第4章(2) 基于混沌特性的 小波数字水印算法C-SVD.ppt
第4章(2) 基于混沌特性的小波数字水印算法C-SVD,4.1小波4.2基于混沌特性的小波数字水印算法C-SVD 4.2.1 小波SVD数字水印算法 4.2.2 基于混沌特性的小波数字水印算 法C-SVD4.3 图像的数字水印嵌入及 图像的类型解析4.4 声音的数字水印嵌入4.5 数字水印的检测4.6 数字水印检测结果的评测,图像的类型解析,灰度图像 RGB图像 索引图像,由此可见对索引图像直接采用小波C-SVD方法嵌入数字水印是行不通的。可以通过图像类型转换，将索引图像首先转换为RGB图像，采用对RGB图像嵌入水印的方法，再将嵌入水印后的图像由RGB图像转换为索引图像，这样既不会影响文件所占空间又不会产生调色板带来的差距，图4.14显示了索引图像的水印嵌入过程。,4.4 声音的数字水印嵌入,WAVE 声音文件可以看作一个列向量。根据C-SVD方法，如果要在WAVE 声音文件中嵌入数字水印，要将WAVE声音文件转换为二维矩阵，只有这样才能通过计算二维矩阵的相关系数判断水印存在与否。因此首先要将WAVE声音文件这个列向量转换为n阶方阵，不足的元素由0来填充。接下来的操作与图像的水印嵌入过程相同。然后将嵌入数字水印的方阵转换为列向量，并根据填充0的元素个数将列向量的最后几个元素去掉。图4.15显示了一个WAVE声音文件在嵌入数字水印前后的声音波形图。,4.4 声音的数字水印嵌入,从图中可以看出，WAVE声音的波形变动很小，人的听觉系统是无法分辨其间的差距的。MP3音乐风靡全球，深得人们的喜爱。那么如何保护MP3音乐作品的版权呢？可以对MP3音乐声音文件嵌入数字水印来实现其版权保护。方法为：将MP3音乐声音文件转化为WAVE声音文件，使用上面讨论的对WAVE声音文件嵌入数字水印的方法，再将WAVE声音文件转化为MP3音乐声音文件.这要求水印是健壮的，因为从WAVE声音文件转化为MP3音乐声音文件是一个有损压缩的过程。,4.5 数字水印的检测,数字水印的检测成功与否非常关键，一个信号中的水印如果不能正确地被检测出来，那么就失去了数字水印存在的意义。图4.16显示了数字水印的检测过程。,设原图像为XP，被检测图像为XP，数字水印的检测步骤如下：(1)将原图像进行小波分解，得到低频分量Ca(2)将被检测图像进行小波分解，得到低频分量Ca(3)计算两个低频分量的差值W=Ca-Ca(4)由原图像得到原水印W(5)计算两个水印之间的相关系数(6)根据相关系数判定水印存在与否,理论上讲，当被检测图像中包含数字水印时，其相关系数应该为1，反之则介于0、1之间。但是一般说来，实际信号经过传输中的噪声以及其它一些信息处理操作，都会发生或多或少的改变，因此这里判断出的相关系数很难达到1或者是0。只能根据相关系数向1和0的趋近程度来判断是否存在数字水印。矩阵对相关性相当敏感，不相关的矩阵经过通常的变换计算出的相关系数非常接近于0，而相关矩阵即使经过一些变换其相关值也非常接近于1，这使得判别水印的存在状况有了依据。,4.6数字水印检测结果的评测,4.6.1 参数d/n与对数字水印的影响,图像的小波系数水印改变量用| (CA) | 来衡量，它受尺度参数控制。在数字水印的嵌入技术中除了初值之外还有两个参数极为重要：一个是d/n，另一个是。W(CA)的随机性由参数d/n控制。图4.12给出及d/n对水印的影响。因此在加水印的过程中有必要对参数及d/n进行合理的选择和测试。选择不同的参数，水印效果是不同的。测试结果如图4.17所示。,d/n表示原矩阵被随机矩阵替代的列数。