《表4 本文与文献[12-13]算法的NC值对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《增强奇异值分解的自适应零水印》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:加粗字体为对比实验的最优结果。

本文利用斜变换算法的计算简单、计算速度快的特点，结合BN-SVD使奇异值分解后均衡化对角线方向上的灰度增强水印的鲁棒性，利用天牛须优化算法自适应参数β，使水印的鲁棒性达到最理想的效果。为了更好地检测本文算法具有强鲁棒性，选取512×512像素的Lena图像作为原始图像，32×32像素的“辽宁工大”图像为水印图像，将受攻击后提取出的水印NC值与文献[12-13]算法得到的实验结果进行了对比，结果如表4所示。在水印算法上，参考文献[12]使用DWT与DCT两种算法结合得到低频系数矩阵，利用BN-SVD形成特征向量，不同之处在于，本文算法采用斜变换，然后进行BN-SVD构成特征向量，文献[13]与本文算法使用相同的BN-SVD，通过DWT得到低频系数矩阵，最后生成特征向量，本文算法采用天牛须优化算法对参数β实现自适应过程，使实验效果达到最优。