一种尺度空间特征区域的强鲁棒性水印算法
Speeded-Up-Robust-Features-SURF算法全文翻译
Speeded-Up Robust Features (SURF)Herbert Bay, Andreas Ess, Tinne Tuytelaars, Luc Van Gool摘要这篇文章提出了一种尺度和旋转不变的检测子和描述子，称为SURF(Speeded-Up Robust Features)。
SURF在可重复性、鉴别性和鲁棒性方面都接近甚至超过了以往的方案，同时计算和比较的速度更快。
这依赖于使用了积分图进行图像卷积、使用现有的最好的检测子和描述子〔特别是，基于Hessian矩阵方法的检测子，和基于分布的描述子〕、以及简化这些算法到了极致。
这些最终实现了新的检测、描述和匹配过程的结合。
本文包含对检测子和描述子的详细阐述，之后探究了一些关键参数的作用。
作为结论，我们用两个目标相反的应用测试了SURF的性能：摄像头校准〔图像配准的一个特列〕和目标识别。
我们的实验验证了SURF在电脑视觉广泛领域的实用性。
1.引言在两个图片中找到相似场景或目标的像素点一致性，这是许多电脑视觉应用中的一项任务。
图像配准，摄像头校准，目标识别，图像检索只是其中的一部分。
寻找离散像素点一致性的任务可以分为三步。
第一，选出兴趣点并分别标注在图像上，例如拐角、斑块和T型连接处。
兴趣点检测子最有价值的特性是可重复性。
可重复性说明的是检测子在不同视觉条件下找到相同真实兴趣点的能力。
然后，用特征向量描述兴趣点的邻域。
这个描述子应该有鉴别性，同时对噪声、位移、几何和光照变换具有鲁棒性。
最后，在不同的图片之间匹配特征向量。
这种匹配基于向量间的马氏或者欧氏距离。
描述子的维度对于计算时间有直接影响，对于快速兴趣点匹配，较小的维度是较好的。
然而，较小的特征向量维度也使得鉴别度低于高维特征向量。
我们的目标是开发新的检测子和描述子，相对于现有方案来说，计算速度更快，同时又不牺牲性能。
为了达成这一目标，我们必须在二者之间到达一个平衡，在保持精确性的前提下简化检测方案，在保持足够鉴别度的前提下减少描述子的大小。
一种改进的SIFT特征匹配算法
一种改进的SIFT特征匹配算法李秀华;刘国锐【摘要】首先采用稀疏点匹配算法提取待匹配的两幅图像的轮廓,构建轮廓高斯金字塔,然后逐层进行SIFT特征匹配.仿真实验结果表明,该方法提高了匹配速度和准确性.%First the sparse point matching algorithm is applied to extract the contour of two images to build outline Gaussian Pyramids, and then SIFT feature matching is used layer by layer.Simulation results indicate the method can improve both matching speed and accuracy.【期刊名称】《长春工业大学学报（自然科学版）》【年(卷),期】2017(038)001【总页数】4页(P58-61)【关键词】特征匹配;稀疏匹配;高斯金字塔;SIFT算法【作者】李秀华;刘国锐【作者单位】长春工业大学计算机科学与工程学院, 吉林长春 130012;长春工业大学计算机科学与工程学院, 吉林长春 130012【正文语种】中文【中图分类】TP302三维重建系统的完成需要特征点提取、特征匹配等图像处理过程。
由于立体匹配效果关系到重建的效果，所以,立体匹配环节算法的改善至关重要。
常用的立体匹配方法有SIFT特征匹配方法和基于窗口稀疏匹配方法等。
SIFT特征匹配算法具有对平移、旋转、亮度的变化及尺度缩放保持不变性的优点，但是SIFT算法在匹配过程中总会出现少量误匹配的情况，这种情况需要改善。
基于窗口的稀疏匹配算法提取的特征点具有很强的特征性，匹配结果相对可靠。
但是当这种稀疏匹配方法用于比三棱柱结构复杂的绿色盆景植物进行匹配时，效率变低了，所以针对两种方法中存在的问题，提出了改进的SIFT算法，首先利用改进稀疏匹配算法提取物体的强特征点，然后结合改进的SIFT算法进行特征匹配。
数字水印技术-变换域算法
数字水印与原始媒体数据紧密结 合，不易被察觉，同时可以在需 要时提取出来。
数字水印技术的应用场景
版权保护
通过数字水印技术，可以在数字 媒体中嵌入版权信息，以防止未 经授权的复制和传播。
