✅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👇
🔥 内容介绍
无损水印
数字图像水印可以描述为将信息(或图像)嵌入到另一幅图像中的方法。嵌入的信息可以对用户可见或隐藏。本存储库提出了一种基于离散余弦变换的安全、不可见的水印嵌入方法。
嵌入
该算法通过将原始 RGB 图像转换为 YCbCr 颜色空间,然后提取其 Y 通道,该通道将用于嵌入水印。为了实现安全嵌入,使用安全密钥生成伪随机序列。然后使用此 PN 序列对 Y 通道进行排列。将排列后的帧分解为 8x8 个不重叠的块,并将 DCT 应用于每个块。从这些 DCT 块中,使用 1024 个随机块以 0.1 的水印强度嵌入水印像素。然后将 IDCT 应用于每个块,并将块组合起来形成原始尺寸。最后,删除排列,并将各个通道组合起来形成 RGB 水印图像。
提取
提取算法通过提取 Y 通道、将 DCT 应用于 8x8 块并在嵌入水印的像素位置计算差异,以类似的方式工作。负差对应于水印的前景像素,正差对应于水印的背景像素。
📣 部分代码
clc, clearvars, close all
% Input parameters
img = im2double(imread('lena.jpg'));
watermark = im2double(imread('watermark.bmp'));
key = 394;
% Watermark embedding and extraction
y = embed(img, watermark, key);
W = extract(img, y, key);
% Evaluation metrics
MSE = immse(y, img);
PSNR = psnr(y, img);
% Display results
figure(1);
sgtitle('水印嵌入')
subplot(1,3,1), imshow(img), title('原始图像')
subplot(1,3,2), imshow(watermark,[]), title('水印')
subplot(1,3,3), imshow(y), title({['嵌入水印的图像'], ...
['PSNR: ', num2str(PSNR, '%.2f'), ' dB'],...
['MSE: ', num2str(MSE, '%.5f')]})
figure;
sgtitle('水印提取')
subplot(1,2,1), imshow(y), title('嵌入水印的图像')
subplot(1,2,2), imshow(W), title('水印提取')
⛳️ 运行结果
🔗 参考文献
[1] 岳桢.基于直方图变换的图像信息隐藏技术研究[J].[2024-03-05].
[2] 丁钰文.基于纠错编码及HVS理论的多功能数字图像盲水印算法的研究[D].吉林大学,2009.DOI:CNKI:CDMD:2.2009.094920.
[3] 包观笑,孙刘杰,李毓彬,等.抗任意旋转攻击的数字水印防伪技术[J].光电子·激光, 2015(1):156-161.
🎈 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
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