（计算机软件与理论专业论文）基于音频数字水印技术算法的研究.pdf

摘要 随着网络技术和多媒体技术的发展，数字水印技术成为数字版权保护的行之 有效的办法。音频水印技术是应用于音频领域的水印技术，该技术通过向音频文 件中嵌入秘密信息己达到版权保护、掩蔽通信的目的。本文就音频文件的版权问 题，展开了音频数字水印的研究。 本文首先实现了时域水印算法。通过将时域幅值进行排序，把水印信息嵌入 在幅值较大的位置。经过实验分析，时域水印算法鲁棒性较差，但其算法简单， 嵌入数据量大，因此仍然使用广泛。 为了提高水印鲁棒性，本文又对频域水印算法进行了研究和分析。在基于d c t 的数字水印算法中通过寻找特征区域将水印嵌入在能量最大的离散余弦系数 中；在基于d w t 的数字水印算法中，利用d b l 小波分解取得音频的中频分量， 通过乘法准则进行水印信息的嵌入。 最后，经过对已有算法的分析，提出了利用心理声学模型1 自适应调节量化 步长的基于d c t 和d w t 相结合的数字水印算法，提高了水印的不可感知性和 实用性。 关键词：数字水印特征区域中频系数心理声学模型量化 a b s t r a c t w i t ht h ed e v e l o p m e n to fd i g i t a lm u l t i m e d i at e c h n o l o g y , d i g i t a lw a t e r m a r k h a sb e c o m ea p o p u l a rt o p i c i nt h ef i e l do fd i g i t a l c o p y r i g h tp r o t e c t i o n a u d i o d i g i t a lw a t e r m a r k i n gt e c h n i q u e i s a p p l i c a t i o no nt h ea u d i of i e l d ，w i t hs u c ht e c h - n i q u ew ec a l l e m b e ds c o r e di n f o r m a t i o ni n t oa u d i of i l e s ，s oa st o g e t c o p y r i g h t p r o t e c t i o n a n d c o v e rc o m m u n i c a t i o n e t c t h i sp a p e rf o c u so nt h ea u d i od i g i t a l w a t e r m a r k i n gt e c h n i q u ei no r d e rt op r o t e c ta u d i of i l e sc o p y r i g h t f i r s t ，ic o m p l e t e dt h et e m p o r a ld o m a i nd i g i t a lw a t e r m a r k i n ga l g o r i t h m ，t h e i n f o r m a t i o no fw a t e r m a r k i n gw e r ee m b e d d e di nt h el a r g e s tv a l u eo ft h ea m p l i t - u d eb ys o r t e d t l l i sa l g o r i t h mw a sp r o v e dt h a ti sw e a k e ri nr o b u s t b u ti ti ss a m p l ea n de m b e d d e dl a r g e d a t a i no r d e rt oi m p r o v et h er o b u s t o f w a t e r m a r k i n ga l g o r i t h m ，t h i sp a p e ra n a l y z e dt h e f r e q u e n c yd o m a i nw a t e r m a r ka l g o r i t h m e m b e d d e d 也ew a t e r m a r ki n f o r m a t i o ni n t o i n t e r m e d i a t ef r e q u e n c yi nt h ed c t - b a s e dw a t e r m a r ka l g o r i t h r ab ys e e kt h ef e a t u r e f i e l d t h i sp a p e rc h o s et h ed b lw a v e l e tt r a n s f o r mt og e ti n t e r m e d i a t ef r e q u e n c yi nt h e d w t - b a s e d w a t e r m a r k i n ga l g o r i t h mb ym u l t i p l i c a t i