图像数字水印技术的研究与实现毕业设计论文(编辑修改稿)

图像数字水印技术的研究与实现毕业设计论文(编辑修改稿)内容摘要：

还可以对数字作品被篡改的地方进行定位，甚至有的算法还能够将被篡改的内容进行部分恢复或全部还原。 标题与注释：数据的标识信息有时比数据本身更具有价值，如遥感图像的拍摄日期、经纬度等。 没有标识信息的数据有时甚至无法使用，但直接将这些重要信息标记在原始文件上又 很危险。 将作品的标题、注释等内容以水印形式嵌入该作品中，于是标识信息在原始文件上是看不到的，只有通过特殊的阅读程序才可以读取。 盗版跟踪：数字水印还有一些其他的应用，他们的目的是传输合法接受者的信息而不是数据来源者的信息，主要用于识别数据的单个发行拷贝，这一类应用在发行的每个拷贝中嵌入不同的水印，通常称之为“数字指纹”，对每个拷贝各自嵌入水印的情况，因为他们的发行要面临共谋攻击的危险，所以嵌入的水印应该设计成对共谋攻击而言是安全的，同样，对于某些数字指纹来说，他们要求水印易于提取，且有很低的复杂度。 拷贝保护：在多媒体发行体系中，希望存在这样的一个拷贝保护机制，即它不允许未经授权的媒体拷贝，在开放系统中很难实现拷贝保护，然而在封闭或私有系统中，拷贝保护是可行的，在这样的系统中，可用水印来说明数据的拷贝情况。 安全的隐秘通信：情报战是信息战的重要组成部分，其核心思想是利用公用网络进行保密数据传送，目前采用的方式主要是“文件加密”，然而经过加密的文件往往是混乱无序的，容易引起攻击者的注意。 网络多媒体技术的广泛应用使得利用公用网络进行保密通信有了新的思路，即利用数字水印技术把需要传递的秘密信息作为水印嵌 入到可以公开的数字产品的时 (空 )域和变换域中，从而实现隐蔽通信。 由于嵌入秘密信息的图像在主观视觉上并未发生变化，察觉到秘密信息的存在是不大可能的。 从这个意义上讲，传输秘密信息的信道也是秘密的。 这将有效地减少遭受攻击的可能性。 同时，由于信息的嵌入方法是保密的，如果再结合密码学的方法，即使敌方知道秘密信息的存在，要提取和破译该信息也是十分困难的。 9 第二章 图像数字水印关键技术 图像数字水印的概念及基本特征 图像数字水印技术就是将特定的标记，如作者名、创作时间、所有权等信息，利用数字 内嵌的方法嵌入到数字图像中，用以证明创作者对其作品的所有权。 同时还可以作为鉴定、起诉非法侵权的证据，通过对水印的检测和分析来保证数字信息的完整性 [6]。 作为版权信息嵌入到图像中的秘密信息即称为数字水印，它可以是无意义的随机序列，也可以是文字、图像、声音等有意义的信息。 数字水印与原始图像紧密结合并隐藏其中，能经历一些不破坏原始图像的使用价值或商用价值的操作而保存下来。 数字水印不影响图像的可用性。 它是信息隐藏技术的最重要的一个分支，是解决多媒体数据版权保护问题的有效手段之一。 一般地，图像数字水印具有如下的基本特 性： (1)不可见性。 即水印是不易察觉的。 水印技术的首要条件是嵌入水印的图像和原始图像基本上相同，图像的质量不因水印的嵌入有明显的改变。 不可见性包含两方面的意思，一个指视觉上的不可见性，即因嵌入水印导致图像的变化对观察者的视觉系统来讲应该是不可察觉的，最理想的情况是含水印图像与原始图像在视觉上一模一样，这是绝大多数水印算法所应达到的要求；另一方面水印用统计方法也是不能恢复的 [7]，如对大量的用同样方法和水印处理过的图像即使用统计方法也无法提取水印或确定水印的存在。 (2)确定性。 嵌入到图像中的水印应能被唯一 确定地检测并提取，从而可靠地判定该作品的真正所有者，而不会出现检测不到嵌有水印的图像中的水印或报告不含有水印的图像中含有水印这样的错误。 (3)安全性。 图像数字水印的安全性就是指它抵抗蓄意窜改或恶意攻击的能力。 也就是说嵌入水印和检测水印的方法对没有授权的第三方是保密的而且不可轻易破解。 水印系统对安全性的要求对于不同的应用差别很大。 (4)可证明性。 水印能够为受到保护的图像的归属提供完全可靠的证明。 在需要的时候，水印检测算法能够识别并提取嵌入在保护对象中的所有者的相关信息。 水印能够用来判别对象是否受到保护，并 能监视被保护对象的传播、真伪鉴别以及非法拷贝控制等。 就目前已经出现的很多算法而言，攻击者完全可以破坏掉图像中的水印，或复制出一个理论上存在的“原始图像”，这导致文件所有者不能令人信服地提供版权归属的有效证据。 