引言

隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，圖像傳播已經(jīng)成為了網(wǎng)絡(luò)通信中的一個(gè)重要環(huán)節(jié)。數(shù)字圖像作為一種具有高附加價(jià)值的內(nèi)容，其廣泛的傳播為人們的生活和工作帶來(lái)便利的同時(shí)，也帶了信息安全和版權(quán)保護(hù)等問(wèn)題。如何在圖像傳播的過(guò)程中保護(hù)圖像擁有者的數(shù)據(jù)所有權(quán)，是一個(gè)亟待解決的重要問(wèn)題。數(shù)字水印可以在不影響圖像本身使用價(jià)值的前提下，在圖像中隱蔽地嵌入水印信息以標(biāo)識(shí)數(shù)據(jù)擁有者的所有權(quán)，更好地兼顧了水印的隱蔽性和安全性。在醫(yī)學(xué)圖像領(lǐng)域中，數(shù)字水印可以用于標(biāo)識(shí)患者信息，以避免由于信息匹配錯(cuò)誤造成的醫(yī)療事故［1］。脆弱的數(shù)字水印還可以應(yīng)用于圖像篡改的檢測(cè)與識(shí)別，通常將魯棒性極低的數(shù)字水印嵌入到圖像中，通過(guò)提取并檢查水印的變化來(lái)檢測(cè)圖像是否遭到篡改［2］。

傳統(tǒng)的數(shù)字水印技術(shù)主要分為空域技術(shù)和頻域技術(shù)［3］。空域技術(shù)直接在像素、采樣值等空間域數(shù)據(jù)上進(jìn)行操作以實(shí)現(xiàn)水印的嵌入，實(shí)現(xiàn)過(guò)程簡(jiǎn)單但水印的魯棒性較差。頻域技術(shù)在圖像的變換域上進(jìn)行水印嵌入，嵌入的水印通常具有更好的魯棒性，在實(shí)際應(yīng)用中是主流方法。分?jǐn)?shù)階變換域方法是傳統(tǒng)變換域方法的推廣，基于分?jǐn)?shù)階變換的數(shù)字水印技術(shù)通過(guò)引入分?jǐn)?shù)階參數(shù)，靈活地在時(shí)域和頻域之間平衡信號(hào)的表示，提供更多的自由度以增強(qiáng)水印算法的適應(yīng)性，相比于傳統(tǒng)水印方法具有顯著的優(yōu)勢(shì)，在魯棒性、靈活性和安全性方面表現(xiàn)更好?；谧儞Q域的水印方法比基于空間域的水印方法具有更好的魯棒性［4］。相比于傳統(tǒng)變換，分?jǐn)?shù)階變換提供了更高的靈活性，但現(xiàn)有分?jǐn)?shù)階變換數(shù)字水印的研究多采用固定階數(shù)，關(guān)于分?jǐn)?shù)階變換的階數(shù)選擇的研究還較少。

隨著人工智能技術(shù)的高速發(fā)展，機(jī)器學(xué)習(xí)等技術(shù)也逐漸被應(yīng)用到數(shù)字水印中來(lái)。近年來(lái)深度學(xué)習(xí)數(shù)字水印方法也取得了許多成果，深度神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和生成對(duì)抗網(wǎng)絡(luò)等深度學(xué)習(xí)模型被廣泛應(yīng)用于水印技術(shù)中。但現(xiàn)有的人工智能方法的應(yīng)用多聚焦于水印的嵌入過(guò)程或提取過(guò)程，用于學(xué)習(xí)在空間域或變換域上如何更好地嵌入或提取水印，如何利用深度學(xué)習(xí)等人工智能技術(shù)更好地選擇分?jǐn)?shù)階變換域方法的階數(shù)，這一問(wèn)題仍有待研究。本文希望使用分?jǐn)?shù)階變換域方法替代傳統(tǒng)變換域方法，并且結(jié)合深度學(xué)習(xí)自適應(yīng)地動(dòng)態(tài)選擇變換階數(shù)，以更好地平衡數(shù)字水印的隱蔽性和魯棒性。

本文詳細(xì)內(nèi)容請(qǐng)下載：

http://theprogrammingfactory.com/resource/share/2000006264

作者信息：

孟燕雨1，唐雪譯1,2，李維皓1

（1.華北計(jì)算機(jī)系統(tǒng)工程研究所，北京100083；

2.北京理工大學(xué)，北京100081）