基于分块DCT的自适应扩频水印算法

1、基于分块DCT的自适应扩频水印算法摘要：本文提出了一个利用块分类的DT域自适应扩频图像水印算法。嵌人的水印是一个可视二值图像，用两个不相关的伪随机序列分别代表水印信息中的0和1，从而到达扩频的目的。将扩频后的水印信号，嵌入到分块DT域的中低频段系数中的过程中，充分考虑到了部分图像的复杂度，可以自适应地调整嵌入强度，提取水印信号无需使用原始图像。仿真实验说明：图像经过JPEG有损压缩、低通与中值滤波和剪切等图像处理操作后仍是稳健的。关键词：分块DT扩频HVS图像水印算法1引言数字水印技术是指在宿主数字媒体图像、声音、视频等中嵌入一定量的数字信息，例如作者的电子签名、日期、公司图标等，用以证明作品

2、的所有权，并可作为起诉非法侵权的证据，从而保护作品原创者的合法利益。数字水印技术不同于传统的数据加密，其目的不是限制对数据的存取，而是保证嵌入的数据不可进犯和可恢复。其根本要求有：透明性，是指在宿主数字媒体中嵌入一定量的数字水印信息后，不会引起原媒体明显的降质现象，隐藏数据不易发觉，即无法人为地看见或听见；鲁棒性，是指数字水印必须对施加于宿主媒体的各种变换操作如有损压缩、滤波和剪切等具有免疫性，即水印信息不能因为施加于宿主媒体的某种变换操作而丧失；平安性，是指数字水印可以抵挡各种蓄意的攻击，很难被别人所复制和伪造，只要其不知道控制该算法的密钥。2已有的基于DT域的图像水印算法分析较早利用分块D

3、T的水印技术是Kh.E、Zha.J的文章1，他们的水印方案是用一个密钥随机的选择图像的一些分块，在频域的中频上稍稍改变一个三元组来隐藏二进制序列信息。这种方法对有损压缩和低通滤波是稳健的。x等2提出了著名的基于图像全局变换的数字水印技术，该方案对整个图像作离散余弦变换(DT)，然后将水印嵌入到预先设定的低频分量中，水印信号由高斯分布的实数序列组成，算法不仅在视觉上具有不可发觉性，而且稳健性也非常好，可经受JPEG压缩、滤波、剪切等攻击。Barni等3提出一种利用HVS掩蔽特性的基于DT的水印算法，在水印嵌入阶段，对的图像进展的DT变换，对DT系数按Zig-Zag扫描重新排列为一维向量，留下向量

4、中开场的L个系数不作修改，对第L个系数后面的个系数进展修改以嵌入水樱黄继武等人4在对DT系数D和A分量的定性和定量分析的根底上，指出D分量比A分量更合适嵌入水印，嵌入D分量的水印具有更好的稳健性，并提出了一个利用D分量的自适应算法。以上算法至少有以下两个缺点：在水印提取过程中使用了原始图像，这一点在实时的网络环境中很难做到；只能给出水印存在有无的答复，在许多应用场合要求水印是有意义的，如一个二维图像(商标、印鉴等)。显然，这种有意义的水印所包含的信息量、可感知性、可辩识性及保密性，是无意义的伪随机噪声所不能比较的。本文在研究了前人算法的根底上，提出了一个利用块分类的DT域自适应扩频图像水印算法

5、，嵌入的水印是一个可视二值图像。用两个不相关的伪随机序列分别代表水印信息中的0和1，从而到达扩频的目的，将扩频后的水印信号，嵌入到分块DT域的中低频段系数中。在嵌人过程中充分考虑到了部分图像的复杂度，可以自适应地调整嵌人强度，水印检测算法不需要原始图像，实现了盲检测。仿真实验说明：图像经过JPEG有损压缩、低通与中值滤波、剪切等图像处理操作后仍是稳健的。3数字水印嵌入算法详细步骤本文算法根本框图如图1所示，以下对各步骤作详细介绍。图1水印嵌入算法框图3.1原始图像分块设原始图像为f(x,y)，首先将f(x,y)分割为互不覆盖的88子块，记为B=f(i,j)，0=0,1,.,-17=0,1,.,

6、-1，对B进展DT变换，得到：DT，07=0,1,.,-113.2基于视觉掩蔽特性的块分类本文借鉴黄继武等5提出的算法，水印的嵌入过程可以看成在一个强背景原始图像上叠加一个弱信号数字水印，只要信号低于HVS的比照度门限，视觉系统就无法感觉到信号的存在。根据HVS的比照度特性，该门限受背景照度，背景纹理复杂性和信号频率的影响，一般说来，背景越亮，纹理越复杂，门限就越高。即可以嵌入更高强度的水印信号，根据图像的部分纹理复杂性，尽可能进步嵌入水印的强度，这是进步水印稳健性的有效方法。为此，把图像分为三类，以便叠加不同强度的水印分量。第1类R1平均灰度较低暗，且灰度变化比较平滑，HVS对其中像素值的改