因此一个好的水印算法应该能够提供完全没有争议的版权证明，在这方面还需要做很多工作。 (5)鲁棒性。 鲁棒性是数字水印技术最重要的一个特性。 由于数字水印完全嵌入图像中，那么对含水印图像所做的变换也会导致其中水印的变化，所以数字水印必须对作用于图像的变换具有抵抗作用。 鲁棒水印主要是指在经历多种有意或无意的信号 处理后，水印仍能保持完整或仍能被准确鉴别。 常见的图像处理和攻击有：有损压缩、滤波、噪声干扰、边缘增强、旋转、伸缩、剪切、扫描等操作。 从理论上讲，在具备相应的信息后，水印是可以消除的，而成功的数字水印技术就是要保证在解码信息不完备的情况下，任何试图去除水印的操作均会导致 10 原始 图像质量的严重破坏。 实际上很难设计出一种方法能够保证对所有可能的图像处理和攻击都具有鲁棒性，因此鲁棒性的强弱应该视不同的应用需求而定。 在实际应用中，要求设计的水印方案至少对一些常用的图像处理具有鲁棒性。 图像数字水印的基本原理和系统 框架 图像数字水印的基本原理 大多数图像数字水印技术所遵循的基本原理是利用人类视觉的感觉冗余 性，将水印信息嵌入到同样具有数据冗余特性的图像中去，使得水印在图像中不被察觉并且足够安全。 一般通过相关或类似于相关的计算进行检测。 从图像处理的角度看，嵌入水印可以视为在强背景 (原始图像 )下叠加一个弱信号 (水印 )，由于人类视觉系统 (Human Visual System—— HVS)的分辨率受到一定的限制，只要叠加信号的幅度低于 HVS 的最小可察觉误差， HVS 就无法感觉到信号的存在，因此通过对原始图像做一 定的调整，有可能在不改变视觉效果的情况下嵌入一些水印信息。 图像数字水印算法的基本框架 所有的图像数字水印算法都由两个基本系统：水印嵌入系统和水印恢复系统组成。 1. 水印嵌入系统 水印嵌入过程中，通过嵌入算法将水印信号加在原始图像上，生成含水印的图像，水印可以是任何形式的数据。 大多数水印方案在水印嵌入过程中都使用了密钥，从而加强了整个系统的安全性。 水印系统的输出称为含水印图像。 设原始图像为 I ，水印为 W ，密钥为 K ，则水印嵌入可用式 (21)来 述： I w = F (I, W, K ) (21) 式中 F 表示水印嵌入算法，如图 所示。 水 印 W密 钥 K嵌 入 算 法 含 水 印 图 像原 始 图 像 I 图 图像数字水印嵌入系统框图 两种常用的水印嵌入方法 如式（ 22）示： vwi =vi +awi (加法法则 ) vwi =vi(1+awi) (乘法法则 ) 其中， vi ,viw 分别表示原始图像像素和嵌入水印的图像像素， wi 为水印信号分量， 0 ≤ i ≤ n , α 为尺度因子。 在保证不可见的前提下，尽可能提高嵌入水印的强度， α 的选择必须考虑图像的性质和视觉系统的特性。 2. 水印恢复系统 11 水印恢复时，先检测待测试的图像中是否含有水印信号，如果待测图像中含有水印，则从中提取出水印，如图 所示。 设待测图像为 I 39。 ，从 I 39。 中提取的水印为 W39。 ， δ (.)为检测函数。 则： W39。 =δ (I 39。 , I ) (23) 计算相关系数 C (W,W39。 )，如果 C (W,W39。 )满足： C (W,W39。 ) ≥ T (设 T为阈值 )，则可判定水印存在，否则认为水印不存在。 水 印 W 或 原 始 图 像 I密 钥 K检 测 （ 提 取 ） 算 法 水 印 （ 相 关 ） 系 数待 测 图 像I  图 图像数字水印恢复系统框图 数字图像水印的典型算法 数字图像水印的算法按照嵌入域的不同主要可分为空域算法、变换域算法。 前者使用各种方法直接修改图像的象素值，将数字水印直接加载在数据上；而后者首先对原始图像进行适当变换（既可以对整幅图像变换，也可以将原始图像分块后对某些小块进行变换），然后将水印信息嵌入到变换域选定的系数上，最后通过相应的反变换得到含水印的图像。 一般来说，空域算法具有计算简单、信息隐藏量大的特点，但其最大的缺点是缺乏理 想的鲁棒性，尽管有些算法提出了改善鲁棒性的一些方法，但空域算法在鲁棒性上一般比变换域的算法差，因此在鲁棒图像水印算法中用的较少。 变换域算法因具有较强的抵抗信号处理和恶意攻击的能力、更便于适应人类视觉系统的特性选择不同的嵌入频带、与某些压缩标准兼容等优点，是目前鲁棒水印算法的主流。 而结合空域和变换域特性的图像自适应算法则是图像水印技术中一个有前景的研究方向。 