数字水印嵌入（精选十篇）
数字水印嵌入 篇1
随着Internet的普及, 图像在数字媒体或互联网上散布时, 可被无误差的重复复制, 图像所有者的权利有可能受到侵害, 信息的安全保护问题日益突出。有效地防止数据的非法复制的方法之一就是把水印的信息插入到潜在的易受攻击的图像中, 水印不能从图像本身分离出来。数字水印的概念还可以扩展到电视图像和声音等领域, 数字水印技术作为版权保护的重要手段而得到了广泛的研究和应用。
数字水印 (Digital Watermarking) 技术是将一些标识信息 (即数字水印) 直接嵌入数字载体 (包括多媒体、文档、软件等) 当中, 但不影响原载体的使用价值, 也不容易被人的知觉系统 (如视觉或听觉系统) 觉察或注意到。通过这些隐藏在载体中的信息, 可以达到确认内容创建者、购买者、传送隐秘信息或者判断载体是否被篡改等目的。数字水印是信息隐藏技术的一个重要研究方向。简单的可见水印处理在空间域执行。不可见水印是裸眼看不见的, 需要使用一个合适的解码算法进行恢复。水印处理的目的是在图像上添加数据信息, 水印本身可以是可见的或不可见的。
本文介绍的数字图像水印处理, 是把二值数据插入到一副图像中以对图像构成保护。由于MATLAB m语言是一种非常简单高效、功能极强的编程语言, 许多复杂的问题在MATLAB中很容易实现。本文基于频域的DCT (离散余弦变换) 数字水印算法过程, 详细介绍用MATLAB实现数字水印的嵌入和提取的方法。
1 数字水印技术
从信号处理的角度看, 在载体图像中嵌入数字水印可以视为在强背景 (即原始图像) 下叠加一个视觉上看不到的弱信号 (水印) , 由于人的视觉系统 (Human Visual System, HVS) 分辨率受到一定的限制, 只要叠加信号的幅度低于HVS的对比度门限, HVS就无法感觉到信号的存在, 因此, 通过对载体对象作一定的调整, 就有可能在不引起人感知的情况下嵌入一些信息。
1.1 数字水印嵌入的原理
图1中的编码器把水印wi嵌入到图像fi中, 产生加过水印的图像fwi。
水印嵌入准则分为加法准则和乘法准则, 如式 (1) 和 (2) 所示:
α为强度因子, 保证在水印不可见的前提下, 尽可能提高嵌入水印的强度。α的选择必须要考虑图像的性质和系统的视觉特性。
1.2 数字水印的提取和检测原理
图2中解码器提取和验证加过水印的输入fwi或没有加过水印的输入fi中水印wi的存在性。如果水印可见, 不需要解码器, 如果水印不可见, 解码器可能需要也可能不需要fi和wi的拷贝去做提取和验证工作。但将水印技术用于图像的网络发布和传播时, 如果检测时需要使用原始图像则是个缺陷, 因此, 当前大多数的水印检测算法不需要原始图像的参与。
2 DCT数字图像水印算法
2.1 二值水印的嵌入算法
水印信息选择二值化的灰度图像, 嵌入系数根据水印图像的二值性进行选择, 首先将原始图像分成8×8的子块, 然后将数字水印的灰度值直接植入到原始二值灰度图像DCT变换域中, 实现水印的嵌入。具体方法如下:
设X是M*N大小的原始图像, W是水印图像, 大小为P*Q, M和N分别是P和Q的偶数倍。把水印W加载到图像X中, 算法分以下几步进行:
(1) 将X分解为 (M/8) * (N/8) 个8*8大小的方块BX (m, n) , 同时, 将W也分解为 (M/8) * (N/8) 个 (8·P/M) * (8·Q/N) 大小的方块BW (m, n) , 1≤m≤M/8, 1≤n≤N/8。
(2) 对每一个BX (m, n) 进行DCT变换:DBX′ (m, n) =DCT (BX (m, n) ) 。
(3) 对每一个DBX′ (m, n) 和BW (m, n) , si为从DBX′ (m, n) 的中频选出的加载的位置, 1≤i≤ (8·P/M) * (8·Q/N) , ti为水印BW (m, n) 的位置坐标1≤i≤ (8·P/M) * (8·Q/N) 。DBX″ (m, n) (si) =α*BW (m, n) (ti) , 其中α是加权系数, 用DBX″ (m, n) (si) 来代替DBX′ (m, n) (si) 得到加载水印后的图像。
(4) 对以上得到的每一个DBX″ (m, n) 进行逆DCT变换:IDBX (m, n) =IDCT (DBX″ (m, n) ) 。并将各方块IDBX (m, n) 合并为一个整图X′, 即加载了水印的新图像。
2.2 二值水印的提取算法
设图像X′为已经加载了水印的载体图像。现要将所加载的水印从X′中提取出来。其过程为上述加载水印算法的逆运算:
(1) 将X′分为 (M/8) * (N/8) 个8×8大小的方块BX′ (m, n) , 1≤m≤M/8, 1≤n≤N/8。 (2) 对每一个BX′ (m, n) 进行二维DCT反变换:BX (m, n) =i DCT (BX′ (m, n) ) 。
(3) 对每一个BX (m, n) , 按照式BW (m, n) (ti) =1/α*BX (m, n) (si) 得到BW (m, n) 。将上面得到的所有BW (m, n) 合并成一个整图W。
3 MATLAB实现
下面以256*256的灰度图像作为原始图像, 以32*32的二值图像作为水印图像, 来实现水印的嵌入与提取。
运行得到结果如图3。
增加强度因子为0.08, 结果如图4, 水印已经显现出来。
4 结束语
从仿真结果可以看出, 嵌入水印信息后, 强度因子选取合适值, 原图与嵌入水印信息后的图像在视觉效果上没有明显分别, 用肉眼几乎分辨不出, 所以强度因子的选取要充分利用利用人眼的视觉特性。利用DCT域嵌入水印后, 图像在嵌入水印前后可以做到视觉效果改变不大, 不影响图像的正常使用。
摘要：在抵抗多媒体盗版方面, 数字水印技术具有巨大的应用前景。文中介绍了一种数字水印的变换域算法—基于离散余弦变换的数字水印技术。介绍了数字水印嵌入和提取的原理, 分别给出了基于离散余弦变换 (DCT) 的嵌入和提取算法, 并用MATLAB实现了二值数字水印对灰度图像的嵌入和提取。从仿真结果可以看出, 嵌入水印信息后, 原图与嵌入水印后的图像在视觉效果上没有明显分别, 不影响图像的正常使用。
关键词：数字水印,DCT,MATLAB
参考文献
[1]阮秋琦, 阮宇智.数字图像处理 (第三版) [M].电子工业出版社, 2013:394-396.
[2]武红玉.基于DCT的数字水印的嵌入和提取[J].许昌学院学报, 2012 (05) .
[3]徐先传, 张琦.一种基于DCT域的数字水印方案研究[J].微计算机信息, 2007 (12) .
[4]高玉娜, 杨忠根.基于DCT域的数字水印算法[J].电脑知识与技术, 2009 (04) .
数字水印技术研究 篇2
关键词 数字水印 攻击 问题
中图分类号：TP391 文献标识码：A
0前言
近年来，多媒体技术和网络技术的迅猛发展，使得互联网上的数字媒体应用正在呈爆炸式的增长，这给人们的生活带来了极大的便利，然而多媒体信息却极易被复制和修改，而且难以追踪修改的痕迹。近年来，具有伪装特点的新兴信息安全技术——信息隐藏技术应运而生，并成为隐蔽通信和版权保护的有效手段，迅速成为国际上研究的热点。
1数字水印特征
嵌入载体中的数字水印应具备以下特性：
（1）嵌入有效性：水印载体是输入到检测器后能检测出水印的载体。根据这种水印载体的定义，水印系统的有效性就是指嵌入水印后能够检测到水印的概率。
（2）透明性：透明性也叫不可感知性或保真度。是指向数字载体中嵌入水印后不会引起被保护作品可感知的质量退化，很难发现水印载体和原始载体的差别。
（3）无歧义性：也叫确定性，要求嵌入的水印信息必须是能够足以证明该多媒体内容所有者的标志信息，该标志信息能够被唯一确定地检测出来，防止版权纠纷，以达到版权保护的目的。
（4）错误检测率：包括虚检率和漏检率，虚检是指在实际不含水印的作品中检测出水印，而漏检是指在实际含水印的作品中没有检测出水印。
（5）鲁棒性：鲁棒性指的是加入载体的水印能够在图像受到某些攻击或变换操作后（噪声、滤波、压缩、数模转换等），不会丢失，在检测提取后仍可以识别。
（6）安全性：是指嵌入的水印能够抵抗各种类型的攻击，并且任何第三方都不能仿造他人的水印信息，而且即使水印信息被非法用户提取出来，也无法识别，也就是说数字水印的信息应该是难以篡改或伪造的。
2水印攻击方法
对含水印图像的常见攻击方法按照对图像的操作目的主要分为两大类：有意攻击攻击和无意攻击。
水印由于它本身的特性必须对一些无意攻击具有较强的鲁棒性，常见的无意攻击有：有损压缩，剪切，增强、模糊和其他滤波算法，亮度和对比度的修改，放大、缩小和旋转，图像传输过程中的噪声干扰等。
而对于水印的有意攻击的一般分类为：
（1）仿造水印的抽取：盗版者对于特定产品生成的一个信号使得检测算子输出一个肯定结果，其中是一个从来不曾嵌入产品中的水印信号，盗版者把它作为自己的水印。
（2）仿造的肯定检测：盗版者用一定的程序找到某个密钥，使水印检测系统能够输出肯定的结果，这个结果作为盗版者声明的自己的水印，该密钥被用于表明盗版者对产品的所有权。
（3）统计学上的水印抽取：当作品所有者在大量的数字作品用同一密钥加入水印时，攻击者可以用统计估计的方法去除水印，这种统计学上的可重获性可以通过使用基于产品内容的水印来防止。
（4）多重水印：攻击者可能会用某种算法在已载有版权标识水印的作品中嵌入他自己的水印，从而使得攻击者和产品的原始所有者，都能用自己的密钥在产品中检测出自己的水印，这时造成的版权纠纷问题难以解决。
3存在问题
数字水印技术按照应用领域可分为脆弱性数字水印、鲁棒性数字水印和半脆弱性数字水印。脆弱水印是将数字水印嵌入到多媒体数据中，当多媒体数据受到怀疑时，提取该水印来鉴别多媒体内容的真伪，并指出篡改位置，甚至攻击类型等。鲁棒水印是添加在多媒体数据中的某些能证明版权归属或者跟踪侵权行为的信息。脆弱水印和鲁棒水印都属于单水印技术，而单水印技术往往存在功能单一的问题。目前的很多重要信号，既要对它们的版权进行保护，又要证明其内容没有被恶意篡改，因此有必要开发出能够同时满足版权保护和内容认证两种要求的水印技术。半脆弱水印技术是解决这个问题的一种方法，它的性能介于鲁棒水印和脆弱水印之间，但很难做到较强的鲁棒性和敏感的脆弱性相结合。近年来出现的双重水印技术解决了这一问题。
双重水印技术是在某个载体中同时嵌入鲁棒水印和脆弱水印，这种方法存在两种水印之间相互干扰的问题。由于脆弱水印对图像修改很敏感，鲁棒水印相对比较稳定，因此目前大部分双重水印算法都是以先嵌入鲁棒水印，后嵌入脆弱水印的方法来减小这两种水印的相互影响。这种方法虽然对水印检测结果影响较小，但不能做到完全没有影响，并且嵌入的双重水印由于嵌入容量大，干扰了图像原有信息，使得原始载体图像失真相对较大。
4结束语
数字水印技术是国际学术界兴起的一个前沿研究领域。它与信息安全、信息隐藏、数据加密等均有密切的关系。特别是在网络技术和应用迅速发展的今天，水印技术的研究更具研究意义。今后水印技术的研究主要还是在认证和版权保护两个大的方面，基于这两个方面也出现了很多新的研究方向。
参考文献
[1] Zhu B. B， Swanson M. D， Tewfik A. H. When Seeing Isn’t Believe. IEEE Signal Processing Magazine， 2004， 21（2）： 40-49.