o nr e g u l a t i o n f u r t h e r m o r e ，t h i sp a p e rp u tf o r w a r daa u t o m a t i ca n da d a p t i v ea l g o r i t h mt h a tc a n c a l c u l a t et h es u i t a b l et h r e s h o l d t h i ss u g g e s t e da l g o r i t h mm a k e su s eo ft h ef r e q u e n c e a n a l y s i so f t h ep s y c h o a c o u s t i cm o d e lt om a k e t h ee m b e d d e dw a t e r r a a r ki n a u d i b l e t h i s i d e ai su s e di nw a t e r m a r ke m b e d d e d a l g o r i t h m sb a s e d o nd w ta n dd c t c o m b i n i t i o n k e y w o r d ：d i g i t a l a u d i ow a t e r m a r k f e a t u r ef i e l d ，i n t e r m e d i a t ef r e q u e n c yc o e f f i c i e n t ，p s y c h o a c o u s i cm o d e l 。q u a n t i z a t i o n 独创性声明 y , 6 2 3 7 9 上 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知除了文中特别加以标注和致谢的地方外， 论文中不包含其它人已经发表或撰写的成果，也不包含为获得西北大学 或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对 本研究所做的任何贡献均己在论文中做了明确的说明并表示谢意。 学位论文作者签字： 签字日期：卿年厂月7 日 第一章引言 1 1 研究背景 随着信息时代的到来，特别是i n t e r n e t 的普及，信息安全保护问题日益突 出。同时随着人们知识产权意识的逐渐加强，追踪盗版、维护版权的问题也促使 人们寻求更新更高效的信息安全技术。传统的信息安全技术基本上都以密码学理 论为基础，而这种技术已无法适应目前信息时代的要求。原因一：无论是采用传 统的密钥系统还是公钥系统，其保护方式都是控制文件的存取。但随着计算机处 理能力的快速提高，这种通过不断增加密钥长度来提高系统密级的方法变得越来 越来不安全；原因二：多媒体技术的发展，使得数字化和经过数字压缩的产品越 来越多，如声像产品。这类声像数据实质上就是数字信号，如果对这类数据也采 用密码加密方式，则其本身的信号属性就会受损；最后，这种加密方法无法防止 声像数据在解密之后被非法拷贝，再次传播和盗用，不能在数据被复制后仍证明 数据属于原始的所有者，因此无法达到版权保护的目的。所以，最近几年，许多 研究人员放弃了传统密码学的技术思路，尝试用各种信号处理方法对声像数据进 行隐藏加密，并将该技术用作多媒体的“数字水印”。 数字水印是一种有效的数字产品版权保护和数据安全维护技术，是信息隐藏 技术研究领域的一个重要分支。它将具有特定意义的标记( 水印) ，这个标记可 以是作者的序列号、公司标志、有特殊意义的文本、图像等，然后利用数字嵌入 的方法隐藏在数字图像、声音、文档、图书、视频等数字产品中，用以证明创作 者对其作品的所有权，并将作为鉴定、起诉非法侵权的证据，同时通过对水印的 检测和分析来保证数字信息的完整可靠性，从而成为知识产权保护和数字多媒体 防伪的有效手段。与加密技术不同，数字水印技术并不能阻止盗版活动的发生， 但它可以判别对象是否受到保护、真伪鉴别和防止非法拷贝、解决版权纠纷并为 法庭提供证据等。数字水印信息是嵌在数字产品中的数字信号，水印的存在要以 不破坏原数据的欣赏价值、使用价值为原则。数字水印技术可以广泛应用于电子 商务、电子报刊、广播和视频点播、虚拟博物馆或其它基于w e b 系统中。 在现实生活中，以下引起普遍关注的问题构成了数字水印的研究背景“。 1 数字产品的知识产权保护 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，而对数字作品的版权保护可能是水印最主要的应用。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，而这种明显的标志很容 易被篡改。数字水印技术利用数据隐藏原理使版权标识不可见或不可听，既不损 害原作品的质量，又达到了版权保护的目的。目前，数字水印技术在版权保护方 面已进入了初步的实用化阶段，i b m 公司在其“数字图书馆”软件中就提供了数 字水印功能，a d o b e 公司也在其著名的p h o t o s h o p 软件中集成了d i g i m a r c 公司的 数字水印插件。 