第4章(2)基于混沌特性的小波數(shù)字水印算法c-svd

1、第4章(2) 基于混沌特性的小波數(shù)字水印算法C-SVD,4.1小波4.2基于混沌特性的小波數(shù)字水印算法C-SVD 4.2.1 小波SVD數(shù)字水印算法 4.2.2 基于混沌特性的小波數(shù)字水印算 法C-SVD4.3 圖像的數(shù)字水印嵌入及 圖像的類型解析4.4 聲音的數(shù)字水印嵌入4.5 數(shù)字水印的檢測4.6 數(shù)字水印檢測結(jié)果的評測,圖像的類型解析,灰度圖像 RGB圖像 索引圖像,,由此可見對索引圖像直接采

2、用小波C-SVD方法嵌入數(shù)字水印是行不通的?？梢酝ㄟ^圖像類型轉(zhuǎn)換，將索引圖像首先轉(zhuǎn)換為RGB圖像，采用對RGB圖像嵌入水印的方法，再將嵌入水印后的圖像由RGB圖像轉(zhuǎn)換為索引圖像，這樣既不會(huì)影響文件所占空間又不會(huì)產(chǎn)生調(diào)色板帶來的差距，圖4.14顯示了索引圖像的水印嵌入過程。,4.4 聲音的數(shù)字水印嵌入,WAVE 聲音文件可以看作一個(gè)列向量。根據(jù)C-SVD方法，如果要在WAVE 聲音文件中嵌入數(shù)字水印，要將WAVE聲音文件轉(zhuǎn)換為二維矩陣，只

3、有這樣才能通過計(jì)算二維矩陣的相關(guān)系數(shù)判斷水印存在與否。因此首先要將WAVE聲音文件這個(gè)列向量轉(zhuǎn)換為n階方陣，不足的元素由0來填充。接下來的操作與圖像的水印嵌入過程相同。然后將嵌入數(shù)字水印的方陣轉(zhuǎn)換為列向量，并根據(jù)填充0的元素個(gè)數(shù)將列向量的最后幾個(gè)元素去掉。圖4.15顯示了一個(gè)WAVE聲音文件在嵌入數(shù)字水印前后的聲音波形圖。,4.4 聲音的數(shù)字水印嵌入,從圖中可以看出，WAVE聲音的波形變動(dòng)很小，人的聽覺系統(tǒng)是無法分辨其間的差距的。MP

4、3音樂風(fēng)靡全球，深得人們的喜愛。那么如何保護(hù)MP3音樂作品的版權(quán)呢？可以對MP3音樂聲音文件嵌入數(shù)字水印來實(shí)現(xiàn)其版權(quán)保護(hù)。方法為：將MP3音樂聲音文件轉(zhuǎn)化為WAVE聲音文件，使用上面討論的對WAVE聲音文件嵌入數(shù)字水印的方法，再將WAVE聲音文件轉(zhuǎn)化為MP3音樂聲音文件.這要求水印是健壯的，因?yàn)閺腤AVE聲音文件轉(zhuǎn)化為MP3音樂聲音文件是一個(gè)有損壓縮的過程。,4.5 數(shù)字水印的檢測,數(shù)字水印的檢測成功與否非常關(guān)鍵，一個(gè)信號中的水印如果不

5、能正確地被檢測出來，那么就失去了數(shù)字水印存在的意義。圖4.16顯示了數(shù)字水印的檢測過程。,設(shè)原圖像為XP，被檢測圖像為XP’，數(shù)字水印的檢測步驟如下：(1)將原圖像進(jìn)行小波分解，得到低頻分量Ca(2)將被檢測圖像進(jìn)行小波分解，得到低頻分量Ca’(3)計(jì)算兩個(gè)低頻分量的差值W’=Ca-Ca’(4)由原圖像得到原水印W(5)計(jì)算兩個(gè)水印之間的相關(guān)系數(shù)(6)根據(jù)相關(guān)系數(shù)判定水印存在與否,理論上講，當(dāng)被檢測圖像中包含數(shù)字水

6、印時(shí)，其相關(guān)系數(shù)應(yīng)該為1，反之則介于0、1之間。但是一般說來，實(shí)際信號經(jīng)過傳輸中的噪聲以及其它一些信息處理操作，都會(huì)發(fā)生或多或少的改變，因此這里判斷出的相關(guān)系數(shù)很難達(dá)到1或者是0。只能根據(jù)相關(guān)系數(shù)向1和0的趨近程度來判斷是否存在數(shù)字水印。矩陣對相關(guān)性相當(dāng)敏感，不相關(guān)的矩陣經(jīng)過通常的變換計(jì)算出的相關(guān)系數(shù)非常接近于0，而相關(guān)矩陣即使經(jīng)過一些變換其相關(guān)值也非常接近于1，這使得判別水印的存在狀況有了依據(jù)。,4.6數(shù)字水印檢測結(jié)果的評測,4.6.

