《表4 本文与文献[12-13]算法的NC值对比》
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。
图表编号 | XD0047557300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.16 |
作者 | 肖振久、姜东、张晗、唐晓亮、陈虹 |
绘制单位 | 辽宁工程技术大学软件学院、辽宁工程技术大学软件学院、辽宁工程技术大学软件学院、辽宁工程技术大学软件学院、辽宁工程技术大学软件学院 |
更多格式 | 高清、无水印(增值服务) |