一、基于奇异值分解与融合的音频盲认证算法（论文文献综述）
罗一帆[1]（2021）在《基于媒体特征分析的自适应音视频水印关键技术研究》文中研究指明随着多媒体技术、网络技术的发展,多媒体数字产品的复制与传播变得非常便捷。相应的,盗版行为也日益猖獗,给版权商带来了不可估量的经济损失。因此,急需有效的版权保护措施来遏制盗版行为。在这一背景下,学者们提出了数字水印技术,经过近年来的快速发展,已成功应用于多媒体数字产品的版权保护,挽回了盗版带来的经济损失。因而,研究数字水印技术,进一步提升其版权保护效果,是一项具有重要理论意义与应用价值的工作。音视频作为视听媒体的代表,其版权保护是数字水印研究的重点,研究者们已提出了多种音视频数字水印方法。但现有方法对音视频信号在时-频域中的变化特征缺乏充分的研究与应用,导致水印抗时域同步攻击、几何变换等攻击能力不足,水印鲁棒性和不可感知性均有待提升;同时,对新发展起来的无损压缩音频、3D视频研究不足,少有针对性数字水印算法。为解决这些问题,本文基于音视频特征信息分析,从以下两个方面提出解决思路。第一,分析音视频信号时-频域变化规律,根据规律构建特征信息作为信号自适应分段标志、确定水印嵌入位置;水印嵌入位置随特征信息变化而改变,而各类攻击对特征信息影响小,水印抗同步攻击、几何攻击等攻击鲁棒性得到提升。第二,将水印嵌入与提取过程同音频信号变化特征、编解码特征、视频角点特征、3D视图渲染特征相结合,充分运用特征信息来提升水印不可感知性和抗各类攻击的鲁棒性。根据解决思路,本文提出了以下解决方案:依次构建在各类攻击下鲁棒性更强的音频节拍、音频显着状态、视频角点、视频对象动作等特征信息作为信号分段、水印嵌入位置选择或水印认证标志,实现水印抗同步攻击鲁棒性的提升。针对有损压缩、无损压缩音频,2D、3D视频,将特征信息构建与水印嵌入、提取方法相结合,分别设计双通道音频水印算法、双域音频水印算法、与无损压缩编码相结合的无损音频水印算法、与视觉密码相结合的2D视频‘零水印’算法、与3D渲染模式相结合的3D视频水印算法,各有侧重地提升水印鲁棒性和不可感知性。根据解决方案,具体算法实现如下:一、提出了基于信号自适应分段与嵌入强度优化的双通道音频水印算法。利用自相关检测法对音频信号进行自适应分段,作为水印嵌入位置选择标志,提高水印抗同步攻击鲁棒性。构建音频信号双通道特征信息,设计水印双通道嵌入与提取方法,降低水印嵌入强度,提高水印不可感知性。二、提出了基于离散小波包变换的双域音频水印算法。设计更具鲁棒性的音频信号自适应分段方法,水印具备更强的抗同步攻击能力;引入心理声学模型,将音频信号划分为听觉掩蔽域和被掩蔽域,设计符合掩蔽效应的双域水印嵌入位置选择方法、水印嵌入强度自适应控制方法,在双域中同时进行水印嵌入与提取,既提高水印的鲁棒性,又能保障其不可感知性。三、提出了针对MPEG-4 SLS格式的无损压缩音频水印算法。构建MPEG-4 SLS（Scalable Lossless Coding）编码整型修正离散余弦变换（Integer Modified Discrete Cosine Transform,Int MDCT）系数显着状态特征信息作为水印嵌入位置选择标志,增强特征信息鲁棒性,实现水印抗同步攻击鲁棒性的提升;设计与无损编解码技术相结合的水印嵌入与提取方法,提高水印抗各类信号处理攻击的鲁棒性,同时应用听觉掩蔽效应实现对水印嵌入强度的有效控制。四、提出了基于时-空域特征和视觉密码的视频‘零水印’算法。设计有限状态机进行关键帧选择,在关键帧中构建时-空域角点特征信息作为水印认证信息元素,提高特征信息抗同步攻击、色彩与几何攻击鲁棒性。将特征信息与视觉密码相结合,生成鲁棒性水印认证信息,在版权机构进行注册,在不改变视频信号的前提下实现水印嵌入。五、提出了基于深度图像渲染（Depth-image-based rendering,DIBR）的3D视频水印算法。与DIBR特征进行融合,构建视频帧对象动作特征信息作为水印嵌入位置自适应选择标志,增强特征信息鲁棒性,提升水印抗深度信息变化、几何变换攻击鲁棒性;设计同DIBR渲染过程相结合的水印嵌入与提取方法,提升水印鲁棒性和不可感知性。综上所述,本文针对现有音视频水印方法存在的问题,基于特征信息分析对音视频数字水印关键技术进行研究。分析音视频信号时-频域变化特征与鲁棒性特征信息提取方法,提出了问题解决思路,给出了解决方案。实现了在小波域、时空域、压缩域中对有损压缩音频、无损压缩音频、2D视频、3D视频进行水印嵌入与提取,有效增强了水印鲁棒性和不可感知性,为水印算法的应用打下了更坚实的基础。
赵彦霞[2]（2021）在《基于水印和区块链技术的数字图像交易管理研究》文中研究说明社会许多领域对数字图像的大量需求,使得国内外出现了大量的数字图像交易网站。但目前的数字图像交易网站一般存在一些不足。例如,为用户提供的数字图像版权保护和版权认证服务不足,为用户提供的有法律效力的交易存证服务不足,为用户提供的个性化服务不足和提供的业务种类少等不足。在数字图像交易管理理论研究方面,也存在对数字图像交易管理的系统性研究、对数字图像进行版权保护和内容认证研究、对区块链中交易使用的智能合约管理研究以及专门针对数字图像的个性化推荐研究不足等问题。本文针对这些存在的问题进行了研究。在理论研究方面,本文对数字图像交易前、交易中和交易后管理上存在的一些问题进行了研究。提出了利用数字水印技术对交易前的数字图像进行版权保护和内容认证的多功能零水印算法;对数字图像交易过程中产生的交易信息写入区块链中进行存证,对区块链智能合约分类算法进行了研究;依据数字图像交易后存储的用户历史数据,研究了利用智能推荐技术的个性化数字图像推荐算法。在实践研究方面,设计了数字图像交易管理系统。将本文提出的算法应用于该系统,并设计了相应的管理模型,以解决数字图像交易网站提供的业务种类少等问题。本文的创新点如下:（1）提出了两种基于奇异值分解和深度学习的数字图像多功能零水印算法。在数字图像交易前,对数字图像进行版权保护和内容认证的研究不足。针对这一问题,本文对数字图像版权保护和内容认证进行了研究。变换域算法比空域算法中水印的鲁棒性更强,离散小波变换（DWT）能够克服离散傅里叶变换和离散余弦变换的一些缺点,奇异值分解（SVD）所得的奇异值可以表示图像内在的代数特征,稳定性好,深度神经网络能够获取图像关键特征。因此,将DWT、SVD分别和深度卷积神经网络（DCNN）和深度置信网络（DBN）相结合,提出了基于SVD和DCNN的数字图像多功能零水印算法以及基于SVD和DBN的数字图像多功能零水印算法。两种零水印算法都构造了零鲁棒水印图像和零半脆弱水印图像。仿真实验验证了两种算法的鲁棒水印对多种强度大的攻击有较好的抵抗性,提取出的半脆弱水印图像也能对原始图像的篡改位置进行定位。（2）提出了两种智能合约分类算法。针对许多数字图像交易网站存在的交易存证法律效力不足的问题,把区块链技术引入数字图像交易过程管理中。在区块链上进行交易的过程中需要使用智能合约,因此本文研究了智能合约分类算法,以便对智能合约进行有效管理。智能合约属于文本信息,因为智能合约不同类别数量相差较大,所以智能合约分类属于非均衡文本分类。智能合约分类的第一步工作是将智能合约转换成能够被计算机识别的数据。