水印图像

关键词： 水印

水印图像（精选十篇）

水印图像 篇1

随着现代科技的发展, 高质量数字录制设备的数量剧增, 信息产品被盗版的风险也随之剧增, 这使得信息产品的安全成为人们日益关注的目标。以保护版权等为主要目的数字水印技术显得越来越重要。通常我们把水印定义为:不被感知地在作品中嵌入信息的行为, 但是广义的水印也包括可见水印。通常我们所说的水印都是不可见水印。数字水印的概念是Caronni于1993年提出来的, 并且应用于数字图像, 此后, 研究人员将数字水印的概念扩展到电视图像和声音设备。随着数字技术的不断发展, 会有更多种类的数字媒体出现, 同时也会产生相应载体的水印技术。以图像为载体的数字水印技术是当前水印技术研究的重点之一, 它吸引了众多研究人员和学者的浓厚兴趣。在该领域发表的论文数目要远大于以音频、视频等信号为载体的水印方面的论文。以保护版权等为主要目的的彩色图像数字水印技术显得越来越重要。

1 数字水印简介

最早出现的有关数字水印的文献包括Tanaka, Caronni和Tirkel分别于二十世纪九十年代初所发表的论文, 目前该技术已受到越来越多的国内外学者的重视, 国际上已有不少著名大学和研究机构投入相当大的人力和财力, 致力于该项技术的研究, 并取得了一定的成果。不同的学科领域, 每个研究者都有独特的研究角度。从数字水印的加入和检测算法的研究方面来看, 学者们已经给出了一些较有影响的算法:Tirkel提出一种典型空间数据隐藏算法 (最低有效位算法LSB) , 利用一个扩展m序列作为水印。把m序列扩展成二维, 应用相关函数改进了检测过程。并把LSB应用于彩色图像。在Patchwork算法中提出了一种基于直接序列扩频技术的水印方法。Kutter提出了更为复杂的空间扩频水印方案:基于灰度图像的预测编码的水印算法。Puate提出了基于分形图像压缩的水印方法。还提出了一种基于感知模型的水印方法。水印嵌入/检测可以在DCT域或DWT域进行。设计了一个平移、旋转、缩放不变的水印算法, 这是第一个专门设计用来抵抗几何变换的水印算法, 具有重要的启发意义。DCT变换域数字水印算法是目前研究最多的一种数字水印, 它具有鲁棒性强, 隐蔽性好的特点。较早的DCT域水印算法有一种基于图像全局变换的数字水印方法, 提出了在通用文档图像 (PostScript) 中隐藏特定二进制信息的技术, 数字信息通过微调文档中的以下结构来完成编码:垂直移动行距, 水平调整字距, 调整文字特性等。

2 数字水印现阶段的发展

随着理论研究的不断深入, 相关的软件也在不断推出, 出现了很多从事数字水印应用的公司, 有的还将它们的水印嵌入软件或水印攻击软件发布在互联网上, 提供服务或供人们下载。为人们进行研究提供了极大的方便。在实用化方面, 以麻省理工学院为代表的一批研究机构和企业已经申请了数字水印方面的专利。目前, 已支持或开展数字水印研究的机构既有政府部门, 也有知名企业, 它们包括美国财政部, 美国版权工作组, 美国空军研究院, 美国陆军研究实验室, 德国国家信息技术研究中心, 日本NTT信息与通信系统研究中心, 麻省理工学院, 伊利诺斯大学, 明尼苏达大学, 剑桥大学, 瑞士洛桑联邦工学院, 西班牙Vigo大学, IBM公司Watson研究中心, 微软公司剑桥研究院, 贝尔实验室, CA公司, Sony公司, NEC研究所以及菲利浦公司等。

3 我国数字水印的发展

国内在信息隐藏方面的研究起步稍晚, 但已引起了信息安全领域研究人员的普遍关注, 1999年12月何德全院士, 周仲义院士, 蔡吉人院士与有关应用研究单位联合发起召开了我国第一届信息隐藏学术研讨会, 会议决定研讨会每年召开一次, 以促进国内信息隐藏技术的研究工作。第二届信息隐藏学术研讨会2000年6月在北京召开, 会议发表了论文集。第三届信息隐藏学术研讨会2001年9月在西安举行。数字水印的研究人员也于2000年1月召开了国内第一届数字水印技术研讨会, 并建立了数字水印研究主页和邮件列表。2001年1月, 由国家“863”智能机专家组和中科院自动化所模式识别国家重点实验室组织召开了数字水印学术研讨会。通信学分会和北京电子技术应用研究所联合主办的全国第四届信息隐藏学术研讨会于2002年8月24-26日在大连召开, 目前国内学术界有一批有实力的科研机构已投入到这一领域的研究中来。其中主要单位有中科院模式识别国家重点实验室, 中科院计算所CAD开发实验室, 北京大学, 浙江大学, 上海交通大学, 国防科技大学, 复旦大学等多家科研机构与高等学府。

但是我国在该领域的研究尚不普及, 目前还没有成熟的技术或产品问世。随着数字化产品在中国的普及, 如何有效保护产品的产权将成为厂商极为关心的问题。电子出版物的版权保护, 电子商务发展, 网上银行, 网上购物以及电子货币等业务的发展, 迫切需要开展数字水印技术的研究。因此有必要研制我们自己的数字水印产品, 以适应新技术的发展。

4 数字水印的应用前景

数字水印的应用前景可谓相当广泛。在数字作品的知识产权保护方面, 秘密的版权声明和水印可被藏入图像作为知识产权的鉴别;在商务交易中可用于票据防伪;在声像数据的隐藏标识和篡改提示方面可作为特征标签, 诸如解释, 注释, 时间标志和其他描述性成分都可藏入图像, 像片中的人名, 地图中的位置等。在图像数据库中, 隐藏关键字可以方便查找;在视频图像中可隐藏时间标志来与声音同步;图像的浏览次数也可以隐藏, 并用于“按次记费”;在隐蔽通信及其对抗方面数字水印的应用前景也极其广阔, 在很多情况下, 传递密码信息会招惹麻烦, 甚至被法律禁止, 然而密写不会使通讯内容暴露, 所以商业机密, 蓝图或其他敏感信息都可以被安全传送而不惊动攻击者和窃听者。

总之, 数字水印技术是一种横跨信号处理、数字通信、密码学、计算机网络等多学科的新兴技术, 具有巨大的潜在应用市场, 对它的研究具有重要的学术和经济价值。

参考文献

[1]伯晓晨, 沈林成, 常文森.数字水印技术、概念、应用及现状.计算机世界.2000.

[2]蔡丽娟.数字水印技术的分析.南京大学硕士研究生毕业论文.2008.

[3]蔡汉添, 何军辉.一种基于DCT中频的图像水印技术.华南理工大学学报 (自然科学版) .2001.

[4]陈青, 苏祥芳, 王延平.采用小波变换的鲁棒隐形水印算法.通信学报.2001.

水印图像 篇2

基于神经网络自联想的数字图像水印算法

基于神经网络自联想记忆功能,提出了一种新的数字图像水印算法.首先将水印信息存储到神经网络中;再将其分别嵌入到原始图像小波分解的近似系数分量和细节系数分量中,采用嵌入水印过程的逆过程提取水印;最后利用神经网络对提取出的水印图像进行后处理.实验结果表明所提方法在满足水印的不可感知性的`前提下,对多种攻击,如JPEG压缩、加性和乘性噪声干扰、滤波、剪切等具有较强的鲁棒性.

作 者：张敏瑞 张丽娜 黄兴 ZHANG Min-rui ZHANG Li-na HUANG Xing  作者单位：张敏瑞,张丽娜,ZHANG Min-rui,ZHANG Li-na(西安科技大学,通信与信息工程学院,陕西,西安,710054)

黄兴,HUANG Xing(华为技术有限公司,陕西,西安,710075)

刊 名：江西师范大学学报（自然科学版）  ISTIC PKU英文刊名：JOURNAL OF JIANGXI NORMAL UNIVERSITY（NATURAL SCIENCES EDITION） 年，卷(期)：2007 31(5) 分类号：O174 关键词：水印   神经网络   联想记忆   小波  

数字图像水印技术与应用 篇3

关键词：数字水印；空域算法；交换域算法；应用

中图分类号：TP309 文献标识码：A文章编号：1007-9599 (2010) 13-0000-02

Digital Image Watermarking and Application

Zhao Haijun1,2

(1.Fuqing Branch of Fujian Normal University,Fuqing350300,China;2. School of Information Science and Technology,Xiamen University,Xiamen361005,China)

Abstract:Digital watermarking as a main method for copyright protection and as a new way for hiding information,has become a hot topic and gained increasing attention both abroad and at home in recent years. The concept,classifications,features and working process have been well introduced,and then a contrastive analysis of its classical algorithms has been promoted.Finally,its application field is summarized and an expectation about its future possible development direction is given.

