基于离散小波变换的数字水印算法_毕业设计(论文).doc

编编 号号 本本科科生生毕毕业业设设计计 论论文文 题目 题目 基于离散小波变换的数字水印算 法 物联网工程 学院 电子信息工程专业 摘要 I 摘摘 要要 随着网络通信的飞速的发展以及多媒体技术的广泛应用 数字产品版权的保护问题 变得越来越重要 数字水印技术已成为解决数字多媒体版权问题的主要工具 目前基于 小波域的算法有很多 有简单的直接在经过小波变换的分量中嵌入水印 有两域结合的 水印算法等 其中基于小波变换 DWT 和奇异值分解 SVD 结合的算法可以充分利用 DWT 的多分辨率特性和 SVD 所固有的特征 小波变换的多分辨率特性可根据各自的重 要程度对图像进行分级处理 奇异值分解的奇异值的稳健性是一种内蕴特性 都增强了 水印的不可见性和鲁棒性 本文分析讨论了数字水印技术的基本原理 典型算法几数字水印攻击方法 研究了 一种基于离散小波变换的数字水印算法 该算法使用推广的 Arnold 变换对水印进行置乱 提高了水印的安全性 利用人类视觉系统确定水印的嵌入强度 提高了水印的不可感知 性 实现了树荫的忙提取 增强了算法的适用性 本文对所提出的算法进行了仿真实验 并进行了性能分析 实验结果表明 本文所研究的算法具有良好的鲁棒性 同时也很好地保证了水印的 不可感知性 关键字 数字水印 离散小波变换 图像置乱 人类视觉特性 Abstract II ABSTRACT With the rapid development of network communication and broad appkication of multimedia techniligy copyright protection of digital median work is becoming more and more important Digital watermarking is viewed as an effective tool for copyright protection of multimedia data Now algorithms based on DWT have many including embedding watermark directly after DWT combining two domains and so on The algorithms based on DWT and SVD can take full account of characteristic of the multi resolution of DWT and inherent factors of SVD The characteristic of the multi resolution of DWT can process an iamge at rated according to their important points and the values of SVD is very robust All which enhance the invisibility and robustness At first the principle typical algorithms and attack analysis of digital watermark is described Then a watermarking algorithm based on DWT is proposed the watermark image is scrambled by a generalized Arnold transform so as to improve the security of the watermark the watermark is embedded into the middle frequency subband which guarantees the robustness of the algorithm In order to implement the blind extraction this paper improves an embedding algorithm based on HVS which enhances the applicability of the algorithm This paper tests the algorithm and quantity of experiment data shows that algorithm has good robustness and the imperceptibility of watermark can be guaranteed at the same time Keywords digital watermark DWT image scrambling HVS 目录 i i 目目 录录 摘 要 I ABSTRACT II 目 录 I 第 1 章 绪论 1 1 1 选题背景及意义 1 1 2 数字水印概述 1 1 2 1 数字水印的基本特征 2 1 2 2 数字水印的国内外研究现状 3 1 3 本文的研究内容 3 第 2 章 数字图像水印算法与抗攻击性能分析 5 