数字水印技术算法研究-Read.PPT

小结 具体地说本章所提出的算法有如下几个优点： 1、提取水印时，不需要原始图像。 2、在嵌入时充分考虑了人眼视觉频率响应函数来选取最佳嵌入区域，提高了水印的不可见性。 3、对人眼视觉(HVS)模型中的两个局部特性（亮度遮蔽和对比度遮蔽）的充分利用，优化了水印分量在嵌入位置上的嵌入强度，使得在保证了水印的不可见性的前提下，最大限度地嵌入水印分量，增强了水印的鲁棒性。 小结 4、水印嵌入过程中运用了多重嵌入技术，大大增强了水印算法的鲁棒性。 5、选取图像作为水印信息，使得水印的检测结果更具有视觉效果。 6、实验结果表明，本算法简单，易行，对高斯噪声、滤波、JPEG 压缩具有很好的鲁棒性。 人类视觉掩蔽特征 在图像数字水印技术中，可以利用人类视觉系统(HVS) 的掩蔽现象导出的 JND (Just Noticeable Difference) 值来确定在图像的各个部分所能容忍的数字水印信号的最大强度,从而能避免破坏视觉质量。 利用视觉模型的亮度掩蔽特征和对比度掩蔽特征来确定与图像相关的调制掩模,然后再利用其来插入水印,这一方法同时具有良好的透明性和稳健性。 在JPEG标准中, Ahumada 等在文献[47]中提出了基于亮度的DCT 域最小量化步长矩Qmin(i, j )阵,该矩阵与具体图像无关。Watson 等人在文献[48]中通过亮度遮蔽和对比度遮蔽等视觉特性对其进行了优化: (1) 由图3-6表示出: 人类视觉掩蔽特征 (2) 引入亮度遮蔽来修正Qmin(i, j )的公式如公式(3-13)： 其中k是图像第k个分块, (i, j )为DCT系数在分块中的坐标，分块的左上角为(0,0)，Qk′(i, j )为修正后的量化矩阵。 Xk(0,0)为第k个分块的直流(DC)系数， X(0,0)为所有分块DC系数的平均值，参数a取0.649 。 人类视觉掩蔽特征 (3) 在亮度掩蔽公式的基础上引入对比度遮蔽特征，公式见(3-14): Qk(i, j )为最后得到的第k个分块的量化矩阵， R(i, j )是一个常数矩阵，R(0,0)等于0，其它元素都为0. 75 。 人类视觉掩蔽特征 水印算法实现过程 在充分考虑了人眼视觉模型(HVS)，并将其与宿主图像的 DCT 变换相结合来选择嵌入水印信息的 DCT 系数，我们提出了一种基于 DCT 域的鲁棒数字水印算法。基本思想：先将原始图像分成 8×8 的子块。并分别对每一子块进行离散余弦变换，然后根据人类视觉模型频率响应函数来选取每一水印待嵌入的DCT 变换系数的位置，再利用最小可察觉误差(JND) 来确定在图像的每一子块所能嵌入的数字水印信号的最大强度，把已经过预处理的水印信息自适应地嵌入到原始图像，然后将嵌入水印信息的 DCT 系数的子块进行逆 DCT变换，最后合成为嵌入水印图像。提取算法与嵌入算法相似。 嵌入算法 设原始图像和待嵌入水印图像分别为 I( N1 × N2 ), W(M1 ×M2 )。为了方便计算，取M1 = N1 4, M2 = N2 4。 第一步：用 Torus 图像置乱技术将二值水印图像置乱（可逆），然后转换成一维二值序列，记为w(i),i =1,2,L,M1 ×M2 。 第 二 步 ： 将 原 始 图 像 I 分 为 互 不 覆 盖 的 8×8 的 子 块 fm (i, j ) ，,nm = N1 8， n = N2 8， i, j = 1,2,L8。对每个子块分别进行 DCT 变换，见公式(3-15)： 嵌入算法 第三步：根据人类视觉频域特性结论，适当选取第二步完成后得到的子块系数矩阵中的(64×M1 ×M2 ) N1 × N2 各中频系数作为嵌入水印的位置（为了增强算法的稳健性，本算法利用了多重嵌入技术，即选择嵌入的区域多于嵌入的水印比特数，在本算法中，每 8×8 子块嵌入的水印4 比特，选取的嵌入区域 24 个）。 第四步：根据人类视觉掩蔽特征公式求得每块图像里被选定区域的水印嵌入强度Qm (i, j )。 第五步：相应的从二值序列中按顺序取出 4 比特水印，运用公式(3-16)嵌入到选定的区域上。其中Qm (i, j ) 为系数 Fm (i, j ) 对应的步长或嵌入强度。 第六步：对加入水印后 DCT 系数矩阵进行 DCT 逆变换，得到嵌入水印后的图像 I′。 嵌入算法 嵌入算法 % watermark W应该为64*64的图像 % 对W进行Torus变换 % 将水印存入w中 %将原图分成8*8的小块,共32*32块分别做dct变换 % 求出每块图像里被选定区域的水印嵌入强度 % 将水印嵌入到选定的区域上 每小块嵌入4bit的水印信息 % 得到嵌