[2] 王颖， 黄志蓓. 数字水印[M]. 北京： 电子工业出版社， 2003.
[3] 王丽娜， 张焕国， 叶登攀. 信息隐藏技术与应用[M]. 武汉： 武汉大学出版社，2009.
数字水印嵌入 篇3
目前在彩色图像中嵌入数字水印的算法主要包括离散余弦变换技术和色彩空间转换技术,但都局限于单一技术的研究,离散余弦变换技术数字水印算法[2,3,4,5]具有不易被破坏的特点,但健壮性不理想。
本文提出一种以离散余弦变换技术为基础,结合色彩空间转换技术,在彩色图像中嵌入灰色数字水印的综合算法,为避免在此算法中乱数安全性可能降低的问题,对算法进行了改进,在彩色图像中将灰度数字水印嵌入,而在乱数重排的过程中读取使用者密码,提高了乱数种子的安全性。实验证明此算法在彩色图像中嵌入灰色水印信息能较好的抵抗各类攻击,健壮性较好。
1 数字水印嵌入与提取算法
1.1 数字水印的嵌入步骤
1)将原始图像从RGB空间转换到YCbCr空间进行原始图像色彩分解。
2)对原始图像中的Y色板进行8x8离散的余弦转换(DCT),计算原图像的DCT频域系数,再从计算出的频域系数中找出具有较好强健性中低频区域如图1所示,作为嵌入数字水印信息的位置。
3)根据使用者密码,使用SHA1算法求得两组乱数种子,使用第1组乱数种子对数字水印进行打乱处理。
4)将打乱处理后的数字水印图像进行8x8区域DCT转换,得到数字水印的频域系数,然后由原始图像中选定的嵌入数字水印中低频区位置系数平均值q来产生量化表Q,产生方法如式(1)
式中P为过滤表,系数如式(3)所示:
使用Qr对每个4x4数字水印的频域系数W进行数字量化处理,得到数字水印量化后DCT频域系数Wq区块,如式(4)。
5)将量化后的数字水印的DCT系数进行置乱处理,使用第2组乱数种子,以乱数顺序取代原始图像的中低频相应位置的参数值。
6)对修改后的图像进行离散余弦反变换(IDCT,Inverse Discrete Cosine Transformation)处理,得到已嵌入数字水印信息的YCbCr图像,接着进行色彩空间变换从YCbCr转换到RGB,即完成整个数字水印嵌入,得到嵌有数字水印信息的图像。
1.2 数字水印提取步骤
1)读取嵌入有数字水印信息的图像进行色彩空间转换,由RGB空间图像转换成YCbCr空间图像。
2)对YCbCr中的Y色板进行DCT转换,接着由计算出的中低频相应位置取出数字水印信息。
3)读取使用者密码,由SHA1算法求出两组乱数种子,使用第2组乱数种子从中低频参数中以反乱序次序取出数字水印信息。
4)将取出的数字水印信息进行反量化处理,反量化计算如公式(5)所示:
5)将反量化处理后的信息进行IDCT运算,得到原数字水印信息。
6)接着使用第1组乱数种子对数字水印信息进行反乱数重组,即可提取到原数字水印信息。
2 实验结果分析
为验证算法的可行性及性能,实验以512x512图像为原始图像,以128x128的灰度图像为嵌入的数字水印信息,如图2所示。
在原始图像中嵌入数字水印信息后与原始图像相比较,及取出的数字水印与原始水印进行比较,采用PSNR(一种评价图像的客观标准)值和NC[6](归一化的相关系数,用来评估两幅图像相似度)值数据作为图像品质的评估标准。
数字水印嵌入前后的图像的PSNR值为29.512,取出的数字水印图像NC值为0.815427,可识别度较高。
下面对嵌入数字水印的图像进行切割处理、增强处理、Gamma修正处理、压缩处理后,再提取嵌入的数字水印信息,并采用NC值数据作为图像品质的评估标准。
2.1 切割处理
对嵌入数字水印的图像进行切割处理后提取其中数字水印信息,结果如表1所示。结果表明,此算法可以抵抗至剩余率至20%的切割破坏,若切割剩余率高于20%,则可较好的提取出水印信息;若切割剩余率低于20%,则提取出的数字水印几乎不可辨认。
3.2 增强处理
对嵌入数字水印的图像进行增强处理,结果如表2所示。结果表明,此算法约可抵抗至程度至25以上的增强处理,若是超过此值,数字图像失真较大,虽然能获取数字水印,但利用价值不大。
3.3 Gamma修正处理
对嵌入数字水印的图像进行Gamma修正处理,结果如表3所示。结果表明,此算法约可抵抗Gamma修正处理,修正值上限为7.5左右,若是超过此值过大,数字水印将趋于模糊,数字图像失真较大,利用价值不大。
3.4 压缩处理
对嵌入数字水印的图像进行JPEG压缩处理,结果如表4所示。结果表明,此数字水印算法能抵抗压缩率大于35%的JPEG压缩,压缩率若是小于此限,数字水印将趋至不可辨认。
4 结论
数字水印技术的发展对数字媒体著作权的保护具有重要的意义,本文提出以离散余弦变换技术为基础,结合色彩空间转换技术,在彩色图像嵌入灰色数字水印的综合方法,并在水印的嵌入和提取过程中,使用相关的密码处理,提高了水印的安全性。实验结果表明在嵌入数字水印后的原始彩色图像仍保有相当的品质,在受到切割处理、增强处理、Gamma修正、压缩处理等攻击时也具有相当的抵抗能力,健壮性较好。
摘要：近年来,数字水印技术用于数字媒体著作权的保护已成为一种发展趋势。本文提出一种以离散余弦变换技术为基础,结合色彩空间转换技术,在彩色图像中嵌入灰色数字水印的算法,试验结果表明:提出的算法可以较好的抵抗图像还原时的各种攻击。
关键词：彩色图像,数字水印,健壮性,离散余弦变换
参考文献
[1]Cox I J,Miller M L,Bloom J A,Digital watermarking,Morgan Kaufmann Publishres Inc.,San Francisco,CA,USA,2002.
[2]LI Xiao-qiang,XUE Xiang-yang.Improved Robust Watermarking in DCT Domain for Color Images[C].Proc of the 18th Int.Conf.on Ad vanced Information Networking and Application.0-7695-2051-0/04.
[3]Hsu C T,Wu J L.Hidden digital watermarks in images[J].IEEE Trans.On Image Processing,1999,8(1):58-68.
[4]Bas P,Chassery J M,Macq B.Geometrically Invariant Watermarking Using Feature Points[J].IEEE Trans,.Image Processing,2002,11(9):1014-1028.
[5]Hsu C T,Wu J L.Hidden Digital Watermarks in Images[J].IEEE Trans.On Image Processing,1999(8):58-68.
