7.插值误差扩展❌
【前人方法】直方图平移 差值扩展 图像插值
图像插值：原始图像下采样，再用插值的方法生成与原始图像相同的载体图像[36\37\38]
7.基于混沌系统和精确四元数极谐变换的彩色医学图像无损水印【2019年】
目的：版权保护
缺点：零水印（计算极性谐波矩）[个人认为零水印需要第三方参与，可用性不高]
目前医学图像的方案：
reversible watermarking [4- 6] 可逆水印
distortion-free watermarking [7,8] 无失真水印
and zero-watermarking [9] 零水印
[跳转阅读“小波域无失真扩频鲁棒水印设计”]
前人操作：
【21】GAT 对原始水印进行置乱- 攻击的对比
屏幕快照 2020-03-02 下午6.46.46.png
JPEG未知 裁剪～还好
旋转 缩放 高丝滤波 好
中值滤波 高丝噪声 椒盐噪声 较差
8.小波域无失真扩频鲁棒水印设计❌
- 总体步骤：图像小波变换，量化函数进行量化，产生二值序列
- 扩频：
原始数据是信道，水印数据是要通过信道的信号
提取时，将许多微弱的信号集中起来
【由于公式格式错误 没法看】
8.图像的无失真数据嵌入[2001年]
- 本文说的无失真，即提取完之后无失真，也就是可逆
-
使用可逆噪声添加(翻转) 和 特殊判别函数
翻转：0->1 2->3 4->5 ... 或 0->2 1->3 4->6 5->7之类的
屏幕快照 2020-03-02 下午5.47.00.png
用A的值来衡量变换
A越大，不可感知性越差，鲁棒性越好
缺点
- 分为规则、奇异、不可用三组，但是在分组时引入了特定的参数
- 仍是对像素值的操作，鲁棒性不够强
9、基于倾斜变换矩阵的鲁棒可逆水印方案
【步骤】：
Slantle变换->均值隐藏水印bit ->直方图修正 防止上下溢出
【前人】：直方图移动(附加最小点 和 最大点 的值)
避免上下溢出：
1）位置图映射
2）mod 256
3）空域块分类和纠错编码
4)直方图调整（在空域进行）
对比别人提出的 整数小波变换
图像整体进行小波变换->载波子带 划分为 非重叠块 ->计算平均值的绝对值的最大值，nmax,T>nmax
本文：
SLT 变换 误差在可接受的范围之内
解决上下溢出->直方图移动(但是需要辅助信息)
10、Difference Expansion Based Robust Reversible Watermarking with Region Filtering 滤波+差值扩展+鲁棒可逆水印
bit plane 位平面操作
使用区域滤波来寻找方差较低的块
防止上下溢出，可以嵌入错误的bit，然后再使用ECC来纠正
为了增强鲁棒性：采用 位平面+重复嵌入+区域滤波,选择方差较低的区域进行嵌入
11.一种保护医学图像真实性和完整性的鲁棒可逆水印方案
- 和自己的目的完全相同
- 目前的技术：感兴趣区域无损水印/可逆水印
本文方案：
基于递归抖动调制（RDM）的可逆水印方法
RDM与斜叶变换SLT和奇异值分解相结合
对ROI和RONI进行了分割
水印恢复函数RDM函数 进行无损恢复
缺点：它只能嵌入某个医院徽标的哈希值，即160比特，其他的都是篡改信息及定位信息，更偏向于篡改水印
对于溢出，还是记录了位置信息。
优点：递归抖动
对于溢出的T，进行全0和全1嵌入，得到最大失真
PSNR = 41
SSIM = 0.96
12、基于不可见水印和加密域可逆数据隐藏的彩色图像安全增强
(不可见指的是肉眼不可见)
步骤：
RGB转为YCBCR(将不可见水印嵌入到YCbCr颜色模型中的亮度信息中，对于JPEG有损压缩和其他常见的信号处理操作，该水印具有一定的鲁棒性。同时，利用色度信息增加了RDH在加密域的容量。)
对图像的每一层进行加密
用Cb Cr 分别生成直方图
(没有说 如何保证变换后是整数的问题)
嵌入到亮度信息Y中
用第二个人的密钥对Y再次加密
个人认为：关于鲁棒性的实验数据 有造假
关于如何嵌入到傅立叶变换的幅度中：参考【基于高效鲁棒水印的混合域彩色图像所有权认证】（13中）
13、基于高效鲁棒水印的混合域彩色图像所有权认证（鲁棒水印）
用混合域 嵌入同一水印
第一：亮度信息通道 DFT
第二：色度蓝差分信道,改进的扩频方法，将水印嵌入到轮廓变换域中。
[步骤]
亮度分量 2D-DFT变换,可以得到 震级 和 相位
但是！！DFT对高丝噪声等有比较弱的鲁棒性，CT比较好
选择两个半径，就得到之间环形的面积
水印1/0变成 +/-g
加性嵌入振幅中
CT:在蓝色通道嵌入(因为 人眼的颜色视觉对蓝色的敏感度低于对红色和绿色的敏感度)
有点难，没有认真看完
14、基于DCT和纠错码的彩色医学图像LWT域鲁棒性和失真控制双重水印
他妈的 这不就是我要写的吗
变换：LWT + DCT
水印信息：64*64大小的签名水印(MD5加密) + 80大小的 签名报告(BCH编码)
给出了医疗图像 水印 的 优点
前人方法
IWT—LSB[6]❌
DWT-适当量化-BCH【10】且JPEG压缩可以完全正确恢复
神经网络 阿诺德变换 无损压缩 纠错码
DWT-KLT 采用Turbo纠错码和模糊推理系统分别降低信道噪声失真和优化可见性因子[2]