由于目前没有针对智能合约的语料库,因此首先利用Word2Vec建立智能合约语料库。然后,利用Word2Vec和智能合约语料库将所有智能合约都转化成等长的数字化向量。智能合约分类的第二步工作是研究如何对数字化的智能合约进行分类。由于智能合约分类属于非均衡的文本分类,所以本文提出了随机权学习机和加权交叉熵函数来克服传统分类方法的缺陷,并分别利用自编码器能降低数据维度的特点和双向长短期记忆神经网络（Bi LSTM）对上下文有记忆的功能,提出了基于自编码随机权ELM网络的智能合约分类算法与基于加权交叉熵损失函数的长短记忆智能合约分类算法。实验验证了两种算法对智能合约的分类是有效的。（3）提出了一种加权TextRank和自组织特征映射神经网络（SOM）的个性化数字图像智能推荐算法。针对数字图像交易完成后的管理中,对用户提供的个性化推荐服务研究不足的问题,本文进行了个性化数字图像推荐研究。通过两种来源获取用户感兴趣的图像。第一种来源是当前用户的相似用户订单中的图像。第二种来源是从数据库中查找的与当前用户最后放入订单中图像同类型的图像。从相似用户和数据库两种来源得到的候选图像集中选择用户感兴趣的部分图像推荐给当前用户。由于用户最后在网站的搜索词、不同时间加入订单和加入购物车的图像,以及用户历史数据中能体现图像类型的关键词语反映用户对图像的兴趣度的作用程度不同,所以,利用TextRank算法适合提取短文本关键词的特点,设计了加权TextRank算法来提取用户历史数据的关键词。因为SOM能够通过竞争对数据进行聚类,所以利用SOM去发现当前用户的相似用户。仿真实验结果验证了提出的算法能够有效地发现当前用户的相似用户,能为当前用户推荐用户感兴趣的数字图像。（4）设计了数字图像交易管理系统。针对许多数字图像交易网站没有提供数字图像处理、数字图像版权保护、数字图像认证、交易存证、个性化推荐服务和智能合约分类等情况,设计了数字交易管理系统。设计了数字交易管理系统的架构和功能,设计了应用于数字图像交易管理系统中的数字图像交易管理、数据安全保护管理、版权保护管理、智能合约管理和个性化推荐管理模型。以上研究成果,能够在一定程度上解决现有许多数字图像交易网站对数字图像版权保护和版权认证,交易的有法律效力存证,区块链技术应用中的智能合约分类,网站业务种类少等问题。将数字水印、区块链和智能推荐等技术应用到数字图像交易管理的研究方法,可以为管理科学的研究提供一些思路和方法。研究成果被应用后,业务种类的增加和对用户的个性化数字图像推荐能够吸引更多的用户消费,从而增加商家的利润。
杨冬梅[3]（2020）在《基于两级奇异值分解和灰狼优化的音频水印算法研究》文中研究表明互联网和多媒体技术的快速发展使得存储、传播和复制音频文件更加容易和便捷,但同时也带来了侵犯版权和音频信息被篡改等问题。音频水印技术是解决侵权行为和信息被篡改问题的有效技术手段。音频水印技术利用音频信号自身的冗余特性和人类听觉系统的掩蔽效应,在不影响音频信号感知质量的前提下,将水印图像嵌入到载体音频中,以达到对音频版权的保护和信息完整性鉴定的目的。音频水印算法中水印的嵌入位置和嵌入强度对水印算法的不可感知性、鲁棒性和嵌入容量有重要影响。为了更好的提升音频水印算法的性能,本文基于两级奇异值分解和灰狼优化对水印嵌入位置和嵌入强度展开研究,具体工作如下:（1）针对水印图像在载体音频中的嵌入位置,本文提出一种基于离散小波变换（Discrete wavelet transform,DWT）和两级奇异值分解（Singular value decomposition,SVD）的灰度图像音频水印算法。该算法首先对载体音频分帧,然后对每一帧应用DWT并选择低频分量。对低频分量应用SVD获得奇异值,将每一帧的最大奇异值组合成一个新的矩阵并对其应用第二次SVD,将水印图像经两级SVD后的奇异值嵌入到新矩阵的奇异值中。将水印图像嵌入到载体音频两级SVD后的奇异值中,提升了算法的嵌入容量和鲁棒性。为了保护水印图像的信息安全,采用基于相位截断菲涅尔变换的光学非对称加密系统对灰度水印图像进行加密预处理。实验结果表明提出的算法在满足不可感知性和鲁棒性的同时,提升了水印算法的嵌入容量。此外,本文算法还可以采用矢量分解、完全三叉树等光学图像加密方法将彩色图像加密成一幅灰度图像,进而实现彩色图像音频水印算法。（2）针对水印嵌入强度的问题,提出一种基于两级SVD和灰狼优化（GWO）的灰度图像音频水印算法。本文考虑不可感知性、鲁棒性和嵌入容量,提出一个新的目标函数并采用GWO优化该目标函数。与其他目标函数的比较结果表明,该目标函数在保证高嵌入容量的前提下,可以更好的平衡不可感知性和鲁棒性。（3）针对嵌入水印形式单一的问题,本文提出一种基于模糊C均值（Fuzzy c-means,FCM）聚类和GWO的音频双水印算法。该方法首先采用FCM算法对载体音频每一帧的短时能量聚类,将载体音频分为适合嵌入水印的高能量帧和不适合嵌入水印的低能量帧。对每一个高能量帧应用DWT,然后采用不同的嵌入方法将加密后的灰度水印和二值水印分别嵌入到低频分量和高频分量中。通过GWO对提出的目标函数进行优化,获得两个最佳水印嵌入强度,实验结果表明,本文提出的算法可以实现在音频中嵌入双水印（灰度和二值）,并同时满足强鲁棒性和不可感知性的要求。
白天皓[4]（2020）在《基于音频载体的特定信息隐藏算法研究》文中研究表明互联网产业的飞速发展推动了移动多媒体技术的日渐成熟,随之而来的是移动终端的数据传输业务越来越多,如何保护数据传输过程的安全成为无线通信技术研究的热点。为了解决信息安全问题,信息隐藏技术应运而生并且迅速发展,在版权保护、隐敝通信和内容认证等方面获得了广泛应用。借助多媒体产品隐藏秘密信息来实现数据的安全通信,具有较好的伪装性,特别是借助音频信息实现特定信息的隐藏具有理论研究意义和实际应用价值。本文对音频信号为载体的信息隐藏技术开展相关研究,提出了一种基于LWT-SVD和差分进化算法的音频隐藏算法,并且在windows平台实现了音频隐藏应用,主要工作如下:（1）首先介绍了音频隐藏技术的基本原理,分析了常见的经典音频隐藏算法的实现原理和各自优缺点,讨论了音频隐藏技术的评价标准和常见的攻击方式。（2）结合变换域理论和优化算法,提出一种基于LWT-SVD和差分进化算法的音频隐藏算法。首先对特定信息进行Logistic混沌加密来提升安全性。之后对音频信号进行LWT变换,获取低频部分后作分段处理。对每段数据进行SVD分解,选择奇异值矩阵的最大值作为嵌入位置。最后结合差分进化算法,求解出平衡鲁棒性与不可感知性的最佳嵌入强度,通过奇偶量化的方式以最佳嵌入强度完成信息隐藏。基于MATLAB软件实验仿真结果表明,算法可行且具有较好的透明性,同时能够抵抗攻击。（3）编程实现了基于LWT-SVD和差分进化算法的音频隐藏算法应用。应用系统主要有信息隐藏、信息提取和载体更新三大模块。该系统可实现特定信息在音频载体中的嵌入和提取,为音频隐藏算法的实际应用开拓了积极思路。