数字水印嵌入 篇4
关键词 数字水印技术 版权保护 内容认证
中图分类号：TP309 文献标识码：A
在计算机以及网络通信快速发展的新时代，数字媒体中的图像、视频、音频等功能优势凸显，随着而来的数字媒体的信息安全、知识保护与认证成为一个重要课题。因此，要在数字水印技术上进行全面运用，提升加密处理的有效方法，形成在网络环境下知识产权保护与认证来源的技术运用。
1水印技术
水印技术是一种传统加密方法的技术运用方式，是不被感知地在作品中嵌入信息的操作行为。数字水印技术具有相应的特点，其中，水印是一种不可感知的，与传统的条形码不相同，水印不会减损图像的整体美观度。同时，水印与其嵌入的作品形成密不可分的关系，在作品进行相应转换以及格式变换的情况下，也不会出现消除的现象。此外，水印技术的运用，可以为查询变换情况提供良好的帮助。从目前水印技术的运用来看，主要包括有鲁棒型水印、脆弱型水印、半脆弱性水印三种，这三种水印技术分别运用与数字图像的知识产权保护、内容图像完整性以及可信度的验证等。通过数字水印技术的运用，具有一定的保护优势。其中，水印技术不需要辅助的数据，对于处理旧文件过程中，没有多余的空间储存数据等。还能承载作品相同的变换，在作品进行转换的过程中，内容变化，水印也会发生变化。通过相应的对比，可以清晰的查看出水印的修改情况，掌握基本的内容，对于修改的痕迹有很明显的把握。从目前水印技术的应用来看，主要包括有精准认证、选择认证以及局域化认证与作品重建等方面的内容。
2精准认证的运用方法
精准认证主要运用在对作品是否有被改变的判断中，可以从两个方面进行技术运用。
2.1脆弱水印技术
从数字水印精准认证的技术分析来看，脆弱水印是指作品在发生任何形态的转换之后，形成一些不可测的标志，脆弱水印技术能从中检测到一个非常脆弱的水印。这样可以判断出是否有被改变的可能性。对于是否有修改能形成精准的判断。比如，通过使用图像的半色调进行信息隐藏，采用视频利用MPEG编码表示水印，这样，可以有效的检测到是否有被恶意修改的可能。
2.2嵌入签名技术
嵌入签名技术主要是通过对认证签名嵌入载体作品之中，可以减少一般认证签名信息丢失的风险性，在格式被转换的情况下也不会轻易的丢失信息。因此，通过嵌入签名认证技术，可以有效的确认与作品计算出的签名是否相同。在有效的避免嵌入水印的过程中对作品造成的改变，可以从认证与存放水印两个方面进行控制。为了更好的实现精准度，可以通过擦除水印来解决这些问题。
3选择认证技术的运用
选择认证技术是指在图像与音频的剪辑过程中，在少年比特的改变不会造成原作品发生改变的情况下，即使有出现相应的修改之后的比特现象，但在整个视觉与听觉中不会出现相应的改变。
3.1半脆弱水印技术
在半脆弱水印技术的运用中，主要是指能承受合理失真，但又不会被不合理失真损坏的水印。半脆弱水印能在一定程度的信号处理中，将正常的信号处理与恶意篡改的形成有效的区分，在篡改现象出现的同时，可以提供篡改的破坏量精准的位置，并帮助分析被篡改的相应类型，这样，能有效的保护好内容的真实性。主要是通过鲁棒性水印，从而使其在失真达到相应程度实效的情况下，获取半脆弱水印。
3.2嵌入式半脆弱签名技术
半脆弱水印如同它们的脆弱部分一样常常不能抵抗恶意修改，因为他们都屈从于拷贝攻击。如认证水印只嵌入到高频的DCT块的系数中，一个不合理的失真只改变了低频部分，而保持高频不变，水印自然也不会受到影响，这时系统就会错误地认为图像可以通过认证。在通过嵌入式半脆弱水印技术的运用，对块状内容中出现的被修改或者被转换的内容，可以形成水印技术的检测。这种技术具有相应的技术优势，能形成不同的水印表现，不同作品具有不同的表现，也不会引起相应的保真度的问题。
4局部认证技术的运用
局部认证作为一种基于水印的认证方法，能有效的辨别出做作品被修改的次数与相应的区域，还可以对剩余没有被修改的内容进行有效的证明。并通过对被修改内容的精准分析，可以对修改动机、失真的合理性以及相关嫌疑人进行有效的认证。可以从基于块的内容认证与基于样本的内容认证两个方面进行技术分析。其中，基于块的内容认证主要是对作品许多郴相交的时间与空间区域，进行相应的认证运用，这样，在作品被修改的过程中，就能掌握具体的被修改的区域的内容。基于样本的内容认证，主要是对块内容进行系统局域化的空间敏锐性分析，在块大小上进行相应的技术处理，减少块尺寸大小对安全问题的风险控制等。在局部认证技术应用中，对于相应的个人身份显示，比如身份证、护照、驾驶证等形成一定的局部认证，能有效的辨别出真假，并对作品形成局部的保护，形成一种无法仿制与复制的整体功能，从而有效的加强对作品真实性的保护力度。
5作品重建技术运用
通过水印可以判断一幅作品是否被修改，甚至判断出修改位置及修改方式， 同样， 我们可以通过水印将被修改的作品重建。重建有两种策略：精确重建和近似重建。其中，精确重建将作品恢复到初始的状态（即目标是重建作品的每个比特都和原作一致）。将作品简单地看做比特的集合，纠错编码（ECC）是作品传输中表示的一部分，一个作品中可以有许多不同的纠错编码，而且这些元数据可以用水印来表示。近似重建是一个和原作品有一定差别的作品，但和原作没有显著差别。 在技术重建的使用中，通过对作品重建技术的使用，能形成对作品整体功能的恢复，尤其是在被篡改的作品中，对于作品的失真性能构成很大的帮助，能有效的实现对作品的整体保护。并在重建的过程中，形成纠错编码的技术转换，在近似原作品的修复中，可以形成对目标控制的整体功能，从而为知识产权的保护提供良好的帮助。
6结语
数字水印技术与现代信息化发展有着很大的关联性，在图像处理以及内容认证方面有着很大的作用，尤其是在知识产权保护方面，通过数字水印技术与密码处理技术的有效结合，并采用智能开发技术，形成多种媒体类型的水印互操作的软件开发，能有效的对内容保护形成很大的效果，增强知识产权保护的整体力度。
参考文献
[1] 袁莉.数字水印的应用及攻击类型[J].长春师范学院学报，2005，11.
[2] 唐庆生，佘堃.基于离散小波变换的数字水印技术[J].成都信息工程学院学报，2005，01.
[3] 田震，陈高兴，李改肖，王斌.中国数字海图生产与版权保护[J].测绘科学，2005，04.
数字水印嵌入 篇5
关键词：数字水印,鲁棒性,不可见性,遗传算法,峰值信噪比,离散余弦变
数字水印技术[1]作为一种崭新的信息安全技术,为数字图像的版权侵犯的问题提供了一种可行的解决途径,并在许多领域得到了广泛的应用,如版权保护、篡改提示、票据证件防伪、隐蔽通信等领域[2]。数字水印技术在数字图像中的应用就是在数字图像中嵌入秘密而有意义的重要信息,并经过多种常见攻击后,如压缩、旋转、拷贝、裁剪、打印等攻击,最后能在不失去其本身意义且尽可能完整的检测和提取出目标水印信息,以此来保护数字图像的版权。其中王泽宇[3]等众多从事水印研究方面的专家学者,在水印嵌入位置的选取上,均利用肉眼和简单的分析在中高频率域上确定具体位置,但是这样选择出来的水印嵌入位置往往带有随机性或是非最优的,而嵌入位置的选取合理与否,将直接影响检测和提取水印的质量,如果选取不当,将可能导致提取出的水印质量有损,甚至提取不出有意义的水印信息,所以嵌入位置的选取对嵌入与提取水印的整个过程至关重要。为了解决这一问题,本文在此提出了一种利用遗传算法来优化数字水印中嵌入位置的算法,即找出最佳嵌入位置,以最大限度地保证提取出的水印信息的质量。数字水印技术框图如图1所示:
数字水印按照水印特性可分为不可见数字水印和可见数字水印[4],这里研究的是不可见数字水印。数字水印算法主要包含两个基本方面,即水印的嵌入和水印的提取或检测,算法的主要步骤为:首先将一幅合适的数字水印图通过事先设定的密钥利用嵌入算法嵌入到需要嵌入水印信息的原始图像中,即生成一幅嵌入水印后的图像。然后嵌入水印后的图像经过各种攻击后,再通过之前的密钥利用相应的检测与提取算法,提取出尽可能完整且有意义的水印信息。一个完善的数字水印应该满足鲁棒性和不可见性两个条件[5],但由于这两者是互相矛盾的,因此在嵌入水印的时候要充分利用图像的感知容量,以便在保证水印的不可见性的同时,还能得到稳健的水印。鲁棒性(又称稳健性)是指经历多种无意或有意的信号处理,如压缩、裁剪、打印、滤波等以及一些蓄意的攻击后,数字水印仍能保持完整性或仍能被准确检测和提取。不可见性(又称隐蔽性)是指嵌入水印后的图像与原始图像相比,应感觉不到差别。
1 遗传算法在数字水印中的应用
水印系统中参数的选取是在一个较大的解空间中寻找最优解或次优解的问题。而遗传算法GA(Genetic Algorithms)是一类具有较强鲁棒性的优化算法,隐含并行性和全局搜索特性是其两大显著特征[6]。遗传算法擅长解决的问题是全局最优化问题,遗传算法以编码空间代替问题的参数空间,以适应度函数为评价依据,以编码群体为进化基础,以对群体中个体位串的遗传操作实现选择和遗传机制建立起一个迭代过程[7]。在这一过程中,通过随机重组编码位串中重要的基因,使新一的位串集合优化于老一代的位串集合,群体的个体不断进化,逐渐接近最优解,最终达到对问题求解的目的。
本文提出基于遗传算法的数字水印技术,是在频域中进行水印的嵌入,遗传算法的适应度函数选择的是峰值信噪比函数PSNR(Peak Signal to Noise Ratio),一般情况下,峰值信噪比高的图像,其图像质量高,即嵌入水印后对图像质量的破坏较小。这样选择出来的嵌入点进行水印嵌入后,图像的视觉质量就会大大提高。在遗传算法编码方法的选择中,选择了二进制编码,即把表示图像像素点的位置的二维成对数值先转化为一维的数,再进行二进制编码,将编码后的二进制数作为决策变量,这样选择既可降低优化目标的维数,提高算法平均效率,又可避免由交叉和变异引起的嵌入点的冲突。另外,在选择操作时,这里采用了轮盘赌法,通过种群中个体各自的累加概率和0~1之间的随机数进行对比,来最大限度地选择复制适应度较高的个体,淘汰适应度较低的个体,以此来模拟达尔文生物进化论中“优胜劣汰,适者生存”的原理[8]。
