基于DCT和SVD变换的盲数字水印算法

基于DCT变换和SVD变换的数字水印技术

基于DCT变换和SVD变换的数字水印技术
数字水印技术是一种在数字媒体中嵌入或提取隐藏信息的技术。

数字水印技术已被广
泛应用于版权保护、信息认证、数据传输等领域。

DCT和SVD是常用于数字水印技术中的两种变换方法。

DCT变换是一种将时域信号转换为频域信号的方法，它将信号分解为不同的频率分量。

SVD变换是一种将矩阵分解为特征
向量和特征值的方法，它可以用于噪声过滤和数据压缩等领域。

基于DCT变换的数字水印技术将水印信息转换为频域信号，并将其嵌入到图像的低频
分量中，从而实现水印的嵌入。

DCT变换的优点是可以提高水印的鲁棒性和不可见性。

其中，鲁棒性是指水印在图像受到攻击或压缩后依然能够被准确恢复，不可见性是指水印在
图像中不可被察觉。

基于SVD变换的数字水印技术采用矩阵分解的方法将水印信息嵌入到图像中，其中矩
阵的特征向量和特征值可被用作隐藏信息的载体。

SVD变换的优点是可以在较小的嵌入强
度下达到较高的水印信噪比。

综合来看，数字水印技术的DCT和SVD变换方法各有优劣，可以根据具体应用场景选
择具体的方法。

此外，数字水印技术还有许多其他的变换方法，如小波变换、FFT变换等，可用于特殊场景下的嵌入和提取。

数字水印技术的进一步发展将不断壮大其应用范围和保
护对象，促进数字内容的安全和传递。

基于 DWT-DCT-SVD 的鲁棒盲视频水印算法

基于DWT-DCT-SVD 的鲁棒盲视频水印算法摘要：为更有效的保护多媒体数据，文中提出了一种基于 DWT、DCT 与 SVD 结合的盲视频水印算法。

利用视频帧内的 R、G 通道的颜色差值进行关键帧的快速选取，将关键帧的 B 分量进行多级离散小波变换，对变换后的子带进行 Arnold 置乱，将水印嵌入到置乱后的子带奇异值中。

当嵌入水印视频受到攻击时，利用彩色图像各颜色通道间像素差值很小和奇异值分解的稳定性，用嵌入水印视频关键帧的 G 分量代替原始视频关键帧的 B 分量，实现水印的盲提取。

试验结果表明，该算法对噪声、滤波、裁剪、帧置乱、帧平均、MPEG 压缩等攻击具有较好的鲁棒性。

关键词：视频水印；关键帧；蓝色通道；奇异值；盲提取由于互联网技术和数字多媒体技术的快速发展，现如今大量的多媒体数据都可以通过网络被人们轻松的访问、拷贝和传播。

因此，寻求有效的方法来解决多媒体数据的版权保护问题日益受到人们重视。

其中，数字水印技术成为一种非常有效的版权保护方法。

近年来，人们对数字图像水印技术的研究已日趋成熟，而视频水印正处于研究阶段。

文献[2]提出了三维 Gabor 变换的视频水印算法，将水印信息嵌入到三维 Gabor 变换的系数中，该算法计算复杂度较高，不满足水印的实时性要求。

文献[3]基于三维小波变换的空时多分辨率特性，将扩频水印自适应的嵌入到三维小波系数中，鲁棒性较好，但实时性较差且水印为非盲提取。

文献[4]中对每 4 帧图像进行三维小波变换，将水印自适应的嵌入到视频的低频与高频帧中，水印为盲提取且鲁棒性较好。

文献[5]、[6]中的算法对几何攻击都具有较强的鲁棒性，但对于帧置乱、帧丢失等时间同步攻击鲁棒性较弱。

文献[7]利用压缩传感和Arnold变换对水印进行加密，然后将视频关键帧的某一颜色分量进行SVD分解，将加密后的水印嵌入到相应的奇异值中，该算法使水印具有较好的保密性和鲁棒性。

文献[8]提出了一种盲视频水印算法，但该算法将视频中的每一帧图像都进行DWT变换与分解，计算量大且对噪声的鲁棒性较差。

一种基于DCT系数量化的大容量盲水印算法

嵌入到原始图像的中频ＤＣＴ系数中，通过对ＤＴ系数进行量化和奇偶检验，实现了数字Ｃ水印的盲提取。始图像每一子块可以嵌入４位水印信息，每个水印位分别嵌入到３个不原同的ＤＣＴ系数中，嵌入的水印容量是常规算法的４倍。实验结果表明，该算法能够有效抵抗噪声、ＪＥＰＧ压缩、剪裁和滤波等攻击，具有良好的鲁棒性。关键词：数字水印ＤＴ变换大容量盲水印Ｃ
（ｐ．ｆＩｆｒｔｎａｄＣｏＤｅｔｏｏｍａｉｎｍｍｕｉａｉｎＥｇｎｅｉｇＤａｉｎＮａａＡｃｄｍｙＤａｉｎ１０Ｉ，ｉａｎｏｎｃｔｎｉｅｒ，ｌｖｌａｅ，ｌ１Ｃｈｎ）ｏｎａａ６８
ｐｏｐｅａｇｉｔｍｃｎｆｅｔｖｅｙｅｉｔｔａｋｏｏｉｅ，ＪｒｏｓｄｌｏｒｈａｅｃｉｌｒｓｓａｔｃｓｆｎｓＰＥＧｃｍｐｅｓｏ，ｃｏｐｉｏｒｓｉｎｒｐｎｇ，
ｉｔｉｎｄＳｎ，ｎａｏｏｕｓｎｓ．ｆｌｒｎｇａＯｏａｄｈｓｇｏｄｒｂｔｅｓｅＫｅｗｏｄｓｄｇｉｌｗａｅａｋｉｙｒ：ｉｔｔｒｒｎｇ；ａｍＤＣＴｒｎｓｏ；ｌｒｐａｉｙ；ｌｎｔｒａｋｉｇｔａｆｒｍａｇｅＣａｃｔｂｉｄｗａｅｍｒｎ
ＡｂｔａｔＴｉｐｐｒｐｏｏｅｌｄｗａｅｍａｋｎｅｈｄｂｓｄｏｓｒｃ：ｈｓａｅｒｐｓｓａｂｉｔｒｒｉｇｍｔｏａｅｎＤＣＴｔｎｆｒ．ｈｎｒｓｏｍＴｅａ