7、1 參數(shù)d/n與б對數(shù)字水印的影響,圖像的小波系數(shù)水印改變量用|| (CA) || 來衡量，它受尺度參數(shù)σ控制。在數(shù)字水印的嵌入技術(shù)中除了初值之外還有兩個(gè)參數(shù)極為重要：一個(gè)是d/n，另一個(gè)是б。W(CA)的隨機(jī)性由參數(shù)d/n控制。圖4.12給出σ及d/n對水印的影響。因此在加水印的過程中有必要對參數(shù)σ及d/n進(jìn)行合理的選擇和測試。選擇不同的參數(shù)，水印效果是不同的。測試結(jié)果如圖4.17所示。,,d/n表示原矩陣被隨機(jī)矩陣替代的列數(shù)。從圖4

8、.7中可以直觀地看到d/n的值越接近于1，生成的水印隨機(jī)性越強(qiáng)，反之則越象原圖像。圖4.18和4.19中的兩個(gè)圖分別顯示了d/n=0.01和d/n=0.99時(shí)，選取連續(xù)的500個(gè)初值生成的水印與原水印之間相關(guān)系數(shù)的比較結(jié)果。,其中選取的初值為1到500之間的整數(shù)，原水印的初值為200。從兩個(gè)圖的對比中可以看出當(dāng)d/n越接近于1時(shí)，各初值生成的水印間的相關(guān)性越差，水印檢測效果比較明顯；當(dāng)d/n接近于0時(shí)，各初值生成的水印間的相關(guān)性較強(qiáng)，水

9、印不易被準(zhǔn)確檢測出來。圖4.20顯示了500個(gè)初值的100組數(shù)據(jù)的比較結(jié)果。其中d/n的取值從0.01到1，每次遞增0.01。從以上100組數(shù)據(jù)的變化規(guī)律以及前面的實(shí)驗(yàn)結(jié)果可以得到以下結(jié)論：d/n的值越趨近于0，其生成的數(shù)字水印越接近于原圖像，不同初值產(chǎn)生的數(shù)字水印之間的相關(guān)性越強(qiáng)，水印的檢測難度越大；d/n的值越趨近于1，其生成的數(shù)字水印越隨機(jī)，不同初值產(chǎn)生的數(shù)字水印之間的相關(guān)性越差，水印的檢測越準(zhǔn)確。,從理論角度分析，兩個(gè)圖像越相象

10、，它們之間的相關(guān)性越強(qiáng)。當(dāng)兩個(gè)圖像完全相同時(shí)，它們的相關(guān)系數(shù)為1；反之，兩個(gè)圖像越隨機(jī)，它們之間的相關(guān)性越弱。當(dāng)d/n趨近于1時(shí)，隨機(jī)矩陣取代了絕大部分原矩陣數(shù)據(jù)，因此生成的水印圖像隨機(jī)性較強(qiáng)；d/n趨近于0時(shí)，隨機(jī)矩陣幾乎沒有對原矩陣產(chǎn)生任何影響，因此生成的水印圖像比較相似。可見，上面的實(shí)驗(yàn)結(jié)果與理論分析完全一致。相關(guān)系數(shù)高的水印屬于弱水印，這類水印大多應(yīng)用于完整性確認(rèn)；相關(guān)系數(shù)低的水印屬于強(qiáng)水印，它廣泛應(yīng)用于版權(quán)保護(hù)、身份確認(rèn)等方面

11、,б的值為0、1之間的實(shí)數(shù)，б值的大小代表著水印信息在嵌入水印后的圖像中痕跡所占的比重。б的值越接近于1，它所占的比重越大，越接近于0它所占的比重越小。在C-SVD算法中，由于生成的數(shù)字水印是由原圖像得來的，因此б取值的大小不會(huì)對最終圖像的結(jié)果產(chǎn)生感官上的影響。對于以其它途徑獲得的數(shù)字水印來說，適當(dāng)?shù)剡x取б值極為重要。對于用來進(jìn)行內(nèi)容保護(hù)或標(biāo)記注釋的數(shù)字水印來說，盡量選擇較大的б值，以增強(qiáng)水印信息的影響力；而對于用在版權(quán)保護(hù)或信息隱藏方

12、面的數(shù)字水印來說，要選取較小的б值以避免秘密信息的泄漏。,4.6.2 數(shù)字水印的抗壓縮檢測,,從這個(gè)改進(jìn)的算法C-SVD可以得出以下結(jié)論：,(1) 密鑰唯一性：不同的密鑰產(chǎn)生不等價(jià)的水印，即對任何圖像M, (2) 不可逆性：混沌序列{Xn}是不可逆的： 是不可逆的，即不能根據(jù)W(CA)逆推出來。不可逆意味著對于任何水印信號W，很難找到其它有效水印與該水印信號等價(jià)。 (3) 不可見性：C-SVD算法是不可見水印處理系統(tǒng)

13、，嵌入水印后沒產(chǎn)生可見的數(shù)據(jù)修改，即加水印后的數(shù)字產(chǎn)品相似于原始數(shù)字產(chǎn)品，即XPw ~ XP0。 (4) 水印有效性：在水印處理算法C-SVD中水印是有效的。對于特定的產(chǎn)品XP∈XS，當(dāng)且僅當(dāng)存在K∈KS，使得 G(XP,K)=W。,(5) 產(chǎn)品依賴性：在相同的密鑰條件下，當(dāng)G算子用在不同的產(chǎn)品時(shí)，產(chǎn)生不同的水印信號，即對于任何特定的密鑰K∈KS和任何XP1、XP2∈XS滿足。 (6) 多重水印：對已知水印信號的產(chǎn)品用另一個(gè)

14、不同的密鑰再作水印嵌入是可能的。若，i=1,2,…n，那么對于任何，原始水印必須在中還能檢測出來，即相關(guān)系數(shù)，這里n是一個(gè)足夠大的整數(shù)使得XPn相似于XP0。而XPn+1與XP0卻不相似。 (7) 魯棒性：設(shè)XP0是原始產(chǎn)品，而XPw是加水印的產(chǎn)品并且，又設(shè)M是一個(gè)多媒體操作算子，則對于任何Y~XPw，，滿足，而且對于任何，滿足。 (8) 計(jì)算有效性：水印處理算法C-SVD比較容易用軟件實(shí)現(xiàn)，實(shí)驗(yàn)表明水印檢測算法是足夠快的，能滿足在