前言 
第1章緒論1 
1.1信息隱藏概述1 
1.2信息隱藏的應用領域3 
1.2.1保密通信3 
1.2.2數字版權保護4 
1.2.3數字指紋4 
1.2.4內容認證4 
1.3數字水印概述4 
1.4數字水印基本原理及應用6 
1.4.1數字水印的基本原理7 
1.4.2數字水印的基本特性8 
1.4.3圖像數字水印經典算法9 
1.4.4常見數字水印攻擊方法10 
1.4.5數字水印的性能評價11 
1.4.6數字水印的應用13 
1.5可逆信息隱藏概述13 
1.5.1可逆信息隱藏的相關概念13 
1.5.2可逆信息隱藏的關鍵問題14 
1.6可逆信息隱藏算法分類及發展15 
1.7本章小結16 
參考文獻16 
第2章基礎理論22 
2.1圖像處理中的變換22 
2.1.1離散餘弦變換22 
2.1.2離散小波變換23 
2.1.3輪廓波變換24 
2.2神經網絡基礎知識26 
2.2.1神經網絡簡介26 
2.2.2神經網絡基本模型26 
2.3混沌映射基礎知識31 
2.3.1混沌的定義31 
2.3.2混沌的特征及其判別準則31 
2.3.3Baker映射33 
2.3.4Logistic映射34 
2.3.5Arnold映射34 
2.3.6Baker映射與Arnold映射對比35 
2.4高階累積量與奇異值分解37 
2.4.1高階累積量37 
2.4.2奇異值分解38 
2.5粒子群優化算法39 
2.6壓縮感知理論40 
2.6.1信號稀疏性41 
2.6.2信號觀測42 
2.6.3信號重建43 
2.6.4分塊壓縮感知43 
2.7人類視覺模型基本概念45 
2.7.1人類視覺模型45 
2.7.2Watson感知模型46 
2.7.3顯著性檢測47 
2.8本章小結49 
參考文獻49 
第3章零水印算法及其應用51 
3.1基於高階累積量的零水印算法51 
3.1.1高階累積量51 
3.1.2零水印的構造和檢測算法52 
3.1.3仿真實驗53 
3.2基於小波變換和奇異值分解的零水印算法55 
3.2.1魯棒零水印產生55 
3.2.2魯棒零水印提取和版權認證56 
3.2.3閾值選擇56 
3.2.4實驗結果57 
3.3基於神經網絡的零水印算法59 
3.3.1隨機像素點的選取60 
3.3.2神經網絡模型61 
3.3.3二值模式的產生61 
3.3.4檢測密鑰的獲取62 
3.3.5水印信號的檢測62 
3.3.6水印的重復嵌入63 
3.4基於神經網絡的半脆弱零水印算法63 
3.4.1算法描述63 
3.4.2實驗結果65 
3.4.3安全性69 
3.5基於相鄰塊數值關繫的魯棒零水印算法69 
3.5.1DC-RE算法69 
3.5.2CU-SVD算法70 
3.5.3CU-SVD-RE算法71 
3.5.4預處理算法71 
3.5.5實驗結果71 
3.6基於混沌映射的數字水印算法78 
3.6.1水印嵌入算法78 
3.6.2水印提取算法79 
3.6.3仿真實驗79 
3.6.4實驗結果分析80 
3.7本章小結83 
參考文獻83 
第4章量化索引調制數字水印算法84 
4.1量化索引調制數字水印算法概述84 
4.1.1量化索引調制原理84 
4.1.2抖動調制85 
4.1.3擴展變換抖動調制與擴展變換量化索引調制87 
4.1.4基於視覺模型的自適應QIM88 
4.2基於改進視覺模型的自適應水印算法91 
4.2.1ST-QIM-B1MW-SS算法與ST-QIM-B2MW-SS算法91 
4.2.2ST-QIM-fMW-SS算法96 
4.2.3ST-QIM-MS-SS算法99 
4.2.4從幾個特定角度對改進的ST-QIM算法的研究102 
4.3基於擴展變換的對數水印算法107 
4.3.1基於擴展變換的數字水印算法107 
4.3.2擴展變換量化索引調制算法107 
4.3.3基於視覺模型的擴展變換水印算法109 
4.3.4基於擴展變換的對數水印算法110 
4.3.5擴展變換對數水印算法中參數μ的取值分析113 
4.3.6基於JPEG量化表改進的擴展變換對數水印算法115 
4.3.7實驗仿真與分析116 
4.3.8擴展變換對數水印算法中參數μ的影響116 
4.3.9算法性能比較122 
4.4基於視覺模型的多級混合分塊DCT域水印算法123 