Keywords:Digital watermark;Spatial domain algorithm;Transform domainalgorithm;Application

多媒体通信业务和网络数字化的日益普及使得信息所有者可以方便地通过互联网发布的信息，同时，也可以便捷地通过网络获取所需信息。随之，信息数字化产品的信息安全与版权保护问题已成为迫在眉睫的现实问题。加密（cryptography）技术是解决此问题的一种传统方法。然而，加密却也有其极限性：一是其非常规性的表现形式同时也泄露了内容的重要性；二是它只能保证信息内容的保密性却无法解决版权问题。正是在这种环境下，数字水印技术通过在数字作品中嵌入水印信息来确定数字作品的所有权或检验数字内容的原始性，弥补了加密技术对解密后的数据不能进一步保护的不足。（向德生等2005:326-333）

一、数计水印技术概念及特征

（一）概念

数字水印技术是借用了传统水印的概念，将其在数字媒体中推广应用。其技术的研究涉及信息学、密码学、数学、计算机科学、模式识别等多种学科的研究领域，是信息隐藏技术研究领域的重要分支。

（二）分类

根据其表现形式，数字图像水印分为可见水印（Visible Digital Watermark）和不可见水印（Invisible Digital Watermark）两种。可見水印指通过人眼可以看见的水印。这一类水印一般选用较淡或半透明的不碍观瞻的图案，其主要目的在于明确标识版权，防止非法使用；不可见水印与可视水印相反，它加在图像当中从表面上是不易察觉的。根据水印的性质，可分为鲁棒水印（Invisible-Robust Watermark）和易损水印 (Invisible-Fragile Watermark)。鲁棒水印的特点在于嵌入了此类水印后得到的水印化图像在经过一些常规处理或恶意攻击后仍可从中提取出有效的水印，鲁棒水印需尽可能地保留原始水印信息，而易损水印则只需要一定程度的保留水印的原始信息。根据水印的方案设计，可分为盲水印和非盲水印，不需要原始数据的称之为盲水印，反之，为非盲水印。根据用户密钥，可分为私钥水印和公钥水印，前者在水印的嵌入和检验过程采用同一密钥，而后者则采用不同的密钥。

（三）工作过程

数字水印技术系统一般包括水印生成、嵌入和提取/检测过程。其嵌入过程是首先对水印进行预处理，然后选择某种数字水印技术结合密钥或公钥将其嵌入到原始图像之中，最后得到嵌入水印后的图像；其提取/检验过程是使用原始水印结合所用的密钥或公钥，对待测图像按嵌入过程进行逆处理，然后得到恢复后的水印或检测结果。

（四）基本特征

1.保真性。嵌入图像中的水印应该在视觉上是不可见的，不会影响原图像的质量。但得注意的是，假如一个信号是视觉上不可见的，那么基于视觉可见性的有损压缩算法就有可能忽略这个信号，从而除去水印。

2.鲁棒性。图像在发布、传播和使用过程中可能遭到一定程度的破坏，产生的原因包括有损压缩、数模/模数转换、低通滤波、几何变换、对比度改变、图像格式转换等。这些破坏可能是无意的，也可能是恶意攻击的。所以，水印必须具有很强的鲁棒性，抵挡住这些破坏。

3可靠的检测机制。水印的检测算法必须是足够可靠的，不能误报也不能漏报。

4.相关密钥。嵌入图像中的水印必须与一个惟一的密钥相关，而且密钥的生成必须是安全的，难以伪造的。

5.可接受的计算开销。水印的计算开销（主要是检测时的计算开销）不能太大，必须在可接受的范围内。

6.多重水印。在一些场合下，允许在一幅图像中嵌入多种水印是非常必要的。因为目前还没有一种水印算法能够在各种攻击下都具有很强的鲁棒性，所以一个实用的水印系统往往需要在图像中嵌入多种不同类型的水印以提高其鲁棒性。

二、数字水印技术算法

经典的数字图像水印技术算法可分为两大类，即空域（spatial domain）算法和变换域(transform domain)算法。

（一）空域算法

空域图像水印技术是指在图像的空间域中嵌入水印的技术，一般是将水印嵌入到图像最不重要的像素位上。其中， 典型的算法有：Schyndel（1994：86-89）等提出将水印嵌入像素最低位算法（LSB）。常用的LSB算法有两种：第一种是将m序列的伪随机代码作为水印嵌入到图像数据的LSB平面中，它要用自适应柱状图操作将图像值由8压到6比特位；第二种作是将m序列代码作为水印嵌入到LSB平面中，但其解码过程则是利用了m序列唯一的且是最佳的自相关函数进行解码。Bender（1996：313-336）等人提出的Patchwork算法。Patchwork算法是通过改变图像数据的统计特性将信息嵌入到像素的亮度值中。该算法的缺陷是其嵌入量低且对串谋攻击抵抗力弱。此外，Puate and Jordan（1996：108-118）利用在分形图像压缩中选代函数系统和自相似性来编码，提出了基于分形图像压缩的空域水印法；Bas et al (1998:469-473)将空域分形编码的水印思想推广到分块DCT。空域算法的优点是计算速度快，但一般鲁棒性较差。

（二）变换域算法

变换域水印技术是先对原图像进行变换，在变换域中按照不同的方法选择系数嵌入水印，最后再进行相应的逆变换得到含水印图像。常用的变换有DCT（离散余弦）变换，DWT（离散小波）变换，DFT(离散傅立叶)变换，分形等嵌入方法。Cox（1996：243-246）等提出了一种基于DCT变换的扩频水印技术，它将满足正态分布的伙随机序列加入到图像的DCT变换后视觉最重要系数中，利用了SS（序列扩频技术）和HVS（人类视觉特性），其优点是相对于空域图像水印方法在对压缩、滤波等常规信号处理上具有更强的稳健性。Ruanaida等人最先将水印嵌入在DFT域中，指出相位调制可能更适合于鲁棒水印；Kunder（1997：544-547）等人最早提出将水印嵌入到DWT域。结合目前基于小波变换的图像压缩研究方法，Xia（1997：548-551）等结合SPIHT压缩方法和多分辩率分析，提出了多尺度水印技术，把高斯白噪声加入高频系数中；Houng-Jyh Wang结合MTWC压缩方法，将水印算法与图像压缩方法集成，实现数字知识产权的保护。

三、数字图像水印的应用

最早提出数字水印的概念与方法是为了进行多媒体数据的版权保护，它是通过跟踪多媒体数据中的数字水印信息来保护其数据版权；数字水印技术可用于识别文档（印刷品、电子文档等）的真伪，如鉴定印章，护照等等；数字水印技术可用于做多媒体数据的访问控制和复制控制（如DVD防拷贝系统），从而保证消费者的权益以及有效控制商业侵权行为；数字水印技术适用于信息的安全通信，通过该技术隐藏在普通多媒体数据中的信息不容易监控，隐蔽性高，可以避开窃听和监控；

结语：

作为一个技术体系，数字水印技术目前仍不够完善。今后，研究出对几何攻击具有较强鲁棒性的数字图像水印，提出兼顾保真性和鲁棒性的最优水印算法，进一步完善水印性能评价标准，将数字水印与密码技术、公钥密码和私钥密码体系相结合制作综合的数据安全系统等将成为主要的研究方向。就目前而言，数字水印技术仍存在诸多不足，但这却无法阻挡其发展趋势，它将在数字作品版权保护、篡改提示、隐蔽通信及电子商务等领域具有广阔的应用前景。

参考文献：

[1]Bas P. Chassery J M. Using the fractal code to watermark images [J]. Proe IEEE International Conf on Image Processing,ICIP-98, 1998, 1: 469-473.

[2]Bender W. et al. Techniques for data hiding [J]. IBM Systems Journal, 1996, 35(3&4):313-336

[3]Cox I.J, Kilian K， Leighton T, etal. Secure spread spectrum watermarking of images, audio and video [J]. Proc IEEE International Conf on Image Processing, ICIP-96,1996,3:243-246.

[4]Kudurd, Hatzinakos D. A robust digital image watermarking method using wavelet-based fusion [J]. in Proceedings of IEEE ICIP97,1997:544-547.

[5]Puate J, JordanF. Using fractal compression scheme to embed a digital signature into an image [J]. Prpceedings of the SPIE, 1996,2915:108-118.

[6]Schyndel, Tirkel, Qsborne. A digital watermark [A]. In: Proceedings of the International Conference on Image Processing [C]. Austin: IEEE Press, 1994.2:86-89.

[7]Xia Xiangen, Boncelet C.G, Aree G.R. A multiresolution watermark for digital images [C]. In: Proceedings International Conference on Image Processing (Cat No. 97CB36144) IEEE Comput Soc Part 1， Los Alamitos， CA, USA, 1997,1: 548-551.

[8]向德生,楊格兰,熊岳山.数字水印技术研究明.计算机工程与设计,2005,26(2):326-3

作者简介：

抗几何攻击图像水印方案 篇4

关键词：数字图像水印,几何攻击,周期水印,白化滤波器,自相关检测

0 引 言

数字水印技术是用于数字产品保护的一种技术。多数应用要求水印算法对各种处理和攻击具有较高的鲁棒性和较强的抗攻击性。现在,基于扩频思想的水印算法已经能够很好地抵抗多种针对图像的攻击,但一般难以抵抗由于旋转、缩放和平移处理等几何处理所造成的去除同步攻击。针对几何攻击,人们提出以下几种嵌入水印思路:在图像的几何不变域嵌入水印;基于模板匹配的水印算法;基于图像特征的水印算法;嵌入周期性水印。本文提出的算法属于第4类。

周期性的水印之所以能够抗几何攻击,在于检测器采用自相关或自卷积运算,不管对图像如何操作,水印信息的周期性不会变化,所以检测器输出的局部峰值也呈周期性排列[1,2,3]。在上述思想的指导下,已有一些研究成果[4,5],但在相关检测之前,都有一个水印估计的步骤,用来确定图像受到的几何攻击。这类算法的有效性建立在水印估计是否准确的基础上,这就必然存在两方面的问题:如果水印估计不准确,则导致检测失败;如果水印估值准确,则攻击者同样可以利用估计方法移除水印。本文对此做了研究,采用先对水印图像预处理,然后检测的方法,在嵌入强度很小的前提下,使水印能被很好地检测出来。

1 水印的设计和嵌入

以随机产生的高斯水印模板(64×64)为基础,循环嵌入到图像空域,如图1所示。

这样的水印在图像受到几何变形的时候,将做同样的形变。嵌入强度和方法由噪声可见函数NVF(noise visibility function)确定[6,7]。描述了图像对水印强度的容忍度,它以局部方差为依据,基本思想是局部方差大的地方可容纳水印强度较强。也即NVF函数越小,噪声越不可见。表达式如下:

Iw(i,j)=I(i,j)+S0[1-NVF(i,j)]w(i,j)+

S1NVF(i,j)w(i,j) (1)