2 商务交易中的票据防伪 随着高质量的图像输入输出设备的发展，特别是精度超过1 2 0 0 d p i 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。据美国官法报道，仅在1 9 9 7 年截获的价值4 0 0 0 万美元的假 钞中，用高精度彩色打印机制造的小面额假钞就占1 9 ，这个数字是1 9 9 5 年的 9 0 5 倍。目前，美国、日本以及荷兰都已开始研究用于票据防伪的数字水印技术。 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。即使在网络安全技术成熟以后，各种电子票 据也还需要一些非密码的认证方式。数字水印技术可以为各种票据提供不可见的 认证标志，从而大大增加了伪造的难度。 3 声像数据的隐藏标识和篡改提示 数据的标识信息往往比数据本身更具有保密价值，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。数字水印技术提供了一种隐藏标识的方法，标识信息 在原始文件上看不到的，只有通过特殊的阅读程序才可以读取。这种方法已经被 国外一些公开的遥感图像数据所采用。此外，数据的篡改提示也是一项很重要的 工作。现有的信号拼接和镶嵌技术可以做到“移花接木”而不为人知，因此，如 何防范对图像、录音、录像数据的篡改攻击是重要的研究课题。基于数字水印的 2 篡改提示是解决这一问题的理想技术途径，通过隐藏技术的状态可以判断声像信 号是否被篡改。 1 2 数字水印概述 从狭义上来讲数字水印技术，是将一些特定信息，按照某种方式植入宿主信 息中，也叫掩体对象或载体。当包含了水印的宿主信息，即含水印载体在网络传 播或其它状态下被非法复制从而产生版权纠纷或信息被非法篡改时，通过相应的 算法提取出该数字水印，从而验证版权的归属或宿主信息的完整性，确保著作权 人的合法利益或者确保信息的完整性。宿主信息可以是任何一种数字媒体，如图 像、声音、视频或一般性的电子文档等。数字水印是嵌在数字产品中的数字信号， 水印的存在要以不破坏原数据的欣赏价值、使用价值为原则。数字水印技术除应 具备信息隐藏技术的一般特点以外，还有着固有的特点和研究方法。例如，从信 息安全的保密角度而言，如果隐藏的信息被破坏掉，系统可以视为安全豹，因为 秘密信息并未泄漏：但是，在数字水印系统中，隐藏信息的丢失即意味着版权信 息的丢失，从而失去了版权保护的功能，这一系统就是失败的。因此数字水印技 术必须具有较强的稳健性、安全性和透明性。 数字水印技术分类方法有很多种，它们之间是既有联系又有区别。最常见 的分类方法包括以下几类： 1 按水印特性划分 可将水印划分为可见水印和不可见水印。 可见水印( v i s i b l ew a t e r m a r k ) ：是可以看见的水印，就像插入或覆盖在图 像上的标识，它与可视的纸张中的水印相似，可以理解为通常意义上的图像融合。 可见水印主要应用于图像，比如用来可视地标识那些可在图像数据库中得到的或 在i n t e r n e t 上得到的图像的预览来防止这些图像被用于商业用途。当然也可用 于视频和音频当中，音频当中就是可听水印。比如电台播放广告，广告商为了维 护自己的权益，在录音带中录入某一特殊的声音，从而根据播放的广告当中这一 声音出现的次数，可以知道电台是否执行了合同。 不可见水印( i n v i s i b l ew a t e r m a r k ) ：是一种应用更加广泛的水印，与前面 3 的可视水印相反，它加在图像、音频或视频当中，表面上是不可察觉的，但是当 发生版权纠纷时，所有者可以从中提取标记，从而证明该物品为某人所有。这也 是本文主要研究的问题。因此，本文只涉及不可见水印的研究，对于可见水印本 文不做探讨。 而不可见水印可分为以下几种： 脆弱性水印或易碎水印( f r a g i l ew a t e r m a r k ) ：当嵌入水印的载体数据被修 改时，通过对水印的检测，可以对载体是否进行了修改或进行了何种修改进行判 定。 稳健性水印( r o b u s tw a t e r m a r k ) ：是指加入的水印不仅能抵抗非恶意的攻 击，而且要求能抵抗一定失真内的恶意攻击，并且一般的数据处理不影响水印的 检测。 2 按水印所附载的载体数据划分 按水印所附载的载体数据，可以将水印划分为图像水印、音频水印、视频水 印、文本水印以及用于三维网络模型的网格水印等。随数字技术的不断发展，会 有更多种类的数字媒体出现，同时也会产生相应载体的水印技术。 3 按水印检测过程划分 按水印的检测过程可以将水印划分为非盲水印( n o n b l i n dw a t e r m a r k ) 、半 盲水印( s e m i n o n b l i n dw a t e r m a r k ) 和盲水印( b l i n dw a t e r m a r k ) 。非盲水印在 检测过程中需要原始数据或原始水印的参与；半盲水印则不需要原始数据，但需 要原始水印来进行检测；盲水印的检测只需要密钥，既不需要原始数据，也不需 要原始水印。