基于DWT的数字水印处理(答辩).pptVIP

基于离散小波变换的数字水印处理 内容提要 1.概述； 2.数字水印基本原理； 3.算法实现； 4.实验代码； 5.实验结果； 1.概述 2.数字水印基本原理 3.算法思路 4.实验代码 clc,clear; I=imread(kedananmen.jpg) mark=imread(sdust.jpeg) figure; subplot(1,3,1);imshow(I);title(原始图像) subplot(1,3,2);imshow(mark);title(水印图片) mark=im2bw(mark,0.4) %将水印转换为2值图像 mark=double(mark) I=double(I) [Row,Col]=size(mark); for pi=1:1:Row for pj=1:1:Col mark1((pi-1)*Col+pj)=mark(pi,pj); %一维矩阵，既序列 end end whos [CA,CH,CV,CD]=dwt2(I,db1) %原始图像一级离散小波变换 CV1=[CV] a=1 [Row,Col]=size(CV); for pi=2:2:Row/2-1 for pj=2:2:Col/2-1 if(mark1==1) CV1(pi,pj)=CV(pi,pj)+a; else CV1(pi,pj)=CV(pi,pj)-a; end end end watermark=idwt2(CA,CH,CV1,CD,db1,[512,512]); %离散小波逆变换 watermark=uint8(watermark) %转换为8位非负整型 subplot(1,3,3);imshow(watermark);title(嵌入水印后的图像) %显示嵌入水印的图像 5.实验结果 结束 * * 课题项目：基于DWT数字水印处理 课题设计人: 指导老师： 设计日期：2014年4月12日 山东科技大学 数字水印技术是目前信息安全技术领域的一个新方向，是一个在开放的网络环境下，保护版权和认证来源及完整性的新型技术 。 本课题采用小波变换DTW，基于小波域的二值图像水印算法。该算用识别度较高的二值图像作为原始水印信息嵌入宿主图像，已达到对宿主图像版权保护和内容鉴别的目的。 水印的基本原理是嵌入某些标志数据到宿主数字中作为水印，使得水印在宿主数据中不可感知和足够安全。 水印信号 原始信号 嵌入过程 含水印信号 优点：实现谱分析 图像直观平稳，数学 计算容易 理解, 缺点：积分区间过 长，涉及虚数，无 法对信号进行局部处 优点：能够同时在 时域和频域反映复杂 突变信号的局部特性 ，能够时-空定位研究 信号 缺点：？？？ 傅里叶变换 加窗傅里叶变换 小波变换 优点：可处理非平稳 信号，窗内看作平稳信 号处理 缺点：对声音、图像等 突变信号高低频都采用 固定宽度的窗函数处理 ，精度不够，效果不好 离散小波变换可以用来分析或者叫做分解信号，这个过程叫做分解或者叫做分析。把分解的系数还原成原始信号的过程叫做小波重构或者叫做合成，数学上叫做逆离散小波变换。 一维DWT DWT的实质就是把信号进行滤波 分别得到A（低频成分），B（高 频成分），而我们已经知道信号 低频成分是信号的主体，而高频 成分就像“添加剂”，它是信号细 的识别度（就是特征细节），声音 信号高频对应音色音域等，图像 高频对应图像文理边缘等细节信息 ，语音信号去掉高频成分仍能听清 ，图像信号去掉高频仍能识别。反之 低频图像，声音我们都无法识别。 所以低频对应信号主体 。 对于数字图像信号（矩阵），我们可以用二维DWT进行分解，实质就是用DWT分别对矩阵行列进行两次一维变换，就可得到图像的一级分解。 1行和列的低频 输出（低频成分 ）近似原图 2行的高频列的低 频出（中频成分 ）水平细节 3列的高频行的低 频（中频成分） 垂直细节 4行和列的高频 输出（高频成分 ）对角细节 高中低频只是在局限于本图的局限划分，很多文献都统称称2,3,4为高频细节子图 所以用这个方法可以对图像就行二级分解，将一级分解中的低频近似成分再 进行DWT2分解，便又得到四个子图，这就是二级分解。以此类推，进行 多级分解就是将上一级左上角的低频近似成分再次进行DWT2分解，这是一 个递归的过程。 Lena三级分解 IDWT2即可实现逆变换，得到原图，嵌入水印后也是通过该函数还原得到 原图 水印图像 原图 一维序列 水印嵌入 水印嵌入可以在一级分解之后子图中，也可以在多级分解之后的更小分辨率子图中，级数越多，分辨率越小，频率越低，精度越高，鲁棒性也越强。为了方便下面就在一级分解后嵌入。 二值