论文部分内容阅读
提出了一种结合奇异值分解和神经网络的公开水印算法。首先对原始图像进行分块奇异值分解（SVD），然后建立最大奇异值系数与其他奇异值系数量化值之间的神经网络关系模型，最后通过调整最大奇异值与模型输出值之间的大小关系来嵌入水印信息。实验结果表明算法具有很好的水印透明性，对常见攻击（如JPEG压缩、平滑、加噪声和重采样等）具有较强的鲁棒性。