一般说来，非盲水印的稳健性比较强，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半盲水印或者盲水印。 4 按水印内容划分 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) 或数字音频片断的编码；无意义 水印则指对应于一个序列号或一段随机数。有意义水印的优势在于，如果由于受 4 到攻击或其它原因致使解码后的水印破损，人们仍然可以通过观察确认是否有水 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，可以将数字水印划 分为票据防伪水印、版权保护水印、篡改提示水印和隐蔽标识水印。 票据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的防 伪。一般说来，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 度变换等信号处理操作是不用考虑的。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，用于票据防伪的数字水印算法不 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稳健性，而对水印数据 量的要求相对较小。 篡改提示水印是一种脆弱水印，其目的是标识载体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，可以将其划分为时域数字水印、变换域数字水印。 时域数字水印是直接在信号时域幅值上叠加水印信息，而变换域水印则包括在 d c t 域、d f t 域、d w t 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。 虽然数字水印产品只是近几年才出现，但其应用前景和应用领域将是巨大 的，总的说来，数字水印技术有以下一些主要应用领域“1 。 5 1 版权保护 数字作品的所有者用密钥产生一个水印，并将其嵌入原始数据，然后公开发 布他的水印版本作品。当该作品被盗版或出现版权纠纷时，所有者可利用从盗版 作品或水印作品中获取水印信号作为依据，从而保护所有者的权益。这要求水印 必须有较好的稳健性、安全性、透明性和水印嵌入的不可逆性。 2 图像认证 认证的目的是检测对图像数据的修改。可用易碎水印( f r a g i l ev a t e r m a r k ) 来实现图像认证。为便于检测，易碎水印对某些变换( 如压缩) ，具有较低稳健 性，而对其他变换的稳健性更低。因而在所有的数字水印应用中，认证水印具有 最低级别的稳健性要求。 3 标题与注释 将作品的标题、注释等内容以水印形式嵌入该作品中。例如，一幅照片的拍 摄时间和地点等。这种隐式注释不需要额外的带宽，且不易丢失。 4 篡改提示 当数字作品被用于法庭、医学、新闻及商业时，常常需要确定它们的内容是 否被修改、伪造或特殊处理过。为实现该目的，通常将原始图像分成多个独立块， 每个块加入不同的水印。为确定其完整性，可通过检测每个数据块中的水印信号 来确定作品的完整性。与其他水印不同的是，这类水印必须是脆弱的，并且检测 水印信号时，不需要原始数据。 5 使用控制 在多媒体发行体系中，人们希望有一种拷贝保护机制，即它不允许未授权的 媒体拷贝。在封闭或私有系统中，可用水印来说明数据的拷贝状况。一个典型的 例子是d v d 防拷贝系统。一个符合要求的d v d 播放器不允许搔放或拷贝带有“禁 止拷贝”水印的数据，而带有“一次拷贝”水印的数据可以被拷贝一次，但不允 许从该拷贝再进一步制作拷贝。现今世界各大知名公司如i b m 、n e c 、s o n y 、p h i l i p s 等，都在加速数字水印技术的研制和完善。一个典型例子是，由索尼和菲利浦公 6 司提出的s c m s ( s e r i a lc o p ym a n a g e m e n ts y s t e m ) 就是在磁带上加上一个布尔型 标签，来控制使用者复制的次数，使用者只能复制一次，不能多次复制，从而用 这种方法来实现防止批量拷贝“3 。 1 3 数字水印的基本特征 不管是那种数字水印，它都应具备数字水印的基本特征。数字水印技术不同 于传统的加密技术，因为其目的不在于限制正常的资料存取，而在于保证数据在 被非法拷贝后能够证明其所有者。因此，数字水印技术必须考虑正常的信息操作 所造成的威胁，即要数据信息对正常的操作技术具有免疫能力，这种免疫力的关 键是要使隐藏信息部分不易被正常的数据操作所破坏”1 。 常见的数字水印特征有以下几种： 不可感知性水印应当在感觉上不可感知，对于图像来说，就是不可见，对 于音频来说，就是不可被听到，以避免影响媒体质量：同时水印应当在统计上不 可感知，即攻击者难于用统计方法发现和删除水印。 鲁棒性有时也称稳健性，是指生成的水印应当具有经受各种常用的信号处 理、压缩和解压及抗攻击的能力，任何企图移动和破坏水印的操作都将导致媒体 质量的严重破坏。 可检测性对媒体的拥有者来说，水印应当易于从媒体中抽取并被检测到。 无损性水印的嵌入不应当损失原媒体的信息。 通用性水印技术应当适用于音频、视频等不同的数字媒体。 