2 1 数字图像水印系统的基本模型 5 2 2 水印攻击 6 2 3 水印的检测与评价 6 第 3 章 基于 DWT SVD 分解的水印算法的设计 9 3 1 小波变换的基本理论 9 3 1 1 小波分析 9 3 1 2 小波变换对信号的处理 10 3 2 基于 DWT SVD 分解的水印嵌入算法 10 3 3 基于 DWT SVD 分解的水印提取算法 13 第 4 章 MATLAB 仿真结果 15 4 1 仿真实验 15 4 2 抗攻击性能分析 18 4 3 小结 24 第 5 章 结论与展望 25 5 1 结论 25 5 2 不足之处及未来展望 25 参考文献 27 致 谢 28 附录 A 程序代码 29 基于离散小波变换的数字水印算法 1 1 第第 1 章章 绪论绪论 1 1 选题背景及意义选题背景及意义 随着多媒体数据在网上交易和传送的日益增多 由于数字信息极易被篡改 复制与散 布 如何对数字作品的知识产权进行保护已经成为迫切需要解决的问题 对数字产品的保 护最初是通过加密来完成的 但这种方法至少有两个问题 首先 加密算法存在被破解的可能 性 而且一旦被破解 将没有办法证明产品的所有权 另外 加密将影响数字产品的传播 限 制了数字产品迅速发展的优势 新近出现的水印技术正好对这方面的问题进行了很好的探索 它是将具有确定性和保 密性的信息直接嵌入到原始数据并作为原始数据的一部分而保留在其中 因而即使在解密 之后仍可以跟踪数据的复制和传输 对媒体数据进行有效的保护 作为数字水印嵌入方法 离散小波变换 DWT 越来越受到研究人员的重视 DWT方法的 优点是不仅可以将图像分解到频域中 同时还保留了图像在空间上的分布 这对于加强数 字水印以及有损压缩和局部剪裁等的鲁棒性是非常有效的 另一方面小波变换的多分辨率 分析和人的视觉特性能较好匹配 因此 从水印可见性的角度讲 DWT也更接近HVS的要求 数字水印技术可以对多媒体信息进行有效地保护 但由于该技术的研究涉及了图像和信 号处理 密码学 现代通信技术 编码理论以及神经审理学等众多领域 是一门多学科 交叉的学科 因此给研究工作带来了一定的难度 尽管目前国内外数字水印技术的研究 者正在努力建立一个相对完善的 能够提供普遍指导意义的理论基础 但就目前状况而 言 这项工作还远远没有达到令人满意的地步 无论是在国内还是在国外 数字水印技 术的研究都还不成熟 从理论导刊应用都还处于发展的初级阶段 还有很多问题有待于 解决 因此 不论从理论角度还是从应用角度来看 开展数字水印技术的研究 不仅具 有重要的学术意义 还有机器重要的经济意义 1 2 数字水印概述数字水印概述 Cox 等把水印定义为 不可感知地在作品中嵌入信息的操作行为 2 杨义先等认为 数字水印是永久镶嵌在宿主数据中的具有可鉴别性的数字信号或模式 并且不会影响 宿主数据的可用性 3 大部分学者认为所谓数字水印技术 就是将数字水印嵌于一个宿 主载体中 不被觉察到或者不易被注意到 而且同时不影响宿主载体的视觉效果和使用 价值 宿主载体可以是图像 声音 文字 符号和数字等一切可以作为标记和标识的信 息 数字水印技术实际是利用数字产品的信息冗余性 把与多媒体内容相关或不相关的 一些标识信 息直接或间接嵌入多媒体内容中 通过对水印的检测和分析保证数字信息的完整可靠性 从而成为知识产权和数字多媒体防伪的有效手段 1 2 1 数字水印的基本特征数字水印的基本特征 不同的用途 对于数字水印的要求各不相同 通常我们要求数字水印应具有如下基 本特征 4 5 1 安全性 江南大学学士学位论文 2 数字水印能抵抗各种蓄意的攻击 主要是指水印不容易被复制和伪造的能力 以及 不易被非法检测的能力 必须能够唯一地标志原始图像的相关信息 任何第三方都不能 伪造他人的水印图像 2 不可感知性 在宿主数据中隐藏的数字水印应该是不能被感知的 即加入水印后宿主数据不能有 视觉质量的下降 与原始数据对比 很难发现二者的差别 不可感知包括两方面的含义 一个是指感官上的不可感知 一个指的是统计上的不可感知 感官上的不可感知就是指 从人类的感官角度看 嵌入水印的数据与原始数据之间完全一样 通过人的视觉 听觉 无法觉察宿主数据中因嵌入数字水印而引起的变化 统计上的不可感知性是指 对大量 的用同样的方法经过水印处理过的数据产品 即使采用统计方法也没有办法确定水印是 否存在 3 可证明性 数字水印能够为宿主数据的产品归属问题提供完全和可靠的证据 数字水印可以是 已经注册的用户号码 产品标志或者有意义的文字等 它们被嵌入到宿主数据中 需要 时可以将它们提取出来 判断数据是否受到保护 并能够监视被保护数据的传播以及非 法复制 进行真伪鉴别等 一个好的水印算法应该能够提供没有争议的版权证明 4 水印容量 水印容量又称为数据有效载荷 是指在单位时间内或在一个作品中 在某些场景下 有效编码的比特数 大多数的算法水印容量都比较小 大的水印容量加大了算法设计的 难度 为抵抗各种变换 水印通常需要在数字媒体中按照一定的排列方式反复加入多次 当水印信息本身较大时 会导致重复次数减少 同时就会导致检测结果的不可靠 5 鲁棒性 数字水印应该很难被去除 在不能得到水印的全部信息 如水印数据 嵌入算法 嵌 入位置 嵌入密钥等 的情况下 只知道部分信息 应该没有办法完全去除水印 任何试 图完全破坏水印的操作将对载体的质量产生严重破坏 