圖像插值:對原始圖像進行下采樣，然後插值生成與原始圖像相同載體圖像的無失真水印。
零水印[9]零水印
[跳轉閱讀“小波域無失真擴頻的魯棒水印設計”]
JPEG未知裁剪~還不錯
旋轉變焦高速金屬絲過濾器是好的
中值濾波高絲噪聲和椒鹽噪聲較差。
劣勢
步驟:
傾斜變換->；意思是隱藏水印位->；直方圖校正以防止上下溢出
上壹次:直方圖移動(附加最小點和最大點值)
避免上下溢出:
1)位置圖映射
2)256年款
3)空間塊分類和糾錯編碼。
4)直方圖調整(在空域中)
比較其他人提出的整數小波變換
整幅圖像的小波變換->；載波子帶被分成不重疊的塊->；計算平均值絕對值的最大值，nmax，T > >；nmax
這篇文章:
SLT變換的誤差在可接受的範圍內。
解決溢出-& gt；直方圖移動(但需要輔助信息)
位平面位平面操作
使用區域過濾來尋找具有低方差的塊。
為了防止溢出，可以嵌入錯誤的位，然後使用ECC糾正它。
為了增強魯棒性，采用位平面+重復嵌入+區域濾波，選擇方差小的區域進行嵌入。
缺點:只能嵌入壹個醫院標識的哈希值，即160位，其余都是篡改信息和定位信息，更傾向於篡改水印。
對於溢出，仍然記錄位置信息。
優點:遞歸抖動
對於溢出T，全零和全1被嵌入以獲得最大失真。
PSNR = 41
SSIM = 0.96
(隱形是指肉眼看不見)
步驟:
RGB轉換為YCbCr(不可見水印嵌入在YCBCR顏色模型的亮度信息中，對JPEG有損壓縮等常見信號處理操作具有魯棒性。同時，利用色度信息增加了加密域RDH的容量。)
加密圖像的每壹層。
使用Cb Cr分別生成直方圖
(我沒說怎麽保證變換後是整數)
嵌入在亮度信息y中
用第二個人的密鑰重新加密y。
個人認為關於魯棒性的實驗數據是造假的。
關於如何嵌入傅立葉變換的幅度:參考基於高效魯棒水印的混合域彩色圖像所有權認證(in 13)
混合域嵌入同壹水印
第壹:亮度信息通道的DFT
第二:色度-藍色差分通道，改進的擴頻方法，在輪廓變換域嵌入水印。
[步驟]
亮度分量的大小和相位可以通過2D-DFT變換得到。
但是！！DFT對高噪聲的魯棒性較弱，而CT較好。
選擇兩個半徑以獲得它們之間的環的面積。
水印1/0變成+/-g
振幅中的附加嵌入
CT:嵌入在藍色通道中(因為人眼的色覺對藍色的敏感度低於對紅色和綠色的敏感度)
有點難，沒仔細看。
這不就是我要寫的嗎？
[嵌入過程]
宿主圖像3D-IWT
LH3子帶DCT
水印標記也被DCT變換。
水印的DCT變換結果用MD5加密。
圖像DCT系數的附加嵌入。
將80大小的簽名報告(BCH編碼)嵌入HL3[在第8條中提到]
逆變換
缺點:不瞎
上述引用的[10]
定義壹個偏移量，每個系數相當於被賦值0/1。
量化系數？也被定義為2^ l
過程
1)4D-哈爾DWT
2)思路和妳自己差不多，系數本身代表0/1信息。如果不壹樣，就需要嵌入。
3)嵌入是+-？使系數的絕對值變小。
畫
逆過程
壹個idea DWT，如果系數的變化是+-2 L，反變換後的結果也是整數。
(9012有這麽水的文章)
主機鏡像和壹個隨機數異或，相當於加密？
LSB嵌入
(唯壹的好處是通過電子郵件發送密鑰是壹種創新。)
解決的問題:
針對特征區域的選擇不足以反映圖像的重要信息，導致魯棒性減弱的問題，提出了壹種尺度空間特征區域的魯棒水印算法。
單壹變身:抗攻擊能力弱
本文通過改變Harris-Laplace算法中Harris角點的尺度空間來獲取特征點，並根據水印圖像的大小來確定特征區域的大小。選擇載體圖像中靠近圖像重心且互不重疊的特征區域來合成特征區域矩陣。依次進行DWT+DCT+SVD完成嵌入。
尺度空間特征點檢測
步驟
優點:提取圖像的特征點，即選擇嵌入位置。
缺點:需要記錄特征區域的位置，而且是加性嵌入，需要原始水印提取信息。
整個圖像的b通道DWT和HL子帶被分成8*8。
每塊快速fwht變換
結果進行了奇異值分解
摘錄:
缺點:不可逆
使用DCT+SVD
密鑰決定嵌入位置。
HVS對藍色頻道最不敏感。
但是，不考慮逆變換後像素值不是整數的情況。靜止水文學
包含醫學圖像像素值的特征描述
二嵌入:小波直方圖位移/低失真溢出處理算法(處理上壹步的溢出問題)
環面自同構映射:類似於凱撒密碼
低失真可逆水印算法:利用周圍的三個預測得到預測誤差P，p+b。
是可逆的
用循環冗余碼判斷是否被篡改。
低失真溢出處理:找到溢出像素，對其進行處理，生成篡改記錄，對記錄進行編碼並將其嵌入到宿主圖像中。
溢出變成255，0。
記錄更改後的值。
中國剩余定理的內容
步驟
步驟
主機圖像8*8塊
離散余弦變換；遠曲小管；雙離合自動變速器
隨機選擇DCT系數來嵌入水印比特。
對位置系數的值進行CRT (two)得到P，q。
得到D，b，D
要嵌入1，d >；= 8/天
如果不滿意，就需要改正。
計算每個塊的復雜度，嵌入復雜的塊。
據說可以解決上下溢出的問題。
在空間域，分為水平和垂直兩個階段。
嵌入方法:
水平:增加偶數行的像素值，減少奇數行的像素值。
垂直:減少偶數行的像素值，增加奇數行的像素值1。
使用直方圖
采用直方圖收縮技術，防止上下溢出。
【前輩的方法】
無損壓縮:缺點低壓縮比
DE:需要位置圖。
嵌入0:原來是奇數，所以-1變成偶數。
原始偶數
畢業！？向...告別