图像数字水印的神经网络模型及其优化算法研究

本项目主要进行数字水印算法的神经网络模型及其优化设计研究，建立数字水印嵌入、检测和提取的一体化神经网络模型，是统计分析算法、神经网络复杂特性以及图像数字水印技术相结合的基础性研究工作。项目从神经网络的复杂性入手，通过分析其动力学特性进而研究其可以用来提取图像特征的单向性、能够用于可逆水印算法的有限时间收敛性，从而实现基于该神经网络的可逆（脆弱）水印技术；其次，应用神经网络的联想记忆功能，进行水印图像的部分或全部可恢复算法的研究，研究神经网络的联想记忆能力和水印嵌入容量与强度之间的关系，进而实现用神经网络替代目前常用的基于图像压缩技术的水印图像恢复技术；最后，独立成分分析算法(ICA)和线性判别分析算法(LDA)在水印算法的应用中，因为小样本训练而显得复杂和耗时,因此,项目研究能够用于水印技术实现的具有良好ICA和LDA性能的神经网络模型，并进行神经网络和这些算法在数字水印算法中的融合研究。