西電計算機視覺大作業(yè)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上課 程： 計算機視覺 專 業(yè)： 模式識別與智能系統(tǒng) 學 號： 姓 名： 數(shù)字水印技術(shù)一、 引言隨著互聯(lián)網(wǎng)廣泛普及的應(yīng)用，各種各樣的數(shù)據(jù)資源包括文本、圖片、音頻、視頻等放在網(wǎng)絡(luò)服務(wù)器上供用戶訪問。但是這種網(wǎng)絡(luò)資源的幵放也帶了許多弊端，比如一些用戶非法下載、非法拷貝、惡意篡改等，因此數(shù)字媒體內(nèi)容的安全和因特網(wǎng)上的侵權(quán)問題成為一個急需解決的問題。數(shù)字水印作為一項很有潛力的解決手段，正是在這種情況下應(yīng)運而生。數(shù)字水?。夹g(shù)是將一些代表性的標識信息，一般需要經(jīng)過某種適合的變換，變換后的秘密信息（即數(shù)字水印），通過某種方式嵌入數(shù)字載體（包括文檔、音頻、軟件等）當中，但不影響原載體

2、的使用價值，也不容易被人的知覺系統(tǒng)（如視覺或聽覺系統(tǒng)）覺察或注意到。通過這些隱藏在載體中的信息，可以達到確認內(nèi)容創(chuàng)建者、購買者、傳送隱秘信息或者判斷載體是否被篡改等目的。在發(fā)生產(chǎn)權(quán)和內(nèi)容糾紛時，通過相應(yīng)的算法可以提取該早已潛入的數(shù)字水印，從而驗證版權(quán)的歸屬和內(nèi)容的真?zhèn)巍６?算法原理2.1、灰度圖像水印2.1.1基本原理 處理灰度圖像數(shù)字水印，采用了LSB（最低有效位）、DCT變換域、DWT變換域三種算法來處理數(shù)字水印。在此過程中，處理水印首先將其預處理轉(zhuǎn)化為二值圖像，簡化算法。（1）LSB算法原理：最低有效位算法(Least Sig nificant Bit , LSB)是很常見的空間域信息隱

3、藏算法, 該算法就是通過改變圖像像素最不重要位來達到嵌入隱秘信息的效果, 該方法隱藏的信息在人的肉眼不能發(fā)現(xiàn)的情況下, 其嵌入方法簡單、隱藏信息量大、提取方法簡單等而獲得廣泛應(yīng)用。LSB 信息嵌入過程如下:S'=S +fS , M其中, S 和S分別代表載體信息和嵌入秘密信息后的載密信息;M為待嵌入的秘密信息, 而隱寫分析則是從S中檢測出M以至提取M 。（2）DCT算法原理：DCT 變換在圖像壓縮中有很多應(yīng)用，它是JPEG，MPEG 等數(shù)據(jù)壓縮標準的重要數(shù)學基礎(chǔ)。在壓縮算法中，先將輸入圖像劃分為 8×8 或 16×16,的圖像塊，對每個圖像塊作DCT 變換；然后舍棄

4、高頻的系數(shù)，并對余下的系數(shù)進行量化以進一步減少數(shù)據(jù)量；最后使用無失真編碼來完成壓縮任務(wù)。解壓縮時首先對每個圖像塊做 DCT 反變換，然后將圖像拼接成一副完整的圖像。DCT 變換利用傅立葉變換的性質(zhì)，采用圖像邊界褶翻將圖像變換為偶函數(shù)形式，然后對圖像進行二維傅立葉變換，變換后僅包含余弦項，所以稱之為離散余弦變換。二維離散余弦變換DCT(Discrete Cosine Transform)的定義為,假設(shè)矩陣A 的大小為M ×N。其中,Bp,q稱為矩陣A 的DCT 系數(shù)。DCT 是一種可逆變換，離散反余弦變換定義如下：上式的含義是任何M×N 的矩陣A 都可以表示為一系列具有下面形

5、式的函數(shù)的和：這些函數(shù)稱為 DCT 變換的基函數(shù)。這樣,Bp,q就可以看成是應(yīng)用于每個基函數(shù)的加權(quán)。Matlab中直接調(diào)用dct2函數(shù)對圖像的分塊進行離散余弦變換。（3）DWT嵌入算法原理:小波變換是時間(空間)頻率的局部化分析，它通過伸縮平移運算對信號(函數(shù))逐步進行多尺度細化，最終達到高頻處時間細分，低頻處頻率細分，能自動適應(yīng)時頻信號分析的要求，從而可聚焦到信號的任意細節(jié)，解決了Fourier變換的困難問題，成為繼Fourier變換以來在科學方法上的重大突破。假定為J尺度空間的剩余尺度系數(shù)序列，并且令和分別為小波函數(shù)的低通和高通濾波器，則二維小波變換的快速分解公式為其中為尺度空間的剩余尺度

