一種基于Cox算法的分塊DCT圖像水印算法研究

1、一種基于Cox算法的分塊DCT圖像水印算法研究論文導(dǎo)讀:：本文介紹了DCT域圖像水印技術(shù)，詳細(xì)分析了經(jīng)典的Cox算法和一種基于塊分類的自適應(yīng)圖像水印算法;通過分析圖像在流通中可能經(jīng)常遇到的一些信號(hào)處理、幾何變換以及可能性攻擊，對水印算法進(jìn)行了分析、實(shí)驗(yàn)和測試。Cox算法是一種基于DCT變換的擴(kuò)頻水印技術(shù)，它將高斯隨機(jī)序列參加到圖像的DCT變換后視覺最重要的系數(shù)中?；趬K分類的自適應(yīng)圖像水印算法將原始圖像分塊并設(shè)計(jì)了一個(gè)基于視覺掩蔽特性的分類器，根據(jù)分類的結(jié)果，不同強(qiáng)度的水印分量被嵌入到不同圖像塊的DCT低頻系數(shù)中。實(shí)驗(yàn)結(jié)果說明，DCT域算法得到的水印圖像失真小，對于根本的圖像處理操作具有較強(qiáng)的

2、魯棒性。論文關(guān)鍵詞：數(shù)字水印，離散余弦變換，分塊，魯棒性，擴(kuò)頻1DCT域圖像水印離散余弦變換它的離散余弦反變換在數(shù)字圖像處理中使用的是二維離散余弦變換，對一幅圖像，它的DCT變換為：反離散余弦變換注：以上格式中2Cox算法原理2.1嵌入水印Cox等人提出的一種基于DCT變換的擴(kuò)頻水印技術(shù)【1】擴(kuò)頻，它是一種典型的DCT域算法。該算法將滿足正態(tài)分布的偽隨機(jī)序列參加到圖像的DCT變換后視覺最重要系數(shù)中所示的乘性準(zhǔn)那么。這里為嵌入水印序列后的載體圖像塊；為原始載體圖像塊；為水印嵌入強(qiáng)度；為待嵌入的水印序列。一般來說，乘性準(zhǔn)那么的抗失真性能要優(yōu)于加性準(zhǔn)那么。2.2 提取水印基于DCT變換的擴(kuò)頻水印算法

3、的水印提取采用如下公式：確定水印的存在是通過計(jì)算。Cox算法水印的檢測是通過計(jì)算相關(guān)函數(shù)作相似性運(yùn)算。從嵌入水印的圖像中提取是嵌入規(guī)那么的逆過程，把提取出來的水印與原始水印作相似性運(yùn)算，與指定的閾值比擬，可確定是否存在水印。這是穩(wěn)健性水印的奠基性算法，得到了非常廣泛的應(yīng)用。水印檢測是通過比擬水印和可能變化的DCT系數(shù)間的相關(guān)性和一個(gè)閾值而進(jìn)行的。對待檢測的圖像，按照與水印嵌入相似的步驟，獲得從第至第個(gè)DCT系數(shù)，按下式計(jì)算和水印的相關(guān)值：作者在文獻(xiàn)中使用的閾值由下式?jīng)Q定：3 一種基于Cox算法的分塊DCT算法的實(shí)現(xiàn)與分析許多人在Cox算法的根底上進(jìn)行了大量的工作，結(jié)合基于分塊DCT的圖像壓縮方

4、法，將水印嵌入到受攻擊影響最小的系數(shù)中，結(jié)合人類視覺特性，設(shè)計(jì)圖像的自適應(yīng)算法。下面探討一種分塊DCT算法【2】。3.1 水印嵌入與提取算法的步驟1 嵌入水印首先將原始載體圖像分成互不重疊塊BWblock，每塊為大小，對每塊進(jìn)行DCT變換免費(fèi)論文下載。為了保證水印的不可見性，選取變換后的DCT系數(shù)中紋理較復(fù)雜的局部嵌入水印系數(shù)，在紋理較簡單的局部嵌入水印系數(shù)，本文選擇。由于視覺上，人眼對紋理越復(fù)雜的局部越不敏感，故在紋理較復(fù)雜處嵌入幅值較大的水印信息，在紋理較簡單處嵌入幅值較小的水印信息。此算法中仍采用公式6。2 提取水印水印的提取是先將嵌入水印后的含水印圖像和原始載體圖像都進(jìn)行分塊DCT變換

