一种新的灰度水印嵌入算法
基于小波域的一种新颖的数字水印算法
库 , 库 中 以I S 在 F 参数 的 形 式存 储 一 些 有 意 义 的 小 的 形状 。 是 此 方 法 存 储 量 大 , 际 但 实 原始 图像 迭代1 次
使用 无法实现 。9 0 年 , E a q i 提出了 19 A J c an
储 更加 方便 快捷 。 分 形 编 码 本 身 只 是 一 些 位 置 和 灰 度 的 变 换 信 息 , 过程 是依 据 拼 贴 定 理 , 过 给 其 通 定 的原 始 图像 寻 找 合适 的映 射 , 其 组 成 的 使
迭代 函 数逼 近 给 定 的 图像 , 后记 录 下相 应 然 的位 置 。 码 过程 是 由相 应参 数 确定 迭 代 函 解 () a 原始 图像
全 自动 的 分 形 图 像 压 缩 算 法 ・ 这 种 方 法 。
是 以局部 的仿 射变 换 代替 全 局 的仿 射 变换 ,
基 于 图像 划 块 的方 式 , 过 搜索 匹配得 到 图 通
像 的 I S 。 后 , 进 了该 方法 l , 即 目 F码 随 改 此 7 _
() b 含水 印 图像
数 系 统 , 根据 迭 代 函数 系 统 定理 进 行 迭代 并
Dii ltc n lg n a pi t n 数 字 技 术 与 应 用 gt e h oo y a d p lai a c o
8 5
・
算 法 分析 ・
与 宽 ( 常 情 况 下 N =N ) x f ) 此 层 小 通 : , ( ,是 _ 如 果 N中对 应 水 印 块 位 置 的最 优 匹 配 方法 : 先将 图像 分 割 成 若 干 不 重 叠 的 块 , 经 波子 层 中的小 波 系 数 。 过 计 算最 低频 的D 通 块 与 初 始 码 书M 中相 应 位 置 的 最 优 匹 配 块 过 某个 指 定 的变 换 映射 到另 一个 块 , 且条 C 子 带 的能 量 来搜 索 那些 在 低 频范 围内 彼 和 次优 匹 配块 都 不 相等 , 该水 印块嵌人 的 并 T 则 件 是达 到 规 定 的最 小误 差 , 记录 下 这 两个 块 此相 似 的R块 和 D , 块 以此 计 算 出 需 要 的 灰 数字 为 “ l 即表示 图像 无法 检 测 出水 印。 ”, 及 所 做 的 变 换 , 到 一 个 迭 代 函数 系统 , 得 最 度 值 仿 射 变 换 系 数 及 D块 和 R块 的 平 方 误 后对 这 些 参数 进行 编 码 。 码 过程 包 括对 图 编 差。 像 的分割 、 搜索 最佳 匹 配 、 记录 相 关 的参 数 。 其一 般 步骤 如 下 : 叠 的子块 , 这些 子 块称 为R块 。 水 印嵌入 方 法如 下 :
一种在分形编码图像中嵌入盲灰度水印的方法
A s a t T aio a m tosf mbd igw t makit f c l oigi ae r a zdt uhc si igt bt c: rdt nl ehd r r i o e edn ae r o r t dn g s e ele o g l s n e r n a a c m a r i r a  ̄ h
0,1 s q n e,b tn ta g a ma e.An t e i d o tr a k ag rt e ue c u o r y i g o h rk n fwa e m r lo i hmsd r cl dfe r c a o ig p rme ie ty mo i sfa tlc dn a a — i tr o e e tr r e st mb d wae ma k,t e a mb d mu h waema k i f r a in,b tc n n tr aie b id e ta t n.I hi h y c n e e c tr r n o m t o u a o e lz ln x r ci o nt s atce,a n w ln t r a k e ril e b i d wae m r mbe d n t o s p o o e d i g me h d i r p s d,whc a o n y e e a ma e u lor a — ih c n n to l mb d g y i g sb tas e l r ie b i d e ta to .Fu t e o e.t e r lto ewe n fa t lc d n olg ro n ma e txu e& e g sa a z ln xr ci n rh r r m h eai n b t e r ca o i g c la e e rra d i g e t r d e i r — i l e yz d,t r u h c Ha e e r ra ay i ,ameh d i e e td,wh c a k e i g tr a k r b s n mp r h o g o g ro n lss t o sprs n e ih c n ma e t ma ewae h m r o u ta d i e - c p i l .Ex e i na e u h w h tt i w l oih i e sb e,i c n r aie b i d e ta to d ha te e tb e p rme t lr s hss o ta h sne ag rt m sf a i l t a e lz ln xr ci n a sbetr n
水印嵌入和提取算法
水印嵌入和提取算法一、引言随着数字媒体的普及和网络技术的发展,如何保护数字媒体的版权成为了一个重要的问题。
水印技术作为一种有效的版权保护手段,被广泛应用在数字媒体的传输和存储过程中。
水印嵌入和提取算法是水印技术中的核心环节,本文将对水印嵌入和提取算法进行详细介绍。
二、水印嵌入算法水印嵌入算法是将版权信息嵌入到数字媒体中的过程。
在嵌入算法中,首先需要选择合适的水印嵌入位置,一般选择在数字媒体的不易引起注意的区域。
其次,需要确定嵌入强度,即水印信号的嵌入密度。
嵌入强度过大可能导致数字媒体的质量下降,嵌入强度过小可能导致水印信号无法提取。
最后,根据选择的嵌入位置和嵌入强度,将水印信息嵌入到数字媒体中。
水印嵌入算法的核心步骤是在数字媒体中选择合适的嵌入位置。
常用的嵌入位置有时域、频域和空域。
时域嵌入算法是将水印信息嵌入到数字媒体的时间序列中,常用的时域嵌入算法有LSB替换算法和扩频算法。
频域嵌入算法是将水印信息嵌入到数字媒体的频域特征中,常用的频域嵌入算法有DCT变换和小波变换。
空域嵌入算法是将水印信息嵌入到数字媒体的空间域中,常用的空域嵌入算法有差值算法和量化算法。
三、水印提取算法水印提取算法是从数字媒体中提取出嵌入的水印信息的过程。
在提取算法中,首先需要确定水印提取的位置。
根据嵌入时选择的位置,确定提取的位置。
其次,需要恢复嵌入时的嵌入强度。
根据嵌入时选择的嵌入强度,确定提取时的解码算法。
最后,根据选择的提取位置和解码算法,从数字媒体中提取出水印信息。
水印提取算法的核心步骤是根据嵌入时选择的位置进行提取。
常用的提取位置有时域、频域和空域。
时域提取算法是从数字媒体的时间序列中提取出水印信息,常用的时域提取算法有LSB提取算法和相关算法。
频域提取算法是从数字媒体的频域特征中提取出水印信息,常用的频域提取算法有DCT逆变换和小波逆变换。
空域提取算法是从数字媒体的空间域中提取出水印信息,常用的空域提取算法有差值算法和逆量化算法。
一种基于DWT和DCT的盲灰度级水印算法
() 1 对该 图像进 行仿 射变换置乱 n次 , 而消 除水印 图像 从 像素空 间的相 关性 。这里的 n可以视为加密水 印图像 的密钥 。 ( )对置乱后的图像进行一级小波分解 , 分别对其逼近 2 再 系数 A和细节 系数 日按 列读取 变为一 维序列 , 据需要嵌 入 根 的数据量确定 , , 然后进行量化 , 量化公式 如下 :
s o h tteag r h h sgo o ute so ma ec t P dme in ftr h w ta h o tm a 0d rb s s n i g u ,J EG a da l . l i n n ie
K e wor s: Di a ae aki y d st W tr r ng; P e oc s i l m r pr e sng; DCT; DW T
关键 词 :数 字水印 ;预 处理 ;D T;D C WT
中图法分 类号 :T 3 9 2 P 0 .
