【正文】 入流程圖 二值水印 降維 混沌調(diào)制 原始圖像 映射為一維Hilbert 序列 偽隨機(jī)選取一 1 8 塊 密鑰 key 水印嵌入 基于 HVS的 JND 值 含水印圖像 圖像空域灰度公開(kāi)水印算法 算法的基本思想是：先將原始圖像 I 按 Hilbert 掃描順序轉(zhuǎn)換成一維 Hilbert 序列，然后 利用混沌序列生成一塊索引矩陣，根據(jù)塊索引矩陣在圖像 Hilbert 序列中偽隨機(jī)選取一塊（如 1 8 塊）。只要信號(hào)低于對(duì)比度門限， HVS 就無(wú)法感覺(jué)到水印的存在 [9]，因此，通過(guò)對(duì)原圖像作一定的調(diào)整，在不改變?cè)瓐D像視覺(jué)效果的情況下嵌入一些信息量可能的。這里我們主要利用 HVS 的三個(gè)特性 [4042,81,82]： （ 1）人 眼對(duì)不同灰度具有不同的敏感性，通常對(duì)中等灰度最為敏感，在中等灰度很寬的范圍中 Weber比保持常數(shù) ，向低灰度和高灰度兩個(gè)方向非線性下降 [32]，如圖 (實(shí)驗(yàn)中我們不妨假設(shè)這種非線性為關(guān)于灰度的二次曲線，且對(duì)比靈敏度最大不超過(guò) β )。 （ 3）至于邊緣信息可用其分塊的方差來(lái)反映?；谏鲜龇治?， 我們可以將 I(i,j)所對(duì)應(yīng)的臨界可見(jiàn)噪聲閾值（ Just Noticeable Difference） 表示為公式 （ 313） 所示 : ? ?),(),(),(),( 39。39。從圖中可以看出它們較準(zhǔn)確客觀地反映出了原始圖像的紋理、亮度、邊緣等特征信息，這說(shuō)明本章視覺(jué)因子的分析、推導(dǎo)與計(jì)算是正確、有效的，并且該計(jì)算方法具有廣泛的適用性?！北硎军c(diǎn)乘。經(jīng)過(guò)步驟 (2)我們找到了進(jìn)行水印嵌入的象素 I(i,j)，然后結(jié)合其視覺(jué)閾值 J (i,j)，通過(guò)不同強(qiáng)度地調(diào)整該象素值與其所在塊 B均值 (ave)之間的大小關(guān)系，以自適應(yīng)嵌入水印信號(hào)。再者塊均值、方差、熵值和對(duì) 比靈敏度隨著塊的不同而自適應(yīng)變化， JND 值也隨之變化，水印嵌入強(qiáng)度自適應(yīng)于原圖像特征，從而得以實(shí)現(xiàn)水印自適應(yīng)嵌入。設(shè)塊 B 的均值為 ave， s為水印版本計(jì)數(shù)， 0≤ snum。??????????? nmta v ejiIifa v ejiIiftsWa ?， (41) （ 2）按照 多數(shù)原則從提取出的 num 個(gè)水印版 本恢復(fù)出調(diào)制水印 39。1 ， W39?！北硎军c(diǎn)乘。39。 首先，將原始水印圖像按 8 8 進(jìn)行塊變換得 ),( vuFm ，并對(duì)其進(jìn)行量化。39。再進(jìn)行分塊 DCT反變換，從而恢復(fù)水印圖像： ? 10 39。（基于空域的提取水印的源代碼見(jiàn)附錄二）。 首先，我們來(lái)看當(dāng)加入水印的圖像的中間部分被剪切之后的情況。 檢測(cè)出的水印圖像如圖 30 所示。下面以椒鹽噪聲為例對(duì)加了水印的圖像的攻擊進(jìn)行檢測(cè)。 濾波處理 抗濾波的能力也是一個(gè)重要 的指標(biāo)，下面舉幾個(gè)濾波器來(lái)檢測(cè)這個(gè)含水印的圖像的抗濾波的能力。其抗高斯噪聲的能力還是滿足的。而當(dāng)對(duì)含水印的圖像進(jìn)行壓縮時(shí)，勢(shì)必使嵌入其中的水印信息部分丟失，因此，如何對(duì)這種情況下對(duì)水印的有效恢復(fù)是對(duì)水印嵌入算法的一個(gè)挑戰(zhàn)。 （ a）峰值信噪比 : PSNR= (b) 相似性度量 :NC=1 圖 39 對(duì)圖像進(jìn) 行 GIF 壓縮以及其恢復(fù)的水印 由于 GIF 的壓縮存儲(chǔ)格式并末對(duì)原圖像進(jìn)行大數(shù)據(jù)量的壓縮，因而，通過(guò)這個(gè)算法可以 100%地恢復(fù)水印。 