基于DCT和SVD联合的数字水印算法

ｎｏａｍａｅｉｔｎｉｇ．ＡｈｂｄｗａｅｍａｋｎｌｏｔｍｂｓｄｏｙｒｉｔｒｒｉｇａｇｒｈｉａｅｎＤＣＴａｄＳｎＶＤｉｐｏｏｅ，ａｔｒｐｌｉｇｔｅＤＣＴｔｈｓｒｐｓｄｆｐｙｅａｎｈｏｔｅｗｈｌｍａｅａｄｏｅｉｇｎｍａｐｎｅＤＣＴｃｅｃｅｔｉ－ａｒｅｔｕｕｄａｔ，ａｄｔｅｐｌｉｇｔｅＳｐｉｇｔｈｏｆｉｎｓｎａｚｇｚｇｏｄｒｎｏｆｒａｒｓｉｉｉｏｑｎｎｎａｐｙｎＶＤａｈｑａａｔＥｘｅｍｅｔｌｅｕｔｈｈｔｅｃｕｄｎ．ｏｒｐｒｉｎｓｌａｒｓｓｏｔａｅｔｒｒｋｎｌｏｔｍｅｆｒｓｌｉｂｓｎｓ，ｔｅｍｂｄｅｔｒｒｋｉｄｔｃｅｌｂｙｆｌｗｉｇｕｕｌｉｎｌｈｗｔｅｍａｉｇａｇｒｈｐｒｏｈｔｗａｈｉｍｌｒｕｔｅｓｈｗｅｏｎｅｅｄｄｗａｅｍａｅｅｔｄｒｉｌ，ｏｌｎｓａｇａｓｅａｏｓｐｏｅｓｇａｄＪＥＧｏｒｓｉｎｒｃｓｉＰｎｎｃｍｐｅｓｏ．Ｋｅｒｓｒｂｓ；ｃｐｒｇｔｒｔｃｉｎｄｇｔｌｔｒａｋｎ；ｄｓｒｔｏｉｅｔｓｏ；ｓｎｕａａｕｅｏｏｉｏｙｗｏｄ：ｏｕｔｏｙｈｏｅｔ；ｉｉｅｒｉｇｉｐｏａｗａｍｉｃｅｅｃｓｎａｆｒｒｎｍｉｇｌｖｌｅｄｃｍｐｓｉｎｒｔ

基于DCT与SVD相结合的图像水印新算法

ａ叶技２１第４第期０年２卷５１
Ｅｅｔｏｉｃ．Ｔｃ．Ｍａ．５．２１ｌｃｒｎｃＳｉ＆ｅｈ／ｙ１００
基于ＤＴ与ＳＤ相结合的图像水印新算法ＣＶ
吕东岳，徐贵力，李开宇，田裕鹏
（京航空航天大学自动化学院，江苏南京南２０１）１０６
摘
要
基于奇异值分解的水印算法中，利用正交矩阵实现水印的嵌入保证了水印的不可替换性。但在修改正交
矩阵时，如果不取出水印的正确率产生影响。为了解决这一问题，提出了一种基于二维
离散余弦变换与奇异值分解相结合的数字图像水印新算法。在水印嵌入时，对图像子块的ＤＴ系数矩阵进行ＳＤ分ＣＶ解，利用三角函数的正交性修改得到的正交矩阵实现水印的嵌入。实验表明，与现有利用奇异值正交矩阵的方法相比，由于在嵌入水印时保持了矩阵的正交性，从而使其抵抗ＪＥＰＧ与椒盐噪声攻击能力更强，提取水印的正确率更高。
ｍａｒｃｓｉｍａｎａｎｄＴｈｅｕｔｌｏｓｏｈｇｅｘｒｃｉｇａｃｒｃｎｒｓｓｉｇＪＥＧｏｒｓｉｎａｄｓｌａｄｔｅｓｉｔｉｅ．ｉｅｒｓｌｓａｓｈｗｉｈｒｅｔａｔｃｕａｙｉｅｉｔｎＰｎｃｍｐｅｓｏｎａｔｎ
ｐｐｅｏｓ．ｅｐｒｎｉｅ
Ｋｅｗｏｄｄｓｒｔｏｉｅｔａｓｏ；ｓｎｕａａｕｅｏｏｉｏｙｒｓｉｃｅｅｃｓｎｒｎｆｒｍｉｇｌｒｖｅｄｃｍｐｓｔｎ；ｏｔｏｏａｔｘ；ｗａｅａｋｌｉｒｈｇｎｌｍａｒｉｔｒｒｍ

一种基于多级DCT和SVD的鲁棒数字水印算法

Abstract
From the perspective of improving the robustness of digital watermarking，the algorithm takes into consideration the insufficient
resistance against rotated geometry attack with traditional discrete cosine transform，and presents a digital watermarking algorithm based on multiple level discrete cosine transform （ DCT） and singular value decomposition （ SVD）． By combining DCT and SVD together，it realizes the comprehensive application of transform domain and space domain algorithms． Through peak signal to noise ratio （ PSNR） and normalized correlation coefficient （ NC） the paper evaluates the performance of the algorithm． Experimental results show that this algorithm can effectively resist lossy compression and a few common image operations with quite good robustness． Keywords Digital watermarking Discrete cosine transform Multiple level Singular value decomposition Robustness

基于RDWT-DCT-SVD的鲁棒性音频盲水印算法

中图法分类号：ＴＰ３０９文献标识号：Ａ文章编号：１０００ — ７０２４（２０１４）０２ — ０４５７０５
ＢｌｉｎｄａｎｄｒｏｂｕｓｔａｕｄｉｏｗａｔｅｒｍａｒｋｉｎｇｓｃｈｅｍｅｂａｓｅｄｏｎＲＤＷＴ— — ＤＣＴ— －ＳＶＤ
ｄｅｄｉｎｔｏｔｈｅｄｉａｇｏｎａｌｍａｔｒｉｘａｆｔｅｒｄｉｓｃｒｅｔｅｃｏｓｉｎｅｔｒａｎｓｆｏｒｍａｎｄｓｉｎｇｕｌａｒｖａｌｕｅｄｅｃｏｍｐｏｓｉｔｉｏｎ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｓｒｅｓｕｌｔｓｄｉｓｐｌａｙｔｈａｔｔｈｅａｌｇｏｒｉｔｈｍｃａｎｇｅｔｂｅｔｔｅｒｂａｌａｎｃｅｂｅｔｗｅｅｎｔｒａｎｓｐａｒｅｎｃｙａｎｄｒｏｂｕｓｔｎｅｓｓｏｆｗａｔｅｒｍａｒｋ．Ｉｔｈａｓｓｔｒｏｎｇｒｏｂｕｓｔｎｅｓｓａｇａｉｎｓｔｔｈｅｐｏｐｕｌａｒａｕｄｉｏｓｉｇｎａｌａｔｔａｃｋｓｓｕｃｈａｓｄｏｗｎ－ｓａｍｐｌｉｎｇ，ｌｏｗ－ｐａｓｓｆｉｌｔｅｒ，ＭＰ３ｃｏｍｐｒｅｓｓｉｏｎ，ｒｅ－ｑｕａｎｔｉｚａｔｉｏｎ，ｅｃｈｏａｎｄｒｅｐｌａｃｅ —

