基于分层视觉失真模型的信息隐藏方法研究

对于信息隐藏而言，要在信息隐藏容量与抗攻击性这两方面取得最佳平衡，如何确定合理的失真约束条件是重点需要解决的问题。本项目将视觉模型理论引入到信息隐藏领域，把视觉失真分成结构失真和纹理失真两个层次展开研究，建立分层视觉失真模型。该模型综合考虑了图像性质、水印算法、以及结构模型和纹理模型之间相关性对失真的影响。同时通过定义人眼主观失真度的客观度量，使得该分层模型可以更准确的反映图像结构和纹理的变化所带来的失真。在分层视觉失真模型的指导下，研究分层水印嵌入算法及其优化方法，综合运用动态关联矩阵集、最短路径查找和动态树生成与优化方法，在给定待嵌入信息的条件下，将水印信息分别嵌入到图像的结构和纹理部分当中，同时保证全局失真最小。本项目的研究成果可以解决水印高容量和不可见性两者之间的最佳平衡问题，实现高容量、抗攻击的数字水印，最终服务于数字版权管理和隐蔽通信等应用。

本项目将视觉模型理论引入到信息隐藏领域，把视觉失真分成结构失真和纹理失真两个层次展开研究，建立分层视觉失真模型。提出了一种基于B样条的结构失真模型，该模型复杂度低，能够有效应用于形状编码、视频编码等领域。研究了基于结构-纹理失真的水印算法，提出一种基于二阶统计的图像质量度量，该度量利用了纹理掩蔽效应以及KL变换域的对比敏感度。根据该度量，扩频水印问题可以看作是一个优化问题。该度量的简单定义使得最优水印具有闭式解，并能够快速实现。研究混合失真图像主观质量评估的问题，并建立了相应的数据库。以图像的结构和纹理特征性质为基础，研究其在计算机视觉等领域的应用，包括对象跟踪、人数统计、行人检测和图像场景标注等。