量化水印(源代码,绝对可以实现).docVIP

量化水印 背景知识 在数字水印中，我们知道，设计的水印算法有时要对保真度、鲁棒性等主要性能进行折中，而从保真度和鲁棒性这两个基本的特征出发，要求水印嵌入后满足以下两个条件： 从保真度出发，要求水印嵌入后，有水印的载体数据与原始载体数据近似相等。 从鲁棒性出发，要求嵌入水印后的载体数据具有非连续性，以确保可以对抗干扰。 最初将量化运用于水印，就是为解决这方面的问题而出发的。从数学的角度来看，量化可以表示如下： Y=fstep(x)=step*[x/step]=step*round(x/step) 式中，x是待量化的数据，step是量化步长，Y是量化结果；[]和round均表示进行四舍五入取整；fstep( )是量化函数。 显然，量化函数fstep( )是一个多对一函数，是不可逆的，因此量化一般运用于不可逆水印，而且，由于量化结果均为整数，因此输出为离散值，并且误差满足|Y-x|=step/2，即在量化步长step不是特别大的情况下，Y与x是近似相等的，所以量化满足上述两个条件，可以运用于数字水印中。 量化水印的算法 设计量化水印系统的关键在于选择实时可行的量化器集合，将不同的待嵌入的水印信息与不同的量化器相对应起来，然后用相应的量化器将载体数据进行量化，就可以得到含有水印的载体数据。由于大多数情况下，水印信息都是二进制的，因此下面以研究如何嵌入二进制水印信息为例来进行说明。 二进制信息中，有0和1两种不同的数据，因此，需要两个不同的量化器，分别用A和B来表示。假设当发送水印信息为0时，用量化器A来对载体数据进行量化；当发送水印信息为1时，用量化器B来对载体数据进行量化，这样就可以得到两组不同的量化数据。在量化器中，量化器选择与原始载体数据最接近的数据来代替原始载体数据，从而保证不可感知性，即保真度；而且，A、B两个量化器之间的数据没有重叠，从而保证不同水印数据的不连续性，即使得水印系统具有一定的鲁棒性。提取水印时，根据待检数据与不同量化数据之间的距离，就可以恢复出嵌入的信息。 一种常用的二进制量化水印算法可以用公式表示如下： Q(x,s)+s*3/4 , w=1 Y= Q(x,s)+s*1/4 , w=0 式中，s代表量化步长，w表示水印信息，x表示原始载体数据，Q(x,s)是量化函数，Y是量化后的数据。Q(x,s)可如下表示 Q(x,s)=floor（x/s）*s floor（）表示向下取整函数。 水印提取过程，可以用如下公式来表示： 1 , 如果 Y - Q(x,s) s/2 W= 1 , 如果 Y - Q(x,s) s/2 可见，只要干扰对Y的攻击在（-s/4,s/4）的范围内，嵌入的水印信息就可以正确的提取。上式中，s越大，水印系统鲁棒性越好，但是保真度会越差，这也从一个方面说明，鲁棒性和保真度这两个特性是互相矛盾的；当s=2时，如果是在时域进行量化，相当于LSB算法。 量化水印算法根据水印嵌入位置不同，有时域量化和频域量化两种。时域量化直接通过修改载体数据时空域值来嵌入水印，这种算法容易且直观，但是鲁棒性和保真度都很差；频域量化通过修改载体数据频域系数值来嵌入水印，这种算法是把水印信号能量分散到所有或部分载体频带上，因此鲁棒性和保真度都较时域量化好。 当然，量化水印算法有很多种，上述算法只是最基本的一种，其他量化水印算法还有比如抖动调制算法（DM）、扩展变换抖动调制算法（STDM）、带失真补偿的抖动调制算法（DC-DM）等。 量化水印具有如下优点： 水印检测时多为盲检测，不需要原始载体数据。 载体不影响水印的检测性能，在无干扰的情况下，可以完全恢复出嵌入的信息。 Matlab仿真 下面以最基本的量化水印算法来进行仿真设计，算法是基于时空域的，其M代码如下： clear; clc; %=====================读入并显示载体图形===================== p_lena=rgb2gray(imread(lena.jpg)); figure; subplot(2,2,1); imshow(p_lena); [m1,n1]=size(p_lena); %=====================读入并显示二值水印图片===================== w_pict=imread(jnu.bmp); subplot(2,2,2); imshow(w_pict);