内容认证
数字水印可以用于验证数字媒体 的完整性和真实性，以防止篡改 和伪造。
多媒体内容隐藏信
息
在数字媒体中隐藏一些不易察觉 的信息，如时间戳、标识等，以 实现一些特殊的应用需求。
VS
DWT将图像分解成不同尺度的小波 系数，每个尺度上的系数都对应于不 同的频率范围。基于DWT的数字水 印算法可以在不同尺度上嵌入水印信 息，以实现多分辨率的水印。提取和 检测水印时，需要利用小波逆变换将 图像重构到原始尺度。
基于FFT的提取与检测算法
基于快速傅里叶变换（FFT）的数字水印算法利用傅里叶变换的频域分析能力，能够实现高效的图像处理和信号处理。
优点
鲁棒性
变换域算法在数字水印技术中具有较好的鲁棒性，可以在经过多种 信号处理操作后仍能检测和提取出水印信息。
隐蔽性
通过在变换域内嵌入水印信息，可以有效地隐藏水印，使其不易被 察觉。
安全性
变换域算法可以利用加密技术对水印信息进行保护，提高水印的安 全性。
缺点
01
02
03
计算复杂度
变换域算法通常需要较大 的计算量和存储空间，这 可能会影响水印的实时处 理和嵌入速度。
傅里叶变换（FFT）
要点一
总结词
傅里叶变换是一种经典的信号处理技术，用于将信号从时 间域转换到频率域。
要点二
详细描述
傅里叶变换将图像的像素值表示为一系列复数系数的和， 这些系数表示图像在不同频率下的强度和相位信息。通过 修改这些系数，可以在不显著改变图像质量的情况下，嵌 入和提取水印信息。然而，傅里叶变换在处理图像时存在 一些局限性，例如无法处理局部区域的信息，因此在实际 应用中不如离散余弦变换和小波变换常用。
基于LFRs的大容量抗几何攻击水印算法
ｒ ｇｏ ｓｃ ｕ ｄ ｂ ｏｔｎ ｂ ｅＳ Ｆ ｔ ｈ ａｇ ｒ ｈ ，ｔ ｅ ｏ ｌ ｘ ｒ ｃ ｅ ｗａｅ ａ ｋ ｂ ｉｄ ｙ ｅ ｉｎ ｏ ｌ ｅ ｇ ｔ ｙ ｔ Ｉ Ｔ ｍａ ｃ ｌｏｉ ｍ ｈ ｎ ｃ ｕ ｄ ｅ ｔａ ｔｔ ｔ ｒ ｒ ｌ ｌ ．Ｅｘ ｅ ｉ ｎ ａ ｅ ｕ ｔ ｓ ｏ ｈ ｔ ｅ ｈ ｔ ｈ ｍ ｎ ｐｒ ｍｅ ｔｌ ｓ ｌ ｈ ｗ ｔ ａ ｒ ｓ ｔ ｅ ｃ ｐ ｃｔ ｆｔ ｅ ｗ ｔｒ ａ ｋ ｃ ｎ ｂ ｉｎ ｆ ａ ｔ ｎ ｒａ ｅ ，ａ ｄ ｔ ｅ ｐ ｏ ｏ ｅ ｃ ｅ ｓｒ ｂ ｓ ｔ ｄ ａ ｇ ｆｉ ｇ ｒ — ｈ ａ ａ ｉ ｏ ａ ｅ ｒ ａ ｅ ｓ ｉ ｃ ｎ ｌ ｉｃ ｅ ｓ ｄ ｎ ｈ ｒ ｐ ｓ ｄ ｓ ｈ ｍｅ ｉ ｏ ｕ ｔ ｏ ａｗｉ ｅ ｒｎ ｅ ｏ ｙ ｈ ｍ ｇ ｉ ｙ ｍａ ｅ ｐ ｏ ｃ ｓ ｉｇ ｏ ｅａ ｉｎ ｕ ｈ ａ ｄ ｉ ｇ ｎ ｉｅ ｉ ｔ ｒ ｇ ａ ｄ ｃ ｍｐ ｅ ｓｏ ｎ ｌｋ ｎ ｓｏ ｅ ｍｅｒｃ ａｔｃ ｓ ｅ ｓｎ ｐ ｒｔ ｓ ｓ ｃ ｓａ ｄｎ ｏ ｓ ，ｆ ｅ ｎ ｎ ｏ ｒ ｓ ｉｎ ａ ｄ ａ ｉ ｄ ｆ ｏ ｔ ｔ ｋ ． ｏ ｌｉ ｌ ｇ ｉ ａ
ｖ ｒａ ｐｅ ｉｃｅｆ ａｕｒ ｅ ｉ ｎ ａ ｓ ｌｃｉ ｎ ｃ ｔｒｏ ｓ ｄ ｏ ｈ ｎｍｕｍ ｐ ｎｎ ｎ ｒｅ ｃｕｓｅ ｎ ｌ ｏ ｉ ｅ ｌｐ ｄ ｃｒ ｌ ｅ ｔ ｅ ｒ ｇｏ ｓｖｉ ｅｅ ｔｏ ｒ ｅ ｎ ｂａ ｅ ｎ ｔ ｅ ｍｉ ｉ ｉ ｉ ｓ ａ ｉ ｇ ｔｅ ｌ ｔｒ ｇ ａｇ ｒｔ ｉ ｈｍ． Ｔｈ ｎ ｅ ｅｙ ｅ ｖ ｒ ｃｒ ｌ ｅ ｉｎ ｗａ ａ ｔｔｏ ｅ ｏ ｓ ｂ— ｌｃｋ ｔ ｈ ａ ｒ ａ ｉ ｅ ｔｒｐａｔｒ ｔ ｈ ａ ｅａ ｇ ｅａｎ ｏ ｃ ｎｒｃ ｃｒ ｕ ｉｃ ｅ ｒ ｇｏ ｓｐ ｒｉｉｎ ｄ ｔ ｕ ｂ ｏ ｓｗｉｈ ｔ ｅ ｓ ｍｅ ａ ｅ ｎ ａ ｓ ｃｏ ｔｅ ｎ ｗｉｈｔ ｅ ｓ ｍ ｎ ｌ ｄ ａ ｈ ｍｏ ｅ ｔｉ ｉｑ ｅ
一种改进的快速鲁棒性特征匹配算法
ｍ ｅ ｏ ｗａ ｐ ｏ ｏｓ ｄ ｔ ｒ ｄ ｃ ｔｅ ｏ ｐ ｅ ｉ ｏ ｄ ｓ ｒｐ ｏ ｓ ｅ ｔａ ｔｄ， ｔ ｅ ｄ ｐ ａ ｌ ｙ ｆ ｘｅ ｎ ｌ ｈ ｔ ｄ ｓ ｒ ｐ ｅ ｏ ｅ ｕ ｅ ｈ ｃ ｍ ｌｘ ｔ ｙ ｆ ｅ ｃ ｉ ｔｒ ｘ ｃｅ ｒ ｈ ａ ａ ｔｂ ｉ ｏ ｅ ｔｒ ａ ｔ
