1．3 协同演化模型将上述方法得到的序参量ξk代入式（1）就得到只有一个全局稳定点、且无伪状态的向前竞争的协同演化动力学方程组，如式（6）、（7）、（8），其中γ为迭代步长。用迭代法表示序参量和状态向量演化过程，存在两种情况：（1）最后序参量ξkj=±1，而其余ξkj’=0（j≠j’），这时序参量为1的原型水印模式即为竞争中的试验水印模式；（2）如果最后所有的序参量ξk都为0，则试验水印模式不是原型水印模式集中的任何一个，协同神经网络演化模型如图1。2 实验结果及分析在实验中，采用512×512的256灰度级的lena图像（图2）为载体图像。水印模式库（图3）为64×64的256灰度级的人脸图像（实验以50个为例），选择其中任何一个水印为试验水印。为增强协同检测水印的可靠性，采用如下方法：（1）水印的预处理，嵌入式的水印分为加密和不加密两种；（2）在不同的域之间嵌入水印，本实验分别在空域、变换域内嵌入和检测水印；（3）多种不同的图像退化处理方法，这些方法包括加噪、灰度拉伸、灰度均衡、线性变换、图像平滑、低通滤波、中值滤波、JPEG压缩、剪切等退化处理。以上水印的嵌入、攻击和检测试验均为Matlab 6.5软件环境下进行仿真。演化方程组（式（6）、（7）、（8））中B、C、λ取值为1，步长采取0.1/D，最大迭代步数300步。相似度NC和峰值信噪比PSNR作为评价试验结果的性能指标。 2．1 协同水印检测算法适用范围分析协同演化对攻击后水印的检测能力。实验结果分别如图4和表1所示。图4为典型的水印检测图，其中图4（a）表示原载体图像里没有水印，这时候会出现两种情况：（1）所有的序参量都变为0；（2）有一个序参量最终趋向于-1，其余的趋向于0。图4（b）表明载体图像受到退化处理后典型的水印检测演化曲线，最终趋向1的序参量对应的原型水印模式即为载体嵌入的水印。表1表明载体图像受各退化处理时该算法的检测能力。从表1中可以看出，退化处理后的水印受到很大程度的破坏（人眼已不可识别水印信息），依靠传统的方法已不能检测出水印的存在，本文提出的算法仍然可以从杂乱的信息中提取有 效的信息，检测出原型水印。
相关资讯
-
近日，意大利全国性报纸《福利奥日报》称其出版发行了全球首份、完全由生成式人工智能技术撰写的报纸。 人工智能生成的报纸，以纸质插页的形式，夹在同一天发售的主报当中。在报头上标有人工智能AI字样。报纸文章的标题、摘要、内容等均由人工智能生成。报社工作人员…
2025/3/27 8:04:12
共有 网友评论