基于DCT—SVD抗几何变换的扩频水印算法研究

基于ＤＣ法研究
方琪，魏恒，王翱
（中国传媒大学广播电视数字化教育部工程研究中心，北京１０００２４）
摘要：提出了一种基于奇异值分解（ＳＶＤ）的扩频水印算法，该算法将原始图像分块ＤＣＴ变换，对每块ＤＣＴ系数进
Ａｂｓｔｒａｃｔ：Ａｓｐｒｅａｄｓｐｅｃｔｒｕｍｗａｔｅｒｍａｒｋｉｎｇａｌｇｏｉｒｔｈｍｂａｓｅｄｏｎｓｉｎｇｕｌａｒｖａｌｕｅｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＳＶＤ）ｈａｓ
到很大提高。
关键词：离散余弦变换（ＤＣＴ）；ＳＶＤ；扩频水印
中图分类号：ＴＰ７５１文献标识码：Ａ文章编号：１６７３— ４７９３（２０１３）０４— ００５２— ０６
ＤｉｇｉｔａｌＩｍａｇｅＳｐｒｅａｄＳｐｅｃｔｒｕｍＷａｔｅｒｍａｒｋｉｎｇＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＤＣＴ－－ＳＶＤｆｏｒＡｎｔｉ－－ｇｅｏｍｅｔｒｉｃＡｔｔａｃｋｓ
ＦＡＮＧＱｉ，ＷＥＩＨｅｎｇ，ＷａｎｇＸｕａｎ
（ＣｏｍｍｕｎｉｃａｔｉｏｎＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎａ，Ｂｅｉｊｉｎｇ１０００２４，Ｃｈｉｎａ）

基于DCT变换和SVD变换的数字水印技术

基于DCT变换和SVD变换的数字水印技术数字水印技术是一种将特定信息嵌入到数字媒体中的技术，以实现版权保护、身份认证、防伪追踪等目的。

基于离散余弦变换（Discrete Cosine Transform，DCT）和奇异值分解（Singular Value Decomposition，SVD）的数字水印技术是其中较为常用和有效的一种方法。