（．中国科 学 院长春 光 学精 密机 械 与物 理研 ２ ．中国科 学 院研 究生 院 ， 京 １０ ４ ） 北 ００ ９ 摘 要 ：针 对光 照 变化 、 声 、 噪 局部 遮 挡 等在 图像 配 准技 术 中对 配 准精 度有 重要 影 响 ， 出 了一 种在 提 多尺 度 空 间下点预 测 快速 鲁棒 性不 变特 征 的 匹配 算 法。针 对在 探 测对 图像 的尺度 、 旋转 ， 射 具有 不 仿 变性 的 斑状特 征 极值 点过 程 中计算 复 杂度较 高的 问题 ，提 出一 种特征 点预测 方 法降低 了描 述子提 取
１ ∞
Ｌ， Ｗ
Ｉ １
“
／ Ｕ
一 Ｉ —
Ｖｏ１ Ｏ． ． Ｎ ３ ４１
Ｉ ｆａ ｅ ｎ ｓ ｒ Ｅ ｇ ｎ ｅ ｉ ｇ ｎ ｒ ｒ ｄ ａ ｄ Ｌａ ｅ ｎ ｉ ｅ ｒｎ
Ｍａ．０２ ｒ２ １
一
种 改进 的快 速 鲁棒 性 特 征 匹配算 法
空频域结合的多尺度扩张卷积注意力数字水印
第45卷第3期包装工程2024年2月PACKAGING ENGINEERING·193·空频域结合的多尺度扩张卷积注意力数字水印孙刘杰，刘磊（上海理工大学，上海200125）摘要：目的将深度学习应用于数字水印，在隐藏信息的同时，不断提高图像的不可见性和鲁棒性，提出一种结合空间域和频率域的多尺度扩张卷积注意力数字水印算法（SF-ACA）。
方法SF-ACA算法的网络框架包含由ACA和SFE构成的生成器、解码器2个部分组成。
其中，ACA网络中的MCA模块将3个不同扩张率的扩张卷积对载体图像以多尺度融合的方式进行特征提取，使载体图像能更有效地隐藏水印信息；SFE结合快速傅里叶卷积块，在空域和频域中通过不同大小的感受野捕获互补信息，更精准地获取水印的特征信息，增强了秘密信息的不可见性和鲁棒性。
结果本文提出的水印方法在隐藏与载体图像尺寸相等的三通道彩色图像时，PSNR值为38.81 dB，较UDH方法的PSNR值提高了7.78%。
水印图像的隐藏容量是4 096比特，该算法与UDH方法在Dropout、Gaussian噪声、JPEG攻击下，提取精度分别提升了5.38%、10.5%、1.65%，满足不可见性要求的同时实现了强鲁棒性。
结论本文方法在隐藏容量较大时，不可见性和鲁棒性都达到了较好的性能。
关键词：深度学习；水印；注意力机制；扩张卷积；傅里叶变换中图分类号：TB486；TP391 文献标志码：A 文章编号：1001-3563(2024)03-0193-08DOI：10.19554/ki.1001-3563.2024.03.022Digital Watermarking Combining Spatial Domain and Frequency Domain Based onMulti-scale Expanded Convolutional AttentionSUN Liujie, LIU Lei(University of Shanghai for Science and Technology, Shanghai 200125, China)ABSTRACT: The work aims to apply the deep learning to the digital watermarking and propose a digital watermarking algorithm combining spatial domain and frequency domain based on multi-scale expanded convolutional attention (SF-ACA), so as to improve the invisibility and robustness of images while concealing information. The network framework of this algorithm consisted of two parts: a generator composed of ACA and SFE and a decoder. Among them, the MCA module in the ACA network combined three dilation convolutions with varying atrous rates for feature extraction of carrier images with multi-scale fusion, so that the carrier images could conceal the watermark information more effectively. The