文献 标识 码 :A
文章 编 号 :10 . 6 5 2 0 ) 2 0 9 . 2 0 1 3 9 ( 0 7 0 . 14 0
B id Gr y c l aema kn g rt m s d o ln a s ae W t r r ig Alo ih Ba e n DW T n a d DCT
X iu- U Me. ,MI ej n ,P i xn ,L i y - AO K -a UJ .i I i e We
一种基于小波变换的自适应图像水印算法
一种基于小波变换的自适应图像水印算法
李娜;郑晓势;李士锋
【期刊名称】《计算机工程》
【年(卷),期】2006(032)019
【摘要】在离散小波变换的基础上,提出了一种自适应的新数字水印算法,将伪随机二值序列作为水印嵌入灰度图像中,在检测端需要原始宿主图像.该算法具有以下特点:在水印嵌入时利用了小波变换域系数的均值,可广泛地适用于各种灰度图像;针对每幅图像,都可调节水印的嵌入深度,找到隐形性和鲁棒性的最佳折中.实验结果表明,该算法既实现了水印的隐形性,又对常见的图像处理操作具有很强的鲁棒性.
【总页数】3页(P167-169)
【作者】李娜;郑晓势;李士锋
【作者单位】山东省计算中心,济南,250014;山东省计算中心,济南,250014;山东移动通信规划设计研究院有限公司,济南,250021
【正文语种】中文
【中图分类】TP311
【相关文献】
1.一种基于小波变换的自适应图像水印算法 [J], 赵梁红;陈赣;章伟辉
2.基于混沌与自适应小波变换的图像水印算法 [J], 张茂;虞晓庆
3.一种基于小波变换的图像自适应盲水印算法 [J], 付小青;李笑平;石磊
4.一种基于小波变换的图像自适应数字水印算法 [J], 万英杰;王新伟
5.一种基于HVS和自适应小波变换的彩色图像水印算法 [J], 陈波;唐绍辉;杨阳;郑文军
因版权原因,仅展示原文概要,查看原文内容请购买。
使用计算机视觉技术进行图像水印嵌入的方法和注意事项
使用计算机视觉技术进行图像水印嵌入的方法和注意事项随着数字图像的广泛应用,图像的版权保护变得尤为重要。
水印技术成为了一种常用的图像版权保护手段,用于在图像中嵌入一些不可见的信息。
计算机视觉技术提供了一种有效的方式来实现图像水印嵌入。
本文将介绍图像水印嵌入的基本方法和注意事项。
首先,我们来了解图像水印嵌入的基本原理。
图像水印嵌入是将一段特定的信息嵌入到原始图像中,在保持图像质量的前提下,使得嵌入的水印信息不易被删除或篡改。
计算机视觉技术是通过对图像进行分析和处理来实现水印嵌入的。
下面将介绍两种常用的图像水印嵌入方法:一种方法是基于空域的图像水印嵌入。
该方法通过对原始图像的像素进行调整来嵌入水印信息。
首先,需要将水印信息转换为一段二进制编码,在嵌入过程中,依次将二进制编码的每一位信息嵌入到图像的像素中。
可以根据像素的灰度等级进行微小的调整,将水印信息嵌入到图像中。
嵌入完成后,可以通过相关的算法来提取出水印信息。
另一种方法是基于频域的图像水印嵌入。
该方法利用了图像在频域中的特征,通过对图像进行傅里叶变换或小波变换来实现嵌入。
在频域中,对图像进行变换可以得到图像的频谱信息,这些信息对于水印的嵌入来说是非常重要的。
嵌入过程中,可以对图像的频谱信息进行微调来嵌入水印。
嵌入完成后,可以通过反变换将图像恢复到空域,从而提取出水印信息。
在进行图像水印嵌入时,还需要注意以下几个事项:首先,水印的嵌入应该尽量保证对图像的视觉质量没有显著影响。
如果嵌入过程导致图像出现明显的失真或伪影,将会影响到图像的观感和应用。
因此,在选择水印嵌入方法时,需要综合考虑图像质量和水印容量之间的平衡。
其次,水印的安全性和无法移除性非常重要。
为了保护水印信息的安全性,可以对水印进行加密,使得只有特定的密钥才能解密和提取水印信息。
同时,水印应该具备一定的抗攻击能力,即使受到图像处理、压缩或篡改等操作,也能在一定程度上保持水印信息的完整性。
此外,水印的鲁棒性也是需要考虑的因素。
LSB嵌入方法
+
00100011 01100100 00110111 01000010 00110101 00110110 00111111 00010101 11111111 11111010
35 100 55 66 53 54 63 21 251 250
嵌入灰度最低 嵌入水印后 位 的灰度十进制
LSB算法——第8位进行隐藏
• 见例1 嵌入: 嵌入:载体图像像素最低位全部置零,再 将水印二值序列依次加到各像素值上 提取: 提取:对伪装图像各像素值进行模2运算
LSB算法——图像预处理
34 100 55 67 53 54 62 21 255 251 00100010 01100100 00110111 01000011 最低位置零 00110101 00110110 00111110 00010101 11111111 11111011 00100010 01100100 00110110 01000010 00110100 00110110 00111110 00010100 11111110 11111010 最低位置零 34 100 54 66 52 54 62 20十进制) (十进制) 制)
灰度值 十进制) 后的灰度值(二 (十进制) 后的灰度值( 灰度值 进制) 进制)
LSB算法——嵌入水印
1 0 1 0 1 0 1 1 1 0 水印序列 二进制) (二进制) 00100010 01100100 00110110 01000010 00110100 00110110 00111110 00010100 11111110 11111010
LSB算法——提取水印
35 100 55 66 53 54 63 21 251 250 1 0 1 0 1 0 1 1 1 0 提取的 水印信息
一种基于DWT的彩色图像灰度级双肓水印算法
一种基于DWT的彩色图像灰度级双肓水印算法
陆萍;马小虎;董虎胜
【期刊名称】《微计算机信息》
【年(卷),期】2010(026)012
【摘要】提出了一种基于DWT的彩色图像双肓水印算法,首先将彩色图像转入YIQ空间,选择Y分量进行n级小渡分解,并对n-1级的HL与LH子图进一步作1次小波分解.从分解后所得的各子带中选择视觉感知较为重要的系数组成两个待嵌入水印向量,实现了双灰度水印的嵌入.实验结果表明,该算法对于常见的图像处理具有良好的鲁棒性.
【总页数】3页(P104-106)
【作者】陆萍;马小虎;董虎胜
【作者单位】215009,苏州经贸职业技术学院信息系;215006,苏州大学计算机与科学技术学院;215009,苏州经贸职业技术学院信息系
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种基于DWT和SVD的彩色图像零水印算法 [J], 潘黄琼;陈光喜;丁勇
2.一种基于DWT_SVD的抗几何攻击彩色图像水印算法 [J], 谢斌;彭林;刘珊
3.一种基于DWT域的彩色图像数字水印算法 [J], 何冰
4.一种基于DWT和DCT的盲灰度级水印算法 [J], 徐美玉;苗克坚;普杰信;黎蔚
5.一种基于DWT和DCT的彩色图像半脆弱水印算法 [J], 刘乃成;周枫;王进元
因版权原因,仅展示原文概要,查看原文内容请购买。
一种新颖的灰度图像盲水印算法
一种新颖的灰度图像盲水印算法
杨文杰;王卫卫;宋国乡
【期刊名称】《计算机工程与应用》
【年(卷),期】2005(041)031
【摘要】提出了一种小波域的数字水印算法,以一幅(64×64×8)bit的灰度图像为水印嵌入宿主图像,而且实现了盲检测.为了增强水印信号的安全性,采用了基于混沌和位平面的水印加密算法,实验表明,该算法有很好的不可见性,对压缩、滤波等操作有较强的鲁棒性.通过分析提取的水印,还可以对图像的篡改进行精确的定位.
