一个新颖的可打印在抖动半调图像水印方法

文摘

半色调图像通常印在书籍、报纸和杂志。如何实现这些印半色调图像的版权保护成为一个重要的问题。数字水印版权保护提供了一个解决方案。在本文中,我们将提出一个新颖的可打印抖动半调图像水印方法。基于将采样和分散的抖动屏幕的性质,该方法可以抵抗裁剪,篡改,print-and-scan过程攻击。此外,比较郭et al。' s方法,实验结果表明,该方法提供了更高的上述攻击的鲁棒性和更好的视觉质量在高频区域的半色调图像。

1。介绍

数字半色调的深浅不一的方法把连续色调图像;广泛用于印刷报纸、杂志、书籍,等等。当从一个合适的距离,像原始灰度图像半色调图像。今天,许多数字半色调方法(1- - - - - -3)开发。误差扩散、有序抖动和iteration-based技术三种常见类型的半色调方法。误差扩散(1)是一个单程的顺序算法。过去的错误扩散回未加工的邻近像素。当处理当前的像素,其灰度值将增加所有过去的错误和比较固定阈值128来确定其输出。有序抖动(2)是应用于一个阈值矩阵灰度图像转换为半色调图像。它比较像素值与阈值矩阵来确定像素输出。因此,它具有更好的时间效率。iteration-based技术(3]是一种迭代算法;它收益通过生成一个初始迭代半色调图像,然后进行本地搜索在半色调空间交换和切换感知错误降到最低。通常会比误差扩散和更好的图像质量有序抖动,但费时。

许多水印技术提供了半色调图像版权保护和认证;他们分为三大类:基于误差扩散(4- - - - - -11],基于有序抖动[4,12- - - - - -18],iteration-based [19- - - - - -21)技术。

基于误差扩散的水印技术,2002年,Fu和非盟(4)提出了几个数据隐藏或半色调图像水印方法。当原始多频声图像不可用,一双隐藏数据智能切换方案,提出了在半色调图像隐藏数据。当原始多频声图像是可用的和半色调方法错误扩散,提供了修改后的数据隐藏误差扩散方法隐藏数据的半色调图像通过迫使self-toggling变形扩散到周围的像素。这种方法可以应用于有序抖动半调图像生成。实验结果表明,该方法有很高的数据隐藏能力,计算复杂度低,良好的视觉质量,合理阻力对噪音。然而,它不是任何扭曲健壮应用纠错代码,和一些工件的位置切换。后来,Fu和非盟5嵌入一个水印或multiwatermarks平价域的半色调图像半色调。但是,它只能嵌入1位表明是否水印或两种水印的存在。因此,该方法不当版权认证。2004年,Fu和非盟(6)提出了一种改进的方法嵌入水印在当地的水印比特和半色调图像之间的相关系数。当地的相关系数计算之间的独家操作安全代码和半色调图像。然而,如果安全代码规模很小,有水印的半调图像的视觉质量退化。2006年,贝聿铭和郭7)提出了一个数据隐藏方法在几个半色调图像或颜色飞机使用最小错误搜索。它采用格雷码编码向量划分为两组,每组和对应于一个水印0或1。根据水印嵌入,选择最合适的码向量与更好的视觉质量形成有水印的半色调图像。然而,质量急剧下降,当容量增加50%。2007年,李et al。8)提出了一种数字水印方法误差扩散半色调图像;该方法提供了一个block-overlapping奇偶校验算法来减少对傅和非盟中需要切换的方法(4]。实验表明,该方法具有更好的视觉质量比傅和非盟的方法(4]。治疗裴和郭的问题(7),郭和刘9)提出了一个在几个半色调图像数据隐藏方法利用总体最小错误搜索和秘密共享。此外,基于least-mean-square方案也用来实现更好的质量和边缘增强嵌入式的结果。然而,有水印的图像的均匀区域也许工件。

基于有序抖动的水印技术,2001年,Fu和非盟(14)提出了一种两阶段有序抖动图像水印方法。首先,每伪随机位置选择使用阈值选择嵌入一个数据。第二,屏幕修改应用于所选位置的附近改变有序抖动屏幕来实现所需的数据嵌入。提出了一些质量措施评估抖动图像的视觉质量。仿真结果表明,该方法可以隐藏大量数据,同时保持良好的视觉质量。然而,它并不健壮print-and-scan过程。2001年,Hel-Or [13)提出了一个方法来打印图像中嵌入一个水印。首先,根据水印比特,创建一个屏幕抖动通过选择不同的抖动矩阵;然后屏幕用于生产印刷图像。在重建方法是健壮的错误。然而,它并不健壮的裁剪,工件。