SFE combined fast Fourier convolution blocks to capture complementary information in the spatial and frequency domains with varied widths of perceptual fields to collect the feature information of the watermark more effectively and enhance the invisibility of the secret information and robustness. According to experimental findings, the PSNR value of the proposed watermarking method was 38.81 dB which was improved by 7.78% in comparison to the UDH method while concealing a color image of equal size to the carrier image. The watermarked image had a hiding capacity of 4 096 bits, and the method improved the extraction accuracy under Dropout, Gaussian noise, and JPEG attacks by 5.38%, 10.5%, and 1.65%, respectively, meeting the requirement of invisibility and achieving strong收稿日期：2023-04-26基金项目：上海市科学技术委员会科研计划（180****2500）；上海市自然科学基金面上项目（19ZR1435900）·194·包装工程2024年2月robustness. When the hiding capacity is high, the method described in this study performs better in terms of robustness and invisibility.KEY WORDS: deep learning; watermarking; attention mechanism; expanded convolution; Fourier transformation随着大数据时代的来临，数字通信和多媒体数据日益普及，数字水印在媒体通信安全、解决数字作品的版权纠纷[1]和识别数字作品的真伪方面[2]发挥了巨大作用。
sift(尺度不变特征变换)的原理
sift(尺度不变特征变换)的原理尺度不变特征变换（Scale-Invariant Feature Transform，简称SIFT）是一种用于图像处理和计算机视觉领域的特征提取算法，由David Lowe在1999年首次提出。
与其他特征提取算法相比，SIFT具有尺度不变性、旋转不变性、光照不变性和局部性等特点，因此在许多应用领域中得到了广泛应用，如物体识别、图像匹配和三维重建等。
SIFT算法主要包括四个关键步骤：尺度空间极值点检测、关键点定位、关键点方向分配和局部特征描述。
第一步，尺度空间极值点检测。
图像中的一个关键点应该能在不同尺度的图像中被检测到。
为了实现尺度不变性，SIFT算法采用高斯差分函数（Difference of Gaussian, DoG）来检测尺度空间中的极值点。
高斯差分图像是通过两个不同尺度的高斯模糊图像相减得到的。
在不同的尺度和位置上，对差分图像进行非极大值抑制和阈值处理，得到稳定的关键点。
第二步，关键点定位。
在每个尺度空间中检测到的极值点需要进行精确定位，以提取具有稳定性和鲁棒性的关键点。
SIFT算法引入了尺度空间的二阶偏导数来计算关键点的位置和尺度。
通过建立高斯金字塔，利用图像的不同分辨率，通过差分图像计算尺度。
然后，在关键点周围的邻域内，通过二阶偏导数来确定关键点的位置。
第三步，关键点方向分配。
为了使计算机具有旋转不变性，SIFT算法需要为每个关键点分配一个主方向。
在关键点周围的邻域内，计算梯度幅值和方向，构建梯度直方图。
然后，在梯度直方图中寻找主方向，选取梯度幅值最大的方向作为关键点的主方向。