【总页数】3页(P124-126)
【作者】杨文杰;王卫卫;宋国乡
【作者单位】西安电子科技大学理学院,西安,710071;西安电子科技大学理学院,西安,710071;西安电子科技大学理学院,西安,710071
【正文语种】中文
【中图分类】TN911
【相关文献】
1.一种新颖的复合型盲水印算法 [J], 陈琼;伍祥生
2.一种新颖的基于多小波的图像盲水印算法 [J], 孙树森;张佐理
3.基于超混沌和DWT变换的灰度图像盲水印算法研究 [J], 蒋爱平;王承琨;齐可心
4.一种基于DWT和DCT域的灰度图像盲水印算法 [J], 李佳丽;蔡翔云
5.一种利用感知模型增加容量的新颖盲水印算法 [J], 贾伟;张佑生;周庆松
因版权原因,仅展示原文概要,查看原文内容请购买。
LWT-SVD域灰度图像数字水印优化算法
LWT-SVD域灰度图像数字水印优化算法张雨生;崔新春;韩英帅;徐婷婷【摘要】为解决数字水印算法的不可见性和鲁棒性问题,提出一种基于融合差分进化的粒子群算法的LWT-SVD域灰度图像数字水印优化算法.首先,利用提升小波变换(Lifting Wavelet Transform,LWT)对载体图像进行二级LWT分解,获得4个不同的子带.然后,对获得的每个子带分别进行奇异值分解(Singular Value Decomposition,SVD),并利用融合差分进化的粒子群算法对水印的嵌入阈值进行优化,分别获得对应于每个子带的最优的水印嵌入阈值.最后,将水印图像根据最优嵌入阈值嵌入到对应的载体图像的奇异值中.实验结果证明了与其他现有算法相比,提出的算法使得嵌入水印后的图像表现出较好的不可见性,并且在应对JPEG压缩、高斯噪声等常见的图像攻击方式时也表现出较好的鲁棒性.【期刊名称】《曲阜师范大学学报(自然科学版)》【年(卷),期】2018(044)001【总页数】7页(P54-60)【关键词】优化;嵌入阈值;提升小波变换;奇异值分解【作者】张雨生;崔新春;韩英帅;徐婷婷【作者单位】曲阜师范大学信息科学与工程学院,276826,山东省日照市;曲阜师范大学信息科学与工程学院,276826,山东省日照市;曲阜师范大学信息科学与工程学院,276826,山东省日照市;曲阜师范大学信息科学与工程学院,276826,山东省日照市【正文语种】中文【中图分类】TP3911 引言随着人们对互联网使用频率的增加,使得数字媒体的版权保护问题越来越突出,而数字水印技术的发展为解决此问题提供了有效的方法和途径[1].现有的数字水印算法主要分为空间域算法和变换域算法两种[2].空间域算法直接在图像像素上进行操作,此类算法嵌入容量较大,且算法执行效率高,但水印图像不可见性和鲁棒性差是此类算法的缺点;变换域算法首先对载体图像进行变换域上的正变换,然后选取不同的变换域系数来嵌入水印,最后再执行逆变换操作获取含水印图像,由于变换域算法比空间域算法更接近于人类视觉系统特性,能极大限度地利用各种视觉掩蔽特性,因而水印图像的不可见性和鲁棒性更好[3].Liu 等人[4]首次提出基于SVD 的图像水印算法,将水印嵌入经SVD 分解的载体图像的奇异值中.这种基于SVD 的方法具有较高的水印容量,同时具有的不可见性,但由于算法限于空间域,导致鲁棒性较差.近年来,学者将变换域方法与SVD相结合,提出了众多水印算法.Li 等人[5]提出一种基于DWT-SVD的混合水印算法,首先将载体图像分解为4个子带,然后对每个子带进行SVD分解,最后将水印与对应子带的奇异值进行融合以实现水印信息的嵌入.Khaled等人[6]提出一种基于LWT-SVD的混合水印算法,首先对载体图像和水印图像进行LWT变换,然后将选取的载体图像的三个中高频子带和水印图像进行SVD分解,最后将水印图像的奇异值与所选取的每个子带的奇异值融合以嵌入水印信息.Alexander等人[7]提出一种基于DCT-SVD的混合水印算法,首先对载体图像和水印图像进行DCT变换,然后对变换所得的载体图像和水印图像进行SVD分解,最后将水印图像的奇异值和载体图像的奇异值进行融合以进行嵌入水印信息.Lai等人[8]提出一种基于DWT-SVD的混合水印算法,与其他现有的基于DWT-SVD的数字水印算法相比,将水印信息直接嵌入到载体图像的奇异值中,而非仅嵌入水印信息的奇异值,从而更好地保护了图像的视觉质量.Nasrin等人[9]提出一种新的基于IWT-SVD的安全的鲁棒水印算法,将水印信息直接嵌入经1级整数小波变换后的小波系数的奇异值中,并结合数字签名技术,取得了较好的鲁棒性和安全性.上述算法虽然都不同程度的提升了水印图像的不可见性或鲁棒性,但由于其在水印嵌入过程中,没有最优化水印嵌入阈值,而是采用了固定的水印嵌入阈值,因而不能使水印图像的不可见性和鲁棒性最大化.这为我们在提升水印图像的不可见性和鲁棒性方面提供了改进的余地.本文提出一种LWT-SVD域灰度图像数字水印优化算法.算法采用融合差分进化的粒子群算法[10]对水印嵌入阈值进行优化,获得适应每个子带最优的嵌入阈值,从而实现平衡水印图像的不可见性和鲁棒性的目标.首先,对载体图像进行二级LWT 变换且对变换后的各子带进行SVD分解;然后对水印图像进行一级LWT变换且对变换后的各子带进行SVD分解;最后根据最优嵌入阈值将水印图像的各子带嵌入到载体图像对应子带的奇异值中.实验结果证明相比于现有的相关算法,本文算法在确保水印图像较好的不可见性的同时,提升了水印图像的鲁棒性.2 相关技术2.1 提升小波变换传统的小波变换通过Fourier变换表示其性质,称为第一代小波.为了克服小波变换无法实现平移和伸缩的缺点,Swedens[11]提出了一种完全不依赖于Fourier变换的小波构造方法-提升格式,称为第二代小波.这种方法克服了传统小波的局限性的同时,保留了传统小波的特性,具有容易扩展、计算速度快和无需额外的开销的优点[12].LWT的实现步骤主要分三步:分裂,预测,更新[13].正变换:Step 1 分裂:此过程的目的是将信号s j分解成两个互不相交的子集s j,2i和s j,2i+1,通常是用Lazy小波的方法,将一个原始信号变换为奇偶两个序列:Split(s j)=(s j,2i,s j,2i+1),s j,2i=even(s j),s j,2i+1=odd(s j).(1)Step 2 预测:由于s j,2i和s j,2i+1之间具有高相关性,所以可以利用其中一个子集的值来预测另一子集的值.通常,使用一个预测算子P,通过偶数序列s j,2i来预测奇数序列s j,2i+1,然后将预测值P(s j,2i)与其对应的真s j,2i+1实值相减即得到预测误差d j-1:d j-1=s j,2i+1-P(s j,2i).(2)Step 3 更新:由于预测后所得的奇数序列s j,2i+1不能保持原始信号s j的某些整体性质,因此需要用预测误差d j-1来修正原来的偶数项,从而使得子集中可以继续保持原始信号的整体性质.主要过程是更新算子U以产生一个用来代替s j,2i的新的子集s j-1:s j-1=s j,2i+U(d j-1).(3)逆变换:LWT具有完全可逆的优点,逆变换过程如下:s j,2i=s j-1-U(d j-1),s j,2i+1=d j-1+P(s j,2i),s j=Merge(s j,2i,s j,2i+1).(4)式中,Merge()表示进行信号重构的合并过程.2.2 奇异值分解(SVD)在线性代数中,SVD是一种重要的矩阵分解技术.由于数字图像从线性代数角度能够被看作一个由若干非负的标量构成的矩阵,所以SVD可以直接用来解决数字图像处理的相关问题[14].令A等于m×n的数字图像矩阵,根据SVD可将其表示为:A=USV T(5)其中,U是m×m的正交阵,V是n×n的正交阵,S是由r个沿对角线从大到小排列的非零奇异值σ i组成的方阵,r为矩阵A的秩,σ i由奇异值分解确定,分解式A=USV T称作矩阵A的奇异值分解.2.3 融合差分进化的粒子群算法粒子群优化算法存在收敛精度较差、易陷入局部极值点、进化后期收敛速度慢的缺点[15],为此段等人将差分进化算法融入到粒子群优化算法中,提出了一种融合差分进化的粒子群算法(简称DPSO).