基于小波变换的数字水印算法研究毕业论文(编辑修改稿)

基于小波变换的数字水印算法研究毕业论文(编辑修改稿)内容摘要：

要原始数据，而盲水印的检测只需要密钥，不需要原始数据。 一般来说，明文水印的鲁棒性比较强，但其应用受到存储成本的限制。 目前学术界研究的数字水印大多数是盲水印。 （ 4）按内容划分 按数字水印的内容可以将水印划分为有意义水印和无意义水印。 有意义水印是指水印本身也是某个数字图像（如商标图像）或数字音频片段的编码；无意义水印则只对应于一个序列号。 有意义水印的优势在于，如果由于受到攻击或其他原因致使解码后的水印破损，人们仍然可以通过视觉观察确认是否有水印。 但对于无意义水印来说，如果解码后的水印序列有若干码元错误，则只能通过统计决策来确定信号中是否含有水印。 （ 5）按用途划分 不同的应用需求造就了不同的水印技术。 按水印的用途，我们可以将数字水印划分 为票证防伪水印、版权保护水印、篡改提示水印和隐蔽标识水印。 票证防伪水印是一类比较特殊的水印，主要用于打印票据和电子票据、各种证件的防伪。 一般来说，伪币的制造者不可能对票据图像进行过多的修改，所以，诸如尺度变换等信号编辑操作是不用考虑的。 但另一方面，人们必须考虑票据破损、图案模糊等情形，而且考虑到快速检测的要求，用于票证防伪的数字水法不能太复杂。 版权标识水印是目前研究最多的一类数字水印。 数字作品既是商品又是知识作品，这种双重性决定了版权标识水印主要强调隐蔽性和鲁棒性，而对数据量的要求相对较小。 篡改提示水 印是一种脆弱水印，其目的是标识原文件信号的完整性和真实性。 隐蔽标识水印的目的是将保密数据的重要标注隐藏起来，限制非法用户对保密数据的使用。 （ 6）按水印隐藏的位置划分 按数字水印的隐藏位置，我们可以将其划分为时（空）域数字水印、频域数字水印、时 /频域数字水印和时间 /尺度域数字水印。 时（空）域数字水印是直接 10 在信号空间上叠加水印信息，而频域数字水印、时 /频域数字水印和时间 /尺度域数字水印则分别是在 DCT 变换域、时 / 频变换域和小波变换域上隐藏水印。 随着数字水印技术的发展，各种水印算法层出不穷，水印的隐藏位置 也不再局限于上述四种。 应该说，只要构成一种信号变换，就有可能在其变换空间上隐藏水印 。 数字水印典型算法（针对图像领域） （ 1）空域算法该类算法中典型的水印算法是将信息嵌入到随机选择的图像点中最不重要的像素位 (LSB:least significant bits)上，这可保证嵌入的水印是不可见的。 但是由于使用了图像不重要的像素位，算法的鲁棒性差，水印信息很容易为滤波、图像量化、几何变形的操作破坏。 另外一个常用方法是利用像素的统计特征将信息嵌入像素的亮度值中。 （ 2） Patchwork 算法方法是 随机选择Ｎ对像素点 (ai， bi)， 然后将每个 ai点的亮度值加 1， 每个 bi 点的亮度值减 1， 这样整个图像的平均亮度保持不变。 适当地调整参数， Patchwork 方法对 JPEG 压缩、 FIR滤波以及图像裁剪有一定的抵抗力，但该方法嵌入的信息量有限。 为了嵌入更多的水印信息，可以将图像分块，然后对每一个图像块进行嵌入操作。 （ 3）变换域算法 该类算法中， 大部分水印算法采用了扩展频谱通信 (spread spectrum munication)技术。 算法实现过程为： 先计算图像的离散余弦变换 (DCT)，然后将水印叠加到 DCT 域中幅值最大的前ｋ系数上 (不包括直流分量 )，通常为图像的低频分量。 若 DCT 系数的前ｋ个最大分量表示为 D={ di }，i=1 ，„ ，ｋ，水印是服从高斯分布的随机实数序列Ｗ ={ wi }， i=1 ，„ ，ｋ，那么水印的嵌入算法为 di = di(1 + awi)，其中常数 a为尺度因子，控制水印添加的强度。 然后用新的系数做反变换得到水印图像 I。 解码函数则分别计算原始图像 I和水印图像 I39。 的离散余弦变换，并提取嵌入的水印 W39。 ，再做相关检验以确定水印的存在与否。 