毕业设计论文_水印技术在电子签名中的防伪应用(编辑修改稿)

毕业设计论文_水印技术在电子签名中的防伪应用(编辑修改稿)内容摘要：

（即水印载体数据）， I 表示原始载体数据， W 表示水印集合， K 表示密钥集合。 这里密钥 K 是可选项，一般用于水印信号的再生。 数字水印提取的理论框架 水印生成 算法（ G） 数字水印 （ W） 原始载体数据（ I） 水印嵌入 算法（ E） 加入水印后的数据 私钥 /公钥（ K） 南昌航空大学学士学位论文 8 数字水印提取过程基本框架示意图如图 图 水印提取算法 由图 ： 1 有原始载体数据 I 时： ),ˆ(ˆ KIIDW W () 2 有原始水印 W 时： ),ˆ(ˆ KWIDW W () 3 没有原始信息时： ),ˆ(ˆ KIDW W () 其中， Wˆ 表示估计水印， D 为水印检测算法， WIˆ 表示在传输过程中受到攻击后的水印载体数据。 检测水印的手段可以分为两种： 一是在有原始信息的情况下，可以做嵌入信号的提取或相关性验证； 二是在没有原始信息情况下，必须对嵌入信息做全搜索或分布假设检验等。 如果信号为随机信号或伪随机信号，证明检测信号是水印信号的方法一般就是做相似度检验。 水印相似 度检验的通用公式为： jijijijijiWWWSim,2, ˆ* () 数字水印（ W） /原始数据（ I） 待检测 数据（ WIˆ ） 水印提取算法（ D） 估计水印（ Wˆ ） /相似度检测（ Sim） 私钥 /公钥（ K） 南昌航空大学学士学位论文 9 其中 Wˆ 表示估计水印， W 表示原始水印， Sim 表示不同信号的相似度。 数字水印的分类 数字水印可以从不同的角度进行划分： (1) 按照水印嵌入的位置 按照水印嵌入的位置 可把水印分为空域水印和变换域水印。 空域的水印嵌入可以通过修改媒体的采样值的强度值实现。 这种方法不需要对原始媒体进行变换，计算简单，效率较高，但由于水印要均衡不可见性和鲁棒性，因而可选择的属性范围较小，而且生成的水印难以抵抗常见的信号处理攻击及噪声干扰的影响，鲁棒性较差。 变换域的方法将水印添加到原始媒体的某种变换系数中实现嵌入，可以把水印加到 DFT域、 DCT变换域、小波变换域中等。 变换域的方法需要对原始媒体数据进行变换，计算较复杂，但变换域的水印算法往往有比较好的鲁棒性，因此，变换域的水印 算法是目前研究的热点。 (2) 按照水印检测的方式 按照水印检测的方式可把数字水印分为无需原作的水印 (盲检测水印 )、需要原作的水印 (明检测水印 )和需要原作相关信息的水印 (半盲检测水印 )。 对于盲检测水印，其检测独立于原始媒体数据进行，即水印的抽取由含水印的媒体本身确定。 这种水印的检测可以在任何拥有检测环境的平台上进行，使用范围较广。 但此类算法仅利用选定数据的固有特征进行水印的嵌入和检测，这样在数据固有特征被破坏时，水印检测较为困难，生成水印的鲁棒性较差。 对明文水印的检测是在分析原始媒体数 据与含水印媒体数据差别的基础上进行的，因而只能由原始作品的持有者进行检测，生成的水印难于被伪造。 同时对这样的算法，可嵌入水印的位置选择范围较大，能充分考虑到水印的鲁棒性和不可感知性，生成水印的鲁棒性较好。 半盲水印的检测无需原作，但是需要某些与原作有关的信息，这些信息可能是原作嵌入水印时的某些参量，也可能是表征原作某些特征的信息。 (3) 按照所选水印的形式 按照所选水印的形式可把水印分为序列水印、标志图像水印和标识信息水印。 序列水印采用的是满足一定分布的伪随机序列，这样水印的检测只能回答出水印 的有无，不能给出水印的特征信息。 水印的检测是通过计算相关函数来进行的。 为增强水印的说服力，增加视觉上的形象性，标志水印采用具有一定代表性的标志 南昌航空大学学士学位论文 10 图像作为有意义水印。 水印技术的提高使得人们将制作者、产权者及购买者的标识信息直接作为水印嵌入原始作品当中，这就是标识信息水印。 (4) 按照水印的抗攻击能力 按照水印的抗攻击的能力可把水印分为脆弱水印、半脆弱水印和鲁棒性水印。 