DCT是一种将信号从时域转换到频域的变换方法，其主要特点是采用正交基函数，将信号能量从低频部分逐渐递减到高频部分。

在数字水印技术中，DCT可以将原始图像转换为频域表示，然后通过嵌入水印信息改变高频系数，从而隐藏包含水印信息的频域特征。

嵌入水印的过程可以通过修改DCT系数的幅值或相位来实现。

SVD是一种将矩阵分解为奇异值、左奇异向量和右奇异向量的方法，用于解决线性方程组、矩阵逆等操作。

在数字水印技术中，SVD可以将原始图像分解为三个矩阵，其中一个矩阵包含了图像中的主要信息，另外两个矩阵包含了次要信息。

通过修改这两个次要信息矩阵，可以嵌入水印信息。

使用DCT和SVD进行数字水印嵌入的基本步骤如下：1. 预处理：将原始图像进行预处理，例如将彩色图像转换为灰度图像，统一图像尺寸等。

2. DCT变换（或SVD分解）：对预处理后的图像进行DCT变换（或SVD分解），得到频域表示。

3. 选择水印信息：选择合适的水印信息，可以是文本、图像、音频等。

4. 水印信息嵌入：根据嵌入算法，将选择的水印信息嵌入到图像的频域表示中的特定位置。

嵌入算法可以是幅值调制或相位调制等。

5. 逆变换：对嵌入水印后的频域表示进行逆变换，得到带有水印的图像。

6. 后处理：对逆变换得到的图像进行后处理，例如调整图像的亮度对比度，增加噪声等，以提高水印的鲁棒性和不可察觉性。

7. 水印检测：对带有水印的图像进行水印检测，即从图像中提取嵌入的水印信息。

基于DCT和SVD的数字水印技术具有以下优点：DCT和SVD变换对图像的变化具有较好的鲁棒性，可以抵抗一定的图像操作和攻击。

基于DCT变换和SVD变换的数字水印技术

基于DCT变换和SVD变换的数字水印技术数字水印技术是一种在数字信号中嵌入特定信息的技术。

数字水印技术不仅可以用于版权保护，还可以在各种数字应用中使用，例如数字图像、音频和视频。

数字水印技术的核心是将嵌入信息的任何变化对正常数据的影响降至最小。

DCT（Discrete Cosine Transform）变换是一种广泛应用于数字信号处理的变换方法。

DCT可以将时域信号转换成频域信号，可以有效地减少冗余信息。

在数字水印中，DCT变换可以将水印信息嵌入到低频分量中，因为低频分量对原始图像的贡献最大，而且不易被察觉。

SVD（Singular Value Decomposition）变换是一种矩阵分解方法。

它将一个矩阵分解成三个矩阵之积，其中一个矩阵是由奇异值组成的对角矩阵。

SVD变换可以将一个图像分解成若干个小图像块，并对这些小图像块进行处理。

在数字水印中，SVD变换可以将水印信息嵌入到小图像块的奇异值中，因为奇异值的数量远远小于图像像素的数量，不易被察觉。

1. 将待嵌入水印的原始图像进行DCT变换。

2. 将水印信息嵌入到低频分量中。

4. 判断带水印的图像与原始图像之间的误差，误差越小，说明嵌入水印的效果越好。

2. 对每个小图像块进行SVD变换，并将水印信息嵌入到奇异值中。

3. 将嵌入水印的小图像块进行逆变换，得到带水印的小图像块。

以上两种方法都可以有效嵌入水印信息，并达到不易被察觉的效果。

但是，在嵌入水印前需要对原始图像进行预处理，如去除高频分量、对图像进行分块等。

同时，在选择嵌入水印的位置时需要避开图像中的重要区域，以免影响图像的可读性和观感。

此外，数字水印技术还需要考虑到水印的安全性，如加密和解密过程以及抵抗攻击的能力等。

基于DCT变换和SVD变换的数字水印技术

基于DCT变换和SVD变换的数字水印技术数字水印技术是一种利用数字信号的特殊性质进行标识的技术，可以保护数字信息的权益。

本篇文章将介绍基于DCT变换和SVD变换的数字水印技术。

一、DCT变换离散余弦变换（DCT）是信号分析和处理中常用的一种变换方法，它将时间序列信号变换为频率域表示，可用于图像压缩、信息隐藏和数字水印等领域。

在数字水印中，通常将原始图像的DCT系数进行调整，以使图像更加鲁棒，即在保持图像可识别、可读取的情况下，增强水印的鲁棒性。

具体而言，将图像划分成若干个块，对每个块进行DCT变换，并对DCT系数进行调整，最后再通过逆变换得到调整后的图像。

二、SVD变换奇异值分解（SVD）是一种矩阵分解方法，在信号处理中被广泛应用。

将二维图像矩阵进行SVD分解后，可以得到三个矩阵，分别为U、S、V，其中U和V是正交矩阵，而S是一个对角矩阵。

三、数字水印嵌入和提取数字水印嵌入是指将数字水印嵌入到原始图像中的过程，通常分为以下几步：首先，选择嵌入算法（比如DCT变换或SVD变换）对原始图像进行变换，并对变换系数进行调整；其次，将水印信息加密，并将其嵌入到变换系数中；最后，通过逆变换得到嵌入数字水印后的图像。

首先，选择提取算法对带有数字水印的图像进行变换；其次，从变换系数中提取出数字水印信息（如果加密，则需要解密）；最后，对提取出的数字水印信息进行检验，判断是否真实可信。

四、数字水印应用数字水印技术在数字版权保护、信息安全、图像鉴别等方面有着广泛的应用，具体包括以下几个方面：1.音视频文件保护：数码音乐、电影、电视剧等媒体传输的版权保护。

2.商业机密保护：于文档、设计图纸等文件中嵌入水印，避免机密被泄露等。

3.证件鉴定：银行卡、护照、学历证书等电子文件中嵌入水印，鉴别证件的真伪。

4.多媒体信息管理：对图片、文本等数字图像进行签名等管理，保证数字图像的版权。

总之，数字水印技术是一种重要的数字版权保护技术，应用广泛，具有实际应用意义。

基于DCT变换和SVD变换的数字水印技术

基于DCT变换和SVD变换的数字水印技术数字水印技术是一种能够在数字媒体中嵌入特定信息的技术。

它能够在不影响原始媒体的情况下，将数字媒体与对应的元数据结合起来。

其中，DCT变换和SVD变换都是数字水印技术中常用的变换方法。

DCT变换是一种离散余弦变换。

它将信号分解成一系列谐波分量，而且这些分量是互相独立的。

因此，在数字水印技术中，DCT变换可以利用这种独立性，将嵌入的水印信息分散在各个频率分量中。

具体的方法是，将原始媒体分成若干个块，并对每个块进行DCT 变换。

然后，在变换后的频率分量中选择一些位置，将它们的值改变为嵌入的水印信息。

最后，再对这些块进行逆变换，就可以得到带有水印的原始媒体。

SVD变换是一种奇异值分解变换。

它将矩阵分解成三个矩阵的乘积，其中一个矩阵是由原矩阵的左奇异向量组成的，另一个矩阵是由原矩阵的右奇异向量组成的，而中间的一个矩阵则是由原矩阵的奇异值组成的一个对角矩阵。