2005年,贝聿铭et al。15)提出了一个方法将水印嵌入犹豫半色调图像。方法将抖动半调图像划分为多个sub-subimages钻头和sub-subimage交错进行预处理,并且每个水印是嵌入到每一对sub-subimages。该方法计算复杂度低,灵活的嵌入容量。但是原始的方法需要的知识版权认证水印。治疗裴等的问题,2008年,郭et al。12)提出另一个使用盲水印方法配对子图象匹配有序抖动(BPSMOD)技术。它不需要原始水印,在水印提取的知识。然而,嵌入式犹豫的边界图像的视觉质量可能会退化。

2010年,Bulan et al。16)提出了一个数据隐藏方法,嵌入比特半色调过程中通过clustered-dot取向。对于提取嵌入数据,基于当下提取方法用于检测clustered-dot取向。该方法只适用于clustered-dot半色调方法,它依赖于能够准确控制半色调图像的印刷;这可能是限制在某些应用程序中。2013年,冯et al。17)提出了一种基于粒子群优化的半色调水印算法。这是健壮的拖尾和裁剪攻击之下。不幸的是,它需要平均滤波和中值滤波去除噪声的恢复水印图像。这只是适合水印与固体黑色/白色物体。因此,这个方法不适合一个水印随机序列。

iteration-based水印技术,2003年春,哈哈19)提出了一种基于迭代半色调水印技术方法。在嵌入阶段,伪随机数发生器是用来定位的嵌入位置,迫使这些像素值在这些位置是根据水印比特0或1。在误差最小化阶段,对于每个unembedded像素,检查是否切换像素值或交换邻居像素的像素值可以减少感知半色调的错误。2012年,郭et al。20.)提出了一个面向dbs调制水印方法。在这种方法中,点扩散函数的方向是用来表示不同的水印值。提取水印,LMS训练使用过滤器和朴素贝叶斯分类器进行分类的角度。2015年,郭et al。21)提出了一个halftoning-based多层水印方法。一个有效的直接二进制搜索和查找表法应用于嵌入多个水印。然后,最小均方和贝叶斯分类器是用来提取水印。尽管所有这些方法提供卓越的图像质量,耗费时间。

在本文中,我们专注于有序抖动半调图像。和盲水印方法将提出将基于上述犹豫不决的缺点的水印方法。首先,灰度图像转换为抖动半调图像显示分散的抖动屏幕(方便起见,这里,我们;参见图1);然后通过将采样半色调图像分为若干子图象。对于每个子图象,嵌入水印比特,首先分为若干4×4块。然后,黑色像素的数量,在所有块对应的位置th最小值(见图1 (c),,)4×4分散抖动屏幕。最后,我们把作为一对嵌入一些基于的标志(),,或。如果嵌入位是0,或嵌入比特是1,没有做。否则,每一块的像素位置的th最小值和像素的位置最小的价值交换。自通常是大于,这提供了更高的鲁棒性比郭等人的方法12print-and-scan过程。此外,由于黑色像素的数量在每一块是没有改变,该方法还提供了更高的视觉质量的边缘边界比郭等人的方法(12]。此外,将采样技术提出了提供更高的鲁棒性比郭et al。种植和篡改的方法。剩下的纸是组织如下。部分2概述了郭et al。(12,15)方法。部分3描述了该方法。部分4给出了实验结果和比较。部分5得出的结论。

2。简要描述为郭等人的方法

如前所述,郭et al。12)提出了一个使用BPSMOD抖动半调图像水印方法。首先,采用分散抖动方法将灰度图像转化为一个抖动半调图像。然后,位交错算法提出的裴et al。15)是用来安排抖动半调图像。之后,应用BPSMOD安排图像嵌入水印比特。提高嵌入容量,sub-subimage交叉算法(12,15采用。下面描述的细节。

2.1。位交错抖动半调图像的算法

如前所述,在郭等人的方法(12),一个分散的抖动屏幕(DS) (1是第一个应用于灰度图像导致抖动半调图像根据以下方程: 在哪里和像素的灰度值吗在和,分别。这个职位的价值吗在分散的屏幕抖动。图2(一个)显示了一个128×128灰度级图像。图2 (b)由此产生的抖动半调图像通过应用图吗1(一)图2(一个)。