算法中,将由粒子群算法获得的局部优化解作为差分进化的初始种群,进行变异、杂交、选择操作,获得了更好的局部优化解,从而使两种算法的寻优能力得到有效的利用与平衡,提高了求解速度和效率.DPSO算法的具体步骤如下:Step 1 对每个粒子的位置和速度执行初始化操作,并由适应度函数计算出粒子的适应度.Step 2 初始化粒子群的每个个体的当前最优位置P i和当前全局最优位置P g. Step 3 若算法到达最大执行次数或满足收敛准则,执行Step 7,否则执行下一步. Step 4 按照式(6)和式(7)对粒子群中的所有粒子的速度和位置进行更新,然后由适应度函数计算出粒子的适应度,并对粒子的个体最优值和全局最优值进行更新.(6)(7)其中,ω为惯性权重系数,为粒子的速度,为粒子的当前位置,c 1和c 2为学习因子,r 1,2∈[0,1]为两个随机数,表示个体粒子当前的最优位置,b i表示所有粒子的全局最优位置.Step 5 将粒子群中每个粒子的当前最优位置P i作为差分进化算法的初始种群,根据式(8)、(9)、(10)进行N代差分进化操作,并将所得的种群作为每个粒子的当前最优位置,种群中的最优个体作为所有粒子的当前全局最优位置.(8)(9)(10)其中,r 1,r 2,r 3∈[1,N]是随机选择的三个互不相同的整数,F为缩放比例因子,为经过变异后的个体,为父代基向量,为父代差分向量,rand j是[0,1]上均匀分布的一个随机数,Cr为交叉概率,jrand为[1,D]上的一个随机整数,f为目标函数. Step 6 迭代次数加1,返回Step 3.Step 7 获取当前全局最优值以及其对应的适应值.3 水印嵌入步骤水印嵌入步骤(如图1):(1)取大小为M×M的灰度图像I,对其先进行一次LWT,获得高频子带HH1,中频子带LH1,HL1以及低频子带LL1;对LL1进行第二次LWT,获得高频子带HH2,两个中频子带LH2,HL2,以及低频子带LL2.为了在保证较大嵌入容量的同时,获取更好的水印鲁棒性、不可见性,本文选取HH2,LH2,HL2,LL24个不同的子带进行水印的嵌入.(2)在所选子带上分别执行SVD,对每个子带进行分解:(11)其中,i代表所选的每个不同的子带.然后对水印图像W进行一次LWT变换,生成4个不同的子带HH W,LH W,HL W,LL W.(3)通过修改每个子带的奇异值S i将水印信息直接嵌入到每个奇异值中,(12)其中,σ i为水印嵌入阈值,W i为水印图像经一级LWT后生成的4个不同子带. (4)对修改后的不同子带的奇异值再进行一次SVD分解,(13)(5)将矩阵与U i和V i进行合成,获得嵌入水印信息后的图像的各子带,然后对其执行一次逆LWT变换,获取含水印图像A W.图1 水印嵌入过程4 水印提取步骤水印提取步骤(如图2):(1)对获取的含水印图像进行一次LWT变换,将得到的子带再进行一次LWT变换,得到4个不同的子带和(2)在每个子带和上执行SVD,(14)(3)对矩阵和矩阵进行逆SVD,(15)(4)在每个子带中提取出水印,(16)(5)对提取出的进行一次逆LWT,获得提取出的水印图像W′.图2 水印提取过程5 水印嵌入阈值的优化水印嵌入阈值作为一个重要参数,在水印信息嵌入的过程中,起着控制水印嵌入量的作用,嵌入阈值越大则嵌入的水印信息量越大.小的嵌入阈值可以使得由水印嵌入而引起的图像失真较小,从而获得更好的不可见性,但由于嵌入的水印信息量较少,造成水印抵抗攻击的能力较弱,鲁棒性较差;大的嵌入阈值使得图像编码的差错率降低,从而可以获得更好的图像鲁棒性,但是随着嵌入的水印信息量的增大将使得载体图像的视觉质量明显降低.因此,可以通过调整嵌入阈值σ i的大小来获取不可见性和鲁棒性的最大化.传统的嵌入阈值选取方法是通过大量的实验以获取经验值,造成水印系统的工作量较大;而采用优化的思想,将不可见性和鲁棒性作为两个优化目标,设计目标函数,并使用优秀的算法快速求解,就可获得最优的嵌入阈值,减小水印系统的工作量,简化水印信息的嵌入过程.本文采用粒子群算法来为每个子带寻找最优的水印嵌入阈值,并定义公式(17)作为算法在优化水印嵌入阈值时的目标函数:(17)其中,PSNR(Peak Signal to Noise Ratio)为峰值信噪比 ,用来评估不可见性,PSNR值越大,表明嵌入水印后的图像与宿主图像越接近,不可见性越好.计算公式如下:(18)NC(Normalized Correlation)为归一化相关系数,用来评估鲁棒性,NC值越大,表明提取出的水印和原水印的相似性越强,鲁棒性越好.计算公式如下:(19)水印嵌入阈值优化的步骤:Step 1 对于每一个子带i,对粒子的位置和速度以及全局最优位置bi和当前最优位置进行初始化.Step 2 令执行水印嵌入算法,获取含水印图像,并根据公式(18)计算出含水印图像的PSNR值.对含水印图像分别执行水印攻击、水印提取算法,提取出水印序列w′,并根据公式(19)求出NC值.最后根据公式(17)求出对应的适应值Step 3 首先,比较粒子的当前位置的适应值与其自身所经历过的历史最优位置的适应值的大小,若则更新Step 4 将每个粒子的当前最优位置作为差分进化算法的初始种群的个体,按照公式(8)、(9)、(10)执行N代差分进化操作,且将所得的种群作为每个粒子的当前最优位置种群中的最优个体作为所有粒子的当前全局最优位置bi.Step 5 若到达最大执行次数,执行下一步,否则令迭代次数加1,根据公式(6)和公式(7)对所有粒子的速度和位置进行更新,然后执行步骤2.Step 6 令σ=bi,得到最优的水印嵌入阈值.6 实验结果及分析本文的实验环境为MATLAB 2015b,为确保实验结果的普遍性,实验采用大小均为512×512的三幅灰度图像“Lena”、“Boat”和“Elaine”作为载体图像,256×256的灰度图像“曲阜师范大学校徽”作为水印图像,载体图像和水印图像如图3所示.对于DPSO算法的参数设置,本文根据经验取惯性权重w=0.9, 最大迭代次数为100,种群大小Np=50,缩放因子F=0.5,学习因子C 1=C 2=2,交叉概率CR=0.9.图3 载体图像和水印图像经DPSO算法优化后,得到对应于HH2,LH2,HL2,LL2子带的最优嵌入阈值分别为0.0739,0.0003,0.0003,0.0443.6.1 水印不可见性为了评估水印图像的不可见性,本文使用计算原始载体图像与含水印图像间的峰值信噪比(PSNR)的方式,PSNR值越大则说明不可见性越好.从表1可以看出,本文所使用的三幅实验图像的PSNR值都在51.45 db以上.从图4的对比图可发现,含水印图像和原始载体图像在视觉上基本无任何差异.因此,本文提出的算法具备较好的不可见性.表1 含水印图像的PSNR值图像LenaBoatElainePSNR(db)51.452051.531652.0572图4 载体图像和含水印图像对比6.2 水印鲁棒性本文使用NC(归一化相关系数)值的大小来评估提取出的水印图像与原始水印图像之间的相似性程度.NC值越大,说明图像之间的相似性越强,间接地说明水印的鲁棒性强.表2 各种攻击方式下提取水印的NC值攻击方式LenaBoatElaineJPEG压缩(Q=5)0.99110.99150.9906高斯噪声(M=0,VAR=0.01)0.98450.98580.9829椒盐噪声(M=0,VAR=0.01)0.98870.98910.9883剪切(左上1/4)0.99010.98950.9851剪切(中间1/4)0.97910.98150.9849旋转(15°)0.98750.98440.9884旋转(45°)0.98740.98580.9884中值滤波(3*3)0.99200.99160.9921均值滤波(3*3)0.99070.99040.9906直方图均衡化0.98550.98390.9836表2展示了本文算法在不同攻击方式下提取出的水印图像的NC值,图5展示了不同攻击方式的含水印图像和提取的水印图像的效果图.为了测验本文提出的算法的鲁棒性,进行的第一个实验是算法承受图像压缩的能力.本文对含水印图像进行了质量因子由高到低的JPEG压缩,发现当质量因子低至Q=5时,对应于三幅实验图像的NC值均大于0.99,这说明本文提出的算法在应对JPEG压缩攻击时,具备很好的鲁棒性.好的水印算法需要对图像滤波操作有良好的鲁棒性.对本文提出的算法进行3×3大小的均值滤波和中值滤波两种不同的滤波实验,实验结果表明,对于不同的滤波三幅实验图像的NC值均大于0.99,这说明本文提出的算法对常见的图像滤波攻击具备很好的鲁棒性.直方图均衡化也是一种常见的图像处理操作.对本文提出的算法进行直方图均衡化实验,结果表明三幅实验图像的NC值均大于0.98,这说明本文提出的算法对直方图均衡化操作具备较好的鲁棒性.