6、系數(shù)序列，它是經(jīng)過行列兩個方向低通濾波后的輸出，對應(yīng)原始圖像信號在下一個尺度上的低頻概貌，屬于LL頻帶；經(jīng)過行方向高通，列方向低通，對應(yīng)水平方向的細節(jié)信號在垂直方向的概貌，屬于HL頻帶；包含了水平方向低通、垂直方向低通濾波后所保留的細節(jié)信息，對應(yīng)LH頻帶，包含了水平和垂直方向都經(jīng)過高通濾波后的細節(jié)信息，表示對角線的細節(jié)信息，屬于HH頻帶。圖像的兩層多分辨率小波分解如圖1所示。圖2.1 兩層多分辨率小波分解示意圖每一級分解都把圖像分解為四個頻帶水平（HL）、垂直(LH)、對角(HH) 和低頻，其中低頻(LL)部分還可以進行下一級的分解，從而構(gòu)成了小波的塔式分解。一幅圖像經(jīng)過分解之后，圖像的主要能

7、量主要集中于低頻部分，圖像的高頻部分即圖像的細節(jié)部分所含能量較少，分布在三個子圖中，主要包含了原圖的邊緣和紋理部分信息。小波變換的這些性質(zhì)為數(shù)字圖像的局部特性(如邊緣，紋理等)提供了很好的空間一尺度定位，同時由于其多分辨率的表示，可以直接對圖像進行分級處理，這一特性更可以實現(xiàn)水印的漸進解碼和傳輸。上述快速算法，是在已知原始二維函數(shù)在某一尺度空間的展開系數(shù)矩陣基礎(chǔ)之上進行計算的。初始矩陣的選取是二維快速算法中的一個重要問題，嚴格的講，初始矩陣應(yīng)使用公式：其中，上標表示尺度，下標表示兩個方向的位移，為小波函數(shù)計算獲得。對于初始矩陣的選取，工程上有一種簡化的方法，即直接將原始二維函數(shù)的離散矩陣看作為

8、初始矩陣，本文采用db小波函數(shù)進行了一級分解，在小波變換高頻系數(shù)中進行嵌入。2.1.2、設(shè)計方法和實施過程（1）水印的嵌入圖2.2 水印嵌入流程圖（2）水印的提取圖2.3 水印提取流程圖（3）攻擊方式 高斯噪聲攻擊使用matlab自帶函數(shù)：nosie=fspecial('gaussian',3,indensity);embedImage=filter2(nosie,Image); 椒鹽噪聲攻擊使用matlab自帶函數(shù)：embedImage=imnoise(Image,'salt & pepper',indensity) ; 圖像剪切攻擊利用矩陣運算對圖像

9、進行剪切。（4）指標評價 峰值信噪比（PSNR）峰值信噪比，如以下公式。用來作為評價水印算法嵌入的平均指標MSE=1mni=0m-1j=0n-1Ii,j-K(i,j)2PSNR=10log10MAXI2MSE=20log10(MAXIMSE) 相似度（NC）相似度即歸一化相似系數(shù)，如以下公式。用來對比水印與提取水印的相關(guān)性，作為水印算法提取的評價指標。dcy1,y2=y1Ty2y1y22.2、彩色圖像水印2.2.1基本原理 彩色水印嵌入的原理具體步驟 ：（1）分別對彩色的宿主圖像和水印圖像進行降維處理，提取各自的RGB值，這樣原來的三維數(shù)組就變成了三個獨立的二維數(shù)組；（2）設(shè)定嵌入強度alph

10、a值，利用DCT變換對提取的RGB三個分量在變換域進行分塊嵌入； （3）對各塊進行IDCT變換，然后對圖像進行重構(gòu)，得到RGB三個分量上的嵌入水印之后的圖片；（4）對得到的RGB三個分量上的嵌入水印之后的圖片進行合成得到帶水印的彩色圖片。彩色水印提取的具體步驟 ：（1）對嵌有水印的彩色圖片降維得到RGB三個分量上的水印圖片；（2）對RGB三個分量上的水印圖片在變換域進行分塊提??；（3）對水印圖像進行重構(gòu)，得到RGB三個分量上的水印圖片；（4）對得到的RGB三個分量上的水印圖片進行合成得到彩色水印圖片。2.2.2、設(shè)計方法和實施過程（1）水印的嵌入圖 2.4 彩色圖像數(shù)字水印嵌入流程圖（2）水印

