项目名称: 基于深度视觉注意机制的可逆水印及评价方法

项目编号: No.61303220

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 安玲玲

作者单位: 西安电子科技大学

项目金额: 25万元

中文摘要: 作为数字图像版权保护的有效手段,可逆水印技术能够无损恢复宿主图像内容,最大限度地满足医学、遥感等领域对内容无损的要求,具有更为广泛的应用前景。然而,随着盗版技术与手段的发展,保护图像显著内容、增强水印鲁棒性及公正评价2D水印成为可逆水印亟待解决的难题。为此,本项目拟结合人眼的视觉注意特性,从水印嵌入区域构造、水印嵌入与提取以及水印评价等三个环节出发,研究基于深度视觉注意机制的可逆水印及评价方法。首先,利用深度视觉显著模型实现频域水印嵌入区域的构造;其次,基于深度显著性约束进行多尺度特征点的优化筛选,在此基础上,设计几何不变域的双效零水印以增强水印抵抗常规图像处理与几何攻击的鲁棒性;最后,结合深度学习与支撑向量回归设计2D水印相似性度量测度实现2D水印的评价,从而为版权鉴别提供公正合理的辨识依据。本项目的研究将进一步完善可逆水印的理论框架,为数字图像版权保护提供理论依据与技术支撑。

中文关键词: 可逆水印;可逆信息隐藏;特征区域;鲁棒性;

英文摘要: As an effective way to protect copyright for digital image, reversible watermarking can losslessly recover the content of host image, and satisfies the requirement of content losslessness in the field of medical, remote sensing, and so on, showing wide application prospects. However, with the development of piracy techniques and skills, reversible watermarking is challenged to protect the sailent image content, improve the robustness and appropriately assess the 2D watermark. Therefore, this project exploits the visual attention characteristics of human eyes, and thus studies the reversible watermarking and assessment based on deep visual attention mechanism from three aspects which include region construction for watermark embedding, watermark embedding and extraction, and 2D watermark assessment. Specifically, a deep visual attention model is first used to construct the watermark embedding regions in the frequency domain. Secondly, the multi-scale feature points are optimally selected with a deep sailency constraint. Following this, a double effect zero-watermarking algorithm is designed via geometry invariant regions, which improves the robustness against the common image processing operations and geometric attacks. Finally, by combining the deep learning and support vector regression techniques, a similarity

英文关键词: Reversible watermarking;Reversible information hiding;Feature regions;Robustness;

成为VIP会员查看完整内容
0

相关内容

CVPR 2022 Oral | 基于熵筛选的半监督三维旋转回归
专知会员服务
17+阅读 · 2022年4月18日
联邦学习场景应用研究报告(2022年),72页pdf
专知会员服务
262+阅读 · 2022年2月22日
【博士论文】基于深度学习的单目场景深度估计方法研究
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
26+阅读 · 2021年7月16日
专知会员服务
36+阅读 · 2021年4月23日
【NeurIPS2020】针对弱监督目标检测的综合注意力自蒸馏
专知会员服务
31+阅读 · 2020年11月12日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
计算机视觉,凉了?
CVer
2+阅读 · 2022年3月23日
知识分享 | 深度学习的学习路径
沈浩老师
19+阅读 · 2019年1月9日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
深度图像先验:无需学习即可生成新图像
论智
45+阅读 · 2017年12月4日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月16日
Arxiv
13+阅读 · 2022年1月20日
Arxiv
15+阅读 · 2021年7月14日
Arxiv
19+阅读 · 2021年6月15日
小贴士
相关VIP内容
CVPR 2022 Oral | 基于熵筛选的半监督三维旋转回归
专知会员服务
17+阅读 · 2022年4月18日
联邦学习场景应用研究报告(2022年),72页pdf
专知会员服务
262+阅读 · 2022年2月22日
【博士论文】基于深度学习的单目场景深度估计方法研究
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
26+阅读 · 2021年7月16日
专知会员服务
36+阅读 · 2021年4月23日
【NeurIPS2020】针对弱监督目标检测的综合注意力自蒸馏
专知会员服务
31+阅读 · 2020年11月12日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
相关基金
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员