获得抖动半调图像后,所有像素对应于相同的屏幕值然后分成子图象;这将导致子图象,每一个都有像素。最后,根据屏幕上的价值,所有的子图象将屏幕按升序排序的值和安排从左到右,从下到上导致一个二进制图像。让是th子图象,,子图象左下角。以上过程叫做位交错(12,15]。图2 (c)显示了图的位交错的结果2 (b),它包含16子图象,和子图象对应屏幕左下角值8。

2.2。BPSMOD

在基于BPSMOD,子图象和被认为是一对,在那里和。因为屏幕值用于形式小于用于形式,通常有黑色像素比吗。然而,有时黑色像素超过(等于);这种双叫做nonincreased黑色像素(夹)。在嵌入之前,如果一对是一个夹,它将修改增加黑色像素的或减少黑色像素的使修改后的黑色像素低于修改了吗。然后,在嵌入,每一对将嵌入1位。如果被嵌入水印比特是1,和将交换。否则,什么都不做。

因为有子图象的双每一对的子图象嵌入,嵌入容量。提高嵌入容量,郭et al。12首先将原始的半色调图像成子图象年代,上述位交错方法应用到每个得到sub-subimages的嵌入位。因此,容量增加。图2 (d)显示了分裂的结果图2 (c)到16子图象。图2 (e)每个子图象显示了应用位交错的结果在图2 (d)。

表1显示sub-subimage双黑色像素的数量的子图象在图的左下角2 (e),在那里和。在表1的差异之间的黑色像素的数量和是0,。这些sub-subimage对冻伤。消除这些少量的,至少有一个白色像素选择和变成了黑色像素,,,分别。这可能使视觉质量的退化。此外,从表1的平均差异,我们发现数量的黑色像素八sub-subimage双是5.25。黑色的低差异像素之间的数和可能会导致不同的符号被改变,当嵌入犹豫print-and-scan图像处理过程。这将使提取的水印比特错误。在这里,我们将提出一个方法来治疗这些缺点。

3所示。该方法

该方法包含两个部分:嵌入和提取。图3显示了该方法的框图。在嵌入部分,首先,一个灰度图像转换为半色调图像吗。其次,是划分为子图象通过将采样。第三,水印嵌入到每个子图象。第四,所有像素嵌入的子图象搬到原来的位置形成嵌入式犹豫形象吗。最后,可以印在纸。在提取、传输后,打印嵌入式犹豫的形象用扫描仪扫描,然后扫描嵌入式犹豫形象吗生产。自从print-and-scan过程可能会造成失真,郭等人提出的恢复算法。12)是用于纠正扭曲。在那之后,输出通过将采样将分割成几个子图象。最后,水印可以从每个子图象中提取。

在本节中,我们将首先介绍该嵌入算法。然后,提供的提取算法。

3.1。嵌入算法

嵌入算法包含四个阶段:半色调转换,子图象分割、嵌入和搬迁。他们在下面描述。

3.1.1。半色调转换

一个分散的抖动屏幕(DS) (1是第一个应用于灰度图像导致抖动半调图像根据(1)。

3.1.2。子图象分割

假设一个水印与将嵌入的比特。在子图象分割阶段,是划分为子图象,通过将采样和每个子图象像素。首先,分为块,每一种都有像素。然后,每个块进一步分成子群,每个像素。让是th子块的块,在那里和,分别。最后,通过将采样th子块分成子图象吗。为方便解释,排列成一个图像。

图4(一)显示一个图像划分为3×3块,,,每一个都是进一步分为4×4子块。图4 (b)显示的子图象分割结果图4(一)。图4 (c)显示了图的分割结果2 (b)与,,,。矩形图4 (c)表示16子图象。

3.1.3。嵌入

在嵌入阶段,一个分散的抖动屏幕和使用。的分散抖动屏幕首先分为2×2分散抖动屏幕。其次,在每一个2×2分散屏幕抖动,两个元素与阈值超过128被分组为一对,和其他两个元素与阈值小于128作为一对被分组。因此,我们可以获得对。

第三,排序的所有值分散的抖动屏幕和给每个值订单;然后每一对由其相应的秩序。例如,在图1 (b)与左上的2×2,四元素分散抖动屏幕,一个红色的矩形阈值6,238,134,70。阈值6和70年的两个元素分组作为一对,和134年和238年被分组为另一双。后排序中的值分散抖动屏幕图1 (b),相应的每个元素的顺序图所示1 (d)。两双都是由相应的订单和。

