基于小波包域的数字水印算法研究毕业设计论文(编辑修改稿)

基于小波包域的数字水印算法研究毕业设计论文(编辑修改稿)内容摘要：

一维分析中产生完整二叉树。 对于给定的正交小波函数，可以生成一组小波包基，每个基都提供了一种特定的信号编码方法，它能保留信号的全部能量，并对信号的特征进行准确的重构。 这些小波包可以用于对给定信号进行多种分析和解释。 给出了对一幅图像进行三层小波包分解的树形图。 青岛科技大学本科毕业设计（论文） 13 小波包树形结构(0,0)(1,0) (1,1)(2,0) (2,1) (2,2) (2,3)(3,0) (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) (3,7)0 . 5 1 1 . 5 2x 1 04 0 . 0 6 0 . 0 4 0 . 0 200 . 0 20 . 0 40 . 0 6节点（ 3 , 2 ）波形图 图 小波包树形 结构 图 及节 点 （ 3,2）的 频 率 图 Figure Wavelet pac ket tree struc ture and node ( 3,2) frequenc y c hart 小波包域音频水印算法优势 随着水印技术的进一步发展，在小波域水印算法的基础上开始出现了小波包数字水印，进一步解决了传统小波域水印的问题，它能够为信号提供更加精细的分析方法，将频带进行多层划分，对小波变换没有细分的高频信号进一步分解，并能够根据被分析信号的特征，自适应地选择相应频带，使之与信号频谱相匹配，从而提高时频分辨率。 小波包对高频子带的进一步分解极大地拓展了水印信息的嵌入空间，目前小波包水印技术得到了越来越多的关注。 数字图像进行小波包空间分解时是将图 像在各个子带上进行投影，各级小波包分解系数都是在不同尺度上按频率段对原图的近似，它们之间存在一定的相关性，小波包按照不同尺度和频率将图像进行分解，分解级数每增大一级，分解后的频率分布将全局受到影响，从而变得异常复杂甚至没有规律可循，频率的折迭和交错产生了许多伪频率段与真实频率段进行的交错混乱，而且相互之间受到约束。 小波包变换是一种等能量交换，不会产生能量的损耗，能量会在各基于小波包域的音频水印算法研究 14 个子带之间进行迁移，称为能量泄露，这种泄露主要发生在频率的分割边缘处，这样使得信号的能量在不同频带之间进行了叠加，这对音频水印也是有利的。 小波包分解不会改变表示这些信息能量所需要的系数的个数，这样冗余只是进行了传递，大小并没有改变，也就是说音频信息并不是平均分布在小波包分解系数组中，而系数之间又存在着制约关系，这本身就是一个很好的混淆操作，这使得传统的基于数理统计的攻击方法失效。 通过上面的分析可以看出，利用小波包域进行音频数字水印算法的研究具有很大优越性，使得水印的安全性有很大地提高。 本章算法正是根据小波包分解理论所具有的优点，提出一种基于小波包变换的水印算法。 以下章节详细描述该算法，包括水印图像的预处理、水印嵌入、水印提取以及实验结果。 青岛科技大学本科毕业设计（论文） 15 4 基于小波包域的音频水印算法的仿真实现 本章 主 要介 绍 了 基于 小 波包 域 的音 频 水印 算 法的 详 细 实现 过程，包括水印信号的生成，选择水印嵌入点，水印的嵌入过程，水印提取过程及结果分析。 同时还对加入噪声的信号进行水印提取结果分析，通过加入不同信噪比的高斯白噪声，对提取出的水印信号效果进行比较，得出相应结论。 水印的生成 现今小波包域水印算法几乎都是以伪随机序列和二值图像作为水印，本文选择一张 30 40 黑白的二值图像作为待嵌入的水印图像，并采用图像置乱技术进行置乱预处理。 通过置乱处理的水印图像，提高了水印信息的安全性，增强了水印的抗攻击能力。 首先我们将这张图像读入我们的 MATLAB 软件中，用 I 表示原始水印图像，将图像转变成二值图像 BW，现在图像以 1,0 代码的方式存放在矩阵中，矩阵大小为 30 40。 我们对这个二维矩阵进行降维处理，得到长度为 1200 的一维向量矩阵 C。 