姜东[5]（2019）在《斜变换和增强奇异值分解的自适应零水印算法》文中指出针对传统奇异值分解（Singular Value Decomposition,SVD）水印算法中鲁棒性与透明性的不均衡以及奇异值分解导致水印算法产生虚警率过高和对角线畸变的问题,提出了一种基于斜变换（Slant transform,ST）与增强奇异值分解（Boost Normed Singular Value Decomposition,BN-SVD）的自适应零水印算法。首先对原始图像进行分块和斜变换预处理,得到斜变换后的块矩阵,对块矩阵进行增强奇异值分解,依据分解后的最大奇异值与整体最大奇异值均值计算特征向量;对水印图像进行Arnold变换和混沌映射得到加密置乱的水印图像;最后利用特征向量和加密置乱水印图像进行异或运算构造零水印图像;利用天牛须优化算法（Beetle Antennae Search Algorithm,BAS）中的适应度函数迭代确定增强奇异值分解中引入的参数?。实验结果表明,该算法在抵抗JPEG压缩、噪声、滤波、旋转、剪切和混合攻击下,提取水印图像与原水印图像的归一化系数NC值均可达到98%以上,水印算法的安全性能较好。通过BAS对水印算法进行优化,在降低水印算法运算量的同时实现自适应确定参数?来降低图像受攻击时的敏感度,均衡奇异值矩阵的灰度值,从而解决奇异值分解水印算法存在的高虚警率与对角线畸变问题。采用零水印技术解决了传统嵌入式水印算法中水印的鲁棒性与隐蔽性不平衡的问题,进一步提高了水印算法的鲁棒性。该论文有图17幅,表12个,参考文献73篇。
蔡倩[6]（2017）在《小波变换域的数字音频水印研究》文中研究指明近年来由于通信网络和互联网的发展和成长,如何维护数据版权得到了更多研究人员的重视。数字水印技术为维护版权提供了鲁棒性更为强健的解决方式。其中,数字音频水印技术是数字水印技术的一个重要分支,主要被应用到版权保护或所有权证明、篡改检测、复制保护、指纹图谱、广播监测等领域。本文首先综述了数字水印技术的概念以及理想水印系统中水印需要满足的特性。然后根据不同的前提条件,简单的对数字水印技术进行分类。重点研究数字音频水印算法的基本原理（包括水印的生成方式以及音频掩蔽原理）、几类典型攻击方式、对音频水印技术的评价方法以及探讨几类经典数字音频水印算法,分析了各类算法的优缺点。为提升数字音频水印算法的性能,提出以下两种改进算法:1.利用独立分量分析方法在分析多维观测数据间的高阶统计相关性时,能较好完成分量间高阶冗余的去除及独立信源的提取这一特性,提出了一种基于小波变换、奇异值分解和独立分量分析方法相结合的数字音频水印算法。算法首先对原始音频采用预处理方案,选择合适片段将水印嵌入;嵌入水印时,对原始音频采用三级小波变换,并对小波变换的近似分量进行奇异值分解,然后采用随机混合方法完成水印嵌入,以增强水印的不可感知性和鲁棒性;提取水印时,对嵌有水印的音频信号进行小波处理和奇异值分解,然后利用负熵最大化的固定点算法来实现水印检测。仿真结果表明,该算法具有较强的鲁棒性和不可感知性。2.为了权衡音频水印的鲁棒性和不可感知性,利用音频嵌有水印前后信噪比的变化,对嵌有水印的奇异值进一步优化,对利用小波变换系数的量化步长进一步优化,探讨一种基于小波变换、奇异值分解特性与信噪比优化相结合的数字音频盲水印算法。算法利用小波变换、奇异值分解完成对原始音频预处理,并在此基础上利用音频嵌入水印前后信噪比优化嵌入方法完成水印嵌入,以提高水印的不可感知性和鲁棒性。仿真结果表明,该算法具有较强的鲁棒性和不可感知性,并实现水印盲检测。
李金凤[7]（2015）在《基于感知哈希及数字水印的音频认证技术研究》文中指出近年来,信息科学、网络融合等研究领域新成果、新技术不断涌现,彻底改变了传统信息传递方式,多媒体数据逐渐成为互联网、广播电视、手机等信息平台中数据交互的主流形式。与此同时,针对多媒体数据的非授权拷贝、传播、融合、篡改等非法行为也日益增多,严重威胁版权所有者的产权利益和多媒体内容的可信度,对于我国全面、深入地推进知识产权保护工作造成严重阻碍。作为最早实现数字化的信息载体,数字音频的版权认证以及内容认证对于信息安全和知识产权保护具有重要意义。感知哈希和音频水印是实现数字音频认证功能的关键技术。本文围绕感知哈希和音频水印技术在认证领域的应用进行研究,针对当前存在问题给出了具体的数据保护方案。具体工作如下：1.现有的MP3压缩域音频感知哈希算法较少,且性能上存在抗碰撞能力不足等问题,本文提出一种基于改进离散余弦变换与非负矩阵分解的音频感知哈希算法。该算法首先通过解码过程提取压缩域改进的离散余弦变换系数,利用分段和重叠对改进的离散余弦变换系数进行预处理,提高算法的鲁棒性,然后计算每个子带的能量,充分利用非负矩阵分解的性能特性生成段内和段间特征,最后通过比较均值构成二进制的感知哈希序列。仿真实验结果显示,相比Deng提出的基于频谱能量的算法及Chen等提出的基于小波分解的算法,该算法仿真得到的FAR曲线和FRR曲线的区分性更好,最大组内距离和最小组间距离的差值增加了2.5%,表明算法在区分性、抗碰撞能力上有显着提高。2.为解决传统音频感知哈希算法对噪声敏感,计算效率低的问题,本文提出了一种基于Radon变换的音频感知哈希算法。首先,利用小波分解的多分辨率特性提取近似分量并映射为矩阵,将其作为音频信号的特征矩阵。之后,利用Radon变换的降维特性以及对噪声的不敏感特性对特征矩阵进行特征提取,再利用离散余弦变换的能量集中特性对Radon映射向量降维,最终取离散余弦变换低频系数的符号构造感知哈希序列。基于语音和音乐库对该算法进行仿真实验,结果表明,与Chen N等提出的经典算法相比,本文提出算法的熵率提高了0.22；在抵抗加性噪声攻击方面,本文提出算法的误码率最少降低了0.5%；在算法运算时间方面,本算法的计算速度提高了9.25倍以上；在抵抗重采样、重量化、低通滤波等攻击方面的鲁棒性也得到相应提高。3.为提高传统语音内容认证算法的篡改检测能力,本文提出了一种基于梅尔频率倒谱系数相关性的语音感知哈希内容认证算法。该算法提取分段语音的声纹梅尔频率倒谱系数作为感知特征,并通过量化系数的相关值生成感知哈希序列。为提高篡改检测的准确率,在语音认证过程中,采用相似性度量函数来检测语音的篡改。仿真结果表明,该算法的熵率与对比算法相比提高了0.26,同时,在相同阈值下,该算法的误识率明显低于对比算法,对重量化、MP3压缩等语音内容保持操作的误码率也有所降低。此外,算法对语音篡改检测具有较高的灵敏性。4.针对二值图像作为水印时易丢失、易篡改、且不唯一的问题,提出基于离散余弦变换域指纹重心感知哈希与数字水印技术的音频源认证方案。指纹图像作为生物特征之一,在身份识别中具有唯一可区分性,因此本文将指纹图像生成感知哈希序列,作为水印关联到音频数据中,以实现音频的版权保护及来源认证功能。算法首先采用随机分块方法对指纹图像进行分块,再做离散余弦变换,然后计算重心,由重心量化得到指纹图像的感知哈希。之后,利用音频水印算法将生成的指纹感知哈希序列作为水印,嵌入到音频信号的小波变换和离散余弦变换的混合域中,通过对提取的水印与指纹感知哈希库中的感知哈希序列进行对比,最终实现音频的来源认证。仿真结果表明,本文提出的感知哈希算法具有良好的可区分性,并对添加噪声具有很强的感知鲁棒性,可以抵抗20度以内的旋转攻击；此外,水印算法对加噪声、低通滤波、重采样、重量化等常规信号处理攻击具有很好的鲁棒性。5.目前,基于能量比的音频水印算法存在不可听性较差的问题,为解决此问题,本文提出一种基于范数比值的鲁棒音频水印算法。该算法将小波变换近似系数分为两个部分,利用这两个部分p范数比值的稳定性,通过量化比值的方法嵌入水印,并通过最优化选择缩放因子修改近似系数。仿真实验证明,相比Huang等提出的基于比值的小波域水印算法,本文提出的算法提高了针对重采样以及MP3压缩攻击的鲁棒性,信噪比提升了3dB以上,表明水印的不可听性得到了较好的改善。