简写为:Iw(i,j)=I(i,j)+α(i,j)w(i,j) (2)式中:w为水印信息;NVF(i,j)=1/(1+σ${}_x^2$);σ${}_x^2$为图像局部的方差;S0和S1为水印强度参数。显然有α(i,j)=S0[1-NVF(i,j)]+S1·NVF(i,j),其始终大于0。

2 几何攻击估计和水印检测

检测的第1步是对滤波后的数据做自相关检测,估计受到的几何攻击;第2步对已知水印做相同的变换,再采用经典的方法进行相关检测。流程如图2所示。这里重点讨论对几何形变的估计。

设y为水印图像经某种预处理后的矩阵,大小为M×N,b为从y中任取的一块,大小为K×L。相关表示为信号矩阵的二维卷积过程:

$\mathit{R}(m,n)={\displaystyle \sum _{k=1}^{{\rm K}}{\displaystyle \sum _{l=1}^L\mathit{y}}}[\text{m}\text{o}\text{d}(m+k,{\rm M}),$

mod(n+l,N)]·b(k,l) (3)

式中:m=1,2,…,M;n=1,2,…,N;b也可以等于y,此时R(m,n)即为y的自相关矩阵。理论上,R(m,n)在横向和纵向都有周期性的峰值,如果未受攻击,其周期就是水印模板的长和宽,如果受到几何攻击,这些峰值点的排列应该呈现同样的形变。但是,如果直接采用水印图像的像素值做相关检测,实验表明不可能检测出R(m,n)中的周期峰值,这是由于水印信号相对图像载体的能量太小和图像的相邻像素具有很强的相关性的原因,需要采用合适的白化滤波器对水印图像预处理。

2.1 白化滤波器理论依据

考察任意一个相关系数,设为r,由式(3)可知:

$\begin{array}{l}r={\displaystyle \sum _{k,l}\mathit{b}}{}_1(k,l)\mathit{b}{}_2(k,l)/\sqrt{{\rm K}L}=\\ {\displaystyle \sum _{k,l}[}{\rm T}({\rm I}{}_1)+{\rm T}(w{}_1)]\cdot [{\rm T}({\rm I}{}_2)+{\rm T}(w{}_2)]/\sqrt{{\rm K}L}(4)\end{array}$

式中:b1,b2分别为y中的两块,大小为K×L;T(·)代表白化滤波运算;I1,I2为原图中相应的两块;w1,w2为乘以强度系数α后最终嵌入的水印。一般,T(I1),T(I2)的数学期望为0,当选取的块尺度较大或就是原图时,方根近似相等,设为σI;T(w1),T(w2)的数学期望为0,方根近似相等,设为σw,且符合高斯分布。如果2块的水印信息不匹配,则:

$\begin{array}{l}r={\displaystyle \sum _{k,l}[}{\rm T}({\rm I}{}_1){\rm T}({\rm I}{}_2)+{\displaystyle \sum _{k,l}{\rm T}}({\rm I}{}_1){\rm T}(w{}_2)+\\ {\displaystyle \sum _{k,l}{\rm T}}({\rm I}{}_2){\rm T}(w{}_1)+{\displaystyle \sum _{k,l}{\rm T}}(w{}_1){\rm T}(w{}_2)]/\sqrt{{\rm K}L}(5)\end{array}$

由中心极限定理有:r～N(0,σ${}_{{\rm I}}^4$+2σ${}_{{\rm I}}^2$σ${}_w^2$+σ${}_w^4$) (6) 如果2块的水印信息匹配,虽然T(w1),T(w2)因为嵌入的强度不同而数值不同,但正负是一样的。所以${\displaystyle \sum _{k,l}{\rm T}}(w{}_1){\rm T}(w{}_2)/\sqrt{{\rm K}L}$为较大的常数,设为C。有:

$\begin{array}{l}r={\displaystyle \sum _{k,l}{\rm T}}({\rm I}{}_1){\rm T}({\rm I}{}_2)+{\displaystyle \sum _{k,l}{\rm T}}({\rm I}{}_1){\rm T}(w{}_2)+\\ {\displaystyle \sum _{k,l}{\rm T}}({\rm I}{}_2){\rm T}(w{}_1)/\sqrt{{\rm K}L}+C(7)\end{array}$

同样由中心极限定理有:r～N(C,σ${}_{{\rm I}}^4$+2σ${}_{{\rm I}}^2$σ${}_w^2$) (8) 下面推导C的数学期望E(C)的范围,如果T(w1)和T(w2)仅仅是符号相同,数字的大小随机分布则有:

$\begin{array}{l}E(C)=\sqrt{{\rm K}L}E[{\rm T}(w{}_1){\rm T}(w{}_2)]=\\ \frac{\sqrt{{\rm K}L}}{2\text{π}\sigma {}_w^2}{\displaystyle {\int }_{-\infty }^{\infty }{\displaystyle {\int }_{-\infty }^{\infty }\left|x\right|}}\cdot \left|y\right|\text{e}{}^{-(x{}^2/2\sigma {}_w^2+y{}^2/2\sigma {}_w^2)}\text{d}x\text{d}y\approx \\ 0.64\sqrt{{\rm K}L}\sigma {}_w^2(9)\end{array}$

如果T(w1)与T(w2)非常接近,有:

$\begin{array}{l}E(C)=\sqrt{{\rm K}L}E[{\rm T}(w{}_1){\rm T}(w{}_2)]\approx \\ \frac{\sqrt{{\rm K}L}}{\sqrt{2\text{π}}\sigma {}_w}{\displaystyle {\int }_{-\infty }^{\infty }{\displaystyle {\int }_{-\infty }^{\infty }x}}{}^2\text{e}{}^{-(x{}^2/2\sigma {}_w^2)}\text{d}x\approx \sqrt{{\rm K}L}\sigma {}_w^2(10)\end{array}$

C的数学期望介于式(9)、式(10)之间,因为嵌入的强度不会太大,一般更接近式(10)。

在此,希望式(6)和式(8)的分布函数在横坐标轴上离的越远越好,这就要求C足够大,同时σ${}_{\text{Ι}}^2$要足够小。

检测阈值设为T,设虚警率极小,在10-5数量级,根据式(6)有:4.0(σ${}_{{\rm I}}^2$+σ${}_w^2$)<T (11) 系数4.0由标准正态分布(2π)-1/2∫${}_{-\infty }^{4.0}$e-t2/2dt≈1.000 0确定。

虚警是将没有峰值的地方误判为有峰值,漏检是将峰值点误判为没有峰值。在理想的检测结果中,峰值点是可数的几十处,没有峰值的点要远远多于峰值点,所以对漏检率和虚警率给出不同的假设。可设漏检率在10-2。

由(2π)-1/2∫${}_{-\infty }^{2.9}$e-t2/2dt≈0.99和式(8)、式(10),

有:${\rm T}<\sqrt{{\rm K}L}\sigma {}_2^2-2.9\sqrt{\sigma {}_{{\rm I}}^4+2\sigma {}_{{\rm I}}^2\sigma {}_w^2}(12)$结合式(11)、式(12)有:

$4.0(\sigma {}_{{\rm I}}^2+\sigma {}_w^2)<\sqrt{{\rm K}L}\sigma {}_w^2-2.9\sqrt{\sigma {}_{{\rm I}}^4+2\sigma {}_{{\rm I}}^2\sigma {}_w^2}(13)$

由一元二次不等式的性质化简并合理近似得:$\sigma {}_{{\rm I}}^2/\sigma {}_w^2<\sqrt{{\rm K}L}/7(14)$可根据式(13)或式(14)选择合适的白化滤波器。上述推导过程也给出了选取检测阈值的方法。

2.2 白化滤波器的选择

白化预处理在数学上就是将原始数据和滤波器卷积。本文对于图像数据,假设$\sqrt{\text{Κ}\text{L}}$约等于100已经足够,按式(14)要求,σI/σw<3.78。通过测试,文献[8]建议的二维滤波器用于预处理都是可行的,同时考虑到计算速度,本文的实验采用滤波器为:

$\mathit{F}=\left[\begin{array}{ccc}1& -2& 1\\ -2& 4& -2\\ 1& -2& 1\end{array}\right](15)$

更加复杂的滤波器计算量较大。该滤波器从2个方面降低σI/σw的值:

(1) 对图像数据解相关和降低能量。

(2) 对随机水印序列增加能量,作用于高斯水印,方根扩大6倍。

2.3 水印检测

由上文的结果可以估计图像遭受的几何攻击,然后可对水印做同样的变形,再与预处理后的图像做相关检测:$\text{s}\text{i}\text{m}={\displaystyle \sum _{i,j}{\rm T}}({\rm I}{}_w^{*}){\rm T}(w{}^{*})/\sqrt{w{}^{*}\cdot w{}^{*}}(16)$式中:sim为检测器输出;I*w,w*分别为几何变换后的带水印图像和水印数据。若预先知道图像没有受到几何攻击,而是诸如滤波,加噪等常见的普通攻击,则直接用式(16)检测。由于加入的是高斯分布的水印,具有较好的鲁棒性[9,10]。

3 实验结果

用实验说明本文的算法对几何攻击估计的准确性。以Lena 512×512图像作为载体,水印模板大小为64×64,根据式(1)循环嵌入。S0=3,S1=1.5,强度小于文献[4,5],足以保证水印的不可见和不可预测。图3表示了嵌入水印前后的图像比较和直接检测的效果;图3(c)是为了显示方便,对检测器输出根据阈值确定峰值点,然后二值化处理后的图像。可以看出,峰值以水印的周期(64×64)规则出现。

图4给出了经过几何变形后,对含水印图像的检测结果。其中,检测滤波器采用式$(15)‚\sqrt{\text{Κ}\text{L}}=128$。很明显,图像所受到的几何攻击(包括旋转的角度、剪切的大小和缩放的倍数)都精确地反映在峰值点的个数和形变上。

对多幅测试图像做上述3类实验,经统计,峰值点的虚警率和漏检率如表1所示。从数据来看,实验所得的虚警率和漏检率比理论假设稍大一些。但如Lena图像的实验结果所示,虚警的点一定都在理论峰值点的附近,而漏检的点并不影响峰值点的总体排列规律,所以完全可以正确判断受到何种几何攻击。此外,由于非峰值点远多于峰值点,没有必要讨论总的误检率。

4 结 语

由NVF决定强度,嵌入周期性的高斯随机水印,首先保证了水印在普通攻击下的鲁棒性。对于几何攻击,提出合适的白化滤波器对水印图像预处理,然后再进行相关检测,对几何攻击的种类做到精确估计。继续研究的重点在于,对水印模板数据进行设计,增加其鲁棒性。

参考文献

[1]KUTTER M.Watermarking resisting to translation,rota-tion and scaling[C].Part of the SPIE Conference on Multi-media Systems and Applications.Boston:[s.n.],1998:423-431.