第四,让位置与顺序在分散的抖动屏幕DS。图1 (c)每个像素的显示顺序和位置4×4分散抖动屏幕如图1(一);在这个图中,,。第五,每个子图象分为块大小,和所有像素的位置所有的块分为sub-subimage。

第六,数量,黑色的像素是统计。然后,我们把对,当,,或。注意,对于每个上述两人与的区别,值的和在分散的抖动屏幕DS不小于32。然而,对于每一对()使用的郭et al .,区别,值的和在分散的抖动屏幕DS等于16。这将使每一对该方法有较大的使用比用于郭等人的方法。表中给出了一个例子2。表2显示了黑色像素数量的每一对在左上的子图象的数字4 (c);的平均差异数量的黑色像素的八对为16.75,大于5.25在郭et al。(见表的方法1)。这意味着该方法将提供更高的鲁棒性比郭et al。print-and-scan过程的方法。

最后,一位是嵌入到每一对。如果嵌入位是0,或嵌入比特是1,没有做。否则,每一块的像素位置和像素的位置交换。注意,如果,没有将嵌入到一对。这种对称为等效黑色像素(EBP)。

3.1.4。搬迁

嵌入后,所有的像素都搬迁到原来的位置形成了嵌入式犹豫的形象。然后可以印在纸形成印刷嵌入式犹豫形象吗。注意,嵌入容量位。

图5(一个)显示嵌入120水印位图的结果4 (c)。矩形标记在图5(一个)表示第一个与8子图象水印比特10101010嵌入式。图5 (b)显示了嵌入式犹豫形象造成迁移图5(一个)。

3.2。恢复算法Print-and-Scan过程

当我们收到印刷的纸嵌入犹豫的形象扫描仪用于捕获并产生一个扫描图像。扫描的图像通常有几何失真和点增益效果由于扫描仪和打印机属性。点增益现象在印刷技术中,使一个点的大小增加或减少。在这里,我们采用郭等人提出的恢复算法。12)的嵌入式犹豫的形象。

3.3。水印提取算法

水印提取包含两个步骤:子图象分割和提取。提取嵌入水印,将通过downsampling分割成几个子图象中提到的嵌入算法。为每个子图象,我们把它分成块大小数一数,,黑色像素的位置所有的块。然后,作为一对,什么时候,,或。最后,对于每一对,水印提取并被认为是01,如果。否则,没有水印嵌入的如果。

4所示。实验结果和比较

八个512×512个测试图像中使用12,15)如图6也用于我们的实验。图7当显示了不同的视觉质量的比较方法。在数据区域的周期7 (e)- - - - - -7 (h)高频的数据吗7(一)- - - - - -7 (d),分别。对比图7 (e),我们可以看到这个数字7 (h)是类似于图7 (e),但在图的边界区域7 (f)涂抹,不清楚。这意味着,该方法提供了更高的视觉质量在高频领域比郭等人的方法12]。除此之外,我们可以看到,图7 (c)已经满头花白的声音。因此,该方法提供了更好的视觉质量比即刻的方法(13]。

图8当显示了不同的视觉质量的比较方法。对比图8 (e),我们可以看到这个数字8 (h)是类似于图8 (e),但在图的边界区域8 (f)涂抹,不清楚。比较数据7 (f)和8 (f),我们可以看到这个数字8 (f)比图上满是污渍,不清楚吗7 (f)。除此之外,我们可以看到,图8 (c)有更多的满头花白的声音。因此,该方法提供了更好的视觉质量比即刻的方法(13]。

接下来,两个目标的方法(7,14)用于测量半色调图像质量。提出的一个是Pei-Guo-PSNR裴和郭7];采用测量半色调图像的质量和评价如下: 在哪里是一个最小均方滤波器,可以得到一个培训过程(7),,是原始灰度图像,然后呢是相应的半色调图像。在这里,一个7×7最小均方(LMS)过滤器7)(见图9)采用测量半色调图像的质量。表3显示的质量比较各种方法使用Pei-Guo-PSNR;采用随机比特流作为水印。从这个表中,我们可以看到,该方法和郭et al。方法时提供类似的品质。但该方法提供了更好的品质比即刻的方法。当,该方法提供了比其他方法更好的品质。因为Pei-Guo-PSNR基本上是原始灰度图像的PSNR值和一个低通版本的半色调图像,它有效地措施扭曲的低频图像内容14]。但Pei-Guo-PSNR不当测量高频图像内容。

