基于超混沌的RBF神经网络图像自适应水印算法

PDF全文下载：  201805016.pdf

文章编号： 16726987（2018）05010605； DOI： 10.16351/j.16726987.2018.05.016

杨树国1， 刘庆亮1， 熊鹏程2

(1.青岛科技大学 数理学院，山东 青岛 266061;2.亚马逊A9中央经济搜索部，加利福尼亚州 帕洛阿尔托 94301）

摘要： 为了更好地保护图像版权信息，本工作结合超混沌系统和RBF神经网络，提出一种基于超混沌的RBF神经网络模型加密算法，根据JND（最小可视觉误差）模型实现水印的自适应嵌入，并应用RBF神经网络进行水印信息盲检测。实验研究表明：该算法复杂度较低、容易实现，并且具有良好的安全性、不可感知性和鲁棒性。

关键词： 超混沌; RBF神经网络; JND模型; 盲检测

中图分类号： TP 309文献标志码： A

引用格式： 杨树国， 刘庆亮， 熊鹏程. 基于超混沌的RBF神经网络图像自适应水印算法\[J\]. 青岛科技大学学报（自然科学版）， 2018， 39（5）： 106110.

YANG Shuguo, LIU Qingliang, XIONG Pengcheng. Image adaptive watermarking algorithm based on hyperchaotic RBF neural network\[J\]. Journal of Qingdao University of Science and Technology（Natural Science Edition), 2018, 39(5)： 106110.

Image Adaptive Watermarking Algorithm Based

 on Hyperchaotic RBF Neural Network

YANG Shuguo1, LIU Qingliang1, XIONG Pengcheng2

(1.College of Mathematics and Physics, Qingdao University of Science and Technology, Qingdao 266061, China)

（2.A9 Central Economic Search Department Amazon.com Inc, Palo Alto 94301, USA）

Abstract: In order to better protect the image copyright, this paper proposes a new algorithm based on hyperchaotic and RBF neural network model encryption algorithm, which is based on JND (minimum visual error) model to realize adaptive embedding of watermark, using RBF neural network to realize blind detection of watermark information. Experimental results show that the algorithm is low in complexity, easy to implement. And it also has good security, imperceptibility and robustness.

Key words: hyperchaotic; RBF neural network; JND model; blind detection

收稿日期：  20170925

基金项目： 山东省教育科学“十二五”规划课题项目（YBS15014）；山东省重点研发计划项目（2015GGX101020）; 青岛市科技发展计划项目(KJZD1327JCH);山东省研究生教育创新计划项目（SDYY16010）.

作者简介： 杨树国(1970—)，男，教授.