汤珏[8]（2013）在《基于变换域和SVD的数字音频水印算法研究》文中指出随着互联网技术的发展和MP3等音频格式的出现，数字音频媒体在网络中的发布更加简单，传输更加快捷和有效。使得对数字音频产品的盗版、篡改和伪造成为了可能。因此，为了解决日益严峻的版权问题，数字音频水印技术应运而生，而且成为了目前学术界研究的热点之一。目前涌现出了许多音频水印算法，但是这些算法的实用性不强，其鲁棒性普遍不高，并且拥有水印容量较低这一共同的缺陷。奇异值分解方法计算简单，且其稳定特性能够提高算法的鲁棒性。因此出于实用性考虑，本文在变换域和奇异值分解理论基础上，研究了两种具有一定实用性的鲁棒性音频盲水印算法，算法具有良好的鲁棒性且提升了水印容量。（1）提出了一种基于混合变换域和奇异值分解的音频水印算法。算法先将载体音频分段。然后将每段分成两部分，第一部分加入同步码，第二部分嵌入水印。对后者进行离散小波变换，选取近似分量再进行离散余弦变换，对中低频系数进行奇异值分解。最后将水印信息通过量化嵌入到奇异值中。仿真实验表明，算法兼顾了不可感知性、鲁棒性和水印容量。（2）提出了一种基于离散小波域和奇异值分解的音频水印算法。为了提高算法的安全性，在水印嵌入前先通过Arnold变换将水印图像置乱。然后对嵌入水印的部分进行离散小波变换。选取近似分量，计算每10个DWT系数的绝对值均值。对由均值组成的矩阵进行奇异值分解。最后将水印信息通过量化方式嵌入到奇异值中。仿真实验表明，算法具有较好的不可感知性、较强的鲁棒性和较高的水印容量。
黄菊[9]（2012）在《基于SVD的音频认证水印算法研究》文中研究指明近年来,伴随因特网以及多媒体技术的迅猛发展,音频媒体的传播在得到便利的同时,也极易被非法编辑、复制以及传播等,这就损害了音频媒体版权拥有者的利益。数字音频产品的版权保护、内容认证等已经成为当今数字世界的一个热点问题。数字音频水印技术作为解决这一问题的有效途径而被广泛关注,甚至已经成为国际相关学术界的研究热点。本文围绕数字音频水印算法,阐述了本课题的研究背景及意义,对数字水印基本理论进行概述,并对国内外研究现状进行了总结。本文结合奇异值分解的特性,致力于音频内容认证的水印算法研究,主要工作如下：（1）目前,大多脆弱水印算法都使用二值图像作为脆弱水印,使得水印系统存在安全隐患。此外,嵌入强度固定等简单的嵌入方法不能充分利用数字音频信号的冗余信息,水印系统的性能达不到最佳状态。本文设计了一种基于奇异值分解的自适应半脆弱音频水印算法。该算法结合离散小波变换和奇异值分解变换,基于音频内容生成水印信息,并且结合奇异值分解的特性和音频自身的特点实现了嵌入强度自适应。仿真结果表明,该算法对低通滤波、添加噪声等常规的信号操作,以及StirMark攻击都表现出较好的鲁棒性,并且对静音、替换等恶意攻击也能够精确定位篡改区域。（2）设计了一种基于奇异值分解的脆弱音频水印算法。利用奇异值分解,基于音频信号的内容生成脆弱水印,水印嵌入在奇异值分解和离散余弦变换组成的混合域,并且结合了同步码技术,选取稳健的16位巴克码作为同步标记。仿真结果表明,该算法适用于各类音频,并且具有很好的不可感知性,对低通滤波、添加噪声等常规的信号操作表现出很强的敏感性,同时能够对恶意攻击做出报警并确定篡改区域,尤其是对剪切、插入等攻击具有很好的检测能力和定位能力。
刘钊[10]（2012）在《基于内容的自适应音频水印算法研究》文中研究表明数字多媒体技术的高速发展，使得网络音频资源的下载几乎到了泛滥的地步，未经授权的拷贝传播严重侵犯了相关制作者的知识产权。音频水印技术凭借其独特的优势，在打击盗版，保护知识产权的应用中日益广泛，同时也愈加受到相关领域研究人员的关注。基于内容的自适应音频水印算法将表征音频信号自身内容的数理特征作为水印信息嵌入的参考因素，如果表征音频信号自身内容的特征量在经过正常的信号处理操作或者恶意攻击后，其变化量超过了一定限度，音频信号将会被视为损坏，失去了其实用价值。本文设计的两种算法，都是基于音频信号自身的特征，通过相应的数学处理，提取音频信号自身稳定的特征点作为水印信息嵌入位置的参考，算法的适用范围较为广泛，嵌入的水印信息在保证不可感知性的同时，对通常的信号处理操作及同步攻击等干扰，表现出较强的稳健性。为了增强音频水印算法的抗同步攻击能力，提出一种基于子带特征的自适应音频水印算法。该算法首先利用Logistic映射对待嵌入的水印图像进行置乱处理，用混沌地址索引序列对水印信息进行加密；其次将音频帧划分子带，计算频谱质心；并选择包含频谱质心、短时过零率小、短时能量大的子带，对其进行三级提升小波变换，将得到的低频系数进行离散余弦变换；最后通过奇偶量化处理过程完成水印信息的嵌入，检测或者提取水印信息时，原始音频信号无需参与。仿真实验结果表明：该算法不仅具有较好的隐蔽性，经过低通滤波、重采样、格式转换、同步攻击等操作后仍具有较强的稳健性。针对音频信号在传输过程中往往会受到多种干扰和攻击，提取出的水印信息质量通常会变差的情况，提出一种基于奇异值分解的鲁棒音频水印算法。该算法首先将要嵌入的水印图像进行Baker置乱变换，利用Logistic映射对已经置乱的图像进行加密，再将音频信号划分为长度适当的音频帧，从矩阵角度，把每一帧的音频信号由一维矩阵变换成二维矩阵后，对二维矩阵进行奇异值分解；然后利用得到的特征值的稳定性，结合水印嵌入系数，完成水印信息的嵌入；最后将得到的二维矩阵按照一定的顺序变换成一维矩阵，再按照开始划分的次序，将音频帧连接起来，就得到了含有水印信息的音频信号。仿真实验结果表明：该算法可以较好的控制水印嵌入系数，在保证不可感知性的同时，面对正常的信号处理操作和一定程度的恶意攻击，都表现出较好的稳健性。
二、基于奇异值分解与融合的音频盲认证算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于奇异值分解与融合的音频盲认证算法（论文提纲范文）
（1）基于媒体特征分析的自适应音视频水印关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 常用缩略词表 |
| 常用符号表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 数字水印技术概述 |
| 1.2.1 数字水印系统模型 |
| 1.2.2 数字水印的分类 |
| 1.2.3 数字水印的应用 |
| 1.2.4 数字水印的性能特征 |
| 1.2.5 音视频水印攻击类型 |
| 1.2.6 数字水印性能评价指标 |
| 1.3 国内外研究现状 |
| 1.3.1 音频水印算法研究现状 |
| 1.3.2 视频水印算法研究现状 |
| 1.3.3 存在的问题 |
