狂放不羁霸的博客

1 Watermark Embedding Procedure2 Watermark Extraction Procedure3 对核心步骤的理解

1 什么是量化索引调制？ 1.1 为什么使用 QIM？ 1.2 QIM 的算法思想 1.3 什么是量化操作？ 1.4 论文中对 QIM 的介绍 2 盲水印论文中的实际应用 2.1 均匀量化器 2.2 对论文的分析

Noise Attack1 高斯噪声（Gaussian Noise）2 椒盐噪声（Salt and Pepper Noise）3 泊松噪声（Poisson Noise）4 斑点噪声（Speckle Noise）5 完整代码

前言1 回顾：论文 A 的嵌入规则2 论文 B 的嵌入规则3 论文 A 的提取规则4 论文 A 的嵌入规则5 代码实现

Evaluation metrics1 测量含水印图像的质量1.1 PSNR 指标1.2 SSIM 指标2 测量提取出的水印的质量2.1 NC 指标2.2 BER 指标

Proposed Watermarking Scheme1 Watermark Encryption Algorithm2 Watermark Embedding Algorithm3 Watermark Extraction Algorithm4 Watermark Decryption Algorithm

Preliminaries 1 Chaotic Logistic Map 2 Discrete Cosine Transform 3 Discrete Wavelet Transform

Introduction 1 水印的分类 2 水印算法的分类 3 评价水印算法的标准 4 本文提出的方案

1 基本原理2 代码实现3 分岔图代码实现

1 基本原理 2 代码实现 3 图像压缩

Digital Watermarking Robust to Geometric Distortions

Digital Watermarking Robust to Geometric Distortions

1 仿射变换是什么 2 仿射变换的数学表达式 3 变换矩阵的数学表达式 3.1 平移变换 3.2 缩放变换 3.3 旋转变换 3.4 反射变换 3.5 剪切变换 参考博客

前言 1 数学中的矩 1.1 离散的情况 1.2 连续的情况 2 图像的矩 2.1 p+q 阶矩 2.2 HU 矩 2.2.1 原点矩 2.2.2 中心矩 2.2.3 归一化中心矩

前言 1 小波变换 2 连续小波变换（CWT） 2.1 小波函数 2.2 小波变换的实现 3 离散小波变换（DWT） 4 应用：降噪

奇异值分解 SVD 的 Python 代码实现

1 为什么使用 SVD？2 SVD 的定义是什么？3 如何求解奇异值 SV？4 什么是 SVD 的性质？

Image Watermarking Using Discrete Wavelet Transform and Singular Value Decomposition for Enhanced Imperceptibility and Robustness

Image Watermarking Using Discrete Wavelet Transform and Singular Value Decomposition for Enhanced Imperceptibility and Robustness

Python 基于离散小波变换 DWT 的图像水印嵌入

Python 基于离散小波变换 DWT 的图像水印嵌入

离散小波变换 DWT 的 Python 代码实现

Arnold 变换的 Python 代码实现（灰度图版）

1 回顾：Arnold 公式 2 核心代码实现 3 完整代码实现

Arnold 变换的 Matlab 代码实现

离散小波变换非专业版入门

数字水印技术原理入门