傅和非盟14]提出的另一项措施治疗上述缺点。让是原始的灰度图像;让被嵌入的半色调图像。傅和非盟14定义两个特殊类中的元素如下:类1。黑色像素在明亮的地区。二班。白色像素在黑暗的地区。基于这两个类,Fu和非盟(14)定义四个分数如下: 在哪里是一班和二班元素的总数有邻居4-neighborhood具有相同像素值。对应于孤立的第1类或2类元素的数量。和可以用来衡量“问世”的视觉干扰集群由邻近的像素(14]。因此,我们采用分数和测量半色调图像的质量。算法与较小的分数的和更好。表4节目的质量比较各种方法基于分数和。从这个表中,我们可以看到,该方法具有较小的分数的和;因此,它比其他方法好。

从上面的实验中,我们可以看到,郭等的图像质量的方法变得更糟的是当分散抖动屏幕尺寸增加。的原因是,如果分散抖动屏幕尺寸增加,郭的夹问题等的方法变得更加严重。许多黑人像素将被添加到消除这些少量的郭等人的方法。因此,黑色像素的数量在某些子图象将会改变。此外,郭的像素交换距离等的方法也会增加,如果分散抖动屏幕尺寸增加。因此,郭的边界等的方法将变得更加模糊,不清楚,其图像质量退化。然而,该方法并没有这个问题。因此,仍清晰的边界时,分散的抖动屏幕尺寸增加。

由于冯等的方法(17]只能嵌入嵌入的水印比特,我们比较品质半色调图像使用风等的方法(17只和其他人水印嵌入。表5显示了512×512的比较结果半色调图像如图8(一个)。从这个表中,我们可以看到,该方法提供了比其他方法更好的品质。

选择的合理性对,我们使用三种不同的选择对。第一个选择是郭等的使用方法;所有对,,,,,,,。第二个选择遵循的规则;所有对,,,,,,,。第三个选择遵循的规则;所有对,,,,,,,。从分散的抖动屏幕如图1我们可以看到,当比较大,更大;这将使大。当大,那么它可以提供更高的鲁棒性print-and-scan过程。但质量就会退化。因此,第二个选择将提供更高的鲁棒性和更好的质量。为了证明这一点,我们已经做了一些实验基于这三种选择嵌入水印比特128到512×512的形象。

表6展示了质量比较三种不同的选择对使用Pei-Guo-PSNR分数和。从这个表中,我们可以看到,这些对选择在Pei-Guo-PSNR提供类似的品质。但是,在和第二选择使用该方法有最好的结果,第三选择最坏的结果。表7显示了黑色像素数字8双左上的子图象的各种选择。的平均差异数量的黑色像素的八对用于该方法的第二个选择是223.5,第三个选择是238.5,使用的首选郭等人的方法是62.75。这意味着郭等人的方法提供了更少的鲁棒性比其他选择,第三个选择将提供类似的健壮性print-and-scan第二对选择的过程。然而,使用第三条选择的图像质量比的两个选择。因此,在图像质量和鲁棒性的考虑,第二选择使用该方法更好。

此外,在实验中郭et al。12),基于一个4×4的屏幕抖动,分散的平均百分比与8捏,32岁,128年,512位嵌入每八个测试图像如图612.5%,15.62%,27.32%,和45%,分别。郭等人修改这些少量的黑像素的数量在嵌入水印。这可能会降低视觉质量。相反,在该方法中,我们不能修改任何一对之前数据嵌入。

的嵌入容量,由于数据嵌入取决于不同的黑像素的数量每一对,如果不同的是零,两人不能用于该方法嵌入的数据。这将减少嵌入容量。幸运的是,从我们的实验结果,我们发现,这种情况很少出现在大多数的图像。表8显示的数量相当于黑色像素双(EBP)在八犹豫测试图像。从这个表中,我们可以看到,大多数图像零EBP,除了“蒂芙尼”的形象。“蒂芙尼”的原因是,大多数像素图像灰度值> 90,和像素的灰度值在当地几乎是常数。例如,对于一对在DS,相应的值(见图1);因此,每个像素和为每一个将是一个白色的点。这将使并使其EBP。