优秀的水印算法还要对添加噪声和几何变换处理表现出良好的鲁棒性.对本文提出的算法进行添加高斯噪声和椒盐噪声操作,实验结果表明三幅实验图像的NC值均大于0.98.进行旋转15°和45°的操作实验结果表明三幅实验图像的NC值也均大于0.98.这说明对于添加噪声和旋转操作,本文提出的算法表现出较好的鲁棒性. 此外,一个有效地水印算法还应对剪切攻击有一定的抵抗能力.分别对本文提出的算法进行剪切左上1/4和剪切中间1/4的实验,从实验结果看,剪切左上1/4时三幅实验图像的NC值均在0.99左右,剪切中间1/4时三幅实验图像的NC值均在0.98左右.这说明在对抗剪切攻击时,本文提出的算法表现出较好的鲁棒性. 6.3 对比实验分析本节中,将本文提出的算法与文献[8]和文献[9]的算法在相同的实验条件下获取的实验结果进行了比较.其中,文献[8]和文献[9]提出的算法均根据经验值来确定嵌入阈值.表3展示了关于水印不可见性方面的比较,表中数据表明本文提出的算法的PSNR值最高,这说明本文提出的算法的不可见性优于文献[8]和文献[9]的算法. 表3 PSNR值的比较PSNR载体图像本文算法α1=0.0443α2=0.0003α3=0.0003α4=0.0739文献[8]算法α1=0.03α2=0.03文献[9]算法α1=0.05α2=0.005α3=0.005α4=0.005Lena51.452038.856740.8937Boat51.531640.91 0740.0928Elaine52.057238.855241.2639图5 不同攻击方式下的含水印图像和提取的水印图像图6 NC值折线图图6展示了几种常见的攻击方式下本文提出的算法与文献[8]和文献[9]提出的算法的NC值的比较,此部分实验仅采用Lena作为载体图像,其他实验条件不变.从图6所示的实验结果可以清晰的看出本文提出的算法在鲁棒性方面总体上优于另外两种算法.表明在应对各种攻击时,本文提出的算法的NC值的波动范围与另外两种算法相比较小,这进一步说明了本文提出的算法在应对各种攻击时鲁棒性更强.7 结束语本文提出一种LWT-SVD域灰度图像水印优化算法,对载体图像进行LWT变换,并利用融合差分进化的粒子群算法优化水印嵌入阈值,获得适应于每个子带的最优嵌入阈值,然后根据最优的水印嵌入阈值将水印信息嵌入到每个子带的奇异值中.相关实验结果证明,本文提出的算法较好地平衡了水印的不可见性和鲁棒性间的矛盾,使得水印图像表现出较好的不可见性,且水印在应对JPEG压缩、高斯噪声和均值滤波等几种常见的攻击时表现出较好的鲁棒性.本文提出的算法是非盲水印算法,为了扩展实用性,能实现水印盲提取的盲水印算法将是下一步的研究重点. 参考文献:[1] Way C, Fung H, Gortan A, et al. A Review Study on Image Digital Watermarking[J]. 2011:24-28.[2] 陆欢, 蒋兴浩, 孙锬锋,等. 可逆数字水印算法综述[J]. 信息安全与通信保密, 2012(3):82-83.[3] 陈亮, 刘惠文, 邓小鸿. 基于整数小波变换的数字图像可逆水印算法[J]. 计算机应用与软件, 2016, 33(4):286-291.[4] Liu R, Tan T. An SVD-based watermarking scheme for protecting rightful ownership[J]. IEEE Transactions on Multimedia, 2002, 4(1):121-128.[5] Li Q, Yuan C, Zhong Y Z. Adaptive DWT-SVD Domain Image Watermarking Using Human Visual Model[C]//The, International Conference on Advanced Communication Technology. IEEE, 2007:1947-1951.[6] Loukhaoukha K, Chouinard J Y. Hybrid watermarking algorithm based on SVD and lifting wavelet transform for ownership verification[C]// The Workshop on Information Theory. IEEE, 2009:177-182.[7] Sverdlov A, Dexter S, Eskicioglu A M. Robust DCT-SVD domain image watermarking for copyright protection: Embedding data in all frequencies[C]// Signal Processing Conference, 2005, European. IEEE, 2015:4-8.[8] Lai C C, Tsai C C. Digital Image Watermarking Using Discrete Wavelet Transform and Singular Value Decomposition[J]. IEEE Transactions on Instrumentation & Measurement, 2010, 59(11):3060-3063.[9] Makbol N M, Khoo B E. A new robust and secure digital image watermarking scheme based on the integer wavelet transform and singular value decomposition[J]. Digital Signal Processing, 2014, 33:134-147. [10] 段玉红, 高岳林. 基于差分演化的粒子群算法[J]. 计算机仿真, 2009,26(6):212-215.[11] Sweldens W. The lifting scheme: a construction of second generation wavelets[J]. Siam Journal on Mathematical Analysis, 1997, 29(2):511-546.[12] 邱群, 马小虎. 采用整数小波变换和多目标遗传算法的可逆灰度水印[J]. 计算机辅助设计与图形学学报, 2015,(7):1290-1297.[13] 蒋华, 张敏. 一种新的LWT和SVD的灰度图像水印[J]. 计算机工程与应用, 2010, 46(11):104-106.[114] 刘如京, 杨韫饴, 王玲,等. 基于NMF和SVD相结合的Contourlet域鲁棒水印算法[J]. 计算机应用研究, 2010, 27(9):3507-3509.[15] 傅阳光, 周成平, 丁明跃. 标准粒子群优化算法的收敛性分析[J]. 应用数学, 2011, 24(1):187-194.。
一种自适应盲灰度水印算法
陷, 是根掳水印序列的值修改罩倜系数 ,不能充分 利用它们之同的相同性。在嵌入方式上 ,非 自逋虑 加性嵌入采用相同的嵌入强度 , 祗逋用于分堍 D T C
燮换 中,每堍系数 的统 特性相近的情况。一般在
系数 , l和 , 2受到 以其原始值焉 中心的轻微攫勤 I = IA 1 I+ 1, / =2 A 睛 , 如 果 满 足 保 件 : 2 I+ 2
主要思想是根掳水印位柬调制量化匾同,其嵌
字水印是向圆像 的最低有效位 ( S 添加水 印, L B) 但逭獯水 印的稳健性很差 。C x o 等人提出了一獯基 于搪频通信的思想 , 将水印嵌入固像感知上最重要
的频域因子中的水印方案 ,稳健 陛得以提高 ,但逭 獯方案不是盲水 印方案 。而且逭檀水 印算法有 缺
的是高频系敦 ( J P 经 E G含被拾弃 ) 。 每一佃分堍的第 k 佃系数 ( =  ̄ , k lP) 又可以组 - 成一佃 ̄/ xN 8矩障,封遣些矩障再造行 8 8 8 (/ ) ) x 分
组, 得到( , )( , )P N 6 ×N 6 × 佃遣檬的分组 , 4 4 如表 1 所
D 系敷 中嵌入水 印都届非盲算法 ,而且水 印容量 C 较低 ,如何将 D C分量和 A C分量结合适行水 印的