7、变较为敏感，叠加的水印分量的强度最弱；第3类R3平均灰度较高，且纹理复杂，HVS对其中像素值的改变敏感性最弱，叠加的水印分量的强度最强；余下的为第2类R2。设背景照度为I，根据eber定律，在均匀背景下，人眼刚好可以识别的物体照度为，满足：。文中定义了如下衡量块均匀度的参数：2其中为的灰度均值。上式的物理意义是：决定物体照度可见度的应该是比照度而非照度绝对差，加权系数作为修正因子，根据下式确定：3，当较小时，被认为比较均匀；反之，较大时，被认为包含纹理和边缘。文献中提到利用作为块均匀度的测量标准，其结果优于利用块方差作为标准的情况。块分类器可描绘如下：假如且，那么。假如且，那么。假设上述两种情

8、况均不满足，那么，其中T1、T4为门限，可由实验确定。3.3水印的预处理设二值水印表示为：，很明显，假如不打乱水印的空域关系，直接把可视的二值水印加到原始图像的中频段，那么一个简单的图像剪切操作就会把水印破坏掉，因此，在嵌入水印之前，首先对其进展置乱处理，本文采用一个时间复杂度较低的随机算法来打乱水印的空间顺序。4其中，是原始像素点经过随机排序后得到的乱序水印像素点。图2水印随机排序示意图首先，利用密钥K1产生0到的随机数作为原始水印每个像素点的标号，然后利用桶分类排序算法将这些随机标号按由小到大排序，随机标号的顺序排序使得标号所标识的原始水印像素点随机排序，这种方法的时间复杂度为，以3232

9、二值水印为例，排序过程由图2所示。3.4水印扩频扩频调制具有抗干扰、低功率谱密度、保密性好等许多优点，它是利用伪随机序列对被传输信号进展频谱扩展，使之占据的带宽远远超过所必需的最小带宽，其本质是利用带宽换取信噪比。在水印算法中，它是利用水印信道的容量换取算法稳健性的改善。本文提出采用两个不相关的伪随机序列来代表二值水印信息中的0和1，从而实现频谱扩展的目的，首先利用密钥K2产生一个种子，在此种子下，生成两个不相关的伪随机序列：PN_zer，PN_ne。，5其中L由88DT系数矩阵的中频段长度决定，然后根据二值水印信息的0或1，分别嵌入PN_zer或PN_ne。本文采用的扩频方案具有简单易实现和

10、稳健性好的优点。3.5水印嵌入为了在鲁棒性和透明性之间进展折中，本文将二值水印经扩频后的伪随机序列嵌入到各图像块的中低频段系数中。实验中采用的二值图像是1616的字符图像，原始图像是256256的Lena图像。原始图像经过88分块后，有1024个子块，而二值图像的总长度为256，因此把二值图像周期扩展为长度为1024的向量，然后再嵌入到原始图像，使水印具有更好的抵抗剪切攻击才能。首先对B(=0,1,.,-1)的系数按Zig-Zag顺序读取如图3a，本文对水印的嵌入位置和伪随机序列的长度进展了大量的实验，发如今图3b为1的位置嵌入伪随机序列，水印具有较好的鲁棒性和透明性。将按Zig-Zag顺序读

11、取的每一分块系数重新排列为一维向量，并取出系数中第L+1到L+N的中低频段部分，得：，根据图3知L=14，N13，伪随机序列由N个实数随机数组成：按下式将伪随机序列嵌入到中：当essage0，6当essage1，7aZig-Zag读取顺序b水印嵌入位置图3Zig-zag读取顺序及水印嵌入位置essage为二值水印行扫描重复4次后排成的一维向量。它的长度和原图像块个数均为1024，为拉伸因子，根据块的类别而变，可由实验确定，对应R1、R2，本文根据实验确定分别为6、8、12。将修改系数后的一维向量再逆Zig-Zag扫描变换为二维矩阵，然后分块做IDT变换，即得到嵌有水印的图像。4数字水印提取算法

12、详细步骤水印提取框图如图4所示，水印检测不需要原始图像。图4水印检测算法4.1含水印图像分块设嵌入水印的图像为，首先将分割为互不覆盖的88子块，记为，对进展DT变换，得到：DT，0784.2解扩对各88DT分块系数矩阵按Zig-Zag读取顺序排列为一维向量，提取每一列向量L+1到L+N的系数，设该系数组成的一维向量为：，将和嵌入过程中的两伪随机序列分别作相关运算，从而判决嵌入的原始水印信息是0或1。设：Sequene_zerrr2PN_zer，Sequene_nerr2PN_ne，那么：ifSequene_zerSequene_neessage()=0;elseessage()=1;对每一子图