| 1.4 本文主要研究内容 |
| 1.5 本文结构安排 |
| 第2章 基于音频信号自适应分段与嵌入强度优化的双通道音频水印算法 |
| 2.1 引言 |
| 2.2 音频信号自适应分段 |
| 2.3 音频信号双通道特征信息构建 |
| 2.4 水印嵌入方法 |
| 2.5 水印提取方法 |
| 2.6 水印嵌入强度优化 |
| 2.7 实验结果 |
| 2.7.1 水印不可感知性评价 |
| 2.7.2 水印鲁棒性评价 |
| 2.8 本章小结 |
| 第3章 基于离散小波包变换的双域音频水印算法 |
| 3.1 引言 |
| 3.2 音频节拍检测与自适应分段 |
| 3.3 音频信号双域划分与水印嵌入位置选择 |
| 3.4 水印嵌入与提取 |
| 3.4.1 水印嵌入规则 |
| 3.4.2 自适应嵌入强度计算 |
| 3.4.3 水印嵌入方法 |
| 3.4.4 水印提取方法 |
| 3.5 实验结果 |
| 3.5.1 水印不可感知性评价 |
| 3.5.2 水印鲁棒性评价 |
| 3.6 本章小结 |
| 第4章 针对MPEG-4 SLS格式的无损压缩音频水印算法 |
| 4.1 引言 |
| 4.2 相关技术介绍 |
| 4.3 水印嵌入与提取 |
| 4.3.1 嵌入失真允许阈值 |
| 4.3.2 显着状态与嵌入位置选择 |
| 4.3.3 水印嵌入方法 |
| 4.3.4 水印提取方法 |
| 4.4 实验结果 |
| 4.4.1 水印不可感知性评价 |
| 4.4.2 水印鲁棒性评价 |
| 4.5 本章小结 |
| 第5章 基于时-空域特征与视觉密码的视频零水印算法 |
| 5.1 引言 |
| 5.2 有限状态机设计与关键帧选择 |
| 5.2.1 视频镜头分割 |
| 5.2.2 有限状态机运行规则 |
| 5.3 视频时-空域特征信息提取 |
| 5.3.1 Harris-Laplace角点检测 |
| 5.3.2 时域特征数据集构建 |
| 5.3.3 频域特征数据集构建 |
| 5.4 Ownership share的产生与水印提取 |
| 5.4.1 Ownership share的产生 |
| 5.4.2 水印提取方法 |
| 5.5 实验结果 |
| 5.6 本章小结 |
| 第6章 基于深度图像渲染的3D视频水印算法 |
| 6.1 引言 |
| 6.2 相关技术简介 |
| 6.2.1 DIBR系统 |
| 6.2.2 SIFT特征点检测 |
| 6.3 水印嵌入位置选择 |
| 6.3.1 视频场景分割 |
| 6.3.2 SIFT特征点跨帧匹配 |
| 6.3.3 匹配向量概率分布 |
| 6.3.4 匹配向量主方向和水印嵌入位置选择 |
| 6.4 水印嵌入与提取方法 |
| 6.4.1 改进的扩频水印嵌入方法 |
| 6.4.2 在中心视图中嵌入水印 |
| 6.4.3 从左右视图中提取水印信息 |
| 6.5 实验结果 |
| 6.5.1 水印不可感知性评价 |
| 6.5.2 水印鲁棒性评价 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 研究展望 |
| 参考文献 |
| 作者在读期间科研成果简介 |
| 致谢 |
（2）基于水印和区块链技术的数字图像交易管理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 数字图像交易管理国内外研究现状 |
| 1.3.2 数字水印技术国内外研究现状 |
| 1.3.3 区块链技术国内外研究现状 |
| 1.3.4 智能推荐技术国内外研究现状 |
| 1.4 研究思路与方法 |
| 1.5 研究内容及创新点 |
| 1.6 论文的组织结构 |
| 第二章 预备知识 |
| 2.1 数字水印技术 |
| 2.1.1 数字水印概述 |
| 2.1.2 数字图像水印技术 |
| 2.2 区块链技术 |
| 2.2.1 区块链概述 |
| 2.2.2 区块链架构模型 |
| 2.2.3 区块链区块结构 |
| 2.2.4 区块链的运行过程 |
| 2.2.5 智能合约 |
| 2.3 智能推荐技术 |
| 2.3.1 智能推荐技术概述 |
| 2.3.2 常用的推荐算法 |
| 2.4 本章小结 |
| 第三章 基于SVD与深度学习的数字图像多功能零水印算法研究 |
| 3.1 理论基础 |
| 3.1.1 离散小波变换 |
| 3.1.2 奇异值分解 |
| 3.1.3 深度学习技术 |
| 3.1.4 深度卷积神经网络 |
| 3.1.5 深度置信网络 |
| 3.2 基于SVD和 DCNN的数字图像多功能零水印算法 |
| 3.2.1 算法设计思想 |
| 3.2.2 基于SVD和 DCNN的数字图像多功能构造零水印算法 |
| 3.2.3 基于SVD和 DCNN的数字图像多功能提取零水印算法 |
| 3.2.4 仿真实验和分析 |
| 3.3 基于SVD和 DBN的数字图像多功能零水印算法 |
| 3.3.1 算法设计思想 |
| 3.3.2 基于SVD和 DBN的数字图像多功能构造零水印算法 |
| 3.3.3 基于SVD和 DBN的数字图像多功能提取零水印算法 |
| 3.3.4 仿真实验和分析 |
| 3.4 本章小结 |
| 第四章 数字图像交易管理中智能合约分类算法研究 |
| 4.1 理论知识 |
| 4.1.1 智能合约分类的难点 |
| 4.1.2 智能合约分类相关研究 |
| 4.1.3 Word2Vec |
| 4.1.4 堆叠自编码器 |
| 4.1.5 随机权极速学习机 |
| 4.1.6 双向长短期记忆神经网络 |
| 4.1.7 加权交叉熵损失函数 |
| 4.2 基于自编码随机权ELM网络的智能合约分类算法 |
| 4.2.1 算法设计思想 |
| 4.2.2 基于自编码随机权ELM网络的智能合约分类模型 |
| 4.2.3 基于自编码随机权ELM网络的智能合约分类算法描述 |
| 4.2.4 仿真实验与分析 |
| 4.3 基于加权交叉熵损失函数的长短记忆智能合约分类算法 |
| 4.3.1 算法设计思想 |
| 4.3.2 基于加权交叉熵损失函数的长短记忆智能合约分类模型 |
| 4.3.3 基于加权交叉熵损失函数的长短记忆智能合约分类算法描述 |
| 4.3.4 仿真实验与分析 |
| 4.4 智能合约分类算法在数字图像交易管理中的应用 |
| 4.4.1 自编码随机权ELM网络分类算法在数字图像交易智能合约分类中的应用 |
| 4.4.2 加权交叉熵损失函数Bi LSTM分类算法在数字图像交易智能合约分类中的应用 |
| 4.5 本章小结 |
| 第五章 数字图像交易管理中个性化智能推荐算法研究 |
| 5.1 理论知识 |
| 5.1.1 Text Rank算法 |
| 5.1.2 加权Text Rank算法 |
| 5.1.3 自组织特征映射神经网络 |
| 5.2 基于加权Text Rank和 SOM的个性化数字图像智能推荐算法 |
| 5.2.1 算法设计思想 |
| 5.2.2 基于加权Text Rank和 SOM的个性化数字图像智能推荐模型 |