其中对水印最基本的要求即是水印的不可感知性和鲁棒性。 水印的这些特性其实是和水印所受到的攻击或信号处理紧密的联系在一起 的，数字水印技术本身就是一种对抗性的研究领域。因此，音频水印的特性也和 它所受到的攻击或信号处理是密不可分的，常见的信号处理虽然不是一种攻击， 但是它也会破坏水印信息。因此，一种成熟的水印算法必须能抵抗常见的信号处 理。下面列举通常的攻击手段和信号处理方法： 7 1 加入噪声：可以加入高斯白噪声或者有色噪声。 2 剪切：对于静音段做非常小的剪切，并不能影响声音的质量，但是对于 要求同步性的水印是一个有效的攻击。 3 滤波：滤波操作非常频繁的应用于声音中，例如，增强某一特定频率元 素，降低某一频率的元素。我们通常用的m p 3 播放器w i n a m p 中带有的均衡器本 质就是滤波。 4 时域重采样：是一种比较有效的攻击手段。 5 。押e g 压缩编码：利用 i p e c , - 1 的层3 ( 肿3 ) 对声音信号进行压缩，也是一 种有效的攻击。水印和压缩是一对矛盾，对添加水印的一个重要的要求就是所加 的水印是不可被感知的，而压缩的作用就是把这种冗余的信息去掉。m p 3 压缩算 法的效率比较高，它充分利用了可定量分析的人类听觉模型，把人耳听不到的信 息( 感知冗余信息) 和被掩蔽的声音信号去掉了，而这正是某些水印算法的加水 印的位置。因此，m p 3 算法对水印检测的影响较大。 6 多拷贝平均：对同一个音乐作品的多个发行版本进行数值平均，利用水印 的随机性去除水印。 7 多重水印攻击：攻击者使用自己的算法在声音数据中添加水印，即使这种 操作不能破坏真正的水印，也会造成水印标识的困难。尤其是对于没有原始数据 的盲检测水印，一般很难判断哪一个水印操作在前，哪一个在后。 从上述分析来看，加水印的算法要比攻击水印的算法难得多，加水印的算法 要经受各种通常的处理和恶意的攻击，因此抗攻击的加水印的算法研究是当今一 个热点问题。 1 4 音频水印的研究现状及其特点 目前，研究静止图像的水印算法是学术界的一个热点，i e e e 的图像处理 组织过图像方面的数字水印的技术专刊。相比图像的水印，研究音频水印的人要 少得多。数字音频水印的嵌入算法大体可以划分为时域算法和变换域算法两大类。 时域中的算法主要是在时域中通过修改音频采样值的最低有效位，轻微的改变音 8 频信号幅度的方法，在信号中嵌入一个随机序列”i 。但是时域方法的鲁棒性比较 差，研究的方向主要集中在变换域的方法。主要的方法有下面几种，利用人耳相 位不敏感的特性，通过修改声音的傅立叶变换系数的相位值来嵌入水印，把水印 作为光谱噪声嵌入到声音数据中去。利用回声嵌入水印。文献。3 提出了采用与人 类听觉系统的频域掩蔽特性相似的滤波器对伪随机序列滤波的方法产生水印信 号，并在时域中利用瞬时掩蔽特性对水印信号进一步加权以保证水印的不可感知 性，在原信号中当作一种加性噪声加入水印信号，还有使用倒谱加入水印的方法 “。但是令人遗憾的是，目前还未有一种算法能有效的抵抗各种攻击，2 0 0 0 年， s d m i ( s e c u r ed i g i t a lm u s i ci n i t i a t i v e ) 提供的四种音频水印全部被成功攻击， 甚至有的算法已经用在实际的商业中，这说明，目前的数字音频水印的研究还比 较初步，只有进一步的深入研究才能把水印技术用于实际应用中。 由于人的视觉和听觉的特性差别比较大，因此，相对于图像水印，音频水印 有自己的一些特点。 1 图像是二维的信号，而声音是一维的信号，二者的带宽不同。 2 人的视觉模型和听觉模型相差很大，人类对声音的感知是声音的强弱( 声 强) 和音调的高低( 频率) ，人类对图像的感知是图像的光的亮度及颜色的不同。 人耳可以被看作一个滤波器组，即直接感知声音的频率。人类听觉系统的一些感 知特点可以用心理声学模型来描述。 3 对于图像来说，图像变换到频域，人类对图像的相位的感知很敏感。而对 声音来说，把声音变换到频域，人耳能做短时的频率分析，人耳对信号的周期性 基音调感知很敏感，但对声音的相位的感知不敏感。这一点说明了视觉和听觉缚 知的很大不同，在图像加水印的频域算法中，可以直接修改d c t 的高频或中频系 数以嵌入水印，例如c o x 的扩谱算法( s p r e a ds p e c t r u m ) n 1 1 ，这种方法对予音频 水印是行不通的。 4 相对于人眼对颜色的感知，人耳对不同频率的敏感程度差别很大，其中对 2 k h z - 4 k h z 范围的信号最为敏感，数量级小到1 0 一 w c m 2 ，只是稍大于分子热震动产 生的声音，而在低频区和高频区，能被人耳听到的信号幅度要高得多，相差能超 过1 0 7 倍“。 9 5 相比静止图像，音频的数据量要大得多，因此，很多的算法要分块处理， 这样必须考虑块和块之间的一些问题，另外，声音是一种非平稳的信号，在对声 音进行分块的变换时，需要考虑信号的时变特性。 1 5 本课题的概述及论文的说明 本课题的主要工作是研究音频信号中的数字水印技术，通过对已有算法的分 析和研究，提出了自己的方法，并且使用软件进行了算法的仿真实验。 