百度文库
新建
上传
首页
助手
最?/div>
资料?/div>
工具

张道?/p>

 

 

 

 

 

 

 

 

 

UCAS 

?/p>

1

?/p>

 

 

PatchWork 

算法

 

 

Bender

等提出了著名?/p>

Patchwork

算法?/p>

这是一种统计算法,

即在一个载?/p>

图像中嵌入具有特定统计特性的水印?/p>

 

1.1

算法介绍

 

假设算法针对

256

级线性量化系统,

其初始值为

0

?/p>

所有亮度等级均匀分布?/p>

且个个采样点相互独立?/p>

 

在图像中随机选出两点

A

?/p>

B

?/p>

?/p>

A

的亮度为

a

?/p>

B

的亮度为

b

?/p>

?/p>

S

a

b

?

?/p>

?/p>

如果大量重复上述过程,则

S

的期望应?/p>

0

。但是这并不代表在某一特定条件?/p>

S

究竟取值多少?/p>

这是因为在这种处理中?/p>

S

的方差是相当高的?/p>

S

的方?/p>

2

s

?/p>

?/p>

是反?/p>

S

的样本围绕其期望值变化的紧密情况。因?/p>

,

a

b

是相互独立的,可以用

下式计算?/p>

 

2

2

2

s

a

b

?/p>

?/p>

?/p>

?/p>

?/p>

 

 

 

 

 

 

 

对于均匀分布的有

 

2

2

(255

0)

5418.75

12

a

?/p>

?/p>

?/p>

?/p>

 

从?/p>

S

的标准差?/p>

2

104

s

?/p>

?/p>

。在高斯聚类情况下,一次单独的迭代意义不大。但

是,如果我们执行上述过程多次,则会出现不同的情形。如果将这个过程重复

n

次,

i

a

?/p>

i

b

?/p>

i

S

 

?/p>

a

?/p>

b

?/p>

S

的第

i

次迭代值,定义

1

1

(

)

n

n

n

i

i

i

i

i

S

S

a

b

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

n

S

的期望值为

0

,标准差约为

104

n

?/p>

?/p>

 

对于一幅图像,按照上面的方法计?/p>

10000

S

,如果其偏差高于标准差,则可

以在很大程度上确定这并非偶然?/p>

 

事实上,?/p>

n

很大时,下面提到?/p>

'

n

S

将呈高斯分布,使得依据偏离?/p>

'

n

S

?/p>

?

少数几倍数值即可以高置信度地指出图像已经人为的修改,也就是嵌入了水印?/p>

具体步骤如下?/p>

 

?/p>

 

一个密钥利?/p>

k

和伪随即数发生器来选择数据?/p>

(

,

)

i

i

a

b

。该密钥和随机数

发生器的模型仅为收发双方拥有?/p>

解码器需要按照和编码器相同的顺序?/p>

位置来选择数据对;

 

 

 

?/p>

 

将补?/p>

i

a

处的亮度值提?/p>

?/p>

?/p>

?/p>

的一般取值为

256

?/p>

1%~5%

之间?/p>

 

 

?/p>

 

将补?/p>

i

b

处的亮度值降低同样的?/p>

?/p>

?/p>

 

 

?/p>

 

重复上述步骤

n

次(

n

的典型值为

10000

?/p>

?/p>

 

 

相应的解码过程只需要两步:

 

 

 

?/p>

 

?/p>

1

)对编码后的图像,用同样的密?/p>

k

和伪随机数发生器来选择数据?

(

,

)

i

i

a

b

?/p>

 

 

?/p>

 

?/p>

2

)计?/p>

'

1

1

(

)

(

)

2

(

)

n

n

n

i

i

i

i

i

i

S

a

b

n

a

b

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

?/p>

 



ļ׺.doc޸Ϊ.docĶ

  • ʦȫƽ˶ʿиרҵο
  • 2016-2022йչϵͳҵչģ״ʮͶʹ滮о
  • ѧ֪ʶ㼰
  • ѧǰͯѧѧϰ뷢չľ顷ѧϰĵ
  • Ϣϰ
  • PHS-3EpH˵
  • 2015갲ʡʦƸ-Сѧ⼰
  • ۹߼
  • ѧǰѧ(ü )ϸ
  • 2017ѧ봫רҵвοĿ

վ

԰ Ͼλ
ϵͷ779662525#qq.com(#滻Ϊ@) ICP20003344-4