基于小波分解的ＳＶＤ水印算法分析.docVIP

基于小波分解的ＳＶＤ水印算法分析 　　摘要：近年来，SVD（奇异值分解）在数字水印领域的应用越来越广泛，鉴于它的特殊性，越来越多的人把它作为提高水印系统不可见性和鲁棒性的主要手段。该文提出了一种基于小波分解的SVD水印算法，经实验分析，该算法对几何失真有很强的抗性，同时对噪声和滤波等非几何失真也有不错的抗性鲁棒性。 　　关键词：小波分解；SVD；鲁棒性 　　中图分类号：TP301文献标识码：A文章编号：1009-3044(2008)24-1263-02 　　The Algorithmic Analysis of SVD Watermark Based on Wavelet 　　WANG Tao 　　(School of Information Engineering, Eeat China JiaoTong University, Nanchang 330013, China) 　　Abstract: In recent years,the application of SVD(singular value decomposition)in digital watermark is more and more extensive. Owing to it of special, moer and more people consider it to be the way to improve the imperceptibility and robustness of the watermark system.This psper propses a new SVD algorithm based on wavelet,experimentally,this algorithm not only maintains the strong anti-geometry distortion ability but also greatly enhances the robustness to the attacks such as noise,filter and etc. 　　Key words: swavelet; SVD; robustness 　　 　　1 引言 　　 　　通过近些年的不断研究，数字水印技术的发展突飞猛进。一方面具有较强鲁棒性的水印，如分形水印[1]，基于SVD（奇异值分解）的水印[2-3]等，颇受关注；另一方面，更实用且应用前景更广的盲水印算法也是层出不穷，如cox等人提出的基于扩频通信方法的盲水印[4]，DFT、DCT变换的盲水印[5]等。然而，所有经过改进与提高的水印算法所追求的无非就是三点：①更好的不可见性；②更强的鲁棒性；③更高的可靠性。 　　基于SVD的水印算法可以提高图像的抗几何失真性，但对噪声、滤波等攻击效果并不显著。小波分解可将图像分解为高低频两个部分，其低频部分对应的是图像的近似部分，高频部分对应图像的细节部分，将信息隐藏在低频部分可获得高鲁棒性。将小波分解和SVD结合，也就是本文提出的基于小波分解的SVD水印算法不但对几何失真具有抵抗性，同时对噪声、滤波也有好的抗性。 　　 　　2 算法描述 　　 　　基于小波分解的SVD水印算法是在小波分解的基础上，再对小波分解后得到的低频系数进行奇异值分解，并将水印信息嵌入到SVD分解所得到的对角矩阵中。经验证，该算法具有很强的抗几何失真性。 　　2.1 水印生成与嵌入策略 　　原始图像M,它在尺度level下的低频系数记为LA=wavetrans(M, level)。对LA作奇异值分解,得到：LA=U∑VT，其中： 　　 　　U和V是正交矩阵，UUT=VVT=I，I是单位矩阵。∑是对角矩阵。 　　按照U，V和∑的特点，随机生成如下三个矩阵： 　　 　　这里的U和V由随机数种子来控制，随机数种子由密钥控制，可以增强水印系统的安全性。U和V也得是正交矩阵，可以利用随机矩阵的QR（正交――三角）分解来实现。α的取值决定了水印强度。 　　用U和V后d列（行）来替换原始低频系数分解矩阵U和V的后d列（行），得到矩阵U和V。d是一个由比例因子d/n决定的整数。n是U或V的列（行）数。由U， V和∑构成了完整的水印模版： 　　 　　到这里水印已经生成。该算法的水印模版并不是单纯的由独立于原始图像的随机噪声构成，而是与原始图像密切相关。将水印模版加入到原始图像的低频系数LA中，完成水印的嵌入： 　　 LAW=LA+waterLA （4） 　　LA是归一化的低频系数，waterLA也是由LA获得。对LA作适当缩放，恢复到原始图像低频系数的数量级，完成图像重构。 　　2.2 水印检测策略 　　该算法采用非