2 算法原理
如下图2、3所示为本文中算法框图。
利用遗传算法求水印最优嵌入位置算法主要是将原始图像中可以作为水印嵌入位置的部分的像素点作为密钥,即遗传算法中的初始种群,图像的峰值信噪比作为适应度函数,通过终止条件(进化代数)和进化操作(选择、交叉、变异)对水印的嵌入位置进行不断的优化,最终得到水印的最优嵌入位置。随着遗传进化的进行,作为适应度函数的图像的峰值信噪比也在不断提高,最终图像质量达到最优,此时水印的嵌入位置为最优,这一过程均是由遗传算法智能完成。
水印嵌入算法是在离散余弦变换DCT(Discrete Cosine Transform)域中进行的,对原始图像8×8 分块后进行DCT,再对每一块进行Zig-Zag排序[9],然后根据嵌入位置的初始位置s和强度l,通过按照公式修改原始图像系数来嵌入水印信息,最后进行反离散余弦变换IDCT (Inverse Cosine Transform),得到含水印图像。而水印的提取算法是嵌入算法的逆过程,通过最大隶属度判断水印信息,对提取出的水印借助原始水印可通过NC相关度系数来判定水印真伪。这里主要是通过在DCT域中修改图像系数来嵌入水印信息。
3 算法实现过程
1) 在载体图像中选取256×256大小区域,用来嵌入水印图像。这里利用遗传算法优化该区域下的嵌入位置,为了使嵌入位置的终止位置落在原始图像范围之内,设原始图像Image A的大小为m × n ,则嵌入位置的初始位置区域为(0:m-255,0:n-255)。
设置参数,即种群规模、个体长度、交叉概率Pc、变异概率Pe、遗传代数(迭代次数)等。在嵌入区域内随机选择a个个体生成初始种群pop,并将其编码为对应的一维二进制数(即二进制编码方式)[10]。
将初始种群pop中的所有个体分别作为水印嵌入的密钥,利用水印嵌入算法在原始图像合理的区域嵌入水印,分别得到a幅嵌入水印后的图像Image B,再根据PSNR公式计算个体适应度。
在选取适应度函数时,应使其尽量简单,但又能充分反映种群中个体的优劣度。本算法的优化目标是使嵌入水印的图像与原始图像间的差异最小化,即使图像失真最小,为此,这里直接选用峰值信噪比作为适应度函数[11]。峰值信噪比计算公式为:
其中,PSV为图像信号峰值,这里取255;MSE为原始图像与嵌入水印后的图像灰度值的均方差,表示为:
2) 在迭代次数以内进行种群遗传进化。当迭代次数小于50次时,对初始种群进行遗传进化,即选择复制、交叉、变异[10,12,13],继而产生新一代种群;否则遗传终止,得到最优解,即最佳嵌入位置。
(1) 选择[13]:通过种群中各个个体的适应度值,计算出对应的选择概率和累加概率。
然后根据轮盘赌法基本按照“优胜劣汰”法则进行选择复制,即选择适应度高的个体进行复制,而适应度低的个体进行淘汰,但种群中的个体数保持不变,以达到优化种群的目的。
选择概率公式:
其中,pi为某代种群中第i个个体的累加概率,fi为某代种群中第i个个体的适应度值,i=1,2,3,…,20, 而fsum为某代种群中所有个体适应度值之和。
累加概率公式为:
其中,Pk为某代种群中第k个个体的累加概率,k=1,2,3,…,20。
(2) 交叉:两两染色体配对依据交叉概率交换部分基因。群体中的每个个体之间都以一
定的概率pc交叉,即两个个体从各自字符串的某一位置开始互相交换,这类似生物进化过程中的基因分裂与重组。
(3) 变异:通过翻转法依据变异概率对染色体某部分基因进行变异。基因的突变普遍存
在于生物的进化过程中。变异是指父代中的每个个体的每一位都以概率pm翻转,即由“1”变为“0”,或由“0”变为“1”(翻转法)[11]。遗传算法的变异特性可以使求解过程随机地搜索到解可能存在的整个空间,因此可以在一定程度上求得全局最优解。
因此,最终得到水印嵌入的最佳位置,将该位置可作为密钥,通过密钥在含有水印的数字图像中尽可能不损害图像质量且又能提取出可靠的水印信息,以保护数字图像的版权等。
嵌入过程:
a.设载体图像I大小为m × m ,待嵌入水印图像W大小为n × n ,将I进行k × k分块,其中k=m/n ,k为整数,对每个n × n分块进行DCT,生成分块DCT系数矩阵。
b.将每个分块DCT系数矩阵系数值按Zig-Zag排序,选取嵌入的水印的起始位置为s ,嵌入的长度为2l,且s+2l<=k×k 。
c. 对每个分块的DCT系数重复嵌入l次1bit信息。设分块后按Zig- Zag排序的一维系数矩阵为。其嵌入方法如下:
先对所选系数中幅值较小的系数进行修正,其修正方法如下:
设修改的幅值强度为d(d>0) ,当所选系数幅值的绝对值小于d ,则将幅值修改为d ,正负号不变。
当某一分块对应的嵌入水印信息为1时,修改系数满足
当嵌入的水印信息为0时,修改系数满足
若不满足式(1) 和式(2) ,则修改和中绝对值较小的一个符号,使其满足上式。
如上重复嵌入1bit水印信l次,在i = s,s+1,…,s+l-1 时,修改系数满足式(1)和式(2),其中s和l可作为水印算法的密钥。
d.按照以上嵌入方法,将整个水印图像嵌入到载体图像的DCT域。
e.对嵌入后水印信息的DCT系数矩阵进行分块IDCT,即得到嵌入水印信息的图像。
提取过程如下:
a. 水印提取算法是嵌入算法的逆过程。含水印图像Iw进行纠正后,对Iw进行k × k的分块,每块进行DCT,得到分块DCT系数矩阵,然后依据密钥s和l从分块的系数矩阵中提取出水印信息。
设对图像Iw进行分块DCT变换,且按Zig-Zag排序后的系数一维矩阵为
b.对于每个分块,只提取1bit的水印信息。按嵌入方法的逆过程来提取,
若,则提取的水印信息;
若,则提取的水印信息;
c.因为可能存在误差,提取的l个水印信息可能存在不一致的情况,所以本文通过最大隶属度原则判断该分块最终嵌入的信息。定义
对1隶属度为中1的个数/l;
对0隶属度为中0的个数/l。
d.相似度的计算公式
其中,Im,n表示原始水印,Im,n表示提取的水印。按照以上提取方法,从所有分块中提取出相应的水印信息,得到提取的水印W`。再按照所提出的水印图像和原始水印图像的相似度,来判断原载体图像的真伪。
4 仿真实验与结果分析
本文采用256×256大小的火影图作为原始载体图像,如图4a所示。水印图像选用二值条形码lenacode图像,大小为44×44,如图4b所示。实验环境为Window7系统下Matlab7.10。实验参数如表1所示。
1)实验一:对比进化过程中种群个体的适应度函数值的变化情况,如表2所示,通过如图5所示的曲线图可以更加直观的看到这一情况。
表2中,初始种群是应用普通方法得到的原始图像嵌入水印的初始位置,这20 个个体的适应度函数值均大致分布在39到41之间,且最大为40.6974,经过30代进化操作后,得到20个个体的适应度函数值已提高到了42~44,而当进化代数达到50代时,得到的种群个体适应度函数值已经再次提高到了45 到47之间,其中最高适应度函数值达到了46.6395,大大地提高了初始种群的适应度函数值。通过实验一说明了,利用遗传算法优化嵌入位置,使得图像的不可见性得到了提高,即嵌入水印后的图像的质量提高了。
2)实验二:对比遗传算法与普通方法分别得到的嵌入位置各自嵌入水印后图像的峰值信噪比,如表3所示。
由表3 可以看到利用遗传算法优化出的嵌入位置嵌入水印后得到的峰值信噪比46.6395,要明显高于普通方法得到的峰值信噪比40.0569,即利用遗传算法得到的结果要优于普通方法得到的结果。
3)实验三:利用遗传算法嵌入水印后水印提取情况如下。
图6a是利用遗传算法找到的最佳嵌入位置嵌入水印后的图像,图6b是含有水印的图像在未受任何攻击下提取的水印,NC=1。下面是含有水印的图像在受到一些常见攻击后提取的水印,如图7~10所示。
通过实验三我们可以得到,利用遗传算法找到的最佳嵌入位置嵌入水印后,图像在没有受到任何攻击或者受到常见的剪切、移位、压缩、加噪等攻击后,仍然能够提取到可靠而有意义的水印信息(校正后NC值都趋于1,相似性较好),该算法具有较强的鲁棒性。
5 结束语
数字水印嵌入 篇6
随着计算机网络的普及和传输速率的提高, 网络上传输数据变得非常方便和迅速, 人们可以通过网络获得文本、图像、音频、视频等各种多媒体信息。在网络上传输的数据中有些图片数据是需要加密的, 如军用卫星照片、设计图纸、患者病例等, 这些数据一旦被非法获取, 轻则会泄露个人隐私, 严重的甚至会影响国家安全。图像置乱技术就是一种针对图像信息的加密技术, 这一技术可以将原始图像变得杂乱无章, 使变换后的图像无法反映原始图像的信息, 这样即使图像信息被非法获取, 获取者也无法从中直接获取有用信息。与此同时多媒体信息的传播变得越来越方便时, 也给版权侵犯行为带来了可乘之机。诸如非法拷贝、传播、篡改等侵权行为变得越来越容易、快速和隐蔽, 同时难以取证, 这使得数字媒体的所有者和发行者蒙受了巨大的经济损失。为有效保护知识产权, 人们发明了一种将公司标识、特定数字等放入多媒体信息中的方法, 以此来标识公司信息或者媒体所有权等信息, 这一技术就是信息隐藏技术中的一个分支——数字水印技术。本文首先介绍几种常见的图像置乱变换, 然后着重讨论基于Arnold的置乱变换, 利用MATLAB对该算法进行实现, 最后本文讨论了图像置乱变换在数字水印中的应用。
1 常见的图像置乱算法
1.1 基于Arnold变换的图像置乱
Arnold变换是俄国数学家Vladimir I.Arnold提出的一种变换, 一幅N×N的数字图像的二维Arnold变换定义为:
其中x, y∈{0, 1, 2, …, N-1}表示变换前像素的位置, x′, y′表示变换之后的像素位置,
是变换矩阵, mod为模运算。
数字图像可以看为一个二维矩阵, 经过Arnold变换之后图像的像素位置会重新排列, 这样图像会显得杂乱无章, 从而实现了对图像的置乱加密效果。
1.2 Fibonacci变换
Fibonacci数列是1202年意大利数学家Fibonacci提出的, Fibonacci变换是Fibonacci数列在数字图像处理中的一种应用, Fibonacci变换定义为:
其中参数的定于与Arnold变换中的相同, 只是变换矩阵不同。
1.3 Hilbert曲线变换
Hibert曲线是德国数学家Hilbert给出的一种充满空间 (Space-filling) 、非自交 (Self-avoiding) 、自相似 (Self-similiar) 的简单 (Simple) 曲线。按照曲线的走向遍历图像中所有像素点, 以遍历顺序将图像重新排列, 就可以生成一幅新的图像, 生成的新图像是“杂乱”的。
1.4 放射变换
放射变换的一般形式为:
需要选取适当的参数a, b, c, d, e, f, 当满足
时, 以整数提升对式进行分解, 使图像坐标 (x, y) 变换为 (x′, y′) , 可以进行多次迭代从而达到图像置乱的目的。
1.5 幻方变换
以自然数1, 2, ……, n*n为元素的n阶矩阵
其中c为常数, 称A为n阶标准幻方。幻方变换根据幻方矩阵A中的自然数序号跟图像中的像素点按照行列一一对应, 通过将A中元素移动到序号为mod (n*n) +1的位置实现对图像的置乱变换。
2 Arnold置乱算法的周期性
经过置乱的图像变得面目全非, 和原始图像已经完全不同, 然而对于合法的用户, 需要还原出原始图像。Arnold变换之所以成为一种得到广泛应用的置乱算法, 是因为Arnold变换具有周期性, 如果重复的进行Arnold变换, 经过一定的次数之后必然会还原出原始图像。Arnold变换的周期性与图像的大小有关系, 但是不成正比。如大小为128×128的图像的Arnold变换的周期为96, 大小为240×240的图像的Arnold变换的周期为60。表1给出了不同N值对应的变换周期T之间的关系。
从表中可以看出Arnold置乱算法的周期随着图像大小的不同而不同, 但是并不是简单的成正比关系, Dysono, Falk等人指出Arnold置乱算法的周期T<N2/2。N=3, 4, 5, …, 256时Arnold置乱变换的周期分布如图1所示。
下面以一幅256×256像素的图像为例, 利用MATLAB程序实现Arnold算法。
图像置乱的目的在于打乱图像, 使非法获取图像者无法识别图像内容, 图像置乱度表明了图像被打乱的程度, 图像经过置乱变换, 越“乱”效果越好, 保密性越好。从图2中可以看出图像Arnold变换迭代次数较少时, 置乱效果不好, 但是置乱效果并不随迭代次数的增加而增加, 观测Arnold迭代50次和迭代100次的图像, 主观很难判断哪个图像更乱。
衡量图像置乱度图像置乱度的评价标准有观察者的主观标准, 也有客观标准。主观标准可以按照人眼对原始图像和置乱后的图像的视觉感官来判断, 依据主观感受来划分等级。客观标准尚无统一的数学模型, 有些研究者提出用原图像中每个像素点的灰度值和周围像素点灰度值的差别来衡量置乱度, 如柏森等人提出的数学模型:
也有的研究者提出用原图像的像素位置移动的远近来表明置乱度, 如张小华等人提出的数学模型:
δ
3 Arnold变换在基于LSB的数字水印中的应用
LSB是Least Singificant Bit的缩写, 意思是最不重要比特位, LSB算法利用了数字图像处理中位平面的原理, 即改变图像的最低位的信息, 对图像信息产生的影响非常小, 人眼的视觉感知系统往往不能察觉。以一幅256灰度的图像为例, 256灰度共需要8个位来表示, 但其中每一个位的作用是不一样的, 越高位对图像的影响越大, 反之越低的位影响越小, 甚至不能感知。
LSB算法简单实现容易, 同时可以保证数字水印的不可见性, 由于可以在最低位的每个像素上都插入数字水印信息, 因此有较大的信息嵌入量。但是由于数字水印位于图像的不重要像素位上, 因此很容易被图像过滤、量化和几何型变等操作破坏, 以致无法恢复数字水印。针对基本的LSB算法的缺点, 在嵌入水印之前, 对原始图像进行置乱变换, 使图像变得混乱不堪, 然后再利用SLB数字水印算法将水印图像嵌入变换后的原始图像, 嵌入水印的图像在遭受用户修改和恶意攻击时, 由于Arnold变换将遭受损坏的比特分散开了, 减少了对人视觉的影响, 相应地就提高了数字水印的鲁棒性。该系统嵌入水印的流程如图3所示。
4 结束语
图像置乱算法可用于对图像进行加密, 经过Arnold变换的图像会变得面目全非, 使非法获取图像者无法获取清晰的原始图像。数字水印技术可以用于版权的标识, 将版权信息隐藏与原始图像之中。基于LSB的数字水印技术是一种较简单的空域数字水印, 如果在数字水印嵌入过程中对原始图像进行Arnold变换, 则可以提高嵌入水印后图像的抗攻击能力, 从而增强了数字水印的鲁棒性。
参考文献
[1]王家文.MATLAB7.0图像处理[M].北京:国防工业出版社, 2006.
[2]商艳红, 郑争, 王志巍.数字图像置乱技术及置乱度分析[J].唐山师范学院学报, 2006, 28 (2) :80-85.
[3]田云凯, 贾传荧, 王庆武.基于Arnold变换的图像置乱及其恢复[J].大连海事大学学报, 2006, 32 (4) :107-108.
[4]刘建华, 李燕.数字图像置乱技术及其Matlab实现[J].桂林航天工业高等专科学校学报, 2002, 28 (4) :9-12.
[5]张小华, 刘方, 焦李成.一种基于混沌序列的图像加密技术[J].中国图像图形学报:A版, 2003, 8 (4) :374-378.
一种自嵌入盲检测鲁棒数字水印算法 篇7
近年来相关领域提出了自嵌入技术对鲁棒水印算法的研究。参考文献[6]引入自嵌入技术, 提出一种DWT-SVD域全盲鲁棒量化水印算法, 虽具有良好的不可见性和安全性, 但是该算法中水印序列自嵌入对含水印图像提取特征水印序列的最大值有影响, 因此提取的嵌入水印序列与认证水印序列之间存在误差。参考文献[7]将自嵌入思想引入到鲁棒水印领域, 研究表明该算法在抵抗平滑、添加噪声、JPEG压缩、重采样、剪切和几何攻击上表现出很强的鲁棒性, 但是该算法将原始图像每一子块产生的特征水印嵌入到该块的DCT系数中, 使得算法对矢量量化等攻击鲁棒性较差。
本文通过分析与比较, 针对前述算法的不足, 提出了一种基于非负矩阵分解和提升小波变换的自嵌入盲检测鲁棒数字水印算法。详细介绍了该算法的设计与分析, 最后通过实验表明该方案对常见信号处理具有很强的鲁棒性, 实现了鲁棒水印序列完全盲检测。
1 算法的分析与设计
非负矩阵分解 (NMF) 和提升小波是本文算法的设计基础。对NMF的主要介绍可以见参考文献[8-9], NMF在某种程度上体现了智能化数据描述的本质。
提升 (二代) 小波构造方法由Sweldens提出, 与传统小波变换相比, 提升格式小波变换不仅克服了传统小波计算量大、不能精确重构原始信号等缺点, 而且具有包容传统小波、运算速度快、允许完全原位计算、易于实现并行运算等优点。
基于上述的理论基础, 本文提出了一种自嵌入盲检测鲁棒数字水印算法, 算法描述中使用了非负矩阵分解与提升小波的相关术语与符号。该算法包括鲁棒水印序列提取、鲁棒水印序列自嵌入、鲁棒水印序列检测以及认证水印序列提取4个步骤, 下面进行详细说明。
1.1 鲁棒水印序列提取
为便于鲁棒水印序列提取, 本文使用小波低频逼近系数均值作为统计特征。该统计特征从逼近信号的小波系数得到, 代表原始信号感知上最重要的分量, 对于常见信号处理操作具有较强的鲁棒性。而且由于相邻图像像素间具有高度相关性, 随机剪切等操作即使引起个别小波系数发生较大的改变, 也不会使统计平均值发生很大变化。
本文设计算法的鲁棒水印序列W赞提取过程如下所述:
(1) 将原始图像载体信号I分割为L个互不重叠大小为n×n的子块Ii{i=0, 1, …, L}, 分块个数决定鲁棒水印序列W赞的数据元素个数。
(2) 依次对每一图像子块Ii{i=0, 1, …, L}进行H级小波分解, 选取子块图像小波低频近似分量C (i) Hlow。
(3) 将图像子块低频近似分量C (i) Hlow进行NMF分解, 得到其NMF分解基矩阵UA (i) 和系数矩阵VA (i) 。
(4) 系数矩阵VA (i) 块内求和得V (i) , 并计算均值V=Mean (V (i) ) 作为阈值, 根据V (i) 中元素与V的大小关系产生鲁棒水印序列W赞, 即:
1.2 鲁棒水印序列自嵌入
本文设计算法的鲁棒水印序列自嵌入过程描述如下:
(1) 将原始图像载体信号I分割为L个互不重叠大小为n×n的子块Ii{i=0, 1, …, L}。
(5) 对嵌入水印序列后的小波低频近似分量进行逆向LWT变换, 得到含水印图像IW。
1.3 鲁棒水印序列检测
详细水印序列检测过程如下所述:
(3) 根据下式提取鲁棒水印序列:
1.4 认证水印序列提取
本文设计算法的认证水印序列W"提取过程如下所述:
2 实验结果
2.1 实验参数说明
仿真实验选用的标准灰度图像Lena、Goldhill、Baboon等作为原始载体图像, 实验平台使用Windows XP操作系统和Matlab 7.0编程环境, CPU为Intel CPU E65002.9 GHz, 内存为4 GB。原始载体进行以Daubchies5/3小波为基的1级LWT, 小波低频子带系数进行NMF以产生原始特征水印序列。自嵌入水印序列的长度为1 024 bit。Lena、Goldhill、Baboon 3幅图像的量化步长都为21。