[2]HONSINGER C.Data embedding using phase dispersion[J].IEEE Seminar on Secure Images and Image Authenti-cation,2000,3(9):51-57.

[3]VOLOSHYNOVSKIY S,DEGUILLAUME F,PUN T.Multibit digital watermarking against local nonlinear geo-metrical distortions[C].IEEE International Conference onImage Processing.Thessaloniki:IEEE,2001(3):99-102.

[4]桑茂栋,赵耀.抵抗几何攻击的数字图像水印[J].电子与信息学报,2004,26(12):1875-1881.

[5]姚俊,郭雷,任建峰.一种抗旋转、尺度和平移处理的图像水印算法[J].计算机应用,2004,24(12):19-21.

[6]VOLOSHYNOVSKIYS,HERRIGEA,BAUMGAERT-NERN,et al.A stochastic approach to content adaptivedigital image watermarking[C].Lecture Notes in Compu-ter Science:Third International Workshop on InformationHiding.Dresden:[s.n.],1999:211-236.

[7]ZHANG Fan,ZHANG Hong-bin.Capacity and reliabilityof digital watermarking[C].IEEE International Conferenceon the Business of Electronic Product Reliability and Liabil-ity.[s.n.]:IEEE,2004(4):162-165.

[8]DEPOVERE G,KALKER T,LINNARTZ J P.Improvedwatermark detection using filtering before correlation[C].IEEE International Conference on Image Processing.[S.l.]:[s.n.],1998(1):430-434.

[9]LINNARTZ J P,kALKER A C C,DEPOVERE G F.Modeling the false-alarm and missed detection rate for elec-tronic watermarks[J].Lecture Notes in Computer Science,New York:Spring-Verlag,1998:329-343.

水印图像 篇5

【关键词】数字水印；数字图像；区域极值

【中图分类号】TP393【文献标识码】A【文章编号】1672-5158（2013）07-0122-02

Image Digital Watermark Algorithm Based on Region Extremum

HU qi-guang

（School of Information Science and Engineering， Hunan City University， Yiyang 41300，China）

【Abstract】For the sake of enhancing the transparence and steadiness of image embedded watermark in spacial domain，a watermarks embedding and extracting algorithm based on image region extremum is presented.At first， the image is separated into several blocks， then each block is separated into smaller regions， at last， the watermark is embedded in each smaller region of each block simultaneously. The watermark extracting is an inverse process of watermark embedding. The test results verifled that the watermark has good hiding effect， stronger anti-cutting performance and anti-noise interference capacity， as well as higher running efficiency.

【Key words】digital watermark； digital image； region extremum

【基金项目】 湖南省科技计划项目（编号：2012SK3115）

引言

随着多媒体技术和网络技术的迅速发展，图像、音频和视频等多媒体数字信息更易于存储和发布，也能容易地传播和复制，由此而引发了关于多媒体信息的传输安全问题和数字产品的版权保护问题。数字水印技术就是在这种情况下发展起来的一门技术，它通过在原始数字作品中嵌入一些有意义的信息来达到保护版权的目的。一个优秀的数字图像水印技术应具有透明性、稳健性和安全性等几个基本属性。

数字水印技术根据算法工作域的不同可分为空间域和变换域两种。针对数字图像在空间域嵌入水印的稳健性较差等问题，本文提出了一种基于区域极值的算法：将数字图像分成几大块，再将每块分成许多小的区域，然后将水印同时嵌入各块每个区域的极值中；在提取水印时按嵌入的逆过程进行，不需要原始图像的参与，可实现水印图像的提取。实验结果表明，该算法不但水印的隐藏效果好，又可以抗裁剪攻击以及噪声干扰，嵌入及提取水印过程均只需要数秒钟，具有较高的执行效率。

1 水印算法

1.1 嵌入水印的方法

如果 （ ， ）f x y为原始灰度图像，其大小为 MM？； （ ， ）W x y为二值水印图像，其大小为 NN？； （ ， ）g x y为嵌入水印后的图像。若 2mMNn？？？（其中 ，， ，M N m n均为正整数），则水印嵌入过程可表述为：

（1）将二值水印图像 W进行置乱，生成新的二值水印图像 W？（其大小仍为 NN？）；

（2）将原始灰度图像 f进行偶数量化后的变为 f？，再分成相等的

22mm？个大块；

2.1 原始图像及水印

本测试中采用 512，32，1，8MNmn？？？？。测试用原始图像如图2（a）所示，它以“.png”格式存储的256级灰度图像（512×512）；待嵌入的水印为图3（a）所示以“.bmp”格式存储的二值图像（32×32）。所有实验测试均在Windows XP Professional + Matlab软件环境下完成。

2.2 嵌入与提取水印

对图3（a）原始水印进行Arnold二维变换置乱后。嵌入到图2（a）原始图像中，得到如图2（b）所示的含水印图像，从图2（b）中提取的二值水印如图3（b）所示。

2.4 实验结果分析

从实验结果可以看到，图2（a）的原始图像和图2（b）含水印图像肉眼几乎看不出什么区别，说明该水印算法的隐蔽性很好；从图2（b）含水印图像中提取的二值水印图像图3（b）和原始二值水印图像图3（a）完全一致。从图4（a）的含噪声图像和图4（b）的被剪切图像中提取的二值水印图像均可清淅地看出水印信息，说明该水印算法的抗噪声干扰和抗裁剪性能均很好。通过图4（b）在提取水印的步骤（3）中，如果条件改为，则提取的水印更接近原始水印。水印的嵌入和提取时间均不到10 s。

另外通过对含水印图像图2（b）实验测试，在±30%范围内改变图像亮度，均能很好地提取水印；但在改变图像的对比度时。提取的水印质量很差，甚至不能正确提取。说明该水印算法对亮度改变攻击的抵抗能力很强而对对比度的改变很敏感。

3 结束语

本文提出了一种基于区域极值的数字图像二值水印嵌入与盲检测算法，该算法在对图像分块并划分区域的基础上，用置乱后的水印信息对每个区域的极值进行奇偶调整，从而实现了二值水印的嵌入。

水印的提取过程与嵌入过程相反。通过判断各区域极值的奇偶性即可确定嵌入的水印信息是0或1，然后对各块对应区域提取的信息进行多数综合并反置乱还原得到二值水印图像。实验结果表明，该算法具有较好的视觉质量和较强的稳健性；当水印检测时，不需要原始图像的参与，有效地实现了水印的盲检测。但该算法对对比度改变攻击的抵抗能力较弱，还需要进一步分析研究。

参考文献

[1] 黄继武，程卫东. DCT域图像水印：嵌入对策和算法[J].电子学报，2004，4-2：57-60

[2] 杨长生.图像与声音压缩技术[M].浙江大学出版社，2000，4-1：2-3

[3] 朱秀昌，刘峰，胡栋. 数字图像处理与图像通信[M].北京邮电大学出版社，2002，3-3：183-185

[4] 龚声蓉，刘纯平，王强.数字图像处理与分析[M].清华大学出版社，2006，11-1：166-170

[5] 潘志红，邵明刚等.一种基于DWT的数字水印算法[J].微计算机信息，2010，4-3：87-89

[6] Chih-Wei Tang and Hsueh-Ming Hang，A feature-based robust digital image watermarking scheme[J].IEEE Trans on signal processing，2003，8-1： 51-54

水印图像 篇6

在实际中，记录手机图像的一个较好的水印信息是IMEI(International Mobile Equipment Identity)和IMSI(International Mobile Subscriber Identity)，原因在于每部手机都有其唯一的编号。为了防止经过某些攻击后提取错误的IMEI/IMSI，因而在嵌入水印信息之前，对其进行BCH编码，增强水印的鲁棒性。同时，综合考虑水印算法盲检测、不可见性、鲁棒性及移动终端的运算速度等，采用一种基于DWT-DCT-SVD盲水印算法来实现水印信息的嵌入和提取。

1 理论知识

1.1 水印信息的生成和编码

水印信息有无意义和有意义水印[5]，可见和不可见水印之分，文中采用的是有意义的水印，运用算法将其作为不可见水印嵌入到手机图像中，在不影响外观的情况下，保护手机图像的版权，即IMEI/IMSI。IMEI/IMEI均由15位0～9的数字组成，其中IMEI是国际移动设备身份码的缩写，标志了GSM和UMTS网络里的唯一手机，通常被打印在手机电池的上面或在手机拨号界面输入按*#06#，即可获取这串数字;IMSI标志了GSM和UMTS网络中的唯一用户，存储在手机的SIM卡里。通过提取这些水印，可以方便地了解到该图像来自于哪款手机、哪个SIM卡。