11、的提取圖 2.5 彩色圖像數(shù)字水印提取流程圖三、灰度圖像實驗結(jié)果 3.1 LSB算法嵌入提取水印（1）無攻擊下的提取圖3.1 LSB無攻擊下水印提取從實驗結(jié)果可以看出最低有效位算法的PSNR偏高，說明圖像透明性非常好，但是相似度較低，說明LSB算法很容易受到干擾，魯棒性差。（2）噪聲攻擊下的提取 圖3.2 LSB噪聲攻擊下水印提取(左：高斯噪聲，右：椒鹽噪聲)通過實驗結(jié)果，可以知道高斯噪聲下提取的水印并沒有在椒鹽噪聲下提取的清晰，但依然能夠獲取水印信息，說明LSB算法具備一定的抗噪效果。（3）剪切攻擊下的提取剪切攻擊是一種空間上的攻擊手段，一般采用剪切嵌入水印圖像的一部分，然后再利用殘缺的圖像

12、來還原嵌入的信息。圖3.3 LSB剪切攻擊下的提取從結(jié)果來看，剪切攻擊使得水印完全提取不出來，由此可以看出LSB抗剪切能力較差，像素的丟失使得最低有效位信息丟失，從而導致了水印丟失。 3.2 DCT算法嵌入提取水?。?）無攻擊下的提取圖3.4 DCT無攻擊下的提取DCT變換域下的水印嵌入與提取，從實驗結(jié)果來看，魯棒性比LSB算法明顯提高。（2）噪聲攻擊下的提取 圖3.5 DCT噪聲攻擊下的提?。ㄗ?高斯噪聲，右：椒鹽噪聲）從實驗結(jié)果來看，DCT變換域下的水印算法在抗低強度高斯噪聲攻擊下能力很強。DCT變換域下的水印算法在椒鹽噪聲攻擊下水印失真，但信息還可以辨別。（3）圖像剪切攻擊下的提取 圖3

13、.6 DCT剪切攻擊下的提取從實驗結(jié)果來看，DCT變換域下的水印算法抗剪切攻擊能力很強。在64*64的剪切攻擊下，并不受影響。3.3 DWT算法嵌入提取水?。?）無攻擊下的提取通過離散小波變換得嵌入的水印在沒有任何攻擊手段的提取下，能夠很好的提取出水印信息，同時隱蔽性也很強。可以說DWT變換域下的水印算法魯棒性較好，相似能夠達到100%。如圖3.6所示。圖3.7 DWT無攻擊下的提取（3）高斯噪聲攻擊下的提取 圖3.8 DWT噪聲攻擊下的提?。ㄗ?高斯噪聲，右：椒鹽噪聲）從結(jié)果得出，離散小波變換的數(shù)字水印抗高斯噪聲能力很強，在受到0.2強度的高斯噪聲下，相似度依然能夠達到99%。但是抗椒鹽噪聲

14、卻沒有那么好的效果。（3）置換加密效果圖圖3.9 置換加密處理通過matlab中的隨機數(shù)函數(shù)給水印嵌入與提取置換加密處理，需要輸入正確的密鑰才能成功提取水印，從而提高了水印的安全性。四、彩色圖像實驗結(jié)果4.1 不同嵌入強度系數(shù)的水印效果（1）嵌入強度系數(shù)（alpha）等于1/3000時，如圖4.1圖4.1 alpha等于1/3000（2）嵌入強度系數(shù)（alpha）等于1/10000時，如圖圖4.2 alpha等于1/10000當alpha=1/3000時，峰值信噪比為29.969，相似度為0.95663，提取的水印失真程度?。划攁lpha=1/10000時，峰值信噪比為40.3485，相似度為

15、0.86473，提取的水印失真程度大；因此提取的水印嵌入強度越大，透明性越差，魯棒性越好；嵌入強度越小，透明性越好，魯棒性越差。4.2高斯噪聲攻擊下的水印提取圖4.3 高斯攻擊下的提取該彩色圖像分三層使用DWT算法嵌入水印。如圖4.3，DWT算法依然對高斯噪聲有著較強的魯棒性，提取的水印并沒有受到噪聲影響。五、總結(jié)本文在水印的嵌入、提取和攻擊時，分別采用了空域LSB算法，變換域中的DCT算法，DWT算法；選擇評價指標時，為了確保結(jié)果的準確性，選擇了不同的指標。在嵌入中使用PSNR峰值信噪比來體現(xiàn)透明性，在提取中使用NC相似度來體現(xiàn)魯棒性；在GUI中將參數(shù)（攻擊強度參數(shù)和嵌入強度參數(shù)）設(shè)置為可變的，使設(shè)計更加靈活；在安全性方面利用MATLAB中隨機數(shù)函數(shù)加入了置亂和水印嵌入及提取的密鑰，大大提高水印安全性。在攻擊性方面，采用了高斯噪聲攻擊，椒鹽噪聲攻擊以及圖像剪切等多種攻擊手段。從實踐中可以看出并沒有一種完美的水印手段，每一算法都具有針對性，不具有普遍性。參考