13、像块进展相关运算，就可把置乱水印的一维向量essage提取出来。4.3水印反置乱原始水印在嵌入前经过了置乱处理，因此须对提取出的水印essage进展反置乱。首先根据密钥K1产生0到的随机数，该随机数即为essage向量中每个像素点的标号，按照正常顺序重新排列essage向量，就可复原出原始水印的一维向量，因为水印嵌入过程中是重复4次嵌入的，因此把该一维向量分为4段，运用多数原那么提取原始水印，再将原始水印逆变换为二维矩阵，即恢复出二值水樱4.4水印的检测与评价本文是将视觉上可直观认知的二值水印作为水印，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，也可从理论上定义归一化相关系数作

14、为另一个评价水印抽取算法的客观标准，设初始水印为，抽取水印为，那么：9相关系数在0、1之间，其值越大，水印鲁棒性越好。假如该相关系数超过某一阈值，就断定图像中存在此二值数字水印图像(阈值由用户根据数字水印的详细应用背景而确定)，本文阈值选为0.5。5实验结果本文的实验结果是基于ATLAB6.5仿真得到的，图5给出的是二值水印嵌入与提取的实例。其中256256的标准Lena图像作为原始图像，1616的二值字符图像作为水樱a原始图像b嵌入水印后的图像PSNR35.761初始水印d乱序水印e抽取水印1图5算法水印参加与抽取实例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

15、观评价采用相关系数来衡量。从图5中可看出，水印嵌入原始图像后，具有良好的不可见性，抽取水印的相关系数为1。为验证算法的稳健性，我们对含水印图像进展了一系列攻击实验。5.1剪切攻击在图像处理中，一个图像不重要的部分经常被剪切掉，我们从不同角度对图像进展了剪实在验。图6是各种不同角度的剪切图像及提取出来的水印图像，由实验结果可看出，水印抵抗剪切的才能非常强。aPSNR=9.2218()PSNR=9.8892ePSNR=7.9505gPSNR=9.9313(b)0.98198d=0.99475f=0.99475h=0.99736图6剪切图像及提取出的水印5.2JPEG压缩将嵌入水印的图像经过品质因子

16、为70、60%、50、40、30的JPEG压缩，由图7可以看出，本文算法具有较强的抵抗JPEG压缩才能，在品质因子到达30时，水印图像才变得模糊，但这时原始图像也破坏严重。(a)Quality70%(b)Quality60%()Quality50%(d)Quality40%(e)Quality30%11=0.9868=0.91149=0.77918图7JPEG压缩后提取的水印5.3加噪加噪对水印的影响最大，图8a是对含水印的图像参加均值为0，方差为0.005的高斯噪声，图是对应a图提取出的水印；b图是参加噪声强度为0.04的椒盐噪声，d图是对应b图提取出的水樱(a)高斯噪声图像(b)椒盐噪声图

17、像PSNR22.303PSNR18.641()=0.9867(d)=0.94501图8加噪图像及提取的水印(a)中值滤波(33)()均值滤波(33)PSNR30,114PSNR27.636(b)0.95403(d)0.90567图9滤波图像及提取的水印5.4滤波攻击图9a是对嵌入水印的图像进展中值滤波33，b图是恢复出的水印；图是对嵌入水印的图像进展均值滤波33，d图是恢复出的水樱5.5锐化锐化对水印的影响比较大，当锐化进展到一定程度时会对水印产生破坏，图10是用高通掩模H=010;-151;010对图像进展卷积得到的的图像，此时水印仍可以完好地提取出来。6结论本文提出的算法具有以下特点：所讨

18、论的方法是将一幅二值图像作为水印嵌入到原始宿主图像中，这样水印比起传统方法所处理的序列码具有丰富的信息量和特定的标识性；原始水印经伪随机排序置乱，伪随机数由密钥决定，增加了水印的保密性。扩频方案是用两个不相关的伪随机序列分别代表水印信息中的0和1，然后重复4次嵌入到原始图像中，因此具有较强的抗剪切、JPEG压缩等攻击的才能。在嵌人过程中充分考虑到了部分图像的复杂度，可以自适应地调整嵌人强度，使嵌入水印后的图像保持了较好的品质。水印的嵌入位置经过大量实验选择在分块DT域的中低频段，能在鲁棒性和透明性之间得到较好的协调。水印检测不需要原始图像，实现了盲检测，具有实用价值。本文算法没有抵抗旋转攻击的才能，并且嵌入的信息量不大，在今后的研究中，作者将对此作进一步的研究。参考文献1KhE，ZhaJ.