通过编写代码获取IMEI/IMSI后对其进行编码，再进行水印信息的嵌入。令IMEI/IMSI表示为d0=(dn0,d0n-1,L,d20,d10)={di0|i=1,2,L,n}，然后采用BCD编码将d0转换成4位二进制(di4,di3,di2,di1)，二进制向量可表示为(dn4,dn3，…，dn1，…，d14,d13，…，d11)。为了区分IMEI和IMSI，在IMEI转换后的向量首位添加“0000”,IMSI转换后的向量首位添加“1111”。因此IMEI/IMSI均可表示为一个64位的二进制行向量(W64,W63，…，W1)。

为了增强水印的鲁棒性，采用(8,127)BCH编码[6]，即每8位二进制行向量将表示成127位向量，如式(1)所示。其中当Wj8=Cj127,Wj7=Cj126，…，Wj1=Cj120，剩下的119位是纠错位。IMEI/IMSI经过BCH码后表示成8×128矩阵，如式(2)所示，其中C1,128=…=C8,128=0。每个IMEI/IMSI是由1 024((16/2)×128)位表示，通过式(3)将其转换成64×64的水印位图。

1.2 水印的嵌入准则

常见的嵌入准则可分为加法准则和乘法法则，从而产生嵌入水印后的数据，该过程可用公式表示为

式中:I为原始图像信息;W为水印信息;f表示为水印的嵌入算法;Iw为嵌入水印信息后的信息。作为典型嵌入准则的提出者Cox等人曾提出了3种水印嵌入算法的公式，分别为:

式中:α为水印嵌入系数，代表水印的嵌入强度，α越大则水印的鲁棒性越好，但也意味着隐蔽性较差，为了达到两者的平衡，α的取值至关重要。文中采用的是加法准则。

1.3 颜色空间的装换

在嵌入和提取水印之前，需将彩色图像在RGB和YCbCr颜色空间之间进行转换，因为RGB颜色空间将色调、亮度和饱和度3个量放在一起表示，难以进行数字化调整。在文献[7]提出在图像较大时，浮点数乘法的运算速度较长，采用移位运算来近似浮点数乘法能够加快运算速度，近似的公式如式(8)和式(9)所示

1.4 DWT、DCT变换和奇异值分解

检测水印效果的3个重要指标:嵌入量、鲁棒性和可见性。DCT变换是将图像转化成频率域数据，即DC(直流系数)和AC(交流系数)。AC又划分为低频系数和高频系数。虽然AC低频系数因集中较多的信号分量，使得水印嵌入强度较大和鲁棒性较好，但是在其嵌入水印后，不能确保其不可见性。

DWT变换是一种时间—频率信号的多分辨率分析方法，在时域和频域中具有表示特征信号局部特征的能力。基于DWT图像水印算法是将图像进行多分辨率分解，分解成四个不同的频带:水平、垂直、对角线和低频。同时图像的能量主要集中在低频部分，可对其继续分解来提高算法的鲁棒性。但DWT系数不具有几何不变性，所以抗几何攻击能力不好。

SVD是线性代数中的一种方法，可将矩阵对角化，因其具有的稳定特性和旋转不变性，使得SVD在数字水印领域得到广泛的应用。在图像的奇异值上嵌入水印信息，在受到外界攻击时，在能够很好地提取出水印信息和不会损害图像的几何特性同时，还能够保证水印的不可见性和鲁棒性[8]。

2 水印嵌入和提取算法

2.1 水印的嵌入算法

嵌入水印的算法步骤:

1)调用手机的摄像头或本地图库获取原始图像，并将其缩放到固定尺寸[9]，大小为M×N，设图像为I。

2)将图像I从RGB转换到YCbCr颜色空间，提取亮度分量Y，并进行二级小波分解，得到4个矩阵LL、HL、LH和HH，取出低频分量LL，对其进行水印嵌入。

3)将低频分量LL分成8×8的子块，用B表示。在子块中随机选取L个块进行DCT变换(L由水印位图的大小决定，本文L=64×64)，同时将所选取的位置作为密钥k保存，得到的DCT系数矩阵Bm,n(1≤m,n≤64)。

4)取出矩阵Bm,n的直流分量Bm,n(1,1)来构造一个新的矩阵C。对其进行SVD分解，C=U1S1V1T。

5)获取IMEI/IMSI并采用上述BCD和BCH编码转换成64×64水印位图，用W表示，将W添加S1上并对其进行SVD分解:S1+αW=U2S2V2T，求出U2,S2,V2。再计算矩阵C*=U1S2V1T(α为水印嵌入系数，文中α=0.1)。

6)令C=C*，将其还原到步骤3)中的每个分块中，并进行IDCT逆变换，得到嵌入水印的块LL*。再与细节分量进行二级IDWT逆变换，最后得到嵌入水印后的亮度通道Y*。

7)Y*与原来的Cb、Cr分量结合，并按原来的公式转换到RGB空间，获得嵌入水印的手机图像。

2.2 水印的提取算法

将嵌入水印的手机图像用I*表示，提取算法步骤:

1)将I*从RGB转换到YCbCr颜色空间，取出Y分量并进行二级DWT变换。

2)取出低频分量并分成8×8的子块，根据保存的密钥k选取水印嵌入块的位置，对每个水印嵌入块进行DCT变换，得到DC分量，将每个DC分量构造成矩阵B**。

3)对矩阵B**进行SVD分解得到奇异值矩阵:B**=U1*S2*V1*T。

4)最后计算出矩阵E=U2S2*V2T，其中U2和V2是在上述嵌入过程中得到的。水印矩阵为

5)将得到的水印矩阵进行逆BCD和BCH编码，得到IMEI/IMSI。

3 实验结果和性能分析

3.1 实验结果

在Eclipse平台上仿真实现图像数字水印系统的功能后，将其封装打包成APK后并安装到Android手机上，最后运行该水印系统的应用程序。注册并登录后跳转的主界面如图1所示，其中包括获取拍照、图库、水印嵌入、水印提取和保存信息5个按钮，单击这些功能按钮时，将打开相应功能的Activity。点击拍照或图库获取手机图像并显示在主界面上如图2所示。点击水印嵌入按钮，跳转到设置水印信息的界面，包含获取IMEI/IMSI信息和对嵌入水印后图像的命名等信息，如图3所示。

点击获取IMEI和IMSI信息按钮，即可获取手机设备的信息，如图4所示。之后点击嵌入水印按钮，跳转到主界面并显示嵌入水印信息的图像，如图5所示，点击保存信息按钮即可将嵌入水印的图像保存在手机的内部存储/DCIM/Camera文件夹中。点击水印提取按钮后，最终将水印信息显示在主界面上，如图6所示。

总的来说该系统操作简单，方便快捷，每一步的完成都会使用Toast方法告知用户，如“水印信息嵌入成功”和“水印提取成功”。比较图2和图5可知，从视觉上看，没有明显的不同，说明具有良好的不可见性;比较图4和图6可知，提取出的水印信息也是清晰可见的，说明具有较好的鲁棒性。

3.2 性能分析

就以上系统的算法，进行部分的性能分析。若将这些攻击在系统中实现会增加系统的复杂性。故实验选取512×512的彩色图像为载体图像，以标有“江科大学”的64×64像素的二值图像为水印图像，在MATLAB 2010a下进行性能测试。无攻击下的结果包括水印的嵌入和提取，如图7所示。

嵌入水印的图像在受到JPEG压缩、低通滤波、添加高斯噪声和图像裁剪4种具有代表性的攻击方式下，从视觉上看载水印图像无明显变化，并且提取出的水印信息在视觉上也是可辨识的，说明设计的数字水印系统具有一定的鲁棒性和不可感知性。提取攻击后的水印如图8所示。

为了更好地说明数字水印系统的性能，分别利用式(10)和式(11)计算PSNR和NC值来做进一步评判。PSNR是对含水印图像质量检测的一个重要标准，其值越高，表明图像质量越好，隐蔽性也就越强;NC是对所提取到的水印信息图像与原水印图像的质量进行判断的标准之一，NC值越接近1，表明二者之间的相似性越高，鲁棒性也就越强。

式中:M、N分别是载体的宽度和高度;X(i,j)和X'(i,j)分别为原始参考载体和含水印载体在(i,j)处的像素值;w(i,j)和w'(i,j)分别代表原始水印信息与已提取出的水印信息在(i,j)处的像素值。表1给出了不同算法在攻击下鲁棒性(PSNR)和透明性(NC)的结果，表1中“—”表示文献中没有论述，从结果可以看出，文中算法具有较好的鲁棒性和透明性。

4 小结

文中提出一种以IMEI/IMSI为水印信息的数字水印算法，实验结果表明，在提取水印时，能够实现盲提取，并且通过提取出的水印能够了解到手机设备的信息。这种以IMEI/IMSI作为水印信息的方法，在实现手机图像版权保护的同时也传递了手机信息，具有一定的应用价值。对于一般的用户，可以在保证安全的前提下，即时分享自己的手机图像给他人。

参考文献

[1]PIZZOLANTE R,CARPENTIERI B.Copyright protection for images on mobile devices[C]//Proc.International Conference on Innovative Mobile and Internet Services in Ubiquitous Computing.Italy:IEEE Press,2012:585-590.

[2]SEO J H,PARK H B.Colour images watermarking of multilevel structure for multimedia services[C]//Proc.International Conference on Convergence Information Technology.Gyeongju:IEEE Press,2007:854-860.

[3]CHEN Y H,HUANG H C.A copyright information embedding system for android platform[C]//Proc.International Conference on Intelligent information Hiding and Multimedia Signal Processing.Da Lian:IEEE Press,2011:21-24.

[4]JEEDELLA J S Y,AHMAD H A,SHEHHI O A.Watermarking mobile phone colour images with Reed Solomon er-ror correction code[J].IEEE electrotechnical conference,2012(2):375-378.

[5]许文丽,王命宇,马君.数字水印技术及应用[M].北京:电子工业出版社,2013.

[6]JEEDELLA J,AL-AHMAD H.An algorithm for watermarking mobile phone colour images using BCH code[J].IEEE GCC conference&exhibition,2011(2):303-306.