2.2 不可见性实验
分别从主观与客观测评两个方面衡量算法的不可见性。图1 (a) 、图1 (c) 、图1 (e) 为原始标准测试图像, 图1 (b) 、图1 (d) 、图1 (f) 为本文算法下的含水印图像。从图1的实验结果可见, 本文设计的算法具有良好的不可见性。客观测评采用峰值信噪比PSNR (Peak Signal to Noise Ratio) , 定义如下:
根据本文算法嵌入水印前后标准测试图像与含水印图像间的PSNR与参考文献[6, 10, 11]的比较如表1所示。从表1可见, 本文算法与同类文献中算法均具有较好的视觉效果。
2.3 抗攻击鲁棒性实验结果
使用归一化相关系数NC (Normalized Correlation) 作为算法稳健性衡量指标。本文算法在各种常见图像处理攻击和组合攻击下的实验结果如表2所示。从表2可见, 本文算法对常见图像处理攻击和组合攻击均具有较强的鲁棒性, 部分性能优于对比参考文献。
2.4 量化步长选择
量化步长η的选择决定着算法的鲁棒性和不可见性。η越小, 算法的不可见性越好, 但鲁棒性越差;η越大, 算法的鲁棒性越好, 但不可见性越差。图2给出了本文算法PSNR与量化步长之间的关系曲线图。从图2可见, 当3幅图像的量化步长η取21时, 本文算法具有良好不可见性和较强鲁棒性。
本文提出了一种自嵌入盲检测鲁棒数字水印算法。实验结果表明, 该方案对常见信号处理具有很强的鲁棒性, 实现了鲁棒水印序列完全盲检测。此外, 本算法还具有计算简单、容易实现等优点, 大大增强了其用于数字图像作品版权保护的实用性, 具有一定的应用价值。今后的研究将从进一步深入探讨NMF特征序列的稳定性以及分析LWT变换系数特性, 设置更合适的量化步长, 进一步提高算法整体性能等方面展开。
摘要：为了实现鲁棒水印算法的完全盲检测, 提出一种自嵌入盲检测鲁棒数字水印算法。该算法对原始图像分块子图进行小波提升变换得到低频近似分量, 对近似分量作非负矩阵分解得到可近似表示子块图像的基矩阵和系数矩阵;在此基础上将系数矩阵量化得到鲁棒水印序列, 最后鲁棒水印序列自适应量化嵌入原始图像低频自带近似分量。实验结果表明, 该方案对常见信号处理具有很强的鲁棒性, 实现了鲁棒水印序列完全盲检测。
关键词：数字水印,自嵌入,完全盲检测,提升小波变换,非负矩阵分解
参考文献
[1]Wang Xiongyang, Hou Limin, Wu Jun.A feature-based robust digital image watermarking against geometric attacks[J].Image and Vision Computing, 2008, 26 (7) :980-989.
[2]Wang Xiongyang, Cui Changying.A novel image watermarking scheme against desynchronization attacks by SVR revision[J].Journal of Visual Communication and Image Representation, 2008, 19 (5) :334-342.
[3]Li Leida, Qian Jiansheng, PAN J S.Characteristic region based watermark embedding with RST invariance and high capacity[J].International Journal of Electronics and Communications, 2011, 65 (5) :435-442.
[4]左姣, 范九伦.自嵌入全盲鲁棒水印量化算法[J].微型机与应用, 2014, (2) :38-40, 43.
[5]冯祥斌, 陈永红.基于纠错编码和RBF神经网络的盲水印新算法[J].微型机与应用, 2013 (7) :30-33.
[6]叶天语.DWT-SVD域全盲自嵌入鲁棒量化水印算法[J].中国图象图形学报, 2012, 17 (6) :644-650.
[7]叶天语.自嵌入完全盲检测顽健数字水印算法[J].通信学报, 2012, 33 (10) :7-15.
[8]刘竞杰, 陶亮.一种基于非负矩阵分解的鲁棒零水印算法[J].计算机工程与应用, 2012, 48 (16) :90-93, 106.
[9]DONOHO D, STODDEN V.When does non-negative matrix factorization give a correct decomposition into parts[C].Proceeding of Advances in Neural Information Processing Systems, Cambridge:MIT Press, 2004:1141-1148.
[10]李旭东.基于奇异值分解的灰度级数字水印算法[J].武汉大学学报:信息科学版, 2010, 35 (11) :1305-1308, 1359.
汉明码在数字音频水印嵌入中的应用 篇8
现今,网络和通信技术飞速发展,多媒体产品的传输和获取变得快捷方便。与此同时,多媒体编辑软件的涌现,使得对多媒体产品的处理变得简单随意。然而,在这一系列的便捷之下,多媒体信息安全问题不容忽视。数字水印技术作为保护多媒体产品版权的有效手段,被广泛关注[1]。
数字音频水印算法是以数字音频信号为载体,通过一定方式将文本、图像、声音等水印信号嵌入到载体中的过程。水印信号的嵌入在具有好的不可感知性的同时要不影响音频信号的听觉质量。目前,水印算法主要分为时域算法和变换域算法。时域算法有最低有效位算法[2]、回声隐藏算法[3]等,变换域算法主要有离散傅里叶变换[4]、离散余弦变换[5]和离散小波变换[6]等通过改变变换域内系数值来嵌入水印的算法。变换域音频水印算法相对于时域音频水印算法具有更好的不可感知性和鲁棒性,但是时域算法实现过程相对简单。
音频信号在传输过程中会受到各种干扰,提取水印时就可能出现误码。本文提出一种基于汉明码的数字音频水印算法,将二值信号通过量化方式嵌入到原始载体信号的小波域系数均值中。实验结果表明,该算法降低了水印提取的误码率,并且有较好的不可感知性和鲁棒性。
1 相关原理
1. 1 汉明码原理
汉明码是以发明者理查德·卫斯里·汉明的名字命名的一种具有纠错功能的线性编码[7]。由于汉明码的编码方式简单,并且能够纠正1 比特的错误码,被广泛应用于信道的编码与译码中,以提高通信系统抵抗干扰的能力[8,9]。
假设信息位数为m,校验位数为r,则汉明码位数为n = m + r。想要实现充分的错误码纠正,m、r、n应当符合不等式( 1) 、( 2) :
通过上述不等式可得汉明码中校验码与最大可校验信息位数之间的关系如表1 所示。
其中,常用的汉明码是( 7,4) 汉明码,( 7,4) 汉明码的汉明码位数为7,信息位数为4,故其校验位数为3。下面就以( 7,4) 汉明码为例简单介绍汉明码的纠错过程。
假设一组( 7,4) 汉明码为A =[a6,a5,a4,a3,a2,a1,a0 ],前4 位是信息位,后3 位是校验位。S1、S2 和S3 是显示错误码位置的校正子,则校正子与错误码位置的对应关系如表2 所示。
由表1可得校正子和错误码位置的关系式为:
1.2双边量化
双边量化[10]是一种常见的量化方式,该量化方法原理简单,实现容易,在水印嵌入算法中被广泛应用。
假设待量化的系数为f,待嵌入的水印比特为w( 0 或- 1) ,量化步长为 Δ,量化处理后嵌入水印的系数为f1。系数量化原理如图1 所示。
首先,将坐标轴按照上图所示按量化步长 Δ 划分成相互间隔的A、B区间,属于A区间的水印比特为1,属于B区间的水印比特为0。
其次,对嵌入水印的系数f进行处理,取模m =mod( f ,Δ) ,取余r = f - m* Δ。然后根据要嵌入的水印比特( 0 或1) 量化系数f。量化过程如下所示。
①当w = 1,f≥0 时
②当w = - 1,f≥0 时
③当w = 1,f < 0 时
④当w = - 1,f < 0 时
上述操作的实质是将系数调整为与其最近的相同区间的中点值。该量化方式的最大量化误差为量化步长 Δ,即| f1 - f | ≤ Δ。提取水印时,根据待检测系数f2所在区间确定水印w,如果f2在A区间,则水印为1,如果f2 在B区间,则水印为0。水印提取方法可表示为:
由于均值量化方式具有较好的稳定性[11],在本算法中使用双边量化方式量化小波域低频系数均值。
2 水印的嵌入与提取
2. 1 水印的嵌入过程
①构造大小为512 × 4,处于( 0,1) 之间的随机数矩阵,将矩阵中的元素与0. 5 比较大小,得到一个大小同样为512 × 4 的二值随机数矩阵W,该矩阵即为初始水印信号。
②按照汉明码编码规则对水印信号W进行编码,得到大小为512 × 7 的汉明码矩阵H。
③选择合适的Logisctic映射初始值x0生成长度为512 × 7 的一维混沌序列S = { s ( i) ,1 ≤ i ≤( 512 × ) } 。设定一个合适的阈值x1,将混沌序列转换为二值序列,然后调整序列为512 行7 列的混沌矩阵R = { r( i,j) ,1≤i≤512,1≤j≤7 } 。将Logistic的初始值x0和阈值x1作为密钥保存。
④将混沌矩阵R与汉明码矩阵H进行异或运算,得到加密后的汉明码矩阵H_encoded。
