一种基于小波变换的图象压缩方案-西北大学学报.doc

一种基于小波变换的图象压缩方案-西北大学学报.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
一种基于小波变换的图象压缩方案-西北大学学报

一种基于Logistic混沌序列的小波域数字水印算法 赵 健1,谢红梅2,彭进业1,俞卞章2 (1. 西北大学 电子科学系,陕西 西安 710069;2.西北工业大学 电子科学系,陕西 西安 710072) 摘 要: 在对小波域中数字水印的嵌入算法研究的基础上,将混沌理论引入数字水印的创建中,提出并实现了Logistic映射产生的混沌序列嵌入小波域数字水印算法,该算法利用混沌序列所特有的不可预测性,具有密钥惟一性、不可逆性、不可见性、鲁棒性等特点。实验证明该算法具有很好的视觉效果,是一种实际可行的数字水印算法。 关 键 词:数字水印;混沌序列;Logistic映射;小波变换 中图分类号:TP391 A 文章编号:1000-274X(2003)00-06 数字水印技术是信息伪装技术中最重要的内容之一[1],它作为加密技术的补充,在多媒体信息的版权保护与完整性认证方面得到了迅猛的发展。数字水印技术是通过一定的算法将一些标志性信息直接嵌到多媒体内容当中,但不影响原内容的价值和使用,并且不能被人的知觉系统觉察。目前大多数水印制作方案都采用密码学中的加密(包括公开密钥、私有密钥)体系来加强,在水印的嵌入、提取时采用一种密钥,甚至几种密钥联合使用。水印的基本嵌入和提取方法如图1,图2所示。 图1 通用数字水印嵌入方法 Fig.1 General method of watermark embedding 图2 通用数字水印提取方法 Fig.2 General method of watermark verifying 1 小波变换数字水印算法及其优点 比较传统的基于时域的数字水印算法而言,基于频域的数字水印算法具有以下优点: 1) 由于结合了人类视觉系统的特性,使得人眼不能发觉与原始图像间的差别,隐藏效果好,有利于提高稳健性; 2) 数字水印的能量可分布到所有像素上,有利于保证不可见性; 3) 与大多数国际标准兼容,可以有效抵抗剪切及JEPG等有损压缩编码,也有利于在压缩域内实现数字水印算法。 传统的基于变换域的数字水印算法采用DCT变换,但由于小波变换在图像处理的时候具有比DCT变换更加适合人类视觉系统(HVS)等优点,现阶段基于小波变换的数字水印算法研究成为变换域数字水印算法研究的重点[2~4],而且在JPEG2000中采用的DWT(离散小波变换)技术,也使得基于小波变换的数字水印算法更加可行与必须。 在小波域中,高频部分代表了图像的边缘及纹理部分,在这里嵌入水印,人眼虽然不容易发觉,但这样的水印容易在图像经过如有损压缩等一些处理后丢失另一方面,因为低频部分集中了图像的大部分能量,所以在低频部分集中了图像的大部分,在低频部分嵌入能量不容易丢失,然而低频部分代表图像的平滑区域,这部分的改变很容易影响图像的质量。由于高低频部分具有不同的特点,因此可以进行折中考虑[2~4],本文所用小波域数字水印算法是首先将经过级小波变换的图像分成与水印大小相同,且互相不重叠的图像块,然后将同一水印嵌入到每一图像块中。由于高频部分所占的图像面积比较大,多被分为许多小图像,因此图像块数量多,自然所嵌入的水印就多;而低频部分由于只占图像的较小部分,因此图像块数量少,自然所嵌入的水印就少。这样,就实现了在高频部分嵌入较多的水印信息,而在低频部分嵌入较少的水印信息的要求。由于是同一水印反复嵌入到图像的不同部分,因此很大程度上提高了水印的强壮性。 2 混沌理论在数字水印中的应用 混沌指一种貌似无规则运动,在确定性非线性系统中,不附加任何随机因素也可以出现类似随机的行为(内在随机性),但支配这种运动却可以用确定型的方程来描述[5]。混沌系统最大的特点就在于系统的演化对初始条件非常敏感,在混沌系统中不可能对系统的状态进行长期的预测,这是由于在初始状态的微小不确定性将会迅速按照指数速度扩大。预测能力的丧失是因为系统有这样的特性,那些初始状态比较接近的轨迹总体上会指数发散。在非混沌系统中,相互靠近的轨迹要么指数地迅速收敛,要么慢于指数速度发散(最坏情况),所以长期预测是不可能的。 混沌函数具有伸大拉长和折回重叠的性质,所以有不可预测性。混沌序列是一个伪随机序列,很容易由迭代方程或非线性方程生成[5~7]。本文采用离散时间动态系统Logistic映射产生的混沌序列,其定义为 (1) 其中,分支参数。经过变换,Logistic映射在[-1,1]上的定义可以表示为 (2) 随着的逐渐增大,迭代会出现多次突变,当=1.40 115时,系统进入混沌状态,产生具有0均值、like自相关性及互相关为0的混沌序列,该序列具有白噪声的统计特性。本文取=2,初始值=0.3,按照式(2)进行迭代,

文档评论(0)

fengruiling + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档