使得载体数据无法使用 一个好 的水印算法应该对信号处理 通常的几何变形 以及恶意攻击具有鲁棒性 衡量一个水 印算法的鲁棒性 通常使用下面这样一些处理 滤波 平滑处理 水印应该具有低通特性 低通滤波和平滑处理应该无法删除水 印 数据压缩处理 图像 声音 视频等信号的压缩算法是去掉这些信号中的不重要 部分 通常水印的不可感知性就是将水印嵌入在宿主数据对感知不敏感的部位 而这些 不敏感的部位经常是被压缩算法所去掉的部分 所以 一个好的水印算法应该将水印嵌 入在宿 主数据的最重要部分 使得任何压缩处理都无法将其去除 当然这样做可能会降低 宿主数据的质量 但是只要适当选取嵌入水印的强度 就可以使得水印对宿主数据质量 的影响尽可能的小 不至于引起察觉 基于离散小波变换的数字水印算法 3 3 几何失真 目前的大部分水印算法对几何失真处理都非常脆弱 水印很容易被擦 除 几何失真包括图像尺寸大小的变化 图像旋转 裁剪 删除或添加等 量化与增强 水印应该能够抵抗对宿主数据信号的 A D D A 转换 重采样等处理 以及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 图像 增强等 都不应该对水印产生严重的影响 1 2 2 数字水印的国内外研究现状数字水印的国内外研究现状 在国外 自从1994年的IEEE国际图像处理会议上 R G sehyndel等人第一次明确提出 了 数字水印 的概念以来 数字水印技术有着突飞猛进的发展 1992年的关于水印文 章只有两篇 到1998年就猛增到103篇 并且越来越多有影响的国际会议 如IEEE ICIP IEEE ICASSP ACM Multimedia等 以及一些国际权威杂志 如Proceedings of IEEE Signal Processing Communications of ACM等 相继出版了数字水印的专辑 研 究数字水印的机构 如麻省理工学院的媒体实验室 明尼苏达大学 普林斯顿大学 南 加州大学等 以及NEC公司 IBM公司等 都一直在致力于信息隐藏技术方面的研究 并 已取得了大量研究成果 基于小波变换的数字水印同时也在不断的发展和进步 Kunder 等人最早提出将水印嵌入到DWT DiscrctewaveletTransform 域 其算法首先将图像和水印 进行小波变换 然后将特定子带的水印信号缩放后嵌入到相应图像子带上 最后经过小 波逆变换得到嵌入水印后的图像 现在基于DWT域的数字水印不仅能够应用于图像 以 及在语音和视频文件中也有较好的效果 而且小波变换和基于空域的水印算法比较 在 抗干扰 鲁棒性等方面有更好的效果 在国内 小波变换的研究也很广泛 文献 9 通过对图像矩阵奇异值分解 SVD 的分 析 提出一种基于 SVD 的数字水印方案 该方法将高斯随机序列作为水印进行嵌入 通 过相关检测判断水印存在与否 对几何攻击具有很强的鲁棒性 周波 i 提出了基于奇异值 分解的抗几何失真的数字水印算法 算法很新颖 但是该算法在抵御其它一些攻击上效 果不是很理想 如噪声攻击和 JPEG 压缩等 陶锋 ii 提出了基于 DWT SVD 的图像盲水印研 究 将水印嵌入到一级 DWT 变换后的低频分量进行分块再作奇异值分解的奇异值当 中 张割 左运兴 iii 提出的基于 DWT SVD 分解的数字水印方案 将载体图像进行一级 DWT 变换后 将水印的奇异值嵌入到低频和高频分量当中 1 3 本文的研究内容本文的研究内容 本文研究一种新的基于小波变换和奇异值分解的水印方案 对载体图像进行多尺度 小波变换 将作为水印的灰度图像先作 Arnold 变换的置乱处理 将变换后水印图像的奇 异值嵌入到载体图像的最后一级小波变换的不同分量的奇异值中 并且考虑到奇异值的 第一个值对载体图像有很大的影响 对第一个奇异值的破坏不能过大而采用嵌入强度小 于其它系数的技术手段 将经过置乱的水印图像进行奇异值分解的奇异值嵌入到小波变换的低频和中高频的 奇异值中 嵌入的信息量少 鲁棒性更强 安全性更好 实验表明 该方法抗几何失真 对一般的图像处理操作具有较强的鲁棒性 在误码 江南大学学士学位论文 4 率较高的情况下 仍能达到较高的峰值信噪比和相关性 并且对水印图像采用了置乱技 术 加强了安全性 基于离散小波变换的数字水印算法 5 5 第第 2 章章 数字图像水印算法与抗攻击性能分析数字图像水印算法与抗攻击性能分析 2 1 数字图像水印系统的基本模型数字图像水印系统的基本模型 图像数字水印系统的基本思想是在一幅宿主图像 原始图像 中嵌入一个秘密信息 即 水印 而且要保证水印是不可觉察而且安全的 在知道水印嵌入过程中所有或部分密钥 的情况下 应该可以恢复或检测出嵌入的秘密信息 数字图像水印处理过程主要包括水印生成 嵌入和检测三个步骤 而整个水印系统 还应该包括外界的攻击过程 整个数字图像水印系统的基本模型如图2 1所示 图中的虚 线表示对应项可以参与操作也可以不参与操作 数字水印生成过程G的输入为原始信息 m 原始图像和水印生成密钥K1 输出为待嵌入载体的数字水印w 当然 在水印生成过x 程中也可以直接由密钥生成水印序列而不需要原始信息 人们通常采用的水印形式是二 进制序列 例如 由伪随机序列发生器产生的伪随机二进制序列信号 有时候 数字水 印并不是通过生成算法生成的 