5、，然后根據(jù)嵌入強(qiáng)度和水印提取公式7，將變換后原始圖像的嵌入?yún)^(qū)域數(shù)據(jù)和含水印圖像的嵌入?yún)^(qū)域數(shù)據(jù)進(jìn)行求差運(yùn)算得到初始水印序列。其中不同紋理復(fù)雜度的地方嵌入水印的強(qiáng)度不同。水印的檢測仍然采用相關(guān)函數(shù)作相似性運(yùn)算，然后與經(jīng)驗(yàn)值8比擬來確定是否存在水印。3.2 實(shí)驗(yàn)結(jié)果與分析設(shè)有大小為的圖像lena，將其作為載體圖像。MATLAB產(chǎn)生的偽隨機(jī)序列作為水印圖像，按照上述算法嵌入水印，實(shí)驗(yàn)結(jié)果如圖1所示：圖1 原始載體圖像與嵌入水印后的圖像對嵌入水印后的載體圖像分別進(jìn)行各類攻擊，并將提取出的水印與原始水印作相似性運(yùn)算，將結(jié)果與經(jīng)驗(yàn)閾值5進(jìn)行比擬，假設(shè)大于5，那么判斷水印存在；否那么，不存在。實(shí)驗(yàn)結(jié)果如圖2圖

6、6所示：1參加高斯噪聲圖2 參加高斯噪聲從圖2中可以看出擴(kuò)頻，對含水印圖像參加高斯噪聲后，原始水印序列和提取的水印序列之間的相關(guān)值約為13，故判斷水印存在。2均值濾波圖3 均值濾波從圖3中可以看出，對含水印圖像進(jìn)行均值濾波后，原始水印序列和提取的水印序列之間的相關(guān)值約為12，故判斷水印存在。3剪切圖4 剪切從圖4中可以看出，對含水印圖像進(jìn)行剪切后，原始水印序列和提取的水印序列之間的相關(guān)值約為1，故判斷水印不存在。4JPEG壓縮圖5 JPEG壓縮從圖5中可以看出，對含水印圖像進(jìn)行JPEG壓縮后，原始水印序列和提取的水印序列之間的相關(guān)值約為35，故判斷水印存在。5旋轉(zhuǎn)圖6 旋轉(zhuǎn)從圖6中可以看出，對

7、含水印圖像進(jìn)行旋轉(zhuǎn)后，原始水印序列和提取的水印序列之間的相關(guān)值約為2，故判斷水印不存在。根據(jù)上述實(shí)驗(yàn)結(jié)果，分析如下：1 將人類視覺特性應(yīng)用到水印算法中，而不可見性與人類視覺特性緊密相關(guān)。2 該算法對加噪、濾波和JPEG壓縮的魯棒性較好，但是不能有效地抵御剪切和旋轉(zhuǎn)攻擊。3 由于采用自適應(yīng)，所實(shí)現(xiàn)的水印在穩(wěn)健性能上較一些典型的方法有一定的提高。4.4小結(jié)正態(tài)分布偽隨機(jī)序列作為數(shù)字水印嵌入載體圖像的DCT變換后的幅值較大區(qū)域的透明性和穩(wěn)健性均較好。在大多數(shù)情況下，希望得到透明性和穩(wěn)健性均較好的算法，DCT域數(shù)字水印技術(shù)可以滿足這一要求，從而更方便對數(shù)字產(chǎn)品所有權(quán)的認(rèn)定。參考文獻(xiàn)【1】Cox I J,et al. A Secure Robust Watermark for Multimedia. Workshop on InformationHiding, Cambridge, UK, 1996, Numbe