4.4.1DCT能量聚集特性124 
4.4.2基於視覺模型的多級混合分塊DCT域水印算法流程124 
4.4.3實驗仿真與分析125 
4.5基於混合變換和子塊相關的改進STDM算法129 
4.5.1算法的理論背景130 
4.5.2基於DWT和DCT組合變換的兩種算法130 
4.5.3兩種算法的性能分析131 
4.5.4仿真實驗結果及討論136 
4.6基於視覺顯著性和輪廓波變換對數量化索引調制水印算法139 
4.6.1改進的對數量化索引調制水印算法140 
4.6.2量化步長的選擇142 
4.6.3嵌入位置的選擇144 
4.6.4水印嵌入算法146 
4.6.5水印提取算法147 
4.6.6實驗仿真與分析147 
4.6.7不可感知性148 
4.6.8視覺顯著性以及輪廓波變換的有效性149 
4.6.9魯棒性150 
4.7本章小結154 
參考文獻155 
第5章基於壓縮感知的數字水印算法158 
5.1基於分塊壓縮感知的圖像半脆弱零水印算法158 
5.1.1水印的構造158 
5.1.2水印的檢測159 
5.1.3篡改恢復159 
5.1.4水印檢測原理及保密性分析160 
5.1.5仿真實驗及分析160 
5.2角度量化索引調制及其改進算法163 
5.2.1角度量化索引調制算法163 
5.2.2改進算法164 
5.3基於分塊壓縮感知的角度量化索引調制水印算法165 
5.3.1測量矩陣的選擇165 
5.3.2水印嵌入算法167 
5.3.3水印提取算法169 
5.3.4算法性能分析170 
5.3.5壓縮比的影響172 
5.3.6實驗仿真及分析173 
5.4基於壓縮感知噪聲重構的DWT-DCT域水印算法178 
5.4.1基於DWT-DCT變換的水印算法178 
5.4.2正交匹配追蹤重構算法179 
5.4.3基於OMP噪聲重構的DWT-DCT域水印算法181 
5.4.4實驗仿真與分析184 
5.5本章小結187 
參考文獻188 
第6章二值圖像信息隱藏算法190 
6.1二值圖像信息隱藏常見算法190 
6.2基於分塊嵌入的二值圖像信息隱藏算法191 
6.2.1分塊嵌入的基本概念191 
6.2.2信息嵌入和提取過程192 
6.2.3分塊方式選擇192 
6.2.4可翻轉像素點選取準則194 
6.3二值圖像信息隱藏算法性能指標196 
6.3.1嵌入容量196 
6.3.2視覺失真度量化197 
6.3.3計算復雜度198 
6.4仿真實驗及分析198 
6.4.1連通性保持二值圖像信息隱藏算法步驟199 
6.4.2仿真實驗結果分析201 
6.5本章小結206 
參考文獻207 
第7章可逆信息隱藏算法208 
7.1可逆信息隱藏算法概述208 
7.2基於差值擴展的可逆信息隱藏算法209 
7.3基於直方圖平移的可逆信息隱藏算法211 
7.3.1可逆信息隱藏算法嵌入過程211 
7.3.2嵌入算法的偽代碼212 
7.3.3提取算法的偽代碼214 
7.3.4嵌入和提取流程圖214 
7.3.5嵌入圖像相對於原始圖像的PSNR下界214 
7.3.6應用216 
7.3.7計算復雜度216 
7.3.8實驗結果和比較216 
7.4基於預測誤差擴展的可逆信息隱藏算法220 
7.5基於差值直方圖平移的可逆信息隱藏算法221 
7.5.1差值直方圖222 
7.5.2算法描述222 
7.5.3二維差值直方圖平移算法223 
7.6基於多直方圖平移的可逆信息隱藏算法226 
7.6.1預測誤差直方圖平移算法226 
7.6.2圖像像素值預測229 
7.6.3信息的嵌入與可逆提取231 
7.6.4多直方圖平移算法235 
7.6.5MATLAB仿真實驗結果分析238 
7.7本章小結241 
參考文獻241 
第8章密文域可逆信息隱藏算法243 
8.1概述243 
8.2密文域可逆信息隱藏框架245 
8.3VRBE算法247 
8.3.1不可分離的VRBE算法248 
8.3.2可分離的VRBE算法249 
8.4VRAE算法256 
8.4.1VRAE：明文域數據提取256 
8.4.2VRAE：密文域數據提取261 
8.4.3VRAE：雙域中數據提取262 
8.5本章小結265 
參考文獻265