而是直接将给定有意义的图形或图标作为数字水印 在 水印嵌入过程中 原始图像x 水印w以及嵌入密钥K2经过嵌入函数E 生成含水印图像 xw 需要注意 尽管图中的生成密钥和嵌入密钥都有虚线表示 但是为了保证水印算法的 安全性必须确保至少有一个过程使用密钥 通常 嵌入函数E用插入操作符作用在一组 特征集F x 来描述 见式 2 1 2 1 wxFxF w 在变换域算法中 位于特征集F x 中的特征是图像的变换域系数 例如离散余弦变换 离散傅立叶变换或小波系数等 而在空域算法中 水印被嵌入在图像的亮度或色度分量 中 一旦生成含水印图像xw 该图像将在一定的媒介中传输或流通 一定会受到一些有意 或无意的攻击 从而得到可疑图像 通常把根据检测密钥K3 有时还需要原始图像x和原 x 始水印w 判断可疑图像是否存在水印的过程称为水印检测 而把根据提取密钥 K3 有 x 时还需要原始图像x 提取可疑图像中的水印的过程称为水印提取 通常 在包含水印 x w 生成的水印处理系统中 在提取出水印后有时还需要根据水印生成密钥K1对应的解码密 w 钥K4恢复所嵌入的信息 这个过程就是水印的解码过程 有时 提取的水印没有感知 m w 上的含义 这时需要计算水印和原始水印w之间的相关系数来判断水印的有无 这个过 w 程相当于先提取后检测 为了描述方便 通常人们把这三个概念统称水印解码或水印检 测 检测或提取密钥K 可以与嵌入密钥K2相同也可以不相同 解码密钥K4也可以与生成 密钥相同也可以不相同 在水印提取情况下 解码函数D作用于需要确定版权的可能受损 的图像 并从的特征中恢复水印 见式 2 2 x xF 2 2 xFDw 同时 在水印恢复的过程中 是否要求助于原始图像 对数字水印的鲁棒性以及安 全性等方面都有不同的影响 明检测 有原始图像参与检测 的水印算法具有较强的鲁棒 性 14 江南大学学士学位论文 6 原始 图像 x 原始 信息 m 生成 算法 G 嵌入 算法 E 攻击 算法 A 检测 提取 解码 算法 D 生成 密钥 K1 嵌入 密钥 K2 检测 提取 密钥 K3 解 码 密钥 K4 w x w x w 直接给定水印w w m 水印存在 2 2 水印攻击水印攻击 对含有水印图像的常见的攻击方法分为有意攻击和无意攻击两大类 有意攻击一般 分为以下几类 伪造水印的抽取 多重水印 伪造的肯定检测 统计学上的水印抽取 无意攻击是可以通过改善水印系统来解决的 依照 Stirmark 和 Checkmark 等常用的 水印测试基准程序 无意攻击通常有 剪切 亮度和对比度的修改 增强 模糊和旋转 在图像中添加噪声 有损压缩 如 JPEG 压缩 放大 缩小和旋转等 对于这些攻击 好的水印系统需要具有一定的鲁棒性 即经过这些攻击还能够保证 水印的正确检测和提取 从而能达到保护的目的 2 3 水印的检测与评价水印的检测与评价 数字水印的基础就是人眼对图像信号的不敏感性 人眼对图像有很大的感觉冗余 图像信息隐藏就是要求在视觉没有异常感觉的情况下 将信息嵌入到图像中 水印嵌入 隐藏的信息是水印信息 可以看作是信息隐藏的一个特例 一般来说 对于相同的隐藏 算法 载体图像中嵌入的信息量越大 对宿主数据的修改就越大 图像的视觉效果就越 差 换句话说 对于同一个嵌入算法 载体图像数据的改变程度与嵌入的数据量是成正 比关系的 嵌入的数据量大 载体图像的视觉效果改变就大 嵌入的数据量小则载体图 像的视觉效果 改变就小 但是对于不同的嵌入算法 嵌入的数据量大小就不一定与载体图像视觉 效果有特别直接的关联 也就是说 对于不同的嵌入算法 可以做到嵌入的数据量有多 有少 对载体图像数据的改变程度也不一样 但二者最后得到的视觉效果却可以相差不 大 因此 一个好的水印嵌入算法 应该是能够在引起视觉感知最小的情况下嵌入较多 的信息 要对一个水印算法的优劣评价 应该建立对水印的评价准则 它不仅包括对水 基于离散小波变换的数字水印算法 7 7 印鲁棒性的评价 还应该包括水印的嵌入而引起的载体失真的主观和客观评价 水印的鲁棒性取决于这样几个因素 水印嵌入强度 嵌入信息的数量等 嵌入的信 息越多 水印的鲁棒性就越低 水印嵌入的强度越大 则鲁棒性越高 而水印的嵌入强 度和水印的可感知性之间有一个折衷 水印健壮性高 就需要更强的嵌入 这反过来提 高了水印的可感知性 误码率是表征鲁棒性强弱的一个指标 它能够直观的给出水印的 鲁棒性强度 因此 设计水印算法时要有一个公平合理的评价和比较 评价过程中要考 虑水印的可感知性 通常有两种方法对水印的可感知性进行评价 一个是主观测试 另 一个是客观度量 iv 本文是将视觉上可以直观认知的灰度图像作为水印 所以人眼的主观评价可以作为 水印抽取的一个评价标准 除此之外 本文主要从三个方面来比较全面和比较可观地检 测和评价水印的性能 1 相关性 相关系数 nc 是一个作为评价水印抽取算法的客观标准 设原始水印为 W 提取出来 的水印为 相关系数如式 2 3 所示 W 2 3 ij ij ij ij jiWjiW jiWjiW jiWjiW jiWjiW WWnc min 相关系数在 0 1 之间 其值越大 水印鲁棒性越好 如果该相关系数 nc 超过某一个 阈值 就判定图像中存在此灰度水印图像 2 峰值信噪比 一般来说 信噪比 SNR Signal to Noise Ratio 