在数字水印技术中，SVD变换可以利用这种对角矩阵的性质，将嵌入的水印信息集中在对角矩阵的某几个位置上。

具体的方法是，将原始媒体表示为一个矩阵的形式，并对这个矩阵进行SVD分解。

然后，在对角矩阵的某几个位置上，将它们的值改变为嵌入的水印信息。

最后，再将三个矩阵乘起来，就可以得到带有水印的原始媒体。

总的来说，DCT变换和SVD变换都是数字水印技术中常用的技术。

它们都能够将嵌入的水印信息分散或者集中在信号的某些频率分量或者矩阵的某些位置上。

但是，它们也都有一些局限性。

例如，DCT变换在处理高动态范围的图像时容易丢失细节信息，而SVD变换在处理数据量较大的媒体时会比较耗时。

因此，在具体的应用中，需要根据实际情况选择合适的变换方式。

基于DCT变换和SVD变换的数字水印技术

基于DCT变换和SVD变换的数字水印技术数字水印技术是一种在数字图像、音频或视频中插入不可见信息的技术，以实现版权保护、身份验证和内容完整性验证等目的。

基于DCT（离散余弦变换）和SVD（奇异值分解）的数字水印技术是其中常用的一种。

DCT变换是一种常用的信号分析技术，它将时域信号转换为频域信号。

DCT变换主要用于图像和视频编码中，通过分解图像的频谱，可以得到图像的主要频率成分。

基于DCT变换的数字水印技术将水印信息嵌入到图像的高频部分，由于人眼对高频信号的感知不敏感，所以插入的水印信息对图像质量的影响相对较小。

DCT变换的主要优势是它能够对图像进行分块处理，从而使得数字水印能够抵抗一定程度的攻击，如剪切、旋转和缩放等。

SVD变换是一种矩阵分解技术，它将一个矩阵分解为三个矩阵的乘积。

SVD变换在数字水印技术中常用于提取和检测水印信息。

将待检测的图像进行SVD变换，得到图像的奇异值矩阵。

然后，通过比较图像的奇异值与指定的阈值，可以确定图像是否包含水印信息。

SVD变换的主要优势是它能够对图像进行全局处理，从而提高了水印的鲁棒性和检测性能。

1.图像预处理：将待插入水印的图像进行预处理，包括图像的归一化、平滑和增强等操作，以提高水印的嵌入效果和检测性能。

2.水印嵌入：将水印信息嵌入到图像的高频部分，可以是图像的DCT系数或SVD奇异值。

嵌入过程可以采用加法或乘法操作，具体方式取决于水印信息的类型和嵌入算法。

3.水印提取：从经过水印嵌入的图像中提取水印信息，可以通过逆DCT变换或逆SVD变换实现。

提取过程需要对图像进行适当的滤波和增强操作，以减少噪声和提高水印的可见性。

4.水印检测：通过比较提取到的水印信息与原始水印进行匹配，确定图像是否包含水印信息。

检测过程可以采用相关性或统计方法，具体方式取决于水印的嵌入算法和检测性能要求。

基于DCT变换和SVD变换的数字水印技术具有一定的优势，如对图像进行分块处理和全局处理等，能够提高水印的鲁棒性和检测性能。

一种基于多级DCT和SVD的鲁棒数字水印算法

ＤＴ可以使ＤＴ的 ‘ ＣＣ能量集中’ 特性得到更加充分的展示，从而
０引言
近年来，互联网带来的副作用十分明显：任何人都可以通过
互联网轻易取得他人的原创作品，甚至不经作者同意而任意复制、修改，而损害了创作者的权益。随着人们对版权保护越来从越重视，数字水印技术作为一个相关领域的有力工具越来越显示出其巨大潜能和众多优势，并逐渐成为研究的热点。数字水印可以定义为：不被感知地在数字作品中嵌入数字信息的操作（这里不考虑可见水印范畴）。 …
ｍｕｉｌｌｅｄｃｅｏｉｅｔｎｆ（Ｃ）ａｄｓｇｌａｅｄｃｍｏｉｏＳＤ）ｙｃｍｉｉＣｎＶｏｅｅ，ｉｒａｚｓｌｐｅｅｌｉｒｅｃｓａｓｒＤＴｎｉｕａｖｌｅｏｐｓｉｔｖｓｔｎｒｏｍｎｒｕｔｎ（Ｖ．ＢｏｂｎｎＤＴａｄＳＤｔｇｔｒｔｅｉｇｈｌｅｔｅｃｍｒｅｓｅａｐｉｔｎｏａｓｒｏａｎｐｃｏａｎａｏｔｍ．ＴｒｕｈｐａｇａｔｎｉｔＰＮｈｏｐｅｎｉｐｌａｉｆｒｎｆｍｄｍｉａｄｓａｅｄｍｉｌｒｈｓｈｏｇｅｋｓｎｌｏｏｅｒｉｈｖｃｏｔｏｎｇｉｉｓａｏ（ＳＲ）ａｄｎｒａｚｄｎｏｍｉｌｅｃｒｌｉｎｃｅｃｅｔＮｏｒａｏｏｆｉ（Ｃ）ｔａｅｖｕｔｅｐｒｒａｃｅｌｒｈｅｔｉｎｈｐｐｒａａｅｔｅｏｎｅｏｔｇｉｍ．Ｅｐｒｎａｒｓｈｈｗｔａｔｉａｏｉｍｃｎｅｅｔｅｅｅｌｓｈｆｍｆｈａｏｔｘｅｉｔｕｓｏｔｈｓｇｒｈａｆｃｖｌｍｅｌｅｓｈｌｔｆｉｙ

基于DCT变换和SVD变换的数字水印技术

基于DCT变换和SVD变换的数字水印技术作者：李磊来源：《电脑知识与技术》2019年第30期摘要：为了保证鲁棒性，提高水印的不可感知性，提出了一种基于离散余弦变换（DCT）和奇异值分解（sVD）的数字水印算法。

该算法首先将载体图像分块，接着对每个分块进行离散余弦变换。

然后将水印信息嵌入到每个分块的直流区域。

嵌入时先利用奇异值分解，接着在直流区域的奇异值对角矩阵上添加水印的奇异值对角矩阵信息。

实验结果表明，算法确保视觉无差异基础上对鲁棒性有所提升。

关键词：DCT;SVD;直流区域;鲁棒性;数字水印中图分类号：TP309 文献标识码：A文章编号：1009-3044（2019）30-0197-03随着互联网技术的不断发展，数字媒体在传播时，容易被复制和纂改。