[7]宋杰.Android智能手机上彩色图像的版权保护[D].武汉:华中师范大学,2014.

[8]NAVAS K A,AJAY M C,LEKSHMI M,et al.DWT-DCTSVD based watermarking[C]//Proc.International Conference on Communication System Software and Middleware and Workshops.Bangalore:IEEE Press,2008:271-274.

基于图像编码的数字水印技术研究 篇7

一、优化量化小波重要系数

小波零树编码是一个简单有效的图像编码算法, 它主要利用小波系数的特点, 较好地实现了图像编码的嵌入功能。简单地说, 零树结构就是一个父系数有4个子系数的树结构, 而这些子系数又分别有4个子系数, 以此类推。给定一个小波系数Xi和一个适当的门限值T, 如果|Xi|

根据小波系数的特点, 图像的能量经过小波变换后主要集中在低频子带LL3中。因此, 改进后的思路是对整个最低频系数矩阵采用标准的量化器量化, 不让其参与零树量化。而针对小波分解后的中频子带 (HL3、LH3、HH3) , 每当检测出一个非零中频系数, 应依次去判断其左侧、右侧、下侧的系数是否为零, 如有非零系数, 则把该系数值及其相对位置信息保存下来, 把该位置的系数赋为零。然后, 以此位置为当前位置, 再按上述过程继续检索其周围的细节成分, 检索结果如全为零, 则结束此次编码, 接着按上述过程检索其相邻的非零系数, 直到检测出中频子带中不再有非零系数。

二、利用小波重要系数嵌入水印

1. 水印的预处理。

水印采用二值字符, 首先, 将二维水印变换为一维序列W={wi/wi. (0, 1) , 1≤i≤1024}, 将水印序列分割成256个长度为4的码组, 并根据 (7, 4) 汉明编码原则, 纠错新的形成序列:

W*={wi*/wi*. (0, 1) , 1≤i≤1792}, 首先, 以密钥key作种子生成一个二值混沌序列:

然后, 采用如下方法对W*进行调制, 得到水印序列:

2. 水印的嵌入。

对原始图像进行小波三级分解, 给定两个阈值T1和T2, 使得T2>T1>β|Xmax|, 0.01≤β≤0.1, Xmax表示除LL3子带中幅值最大的系数, 寻找所有满足T2>|Xi|>T1的小波系数Xi, 其中Xi在LL3, HL3, LH3和HH3子带中选取。这里可根据要嵌入水印信息的长度, 固定T1, 调整T2, 使满足条件的小波系数刚好为水印长度。设所找出的系数为Xi, i=1, 2, ..., 1792。对于水印, 嵌入规则如下:

3. 水印的提取。

(1) 对嵌入水印的图像进行小波三级分解, 根据嵌入水印小波系数的位置, 提取在该位置当前小波系数值, 设提取的小波系数依次为Xi*, i=1, 2, …, 1792, 检测公式如下:

(2) 以密钥key生成二值混沌序列, 解调出原始水印, 设为

(3) 将解调出的水印序列对照译码表进行纠错处理, 译码后水印信息为256个长度为4的码元组。

(4) 将纠错译码后的水印信息升维变换为二维, 即恢复出原始水印信息。

四、实验结果及评估

实验中选用的原始图像是大小为256×256的“Lena”8位灰度图像, 以32×32的二值图像“大学”作为水印图像W, 如图1 (a) 、 (b) 所示。对嵌入水印的图像质量的客观评价采用峰值信噪比PSNR来度量, 经计算PSNR=40.02dB。提取的水印如图1 (c) 。

1. 剪切攻击。

在剪切攻击中, 分别从左上角和右下角对图像进行了剪切四分之一实验。检测计算的NC的值对应为0.981和0.803, 可见该算法的抗剪切能力较强。

2. 噪声干扰。

加噪对水印的影响最大, 实验中加入均值为0, 方差分别为0.001, 0.003, 0.005及0.02的高斯噪声, 计算出NC的值分别对应为1, 1, 0.971及0.832。可见, 本算法由于引入了纠错编码, 对恢复的水印能进行纠错处理, 抵抗高斯噪声的能力很强。

3. JPEG压缩。

JPEG压缩是当前较为常用的压缩格式, 一般默认的JPEG压缩的品质因数为75%, 实验中对加入水印的图像分别进行了70%, 50%, 40%, 15%及10%压缩, 得出的NC的值均为1。

4. 滤波攻击。

基于DWT数字图像水印技术研究 篇8

数字水印是一个隐藏信息的行为,它与数字信号的类型(如;图像,歌曲,视频等)有关,它们的概念都是在相应的数字信号里藏有一个信息,然后通过解密来使它们成功分开。水印隐藏的信息与实际的信号的内容有关。

水印算法主要分两种:空间域和变换域。空间域就是把信息嵌入到随机选择的图像点中最不重要的象素位置(Least Significant Bits)LSB,这种水印是不可见的;变换域一般是采用扩展频谱通信技术,它的主要技术有(离散傅里叶变换)DFT,(离散余弦变换)DCT和DWT,根据这些不同的变换,把数字图像转化成相应的频域系数,然后根据它们隐藏的类型进行适当编码和变形,再根据信息量选择频域系数序列,最后将该数字图像中的频域系数的反变换转化为空间域的数据。第二种算法隐藏的信息量不大,但它的抗攻击力好,所以适合版权保护方面的数字水印加密技术。

本文提出了改进的DWT数字水印加密技术,分析此类水印系统的属性,其水印模型将通过MALAB来实现,并通过一些图像的实验来说明这一水印加密技术。

2. 提出方法

一个好的水印技术应有高的鲁棒性,也就是不容易被人攻击;另外,有水印的图像应该不容易被去除和宿主图像的质量不应被破坏。

想要得到好的数字水印,首先要研究人眼视觉感知情况,通常图像信息会被人眼分解,并散布到从人眼到大脑视觉皮层的一系列频率带上,并且这些频率带被具有相同特性的图像成分所激活,这使不同频带经过处理后得到彼此间相互的独立。由此,考虑采用DWT对图像进行多尺度的分解,得到在坐标系内相等的一系列频率带,从而保证对不同频带的信息是相互独立,不相互影响。小波分析与人眼视觉系统具有一致性也就是多分辨特性。根据上面说的特点启发了笔者采用小波变换和HVS技术相结合,大大提高了水印的鲁棒性。在图像处理过程中,有时需要将信号在时域和频域中的特性或者图像在空域和频域中的特性结合起来加以分析。比如,要了解图像的哪一部分含有较多的高频分量,传统的傅里叶变换无法解决此类问题。相比之下,DCT是纯粹的空域变换到频率域,因此没有利用图像的空间-频率特性,而这种空间-频率特性正好与人眼的某些视觉特性相一致,也就是说小波变换可以利用HVS的空间-频率特性。其次,采用分块的DCT变换会出现马赛克现象,而用小波变换则不会。因此,离散小波变换不仅可以较好地的匹配HVS特性,而且与JPEG2000、MPEG4压缩标准兼容,小波变换产生的水印具有良好的视觉效果和抵抗多种攻击的能力,因此目前DWT数字水印技术是主要的研究方向。

2.1 离散小波变换(DWT)

小波即小区域的波,又称为子波,是一个长度有限、均值为零的振荡波形。这里的“小”是指衰减性,即局部非零性,非零系数的多少反映了图像块高频成分的丰富程度和纹理的复杂程度;“波”是指波动性,小波变换也可分为连续小波变换CWT(Continue Wavelet Transform)和离散小波变换DWT(Discrete Wavelet Transform)。

小波函数定义:设ψ(t)为一平方可积函数,就是ψ(t)∈L2(R),若其傅里叶变换ψ(t)满足可容许条件;

我们称ψ(t)为一个基本小波。

对于任意L2(R)空间中的函数f(t)在基本小波下展开,称这种展开为函数f(t)的连续小波变换,即为CWT,其表达式为:

其重构公式(逆变换)为:

由于连续小波变换的冗余,由一维信号x(t)变换成为二维的WTx(a,r)后,其信息中存在大量的信息冗余。因此从数据压缩和节约计算的角度出发,可将其应用在实际中。通过在离散的尺度和位移下计算小波变换,对位移参数r和尺度参数a用不同的方法进行离散,会得到不同的小波。图像处理中最常用的小波变换为二维小波变换。

二维小波变换的公式为:

由此可看出小波变换是一种信息保持型的可逆变换,原图像或信号的信息完全保留在小波变换的系数中,小波变换只是使得原图像能量重新分配,这就是小波变换被广泛采用的主要原因。

2.2 DWT和多级分解

二维离散小波变换把图像分解产生一个低频子图LL和三个高频子图:LH、HL和HH,下一级小波变换是在前一级低频子图LL基础上进行的,如此重复三次,即对原始图像进行三级小波分解,分解成十个子图:LL3与LH i,HLi、HHi(i=1,2,3),其中LL3为最低频带子图。分解过程如图1所示。

a.图像嵌入:

嵌入水印方法如图2:

用DWT二级分解原图X并获得低频子图像和3L的细节子图像(就是高频域)。如何选择DWT的n级别是依赖于主图像和水印信号的大小,越高级数的DWT的分解使得水印嵌入到低频部分就越集中,这样水印的隐蔽性就越差,所以适当分解层数是必要的。而分多少层需要通过改变小波滤波系数集所确定。所以对原图作n级小波变换后,将n级低频参数LLn与水印W(x,y)按强度a叠加,得到有水印图像低频参数LL’n=LLn(1+a W)。最后是按低频参数LL’n做n级小波逆变换,得到F’(x,y).

b.水印提取

由于进行n级小波分解后,第n子图的大小仅为原图像的1/2i。而图像的大部分信息集中在第n级的低频子图内,利用小波重构得到加密图像在一定程度上恢复原图像,很难实现无失真解密;所以在还原的时候一定要注意强度a的取值。