脆弱水印主要用于完整性保护，对信号的改动很敏感。 不仅水印的变换很容易被检测到，而且易于对变化进行空间分类和定位。 可利用此类水印判断数 字媒体是否被篡改和进行数据完整性的检测。 半脆弱性水印对于某些处理 (如 JPEG压缩、 MP3压缩等 )具有一定的鲁棒性，对于其它处理则视为恶意攻击，保持高度敏感性。 因为一个完善的认证系统应能将 JPEG压缩、 MP3压缩等这类 “善意”的处理和那些蓄意破坏操作区分开来。 实际中，数字图像、 音频、 视频的数据量十分庞大，在数据库和网上多以压缩形式存储和传输，压缩后的内容同样应视为真实。 鲁棒性水印主要用于在数字作品中标识著作权信息，它要求嵌入的信息能够经受各种常见的恶意攻击。 (5) 按照水印的用途 不同的应 用需求造就了不同的水印技术。 按照水印的用途可把水印分为版权保护水印、篡改提示水印、隐蔽标识水印和票据防伪水印。 版权保护水印是目前研究最多的一类水印，版权保护水印主要强调隐蔽性和鲁棒性，对数据量的要求相对较少。 篡改提示水印是一种脆弱水印，其目的是标识宿主信号的完整性和真实性。 隐蔽标识水印是将保密数据的重要标识隐藏起来，限制非法用户对保密数据的使用。 票据防伪水印主要用于票据和电子票据的防伪。 数字水印的鲁棒性问题和攻击行为 数字水印的鲁棒性问题 数字水印必须很难（希望不可能 ）被清除。 当然从理论上讲，只要具有足够的知识，任何水印都可以去掉。 但是如果只能得到部分信息，如水印在图像中的精确位置未知，那么破坏水印将导致图像质量的严重下降。 特别的，一个实用的水印算法应该对信号处理、通常的几何变形（图像或视频数据），以及恶意攻击具有鲁棒性。 它们通常包括： 南昌航空大学学士学位论文 11 1. 图像压缩 :图像压缩算法是去掉图像信息中的冗余量。 水印的不可见性要求水印信息驻留于图像不重要的视觉信息中，通常为图像的高频分量。 而一般图像的主要能量均集中于低频分量上。 经过图像压缩后，高频分量被当作冗余信息清除掉，因此有的文献将水印 嵌入图像的最显著的低频分量中或使用带低通特性的水印，虽然这可能会降低图像的质量。 目前的一些水印算法对现有的图像压缩标准（ JPEG 、MPEG ） 具有较好的鲁棒性，但对今后有更高压缩比的压缩算法则不能保证也具有同样好的鲁棒性。 2. 滤波 :图像中的水印应该具有低通特性，即低通滤波（如均值滤波和中值滤波）应该无法删掉图像中的水印 ,事实上当前很多针对水印的攻击行为是用滤波完成的。 3. 图像量化与图像增强 :一些常规的图像操作，如图像在不同灰度级上的量化、亮度与对比度的变化、直方图修正与均衡，均不应对水印的提取 和检测有严重影响。 4. 几何失真 :几何失真包括图像尺寸大小变化、图像旋转、裁剪、删除或增加图像线条以及反射等等。 很多水印算法对这些几何操作都非常脆弱，容易被去掉。 因此研究水印在图像几何失真的鲁棒性也是人们所关注的。 数字水印的攻击行为 对数字水印的攻击一般是针对水印的鲁棒性提出的要求，在前面已介绍过数字水印的鲁棒性是指水印信号在经历多种无意或有意的信号处理后，仍能被准确检测或提取的特征。 标准数据处理是指数据（特别是数字作品）经过数据发布渠道，如编辑、打印、增强、格式转换等的过程。 攻击 是指那些带有损害性、毁坏性的，或者试图移去水印信号的处理过程。 鲁棒性好的水印应该能够抵抗各种水印攻击行为。 在这里我们只考虑那些并不严重导致载体数据失真的攻击方法。 按照攻击原理可以将攻击分为四类：简单攻击、同步攻击、削去攻击和混淆攻击。 (1) 简单攻击（ simple attacks） 简单攻击是试图对整个水印化数据（嵌入水印后的载体数据）进行操作来削弱嵌入的水印的幅度（而不是试图识别水印或分离水印），导致数字水印提取发生错误，甚至根本提取不出水印信号。 常见的操作有线性滤波、通用非线性滤波、压缩（ JPEG、 MPEG）、添加噪声、漂移、象素域量化、数模转换、 gamma 修正等。 (2) 同步攻击（ synchronization attacks） 同步攻击是试图破坏载体数据和水印的同步性，即试图使水印的相关检测失效或使恢复嵌入的水印成为不可能。 