数字水印技术主要是将一些标识信息嵌入到数字媒体中，且不影响原媒体的正常使用，不容易被探知和修改。

数字水印技术可以解决数字媒体的版权保护问题，也可以在网络信息安全上起到一定作用。

早期的水印算法都是基于空域的，即直接修改载体图像的像素值，将水印加载到某些像素点上，比如LSB最低有效位、差值扩张、直方图平移等。

这些方法安全性、鲁棒性较差，不能很好地抗压缩。

目前最广泛的水印算法是基于变频域的，即首先将载体图像变换到频域，然后改变系数的方法来嵌入水印信息。

载体图像变换到频域的方法有：离散余弦变换、小波变换、离散傅立叶变换。

这类方法大多有较强的鲁棒性。

本文研究基于离散余弦变换（DcT）的数字水印技术：第一步，对水印预处理，加密水印信息，最后进行SVD分解得到水印的S2矩阵。

第二步，对载体图像分块，每个分块分别进行DCT变换。

因为JPEG图像压缩时，分块大小为8x8，这里载体图像分块也采用8x8，起到一定抗压缩作用。

第三步，对每个DCT变换后的分块，取每个分块的DC区域构成1个新的矩阵，然后对新矩阵进行SVD分解，得到S1矩阵。

用每个分块DC区构成新矩阵的Sl矩阵和水印的S2矩阵计算出最终添加水印得图像的s矩阵;因为奇异值分解的特点，这种添加具有很好的鲁棒性。

基于DCT变换和SVD变换的数字水印技术

基于DCT变换和SVD变换的数字水印技术数字水印技术是一种通过在数字媒体中嵌入不可见的信息来进行身份验证、版权保护和数据完整性验证的技术。

基于DCT变换和SVD变换的数字水印技术是应用最广泛的两种方法之一。

本文将详细介绍这两种技术的原理和应用。

DCT变换是一种将时域信息转换为频域信息的方法，可以对图像、音频和视频等数字媒体进行压缩和去噪。

在数字水印技术中，DCT变换可以将图像转换为一系列频域系数，然后将水印信息嵌入到这些系数中。

水印信息可以是数字序列、文本或者图像等形式。

DCT变换的主要原理是将图像划分为多个非重叠的块，然后对每个块进行DCT变换。

DCT变换的结果是一系列频域系数，其中低频系数表示图像的主要结构，而高频系数则表示图像的细节信息。

通过调整这些系数的数值，我们可以将水印信息嵌入到图像中。

嵌入水印的方法通常是将水印信息乘以一个密钥，然后加到DCT系数中。

由于水印信息相对较小，因此可以将其嵌入到图像的低频系数中，这样可以保证水印的不可见性。

水印的提取则是将图像的DCT系数减去原始图像的DCT系数，然后除以密钥来还原水印信息。

SVD变换是一种将矩阵分解为三个矩阵乘积的方法，可以用于图像压缩、去噪和修复等应用。

在数字水印技术中，SVD变换可以将图像分解为一个特征矩阵和两个正交矩阵，其中特征矩阵包含了图像的主要结构，而正交矩阵则包含了图像的细节信息。

嵌入水印的方法通常是将水印信息加到特征矩阵中的对角线元素上。

由于特征矩阵的对角线元素对图像的主要结构有很大影响，因此可以将水印信息嵌入到这些元素中。

水印的提取则是将特征矩阵中的对角线元素减去原始图像的对角线元素来还原水印信息。

基于DCT变换和SVD变换的数字水印技术在版权保护和数据完整性验证方面具有重要的应用价值。

通过嵌入水印，可以有效地识别和追踪数字媒体的来源和使用情况。

这两种技术都具有较高的鲁棒性，可以抵抗常见的攻击，如图像压缩、噪声添加和滤波等操作。

基于DCT和SVD变换的盲数字水印算法

基于DCT和SVD变换的盲数字水印算法王友卫;申铉京;吕颖达;陈海鹏【期刊名称】《计算机工程与应用》【年(卷),期】2011(047)021【摘要】结合奇异值分解(SVD)变换,提出一种基于DCT域内DC分量的数字盲水印算法.对原图像进行8×8分块DCT变换,对DC系数集合进行2x2分块的SVD 变换,使用量化步长Q量化每个小块对应的最大奇异值,向量化后的结果嵌入水印.由于选择DC系数进行SVD变换,且SVD变换结果表现的是图像的内蕴特性而非视觉特性,故算法具有较高的稳健性和透明性.实验表明,该算法可以有效地抵抗中值滤波、JPEG压缩、噪声等常规篡改处理,水印的提取不需要原始图像参与,执行起来简单方便.%Combining SVD transform, this paper proposes a blind digital watermarking algorithm based on DC coefficients of DCT-domain.This algorithm executes DCT transform on each 8×8 block of the original image,and executes SVD transform on each 2×2 block of the collection of the DC coefficients.The quantization step Q is used to quantify the max singular value in order to embed the watermark in the result of the quantization.Because the DC coefficients are chosen for SVD transform, and the results of SVD represent the internal properties instead of the visual features, this algorithm gets a better robustness and transparency.The experiment results show that it can effectively resist the tampering attacks such as:median filtering,JPEG compression,noise and soon.The extraction process becomes very easy and convenient because it does not require the original image to involve in.【总页数】5页(P157-161)【作者】王友卫;申铉京;吕颖达;陈海鹏【作者单位】吉林大学计算机科学与技术学院,长春130012;吉林大学计算机科学与技术学院,长春130012;吉林大学计算机科学与技术学院,长春130012;吉林大学计算机科学与技术学院,长春130012【正文语种】中文【中图分类】TP309【相关文献】1.基于DCT-SVD的盲数字水印鲁棒提取算法 [J], 李蓓;崔雪冰2.基于DCT变换及SVD处理的音频数字水印算法 [J], 赵静;周明全3.基于DCT和SVD变换的多重数字水印算法 [J], 王磊4.基于DCT-SVD抗几何变换的扩频水印算法研究 [J], 方琪;魏恒;王翾5.基于Tetrolet变换和DCT-SVD的彩色图像稳健数字水印算法 [J], 暴琳;李垣江;龚淼;张贞凯因版权原因，仅展示原文概要，查看原文内容请购买。

基于DCT和SVD的岩心图像盲水印算法磁

基于DCT和SVD的岩心图像盲水印算法磁吕敏;卿粼波;滕奇志;何小海【期刊名称】《计算机与数字工程》【年(卷),期】2016(044)003【摘要】In order to protect the core image copyright ,a blind watermarking algorithm is proposed based on discrete cosine transform(DCT) and singular value decomposition(SVD) .Firstly ,according to the characters of human visual sys‐tem ,the core image is transformed to YCrbr space ,and using the gray level co‐occurrence matrix (GLCM ) a texture com‐plexity of the highest area is chosen as the watermark carrier on the luminance Y compon ent .Secondly ,the 8 × 8 block is transformed by DCT on the region ,16 consecutive coefficient are chosen in frequency coefficient after zig‐zag transformation to be transformed bySVD .Finally ,a binary watermark image is embeded by using U matrix of coefficient of correlation . The experimental results show that the algorithm can effectively resist some attacks ,such as the noise interference ,cutting and compression ,with good robustness and transparency .The watermark image blind extraction is achieved ,and the original image is not needed in watermark extraction process .%针对岩心图像的版权保护，提出一种基于离散余弦变换（DCT）和矩阵奇异值分解（SVD）的盲水印算法。