| 5.2.3 基于加权Text Rank和 SOM的个性化数字图像智能推荐算法描述 |
| 5.2.4 仿真实验和分析 |
| 5.3 本章小结 |
| 第六章 数字图像交易管理系统 |
| 6.1 数字图像交易管理系统架构 |
| 6.1.1 数字图像交易管理系统整体架构 |
| 6.1.2 数字图像交易管理Web服务子系统架构 |
| 6.1.3 区块链数字图像交易管理子系统架构 |
| 6.2 基于水印和区块链技术的数字图像交易管理系统设计 |
| 6.2.1 数字图像交易管理Web服务子系统功能设计 |
| 6.2.2 区块链数字图像交易管理子系统功能设计 |
| 6.3 数字图像交易管理系统的主要管理模型 |
| 6.3.1 数据图像交易管理系统的数字图像交易管理模型 |
| 6.3.2 数字图像交易管理系统的数据安全保护管理模型 |
| 6.3.3 数字图像交易管理系统的版权保护管理模型 |
| 6.3.4 数字图像交易管理系统的智能合约管理模型 |
| 6.3.5 数字图像交易管理系统中个性化推荐管理模型 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 主要结论和创新 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 个人简介及攻读学位期间取得的研究成果 |
（3）基于两级奇异值分解和灰狼优化的音频水印算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 寻找水印嵌入位置的研究 |
| 1.2.2 优化水印嵌入强度的研究 |
| 1.3 本文主要的研究内容及章节安排 |
| 第2章 数字音频水印基础 |
| 2.1 数字音频水印的基本概念和数学模型 |
| 2.2 音频水印技术评价标准 |
| 2.2.1 不可感知性评价标准 |
| 2.2.2 鲁棒性评价标准 |
| 2.2.3 水印嵌入容量评价标准 |
| 2.3 音频水印常见攻击方法 |
| 2.4 本章小结 |
| 第3章 基于DWT和两级奇异值分解的灰度图像音频水印算法 |
| 3.1 相关基础知识 |
| 3.1.1 离散小波变换理论 |
| 3.1.2 奇异值分解理论 |
| 3.1.3 灰度水印图像加密 |
| 3.2 提出的灰度图像音频水印算法 |
| 3.2.1 水印嵌入过程 |
| 3.2.2 水印提取过程 |
| 3.3 实验结果与讨论 |
| 3.3.1 不可感知性测试 |
| 3.3.2 鲁棒性测试 |
| 3.3.3 水印嵌入容量测试 |
| 3.3.4 比较与讨论 |
| 3.4 本章小结 |
| 第4章 基于两级奇异值分解和灰狼优化的灰度图像音频水印算法 |
| 4.1 灰狼优化算法理论基础 |
| 4.1.1 灰狼优化算法的由来 |
| 4.1.2 灰狼优化算法原理 |
| 4.2 基于灰狼优化算法的水印嵌入强度优化过程 |
| 4.3 实验结果与讨论 |
| 4.3.1 水印嵌入容量测试 |
| 4.3.2 不可感知性测试 |
| 4.3.3 鲁棒性测试 |
| 4.4 本章小结 |
| 第5章 基于模糊C均值和灰狼优化的音频双水印算法 |
| 5.1 基础知识介绍 |
| 5.1.1 短时能量 |
| 5.1.2 模糊C均值聚类 |
| 5.2 提出的音频双水印算法 |
| 5.2.1 水印嵌入过程 |
| 5.2.2 水印提取过程 |
| 5.3 基于灰狼优化算法的双水印嵌入强度优化过程 |
| 5.4 实验结果与讨论 |
| 5.4.1 不可感知性测试 |
| 5.4.2 鲁棒性测试 |
| 5.4.3 嵌入容量测试 |
| 5.4.4 比较与讨论 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（4）基于音频载体的特定信息隐藏算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要工作及结构安排 |
| 第二章 音频隐藏相关技术和方法 |
| 2.1 音频隐藏技术基础 |
| 2.1.1 音频数字化技术 |
| 2.1.2 音频隐藏基本原理 |
| 2.2 经典的音频隐藏算法 |
| 2.2.1 时域音频隐藏算法 |
| 2.2.2 变换域音频隐藏算法 |
| 2.2.3 其它常见的音频隐藏算法 |
| 2.3 音频隐藏信息的被攻击方式 |
| 2.4 音频隐藏算法评估 |
| 2.4.1 不可感知性评价 |
| 2.4.2 鲁棒性评价 |
| 2.4.3 算法嵌入容量评价 |
| 2.5 本章小结 |
| 第三章 基于LWT-SVD和差分进化的音频隐藏算法 |
| 3.1 算法的数学基础 |
| 3.1.1 提升小波变换 |
| 3.1.2 奇异值分解 |
| 3.1.3 差分进化算法 |
| 3.2 信息嵌入与提取算法 |
| 3.2.1 特定信息预处理 |
| 3.2.2 特定信息嵌入 |
| 3.2.3 特定信息提取 |
| 3.2.4 嵌入强度优化 |
| 3.3 算法仿真 |
| 3.3.1 安全性分析 |
| 3.3.2 不可感知性讨论 |
| 3.3.3 鲁棒性测试 |
| 3.4 本章小结 |
| 第四章 音频隐藏应用实例 |
| 4.1 应用开发环境 |
| 4.2 应用设计 |
| 4.2.1 信息隐藏模块 |
| 4.2.2 信息提取模块 |
| 4.2.3 载体更新模块 |
| 4.3 应用测试 |
| 4.3.1 系统功能测试 |
| 4.3.2 音频质量测试 |
| 4.4 本章小结 |
| 第五章 总结 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士期间发表的论文 |
| 致谢 |
（5）斜变换和增强奇异值分解的自适应零水印算法（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 本文组织结构 |
| 2 数字水印相关技术理论 |
| 2.1 传统数字水印技术理论介绍 |
| 2.2 零水印技术 |
| 2.3 数字水印的评价指标 |
| 2.4 数字水印的应用 |
| 2.5 本章小结 |
| 3 斜变换和增强奇异值分解的自适应零水印算法 |
| 3.1 斜变换 |
| 3.2 增强奇异值分解 |
| 3.3 天牛须优化算法 |
| 3.4 斜变换和增强奇异值分解的自适应零水印算法描述 |
| 3.5 本章小结 |
| 4 实验结果与分析 |
| 4.1 实验环境及参数说明 |
| 4.2 对角线失真虚警率问题与安全性测试 |
| 4.3 鲁棒性实验测试 |
| 4.4 对比测试 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（6）小波变换域的数字音频水印研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 数字水印概述 |
| 1.2.1 数字水印技术的概念 |
| 1.2.2 水印系统的性能需求 |
| 1.2.3 数字水印技术分类 |
| 1.2.4 数字水印的发展以及研究现状 |