从图3可看出恢复图像时要把原始图像F(x,y)、水印后图像F’(x,y)分别做n级小波变换,得到n级低频参数LL’n、LLn,按强度系数a分离出水印W’(x,y)=(LL’n-LLn)/(LLn*a)。

3. 实验及结果分析

从定性、定量两方面来展示本算法水印的稳健性和不可感知性。定量方面采用两个常用指标:

相似度NC表示水印图像和原图像的相似度,公式表达式为:

NC取值范围是0到1之间,数值越大水印和原图像的相似度就越高,证明水印图像质量越好。

信噪比PSNR,度量所提取的水印和原始水印的相似度,公式表达式为:

PSNR越大,水印图像的质量就越好。

实验软件是MATLAB,为了验证DWT算法,采用castle.bmp 256×256图像作为水印,选用Haar小波作为三级分解,并嵌入library.bmp 512×512图像作为原始图像,得到加有水印的图像,这样经过版权保护处理的发行物能够测出显示版权保护技术的数字水印如图4所示:

Original image表示library.bmp 512×512图像;Watermark表示castle.bmp 256×256水印;

Watermarked image表示嵌有水印的图像;Recovery watermark表示恢复的水印。

NC=0.9610,PSNR(MER)=37.9627

从实验得出的数据可看出,数字图像水印算法是很成功的,而且在保证水印图像的前提下,NC接近于1的强度a,保证了水印的清晰度。

4. 总结

本文提出了DWT的盲水印隐藏技术,将二值彩色图像通过调整强度系数嵌入到经小波变换后的原图像的子图上。实验结果表明了此算法具有很强的鲁棒性,既保证了隐藏信息安全性也保护了的原图像的版权,表明了DWT和人眼视觉特性的结合在数字水印技术中具有理论意义和实用价值。

参考文献

[1]郭蔚、蔡云飞.一种基于融合的数字图像隐藏技术[J].河北工业大学学报,2003,(32)No.571-75.

[2]R eddy AA,Chatter BN,A new wavelet based logo watermarking scheme[J],ConfPattern R ecognition letters,2005,26(7):1019-1027.

[3]Quan,L.;Jiang,X.(2006):Design and R ealization of a Meaning-ful Digital Watermarking Algorithm Based on R BF Neural Network[J],Proceedings of the Sixth World Congress on Intelligent Control and Au-tomation,WCICA,2006,(1):2878-2881.

[4]易显东,姚军,唐丹.基于小波变换域的图像加密技术研究[J].信息与电子工程,2005.

[5]小波分析理论与Matlab7实现.飞思科研发中心编著[M].电子工业出版社,2005.

基于生物特征的图像数字水印算法 篇9

随着社会和经济的飞速发展, 计算机和网络技术日益结合紧密, 信息安全上升到前所未有的地步, 本文通过生物特征识别技术和数字水印技术相互结合, 实现了双重的保护功能。

数字水印技术, 利用数字信号处理、信息理论通信理论、密码学、图象处理等, 将一些标识信息 (即数字水印) 直接嵌入数字载体当中 (包括多媒体、文档、软件等) 。原始的数据并没有发生改变, 也不影响原始数据的正常使用。人们无法从表面感知水印, 只有专用的检测器或软件才可以检测出隐藏的水印, 即可获得隐藏信息, 从而达到证明证件真实性和有效性的目的。

生物特征可分为生理特征和行为特征, 人体所固有的生理特征包括面部特征、指纹、手型、掌纹、虹膜、视网膜、体味、耳廓、DNA、体热辐射、以及手部、面部静脉血管模式等, 这些特征不会随着客观条件和主观条件而改变。基于行为特征的包括击键力学分析、签名识别、说话人识别、步态识别等, 这些都与后天环境养成的行为习惯有关。

二、生物特征识别技术

常用的生理特征有脸像、指纹、虹膜等;常用的行为特征有步态、签名等。声纹兼具生理和行为的特点, 介于两者之间。各种生物特征识别技术各有其优缺点, 在下表1中, 将各种生物特征识别技术的性能进行了一个简单的比较。

三、数字水印技术

近几年来, 国内外数字水印算法层出不穷。概括地说, 数字水印的算法主要包括空间域算法和频域算法两大类。空间域算法具有容易实现、算法简单、运算速度快、嵌入的信息量大、能够有效地利用人类视觉系统特性等优点。其缺陷是算法的鲁棒性差;频域算法是将原始图像原始的图像进行某种数学变换, 将图像f (x, y) 转到频域F (u, v) 中考虑, 通过改变图像的某些频域系数来加入水印, 然后利用反变换生成含水印的图像, 常用的数学变换有离散傅立叶 (DFT) , 离散余弦变换 (DCT) 以及离散小波变换 (DWT) , 其中离散小波变换的最大的特点是具有空间局部化和频域扩展局部化的特性。因此该算法有隐藏效果好, 鲁棒性强等优点, 是目前数字水印方向研究的重点。

四、基于生物特征的数字水印算法

采用数字水印来解决所有权的问题, 首要问题是要保证被用作水印嵌入到载体中去的密钥信息本身能够得到最好的保护。这就要求, 水印应该是版权所有者唯一拥有的东西, 即使是有人破解了水印算法并试图伪造了一个表面上看起来跟原始水印几乎一致的水印信息, 用户仍然能够凭借原始密钥的唯一性来进行合法认证。寻找一种不仅在逻辑上而且在物理上能够为某个用户所拥有的实体, 它不能被产生或复制, 并且在任何情况下它都是唯一的。生物特征识别技术为解决这个问题提供了可行的途径。可以使用包括生物特征的数据作为种子生成水印信息。因为生物特征对任何个人都是唯一的, 并且可以方便地映射到一个数据库中, 所以可以将其用于水印系统的密钥。

(一) 生物数字水印的嵌入

利用生物特征作为水印, 并提取生物特征作为嵌入水印的密钥, 通过数字水印嵌入算法, 从而得到水印图像。过程如图1所示:

(二) 数字水印的提取

水印的提取就是将载体图像中已经嵌入的水印提取出来, 如图2所示:

五、总结

探讨了生物特征水印的应用价值。在数字水印中引入生物特征, 建立了基于生物特征的水印系统模型。实现了基于生物特征的数字水印技术的水印方案。通过大量的实验, 证明该方法是可行的和有效的。

摘要：基于生物特征的数字水印是将生物特征技术与数字水印技术有机结合。人体生物特征具有唯一性、可靠性和稳定性等特性, 把生物特征作为数字水印嵌入到图像中具有较强的鲁棒性。

关键词：生物特征,空间域算法,频域算法

参考文献

[1]冯清枝, 王志群.用于证件防伪的数字水印算法研究[J].警察技术, 2007;6

数字图像水印算法的快速实现研究 篇10

数字水印技术作为数字多媒体作品版权保护和认证的重要手段, 近几年来发展得很快。数字水印技术是在数字媒体中嵌入特定信息的一种技术, 根据所嵌入的载体不同, 可分为图像水印、音频水印、视频水印等;根据嵌入位置不同, 可分为空域水印[1]和变换域水印[2,3,4];而按检测过程, 又可分为盲水印和非盲水印。其中用于版权保护的数字水印一般要求具有:鲁棒性、不可见性和安全性。目前, 数字水印算法研究的重点是鲁棒性, 应用最多的是变换域算法, 包括DFT[2]、DCT[3]和DWT[4], 经过国内外专家的多年研究、改进, 基于变换域的数字水印算法具有较强的鲁棒性, 但还是在一定程度上忽略对算法速度的关注, 有些算法鲁棒性很高, 但处理速度较慢, 在小图像中嵌入水印的时间也可能要1分钟。而实际的应用图像往往非常大, 有一些应用甚至有实时性的要求, 计算工作量大, 操作复杂的算法就存在实际应用推广价值低的问题, 因此非常有必要研究快速的数字水印算法。哈达玛变换 (Hadamard Transform, 下文简称HT) 的变换矩阵的元素取值最多只有两种, 即{1, -1}, 所以有速度快、容易用硬件实现的优点。本研究首先提出了一种利用HT的快速数字图像盲水印算法。其次, 利用最新的GPU技术, 通过GPU执行快速Hadamard变换和反变换, 仿真实验表明, 在Visual C++下GPU上执行Hadamard变换在一定条件下比CPU更快, 对于处理高像素图像, 速度优势更明显。

1 快速数字图像盲水印算法原理

1.1 图像的Hadamard变换

相比DFT、DCT和DWT等变换, HT的主要优点在于计算复杂度低, 速度快, 容易用硬件实现。二维HT已经在图像处理和图像压缩领域得到广泛的应用。令X代表源图像, Y代表经过变换后的图像, 二维HT定义如下:

式 (1) 中Hn代表一个N×N的HT矩阵, N=2n, n=1, 2, 3…, 其元素值取为+1或-1。

N阶的HT矩阵可以由n-1阶矩阵使用Kronecker积来实现, 具体如下:

1.2 预处理算法

1.2.1 原始水印置乱

首先, 为了增加鲁棒性, 先对原始水印图像w重复四次, 也就是2×2居中平铺, 设原始二值水印图像w大小为m×m, 令m*=2m, 预处理后, 得到m*×m*大小的w*。然后对水印图像进行置乱加密处理以消除图像像素之间的相关性。本研究采用一种计算简单、容易实现的置乱方法。设二值水印图像大小为m×m, 具体的置乱方法为:

1) 先生成一个1到m*×m*的序列, 根据密钥key进行置乱, 得到随机序列P;

2) 设该序列的第n个元素是Pn, 令:n=k*m*+l;Pn=i*m*+j;

3) 交换像素位置:将原始水印的像素 (i, j) 放到新位置 (k, l) , 即完成水印的置乱处理。

其次, 本文用两个0、1组成的互补序列分别表示二值水印图像中的像素值0和1。令L为序列长度, 这两个序列分别定义为:

1.2.2 原始图像预处理

首先将原始图像分割成大小相等的子图像块, 若子图像块尺寸选为4×4大小, 虽然计算速度快, 但因图像子块可变换的系数较少, 会导致水印信息的嵌入量较少;若子图像块尺寸选为16×16大小, 图像子块可变换的系数增多了, 相应的计算工作量也增大了。所以经过权重考虑, 选择将原始灰度图I进行8×8不重叠分块, 然后对每一子块进行HT。

1.3 水印嵌入和提取算法

1.3.1 嵌入算法

设原始灰度图像I大小为M×N, 原始图像经过分块处理后, 得到 (M/8) × (N/8) 个8×8的图像子块。由上一步得原始水印图像预处理后, 得到m*×m*的置乱图像。然后对选中的子块进行HT, 得到系数矩阵HBk, j=HT (Bk) , 其中k表示第k个子块, j表示第j个系数, 其取值为1到64。对图像块按Zig Zag顺序读取出HBk, j中的第22到36共15个中频系数, 得到序列pi。依次嵌入上面得到的置乱图像像素值wi所对应的序列, 具体嵌入准则定义如下:

其中L是序列的长度, 本文中取15, pi'是修改过的中频系数值。

最后对每个分块进行Hadamard反变换, 最终得到含水印图像。

1.3.2 提取算法

本研究的提取算法是盲水印算法, 即在水印提取时不需要原始图像, 只需要知道嵌入过程中的置乱水印密钥key。具体的提取步骤是:

1) 含水印图像处理。先对水印的图像进行8×8不重叠分块, 并对每个子块进行HT, 得到系数矩阵。

2) 水印的提取。按Zig Zag读取顺序提取出每个8×8子块系数矩阵中嵌入位置对应的15个中频系数组成新的一维序列pi, j。分别求pi, j与代表水印像素值0和1的序列w0, i和w1, i的相关系数值C (0) 和C (1) , 公式如下:

比较C (0) 和C (1) 的大小以确定第j块嵌入的像素值是0还是1:

3) 水印反置乱。将提取出的水印信息利用密钥key进行反变换, 得到新的二维矩阵wi*。由原始水印的预处理步骤可知, wi*其实含有4个m×m大小水印。运用多数原则, 为每个对应的像素统计像素值为1的个数, 将像素统计值大于2的像素值取为1。即可得到原始水印信息。

1.4 实验结果

为了消除主观因素的影响, 体现版权保护的公正性, 除通过视觉来进行判定外, 本文使用峰值信噪比 (PSNR) 评价嵌入水印后彩色图像与原始彩色图像间的差别, 并采用归一化的相关系数NC (NC取值为0到1, NC=1时表示完全一致, NC值越高表示相似度越高) 定量分析了提取的水印与原始水印的相似度。实验结果是基于Matlab 7平台下仿真得到。下面以512×512的标准Lena灰度图像作为原始图像, 32×32的二值图像作为原始水印。由图1可以看出, 本文的算法具有较好的不可见性, 水印可以完整提取出来。

1.4.1 鲁棒性测试

本节主要测试本文算法抗常用攻击的鲁棒性, 实验结果如表1所示。

表1本文算法抗攻击的实验结果

从表1可以看出, 本研究算法鲁棒性令人满意, 同时嵌入和提取算法运行速度分别不到3秒。

2 基于GPU的Hadamard变换研究

图形处理器 (Graphics Processing Unit, 简称GPU) 开发之初是单纯的为图形处理服务的。2003年开始GPU在通用计算的应用也越来越广泛[5]。国内外文献研究表明, 基于GPU运行的图像处理过程开销比软件运行的小, 因此在GPU上运行的水印算法也会比在软件上运行的算法更快速、更实时、更少的开销[6]。本节中提出一种方法实现GPU来处理水印算法中的核心变换———Hadamard变换, 以进一步提高基于Hadamard变换的数字图像水印算法的实现速度。

2.1 GPU实现步骤

国内外文献显示GPU上实现FFT的方法, 显卡厂商NVidia推出的通用并行计算架构, 该架构使GPU能够解决复杂的计算问题, 其1.1版就提供了数学运算库———CUFFT (离散快速傅立叶变换) , 但还没发现过有文献提到在GPU上实现FHT。本文通过FFT和FHT的蝶形图可以看出, 两者的实现有很多相似之处, 通过比较Visual C++上FFT和FHT的实现代码, 可以发现两者间最主要的区别在于FFT中每级蝶形图中输入序列中对应的两个元素间要先乘上一个加权系数W再进行加减操作, 用公式表示如下:

其中加权系数, 用伪代码实现如下:

令W[i]等于1, 则cos (angle) =1, sin (angle) =0, 可以得到angle=0。换言之, 在FFT编程代码基础上做如上处理, 运算结果中的实数部分就是FHT的结果。类似的, 对于GPU上的FFT实现, 理论上也可以通过以上处理, 得到FHT的运算结果。针对文献[7]的FFT的GPU实现算法, 在其着色语言和OpenGL渲染部分做针对性的处理。实验证明, 方法是可行的, 原本存储FFT变换结果的实数部分的输出数组中, 现在得到的是FHT结果。

2.2 GPU实现快速Hadamard变换与CPU实现快速Hadamard变换比较

实验平台主要如下:处理器为Inter Core (TM) 2E6300双核1.86GHz, 内存大小为1GB, 显卡采用NVidia GeForce 7950GT, 显卡内存大小为512MB, 整个实验是基于OpenGL来做的, 使用的编程工具是Visual C++6.0。

2.2.1 GPU和CPU计算结果比较

GPU的计算结果和CPU的计算结果如表2所示, 表2的数据取自实验一中Lena灰度图经过CPU-FHT变换和GPU-FHT变换后的实验数据中的最后5个数据用于对比。第一行数据是在CPU-FHT中得到的数据, 第二行数据是在GPU-FHT得到的数据。

从表2中数据可以看出GPU实现快速Hadamard变换与CPU实现快速Hadamard变换数据在小数点后6位这样的精度情况下仍然是一致的, 说明该方法是完全可行的。

2.2.2 GPU和CPU运行效率比较

(单位秒)

由表3可得, 数据量比较小时, CPU运算速度比GPU快, CPU的运算时间几乎都为0, 当数据量大到一定程度 (大于256 256) , CPU运算时间就和输入数据量成正比倍数上升, 而GPU的时间相对增长较慢, 其优势就显现出来。数据量大于524288字节时, GPU的运算速度就比CPU快了。实验结果和国内外文献研究和GPU特性吻合, 说明该方法是完全可行的。如果实验采用更高端显卡、大容量内存, 那实验效果会更好, 更明显。

3 结论

本论文主要探讨有关Hadamard变换域上的数字图像水印技术, 以及快速实现方法, 为此笔者作如下总结: (1) 首先提出了一种基于分块Hadamard变换的数字图像盲水印算法, 通过在分块Hadamard变换域中修改中频系数来嵌入水印。实验结果表明, 该算法对常用的图像处理如JPEG压缩、加噪、剪切和滤波等攻击具有较好的鲁棒性。同时运算速度也令人满意, 即使用大图像, 其速度也不会明显增加, 能基本满足实时性要求。总之, 从理论和实验结果均证明了该算法是有效、可靠安全的。 (2) 在前人研究基础上实现了GPU上的FHT, 仿真实验表明, 在图像非常大的情况下, 利用GPU实现FHT, 运算效率可以比CPU高。今后的研究应该主要集中在充分考虑人类视觉系统 (HVS) 、结合图像置乱技术、利用图像特征来嵌入水印, 提高鲁棒性。目前的算法主要考虑鲁棒性, 忽略对算法运算速度的考虑, 这使水印技术在实时性系统的应用中受到局限, 今后应该进一步应用计算简单的结构和变换 (比如HT) , 或利用GPU在图像处理方面计算快的特点, 来提高算法的运算速度。随着GPU性能的不断提高, 利用GPU技术将是实现实时性水印的一个可行方法。国内外专家已经着手在这方面进行研究, 相信这将是今后一大研究方向, 使数字水印的应用更加广泛。

摘要：数字水印技术作为数字多媒体作品版权保护和认证的重要手段, 近几年来发展得很快。本文着重研究水印算法的快速实现。第一步提出一种基于图像盲水印算法:首先对原始图像进行分块处理, 然后通过在分块Hadamard变换域中修改中频系数来嵌入水印, 最后得出具有一定使用价值的结论。实验结果表明, 算法对常用的图像处理如JPEG压缩、加噪、滤波等攻击具有较好的鲁棒性。第二步, 在前人的研究基础上, 实现GPU来执行快速Hadamard变换和反变换。实验结果表明, 在Visual C++下利用GPU执行Hadamard变换在一定条件下比CPU更快, 实验用显卡性能越强, 实验效果越好。

关键词：数字水印,Hadamard变换,快速算法,GPU

参考文献

[1]BENDER W.Techniques for data hiding[J].IBM Systems Journal, 1996, 35 (3&4) :313-336.

[2]Chi-Man Pun.A Novel DFT-based Digital Watermarking System for Images[C].The8th International Conference onSignal Processing, 2006:16-20.

[3]黄继武, YUN Q.SHI, 姚若河.基于块分类的自适应图象水印算法[J].中国图象图形学报, 1999, 4 (8) :640-643.

[4]KASHYAP N, SINHA G R.Image watermarking using 3-level discrete wavelet transform (DWT) [J].International Journal of Modern Education and Computer Science, 2012, 4 (3) :50-56.

[5]吴恩华.图形处理器用于通用计算的技术、现状及其挑战.软件学报.2004, 15 (10) :1493-1504.

[6]Wang JQ.Exploiting the GPU power for intensive geometric and imaging data computation[MPhil Thesis].Chinese University of Hong Kong, 2004.