一种基于DCT和SVD的防篡改视频水印算法

一种基于DCT和SVD的防篡改视频水印算法袁世杰;陆剑锋;袁文强;张善卿【摘要】In this work,a digital video watermarking algorithm for tampering detection is proposed.The watermark is generated from thesubtitle.However,the classical structure tensor is used for avoiding influence from the background of the frames in this work.The singular value decomposition(SVD) is introduced for the robustness in this work.Firstly,the I-frames in the video are decoded to the luminance(Y) frames.Secondly,the Y-frames are devised into the blanks in the discrete cosine transform(DCT) domain.Finally,the watermark is embedded the blanks that is after SVD.Experimental results demonstrate that the words that be tampered are detected.Furthermore,the invisibility and the robustness are strong.%为了解决视频内容被篡改的问题,提出了一种防字幕篡改的数字视频水印算法.在算法中引入结构张量对字幕区域进行定位和处理,达到排除字幕背景干扰的目的.考虑到算法的鲁棒性,在水印嵌入过程引入奇异值分解(SVD).首先将视频解码到I帧的亮度(Y)通道;然后将其分块并进行离散余弦变换(DCT)、SVD分解;最后将水印信息嵌入到其中某些SVD分解系数上.实验结果表明,当文字的篡改面积大于15%时能检测出篡改字幕.在不可见性方面,每段视频嵌入水印前后的PSNR均超过44 dB;在鲁棒性方面,受攻击后水印提取正确率在90%以上,具有着较好的不可见性和较强的鲁棒性.【期刊名称】《杭州电子科技大学学报》【年(卷),期】2017(037)001【总页数】6页(P51-56)【关键词】水印;结构张量;离散余弦变换;奇异值分解【作者】袁世杰;陆剑锋;袁文强;张善卿【作者单位】杭州电子科技大学计算机学院,浙江杭州 310018;杭州电子科技大学计算机学院,浙江杭州 310018;杭州电子科技大学计算机学院,浙江杭州 310018;杭州电子科技大学计算机学院,浙江杭州 310018【正文语种】中文【中图分类】TP391.41近几年，数字视频的数量呈爆炸式增长，随之而来的问题也是层出不穷.其中，内容被篡改问题尤其严重.数字水印技术是解决这类问题的关键技术.按照水印的嵌入位置，数字视频水印可分为嵌入帧内的视频水印、嵌入帧间的视频水印以及嵌入运动向量的视频水印.文献[1]提出了一种用于版权保护的视频水印算法，将版权信息嵌入帧内的压缩域上.优点是鲁棒性较强，但不可见性不是很强.文献[2]提出了一种多层认证的视频水印算法，利用视频的多层信息构成水印信息，然后将其嵌入视频中.有着较好的信息认证作用，但其鲁棒性还有待提高.文献[3]提出了一种视频水印算法，将水印信息自适应地嵌入到每一帧的DWT域中.具有很强的鲁棒性，但是不可见性有待进一步提高.文献[4]提出了一种检测视频篡改的水印算法，首先将视频块的索引作为水印信号，然后结合SVD分解将水印信息嵌入到视频帧内.优点是可以准确检测出篡改，但是嵌入水印后的视频质量却不尽如人意.文献[5]提出了一种基于人类视觉系统的视频水印算法，根据不同视频的纹理和亮度计算出水印嵌入的量化步长，然后计算出每一帧的量化步长并将水印嵌入视频帧中，其鲁棒性和不可见性都很好，但只能用于视频版权的保护.文献[6]提出了一种基于内容认证的视频水印算法，将视频块索引作为水印按照作者提出的算法嵌入到视频帧内.其鲁棒性不尽如人意.一般情况下嵌入帧间的视频水印算法的不可见性是要好于其它两类算法，但是其鲁棒性不如嵌入帧内的视频水印算法.文献[7]提出一种双水印算法，首先将帧索引作为水印信息嵌入帧内，然后把4个连续帧中的像素看做2个坐标，利用斜率将主体水印嵌入视频内，可以有效地抵抗大部分针对视频帧的攻击和干扰，但是只能用于版权保护.文献[8]提出了一种基于一维DFT和拉东变换的视频水印算法，将一个GOP组的所有帧中相同位置的像素看做一个一维向量，然后利用拉东变换将水印嵌入视频中，但该算法没有考虑视频内容篡改的问题.由于运动向量的特殊性，嵌入在运动向量的视频水印算法的鲁棒性及不可见性通常是3类算法中最差[9-10].针对视频内容易被篡改的问题，本文提出了一种针对有字幕视频内容认证的视频水印算法.利用SVD分解，将水印嵌入视频Y通道的DCT系数上.结果表明本文算法准确有效，并且由于Y通道的像素值通常较大，所以对于DCT系数的微小修改不影响视频质量.本文提出的防篡改视频水印算法实现流程如图1所示.1.1 水印信息的生成字幕是视频中比较特殊的部分，汉字是由许多笔画组成，这些笔画大部分都是水平、垂直和对角结构，同时还须考虑视频本身的纹理特征带来的干扰.因此需要用结构张量对视频帧图片进行处理得到文字信息.下面为结构张量的原理.帧图像的像素值表示为I，那么I的二阶微分为其中，，那么像素的特征描述子为其中，G为一个常数，在本文中G=1，λ1和λ2为I″的2个特征值，T表示当前像素和周围像素的关系.结构张量处理过程为：按照从左到右，从上到下的顺序对每个像素求T，当T>0.5时，则当前像素值为0；否则，当前像素值不变.对视频帧图像处理过后，去除了大部分的背景信息.然后对其进行二值化便可定位出字幕区域并且使得其清晰可见.样本视频帧的效果测试如图2所示.从视频中提取的字幕如图3所示.具体的水印生成过程如下：1)当提取出字幕区域后，将其分割成逐个的汉字块，如图3中的字幕区域便可以分成12个汉字块；2)将每个汉字块平均分成互不重叠的16小块；3)提取每个汉字的特征点作为水印信息.具体的过程为：使汉字块中的每一小块与下一小块作比较，最后一小块与第一小块作比较.当本块像素值之和大于等于下一块时，w=1；否则w=0.例如，在图3中有12个汉字(含标点符号)，把图3中字幕区域分为12个汉字块，每个汉字块生成16位水印信息，整个字幕区域生成一个16×12的矩阵，得到如图4所示的水印信息.1.2 水印的嵌入本文算法是针对H.264视频格式的.这种视频压缩格式是将所有视频帧分为GOP 组，每一个GOP组都是由一个I帧和多个P帧以及多个B帧组成的.在压缩编码时，I帧的信息是完整存储的，而P帧和B帧则是预测帧，其存储的内容为当前帧和其它帧相比较得出的偏移量.水印只嵌入I帧，这样就可以使压缩格式对嵌入水印信息的影响达到最小化.同时，字幕在多个GOP组中重复出现，所以不必担心漏掉字幕信息.具体嵌入过程如下：1)将视频解码到帧的Y通道，找到I帧；参照H.264的压缩标准将I帧分成4×4的块B；2)对块B进行DCT变换得到B′.利用SVD变换，B′=USVT，S为4×4的对角阵.求出S的最大2个元素之和c=S(0,0)+S(1,1)；3)按照的规则将水印位嵌入到视频中.其中，α为量化步长，经过大量的实验发现当α取值为15时，算法的鲁棒性及不可见性最好，w为需要嵌入的水印信息，c′为嵌入水印之后的S′中2个最大元素之和，round为取整操作；4)水印嵌入完成之后，按照规则(S′为嵌入水印之后的对角阵)以及SVD分解公式便可以得到嵌入水印的块B′，然后利用DCT逆变换变换将嵌入水印的B′转换成嵌入水印的块B.5)对其它的块重复步骤2-4，直到全部水印嵌入完毕，再对当前I帧编码，得到嵌入水印的视频.1.3 水印的提取水印的提取过程是水印嵌入过程的逆过程，具体步骤如下：1)将视频解码到帧的Y通道，找到I帧；参照H.264的压缩标准将I帧分成4×4的块B；2)对块B进行DCT变换得到B′.利用SVD变换，B′=USVT，求出S的最大2个元素之和c.3)按照提取水印；4)重复步骤2-3直到所有水印提取完毕.实验平台为vs2010，解码软件为ffmpeg，样本为H.264格式视频，采用以下4个样本，每个样本200帧.如图5所示.运用本算法与其它算法进行了实验，下面给出部分数据比较.