图 原始水印图像 Figure The origina l w atermark image 水印嵌入过程 在数字水印技术中，水印嵌入位置是影响水印对攻击和攻击方位的分析判断能力的重要因素。 而水印容量和鲁棒 性之间又是相互矛盾的，水印容量的增加会带来鲁棒性的下降，对不可感知性也有一定影响，而鲁棒性不好就会导致检测结果的不可靠。 根据人类听觉系统及小波多分辨率分析的特性，音频信号的小基于小波包域的音频水印算法研究 16 波变换的低频分量，也就是近似分量，集中了信号的大部分能量；而高频部分则仅占有音频信号的少部分能量，对大部分音频处理都很敏感。 低频分量部分对音频信号是最为重要的，低通滤波、有损压缩等操作都不会对这一部分数据造成太大的影响。 所以，考虑到水印的鲁棒性，应将水印序列嵌入到音频小波分解后的低频分量为佳，这样嵌入水印的能力就可以得到相应的加强，提 高水印检测的可靠性。 但基于同样的原因，低频分量的变化对人耳的听觉影响比较大，所以在低频分量嵌入水印的同时为了保证水印的不可感知性，应注意调整嵌入水印的系数，充分结合鲁棒性和不可感知性的特性，达到较好的水印嵌入效果。 经验表明 ,并不是 所有的变 换系数都适 合水印的嵌 入 ,低频系 数携带了最多的可感知信息 ,允许的 改变量比较小 , 优点是音频信 号的大部分能量集中在低频区。 高频 系数携带最少 的可感知信息 量 ,允许的改变量相对比较大 ,缺点是高频 区的平均能量 一般较小 ,而且 常规引入的噪声经常集中在高频区 ,即 对攻击很敏感 , 不利于水印的 鲁棒性。 基于以上原因 ,选择低频和中频小波包系数作为嵌入对象。 详细嵌入步骤如下： 未加水印的原始信号我们设为 x，首先对原始音频信号进行三层小波包分解，小波包分解的树形结构我们可以参照上图。 三层小波包分解可以分解出 14 个下级节点，我们分别用 [1,0]、 [1,1]、 [2,0]、[2,1]、 [2,2]、 [2,3]、 [2,4]、 [3,0]、 [3,1]、 [3,2]、 [3,3]、 [3,4]、 [3,5]、[3,6]、 [3,7]表示这 14 个节点，每个节点都有其对应的小波包系数分别用 cfs cfs1 cfs cfs2 cfs2 cfs2 cfs cfs3 cfs3cfs3 cfs3 cfs3 cfs3 cfs37 表示。 每个节点的频率波形如下图所示（纵坐标标示的数字代表节点）。 本文选用的原始音频信号系数点个数为 169344，第一层小波包分解后的小波包系数为 84675 个，第二层小波包分解后的小波包系数为 42341 个，第三层小波包分解后的小波包系数为 21174 个。 我们选择第三层的节点 cfs32，将水印信号加入到小波包系数中，达到加密的目的。 青岛科技大学本科毕业设计（论文） 17 0 1 2 3 4 5 6 7 8 9x 1 042101210节点 [ 1 , 0 ] 波形图0 1 2 3 4 5 6 7 8 9x 1 04 0 . 0 4 0 . 0 200 . 0 20 . 0 411节点 [ 1 , 1 ] 波形图 图 节点 [1,1]和 [1,0]的波形 Figure Node waveform of [1,1] and [1,0] 0 0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5x 1 04420220节点 [ 2 , 0 ] 波形图0 0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5x 1 04 0 . 2 0 . 100 . 10 . 221节点 [ 2 , 1 ] 波形图 图 节点 [2,0]、 [2,1]的波形图 Figure Node waveform of [2,1] and [2,0] 基于小波包域的音频水印算法研究 18 0 0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5x 1 04 0 . 0 2 0 . 0 100 . 0 10 . 0 222节点 [ 2 , 2 ] 波形图0 0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5。