Novel Chaotic Fragile Watermarking Algorithm for Image Authentication

Taking full advantage of the randomicity of chaotic system and its extreme sensitivity to the initial value, a new chaotic fragile watermarking algorithm is proposed. In the algorithm, the location key is looked as a logistic chaotic initial value for iteration to create a location matrix. According to this location matrix, a mapping image is generated and the embedding location of watermarking in image blocks is identified. Then, the watermarking sequence, which is related with the mapping image blocks and generated by H6non chaotic map, is embedded into the least significant bit (LSB) of the corresponding location in each block. Since the image content and watermarking are staggered, the algorithm has a higher security. Simulation results showed that the algorithm can detect and locate the tamper in watermarked images with an accuracy of 2 x 2 block pixels. At the same time, the watermarking images has good invisibility, and the original image is not required when extracting watermarking.     

基于奇异值分解的混沌时间序列Volterra预测

提出一种用于混沌时间序列预测的奇异值分解Volterra滤波器.在Volterra滤波系数计算过程中,采用奇异值分解的方法得到线性方程组的最小二乘解.4种混沌序列的预测实验表明:该滤波器对混沌流的预测性能远优于NLMS自适应Volterra滤波器,前者的一步预测相对误差比后者小3~4个数量级.     

基于双置乱与奇异值分解的彩色图像水印算法

提出了一种基于水印和载体双双置乱的安全水印算法。首先将载体图像由RGB色彩空间转换为YUV彩色空间,再经Fibonacci变换置乱后,对Y分量进行8×8分块,对各块进行奇异值分解。将二值图像经过Arnold置乱后嵌入到Y分量的各块的奇异值中。经仿真实验证明,该算法对JPEG压缩、剪切、旋转、滤波等几何攻击具有比较好的稳健性。     

基于状态参数的安全数码相机模型

现有安全数码相机不能识别二次获取图像且必须直接参与含水印数字照片的认证过程.针对上述问题,本文从含水印数字照片的密钥生成与传递方式入手,提出一种基于状态参数的新型安全数码相机模型.该模型通过设计相机密钥设置函数——级联-混沌映射,隐蔽地生成安全数码相机的相机密钥,然后以相机密钥和照片拍摄时相机的取景模式、焦距、拍摄时间等状态参数为明文数据,利用Hash函数计算出含水印数字照片的密钥,讨论分析了该模型中密钥的保密性和难伪造性,建立了相机与密钥的多对一非线性映射关系.实验结果表明,相机密钥或状态参数改变时,密钥的变化量近似均匀分布.      

Active approach for tamper detection with robustness to lossy compression

Active tamper detection using watermarking technique can localize the tampered area and recover the lost information. In this paper, we propose an approach that the watermark is robust to legitimate lossy compression, fragile to malicious tampering and capable of recovery. We embed the watermark bits in the direct current value of energy concentration transform domain coefficients. Let the original watermark bits be content dependent and apply error correction coding to them before embedded to the image. While indicating the tampered area, the extracted bits from a suspicious image can be further decoded and then used to roughly recover the corresponding area. We also theoretically study the image quality and bit error rate. Experimental results demonstrate the effectiveness of the proposed scheme.     

基于音频内容的DCT域脆弱水印算法

为了实现音频文件的完整性认证,提出了一种基于内容的脆弱水印算法.对于一维序列,改变其离散余弦变换(DCT)域交流系数不会改变该序列的幅值和.基于这一性质,在音频分帧后,再对每帧分组,计算每组采样点和的绝对值,相加后得到该帧的和,将其作为该帧音频的特征,量化后转换为二进制作为水印;然后,用量化索引调制方法,通过调整每组DCT域的低频系数嵌入水印.实验表明:该算法具有很好的不可感知性;得到的含水印音频的信噪比约为80 dB;算法对添加噪声、重量化、重采样、低通滤波、MP3压缩等操作具有很强的敏感性,并且能够确定替换等恶意篡改的位置.     

奇异值分解算法在数字水印技术中的应用

奇异值分解算法应用于数字水印技术中,把水印信息按位置换,对宿主图像分块并做奇异值分解,在奇异值域做数学变换以重复嵌入按位置换的二值水印信息．实验结果表明,该方法既提高了水印的信息量,同时又使得水印图像具有很强的稳健性,能抵抗旋转和裁剪等多种攻击,水印的保密性与鲁棒性均有显著的提高．     

基于脆弱数字水印的人脸图像的安全性

针对人脸识别系统中人脸图像数据可能受到攻击，导致人脸图像被恶意添加、替换、篡改等安全隐患，采用脆弱数字水印方法，解决上述人脸识别系统中人脸图像数据安全问题．用人脸原始图像的小波低频系数的高7位生成低频压缩图像，作为水印．通过混沌置乱加密，将水印直接嵌入到原始人脸图像的最低有效位平面，区分人脸图像篡改并定位检测．实验结果表明，采用脆弱数字水印的人脸图像对恶意添加、替换、篡改都有很高的敏感度．嵌入脆弱数字水印对人脸图形的特征提取的识别率以及识别速度的影响都很小．     