本文共分为六章，由于音频信号的数字水印算法与音频文件的存贮格式和数 字化的方法有密切的关系，因此本文在第二章首先介绍了常用的声音文件的存贮 格式和数字化方法，再次介绍了人类的听觉特性。第三章本文主要介绍了已有的 时域水印算法，并实现了最典型的最不重要位算法，此算法的鲁棒性较差，因此 本文从第四章开始，主要研究了频域水印算法，本章共分三个部分，首先分别实 现了离散余弦变换水印算法和基于小波分解的小波变换算法，并做了改进。最后 提出了自己的基于离散余弦变换和小波分解的组合的音频数字水印算法。鉴于目 前所出现的变换域水印算法在实现时所用的阈值参数都是根据不同音频数据人 工调制的现象，本文在第五章提出了利用心理声学模型进行自适应调节阈值的方 法。最后，在第六章本文对所做工作中出现的问题进行了总结，并对以后的研究 工作进行展望。 1 0 第二章数字音频的特点和人类的听觉特性 2 1 声音和听觉1 4 j 声音是携带信息的极其重要的媒体，是多媒体技术领域中的一个重要的内 容。声音的种类繁多，如人类的话音、乐器、动物发出的声音、机器产生的声音 以及自然界中存在的各种声音。这些声音既有许多共同的特性，又有它们各自的 特性。从物理学的角度看来，声音是通过空气传播的一种连续的波，叫声波，声 音的强弱体现在声波压力的大小上，音调的高低体现在声音的频率上。对声音信 号的分析表明，声音信号由许多频率不同的信号组成，这类信号称为复合信号， 而单一频率的信号称为分量信号。声音信号的一个重要参数就是带宽，它用来描 述组成复合信号的频率范围，如高保真声音的频率范围l o h z 2 0 0 0 0 h z ，它的带 宽约为2 0 k h z ，而视频信号的带宽是6 m h z 。 声音信号的两个基本参数是频率和幅度，人们把频率几h z 到2 0 h z 的声音 信号称为亚音信号，或称为次音信号；频率范围为2 0 h z - 2 0 k h z 的信号称为音频 信号，也就是英文种的a u d i o 一词表示的含义；高于2 0 k h z 的信号通常称为超 音频信号，或称为超声波信号。人们是否都能听到某种声音信号，这主要取决于 各个人的年龄和耳朵的功能，例如，老年人的听力都有所下降。一般来说，人的 听觉器官能感知的声音频率大约在2 0 - 2 0 0 0 0 h z 之间，即人们只能听到前面所介 绍的音频信号，超声波和次生波( 次音信号) 都听不到。人类在这个频率范围内 可感知的声音幅度大约在0 - 12 0 d b 之间“。 人的发音器官发出的声音其频率大约是8 0 h z - 3 4 0 0 h z ，但人说话的信号频 率通常为3 0 0 3 0 0 0 h z ，人们把在这种频率范围的信号称为话音( s p e e c h ) 信号， 或者叫做语音信号，关于语音信号的编码，识别，分析，合成有一门单独的学科 研究。语音信号虽然与音频信号本质上相同，但是它们各有其特点，绝对不可混 淆。 本文下面所指的声音信号都表示音频信号。 2 2 声音信号的数字表示 声音是典型的连续信号，不仅在时间上是连续的，而且在幅度上也是连续的。 在时间上连续时指在一个指定的时间范围里声音信号的幅值有无穷多个，在幅值 上连续时指幅度的数值有无穷多个。这种信号我们称为模拟信号。计算机是无法 对这种模拟信号进行处理的。计算机只能处理时间上和幅度上都是有限的信号， 也就是数字信号。要对声音信号进行计算机处理，就必须对声音信号进行数字化， 数字化实际上就是采样和量化。 连续时间的离散化通过采样来实现，在某些特定的时刻对模拟信号进行测量 叫做采样( s a m p l i n g ) ，每个相等的一小段时间采样一次，这种采样称为均匀采 样，本文在下面使用的声音文件都是均匀采样：连续幅度的离散化通过量化来实 现，也就是把信号的强度划分成- d , 段一小段，如果幅度的划分是等间隔的，就 成为线性量化，否则就成为非线性量化。采样的精度，样本的大小使用每个声音 样本的位数( b i t s ) 表示的，它反映度量声音波型幅度的精度。通常，有6 位， 1 6 位，最近，有公司还推出了2 4 位的产品。样本位数的大小影响到声音的质量， 位数越多声音的质量越高，而需要的存储空间也越多；位数越少，声音的质量越 低，需要的存储空间越少。 根据声音的频带，通常把声音的质量分成5 个等级，由低到高分别是电话、 调幅广播( a m ) 、调频广播( f m ) 、光盘( c d ) 和数字录音带( d a t ) 的声音。 它们的采样频率、样本精度、通道数和数据库见下表“。 表2 1 声音质量和各种参数 质量采样频率h z样本精度声道数据率频率范围h z b sk b s 电话8 0 0 08单声道82 0 0 3 4 0 0 a m i t 0 2 58单声道1 12 0 - 1 5 0 0 0 f m 2 2 0 5 01 6 立体声8 8 25 0 7 0 0 0 1 2 i c 。4 4 1 0 01 6立体声1 7 6 42 0 2 0 0 0 0 i。a t 4 8 0 0 0 1 6 立体声1 9 2 02 0 2 0 0 0 0 注：电话使用u 率编码，动态范围为1 3 位 2 3 声音文件的存储格式 在因特网上和各种机器上运行的声音文件格式很多，目前比较流行的有 以w a y ( w a v e f o r m ) a u ( a u d i o ) a i f f ( a u d i oi n t e r c h a n g e a b l ef i l ef o r m a t ) s n d ( s o u n d ) 为扩展的文件格式。