与峰值信噪比 PSNR Peak Signal to Noise Ratio 是最通行的评定信号品质的指标 由于水印模型是与通信系统模型紧密联系的 相 对与原始作品来说 水印信号可以认为是随机噪声 有噪声就会影响原始作品的品质 也自然存在 SNR 和 PSNR 在具体应用中 由于 SNR 的计算比较复杂 所以一般用 PSNR 代替 SNR 主观上可以容忍的 PSNR 值都在 20dB 以上 在图像处理和水印不可见 性评价中 用式 2 4 对加水印的图像的 PSNR 进行定义 v 2 4 M x N y W yxIyxI MND BPSNR 11 2 2 10 log10 d 其中 D 是信号的峰值 M 和 N 分别是图像矩阵的行列数 是原始图像坐标 yxI yx 上的像素值 是含水印图像坐标上的像素值 yxIW yx 3 误码率 本文还选用另外一个指标 即误码率 Bit Error Rote 来评价水印的鲁棒性 就是指攻 击后含提取水印图像错误比特位数占原水印总比特位数的比例 如式 2 5 所示 2 5 N D ber 式 2 5 中 D 表示含水印图像攻击后和攻击前不同比特位的数目 N 为水印图像的总比特 位数目 江南大学学士学位论文 8 基于离散小波变换的数字水印算法 9 9 第第 3 章章 基于基于 DWT SVD 分解的水印算法的设计分解的水印算法的设计 3 1 小波变换的基本理论小波变换的基本理论 3 1 1 小波分析小波分析 小波变换是一种信号的时间 尺度 时间 频率 分析方法 它具有多分辨率分析 Multiresolution Analysis 的特点 小波分析方法是一种窗口大小 即窗口面积 固定但其形 状可改变 时间窗和频率窗都可以改变的时频局部化分析方法 在低频部分具有较高的 频率分辨率和较低的时间分辨宰 在高频部分具有较高的时间分辨率和较低的频率分辨 率 所以它被誉为数学显微镜 正是这种特性使小波变换具有对信号的自适应性 原则 上讲 传统上使用傅里叶分析的地方 都可以用小波分析取代 设表示平方可积的实数空间 即能量有限的传导空间 其傅里叶变 RLRL 22 t 换为 当 满足允许条件 Admissible Condition 式 3 1 3 1 dC R 2 时 可以称为一个基本小波或母小波 Mother Wavelet 将母函数经伸缩和平移 t t 后 就可以得到一个小波序列 对于连续的情况 小波序列如式 3 2 3 2 0 1 aRba a bt a t ba 式中 a 为伸缩因子 b 为平移因子 对于任意的函数的连续小波变换的描述如式 3 3 所示 RLtf 2 3 3 dt a bt tfaWfW R babaf 2 1 其逆变换如式 3 4 所示 3 4 dadb a bt baW aC tf f RR 11 2 对于离散的情况 小波序列如式 3 5 所示 3 5 Zkjktt jj k 22 2 j 如果 tatf kj jk kj 成立 则可以称系数的集合为函数 f 的离散小波变换 Zkj kj a 江南大学学士学位论文 10 3 1 2 小波变换对信号的处理小波变换对信号的处理 1 二维小波变换 二维小波变换的基本思想就是把数字图像进行多分辨率分解 分解成不同空间 不 同频率的子图像 然后再根据各个子图像的特点有针对性的进行处 对一幅图像的三级 小波分解示意如图 3 3 所示 图 3 3 三重小波分解示意图 每一级分解都把图像分解为四个频带 水平 HL 垂直 LH 对角 HH 和低频 LL 其中低频 LL 部分还可以进行下一级的分解 一幅图像经过分解之后 图像的主要能量主 要集中于低频部分 这也是视觉重要部分 而图像的高频部分即图像的细节部分所含能 量较少 分布在 HL LH HH 三个子图中 主要包含了原图的边缘和纹理部分信 息 基于小波分析的数字水印算法的基本思想是把水印嵌入到图像小波变换后的低频子 带或高频子带系数中 图像的低频子带携带了图像的大部分信息 因此可以嵌入更多的 水印信息 使水印更加鲁棒 但同时也产生了问题 即图像低频子带的变化容易导致较 大的图像失真 相反 高频子带携带的是图像的边缘和纹理信息 人眼对这部分信息不 敏感 因此 在这分嵌入水印 可以避免引起图像的失真 但同时水印容易遭到破坏 如 有损压缩等 鲁棒性不是很强 因此 一个有效的小波域水印算法必须在鲁棒性和图像 的失真度之间取得平衡 3 2 基于基于 DWT SVD 分解的水印嵌入算法分解的水印嵌入算法 水印嵌入模型如图 3 4 所示 图 3 4 水印嵌入算法 HL2 LH2HH2 HL1 LH1HH1 LL3HL3 LH3 HH3 载体图像 小波分解 水印图像 SVD 分解 SVD 分解 水印嵌入 含水印的图 像 Arnold 变换 基于离散小波变换的数字水印算法 1111 1 水印图像的置乱 数字图像置乱 vi 就是将一幅给定图像按照一定变换规则在空域或频域将其变换为一幅 杂乱无章的图像 从而隐藏其图像本身 图像的置乱变换既可以是局部的 也可以是全 局的 局部置乱变换必须加大置乱块的大小 但对于比较平滑的图像 即使扩大置乱块 置乱后的图像中仍会保留原图像的大部分信息 而全局的置乱变换 却能得弥补这一缺 陷 能达到较好的效果 在水印预处理中 这种全局的置乱变换就能较好地分散错误比 特的分布 