从图4.7中可以直观地看到d/n的值越接近于1，生成的水印随机性越强，反之则越象原图像。图4.18和4.19中的两个图分别显示了d/n=0.01和d/n=0.99时，选取连续的500个初值生成的水印与原水印之间相关系数的比较结果。,其中选取的初值为1到500之间的整数，原水印的初值为200。从两个图的对比中可以看出当d/n越接近于1时，各初值生成的水印间的相关性越差，水印检测效果比较明显；当d/n接近于0时，各初值生成的水印间的相关性较强，水印不易被准确检测出来。图4.20显示了500个初值的100组数据的比较结果。其中d/n的取值从0.01到1，每次递增0.01。从以上100组数据的变化规律以及前面的实验结果可以得到以下结论：d/n的值越趋近于0，其生成的数字水印越接近于原图像，不同初值产生的数字水印之间的相关性越强，水印的检测难度越大；d/n的值越趋近于1，其生成的数字水印越随机，不同初值产生的数字水印之间的相关性越差，水印的检测越准确。,从理论角度分析，两个图像越相象，它们之间的相关性越强。当两个图像完全相同时，它们的相关系数为1；反之，两个图像越随机，它们之间的相关性越弱。当d/n趋近于1时，随机矩阵取代了绝大部分原矩阵数据，因此生成的水印图像随机性较强；d/n趋近于0时，随机矩阵几乎没有对原矩阵产生任何影响，因此生成的水印图像比较相似。可见，上面的实验结果与理论分析完全一致。相关系数高的水印属于弱水印，这类水印大多应用于完整性确认；相关系数低的水印属于强水印，它广泛应用于版权保护、身份确认等方面,的值为0、1之间的实数，值的大小代表着水印信息在嵌入水印后的图像中痕迹所占的比重。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，由于生成的数字水印是由原图像得来的，因此取值的大小不会对最终图像的结果产生感官上的影响。对于以其它途径获得的数字水印来说，适当地选取值极为重要。对于用来进行内容保护或标记注释的数字水印来说，尽量选择较大的值，以增强水印信息的影响力；而对于用在版权保护或信息隐藏方面的数字水印来说，要选取较小的值以避免秘密信息的泄漏。,4.6.2 数字水印的抗压缩检测,从这个改进的算法C-SVD可以得出以下结论：,(1) 密钥唯一性：不同的密钥产生不等价的水印，即对任何图像M, (2) 不可逆性：混沌序列Xn是不可逆的： 是不可逆的，即不能根据W(CA)逆推出来。不可逆意味着对于任何水印信号W，很难找到其它有效水印与该水印信号等价。 (3) 不可见性：C-SVD算法是不可见水印处理系统，嵌入水印后没产生可见的数据修改，即加水印后的数字产品相似于原始数字产品，即XPw XP0。 (4) 水印有效性：在水印处理算法C-SVD中水印是有效的。对于特定的产品XPXS，当且仅当存在KKS，使得 G(XP,K)=W。,(5) 产品依赖性：在相同的密钥条件下，当G算子用在不同的产品时，产生不同的水印信号，即对于任何特定的密钥KKS和任何XP1、XP2XS满足。 (6) 多重水印：对已知水印信号的产品用另一个不同的密钥再作水印嵌入是可能的。若，i=1,2,n，那么对于任何，原始水印必须在中还能检测出来，即相关系数，这里n是一个足够大的整数使得XPn相似于XP0。而XPn+1与XP0却不相似。 (7) 鲁棒性：设XP0是原始产品，而XPw是加水印的产品并且，又设M是一个多媒体操作算子，则对于任何YXPw，满足，而且对于任何，满足。 (8) 计算有效性：水印处理算法C-SVD比较容易用软件实现，实验表明水印检测算法是足够快的，能满足在产品发行网络中对多媒体数据的管理。,