嵌入 ,并且寅现水 印的盲榆测虑孩是今後 D T域 C 水印的一倜研究方向口。 j本文提出了一獯改造方法 , 将D A C、 C系数结合迄行水 印的嵌入 ,自逋虑地决 定嵌入强度 ,傺件稳定性寅现了封 D C系数嵌入水
效果 。
丽 键匍 :馀 敷僚 件穗 定 性 ; 自通虑 ;高平 面位 ;DC 系敷 ,C 系敷 A
1 .引 言
随着纲络 的迅速普及 , 数字麈品的版槿保麓周 题日 超殷峻。数字水 印技衍正是被提出用柬解决逭 鞋题 ,并逐渐成届研究的一倜熟黠【。早期 的数 l 】
水印嵌入方法
水印嵌入方法水印嵌入是一种常用的数字水印技术,用于在图像、视频、音频等媒体中嵌入一些不易察觉的信息,以实现版权保护、身份认证等功能。
本文将介绍水印嵌入方法的原理和常见技术。
一、水印嵌入原理水印嵌入的基本原理是利用人眼对图像或音频的感知限制,将水印信息嵌入到媒体中,使其对于人眼或耳朵来说不易察觉。
水印嵌入的过程可以分为以下几个步骤:1. 特征提取:对于图像,可以提取其纹理、颜色等特征;对于音频,可以提取其频谱、时域波形等特征。
2. 水印信息编码:将需要嵌入的水印信息转换为数字序列,通常使用编码算法对其进行压缩和加密处理,以提高嵌入效率和安全性。
3. 水印嵌入:将编码后的水印信息嵌入到媒体中的合适位置。
对于图像,可以嵌入到像素值中的某些位;对于音频,可以嵌入到频谱系数中的某些频段。
4. 隐藏性检测:检测嵌入后的水印是否对人眼或耳朵可见(听得见),即水印是否具有良好的隐藏性。
常用的检测方法包括主观评价和客观评价。
5. 鲁棒性检测:检测嵌入后的水印是否能够抵抗各种攻击,例如噪声添加、压缩、滤波等。
鲁棒性检测是水印嵌入方法中非常重要的一步,决定了水印在实际应用中的可靠性。
二、常见的水印嵌入技术1. LSB(Least Significant Bit)隐写术:将水印信息嵌入到图像的最低有效位(LSB)中,因为对人眼来说,最低有效位的变化是不易察觉的。
这种方法简单易实现,但鲁棒性较差。
2. 量化系数修改:将水印信息嵌入到图像或音频的量化系数中,通过微小的改变来实现水印嵌入。
这种方法在嵌入容量和鲁棒性方面有一定的优势。
3. 变换域嵌入:将嵌入域转换到变换域(如频域、小波域)中,然后将水印信息嵌入到变换系数中。
这种方法可以提高隐藏性和鲁棒性。
4. 时频域嵌入:将嵌入域同时转换到时域和频域,然后将水印信息嵌入到时频域的某些区域中。
这种方法可以提高鲁棒性和隐藏性。
5. 深度学习方法:近年来,基于深度学习的水印嵌入方法得到了广泛关注。
一种新的基于DWT变换的图像水印算法
一种新的基于DWT变换的图像水印算法黄均才;王凤碧;佘堃;曾磊;周明天【期刊名称】《计算机科学》【年(卷),期】2004(031)009【摘要】基于小波变换,提出了一种新的灰度图像水印技术.首先将彩色图像映射为一幅灰度图像,对这幅灰度图像进行L级离散小波分解,并将每级小波系数分成四个系数集合,根据水印图像W同时对小波系数进行重新量化,然后进行L级小波重构,获得含有水印的灰度图像,根据该灰度图像改变原彩色图像,从而得到嵌有水印的彩色图像.提取水印时,也是先将彩色图像映射为一幅灰度图像并做小波变换,对水印的每一点都选取△值最大的相应小波系数进行提取,得到水印图像W'.测试结果表明该技术具有良好的性能,可用于图像的版权保护.【总页数】3页(P198-200)【作者】黄均才;王凤碧;佘堃;曾磊;周明天【作者单位】东莞理工学院计算机系,东莞,523106;电子科大-卫士通信息安全联合实验室,成都,610054;东莞理工学院电子工程系,成都,610031;电子科大-卫士通信息安全联合实验室,成都,610054;电子科技大学,成都,610054;电子科大-卫士通信息安全联合实验室,成都,610054【正文语种】中文【中图分类】TP391.41【相关文献】1.一种基于Arnold变换和DWT的数字图像水印算法 [J], 李瑛;许小勇2.基于 DWT-SVD 和 Arnold 变换图像盲水印算法 [J], 李林静;郑月斋3.基于超混沌和DWT变换的灰度图像盲水印算法研究 [J], 蒋爱平;王承琨;齐可心4.基于DWT变换的彩色图像抗几何攻击的置乱水印算法 [J], 汪太月;明廷桥5.基于SIFT变换和DWT-SVD的自适应图像水印算法 [J], 陈青;伍东升因版权原因,仅展示原文概要,查看原文内容请购买。
水印嵌入方法
水印嵌入方法引言:在现代信息时代,图片和视频的分享已经成为了人们日常生活中的重要组成部分。
然而,随着互联网的发展,图片和视频的盗用问题也日益严重。
为了保护原始作者的权益,水印技术应运而生。
水印嵌入方法是一种常用的保护图片和视频版权的技术手段,本文将对水印嵌入方法进行详细介绍。
一、水印嵌入方法的基本原理水印嵌入方法是在图片或视频中加入特定的标识信息,以标记其版权归属或者其他相关信息。
水印嵌入方法的基本原理是利用图像或视频的某些特征来隐藏水印信息,使得人眼无法察觉到水印的存在。
二、图像水印嵌入方法1. 空域水印嵌入方法空域水印嵌入方法是指将水印信息直接嵌入到图像的像素值中。
常用的空域水印嵌入方法有最低有效位法、块平均灰度法等。
最低有效位法是将水印信息嵌入到图像像素的最低有效位中,由于最低有效位对图像的视觉质量影响较小,因此可以实现较好的水印隐藏效果。
块平均灰度法是将水印信息嵌入到图像块的平均灰度值中,通过调整块的大小和选择合适的嵌入策略,可以在保持图像质量的同时实现水印的有效隐藏。
2. 频域水印嵌入方法频域水印嵌入方法是指将水印信息嵌入到图像的频率域中。
常用的频域水印嵌入方法有离散余弦变换(DCT)法、离散小波变换(DWT)法等。
DCT法是将图像转换到频率域后,将水印信息嵌入到低频系数中,由于人眼对低频信息敏感度较低,因此可以实现较好的水印隐藏效果。
DWT法是将图像分解为多个尺度的子带,将水印信息嵌入到选择的子带中,通过调整子带选择和嵌入策略,可以实现水印的有效隐藏。
三、视频水印嵌入方法1. 帧间水印嵌入方法帧间水印嵌入方法是指将水印信息嵌入到视频的帧间差异中。
常用的帧间水印嵌入方法有差分法、预测误差法等。
差分法是将当前帧与前一帧进行差分,将差值作为水印信息进行嵌入,由于视频的帧间差异较小,因此可以实现较好的水印隐藏效果。
预测误差法是利用视频编码的预测误差来嵌入水印信息,通过调整预测误差的嵌入策略,可以在保持视频质量的同时实现水印的有效隐藏。
基于DWT与DCT的灰度水印图像嵌入算法
ห้องสมุดไป่ตู้
中图分 类号 : T P 3 0 9
文献标 识码 : A
d o i :1 0 . 3 9 6 9 / j . i s s n . 1 0 0 6 - 2 4 7 5 . 2 0 1 4 . 0 2 . 0 4 4
2 0 1 4年第 2期
文章编 号 : 1 0 0 6 - 2 4 7 5 ( 2 0 1 4 ) 0 2 - 0 1 9 7 - 0 4
计 算 机 与 现 代 化 J I S U A N J I Y U X I A N D A I H U A
总第 2 2 2期
基于 D WT与 D C T的灰 度 水 印 图像 嵌 入 算 法
窦永 梅
( 运城 学院物理与 电子工程 系, 山西 运城 0 4 4 0 0 0 )
摘要 : 图像 中嵌入 的 多为二值水印 , 容量有 限且 抗攻 击能 力有待提 高。为 了增加 嵌入 水 印的容量 以及 增 强算法 的鲁棒 性, 提 出基 于 D WT与 D C T的灰 度水印 图像嵌入算 法。首先对灰度水 印进行 A r n o l d置乱预 处理 , 其 次对所选取 的载体 图 像进 行二级 小波 变换 , 选择第二层的逼近子 带 L L 2与细 节子带 L H 2 、 H L 2 、 H H 2依 次嵌入 灰度 水印的 高四位位 平面 。嵌
入水印时对 4个子 带分别进行 8×8分块 D C T变换 , 然后采 用一种 改进 的交换 中频 系数的方 法将置乱后水 印的高四位位
平面分别嵌入所选取 的 4个子 带 , 为增 强算法 的鲁棒性 , 在 不 同的子带 由实验 选择 不 同的水 印嵌入 因子 。仿 真 实验表
一种基于小波域的灰度水印逐层嵌入算法
第2 7卷第 6期
20 0 7年 6月
文 章 编 号 :0 1— 0 1 20 )6—17 0 10 98 ( 0 7 0 3 4— 4
一
计 算机应 用
Co u e mp trAppi ai n l to s c
V0. 7 No 6 12 .