被攻击的数字作品中水印仍然存在，而且幅度没 南昌航空大学学士学位论文 12 有变化，但是水印信号已经错位，不能维持正常水印提取过程所需要的同步性。 这样，水印提取器就不可能、或者无法实行对水印的恢复和提取。 同步攻击通常采用几何变换方法，如缩放、空间方向的平移、时间方向的平移（视频数字作品）、 旋转、剪切、象素置换、二次抽样化、象素或者象素簇的插入或抽取等。 (3) 削去攻击（ removal attacks） 削去攻击试图通过分析水印化数据，估计图像中的水印，将水印化数据分离成为载体数据和水印信号，然后抛弃水印，得到没有水印的载体数据，达到非法盗用的目的。 常见的方法有：合谋攻击（ collusion attacks）、去噪、 确定的非线性滤波、采用图像综合模型的压缩（如纹理模型或者 3D 模型等）。 针对特定的加密算法在理论上的缺陷，也可以构造出对应的削去攻击。 (4) 混淆攻击（ ambiguity attacks） 混淆攻击是试图生成一个伪源数据、伪水印化数据来混淆含有真正水印的数字作品的版权，由于最早由 IBM 的 Craver 等人提出，也称 IBM 攻击。 一个例子是倒置攻击，虽然载体数据是真实的，水印信号也存在， 但是由于嵌入了一个或多个伪造的水印，混淆了第一个含有主权信息的水印， 失去了唯一性。 这种攻击实际上使数字水印的版权保护功能受到了挑战， 如何有效地解决这个问题正引起研究人员的极大兴趣。 南昌航空大学学士学位论文 13 3 图像预处理算法实现 引言 在图像处理的过程中，由于获 取图像的工具或手段的影响，使获取图像无法完全体现原始图像的全部信息。 因此，以改善图像数据、抑制不需要的变形或者增强某些对于后续处理来说比较重要的图像特征为目的的图像预处理在图像处理的过程中就显得非常重要。 常用的图像预处理手段包括图像大小的修改、图像浓度的扩展，图像由彩色差到灰度的转变、图像二值化、图像的锐化处理及图像平滑处理等方法。 本文采用了matlab 开发工具实现了上述图像预处理算法并给出了各种算法的处理结果。 图像二值化处理 二值化是数字图像处理中一项最基本的变换方法 ,通过非零取一 固定阈值、双固定阈值等不同的阈值化变换方法 ,使一幅灰度图像变成了黑白二值图像 ,将我们所需的目标从复杂的图像背景中提取出来 .阈值 [56]处理的操作过程是指定一个阈值 ,如果图像中某像素的灰度值小于该阈值 ,则将该像素的灰度值设置为 0或 255,否则灰度值设置为 255 或 0。 图像二值化的实现代码 图像二值化代码见目录 A（ ）。 在 matlab 实验平台结果如下图： 南昌航空大学学士学位论文 14 图 二值化处理后的图像 图像平滑处理 图像的平滑方法是一种实用的图像处理技 术，能减弱或消除图像中的高频率分量，但不影响低频率分量。 因为高频率分量主要对应图像中的区域边缘等灰度值具有较大较快变化的部分，平滑滤波将这些分量滤去可减少局部灰度起伏，使图像变得比较平滑。 实际应用中，平滑滤波还可用于消除噪声，或者在提取较大目标前去除过小的细节或将目标内的小间断连接起来。 它的主要目的是消除图像采集过程中的图像噪声，在空间域中主要利用邻域平均法、中值滤波法和选择式掩模平滑法等来减少噪声；在频率域内，由于噪声主要存在于频谱的高频段，因此可以利用各种形式的低通滤波器来减少噪声。 图像平 滑处理代码 图像平滑处理代码见目录 A（ ）。 在 matlab 实验平台结果如下图： 南昌航空大学学士学位论文 15 图 平滑处理后的图像 图像锐化处理 图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法 .锐化的目标实质上是要增强原始图像的高频成分。 常规的锐化算法对整幅图像进行高频增强 ,结果呈现明显噪声。 为此 , 在对锐化原理进行深入研究的基础上 ,提出了先用边缘检测算法检出边缘 , 然后根据检出的边缘对图像进行高频增强的方法。 实验结果表明 ,该。