第四步，局部特征描述。
SIFT算法通过关键点的局部邻域计算局部特征描述子，以实现光照不变性和局部性。
在关键点周围的邻域内，通过建立一个统一的坐标系，将关键点归一化为固定大小的邻域。
然后，在归一化的邻域内计算梯度幅值和方向。
为了增强鲁棒性，SIFT采用了高斯加权窗口来抑制噪声和光照变化的影响。
基于QDCT全局均分策略的鲁棒视频水印方案
基于QDCT全局均分策略的鲁棒视频水印方案摘要：随着数字媒体的进步，互联网上的视频资源日益丰富，但也带来了数字内容盗取与版权保卫的问题。
为了保卫视频内容的版权，许多探究者提出了各种水印方案。
然而，这些方案往往容易受到攻击，导致水印失效。
本文提出了一种基于QDCT （Quadrant Discrete Cosine Transform）全局均分策略的视频水印方案，旨在提高鲁棒性并保卫视频的版权信息。
第一章引言1.1 背景数字媒体的广泛应用使得版权保卫面临巨大挑战，尤其是视频内容。
为了应对版权侵权问题，探究者们提出了各种水印方案。
然而，现有的视频水印方案往往容易被攻击者破解，导致水印失效。
1.2 目标本文的目标是提出一种具有较高鲁棒性的视频水印方案，通过QDCT全局均分策略来保卫视频的版权信息。
第二章 QDCT全局均分策略2.1 QDCT技术原理QDCT是一种基于离散余弦变换的图像处理技术，常用于数字媒体中对图像进行压缩和去噪。
QDCT将图像分为4个象限，分别对应于原图像的左上、右上、左下和右下四个象限。
通过对每个子块进行离散余弦变换，然后进行一系列的操作，可以得到QDCT变换后的图像。
2.2 QDCT全局均分策略介绍QDCT全局均分策略是一种将水印信息匀称分布在每个QDCT子块中的策略。
起首，将水印信息转换为频域信号。
然后，将频域信号分解成若干个子块，并对每个子块进行QDCT变换。
在QDCT变换后，依据一定的规则将水印信息嵌入子块中。
最后，对嵌入了水印信息的子块进行逆QDCT变换，得到加入了水印的图像。
第三章鲁棒视频水印方案实现3.1 嵌入过程起首，将待嵌入的水印信息转换为频域信号。
然后，将频域信号分解为若干个子块，并进行QDCT变换。
依据QDCT全局均分策略，将水印信息匀称嵌入到每个子块中。
最后，进行逆QDCT变换，得到嵌入了水印信息的图像。
3.2 提取过程对于带有水印的图像，起首进行QDCT变换，然后依据嵌入规则提取每个子块中的水印信息。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
————————————————————————————————————————————————一种尺度空间特征区域的强鲁棒性水印算法作者齐向明，徐嫚，李玥，侯明君机构辽宁工程技术大学软件学院DOI 10.3969/j.issn.1001-3695.2018.01.0056基金项目国家自然科学基金资助项目（61401185）预排期卷《计算机应用研究》2019年第36卷第7期摘要针对数字水印算法中特征区域选取不足以反映图像重要信息，导致鲁棒性减弱的问题，提出一种尺度空间特征区域的强鲁棒性水印算法。
通过尺度空间特征点检测，提取靠近载体图像重心且互不重叠的特征区域，合成特征区域矩阵，用变换域水印算法嵌入水印，对可能受到攻击的含水印图像提取特征区域，合成其特征区域矩阵，用嵌入水印算法逆过程提取水印。
实验表明，该算法不仅对一系列攻击都具有强鲁棒性，且不可见性良好。
关键词数字水印；尺度空间；特征区域；变换域；强鲁棒性作者简介齐向明（1966-），男，阜新人，副教授，硕导，主要研究方向为图像图形处理､数字水印；徐嫚（1994-），女，硕士研究生，主要研究方向为图像图形处理､数字水印（1838337985@）；李玥（1993-），女，硕士研究生，主要研究方向为图像图形处理､数字水印；侯明君（1996-），男，学士，主要研究方向为软件工程．中图分类号TP391访问地址/article/02-2019-07-056.html投稿日期2018年1月11日修回日期2018年3月7日发布日期2018年4月12日引用格式齐向明, 徐嫚, 李玥, 侯明君. 一种尺度空间特征区域的强鲁棒性水印算法[J/OL]. 2019, 36(7).[2018-04-12]. /article/02-2019-07-056.html.