⑤根据矩阵H_encoded的行数将原始音频信号A = { a( n) ,n = 1 ≤ n ≤ N} 分为512 帧,则每帧信号的长度为L1 = N/512,每帧信号可表示为Ai= { b( i) ,1≤i≤L1} 。再根据矩阵H_encoded的列数将每帧信号分为7 段,每段长度为L2 = N/3584,每段信号可表示为Aij= { c( i,j) ,1≤i≤L1,1≤j≤L1 } 。
⑥对每段信号进行小波基为“Db1”的三级小波变换,得到变换后的低频系数CAj,并计算每段低频系数均值avgj。
⑦通过双边量化方式,将1 比特的水印信息嵌入到每段信号的低频系数均值avgj中,则一帧信号中嵌入7 比特的水印信息,即矩阵H_encoded的一行数据。通过修改后的低频系数均值修改低频系数。
⑧根据修改后的小波系数进行小波重构,将重构后的每段信号连接起来并保存,得到嵌入水印后的数字音频信号A_embed = { d( i) ,n = 1 ≤n≤N } 。
水印嵌入过程的基本流程图如图2 所示。
2. 2 水印的提取过程
水印提取过程与水印嵌入过程的类似:
①根据密钥中的Logistic的初始值x0生成长度为512×7的一维混沌序列S={s(i),1≤i≤(512×)}。然后根据阈值x1,将混沌序列转换为二值序列,然后调整序列为512行7列的混沌矩阵R={r(i,j),1≤i≤512,1≤j≤7}。
②将待检测的信号A_embed={d(i),n=1≤n≤N}分为512帧,再将每帧信号分为7段。
③对每段信号进行小波基为“Db1”的三级小波变换,得到变换后的低频系数,并计算每段低频系数均值。
④根据双边量化方式从每段低频系数均值中提取水印矩阵W。
⑤将矩阵W与混沌矩阵R进行异或运算,所得结果再进行汉明码译码运算就得到检测到的水印W1。
3 仿真实验
为了验证算法的可行性与其性能,选择MATLAB R2009b作为实验平台进行仿真。选取的原始音频信号是一段采样率为44. 1k Hz,分辨率为16 比特,采样点为3670016 的单声道古典乐曲。水印是大小为512 × 4 的随机二值矩阵,其产生方式如嵌入过程步骤 ① 所示。双边量化过程中量化步长为0. 01。水印嵌入前后音频信号波形如图3 所示。
通过观察两组音频信号的波形可知,水印嵌入前后音频信号波形没有明显的变化。观察者的听觉系统也没有感受到两段音频在音质上的区别。
水印的透明性也可通过计算信噪比SNR来评价,SNR的计算式如式( 11) 所示。国际留声机联盟要求嵌入水印后的音频信噪比不得低于20d B[12]。通过计算可得嵌入水印后音频信号的信噪比SNR为26. 0556d B。故该算法具有较好的不可感知性与透明性。
其中,A和A' 分别表示原始音频信号和嵌入水印后音频信号。
为验证水印的鲁棒性,衡量算法的抗干扰能力,对嵌入水印后的音频信号进行常规处理后,分别计算水印的相关系数NC和误码率BER,通过这两个参数衡量音鲁棒性。NC的计算公式如式( 12) 所示。
其中,W和W' 分别表示原始水印信号和提取的水印信号。BER的计算公式如式( 10) 所示。
其中,E代表提取的水印信息中的错误比特数,N代表水印总比特数。
NC的取值范围为0 到1,越接近1,说明原始水印与提取水印的相似性越高,水印鲁棒性越好; BER的取值范围同样是0 到1,值越接近于0,则表示提取的水印错误率低,水印鲁棒性越好[13]。
对嵌入水印后的音频信号进行常规处理,检测提取的水印信号的误码率和归一化相关系数。如表1 所示。
实验结果表明,当添加的高斯白噪声为30d B时,算法仍有较好的鲁棒性,误码率低。随着截止频率的降低,水印的误码率增大,相关性减小。当截止频率为4k Hz时,低通滤波处理对音频音质的改变已经能够被人耳察觉,但是此时水印仍有较好的鲁棒性。重采样和重量化处理的误码率均为0,相关性均为1,也就是说该算法能有效的抵抗重采样和重量化处理,提取出的水印准确无误。
综合上述结果可知,该方法在保持水印的透明性的同时,能有效抵抗常见处理,具有良好的鲁棒性。
4 结束语
本文结合汉明码具有自动纠错功能的特性,提出了一种基于小波域的均值量化音频水印算法。首先使用汉明码对二值水印进行编码,然后将音频信号分帧,每一帧再分段,通过量化方式将水印嵌入到分段信号的小波低频系数均值中。实验表明,将汉明码应用于数字水印的嵌入中是可行的,该算法在保证较好的不可感知性的同时仍具有鲁棒性。该算法的不足之处在于,嵌入的水印是无意义的二值随机数,水印信息不够直观。并且对于同步攻击,该算法的鲁棒性较差,需要进一步的提升。
摘要：汉明码作为一种具有纠错功能的编码技术,在通信领域被广泛研究与应用。为降低水印提取的误码率,文中利用汉明码良好的纠错性能和均值量化的稳定性,提出一种基于汉明码的数字音频水印算法。首先将作为水印信号的二值信号进行汉明编码,并将编码后的汉明码矩阵利用Logistic映射加密,然后将原始音频数据小波变换,通过均值量化将加密后的汉明码嵌入到音频中。实验结果表明,该算法具有较好的透明性,对常规处理具有鲁棒性,有效降低了水印的误码率。
数字水印嵌入 篇9
数字水印是将一些标识信息直接嵌入数字载体（多媒体、文档、软件等）当中，用来标识版权或用户信息，且不影响原载体的使用价值，也不容易被探知和修改。数字水印技术是从信息隐藏技术发展而来的，是数字信号处理、图像处理、密码学应用、算法设计等学科的交叉领域。随着信息技术和因特网的快速发展，各种形式的多媒体数字作品纷纷以网络形式发表，其版权保护成为一个迫切需要解决的问题。由于数字水印是保护信息安全、实现防伪溯源、版权保护的有效办法，因此，现今已成为多媒体信息安全研究领域的热点，也是信息隐藏技术研究领域的一个重要分支。该技术就是通过在原始数据中嵌入秘密信息——水印，来证实该数据的所有权。这种被嵌入的水印可以是一段文字、标识、序列号等，它与原始数据紧密结合并隐藏其中，并且不破坏原数据使用价值。在数字水印系统中，隐藏信息一旦丢失，即意味着版权信息的丢失，从而就失去了版权保护的功能。因此，数字水印除了具备信息隐藏技术的一般特点外，还有着其固有特点，即较强的鲁棒性、安全性和隐蔽性等。
1.1 鲁棒性。是指不因图像文件的某种改动而导致隐藏信息丢失的能力。也就是说，当被保护的数据在经过攻击后，嵌入的水印信息仍能保持好的完整性并能以一定的正确概率被检测到。这些可能的攻击包括噪声、滤波、剪切、旋转和编码等。在理论上任何水印都可以去掉，只要对水印的嵌入过程有足够的了解，但是如果对水印的嵌入只是部分了解，任何破坏或消除水印的企图势必导致载体严重降质而不可用。
1.2 隐藏性。也称不可感知性，即对于不可见水印处理系统，数字水印的嵌入不应使原始作品发生可以感知的变化，也不能使被保护数据在质量上发生可以感觉到的失真。也就是水印在通常的视觉条件下应该是不可见的，水印的存在不会影响作品的视觉效果。
1.3 安全性。指隐藏算法有较强的抗攻击能力，即它必须能够承受一定程度的人为攻击，而使隐藏信息不被破坏，确保嵌入信息的保密性和较低的误检测率。换句话说，水印安全性就是未经授权的使用者删除、检测估计、写入或修改原始水印的不可能性。所有水印都包含一个水印嵌入系统和水印恢复系统。
数字水印有可见数字水印和不可见数字水印两种类型。可见水印就是人眼能看见的水印，其表现形式就像在原数字图像或音频段上盖上一个可见的邮戳，比如照片上标记的拍照日期或电视频道上的标识等。不可见水印就是人类视觉系统难以感知的，也是当前数字水印领域关注比较多的。不可见数字水印作为一段信息保存在原始数据或图像上，从某种意义上来说，更有利于标识作品的版权、所有者等方面的信息。
2 数字水印在数字档案管理中的应用
随着数字水印技术的发展，数字水印的应用领域也得到了扩展，数字水印的基本应用领域是防伪溯源、版权保护、隐藏标识、认证和安全隐蔽通信等。在数字档案管理中，为了确保档案的真实性、可靠性，我们可以运用数字水印技术对一些重要的档案进行加密，这样人们就不能进行伪造和非法获取，确保档案信息的安全。数字水印在数字档案管理中的应用主要有以下几个方面：
2.1 版权保护。即数字作品的所有者可用密钥产生一个水印，并将其嵌入原始数据，然后公开发布其水印版本作品。当该作品被盗版或出现版权纠纷时，所有者即可从盗版作品或水印版作品中获取水印信号作为依据，从而保护所有者的权益。版权保护是当前数字水印技术最主要的应用领域，这种应用要求其水印具有非常高的鲁棒性。
2.2 加指纹。为了避免伪造信息的发行，出品人可以将不同用户的ID或序列号作为不同的水印（指纹）嵌入作品的合法拷贝中。一旦发现未经授权的拷贝，就可以根据此拷贝所恢复出的指纹来确定它的来源。
2.3 标题与注释。即将数字档案的标题、注释等内容（如，一幅照片的拍摄时间和地点等）以水印形式嵌入其中，这种隐式注释不需要额外的带宽，且不易丢失。使用时更为方便，甚至注释信息可以用于资源检索。
2.4 篡改提示。当档案信息被用于法庭、医学、新闻及商业时，常需确定它们的内容是否被修改、伪造或特殊处理过。为此，可将原始图像分成多个独立块，再将每个块加入不同的水印。通过检测每个数据块中的水印信号，来确定作品的完整性。与其他水印不同的是，这类水印必须是脆弱的，并且检测水印信号时，不需要原始数据。
2.5 使用控制。这种应用的一个典型例子是DVD防拷贝系统，即将水印信息加入DVD数据中，这样DVD播放机即可通过检测DVD数据中的水印信息而判断其合法性和可拷贝性，从而保护制造商的商业利益。利用这一特点，可以控制档案信息只能在特定的机器上阅读。
3 几点思考