| 1.2.5 数字水印的应用 |
| 1.3 研究内容和结构安排 |
| 第2章 数字音频水印原理概述 |
| 2.1 引言 |
| 2.2 数字音频水印算法的基本原理 |
| 2.2.1 水印的生成 |
| 2.2.2 音频掩蔽 |
| 2.3 音频水印的攻击方式 |
| 2.3.1 普通攻击 |
| 2.3.2 同步攻击 |
| 2.3.3 密码学攻击 |
| 2.4 音频水印的性能评价 |
| 2.4.1 不可感知性评价 |
| 2.4.2 鲁棒性评价 |
| 2.4.3 水印嵌入容量评价 |
| 2.4.4 其他性能评价 |
| 2.5 音频水印的典型算法 |
| 2.5.1 基于时间域的水印算法 |
| 2.5.2 基于变换域的水印算法 |
| 2.5.3 基于压缩域的水印算法 |
| 2.5.4 基于内容的水印算法 |
| 2.5.5 自适应水印算法 |
| 2.6 总结 |
| 第3章 基于DWT-SVD与ICA相结合的数字音频水印算法 |
| 3.1 引言 |
| 3.2 水印算法的原理及实现 |
| 3.2.1 ICA的训练 |
| 3.2.2 音频的预处理 |
| 3.2.3 水印的嵌入 |
| 3.2.4 水印的提取 |
| 3.3 实验仿真与分析 |
| 3.3.1 不可感知性 |
| 3.3.2 鲁棒性 |
| 3.4 结论 |
| 第4章 基于DWT-SVD和SNR优化的数字音频水印算法 |
| 4.1 引言 |
| 4.2 水印算法原理及实现 |
| 4.2.1 基于SNR优化的嵌入方案 |
| 4.2.2 音频的预处理 |
| 4.2.3 水印的嵌入 |
| 4.2.4 水印的提取 |
| 4.3 实验仿真与分析 |
| 4.3.1 不可感知性 |
| 4.3.2 鲁棒性 |
| 4.4 结论 |
| 第5章 总结与展望 |
| 参考文献 |
| 附录 |
（7）基于感知哈希及数字水印的音频认证技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 多媒体认证概述 |
| 1.2.1 多媒体信息安全的概念 |
| 1.2.2 多媒体认证技术分类 |
| 1.3 基于数字水印的音频认证技术 |
| 1.3.1 数字音频水印技术概述 |
| 1.3.2 音频水印技术研究现状 |
| 1.3.3 音频水印技术性能评价 |
| 1.4 基于感知哈希的音频认证技术 |
| 1.4.1 感知哈希技术概述 |
| 1.4.2 音频感知哈希技术研究现状 |
| 1.4.3 音频感知哈希性能评价 |
| 1.5 本文主要工作及内容安排 |
| 第2章 基于NMF的压缩域音频感知哈希算法 |
| 2.1 引言 |
| 2.2 基于MDCT的MP3音频压缩理论 |
| 2.3 非负矩阵分解 |
| 2.4 算法描述 |
| 2.5 仿真结果 |
| 2.5.1 区分性 |
| 2.5.2 感知鲁棒性 |
| 2.5.3 抗碰撞性 |
| 2.6 本章小结 |
| 第3章 基于Radon变换的小波域音频感知哈希算法 |
| 3.1 引言 |
| 3.2 Radon变换 |
| 3.3 算法描述 |
| 3.3.1 感知哈希生成 |
| 3.3.2 感知哈希匹配过程 |
| 3.4 实验结果与分析 |
| 3.4.1 区分性 |
| 3.4.2 感知鲁棒性 |
| 3.4.3 抗碰撞性 |
| 3.4.4 密钥依赖性 |
| 3.4.5 计算效率 |
| 3.5 本章小结 |
| 第4章 基于MFCC的语音感知哈希内容认证 |
| 4.1 引言 |
| 4.2 梅尔频率倒谱系数及其性质 |
| 4.3 算法描述 |
| 4.3.1 感知特征提取 |
| 4.3.2 语音认证算法 |
| 4.4 仿真结果与分析 |
| 4.4.1 区分性 |
| 4.4.2 感知鲁棒性 |
| 4.4.3 密钥依赖性 |
| 4.4.4 篡改检测及定位 |
| 4.5 本章小结 |
| 第5章 基于指纹感知哈希与数字水印的音频源认证方案 |
| 5.1 引言 |
| 5.2 音频源认证基本思路 |
| 5.3 基于指纹重心感知哈希算法 |
| 5.3.1 指纹感知哈希提取过程 |
| 5.3.2 指纹感知哈希认证过程 |
| 5.3.3 指纹感知哈希算法的性能 |
| 5.4 基于指纹感知哈希与数字水印的音频认证方案 |
| 5.4.1 水印嵌入方案 |
| 5.4.2 水印提取及认证 |
| 5.5 实验结果与分析 |
| 5.6 本章小结 |
| 第6章 基于范数比值的小波域音频水印算法 |
| 6.1 引言 |
| 6.2 预备知识 |
| 6.2.1 小波变换 |
| 6.2.2 水印图像预处理 |
| 6.2.3 范数 |
| 6.3 水印的嵌入方案 |
| 6.3.1 水印嵌入过程 |
| 6.3.2 缩放因子最优化选择 |
| 6.4 水印的提取过程 |
| 6.5 实验结果 |
| 6.5.1 不可听性测试 |
| 6.5.2 鲁棒性测试 |
| 6.6 性能分析 |
| 6.6.1 量化步长的选择 |
| 6.6.2 水印容量分析 |
| 6.6.3 小波分解级数与计算复杂度 |
| 6.6.4 安全性分析 |
| 6.6.5 可靠性分析 |
| 6.6.6 算法对比 |
| 6.7 本章小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录1 缩略词表 |
| 附录2 图表目录 |
| 攻读博士学位期间发表和录用的论文 |
| 已投稿论文 |
| 攻读博士学位期间参与的科研课题 |
（8）基于变换域和SVD的数字音频水印算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 插图索引 |
| 附表索引 |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 数字水印研究与发展现状 |
| 1.3 数字音频水印技术的应用 |
| 1.4 本文研究的主要内容 |
| 第2章 数字音频水印技术理论 |
| 2.1 人类听觉系统 |
| 2.1.1 听觉系统对于声音的感知 |
| 2.1.2 绝对听觉阈值 |
| 2.1.3 人耳听觉掩蔽效应 |
| 2.1.4 人耳对相位的敏感性 |
| 2.2 数字音频水印基本模型与特性 |
| 2.2.1 数字音频水印基本模型 |
| 2.2.2 数字音频水印的特性 |
| 2.3 数字音频水印的分类 |
| 2.4 数字音频水印的经典算法 |
| 2.4.1 时域水印算法 |
| 2.4.2 变换域水印算法 |
| 2.4.3 压缩域算法 |
| 2.5 音频水印技术攻击类型与评价标准 |
| 2.5.1 音频水印技术主要攻击类型 |
| 2.5.2 音频水印算法的评价标准 |
| 2.6 小结 |
| 第3章 基于 DWT-DCT-SVD 的音频水印算法 |
| 3.1 基础理论 |
| 3.1.1 离散余弦变换 |
| 3.1.2 奇异值分解理论 |
| 3.1.3 同步技术 |
| 3.2 基于 DWT-DCT-SVD 的音频水印算法 |