w a v 格式主要用在p c 机上，a u 主要用在u n i x 工作上，a i f f 和s n d 主要用在苹果机和s g i - 1 - 作站上。另外，现在广泛流行于网上的有m p 3 格式，y q f 格式。m p 3 格式是m p e g - 1 标准的第三层，由于m p 3 本身是熵编码， 无法直接得到声音信号的原始的幅度值，也就是说无法直接做信号处理，所以本 文下面所用的声音文件格式都是w i n d o w s 系统所采用的波形声音文件存储格式 “”。w a y 的文件格式又有不同的数据编码方式，其中最为常用的是p c m ( p u l s e c o d em o d u l a t i o n ) 格式，即脉冲编码调制。本文下面所用的声音格式都是p c m 编码格式。 2 4 人类的听觉特性1 1 捌 在音频文件中嵌入水印的各种方法一般都要利用人类听觉系统的某些特性， 即人的听觉生理一心理特性。使用这些特性是为了满足水印的不可感知性( 听觉 相似性) 的要求。 首先，人的听觉具有掩蔽效应。掩蔽效应是指一个较弱但可以听到的声音由 于另外一个较强的声音的出现而变得无法听到的现象。掩蔽的效果依赖于掩蔽音 和被掩蔽音的时域和频域特性，因而掩蔽可分为时域掩蔽和频域掩蔽。 频域掩蔽指在频域发生的掩蔽现象。如果在一定频率范围内，同时存在能量 相差一定程度的一强一弱两个音频信号时，弱音不被人耳察觉，即被强音“掩蔽” 掉，则较强的音称为掩蔽音，弱音称为被掩蔽音。把一个纯音调作为目标，如果 它的声压级低于绝对闽值( 安静时的听闽值) ，它是昕不见的，由于一个较强信 号的存在，听觉阈值不同于安静时阈值，在接近较强信号频率的频率处，听觉阂 1 3 值被提高，新闽值称为掩蔽闽值，当信号的声压级低于掩蔽阈值时，它被掩蔽。 一个掩蔽音的掩蔽阈值依赖于频率、声压级，以及掩蔽和被掩蔽信号的纯音或噪 音特性。用一个宽带的噪音掩蔽一个纯音一般用临界带宽这个概念来描述，即一 个纯音可以被以它为中心频率、并且具有一定频带宽度的连续噪声所掩蔽，如果 在这一频带内噪声功率等于该纯音的功率。这是该纯音刚能被听到的临界状态， 则称这一带宽为临界带宽。临界带宽的单位叫b a r k ( 克) 。用一个宽带的噪音掩 蔽一个纯音比用一个纯音掩蔽一个宽带的噪音要容易，而且信号频率越高就越容 易被掩蔽。 时域掩蔽包括向前掩蔽、向后掩蔽和同时掩蔽。向前掩蔽是指较强的掩蔽音 出现之前较弱的被掩蔽音无法听到，向后掩蔽是指较强的掩蔽音消失后较弱的被 掩蔽音无法听到，同时掩蔽是在一定时间内一个声音对另一个声音同时发生了掩 蔽效应。一般，向前掩蔽发生在掩蔽音出现前5 2 0 m s ，向后掩蔽发生在掩蔽音 小时候5 0 - 一2 0 0 m s 。 频域和时域掩蔽效应有各自的特性及局限，频率掩蔽效应局限在频率域而时 域掩蔽效应则局限在时间域。 其次，人耳对声音信号的绝对相位不敏感，而只对其相对相位敏感。 最后，人耳对不同频率段声音的敏感程度不同，通常人耳可以听见2 0 h 卜 1 8 h z 的信号，但对3 0 0 - - 3 4 0 0 h z 范围内的信号最为敏感，幅度很低的信号也能 被听见，而在低频区和高频区，能被人耳听见的掩蔽信号的幅度要高的多。即使 对同样声压级的声音，人耳实际感觉到的音量也是随频率而变化的。 2 5 本章小结 本章主要介绍了声音文件的格式和数字化表示方法，因为音频信号与人的听 觉系统有直接的关系。因此本章又介绍了入的听觉特性。入的听觉特性表明，人 耳具有掩蔽特性。这种掩蔽特性既体现在音频信号的时域中又体现在音频信号的 频域中。同时，人耳还对相位及不同频率段的声音敏感程度不同。 第三章音频信号的时域数字水印算法 3 1 数字水印的基本框架 从信号处理的角度来看，嵌入载体对象的水印信号可以视为在强背景下叠加 一个弱信号，只要叠加的水印信号强度低于人视觉系统( h v s ) 对比度门限或听 觉系统( h a s ) 对声音感知门限，h v s 或h a s 就无法感知到信号的存在。由于h v s 和h a s 受空间、时间和频率特性的限制，因此通过对载体对象做一定的调整，就 有可能在不引起人感知的情况下嵌入一些信息。从数字通信的角度看，水印嵌入 可理解为在一个宽带信道( 载体对象) 上用扩频通信技术传输一个窄带信号( 水 印) 。尽管水印信号具有一定的能量，但分布到信道中任一频率上的能量是难以 检测到的。水印的译码( 检测) 则是一个有噪信道中弱信号的检测问题“。 下面是数字水印的基本框架： 通常可以定义水印为如下的信号w 矽= 吣) 1 w ) e u , k e 驴_ ( 3 - ，) 这里，矽4 表示维数为d 的水印信号域，d = l ，2 ，3 分别表示声音、静止图像 和视频中的水印。水印信号可以是二值形式( 肛以或仁心) 或高斯噪声 形式。有时称w 为“原始水印”，以便把它和变换域水印形式f r 砂区分开来。 