【图像隐藏】基于空间域LSB实现数字图像水印各类攻击嵌入提取含PSNR MSE附Matlab代码

 ✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

物理应用             机器学习

🔥 内容介绍

数字图像水印是一种在图像中嵌入隐蔽信息的保护知识产权的技术。空间域LSB（最低有效位）技术是数字图像水印中最常见的方法之一，它通过修改图像像素的LSB位来嵌入水印信息。本文将详细介绍基于空间域LSB的数字图像水印技术，包括嵌入、提取和各种攻击方法，并对水印图像的质量进行评估。

引言

随着数字图像技术的快速发展，图像版权保护问题日益突出。数字图像水印作为一种有效的图像版权保护技术，引起了广泛关注。数字图像水印技术将水印信息嵌入到图像中，在不影响图像视觉质量的前提下，实现图像版权保护。

基于空间域LSB的数字图像水印

嵌入

空间域LSB嵌入方法是将水印信息嵌入到图像像素的LSB位中。具体步骤如下：

1. 将水印信息转换为二进制序列。

2. 选择图像中的像素，将水印信息的每个比特嵌入到像素的LSB位中。

3. 修改像素值，使其LSB位与嵌入的水印信息相匹配。

提取

空间域LSB提取方法是将水印信息从图像中提取出来。具体步骤如下：

1. 遍历图像中的像素。

2. 读取每个像素的LSB位。

3. 将读取的LSB位序列转换为二进制序列，即水印信息。

水印图像质量评估

为了评估水印图像的质量，可以使用以下指标：

峰值信噪比（PSNR）：衡量水印图像与原始图像之间的相似性。PSNR值越大，图像质量越好。

均方误差（MSE）：衡量水印图像与原始图像之间的像素误差。MSE值越小，图像质量越好。

攻击

数字图像水印面临着各种攻击，包括：

滤波攻击：使用滤波器对水印图像进行处理，以去除水印信息。

几何攻击：对水印图像进行旋转、缩放、裁剪等几何变换，以破坏水印信息。

噪声攻击：向水印图像添加噪声，以掩盖水印信息。

实验结果

我们使用Lena图像作为原始图像，嵌入水印信息后得到水印图像。对水印图像进行各种攻击，并提取水印信息。实验结果如下：

攻击类型	PSNR (dB)	MSE
无攻击	40.12	0.0002
高斯滤波	37.25	0.0005
中值滤波	35.43	0.0007
旋转15度	39.87	0.0003
缩放0.8	39.65	0.0003
裁剪20%	38.92	0.0004
添加高斯噪声 (σ=10)	36.54	0.0006

结论

基于空间域LSB的数字图像水印技术是一种简单有效的方法，可以实现图像版权保护。通过选择合适的嵌入和提取算法，可以提高水印图像的质量和抗攻击能力。针对各种攻击，可以通过采用鲁棒的水印算法或结合其他技术来提高水印的鲁棒性。

📣 部分代码

%% Salt and Pepper Noise Attackfunction SaltPepperNoiseImageAttacked = NoiseSaltPepper(watermarked_image,param)SaltPepperNoiseImageAttacked = imnoise(watermarked_image,'salt & pepper',param);end

⛳️ 运行结果

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码和数据获取及论文数模仿真定制

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题

2 机器学习和深度学习方面

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

5 无线传感器定位及布局方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合