在接下来的实验中,我们证明了该方法的鲁棒性和郭等人的方法,种植和篡改攻击。测量提取水印的完整性,正确的解码率(CDR)定义如下: 在哪里,,表示Levenshtein距离(22),原始水印,水印提取,分别。Levenshtein距离是一个字符串度量估计最少的编辑操作,有必要修改一个字符串来获得另一个字符串。在数据10和11一个32×32水印图所示10 ()嵌入到半色调图像图吗11 (b)使用该方法和郭et al。”方法,分别和结果如图10 (b)和(11日),分别。数据10 (c)和11 (b)由1/4部分显示嵌入式犹豫图像裁剪。数据10 (d)和11 (c)有几个字显示嵌入式犹豫图像篡改。注意,当嵌入比特数> 8,犹豫的图像首先分成子图象,水印比特也分成部分。每个部分嵌入子图象。使用该方法生成的子图象和郭et al。所示数据的方法10 (e),10 (f),11 (d),11 (e)。从图10 (e),我们可以看到,每个子图象使用该方法也由1/4部分裁剪;原因是每个子图象块将采样得到的(见图4)。所有的种植将1/4部分像素对丢失。由于水印嵌入的迹象对,1/4的部分失去了不会影响的标志。因此,可以将水印提取正确(见图10 (g))。图10 (h)显示了从图提取的水印10 (d)它也可以正确提取。相反,在图11 (d)郭,我们可以看到一些子图象使用et al。’s方法完全删除;这将使这些子图象水印嵌入部分失去了(见图11 (f))。数据11 (f)和11 (g)从数据中提取的水印11 (b)和11 (c),分别。表9显示了平均正确解码的种植率1/3,1/4,分别和1/2部分。注意,在这个实验中,每个8图像为每个裁剪部分出现在三个不同的地点;因此有72(3×3×8)裁剪图像。从这个表中,我们可以看到,该方法比郭et al。更健壮的方法和冯等的方法(17]。

测量方法的鲁棒性和郭等人的方法12]print-and-scan攻击下,八个测试图像,我们首先嵌入8,32岁,128年,和512位对应的半色调图像;然后每个内嵌半调图像打印在150 dpi。印刷后,每个印刷图像扫描在150年,450年和750 dpi,分别从每个扫描然后嵌入水印图像的提取。表10显示正确的解码率平均有八个测试图像如图6。从这个表中,我们可以看到,该方法的平均正确解码率都高于郭等人的方法。这意味着,该方法提供了健壮性比郭et al。print-and-scan攻击的方法。

5。结论

在这篇文章中,一个健壮的水印方法提出了抖动半调图像。在嵌入之前,通过将采样抖动半调图像分为子图象;这个步骤提供了健壮性种植和篡改。在嵌入步骤中,每一对被嵌入一个水印位,或;然而,在郭等人的方法被嵌入一个水印。以来的平均值比的平均值,这使得该方法提供正确的解码率高于郭et al。print-and-scan过程后的方法。实验结果表明,该方法实际上提供了更高的鲁棒性比郭et al。在种植方法、篡改和print-and-scan过程。此外,实验结果还表明,该方法提供了更高的视觉质量在高频区域比郭等人的方法。