m d lueo eiv i lyo eHu nV s nSs m ( V )i tea oi m.T ew tr rkn gas eedv e aef l s f i b i t ma io yt u h t n s it f h i e H S nh grh l t h a ma igd i r i d e i t w i d l
复嵌入 水 印 , 大 了嵌 入容 量 。水 印图像 可以 渐进 式地 恢 复 , 到 一 定 的相 似度 时 , 增 达 可随 时停 止 水 印
的提取 。仿真实验表明该算法具有良好的稳健性和不可见性。 关 键词 : 小波 变换 ; 字水 印 ; 类视 觉 系统 ; 可见性 数 人 不
中图分 类号 : P 0 T 39 文献 标识码 : A
i t i ln .E ey b t p a e w r e ue n o v r d i t - ra .A e v u r d a y d c e s d b affo n o b t pa e v r i l e e p r t a d c n e t no 1 D ar y s s n m d e s t a e g a u l e ra e y h l m h l l r ly r t a e e w v ltd man l i o a t o f ce t o a h l y rwe a d  ̄ y s a c e ,t e 1 D a r y w tr ak a e l y r i t a ee o i ,a mp r e i in e c a e r r n o e r h o nh l t n c sf e d h - ra ae m r c mp rd b e b tpa e wa mb d e n o t e c re p n i g ly r mp r n e c e ii n c o d n o te wae a ks o a e y t i ln s e e d d it or s o d n a e ' i o t c o f ce t a c r i g t t r r ' h h s a s h m i o r c .T e s me c f ce tc n b mb d e y w tr ak r p ae l , S s t n ag e e e d n a a i . T e mp t n a e h a o i in a e e e d b ae r e e t dy O a o e l e t mb i g c p ct e d m r h d y h wae a k p cu e C e r c n tu t rd al . tr r itr a b e o sr ce ga u l Wh n a h e n e ti e r e o i lrt, e c tp w td a i g m n d y e c iv g c r n d ge s i a f mia y w a so i r w n i n h
一种基于提升小波的灰度图像水印方案
一种基于提升小波的灰度图像水印方案
齐影虹;高晓明
【期刊名称】《微计算机信息》
【年(卷),期】2009(025)012
【摘要】基于提升小波方案,提出了一种新的灰度图像数字水印算法.该算法首先将水印图像置乱并得到其奇异值,接着将原始RGB图像转换到YUV空间后,时亮度分量Y进行提升小波变换,并选择低频图像中的对角线方向上纹理变化较丰富的地方,最后把得到的奇异值嵌入其中.实验表明,该算法对常规的图像攻击具有很好的鲁棒性.
【总页数】2页(P58-59)
【作者】齐影虹;高晓明
【作者单位】330031,江西南昌,南昌大学信息工程学院计算机软件与理论专业;330031,江西南昌,南昌大学信息工程学院计算机软件与理论专业
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于提升小波变换和奇异值分解的灰度图像水印算法 [J], 张敏;蒋华;刘新平
2.基于像素点灰度值奇偶性的数字图像水印方案 [J], 薛辉;王平;梁晶;杜伟敏
3.一种基于直方图统计特征的灰度图像水印算法 [J], 王树梅;范勇
4.一种基于小波变换的灰度图像水印算法 [J], 黄福莹;赵进创;陈华
5.一种基于小波变换的图像水印方案 [J], 宫薇;王芊;韩太林;郎百合;王征
因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
一种新的灰度水印嵌入算法马义德,王涛兰州大学信息与科学学院 甘肃 兰州 730000E-mail:wtboyman@摘 要:数字水印技术作为数字产品版权保护的一项新技术,已受到越来越多的关注.为保证水印的鲁棒性,利用人类的视觉特性,文章提出一种基于离散小波变换数字水印技术,并给出了攻击分析。
其中,采用灰度图像作为数字水印,具有二维信号可视化的优点。
实验表明,该算法能够经受住噪声、高斯滤波、压缩、直方图均衡化、增加对比度等的处理,具有较强的鲁棒性, 是一种行之有效的水印嵌入方法.关键词:小波变换 灰度水印 人类视觉特性 量化引言随着以微电子技术为代表的信息产业的飞速发展,文字、图形图像、音视频等信息可以通过数字媒体广泛地传播。
数字产品(如电子出版物,电子绘画,音视频产品等)的侵权、盗版和随意篡改,严重侵犯了作者及版权所有者的利益。
人们对数字化作品的知识产权保护引起了高度关注,并已成为目前的一个研究焦点。
现有的许多先进数字技术已被用于防止非法盗版,例如密码技术,包括密钥加密系统(如RAS 系统),但仅采用密码技术并不能完全解决这一问题。
传统的加密技术是防止窃取信息的重要手段,但是它应用于数字图像中有五个缺点:(1)经过加密后,只有少数被授权持有解密密钥的人,才可以存取数据;(2)多媒体信息仅仅在加密状态下才受到保护,一旦被解密,多媒体信息就以明文形式存在;(3)没有办法追踪多媒体信息的复制、传播状况;(4)加密大数据量的多媒体信息时,运算量大,处理效率低;(5)密文形式的图像很容易引起攻击者的注意。
数字水印技术作为信息隐藏技术研究领域的重要分支,已成为信息安全领域的一个热点。
它为数字化产品的版权侵犯、非法复制、分发、泄密和完整性等诸多问题提供了一种可行的解决途径。
一般地,数字水印应具有以下基本特征:(1)可验证性:水印应能为受到版权保护的信息产品的归属提供完全可靠的证据,即通过水印算法嵌入到被保护数据中的版权信息应能在需要的时候被提取出来。
(2)不可感知性:不可感知性包含两方面的意思,一方面指视觉上的不可见,另一方面指水印对统计方法也是不可见的。
(3)鲁棒性:鲁棒性对水印而言极为重要。
一个嵌入水印的图像,应该能承受大量不同的物理和几何失真,包括有意的或无意的攻击。
在经过这些攻击后,鲁棒性强的水印算法仍然能从水印图像中提取出水印或证明其存在。
本文根据人眼视觉对图像感知的特点,提出了一种根据人眼视觉特性和 DWT 多尺度分解小波树原理相结合来隐藏水印的新方法,本文的特点还在于该方法所隐藏的不是传统的序列码或二值图像,而是将灰度图像作为水印来处理及隐藏,这样的水印所含信息量更丰富、直观,鲁棒性也更好。
1 基本理论分析1.1离散小波变换分析基础作为调和分析的一个分支,小波理论为各种信号和图像处理提供了统一的分析框架。
一个图像信号的离散小波变换(DWT)可以看作是分别对两维信号的列和行进行高通和低通滤波,相当于一个四通道滤波运算,可以得到两维信号在子带LL1、LH1、HL1和HH1 上的变换系数。