| 3.2.1 预处理 |
| 3.2.2 同步码的嵌入 |
| 3.2.3 水印的嵌入 |
| 3.2.4 同步码的提取 |
| 3.2.5 水印的提取 |
| 3.3 仿真结果 |
| 3.4 小结 |
| 第4章 基于 DWT-SVD 的高容量音频水印算法 |
| 4.1 基础理论 |
| 4.1.1 小波变换理论 |
| 4.1.2 Arnold 置乱 |
| 4.2 基于 DWT-SVD 的高容量音频水印算法 |
| 4.2.1 预处理 |
| 4.2.2 同步码的嵌入 |
| 4.2.3 水印的嵌入 |
| 4.2.4 同步码的提取 |
| 4.2.5 水印的提取 |
| 4.3 仿真结果 |
| 4.4 小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A 攻读硕士学位期间发表的学术论文及参与的科研项目 |
（9）基于SVD的音频认证水印算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 数字水印概述 |
| 1.2.1 数字水印的分类 |
| 1.2.2 数字水印的发展和现状 |
| 1.3 本文主要研究内容和组织结构 |
| 第二章 音频数字水印技术概述 |
| 2.1 音频数字水印基本理论 |
| 2.1.1 音频数字水印的概念和基本特征 |
| 2.1.2 音频数字水印的主要应用领域 |
| 2.2 音频数字水印系统的通用模型 |
| 2.2.1 音频水印的生成与嵌入 |
| 2.2.2 音频水印的提取与检测 |
| 2.2.3 音频水印的攻击 |
| 2.2.4 音频水印的评价标准 |
| 2.3 音频数字水印算法介绍 |
| 2.3.1 时间域音频水印算法 |
| 2.3.2 变换域音频水印算法 |
| 2.3.3 基于内容的音频水印算法 |
| 2.4 本章小结 |
| 第三章 基于SVD的半脆弱音频水印算法 |
| 3.1 奇异值分解基本理论 |
| 3.1.1 奇异值分解的定义 |
| 3.1.2 奇异值分解的性质 |
| 3.2 算法主要内容 |
| 3.2.1 基于SVD的水印生成 |
| 3.2.2 量化步长的选取 |
| 3.2.3 水印的嵌入 |
| 3.2.4 水印的提取及音频内容认证 |
| 3.3 实验结果及分析 |
| 3.3.1 嵌入容量分析 |
| 3.3.2 不可听性测试 |
| 3.3.3 对常规信号处理的鲁棒性测试 |
| 3.3.4 篡改检测的漏检概率与虚警概率 |
| 3.3.5 恶意篡改定位能力测试 |
| 3.3.6 重构水印的鲁棒性分析 |
| 3.3.7 量化步长自适应分析 |
| 3.4 本章小结 |
| 第四章 基于SVD和DCT的脆弱音频水印算法 |
| 4.1 同步技术概述 |
| 4.2 算法主要内容 |
| 4.2.1 基于SVD的水印生成 |
| 4.2.2 水印的嵌入 |
| 4.2.3 水印的提取及音频内容认证 |
| 4.3 实验结果及分析 |
| 4.3.1 量化步长的选取 |
| 4.3.2 嵌入容量分析 |
| 4.3.3 不可听性测试 |
| 4.3.4 对常规信号处理的敏感性测试 |
| 4.3.5 对比测试 |
| 4.3.6 篡改检测的漏检概率与虚警概率 |
| 4.3.7 恶意篡改定位能力测试 |
| 4.4 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间发表的论文 |
（10）基于内容的自适应音频水印算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 插图索引 |
| 附表索引 |
| 第1章 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.2 数字音频水印的研究现状 |
| 1.2.1 数字音频水印技术的定义和性质 |
| 1.2.2 数字水印的分类 |
| 1.2.3 数字音频水印的常用嵌入算法 |
| 1.2.4 数字音频水印的应用 |
| 1.2.5 数字音频水印现存问题及发展趋势 |
| 1.3 本文的主要研究工作 |
| 1.4 论文的组织结构与安排 |
| 第2章 数字音频水印相关理论基础 |
| 2.1 人类听觉系统及心理声学模型 |
| 2.1.1 人类听觉系统 |
| 2.1.2 掩蔽效应 |
| 2.1.3 心理声学模型及掩蔽阈值的计算 |
| 2.2 数字水印系统理论 |
| 2.2.1 数字水印的基本框架 |
| 2.2.2 数字音频水印的评价指标 |
| 2.2.3 数字音频水印的同步问题 |
| 2.3 本文涉及的信号处理知识 |
| 2.3.1 音频信号的特征分析 |
| 2.3.2 小波变换及小波提升理论概述 |
| 2.3.3 混沌映射 |
| 2.3.4 奇异值分解 |
| 2.4 本章小结 |
| 第3章 基于子带特征的自适应音频水印算法 |
| 3.1 引言 |
| 3.2 算法简述 |
| 3.3 音频水印的嵌入过程 |
| 3.3.1 频谱质心的计算 |
| 3.3.2 水印加密 |
| 3.3.3 音频水印的嵌入 |
| 3.4 音频水印的提取 |
| 3.5 实验结果与算法性能分析 |
| 3.6 本章小结 |
| 第4章 基于奇异值分解的鲁棒音频水印算法 |
| 4.1 引言 |
| 4.2 算法简述 |
| 4.3 音频水印的嵌入过程 |
| 4.3.1 水印信息的置乱加密 |
| 4.3.2 音频水印的嵌入 |
| 4.4 音频水印的提取 |
| 4.5 实验结果与算法性能分析 |
| 4.5.1 嵌入系数的影响 |
| 4.5.2 算法在攻击条件下的性能比较 |
| 4.6 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读硕士学位期间所发表的学术论文 |
四、基于奇异值分解与融合的音频盲认证算法（论文参考文献）
- [1]基于媒体特征分析的自适应音视频水印关键技术研究[D]. 罗一帆. 四川大学, 2021(01)
- [2]基于水印和区块链技术的数字图像交易管理研究[D]. 赵彦霞. 河北大学, 2021
- [3]基于两级奇异值分解和灰狼优化的音频水印算法研究[D]. 杨冬梅. 天津大学, 2020(02)
- [4]基于音频载体的特定信息隐藏算法研究[D]. 白天皓. 华中师范大学, 2020(01)
- [5]斜变换和增强奇异值分解的自适应零水印算法[D]. 姜东. 辽宁工程技术大学, 2019(07)
- [6]小波变换域的数字音频水印研究[D]. 蔡倩. 杭州电子科技大学, 2017(03)
- [7]基于感知哈希及数字水印的音频认证技术研究[D]. 李金凤. 西南交通大学, 2015(08)
- [8]基于变换域和SVD的数字音频水印算法研究[D]. 汤珏. 湖南大学, 2013(06)
- [9]基于SVD的音频认证水印算法研究[D]. 黄菊. 西南交通大学, 2012(04)
- [10]基于内容的自适应音频水印算法研究[D]. 刘钊. 兰州理工大学, 2012(10)