Novel Blind Robust Watermarking Based on Chaotic Mixing

This paper proposed a novel blind robust watermarking scheme. Multi-bits watermark is embedded in the chaotic mixed image blocks. Energy of the watermark is spread to all region of the blocks instead of some individual pixels, which entitles the watermark with imperceptibility and high robustness. A class of 1-D Markov chaotic maps is employed to perform image block mixing and watermark encryption ensures security of the system.To prove the validity of this proposed scheme, some objective comparisons with the popular spread spectrum scheme were also presented. The simulation results show that this scheme can survive processing such as high-ratio JPEG compression, Gaussian noise pollution and histogram equalization.     

基于K-L变换的人脸识别系统

围绕人脸识别问题对人脸特征提取及识别技术进行了研究.主要有:运用灰度投影提取出在简单背景中的人脸图像,进行归一化操作;以类间散布矩阵作为产生矩阵,通过K-L变换降维并提取出代数特征,为了减少计算量,运用了奇异值分解,最后用最小距离分类器分类对图像进行分类.实验结果表明本方法的有效性.并且对人脸姿态,表情,光照等都具有一定的免疫性.     

基于图像内容和混沌系统的图像认证算法

提出了一种利用离散余弦变换（Discrete Cosine Transform,DCT）系数和混沌系统的可用于检测图像篡改定位的脆弱性数字水印算法.首先将图像进行不重叠的分块,分块后的图像经过DCT变化后,利用中频系数产生水印.同时利用混沌系统构成图像块间信息嵌入和提取的对应关系,并将水印嵌入到相关块的最低有效位.图像篡改检测过程为：将提取的水印和生成的水印进行比较,通过差异的位置对其进行定位.实验结果显示,该算法具有良好的定位精度,混沌系统的采用,使算法具有较高的安全性.     

一种基于稀疏表示的交通图像去噪算法

将图像稀疏表示方法引入到交通图像处理中,实现了一种基于K-SVD的正交匹配追踪的交通图像去噪算法.该算法通过奇异值分解,DCT字典进行自适应更新,形成更能表示图像结构的超完备字典.实验结果表明,相对于传统图像增强方法(中值滤波、均值滤波、基于小波滤波)和基于DCT冗余字典的稀疏表示图像增强方法,该算法能更有效地去除交通图像噪声,得到更高的峰值信噪比.     

基于二维耦合映像格子模型的图像加密

为了平衡混沌系统的复杂性和效率之间的关系，将分段Logistic映射（piecewise Logistic map，PLM）引入到二维耦合映像格子（2D coupled map lattices，2DCML）模型中. 采用暂态转换以使模型的输出序列服从均匀分布，进而得到T2DCML模型，基于此模型提出了一类图像加密算法. 在加密算法中，利用模型输出的伪随机序列构造两个初等变换矩阵，对图像进行置乱操作；然后再从模型中提取状态值的比特构造整数序列，对置乱后的图像进行扩散操作；经过若干轮的置乱与扩散操作，产生最后的加密图像. 仿真实验及性能分析表明:该算法的相关系数的绝对平均值为0.001 3，信息熵为7.999 3，像素变化率（number of pixel change rate，NPCR）和统一平均变化强度（unified average change intensity，UACI）分别为99.63%和33.60%，能够有效满足图像在网络中安全传输的需求.      

基于混沌系统的量子彩色图像加密算法

为了提高图像安全性,将混沌系统引入到量子图像加密领域. 首先通过Chen混沌将图像按位异或;然后将彩色图像表示为量子的叠加态,通过Logistic混沌序列产生幺正矩阵对量子图像进行置乱;再次产生一个混沌序列对每个像素的红绿蓝三基色进行随机互换,达到对量子图像加密的目的;最后,在经典计算机上进行了模拟实验,结果表明加密后图像直方图更为平滑,像素平均分布在0～255范围内,图像相邻像素相关性低,加密图像红绿蓝像素相关系数平均值分别为0.001 6、0.001 7和0.003 8,并且密钥敏感性高,能有效抵抗穷举攻击和统计攻击,算法具有良好的有效性和可行性.      

基于多元线性回归的线性系统状态空间辨识算法

提出了一种新的多变量线性系统状态空间辨识算法.该算法采用多元线性回归,而不是传统算法中的子空间投影.首先通过多元线性回归获得系统的预估器马尔可夫参数,然后基于一个关鍵等式获得系统的预估器可观性矩阵与状态序列的乘积矩阵,接着通过奇异值分解得到状态序列,最终再次运用多元线性回归求得系统状态空间模型的各个矩阵.由于本文的算法是预估器式的,因此适用于开环和闭环辨识.基于AIC准则,设计了算法的阶次选择策略,通过仿真例子,验证了该算法的有效性.     