由于视频水印算法面临的最大问题是不可见性和鲁棒性的平衡问题，本文针对不可见性和鲁棒性做了进一步比较分析.2.1 字幕篡改检测图6展示了字幕被篡改前后的2幅帧图片.从图6中可以看出，文字被篡改后并没有特别明显的痕迹，所以利用肉眼是无法判别字幕是否是被篡改过的.采用本文的视频水印算法检测得出的结果如表1所示.表1中，篡改面积指篡改之后的文字与原来的相比较，它们不同之处与整体原文字的面积的比值.当篡改文字与原文字差异小于15%时，除了能检测出被篡改的文字外，还会误检测出别的未被篡改的文字.这是由于受视频背景的干扰，当篡改前后文字差异较小时，出现误检测的情况.当篡改文字与原文字差异大于15%时，本文算法中就判定文字被篡改，并能检测出被篡改的文字.2.2 字幕提取及处理实验采用以下几类方法进行字幕的信息提取：文献[12]的经典大津法采用类间方差得到区分前景和背景的阈值，利用这个阈值区分图像上的文本区域和背景区域；文献[13]采用视频编码过程中的DCT系数自适应地确定文本分割时阈值，然后利用这个阈值分割文本区域和背景区域；文献[14]采用视频文本关键点(KTP)来区分视频中的文本区域和背景区域；本文采用结构张量来构造像素特征描述子，然后利用描述子区分视频中的文本区域和背景区域.处理后的效果如表2所示.从表2可以看出，使用文献[12]、文献[13]、文献[14]方法处理的字幕有部分字幕不清晰.这是因为视频背景较为复杂，对字幕区域有较大干扰，用这些方法处理并二值化字幕区域致使部分字幕损坏，但使用本文的算法后，字幕清晰可见，水印信息准确.2.3 不可见性测试实验中，采取客观评价标准峰值信噪比(PSNR)和水印提取正确率(BCR).峰值信噪比(PSNR)的定义为：其中，m×n为帧的大小，I(i,j)和I′(i,j)为嵌入水印前后帧的像素值.提取水印正确率(BCR)的定义为：其中，m×n为帧的大小，I(i,j)和I′(i,j)为嵌入水印前后帧的像素值，⊕为异或操作. 实验抽取4个样本，采用文献[6]算法和本文算法分别计算平均标准峰值信噪比(PSNR).文献[6]中的算法是通过修改H.264视频中4×4小块副对角线上的系数将水印嵌入进去，结果如表3所示.2.4 鲁棒性测试表4中列出了文献[6]中算法以及本文算法对于5种不同攻击的抗攻击性.受攻击后的水印提取正确率越高，即说明算法的抗攻击性越强.表4中的提取正确率是指经过攻击后提取出的水印信息和正确的相比较所得出的正确率.由于样本2和样本4本身的背景比较丰富，所以对于相同的攻击，这2个样本的数据要差一些.通过以上的数据可以看出，本文算法相比于文献[6]的算法的表现要更好一些.本文提出了一种针对有字幕视频内容认证的视频水印算法.本文算法引入结构张量定位字幕区域，生成了准确的水印信息.然后利用SVD分解，将水印嵌在视频帧的DCT域上.实验结果证明本文算法可以准确定位被篡改的字幕区域.在实验部分将本文算法和文献[6]中提出的算法做了比较，结果证明本文算法的不可见性良好，并且针对噪声和压缩攻击水印的提取正确率都在90%以上.但是在实验中发现本文算法在抗帧攻击方面还是存在一定的缺陷，需要进一步改善.【相关文献】[1]ZHANG J, HO A T S, QIU G, et al. Robust video watermarking of H. 264/AVC[J]. Circuits and Systems II: Express Briefs, IEEE Transactions on, 2007, 54(2): 205-209.[2]TEW Y, WONG K S, PHAN R C W, et al. Multi-layer authentication scheme for HEVC video based on embedded statistics[J]. Journal of Visual Communication and Image Representation, 2016, 40: 502-515.[3]LOGANATHAN A, KALIYAPERUMAL G. An adaptive HVS based video watermarking scheme for multiple watermarks using BAM neural networks and fuzzy inference system[J]. Expert Systems with Applications, 2016, 63:412-434.[4]FALLAHPOUR M, SHIRMOHAMMADI S, SEMSARZADEH M, et al. Tampering detection in compressed digital video using watermarking[J]. Instrumentation and Measurement,IEEE Transactions on, 2014, 63(5): 1057-1072.[5]CEDILLO-HERNANDEZ A, CEDILLO-HERNANDEZ M, GARCIA-VAZQUEZ M, et al. Transcoding resilient video watermarking scheme based on spatio-temporal HVS and DCT[J]. Signal Processing, 2014, 97(7): 40-54.[6]XU D, WANG R, WANG J. A novel watermarking scheme for H. 264/AVC video authentication[J]. Signal Processing: Image Communication, 2011, 26(6): 267-279.[7]CHEN H, ZHU Y. A robust video watermarking algorithm based on singular value decomposition and slope-based embedding technique[J]. Multimedia tools and applications, 2014, 71(3): 991-1012.[8]LIU Y, ZHAO J. A new video watermarking algorithm based on 1D DFT and Radon transform[J]. Signal Processing, 2010, 90(2): 626-639.[9]WEI H, KOU Z. Research and Application of Digital Watermark for Video Copyright Protection[C]//Computational Intelligence and Security, 2009. CIS′09. I nternational Conference on. IEEE, 2009: 246-250.[10]王量. 基于 MPEG-2 的视频水印技术研究[D].济南:山东科技大学, 2009.[11]ZHANG S Q, ZHANG K L. Texture image segmentation model based on eigenvalues of structure tensor[J]. Acta Electronica Sinica, 2013, 41: 1324-1328.[12]OHTSU N. A Threshold Selection Method from Gray-Level Histograms[J]. Systems Man & Cybernetics, IEEE Transactions on, 1979, 9(1):62-66.[13]QIAN X, WANG H, HOU X. Video text detection and localization in intra-frames of H. 264/AVC compressed video[J]. Multimedia tools and applications, 2014, 70(3): 1487-1502.[14]LI Z, LIU G, QIAN X, et al. Effective and efficient video text extraction using key text points[J]. IET image processing, 2011, 5(8): 671-683.。