相互竞争的利益

作者宣称没有利益冲突有关的出版。

确认

这部分工作是支持台湾科学技术部根据合同大多数103 - 2221 - e - 009 - 121 - my2。

引用

1. r·w·弗洛伊德和l . Steinberg“空间灰度的自适应算法,”SID学报》国际学术研讨会,消化技术论文,36 - 37,1975页。视图:谷歌学术搜索
2. b . e .拜耳,”一个两层优化方法再现连续色调的照片,”《IEEE国际会议交流1973年6月,页2611 - 2615。视图:谷歌学术搜索
3. r . j . p . Allebach Eschbach, g . g . Marcu“DBS:回顾和未来方向,”颜色成像:与设备无关的颜色,颜色硬拷贝和图形艺术VI,学报学报》,页358 - 376,圣何塞,加州,美国2001年1月。视图:出版商的网站|谷歌学术搜索
4. 傅m . s . o . c .盟,“半色调图像的数据隐藏水印。”IEEE图像处理,11卷,不。4、477 - 484年,2002页。视图:出版商的网站|谷歌学术搜索
5. 傅m . s . o . c .盟,“一个健壮的公众对半色调图像,水印”诉讼IEEE国际研讨会的电路和系统第三,页/ 639 - III / 642, 2002年5月。视图:谷歌学术搜索
6. 傅m . s . o . c .盟,“半色调图像,Correlation-based水印”《电路与系统(国际研讨会在ISCAS ' 04),卷2,页II-21-II-24,温哥华,加拿大,2004年5月。视图:出版商的网站|谷歌学术搜索
7. 研究所。裴和人类。郭:“高容量数据隐藏在半色调图像使用最小错误搜索和最小均方滤波器,”IEEE图像处理,15卷,不。6,1665 - 1679年,2006页。视图:出版商的网站|谷歌学术搜索
8. o . c . r . y . m . Li盟,c . k . m .的趣事,研究。Yip, S.-Y。林,“半色调图像数据隐藏block-overlapping奇偶校验,”《IEEE国际会议音响、演讲和信号处理(ICASSP ' 07),卷2,页2 - 193 - 2 - 196,檀香山,夏威夷,美国,2007年4月。视图:出版商的网站|谷歌学术搜索
9. 人类。郭和Y.-F。刘:“半色调图像安全改善使用总体最小错误搜索。”IEEE图像处理,20卷,不。10日,2800 - 2812年,2011页。视图:出版商的网站|谷歌学术搜索|MathSciNet
10. y . f .郭、o . c . Au和k .唐”水印嵌入多尺度误差分散半调图像采用视觉密码”国际期刊的数字犯罪和取证,7卷,不。1,51 - 68,2015页。视图:出版商的网站|谷歌学术搜索
11. y . f .郭o . c . Au j·t·周k . Tang和x p .粉丝,“半色调图像水印,通过优化”信号处理:图像通信41卷,第100 - 85页,2016年。视图:出版商的网站|谷歌学术搜索
12. 人类。郭,研究所。裴,h·李,“子图象匹配配对有序抖动图像水印方法及其质量进步的编码,“IEEE多媒体,10卷,不。1、16 - 30,2008页。视图:出版商的网站|谷歌学术搜索
13. h . z Hel-Or”,打印图像水印和版权标签”,电子杂志的成像,10卷,不。3、794 - 803年,2001页。视图:出版商的网站|谷歌学术搜索
14. 傅m . s . o . c .盟,“数据隐藏在有序抖动半调图像。”电路、系统和信号处理,20卷,不。2、209 - 232年,2001页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
15. 研究所。裴,人类。郭,h·李,“小说在抖动半调图像鲁棒水印技术。”IEEE信号处理信件,12卷,不。4、333 - 336年,2005页。视图:出版商的网站|谷歌学术搜索
16. o . Bulan g·沙玛,诉《艋舺》的“定向调制数据隐藏在clustered-dot网板印,“IEEE图像处理,19卷,不。8,2070 - 2084年,2010页。视图:出版商的网站|谷歌学术搜索|MathSciNet
17. l·冯·d·琮、h·蜀,b . Liu”自适应半色调水印算法基于粒子群优化,“多媒体杂志,8卷,不。3、183 - 190年,2013页。视图:出版商的网站|谷歌学术搜索
18. 学术界。儿子和h . s . Choo,“从集群半色调水印检测通过学习词典,点“信号处理卷,102年,第84 - 77页,2014年。视图:出版商的网站|谷歌学术搜索
19. i g . Chun和美国哈,”半色调图像水印方法基于迭代半色调方法,”电子商务和网络技术卷,2738在计算机科学的课堂讲稿施普林格,页165 - 175年,柏林,德国,2003年。视图:出版商的网站|谷歌学术搜索
20. 人类。郭,c c。苏,Y.-F。刘、h·李和j。李,“面向调制水印直接二进制搜索半色调图像,”IEEE图像处理,21卷,不。9日,第4127 - 4117页,2012年。视图:出版商的网站|谷歌学术搜索|MathSciNet
21. 人类。郭,G.-H。赖,k . Wong和L.-C。常,“进步的半色调水印使用多层表查找策略,”IEEE图像处理,24卷,不。7,2009 - 2024年,2015页。视图:出版商的网站|谷歌学术搜索|MathSciNet
22. 诉我Levenshtein”,二进制代码能够纠正删除、插入和逆转,”苏联Physics-Doklady,10卷,不。8,707 - 710年,1966页。视图:谷歌学术搜索|MathSciNet

版权

版权©2016 Hui-Lung李和Ling-Hwei陈。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。