SVD随着计算机网络的不断发展,多媒体信息的版权保护问题变得十分突出,已成为一个非常紧迫的议题。数字水印技术是实现版权保护的一种非常有效的方法,已经成为信息隐藏领域的一个热门方向。本文着重讨论了数字水印技术在数字图像中的应用,特别地,对于基于神经网络和SVD的自适应的数字水印技术进行了深入的研究与实验。首先比较全面地介绍了数字水印技术的发展历史、现状、基本模型、特征、分类、现有的主要的算法和应用,并对数字水印的发展前景做出了一个展望。接着阐述了神经网络和奇异值分解( SVD)的相关理论。利用图像分割法,提出了基于图像分割和SVD的数字水印算法。该算法将原始图像划分为许多不同的区域,对于不同的区域,分别采用同一区域块用统一的量化步长和同一区域用基于统计特性的自适应量化步长等两种形式对其进行分析。而且在用统一的量化步长时,我们分别就嵌入部分分别为图像的某一区域和各个区域进行讨论。水印的提取不需要原始图像,并受到密钥的控制,不知道密钥就无法正确恢复水印。利用神经网络和奇异值分解的特性,提出一种通过自适应量化处理将二值水印图像嵌入到原始图像中的新的盲水印算法。该算法首先对原始图像进行小波变换-SVD随着计算机网络的不断发展,多媒体信息的版权保护问题变得十分突出,已成为一个非常紧迫的议题。数字水印技术是实现版权保护的一种非常有效的方法,已经成为信息隐藏领域的一个热门方向。本文着重讨论了数字水印技术在数字图像中的应用,特别地,对于基于神经网络和SVD的自适应的数字水印技术进行了深入的研究与实验。首先比较全面地介绍了数字水印技术的发展历史、现状、基本模型、特征、分类、现有的主要的算法和应用,并对数字水印的发展前景做出了一个展望。接着阐述了神经网络和奇异值分解( SVD)的相关理论。利用图像分割法,提出了基于图像分割和SVD的数字水印算法。该算法将原始图像划分为许多不同的区域,对于不同的区域,分别采用同一区域块用统一的量化步长和同一区域用基于统计特性的自适应量化步长等两种形式对其进行分析。而且在用统一的量化步长时,我们分别就嵌入部分分别为图像的某一区域和各个区域进行讨论。水印的提取不需要原始图像,并受到密钥的控制,不知道密钥就无法正确恢复水印。利用神经网络和奇异值分解的特性,提出一种通过自适应量化处理将二值水印图像嵌入到原始图像中的新的盲水印算法。该算法首先对原始图像进行小波变换...