如何解决数字水印:线性相关盲检测
我试图通过应用线性相关来了解盲检测(没有掩护工作的检测)是如何工作的。 这是我目前的理解:
嵌入(一位):
- 我们使用水印密钥生成参考模式
w_r
-
W_m
:如果我们想嵌入一个零位,我们将w_r
乘以强度因子a
并取负值。 - 那么:
C = C_0 + W_m + N
,其中N
是噪音
盲检测(在文献中找到):
- 我们需要计算
w_r
和C
之间的线性相关性,以检测w_r
中C
的出现。一般的线性相关是归一化标量积 =1/(j*i) *C*w_r
-
C
由C_0*w_r + W_m*w_r + w_*r*N
组成。据说,因为左右项可能很小,而W_m*w_r
的量级很大,所以LC(C,w_r) = +-a * |w_r|^2/(ji)
这对我来说毫无意义。为什么我们只考虑使用 +-a * |w_r|^2/(ji)
来检测水印,而不使用 C
?此术语 LC(C,w_r) = +-a * |w_r|^2/(ji)
独立于 C
?
或者这是否只能解释为什么我们可以说低线性相关对应于零位而高值对应于一位,而我们只是像通常使用标量积那样计算LC(C,w_r)
?
谢谢!
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。