41、图像水印算法与安卓恶意软件检测技术研究

图像水印算法与安卓恶意软件检测技术研究

图像水印相关研究

不同水印容量下的图像评估

在图像水印处理中，不同的水印容量会对图像质量产生影响。通过 PSNR（峰值信噪比）和 SSIM（结构相似性指数）两个评估标准，对不同水印容量（50 位、100 位、150 位、200 位）的水印图像进行评估，结果如下表所示：
| 评估标准 | 50 位 | 100 位 | 150 位 | 200 位 |
| — | — | — | — | — |
| PSNR | 30.43 | 30.02 | 28.87 | 23.48 |
| SSIM | 0.923 | 0.919 | 0.845 | 0.808 |

从表中可以看出，随着水印容量的增加，PSNR 值逐渐降低，SSIM 值也有所下降，这表明图像质量在一定程度上受到了影响。

图像预处理前后的性能比较

对档案图像进行预处理后，图像仍然能够清晰地识别文本和颜色，并且更接近现实生活中存储的档案图像。这说明预处理操作在保留图像关键信息的同时，对图像进行了优化。

网络训练速度比较

提出了一种基于 Stegastamp 模型的新型莫尔网络，进而提出了 ScreenNet 算法。将其与 Stegastamp 模型的训练速度进行比较，结果如下表所示：
| 方法 | 迭代次数 | 每次迭代时间（s） | 总时间（min） |
| — | — | — | — |
| Stegastamp | 140000 | 0.185 | 432 |
| ScreenNet | 140000 | 0.244