第36卷第7期 计算机应用研究V ol. 36 No. 7 优先出版Application Research of ComputersOnline Publication——————————收稿日期：2018-01-11；修回日期：2018-03-07 基金项目：国家自然科学基金资助项目（61401185）作者简介：齐向明（1966-），男，阜新人，副教授，硕导，主要研究方向为图像图形处理､数字水印；徐嫚（1994-），女，硕士研究生，主要研究方向一种尺度空间特征区域的强鲁棒性水印算法 *齐向明，徐 嫚，李 玥，侯明君(辽宁工程技术大学 软件学院, 辽宁 葫芦岛 125100)摘 要：针对数字水印算法中特征区域选取不足以反映图像重要信息，导致鲁棒性减弱的问题，提出一种尺度空间特征区域的强鲁棒性水印算法。
通过尺度空间特征点检测，提取靠近载体图像重心且互不重叠的特征区域，合成特征区域矩阵，用变换域水印算法嵌入水印，对可能受到攻击的含水印图像提取特征区域，合成其特征区域矩阵，用嵌入水印算法逆过程提取水印。
实验表明，该算法不仅对一系列攻击都具有强鲁棒性，且不可见性良好。
关键词：数字水印；尺度空间；特征区域；变换域；强鲁棒性 中图分类号：TP391 doi: 10.3969/j.issn.1001-3695.2018.01.0056Strong robust watermark algorithm in scale space signature areaQi Xiangming, Xu Man, Li Yue, Hou Mingjun(College of Software Liaoning Technical University , Huludao Liaoning 125105, China )Abstract: Area selection based on the digital watermarking algorithm is not enough to reflect the image of important information, lead to decreased robustness problems, this paper put forward a measure space characteristics of the area the strong robustness of watermarking algorithm. Through scale space feature point detection and extraction characteristics near the image center of gravity and non-overlapping regions, regional matrix synthesis characteristics, with the transform domain watermarking algorithm embedding watermarking, the area may contain the watermark image feature extraction under attack, the characteristics of regional matrix synthesis, it used inverse process to extract the watermark embedding watermarking algorithm. Experiments show that this algorithm is not only robust to a series of attacks, but also has good invisibility. Key words: digital watermarking; scale space; characteristic region; transform domain; strong robustness0 引言网络的开放性与共享性给人们生产、工作和生活带来了极大地便利，随之也产生了媒体信息的安全问题。
数字水印技术作为知识产权保护和认证的一种有效方式，得到了广泛应用。
水印算法的关键是在良好不可见性的前提下，增强水印鲁棒性。
强鲁棒性水印算法成为国内外专家和学者研究的热点对象。
变换域较空域更容易设计出强鲁棒性的水印算法[1]。
基于变换域的水印算法主要通过修改变换的系数值存储水印[2]。