虽然近几年数字水印技术得到了迅速发展，出现了许多有效的水印方案，如，IBM公司在“数字图书馆”软件中提供的数字水印功能;Adobe公司在其著名的Photoshop软件中集成Digimarc公司数字水印插件等。但实事求是地说，目前数字水印产品在技术上还不够成熟，很容易被破坏或破解，只有用于版权保护的数字水印技术进入了初步实用化阶段，距离真正的实用还有很长的路要走。笔者认为，今后数字水印技术可能会在以下几个方面得到更好的发展：新的水印方案能够抵抗各种各样的攻击;对数字水印算法的性能评价有更标准的方法，可以预见数字水印技术将成为多媒体安全领域的技术基础。重点在于真伪鉴别、版权保护、网络自动验证等，并将与数据加密技术紧密结合，特别是健壮性和可证明性。水印的健壮性体现了水印在数字文件中的生存能力，当前绝大多数水印算法虽具有一定的健壮性，但如果同时施加各种图像攻击，这些算法均会失效。如何寻找更加健壮的水印算法，是当前亟待解决的问题。
数字水印嵌入 篇10
关键词：Logistic混沌加密,水印嵌入,盲提取
在网络技术快速发展的今天, 数字信息的版权保护问题, 特别是彩色图像版权保护问题是摆在眼前, 迫切需要解决的问题, 而数字水印技术是解决这类问题的最有效和最具有潜力的技术之一。
数字水印技术主要分为嵌入和提取两部分, 后者也是水印技术的一个极其重要的组成部分, 因为数字水印技术的关键之处就在于能否正确有效地提取出嵌入到图像中的水印信息, 这在证明数字图像的合法所有权方面起着非常重要的作用。近年来, 由于需要原始图像的非盲水印提取技术在实际应用中具有很多困难, 并且一些学者认为在水印提取中不使用原始图像是解决版权问题的前提, 因此, 无需原始图像的盲提取技术己成为数字水印研究中的焦点之一, 具有更加广阔的应用前景。现在的水印算法主要集中在变换域算法上, 最常见的就是基于DCT的水印算法或者基于DWT的水印算法, 而它们两个又分别是JPEG和JPEG-2000图像压缩标准的理论基础。
1 水印嵌入
文献[1]是DCT域的子采样盲水印算法, 本文将该文献算法的系数选择加以改进, 并加入色彩选择自适应机制, 然后应用于离散小波低频域, 解决离散小波低频域嵌入水印不可见性差的特点, 提出了基于DWT和DCT的彩色图像数字水印嵌入和提取模型。
定义原始图像尺寸为M*N的RGB彩色图像, 记为X;水印图像尺寸为K*K有意义的二值图像 (含版权相关信息) , 记为W。
基于DWT和DCT的彩色图像版权保护数字水印模型表示为:
其中, Y表示嵌入水印后重构图像;X表示原始彩色图像;W表示二值水印图像;Key为水印密钥。
水印嵌入算法描述如下:
(1) 将二值水印图像W进行Logistic混沌加密, 形成一维向量W1 (表示调制后的水印信号) , 其中, 水印长度为NW=K*K。
(2) 对彩色图像进行颜色分解, 并计算各个颜色分量所占的比例, 在蓝色和绿色分量中选择所占比例较大的作为嵌入通道。
三基色理论认为, 红 (Red) 、绿 (Green) 、蓝 (Blue) 是自然界颜色体系中三个最基本的颜色, 它们构成一个三维的RGB矢量空间, 其他任何一种颜色都可由R, G, B这三种颜色值之和来确定, 不同数量的R, G, B颜色混合在一起就得到不同的颜色。
根据色彩原理, 彩色图像的亮度方程如下:
Y = 0.299R+0.587G+0.114B。
可见, 人眼对蓝光的感觉能力最差。因此可以将一幅彩色图像X分解成红绿蓝3个信道R, G, B, 每个信道都是以灰度形式表现的, 它表示出图像中像素点所包含的原色信息。又因为彩色图像的颜色分量有很大的冗余性, 比如绿色分量对JPEG压缩的抵抗性很强, 如果在绿色分量嵌入水印会提高水印的鲁棒性;而另一方面, 人眼对蓝色分量很不敏感, 所以, 如果将水印嵌入到蓝色分量中会提高水印的不可见性, 为了平衡这两点, 我们可以根据具体一幅图片的颜色比例自适应的选择所占比例较高的颜色分量作为水印嵌入通道, 优化水印系统。
(3) 对取出的颜色分量进行L级小波分解, 把最高分解层的低频子图LLn作为水印嵌入的区域。
(4) 按照下面的式子对LLn进行子采样, 得到四幅子图V1, V2, V3, V4。
V1 (i, j) =I (2i, 2j)
V2 (i, j) =I (2i, 2j+1)
V3 (i, j) =I (2i+1, 2j)
V4 (i, j) =I (2i+1, 2j+1)
这里i=0, 1, 2, ..., M/2-1, j=0, 1, 2, …, N/2-1。V1, V2, V3, V4代表子图, I代表LLn。
(5) 然后分别对这四个采样子图V1, V2, V3, V4 进行离散余弦变化, 得到四个DCT系数集D1, D2, D3, D4。
(6) 选择密钥Key, 生成一个随机序列Z={ (i, j) }, 其中i, j∈{1, 2, 3, 4}且i≠j作为水印嵌入系数的选择器。其长度和W1的长度一样。
(7) 对四个DCT系数集合进行和JPEG压缩算法中相同的Zig-Zag排列, 然后选取和水印个数相同数量的中频系数作为水印嵌入的DCT系数。
(8) 根据水印信息用以下方式对系数对调整:
如果Wundefined=1且Di (m) <=Dj (m) , 则交换Z[m]中i和j。
如果Wundefined=0且Di (m) >Dj (m) , 则交换Z[m]中i和j。
这里Di (m) 是指Di中选出的水印嵌入系数集合中的第m位的值。同样道理Dj (m) 是指Dj中选出的水印嵌入系数集合中的第m位的值。
(9) 按照调整过的系数集的值计算Va=|Di| +|Dj|和d=Di-Dj, 且当|d/vα| <β时做以下修改工作:Di1=Di+a (2Wm-1) Va/2, Dj1= Dj- a (2Wm-1) Va/2, 其中Wundefined是第m个水印bit值, a是可调整的强度系数。
至此, 就得到了修改过的四个DCT系数集合D11, D21, D31, D41。
(10) DCT重构得到四个子图, 然后采样还原得到LLn。然后再进行DWT重构和色彩重构得到嵌入了水印的图像Y。
2 水印提取
在 (8) 系数对调整过程中, 算法保证嵌入水印为1的地方Di
水印提取模型表示为:
W″= Extract (Y, Key) =Extract (Embed (X, W, Key) , Key) 。
其中, W"表示从重构图像中提取出的水印图像;Y表示嵌入水印后的重构图像;Key表示密钥。
水印的提取模型是水印的嵌入模型的逆算法, 该水印模型能实现盲提取, 即在水印的提取过程之中不需要原始图像的参与。
对二值水印的判定, 即:当Di >=Dj时, Wm=1, 当Di
经过仿真实验和攻击检测结果发现, 嵌入水印后的图像和原始图像没有明显变化, 具有很好的不可见性。当PSNR>30时, 人的视觉很难分辨出原图与重构图像之间的差异, 因此, 该算法嵌入水印后的图像均保持了良好的图像质量, 完全满足水印信息的不可见性, 具有较好的视觉效果和透明性。
本文的水印机制在抵抗压缩方面比文献[1]算法有很大的进步。在压缩因子为20时, 仍能提取出比较清晰的水印, 而文献机制提取出的水印已经很模糊了。这也是这个水印机制最大的特点, 本文所提出的水印模型是利用了文献[1]中的DCT子采样盲水印提取机制, 并研究DWT和DCT的特点之后, 将两者结合, 解决了DWT低频系数相关性强的问题, 并且加入了色彩通道选择, 将该水印模型应用于彩色图像领域。实验结果表明, 在有损压缩、噪声、滤波等的攻击下, 该模型具有较好的健壮性和不可见性。尤其在抵抗JPEG压缩方面, 这是一个非常值得关注的特性, 因为有损压缩是数字产品在网络传输中经常要遇到的一种无意攻击方式, 一个算法能否对有损压缩攻击有很好的表现在很大程度上决定了该模型的应用前景。
3 结论
本文将DCT和DWT相结合, 提出了基于DWT和DCT的彩色图像版权保护数字水印模型。该模型根据离散小波变换中低频子图的人类视觉特性, 用自适应方法选择色彩通道, 用Logistic混沌加密方法预处理数字水印的图像, 在离散小波变换的低频域进行离散余弦变换的去相关性, 且用子采样技术调整对应子图间系数的大小相对性, 实现了数字水印的盲提取。该模型有以下特点:
(1) 结合了DCT和DWT各自的特点, 即实现了水印嵌入DWT的低频域, 提高了算法的鲁棒性, 同时, 利用DCT的全局变换性去除了DWT低频系数的强相关性, 保证了水印模型的不可见性。
(2) 本模型对于压缩具有很强的抵抗性, 即使压缩系数为20, 仍能提出易辨识的水印信息。
(3) 本模型的水印提取机制简单, 并且实现了盲提取。
(4) 本文采用Logistic混沌加密对水印进行预处理, 具有较好的安全性。
(5) 色彩通道自适应选择, 提高了其在彩色图像处理时的性能。但是由于水印嵌入的过程要经过小波分解和子采样, 水印的嵌入区域有限, 使得我们嵌入水印的信息量有限。
参考文献
[1]Wei L, Lu H T, Chung F L.Robust digital image watermarking based on subsampling[J].Applied Mathematics and Computa-tion.2006, 181 (2) :886-893.
[2]刘连山, 李仁厚, 高琦.一种基于彩色图像绿色分量的数字水印嵌入方法[J].西安交通大学学报, 2008, 38 (12) :1256-1259.
[3]于帅珍.一种基于小波域的彩色图像自适应水印[J].计算机仿真.2009, 23 (7) :132-134.
相关文章：
小升初自我介绍模版无水印01-03
动态图水印01-03
数字水印算法技术01-03
数字水印算法分析论文01-03
数字模型水印01-03
数字水印技术及其应用01-03
多功能音频水印01-03
零水印算法01-03
防火安全教育教案01-03
安全教案防火01-03