该方法即使当水印图像经过一些通用的几何变形和信号处理操作而产生比较明显的变形后仍然能 够提取出一个可信赖的水印拷贝。 一个简单改进是不将水印嵌入到 DCT 域的低频分量上，而是嵌入到中频分量上以调节水印的顽健性与不可见性之间的矛盾。 另外，还可以将数字图象的空间域数 11 据通过离散傅里叶变换 (DFT)或离散小波变换 (DWT)转化为相应的频域系数；其次，根据待隐藏的信息类型，对其进行适当编码或变形；再次，根据隐藏信息量的大小和其相应的安全目标，选择某些类型的频域系数序列（如高频或中频或低频）；再次，确定某种规则或算法，用待隐藏的信息的相应数据去修改前面选定的频域系数序列；最后，将数字图象的频域系数经相应的反变换转化为空间域数据。 该类算法的隐藏和提取信息操作复杂，隐藏信息量不能很大，但抗攻击能力强，很适合于数字作品版权保护的数字水印技术中。 （ 4）压缩域算法 是 基于 JPEG、 MPEG 标准的压缩域数字水印系统不仅节省了大量的完全解码和重新编码过程，而且在数字电视广播及 VOD(Video on Demand)中有很大的实用价值。 相应地，水印检测与提取也可直接在压缩域数据中进行。 下面介绍一种针对 MPEG2压缩视频数据流的数字水印方案。 虽然 MPEG2 数据流语法允许把用户数据加到数据流中，但是这种方案并不适合数字水印技术，因为用户数据可以简单地从数据流中去掉，同时，在 MPEG2编码视频数据流中增加用户数据会加大位率，使之不适于固定带宽的应用，所以关键是如何把水印信号加到数据信号中，即加入到表示视频帧的数据流中。 对于输入的 MPEG2 数据流而言，它可分为数据头信息、运动向量 (用于运动补偿 )和 DCT 编码信号块 3部分，在方案中只有 MPEG2数据流最后一部分数据被改变，其原理是，首先对 DCT 编码数据块中每 一输入的 Huffman 码进行解码和逆量化，以得到当前数据块的一个DCT系数。 其次，把相应水印信号块的变换系数与之相加，从而得到水印叠加的DCT系数，再重新进行量化和 Huffman 编码，最后对新的 Huffman 码字的位数 n1与原来的无水印系数的码字 n0 进行比较，只在 n1 不大于 n0的时候，才能传输水印码字，否则传输原码字，这就保证了不增加视频数据流位率。 该方法有一个问题值得考虑，即水印信号的引入是一种引起降质的误差信号，而基于运动补偿的编码方案会将一个误差扩散和累积起来，为解决此问题，该算法采取了漂移补偿的方案 来抵消因水印信号的引入所引起的视觉变形 。 （ 5） NEC 算法是 由 NEC 实验室的 Cox 等人提出，该算法在数字水印算法中占有重要地位，其实现方法是，首先以密钥为种子来产生伪随机序列，该序列具有高斯 N(0， 1)分布，密钥一般由作者的标识码和图象的哈希值组成，其次对图象做 DCT 变换，最后用伪随机高斯序列来调制 (叠加 )该图象除直流 (DC)分量外的 12 1000 个最大的 DCT 系数。 该算法具有较强的鲁棒性、安全性、透明性等。 由于采用特殊的密钥，因此可防止 IBM 攻击，而且该算法还提出了增强水印鲁棒性和抗攻击算法的重要原则，即 水印信号应该嵌入源数据中对人感觉最重要的部分，这种水印信号由独立同分布随机实数序列构成，且该实数序列应该具有高斯分布N(0， 1)的特征。 （ 6）生理模型算法 是 人的生理模型包括人类视 HVS(HumanVisualSystem)和人类听觉系统 HAS。 该模型不仅被多媒体数据压缩系统利用，同样可以供数字水印系统利用。 利用视觉模型的基本思想均是利用从视觉模型导出的 JND(Just Noticeable Difference)描述来确定在图象的各个部分所能容忍的数字水印信号的最大强度，从而能避免破坏视觉质量。 也就是说， 利用视觉模型来确定与图象相关的调制掩模，然后再利用其来插入水印。 这一方法同时具有好的透明性和强健性。 