1．3 協(xié)同演化模型將上述方法得到的序參量ξk代入式（1）就得到只有一個全局穩(wěn)定點、且無偽狀態(tài)的向前競爭的協(xié)同演化動力學(xué)方程組，如式（6）、（7）、（8），其中γ為迭代步長。用迭代法表示序參量和狀態(tài)向量演化過程，存在兩種情況：（1）最后序參量ξkj=±1，而其余ξkj’=0（j≠j’），這時序參量為1的原型水印模式即為競爭中的試驗水印模式；（2）如果最后所有的序參量ξk都為0，則試驗水印模式不是原型水印模式集中的任何一個，協(xié)同神經(jīng)網(wǎng)絡(luò)演化模型如圖1。2 實驗結(jié)果及分析在實驗中，采用512×512的256灰度級的lena圖像（圖2）為載體圖像。水印模式庫（圖3）為64×64的256灰度級的人臉圖像（實驗以50個為例），選擇其中任何一個水印為試驗水印。為增強協(xié)同檢測水印的可靠性，采用如下方法：（1）水印的預(yù)處理，嵌入式的水印分為加密和不加密兩種；（2）在不同的域之間嵌入水印，本實驗分別在空域、變換域內(nèi)嵌入和檢測水??；（3）多種不同的圖像退化處理方法，這些方法包括加噪、灰度拉伸、灰度均衡、線性變換、圖像平滑、低通濾波、中值濾波、JPEG壓縮、剪切等退化處理。以上水印的嵌入、攻擊和檢測試驗均為Matlab 6.5軟件環(huán)境下進行仿真。演化方程組（式（6）、（7）、（8））中B、C、λ取值為1，步長采取0.1/D，最大迭代步數(shù)300步。相似度NC和峰值信噪比PSNR作為評價試驗結(jié)果的性能指標(biāo)。 2．1 協(xié)同水印檢測算法適用范圍分析協(xié)同演化對攻擊后水印的檢測能力。實驗結(jié)果分別如圖4和表1所示。圖4為典型的水印檢測圖，其中圖4（a）表示原載體圖像里沒有水印，這時候會出現(xiàn)兩種情況：（1）所有的序參量都變?yōu)?；（2）有一個序參量最終趨向于-1，其余的趨向于0。圖4（b）表明載體圖像受到退化處理后典型的水印檢測演化曲線，最終趨向1的序參量對應(yīng)的原型水印模式即為載體嵌入的水印。表1表明載體圖像受各退化處理時該算法的檢測能力。從表1中可以看出，退化處理后的水印受到很大程度的破壞（人眼已不可識別水印信息），依靠傳統(tǒng)的方法已不能檢測出水印的存在，本文提出的算法仍然可以從雜亂的信息中提取有 效的信息，檢測出原型水印。
相關(guān)資訊
-
近日，意大利全國性報紙《福利奧日報》稱其出版發(fā)行了全球首份、完全由生成式人工智能技術(shù)撰寫的報紙。 人工智能生成的報紙，以紙質(zhì)插頁的形式，夾在同一天發(fā)售的主報當(dāng)中。在報頭上標(biāo)有人工智能AI字樣。報紙文章的標(biāo)題、摘要、內(nèi)容等均由人工智能生成。報社工作人員…
2025/3/27 8:04:12
共有 網(wǎng)友評論