JPEG壓縮 用 JPEG 壓縮的數(shù)據(jù)量比以上兩種大的多，通過(guò)可以達(dá)到 6倍以上的壓縮率，因而，如何對(duì)這種情況下進(jìn)行恢復(fù)是一個(gè)重要的考驗(yàn)。 6 結(jié)束語(yǔ) 本文 總結(jié) 數(shù)字水印技術(shù)是 20世紀(jì) 90年代發(fā)展起來(lái)的一門新興學(xué)科。 本文提出了一種新的圖像空域公開(kāi)水印算法 ,該算法充分考慮了人類視覺(jué)系統(tǒng)特性，通過(guò)不同強(qiáng)度地調(diào)整水印嵌入位置象素值與其在圖像 Hilbert 序列中所處塊均值之間的大小關(guān)系，而把水印信號(hào)自適應(yīng)嵌入到圖像 Hilbert 序列中。過(guò)去也已產(chǎn)生了不少水印嵌入方法，但是或多或少存在一些不太令人滿意的地方，還有很多方法有待進(jìn)一步研究和解決。 致 謝 面對(duì)即將完成的畢業(yè)論文，心中感到無(wú)比喜悅和激動(dòng)。經(jīng)過(guò)楊老師的指引，我們來(lái)到了一個(gè)豐富多彩的世界 — 數(shù)字水印。對(duì)于我們學(xué)生，楊老師對(duì)我們都懷有殷切的期望，每每看到這種眼神，我心里就感到有無(wú)限動(dòng)力。因?yàn)槎枷朐谶@最后的一段時(shí)間里學(xué)習(xí)到更多的東西。 一學(xué)期以來(lái)，給我留下的回憶當(dāng)然不只。我們也因此結(jié)下了深厚的友誼。 作為我們組的幾個(gè)成員。楊老師是一位非常盡責(zé)、非常優(yōu)秀的老師，他 淵博的學(xué)識(shí)，嚴(yán)謹(jǐn)、求是、創(chuàng)新的治學(xué)精神，誨人不倦的師者風(fēng)范 ，都給我們留下了深刻的印象。它不僅僅是對(duì)我學(xué)識(shí)上的肯定，更是包含了我自己的努力，老師的殷切指導(dǎo)和同學(xué)的熱情幫助。但畢竟時(shí)間很短，理論基礎(chǔ)還不完善，實(shí)用化技術(shù)還欠成熟，還需要我們共同努力來(lái) 進(jìn)行研究和促進(jìn)其發(fā)展。 算法具有以下幾個(gè)特點(diǎn)： （ 1）采用一感觀可識(shí)別的有意義的二值圖像為水??； （ 2）充分考慮了 HVS 特性，并給出了一種定量的基于象素的可感知噪聲閾值 JND 計(jì)算方法，水印嵌入強(qiáng)度自適應(yīng)于原圖像特征，而且該方法有著廣泛的適用性，同樣也適用于DCT、 DWT 等變換域算法；同時(shí)在保證水印不可見(jiàn)的前提下，水印嵌入強(qiáng)度可達(dá)到較大，增強(qiáng)了算法魯棒性： ① 算法在空域內(nèi)進(jìn)行，計(jì)算復(fù)雜度低，簡(jiǎn)單易行； ② 水印嵌入前，先利用混沌序列對(duì)其進(jìn)行調(diào)制， 使水印信號(hào)隨機(jī)化，增強(qiáng)了水印透明性和算法安全性； 本文算法解決了一般空域算法魯棒性差的缺陷，并真正實(shí)現(xiàn)了盲水印提取，算法具有一定的實(shí)用性。 近年來(lái)，由于互聯(lián)市場(chǎng)需求的驅(qū)動(dòng)和數(shù)字水印技術(shù)本身在數(shù)字產(chǎn)品版權(quán)保護(hù)方面顯示出的巨大潛力，使得眾多不背景的研究人員開(kāi)始關(guān)注數(shù)字水印的發(fā)展。 （ a）峰值信噪比 :PSNR= (b) 相似性度量 : NC= 圖 40 對(duì)圖像進(jìn)行 JPEG 壓縮以及其恢復(fù)的水印 即便是大數(shù)據(jù)的 JPEG 壓縮，本算法也能有效地恢復(fù) 水印。其結(jié)果如下： (a)峰值信噪比 :PSNR= (b) 相似性度量 :NC=1 圖 40 對(duì)圖像進(jìn)行 TIFF 壓縮以及其恢復(fù)的水印 經(jīng) TIFF 壓縮恢復(fù)的水印也能達(dá) 100%的準(zhǔn)確率。下面對(duì)幾圖像圖像的壓縮存儲(chǔ)格式進(jìn)行水印的檢測(cè)。