提高数字水印的视觉效果来增强水印的鲁棒性 此外 图像置乱还可增加水 印信号的保密性 即使水印信号被攻击者识破并提取出来 如果不知道置乱密钥和置乱 方法 攻击者也无法恢复出隐藏的图像水印信号 目前已存在多种图像置乱方法 如基 于位操作 幻方 FASS 曲线 Arnold 变换 Gray 码变换 骑士巡游 Hibe 变换 几 何变换等 其中 Arnold 变换易于实现 易于恢复 无需多次变换就能达到令人满意的效 果 而且实现起来比较简单 比较适合于实际应用 因此本文采用 Arnold 变换的置乱方 法 Arnold 变换定义 假设对于平面单位正方形内的所有点 作式 3 13 变换 3 13 1mod 1 11 y x kky x 其中 k 为正整数 x y 是平面某点的坐标 x y 是变换后的坐标 可见 Arnold 变换 实际是一种点的位置移动 并且这种变换是一一对应的 根据数学理论 只要平面点的 有限性 很明显这种变换一直做下去 就会存在周期的问题 考虑到数字图像的需要 我们把以上的 Arnold 变换改写为式 3 14 3 14 N y x kky x mod 1 11 其中 N 为水印图像大小 水印大小为 N N 在 Arnold 变换中 式中的 k 与次数 N 构 成数对 N k 恰好可以成为置乱的密钥 Arnold 变换是图像置乱技术中的一种 通过多次迭代计算 使原始图像的像素点位 置发生变化 导致原始图像已经完全不是按照原来的规律排列 并且只要知道迭代计算 的次数就可以逆变换得到原来的图像 所以置乱的次数可以当作密钥 不知道密钥的人 很难得到原始图像 这样做在某种程度上是对原来的图像的一种安全保护 现研究的水印图像多采用二值图像 这样的图像的像素值只有两个 比较简单 并 且提取水印时通过取定阀值很容易得到原来的像素值 从而不易失真 鲁棒性较强 本 文采用实际应用中经常用到的灰度图像 大小为 128 128 具有普遍性 读取水印图像 限制水印图像为方形 本文所选水印图像为自己绘制的 128 128 的 灰度图像 代码如下 arnold image Arnold watermark source 10 0 Arnold 是按照 Arnlod 原理编写的一个 Matlab 函数 迭代次数选 10 即上文所说的 k 置乱密钥 江南大学学士学位论文 12 2 载体图像的小波变换 对图像的小波变换就是二维的小波变换 一重小波分解 得到四个分量 低频分量 包含了绝大部分能量 反映了原图像的主要特征 另外三个分量分别为水平高频分量 垂直高频分量和对角线高频分量 它们含有较少部分的能量 反映的是原始图像的边缘 和轮廓特征 二维小波变换的函数有很多 如表 3 1 所示 表 3 1 二维小波变换函数 函数名函数功能 dwt2二维离散小波变换 wavedec2二维信号的多层小波分解 idwt2二维离散小波反变换 waverec2二维信号的多层小波重构 wrcoef2由多层小波分解重构某一层的分解信号 upcoef2由多层小波分解重构近似分量或细节分量 detcoef2提取二维信号小波分解的细节分量 appcoef2提取二维信号小波分解的近似分量 upwlev2二维小波分解的单层重构 dwtpet2二维周期小波变换 idwtper2二维周期小波反变换 本文采用经典的 elaine 图像作为载体图像 使用二维离散小波函数 如式 3 15 所示 cA cH cV cD dwt2 X wname 3 15 对载体图像进行小波变换 使用小波反变换函数 如式 3 16 所示 X idwt2 cA cH cV cD wname 3 16 其中的小波基函数 wname 使用 Haar Haar 小波性能优良 而且 Haar 小波的支撑长度 最短 它的分解和重构计算复杂度低于其它小波 同时 Mallat 算法是针对无限信号的 而实际中的图像是有限的 因此需要延拓 而对 Haar 小波而言 则比较特殊 边界不需 要延拓 因此本文中选用 Haar 小波作为水印实验的小波基 代码如下 origne image imread elaine bmp LL1 LH1 HL1 HH1 dwt2 origne image haar 对载体图像先进行一阶 dwt 变换 LL2 LH2 HL2 HH2 dwt2 LL1 haar LL3 LH3 HL3 HH3 dwt2 LL2 haar 经过对载体图像进行三阶小波变换之后 得到了多个分量 通过实验数据比较 发 现 LL3 HH3 两个分量的奇异值和水印图像的奇异值比较接近 如果将水印嵌入到这两个 分量当中 不仅是将水印嵌入到载体图像的低频分量当中 具有较强的鲁棒性 而且由 于给载体图像像素值带来比较小的变化 载体图像不会出现明显的失真 从而不可见性 基于离散小波变换的数字水印算法 1313 很好 3 奇异值分解 一个二维矩阵经过奇异值分解后将得到三个矩阵 中的 U 和 V 都是正 T VUCA 交 矩阵 为对角矩阵 其中计委分IUU T IVV T n 1 n 1 解后得到的奇异值 在图像处理中应用 SVD 的主要背景是 1 图像奇异值的稳定性很好 即当图像被施加小的扰动时 图像的奇异值不会有大的变化 2 奇异值所表现的是图像 的内蕴特性而非视觉特性 vii Matlab 自带的函数 SVD 使用形式如 U S V svd X 结果返回一个与 X 