一种基于Arnold混沌映射的数字水印技术研究

数字水印技术作为版权保护的重要手段,已得到广泛地研究和应用．提出了一种基于Arnold混沌映射的数字水印技术和水印信息置乱效果评价方法,用Arnold变换对原始水印信号进行置乱,再经过M序列扩频,将处理后水印信号嵌入宿主图片小波域的低频系数中,通过对四组不同条件和嵌入方法的比较,通过实验证明该算法具有良好的稳健性．     

基于JPEG特性的图像被动取证技术现状分析

图像技术的发展,使其成为图像篡改的双刃剑.如何对已篡改的图像进行数字取证成为当前研究热点之一.本文对基于JPEG特性的图像被动取证技术进行分析,根据JPEG图像被动取证技术中不同算法所选用的特征量,将现有的技术方法分为两类：针对JPEG重压缩的被动取证和针对JPEG重采样的被动取证.详细分析了上述两类方法各自的特点及对应的优缺点,指出当前基于JPEG特性的图像被动取证的技术的不足之处,并对相关技术的未来发展方向进行了展望.     

基于奇异值分解技术的轮边减速器故障信号降噪研究

利用改进的奇异值分解技术,用仿真信号验证了该技术对轮边减速器齿轮故障特征提取的有效性,并从模拟信号中提取出了故障特征频率。研究发现,噪声的奇异值分布趋于直线,凸显出了有用信号的奇异值,有利于特征信号提取。仿真结果表明,该方法能在强噪声背景下提取行星系统齿轮故障特征,为轮边减速器故障诊断提供了一个新的思路。     

Detecting shifted double JPEG compression tampering utilizing both intra-block and inter-block correlations

Copy-paste forgery is a very common type of forgery in JPEG images.The tampered patch has always suffered from JPEG compression twice with inconsistent block segmentation.This phenomenon in JPEG image forgeries is called the shifted double JPEG(SDJPEG) compression.Detection of SDJPEG compressed image patches can make crucial contribution to detect and locate the tampered region.However,the existing SDJPEG compression tampering detection methods cannot achieve satisfactory results especially when the tampered region is small.In this paper,an effective SDJPEG compression tampering detection method utilizing both intra-block and inter-block correlations is proposed.Statistical artifacts are left by the SDJPEG compression among the magnitudes of JPEG quantized discrete cosine transform(DCT) coefficients.Firstly,difference 2D arrays,which describe the differences between the magnitudes of neighboring JPEG quantized DCT coefficients on the intrablock and inter-block,are used to enhance the SDJPEG compression artifacts.Then,the thresholding technique is used to deal with these difference 2D arrays for reducing computational cost.After that,co-occurrence matrix is used to model these difference 2D arrays so as to take advantage of second-order statistics.All elements of these co-occurrence matrices are served as features for SDJPEG compression tampering detection.Finally,support vector machine(SVM) classifier is employed to distinguish the SDJPEG compressed image patches from the single JPEG compressed image patches using the developed feature set.Experimental results demonstrate the efficiency of the proposed method.     

基于变分模态分解和奇异值分解的结构模态参数识别方法

为了准确获得结构的固有频率、阻尼比与振型, 将变分模态分解与奇异值分解相结合, 提出一种新的结构模态参数识别方法; 基于已有时频参数识别方法, 根据测量的脉冲激励与加速度响应估计系统的频响函数, 对系统的频响函数进行反傅里叶变换得到脉冲响应函数; 对各测点的脉冲响应函数进行变分模态分解, 得到与结构固有频率对应的本征模态分量; 提取本征模态分量的固有频率, 利用与固有频率相近的本征模态分量作为行向量构造奇异值分解矩阵, 对所构矩阵做奇异值分解, 利用最大奇异值重构左、右奇异值向量, 识别结构的振型、固有频率和阻尼比; 通过四自由度质量-弹簧-阻尼模态仿真试验和车体横梁锤击模态试验, 验证了所提出的模态参数识别方法的有效性。研究结果表明: 在四自由度理论模型参数识别中, 系统固有频率和阻尼比的识别结果与理论计算结果的最大相对误差分别不超过0.025%和1.490%, 理论计算与识别的1~4阶振型的模态置信度分别为0.999、1.000、0.999和0.999;在车体横梁锤击模态试验中, 提出方法识别的固有频率和阻尼比与理论计算结果的最大相对误差分别不超过1.57%和1.47%, 且车体横梁的理论振型与识别振型趋势相同。可见, 提出的方法能有效识别结构的模态参数。