数字水印的鲁棒性问题和攻击行为 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： (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（如 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 13 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 。 与鲁棒性问题密切相关的一个方面就是水印的攻击行为。 水印攻击与鲁棒性可以说是一对矛和盾，目前的文献已经陆续描述了很多水 印攻击方法。 我们在这里将水印攻击方法归为四大类。 在将水印分类的过程中，我们只考虑那些并不严重导致图像失真的方法。 因为如果没有这个假设，那么总是可以寻找到某种成功的攻击方法，包括完全删除水印图像。 (1)简单攻击：（也可称为波形攻击或噪声攻击）即只是通过对水印图像进行某种操作，削弱或删除嵌入的水印，而不是试图识别水印或分离水印。 这些攻击方法包括线性或非线性滤波、基于波形的图像压缩（ JPEG 、 MPEG ）、添加噪声、图像裁减、图像量化、模拟数字转换及图像的鉢矫正等。 (2)同步攻击：（也称检测失效攻击）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。 这种攻击一般是通过图像的集合操作完成的，如图像仿射变换、图像放大、空间位移、旋转、图像修剪、图像裁减、象素交换、重采样、象素的插入和抽取以及一些几何变换等等。 这类攻击的一个特点是水印实际上还存在于图像中，但水印检测函数已不能提取水印或不能检测水印的存在。 (3)迷惑攻击：即试图通过伪造原始图像和原始水印来迷惑版权保护，由于最早由 IBM 的 Craver 等人提出，又称 IBM 攻击。 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。 (4)删除攻击：即针对某些水印方法通过分析水印数据，估计图像中的水印，然后将水印从图像中分离出来并使水印检测失效。 数字水印应用领域 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版权保护、隐藏标识、认证和安全不可见通信。 14 当数字水印应用于版权保护时，潜在的应用市场在于电子商务、在线或离线地分发多媒体内容以及大规模的广播服务。 数字水印用于隐藏标识时，可在医学、制图、数字成像、数字图像监控、多媒体索引和基于内容的检索等领域得到应用。 数字水印的认证 方面主要 ID 卡、信用卡、 ATM 卡等上面数字水印的安全不可见通信将在国防和情报部门得到广泛的应用。 多媒体技术的飞速发展和 Inter的普及带来了一系列政治、经济、军事和文化问题，产生了许多新的研究热点，以下几个引起普遍关注的问题构成了数字水印的研究背景。 (1)数字作品的知识产权保护 数字作品（如电脑美术、扫描图像、数字音乐、视频、三维动画）的版权保护是当前的热点问题。 由于数字作品的拷贝、修改非常容易，而且可以做到与原作完全相同，所以原创者不得不采用一些严重损害作品质量的办法来加上版权标志，而这种明显可见 的标志很容易被篡改。 “数字水印”利用数据隐藏原理使版权标志不可见或不可听，既不损害原作品，又达到了版权保护的目的。 目前，用于版权保护的数字水印技术已经进入了初步实用化阶段， IBM 公司在其“数字图书馆”软件中就提供了数字水印功能，Adobe 公司也在其著名的 Photoshop 软件中集成了 Digimarc 公司的数字水印插件。 然而实事求是地说，目前市场上的数字水印产品在技术上还不成熟，很容易被破坏或破解，距离真正的实用还有很长的路要走。 (2)商务交易中的票据防伪 随着高质量图像输入输出设备的发展，特别是精度 超过 1200dpi 的彩色喷墨、激光打印机和高精度彩色复印机的出现，使得货币、支票以及其他票据的伪造变得更加容易。 另一方面，在从传统商务向电子商务转化的过程中，会出现大量过度性的电子文件，如各种纸质票据的扫描图像等。 即使在网络安全技。