同大 小的对角矩阵 S 两个正交矩阵 U 和 V 4 嵌入 将水印奇异值按比例嵌入到载体图像的不同分量的奇异值中 经过 SVD 分解后的奇 异值在对角矩阵中呈数值递减的规律排列 并且可以很重要的一点 即一副图像主要能 量的 SVD 分解得到的奇异值中的第一个与后面一个奇异值几乎相差一个数量级 而且经 过实验得这个奇异值对图像的影响最大 对它进行较小的改变 图像的失真度比相对于 其它值的变化将大很多 因此在水印的嵌入过程中必须考虑这非常重要的一点 使得水 印的嵌入能达到最佳效果 由于奇异值体现的是图像的内蕴特性 使得图像的稍微改变 奇异值的变化很小 从而比较稳定 因此本文选择将水印图像的奇异值按照不同嵌入因子嵌入到载体图像小 波变换后的不不同分量的奇异值中 3 3 基于基于 DWT SVD 分解的水印提取算法分解的水印提取算法 水印提取检测模型如图 3 5 所示 图 3 5 水印提取算法 原始图像 含水印图 像 小波变换SVD 分解 SVD 分解 水印提取Arnold 反变 换 水印图像 小波变换 检测 原水印图 检测结果 江南大学学士学位论文 14 水印的提取过程就是水印嵌入过程的逆过程 本文的水印提取就是先对嵌入水印的 图像和原始图像进行小波变换 奇异值分解后 按照嵌入时的嵌入因此提取出嵌入的水 印 1 含水印图像和原始图像的 DWT 变换 对载体图像和原始图像进行小波变换 代码如下 o LL1 o LH1 o HL1 o HH1 dwt2 origne image haar 对载体图像先进行 dwt 变换 o LL2 o LH2 o HL2 o HH2 dwt2 o LL1 haar o LL3 o LH3 o HL3 o HH3 dwt2 o LL2 haar w LL1 w LH1 w HL1 w HH1 dwt2 watermarked image haar 对含水印图像先 进行 dwt 变换 w LL2 w LH2 w HL2 w HH2 dwt2 w LL1 haar w LL3 w LH3 w HL3 w HH3 dwt2 w LL2 haar 2 对分量进行奇异值分解提取水印 同时对原始图像和嵌入水印的图像三阶小波变换之后的分量 o LL3 o HH3 w LL3 w HH3 进行奇异值分解 得到四组奇异值 然后按照嵌入时所给定 的不同位置的奇异值进行不同比例的提取水印图像的奇异值 最后对得到的图像进行 Arnold 反变换即得到水印图像 基于离散小波变换的数字水印算法 1515 第第 4 章章 Matlab 仿真结果仿真结果 4 1 仿真实验仿真实验 本文的实验结果是由 MATLAB2010a 仿真得到的 本算法使用 MATLAB 来做水印嵌 入以及提取的实验主要是因为 本算法选择的载体是图像 MATLAB 处理图像 音频和 视频这些信号非常方便 尤其是图像矩阵运算更是方便快捷 另外 MATLAB 内置有数量 庞大的函数工具箱 可以帮助我们在信号处理等方面能快捷完成实验 利用这些内置函 数可以避免对一些信号基本操作编程 将实验的注意力完全放在水印算法的实现和性能 分析上 提高了实验效率 8 图 4 1 给出的是灰度水印嵌入和未经攻击提取的实例 将 elaine 图像作为原始图像 灰度图像作为水印 嵌入水印的图像质量的客观评价采用峰值信噪比 PSNR 来度量 水 印检测结果的客观评价用相关系数 nc 来衡量 水印的鲁棒性采用误码率来评价 从图 4 1 中可看出 水印嵌入后 具有很好的不可见性 峰值信噪比 PSNR 32 0490 dB 提取 出的水印与原始水印的相关系数 nc 0 9984 a 原始图像 b 嵌入水印后的图像 c 原始水印 d 提取出的水印 图 4 1 本文的抽取的实例和提出的算法水印 1 Arnlod 变换置乱水印图像 水印图像的 Arnold 置乱 Matlab 仿真如图 4 2 所示 a 原始水印图像 b 置乱后的水印图像 4 2 原始图像和置乱后的水印图像 2 载体图像的小波变换 江南大学学士学位论文 16 一阶小波分解和三阶小波分解的两个嵌入水印部分的图像如图 4 3 和 4 4 所示 图 4 3 图像的一阶小波分解 图 4 4 要嵌入水印的三阶小波分解分量 从图像可以看出低频分量反映了原始图像的绝大部分能量 能比较完整的显示原来 图像 也发现经过三重小波分解之后 低频分量能量很高 不能显示图像 三阶小波分 解的低频分量的数值部分如图 4 5 所示 图 4 5 三阶小波分解低频分量数值 从上面可以看出 低频分量的数值比较大 也比较匀称 正是因为小波分解的这种 特性 低频分量承载了原始图像的大部分能量 将水印嵌入在这部分之后 对嵌入水印 后的图像进行各种处理之后 水印的信息保存量要比将水印嵌入到其它的高频部分要多 很多 从而水印具有较强的鲁棒性 但是矛盾也出现在这里 水印嵌入的越多 保存在 载体图像中量越多 那么水印就更容易提取出来 鲁棒性更好 然而 在这个低频部分 嵌入过多的信息之后 载体图像同时也将受到损失 从而导致载体图像的部分或者大部 分失真 这种结果却不是我们所期望的 所以在期望达到较强鲁棒性的同时 必须保证 载体图像的原始信息 也就是在嵌入水印的同时能满足非常良好的水印不可见性 基于离散小波变换的数字水印算法 1717 3 奇异值分解 对载体图像两部分和水印图像做 SVD 