文献[3~5]将载体图像进行单一变换，算法只能在对抗某一种攻击上表现较好的鲁棒性，且其不可见性较差；文献[6]将载体图像进行DCT 变换和SVD ，一定程度均衡了水印算法的不可见性和鲁棒性，但鲁棒性仍然较差；文献[7]将载体图像先作DWT 变换再作SVD ，得到载体图像奇异值矩阵，将置乱后的水印作相同处理得到水印奇异值矩阵，把后者加权嵌入到前者较大系数中，载体图像奇异值不发生剧烈改变，但水印嵌入不完全，鲁棒性不理想。
通过对图像本身的某些特征来辅助水印的嵌入和提取，特别是辅助确定水印嵌入的准确位置，有助于增强水印算法的鲁棒性。
文献[8,9]对采用Harris 算子检测特征点，实现对图像重要特征的提取；文献[10]在小波变换域提取的Harris 特征点嵌入水印信息，在抗几何攻击上体现了较好的鲁棒性；文献[11]提出了基于直方图均衡化和Harris 角点检测的数字水印算法，可提取数量较为可观的特征点；文献[12,13]利用Harris-Affine 提取出图像的仿射不变特征点，特征点稳定性较好；Mikolajczky 等人[14]将Harris 特征点检测算子与尺度选择相结合，提出了Harris-Laplace 特征点检测算子，既能检测到较大数量的特征点，且包含尺度特征。
综上所述的各种基于图像特征区域水印算法，虽在某方面得到改进，但没有兼顾解决以下几点问题：a)所提取图像特征点数量较少，不能较好地反映图像的某些特征；b)特征点检测方法存在很多冗余点，增加嵌入水印时间且错误率较高；c)特征点稳定性差且分布不均匀，影响数字水印抗攻击能力；d)不能结合图像内容确定局部特征区域尺寸和位置，减弱了水印算法的鲁棒性。
基于以上分析，本文采用改变Harris-Laplace 算法中Harris）载体图像I通过尺度空间的Harris-Laplace的二值水印图象，对该水印进行Logistic 映射混沌加密；(b)是水印图像经过混沌加密的加密图像。
(a)水印图像(b)加密图像图2 水印图像经过Logistic 映射混沌加密后的加密图像采用峰值信噪比(PNSR)来评价原始图像和含水印图像之间的质量差别；同时采用归一化互相关系数(NC)来评价原始水印与提取解密的水印的相似程度，NC 值越大，表示两者相似程度越大，则水印的鲁棒性越强。
3.2 鲁棒性测试为了检测本算法具有较好的鲁棒性，对含水印的图像分别进行噪声攻击、旋转攻击、缩放攻击等多种类型攻击实验，并且在水印提取后对水印进行Logistic 映射混沌解密。
3.2.1 噪声攻击向五幅含水印的图像分别添加乘积性噪声、高斯噪声、椒盐噪声和高斯白噪声。
表1列出了五幅图像添加噪声攻击后提取出的水印NC 值。
尺度空间的特征区域均靠近载体图像的重心位置，反映载体图像的较多信息，通过对特征区域进行离散小波变换，并对其低频子带进行离散余弦变换，得到的DCT 系数矩阵进行奇异值分解，而加噪是对图像高频信息的操作，几乎不会影响到在特征区域低频中嵌入的水印信息，只会对高频中嵌入的水印信息产生一定的干扰。
因此，本文算法可以有效提高水印抗乘积性噪声、高斯噪声、椒盐噪声和高斯白噪声攻击的能力。
在嵌入水印前对图像进行Logistic 映射混沌加密，进一步分散水印信息，使其能提取具有较大NC 值的水印。
图3展示了各种噪声攻击下的含水印图像及其所提取出的水印图像。
图中的水印图像清晰可辨，说明本算法可以有效抵抗噪声攻击，具有强鲁棒性。
乘积性噪声0.01 1.0000 0.9972 1.0000 1.0000 1.0000 0.015 1.0000 1.0000 0.9972 0.9944 1.0000 0.02 0.9944 0.9972 1.0000 0.9916 0.9911 高斯噪声0.01 0.9944 0.9944 0.9917 0.9916 0.9930 0.005 1.0000 0.9972 0.9972 1.0000 0.9986 椒盐噪声0.01 1.0000 0.9972 1.0000 1.0000 0.9993 0.015 0.9972 0.9972 0.9972 1.0000 0.9979 高斯白噪声10 1.0000 1.0000 1.0000 1.0000 1.0000 15 1.0000 1.0000 1.0000 1.0000 1.0000(c1) (d1)(c2) (d2)(c3) (d3)(c4) (d4)(c5) (d5)(c)乘积性噪声(0.02) (d)提取解密的水印图3 噪声攻击实验图像3.2.2 旋转攻击对五幅含水印的图像分别进行向左或向右多种幅度的旋转。