前言

BEMD-SD Domain Image Watermarking Algorithm Using Simplified Bivariate Generalized t Distribution and Entropy Threshold Edge Detection

                 王飞，牛盼盼，王向阳

第一作者：王飞

通讯作者：王飞

通讯单位：大连东软信息学院

论文链接：https://doi.org/10.1007/s00034-025-03147-0

成果简介

近日，大连东软信息学院人工智能学院王飞老师在SCI收录（中科院3区）期刊《Circuits, Systems, and Signal Processing》上发表了题为《BEMD-SD Domain Image Watermarking Algorithm Using Simplified Bivariate Generalized t Distribution and Entropy Threshold Edge Detection》的论文。

引言

数字水印技术能有效解决多媒体作品的版权保护与内容认证等信息安全问题。基于统计模型的水印算法在水印嵌入环节，采用乘性策略对载体信号进行调制，以确保水印嵌入强度与载体信号强度成比例变化，这样更符合人类视觉系统，从而最大限度地平衡鲁棒性与不可见性；在水印检测环节，结合充分反映图像本身特点的多尺度变换特性（多分辨率、能量聚集等），有效利用变换域系数的统计特性，构建数字水印解码器来提取数字水印信息。此类方法可以有

成果介绍

本文设计了一种性能良好的统计盲水印方案来保护数字图像的版权。首先，将具有多尺度筛分特性的二维经验模态分解（BEMD）与计算快速的舒尔分解（SD）结合，以构造出稳健的数字水印载体；然后，结合熵阈值边缘检测技术，将边缘图像高熵位置映射至载体子带以选取稳定嵌入位置，并进行水印信息嵌入；接下来，根据载体系数的子带内、子带间等强相关性，利用简化二元广义t分布进行精确建模，并采纳反调和牛顿极大似然法估计模型参数；最后，结合最大似然准则构造出数字水印解码器以提取水印信息。在大量测试图像上的实验结果表明，所提出的盲水印解码器优于大多数先进的统计方法和最近在文献中提出的深度学习方法。在可容纳相同容量的水印的前提下，该方法具有良好的不可感知性和鲁棒性。

图1 数字水印嵌入流程

图2 数字水印提取流程

图3 训练样本选取

图4 边缘统计模型拟合测试

图5 建模对象间相关性分析

图6 联合统计模型拟合测试

图7 平均峰值信噪比（PSNR）与误码率（BER）性能对比

通讯作者简介

 王飞，大连东软信息学院人工智能学院网络与物联网工程系专业教师，主讲《计算机网络》、《存储与虚拟化技术》、《Linux基础》、《Linux高级运维与管理》等课程。研究方向为网络信息安全（信息隐藏与数字水印），发表学术论文4篇，均被SCI检索。