DWT和diamond编码,秘密数据首先被转换成5位数的序列,转换后的比特通过菱形编码嵌入到三个不同的DWT覆盖子带中[3]步骤
[IWT的优点]与传统DWT相比，LWT需要更少的内存，减少了混叠效应和失真，速度快，是一个低计算复杂度的好选择。由于分裂合并过程，LWT的复杂度比传统的DWT接近一半[1]。
[嵌入过程]
宿主图像 3D-IWT
LH3子带 DCT
水印标志 也DCT变换
水印DCT变换后的结果 MD5加密
加性嵌入到图像的DCT系数中
将80大小的 签名报告(BCH编码) 嵌入到HL3[8文章中提到的]
逆变换
缺点：非盲
15、多重图像水印在健康信息管理中的应用
上面参考文献的[10]
- 使用了DWT,一个知识：LH比HL的能量多
需要提供在空间域中整数的变化。[终于有个明白人了 ]
使用haar小波进行分解，它产生的系数是二元有理数，分母是2的幂,加或减操作 都相当于乘2^ l,其中l是分解级数
定义一个偏移量，每个系数都相当于被分配了0/1
量化系数∆也被定义为了2^ l
【过程】
1)4D-haar DWT
2)思想与自己的类似，系数本身代表了0/1信息，如果不同，才需要嵌入
3）嵌入是+-∆，使系数的绝对值变小一些
提取
逆过程
【一个思想】DWT如果对系数的改变是+-2^ l，则逆变换之后的结果 也是整数
16、一种基于鲁棒可逆水印的数据恢复方法
(9012年还有这么水的文章？？)
宿主图像与随机数异或，相当于加密了
LSB嵌入
(唯一的优点是：用电子邮件发送密钥，算是创新吧)
17、一种尺度空间特征区域的强鲁棒性水印算法 （不是可逆水印）
解决的问题：
针对特征区域选取不足以反映图像重要信息，导致鲁棒性减弱的问题，提出一种尺度空间特征区域的强鲁棒性水印算法
单一变换：抗攻击性比较弱
本文采用改变 Harris-Laplace 算法中 Harris角点的尺度空间来获得特征点，根据水印图像大小确定特征区域大小，选取载体图像中靠近图像重心且互不重叠的特征区域，合成特征区域矩阵。依次进行DWT+DCT+SVD 完成嵌入
【尺度空间特征点检测】
【步骤】
- 水印图像Logistic混沌加密
- 通过 Harris-Laplace 算子提取图像的特征点
通过算子 得到特征点集合Pk'
根据水印大小，选取特征区域的大小
删除有重叠的部分，保存为Pk''
标记载体图像重心的位置，求它到每个特征点的距离，从小到大排序
根据需要嵌入的水印的个数，选择需要的特征区域的个数 - 将特征区域合成特征区域矩阵，DWT，LL子带DCT，再SVD
- 加性嵌入水印
【优点】：提取图像的特征点，即选取了嵌入位置
【缺点】需要记录特征区域的位置，并且是加性嵌入，需要原来的水印才能提取信息
18、基于DWT、Hadamard变换和奇异值分解的红青色浮雕图像水印
整幅图像 B通道 DWT,HL子带 划分为8*8
每个块 快速fwht变换
结果进行SVD
提取：
缺点：不可逆
19、基于鲁棒可逆水印的全光图像所有权保护
使用DCT+SVD
密钥决定嵌入位置
HVS对蓝色通道最不敏感
但是，也没有考虑 逆变换之后 像素值不为整数的情况。仍是水文
20、可逆数据隐藏算法在医学图像上的应用❌
含有医学图像像素值的特点的描述
20、一种具有新溢出解决方案的可逆水印算法❌
两次嵌入：小波直方图位移/低失真溢出处理算法(处理上一步的溢出问题)
环面自同构映射：类似于凯撒密码
低失真可逆水印算法：用周围的三个预测，得到预测误差p，p+b
是可逆的
用循环冗余码，判断是否被篡改
低失真溢出处理：找到溢出的像素点，进行处理，并生成篡改记录,将记录进行编码，嵌入到宿主图像中
溢出的变为255，0
记录下来改变的值
20、一种基于CRT（中国剩余定理）和PCA（主成分分析）的数字水印算法
中国剩余定理的内容
【步骤】
- 载体图像8*8分块
- 每一小块 主成分分析，选择前n个块
- 水印信息根据中国剩余定理计算
得到余数向量[a] - 设置了一个中频参数，没懂怎么设置的。随机的吗？？
参考地址
http://www.docin.com/p-1271980586.html
21、基于CRT和复杂度分析的DCT域安全水印
【步骤】
宿主图像8*8分块
DCT
随机选择DCT系数来嵌入水印位
把位置上系数的值进行CRT(两个),得到p,q
得到D,b,d
若要嵌入1,则d>=8/D
如果不满足，需要进行修正
计算每一块的复杂度，对复杂的块进行嵌入
22、一种新的互补嵌入可逆水印方案
(据说可以解决：上下溢出的问题)
在空间域进行，分为水平和垂直两个阶段
嵌入方法：
水平：增加偶数行像素值，减少奇数行像素的值
垂直：减少偶数行的像素值,把奇数行的像素值加一
采用直方图
采用直方图收缩技术，防止上下溢出
[前人方法]
无损压缩：缺点 压缩比低
DE：需要位置图
- 前人奇偶方法:
利用像素奇偶值 代替差分
按照列 分为两组：如果第二组是奇数值，则水平时可嵌入
用位置图LM1（0，1）表示哪个嵌入了,LE1是数量
使用算数编码 无损压缩LM1,得到C1,长度是LC1
LB1 = LE1 - LC1
嵌入0:原来是奇数，就-1 变为偶数
原来的偶数
毕业！告辞