分解后的奇异值如图 4 6 4 7 4 8 所示 图 4 6 LL3 奇异值分解后的部分奇异值 图 4 7 HH3 奇异值分解后的部分奇异值 图 4 8 Aronold 变换后水印图像部分奇异值 4 嵌入 通过对实验数据的观察 水印图像的 128 个奇异值从数量级上和大小为 512 512 的 elaine 载体图像的三阶小波变换的低频分量和高频分量相仿 即与上文提到的 LL3 和 HH3 在数值上相近 上文中的图 4 7 4 8 显示了前面一部分 水印图像的后面一部分奇 异值如图 3 9 所示 和三阶小波变换的高频分量相近 参见图 4 9 江南大学学士学位论文 18 4 9 水印图像后一部分奇异值 所以本文选择在此两个分量中嵌入水印 在水印嵌入过程中 考虑到第一奇异值的重要性 本文在嵌入时采用了不同的嵌入 因子 第一个奇异值的嵌入因此选择 g3 0 1 其它的奇异值嵌入因子选择 g1 g2 0 15 效果如图 4 10 所示 图 4 10 原始图像和嵌入水印的图像 5 提取结果 对需要的分量进行小波奇异值分解 代码如下 o UL o SL o VL svd o LL3 对原始图像分量作 svd 分解 o UH o SH o VH svd o HH3 对原始图像分量作 svd 分解 w UL w SL w VL svd w LL3 对嵌入水印分量作 svd 分解 w UH w SH w VH svd w HH3 对嵌入水印分量作 svd 分解 提取的水印图片如图 4 11 所示 图 4 11 提取结果 4 2 抗攻击性能分析抗攻击性能分析 为了验证本文算法的鲁棒性 我们对嵌入水印后的含水印图像采用了一些常用的攻击手 段进行对水印算法鲁棒性的评估 其中包括添加白噪声 图像剪切 滤波 包括中值滤 基于离散小波变换的数字水印算法 1919 波和高斯低通滤波 JPEG 有损压缩等操作 当同一攻击加入强度的不同时 含水 印图像所受到的影响必然是不同的 攻击后提取的水印效果也因此必然不一样 下面一 一介绍本文算法对各种攻击的抵抗能力 1 白噪声攻击 图像在传播的过程中最容易受到 也是必然会受到的攻击就是加入噪声了 因此 噪声也是一种典型的无意攻击 它对嵌入的水印也会产生一定程度的影响 实验结果如 图 4 12 4 13 4 14 所示 a 添加白噪声 强度 20 的图像 b 提取的水印 图 4 12 加入强度 20 后的含水印图像和提取的水印 a 添加白噪声 强度 40 的图像 b 提取的水印 图 4 13 加入强度 40 后的含水印图像和提取的水印 图 4 14 白噪声攻击后的性能检测 2 剪切攻击 在图像处理中 一个图像不重要的部分或者重要部分的一部分会经常被剪切掉 会造 江南大学学士学位论文 20 成图像受到影响 对于含水印的图像 必定会造成其中的水印数据部分地丢失 实 验中我们对图像进行了不同比例大小的剪切实验 结果如图 4 15 4 16 所示 a 剪切 10 的图像 b 提取的水印 c 剪切 25 的图像 d 提取的水印 图 4 15 对嵌入水印的图像进行剪切攻击 图 4 16 剪切攻击后的性能评价 3 JPEG 压缩 JPEG 压缩是对图像处理的最普遍的方法 对嵌入水印的图像进行不同质量的 JPEG 压缩 对嵌入的水印的影响程度肯定会不一样 本文对含水印图像按 0 到 100 之间的压 缩质量进行压缩 实验结果如图 4 17 4 18 所示 a 压缩质量为 32 的图像 b 提取的水印 基于离散小波变换的数字水印算法 2121 c 压缩质量为 56 的图像 d 提取的水印 图 4 17 对含水印图像进行压缩攻击的实例 图 4 18 压缩攻击后的性能评价 4 滤波攻击 高斯低通滤波和中值滤波是两种常用的图像出来方法 本文采用固定大小为 3 3 标准 标准偏差从 0 1 以 0 3 的大小增加到 0 9 的对称高斯低通滤波和窗口大小不断变化的中值 滤波器对嵌入水印的图像进行攻击 实验结果如图 4 19 4 20 所示 a 高斯滤波标准偏差为 1 的图像 b 提取的水印图像 c 高斯滤波后的水印性能评价 图 4 19 高斯滤波处理图像实例以及水印性能评价 江南大学学士学位论文 22 a 中值滤波窗口大小为 5 的图像 b 提取的水印图像 c 中值滤波后水印性能评价 图 4 20 中值滤波处理图像实例以及水印性能评价 图 4 21 旋转攻击后水印性能分析 5 旋转攻击 旋转攻击是对图像进行处理的一种常用方法 对图像进行旋转后 本文对含水印图 像进行 0 90 度的旋转攻击 实验结果如图 4 21 和图 4 22 所示 a 旋转 1 后的图像 b 提取的水印图像 基于离散小波变换的数字水印算法 2323 c 旋转后的图像 5 d 提取的水印图像 图 4 22 旋转攻击后的图像实例 6 马赛克攻击 对于图像的马赛克攻击 原理很简单 就是将一幅图像中的像素按照一定大小的模 板与相邻的像素一起取平均值 然后再将模板下的每个像素值用这个平均值代替 图 4 23 4 24 显示了不同大小模板攻击后的结果 图 4 23 马赛克攻击的后的水印性能分析 a 模板大小为 3 3 马赛克攻击后的图像 b 提取的水印图像 c 模板大小为 7 7 马赛克攻击后的图像 d 提取的水印图像 图 4 24 马赛克攻击实例 江南大学学士学位论文 24 4 3 小结小结 本