空间域数字水印算法 典型的空域算法是 LSB（最低有效位）算法 [13]，它的嵌入是把水印比特插入原始图像灰度值的最低位，检测是通过计算互相 关函数来实现的。 LSB 算法的优点是算法简单易实现；水印嵌入的数据量大；含水印图像不可见好，但是它致命的弱点是鲁棒性很弱，在对数字图像处理或变换后，图像的低位非常容易改变，攻击者只需通过简单地删除图像低位数据或者对数字图像进行简单的数学变换就以将水印信息破坏掉。 另外一类重要的空域算法利用了图像像素的统计特征，其主要思想是通过修改原始图像像素使得原始图像像素的某体统计特征发生变化，检测时只需查看含水印图像的统计特征即可，从而达到盲检测的目的。 为了保证安全性，这些统计特征的来源必须受到密钥的控制。 常用的统计量包 括：平均值、标准偏差和直方图等。 这一类算法的代表是 patchwork 算法 [14]。 变换域数字水印算法 变换域算法常用的变换域有离散余弦变换（ DCT）、离散小波变换（ DWT）、 12 离散傅立叶变换（ DFT）等。 实际上，变换域算法并不限于上述三种变换，只要能隐藏水印信息，任何变换都是可行的。 Koch 等人 [15]首先提出了基于 DCT 域的水印算法，通过修改由伪随机选定的中频系数对的差值来嵌入水印。 由于它与JPEG 压缩的特性兼容，且在修改 DCT系数的同时考虑到了 JPEG 压缩量化矩阵，因而可以有效地 改善水印对有损压缩的鲁棒性。 Cox 等人 [16]首先提出将水印嵌入到图像感知重要的区域中，其思想是要破坏水印必然要破坏图像的重要内容，这一思想已被许多算法采用。 为了得到水印的鲁棒性和不可见性的最佳折衷，人们逐渐认识到利用视觉生理模型的重要性。 Watson 感知模型 [17]就是一个建立在分块 DCT 变换基础上的感知模型，利用该模型可以估计图像之间的临界可见误差（ JND），控制水印嵌入算法的最大嵌入能量，使之适应于图像的特性。 与DCT 相比， DWT 具有以下优点：具备多分辨率特性，嵌入的水印可以选择在不同的分辨 层上得到不同的鲁棒性和视觉特性；良好的时 频分解特性更符合人类视觉系统的特点，使得水印的嵌入可以更好地结合 HVS，从而改善水印图像的质量或水印的性能；与新一代的压缩标准兼容，如 JPEG2020 和 MPEG7，因 DWT 在数字水印技术中有着广泛的应用前景。 基于 DWT 的水印算法，通常是先将原始图像进行多级小波分解，然后再通过修改小波变换系数来实现水印的嵌入。 水印检测器接收到目标图像后，先进行同样的小波分解，通过相应的检测算法来判断目标图像是否含水印或直接通过提取算法将水印提取出来。 小波域的水印算法根据嵌入位置 大体可分为低频域算法和高频域算法。 文献 [18]提出一种基于低频子带嵌入的盲水印算法，通过一个不重叠 31 大小的滑动窗，对小波分解的整个低频系数进行扫描，对连续的 3 个系数进行排序，对最小值、最大值之间的长度进行 M 段分割，中间值根据水印值进行量化，算法的缺点是在 JPEG 压缩率较大的情况下检测效果不太理想。 文献 [19]的算法将水印嵌入到图像的 DWT 分解高频区域，算法首先利用 Daubechies8 小波滤波器对图像进行三 级小波变换 然后选择所有高频子带中大于阈值的系数作为嵌入位置，按照乘性规则嵌入水印，所嵌入的水印为与各高频子带相匹配的伪随机实数的 Gaussian 序列，使用相 检测方法。 低频域嵌入算法的优点是鲁棒性强，但容易影响图像的视觉效果；高频域嵌入算法的优点是有较好的抵抗噪声能力，但抗 JPEG 有损 缩和低通滤波的性能差，而将高低频水印算法优点结合起来，可以达到扬长避短、互相补充的目的，本文第五章就是基于这种思想进行研究的。 常见图像水印攻击方法 攻击指的是任何一种可能削弱水印的检测或扰乱通过水印传递信息的通信的任何处理。 为了破坏图像数字水印的安全性，水印攻击者总是设法消除信息所有者的水印内容 的有效性，使相应的水印系统的检测工具无法正确地恢复水印信号，或不能检测到水印信号的存在。 到目前为止，还没有一个算法能够真正经得住攻击者的任意进攻。 为了更好的检验水印算法的鲁棒性和安全性，分析算法缺陷和产生原因，以便在新的水印系统的设计中加以改进，有必要对水印攻击进行分析。 采用 Craver 等人 的划分，数字水印攻击包括针对鲁棒性的常规信号处理操作，针对安全性的恶意攻击以及针对水印。