根据需要可以对子带LL 1继续进行分解,直到达到所需要的级数为止。
借助于小波多分辨率的分解,图像信号可分解为具有不同空间分辨率、频率特性和方向特性的子图像信号。
图像经过小波分解后,所得到的小波系数呈树状结构,不同分解层次上的小波系数存在着对应关系。
树的根节点是最低频子带上的小波系数,而在相邻的较高子带上具有相同形状和空间位置的一组系数为子系数。
这种父子关系从低频子带到高频子带都得到保持。
空间域上的每一个像素块对应小波变换域中的几个块,分别可由一棵四叉树表示其位置关系,根据它们所在的方向分别称为水平子树、竖直子树和对角子树,总称为小波子树(如图 2 所示)。
小波子树树根在低频带,对应于同一空间位置的相同方向、不同尺度的小波系数成为它的孩子。
若父母的位置为为(i,j),则它 4 个孩子的位置为(2i,2j),(2i,2j+1),(2i+1,2j),(2i+1,2j+1)。
在低频带,若父母的位置为(i,j),则它 3 个孩子的位置为(i,j+N),(i+N,j),(i+N,j+N),其中 N 为低频带的宽度。
这里假设原始图像的高和宽相等,把所有具有相同树根的 3 个不同方向的四叉小波树组织在一起形成具有固定大小的块。
例如,三级小波分解是 8×8 大小的块,四级分解是 16×16 大小的块。
所有这些固定大小的块统称为小波块。
小波块的块数为低频带系数的个数,一个低频系数对应一个小波块。
小波块把空间域同一位置不同尺度、不同方向的小波系数组织在一起,从而把小波系数和它代表的空间域联系在一起。
LL 3 LH 3LH2 HL 3 HH 3LH1HL2 HH2 HH1 HL1图1 图像小波分解示意图 图2 图像小波分解后树状结构1.2视觉特性小波域 JND 提供了小波系数可容忍的视觉失真的参考,因此可根据 JND 对水印嵌入的强度进行控制,保证水印的视觉不可察觉性。
视觉模型一般使用频率灵敏度、照度掩蔽特性、纹理掩蔽特性和边缘掩盖这几个特性来描述。
本文借鉴这一思想,将小波系数按其特征(频率、背景亮度,纹理、边缘)进行分类后计算出 JND,并根据 JND 来确定加入水印信息的强度。
(1) 频率视觉灵敏度频率视觉灵敏度描述了人眼对不同频率正弦光栅的鉴别灵敏度。
当给定一个合适的最小视距,就可以测出不同频带的 JND。
频率灵敏度提供了一个基本的只与视觉条件有关的视觉模式,该模式与图像内容无关。
Watson [3]等人通过实验测得小波变换后各子带的频率视觉阈值,本文将其标记为l o f ,其中 f 表示小波系数所在的级数(取值为 1,2, …N),O 表示方向(取值为:LL、LH、HL、HH)。
(2) 纹理掩盖效应及其分类人眼对变化平缓的区域中噪声的敏感度要高于变换频繁的纹理区域。
因此变换频繁的纹理区域可加入大一些的信息量。
Safranek [1] 将某一区域的方差与该区域内所有系数的平方之和定义为纹理能量,用以描述图像的纹理掩盖效应。
本文是为了对图像的纹理分类,因而无须计算精确值。
将小波系数的纹理能量定义为其对应位置的高一级低频系数相邻的 2×2 邻域的方差加对应位置相同方向上高一级的高频系数相邻 2×2 邻域的平方和,公式如下:l o c (,lo T m n )(){}{}2111100,,0,1,0,12222l l l o o LL i j x y x T m n c i j c δ++==⎛⎞⎛⎛⎞⎛=++++⎜⎟⎜⎜⎟⎜⎝⎠⎝⎝⎠⎝∑∑y ⎞⎞+⎟⎟⎠⎠ (1) 根据纹理能量的大小,我们将图像的复杂性分为复杂、一般和平滑三类;纹理能量的值小于 500 的区域我们将其定义为平滑区域,大于 2000 的定义为很复杂区域,介于二者之间的为一般区域。
(3) 背景亮度噪声敏感度及其分类背景亮度噪声敏感性描述了人眼在某一灰度背景中所能察觉出的噪声值的大小。
人眼对不同背景亮度具有不同的噪声敏感性,通常在中等亮度(值约为 128)最为敏感,向低亮度和高亮度两个方向呈非线性下降,Safranek [2]测出了亮度噪声敏感度曲线。
对于高频分量中的任一小波系数,其背景亮度可用低频分量上对应位置上的低频系数及其邻域的平均值表示,邻域的大小可取为 2×2。
计算出小波系数的背景亮度后,将系数的背景亮度噪声敏感性分为强、中、弱三类。
(4) 边缘掩盖效应及其分类图像中由于边缘的灰度值较大,表示了亮度的急剧变化, 具有较高的对比度,因此在边缘附近加入大一些的信息人眼不易觉察。
小波变换后的高频系数已经体现了边缘信息,所以本文使用简单的Canny算子来检测边缘。
根据边缘检测的结果,分为边缘区域和无边缘区域。
对任意一个系数,若在以其位置为中心的 5×5 大小的区域内都没有边缘通过,则将其定义为无边缘区域,否则为边缘区域。
(5) 小波系数分类和失真阈值 JND 的计算在载体图像某一小波系数上加入水印信息时要根据其所在区域的类别来确定能加入的信息强度。
类别的划分以视觉系统照度、纹理和边界掩盖特性为依据。
如文章前面所述,本文将背景照度噪声敏感度划分为三类:弱、中、强;图像复杂性(纹理掩盖特性)划分为:复杂、一般和平滑;边缘掩盖特性划分为有、无两类(见表 1)。
联合这三种视觉掩盖特性的分类,我们可将其组合成 18 类。
表1 视觉掩盖特性分类编码 纹理掩盖亮度掩盖 边缘掩盖 分类 编码分类 编码 分类 编码 复杂 11一般 10平滑 01 弱 11 中 10 强 01有 1 无 0 小波系数依据视觉掩盖特性的分类可用 5 位编码,记为(),l o Code m n ,该编码最高两位表示背景内容的复杂程度分类,最低位表示有无边缘掩盖的分类,中间两位表示背景亮度对噪声敏感度的分类。
为了区分不同类别所能加入的信息强度,我们根据分类结果在频率视觉阈值的基础上进行自适应调节,共分为 18 类。
为计算方便,结合实验结果本文将自适应调节因子的取值确定为:分类编码值对 10 取对数。
因此可推出 JND 的计算公式如下:()(),lg l l lo o o JND m n f Code m n =×, (2) 1.3水印图像预处理灰度水印因为数据量大,现有水印算法使用灰度图像作为水印的很少。
首先,对灰度水印进行8*8分块DCT变换,按JPEG亮度量化表进行量化,每分块按Zigzag扫描顺序,提取前10个系数,进行BCH纠错编码,最后嵌入原始图像。
(1) DCT变换及JPEG量化DCT变换后的系数的分布有一定规律,图像的大部分能量位于低频部分,对于8*8 的子块,位于左上角第一个位置的分量称为DC分量,具有最大的能量和重要性,其他63个分量称为AC分量,其重要性从左上角到右下角依次减小。
JPEG量化表有亮度表和色度表,水印图像为灰度图象,本文用亮度表对水印图像进行量化。
(2)BCH纠错编码BCH 码具有纠正多个错误的能力,其构造和译码也很容易实现,是目前研究得最透彻的一类码,也是线性分组码中应用得最普遍最典型的一类编码。
水印量化后的二进制形式可以表示为: M ij =(m 7ij , m 6ij , m 5ij , m 4ij , m 3ij , m 2ij , m 1ij , m 0ij ), 式中:m kij ∈{0,1} , k = 0,1,2,⋯,7 ,以其高7位为信息元,对其进行形式的BCH 编码,而长度为15的可纠2个错的BCH 码的生成多项式为: ()87641g x x x x x =++++ (3)其码字的形式为: ()1413120,,,,ij ij ij ij ij C c c c c =L ,式中,147ij ij c m =136ij ij c m =,…,,为监督位。