1 水印嵌入 水印的嵌入过程如图3 1 蹄聊刚 图3 1 水印嵌入的一般过程 5 在这里为了进一步提高水印的安全性，一般还将水印进行必要的预处理，即 将原始水印信息进行伪装，常用的办法是进行置乱。这里水印嵌入是最重要，关 键是所采用的嵌入算法，设4 = a o ( ) ) 是原始音频信号，4 。是添加了水印后音 频信号，而， 则是水印嵌入函数，则水印嵌入算法可以描述如下： 爿= 厂( 4 ，w ) ( 3 2 ) 通常在水印嵌入的时候都是将水印信号转换成二进制码流嵌入到原始音频 信号中，如果二进制码为0 ，则对原始音频信号相应位进行一定处理，如果二进 制码为1 ，则对原始音频信号进行另外的处理，这样做的目的是方便将来的提取 过程。最常用的嵌入准则是： ( k ) = a o ( k ) + a w ( k ) 加法准则 ( 3 3 ) a w ( 七) = 口o ( 七) ( 1 + 口w ( ) ) 乘法准则 ( 3 4 ) 变量d 既可以是音频信号采样的幅值( 时域) ，也可以是某种变换的系数值( 变 换域) ：参数盘可随采样数据的不同而不同。 经过这样的处理，最终得到的是不完全等同于原始音频信号也不同于水印信 息但又同时包含原始音频信号和水印信息的新的音频信号，其在听觉上与原始音 频信号相比几乎没有改变，而在能量上不仅具有原始音频信号的能量还具有水印 信息的能量。 2 水印的提取和检测 单纯水印嵌入的过程不是一个完整的数字水印处理过程，只有在嵌入水印信 息后的音频信号中检测和提取出预期的水印信息才能最终达到保护版权、保护完 整性的目的。下面来看下水印的提取过程。它可以用式3 5 来表示： w = f ( 矗，a ) ( 3 5 ) 其中，是水印提取函数。 1 6 水印的提取和检测可以需要原始产品的参与，也可以不需要原始产品的参 与。但将水印技术用于产品的网络发布和传播时，在检测时使用原始产品则是个 缺陷，而且是不现实的。因此当前大多数的水印检测算法不需要原始产品的参与。 图3 2 、图3 3 分别是水印提取与水印检测框图。图中的虚线部分表示在 提取或判断水印信号时原始产品不是必需的。 l 莉古吾菊陪号1 图3 - - 2 水印提取 图3 3 水印检测 其中的虚线部分对于不同算法可有可无，如果是明文水印算法则需要原始音 频信号才能正确提取出水印信息，如果是盲水印算法，则不需要原始音频信号就 能够完成水印信息的提取过程。在这个框图中最为主要的部分是水印提取函数的 选取，用式3 6 来表示水印提取函数： = 譬哪i f ( e ：l ( 。u a w ) - 一一- t 砒u r e ) ， c s te ， 在提取水印信息的过程中，如果音频数据符合e l ( 口w ) = = 死旭条件时，则相 应的水印信号二进制位为0 ，如果音频数据符合e 2 ( 口w ) = = 死旭条件时，相应的 水印信号二进制位为1 。经过对二进制码流重新组合后就能恢复出水印信息，以 证明音频文件的版权或者是否完整。 7 为了进一步判断水印的含有是否正确，可以通过采用归一化相关系数来对提 取的水印与原水印进行相似性判断，如果相关系数大于某一阀值一则认为含有 水印；否则不含有水印。，的大小直接影响虚惊率和漏警率，值太d , n 虚惊率 会提高而漏警率会降低；相反漏警率提高而虚惊率下降。一般，在0 “1 之间取 值，本文取产口五归一化相关系数由下式进行定义： s l m ( w ? w s ) 3 2 时域水印算法 h 1 - l m 2 一l 村1 - 1 m 2 一l 、w ( i ，x , 比( f ， vl - 0 ，= 0y - 0 ，= 0 ( 3 7 ) 时域水印算法以其简单、高效的特性而在水印研究领域占有一席之地，在过 去的十几年中，水印的时域算法也层出不穷。文献 1 6 最早提出了回声嵌入水印 算法，它是利用了人类听觉系统的时域掩蔽特性将水印信号嵌入在强音过后的弱 音当中；文献 1 5 提出的最不重要位( l s b ) 算法是将水印信息放置在原始音频 文件中对于人类听觉最不敏感的地方，可以说l s b 算法是时域水印算法中较为经 典的。它最早是由f t u r n e r 和r g v a ns c h y n d e l 等人提出的种图像加水印的 算法。算法使用特定的密钥通过- 序列发生器产生伪随机信号，然后按一定的规 则排成2 维水印信号，并随意插入到原始图像相应像素值的最低几位，由于水印 信号隐藏在最低位，相当于叠加了一个能量微弱的信号，因而在听觉上很难察觉。 l s b 水印的检测是通过待测数据和水印数据的相关运算和统计决策实现的。 下面是我实现的一种l s b 算法。它是基于文献 1 5 提出的一种l s b 算法。使 用的水印是视觉可辨的、大小为6 4 x 6 4 的二值图像。嵌入水印算法如下： 1 数字水印降维，由二维的二值图像转换成一维的序列。 2 将原声音文件分段，取出与嵌入水印有关的数据段。 3 原始数据中找到嵌入水印的位置，因为音频信号的幅度值反映了音频信 号的能量的大小，而幅度值大的位置往往是能量聚集的地方，因此为了提高水印 的鲁棒性，我将原始音频信号的幅值按照平均值进行了排序，找出满足水印信息 量的最大的幅值位置作为嵌入水印信息的位置。 1 8 n0do 脚 4 按照一定的逻辑算法，由水印的数据改