雖然最后一個(gè)的結(jié)果可分辯率并不是很高，但此時(shí)圖像的細(xì)節(jié)信息己比較模糊，質(zhì)量退化，顯然其實(shí)用的意義也不大，所以從這個(gè)方面來(lái)說(shuō)，還是挺成功的。其圖如下圖所示。 （ a）峰值信 噪比 : PSNR= (b) 相似性度量 : NC= 圖 56 加入椒鹽噪聲的圖像及其水印的恢復(fù) 對(duì)這幅加了噪聲的圖像進(jìn)行水印的恢復(fù)，得到的水印如上所示，這個(gè)水印的一些統(tǒng)計(jì)特性值如下： 相似性度量如下 : NC= 相關(guān)系數(shù)： interfix= 歸一化漢明距離： distance= 可見(jiàn)，這個(gè)算法在加了椒鹽噪聲后仍然能夠基本有效地恢復(fù)水印。 相似性度量如下 : NC=； 相關(guān)系數(shù)： interfix=； 歸一化漢明距離： distance=。 圖 51 裁剪后的圖像 圖 52 嵌入的水印圖像 對(duì)這幅被裁剪過(guò)的圖像，我們利用的 MATLAB代碼，仍然可以檢測(cè)出水印信息。結(jié)論：透明性高） 5 水印魯棒性實(shí)驗(yàn)及其抗攻擊性能分析 幾何攻擊 幾何失真攻擊通常指的是使圖像的一部分信息丟失，使加入其中的水印信息也隨之丟失，即非法使用者只用了圖像的其中一個(gè)部 分，在這種情況下，也要求能根據(jù)水印的提取算法盡可能地提取出水印信息。139。39。 然后利用 ),( vuFQm 和 *W 來(lái)重構(gòu)檢測(cè)出的水印圖像與其相應(yīng)塊的 DCT矩陣。由于水印信號(hào)是由原始水印圖像塊的DCT 系數(shù)經(jīng)量化、調(diào)整后的非零系數(shù)組成。1 中的“ 1”替換成“ 0”，并映射成二維矩陣，即得到恢復(fù)水印信號(hào) W’， W’={W’(i,j)| W’(i,j)∈ {0,1}，0≤ im， 0≤ jn}。t nmte l s en u mtsWiftWn u msat ? (42) （ 3）最后 由密鑰 key 利用公式（ 34）生成一個(gè)二值混沌序列 P， P={P(t)| P(t)∈ {1,1}，0≤ tm n}，對(duì)所得 W39。 .1,10),(,0),(,1),(39。（實(shí)現(xiàn)水印嵌入的 MATLAB 源代碼見(jiàn)附錄一）。若水印比特為若水印比特為，BjiJa v eBjiJa v ejiI (315) 公式 (315)中的修 改限定在選定塊中最大象素值和最小象素值之間，這樣就不會(huì)使圖像象素值有太大的變化，從而更好地保證了嵌入水印有比較高的透明性。先按 Hilbert 掃描順序?qū)⒃瓐D像 I（ M N 256）轉(zhuǎn)換成一維 Hilbert 序列 Hb，然后由密鑰 key 利用公式 (32)生成一塊索引向量 Ind，根據(jù) Ind中的索引值從原圖像 Hilbert 序列中偽隨機(jī)選取一塊（實(shí)驗(yàn)中我們?nèi)K大小為 1 8，記為 B） ， 再在塊B 中選定一象素值（ 不妨記為 B(χ 0)， 它在原圖中對(duì)應(yīng)象素為 I(i,j)） 進(jìn)行水印嵌入。先從二值水印圖像獲得二維水印信號(hào) W， W={W(i,j)| W(i,j)∈{0,1}， 0≤ im， 0≤ jn}，利用行掃描將其轉(zhuǎn)換成一維向量 W1，并將其中“ 0”替換成“ 1”，則有 W1={W1(t)| W1(t)∈ {1,1}， 0≤ tm n}；然后由密鑰 key 作為初始值利用公式 (34)生成一個(gè)二值混沌序列 P， P={P(t)| P(t)∈ {1,1}， 0≤ tm n}；再將 W1 與 P進(jìn)行混沌調(diào)制，得到最終的待嵌入水 印信號(hào) Wt， Wt=P39。 jiDjiHjijiJ ??? ? ， (313) 為了保證視覺(jué)噪聲閾值的可控，最后再將 J’ 歸一化到區(qū) 間 [a,b]上。 ??? ?? DjiDDDjiDjiH (312) 由于邊緣對(duì)于人眼非常 重要，必須保證邊緣改變不大。由于熵值較小的對(duì)應(yīng)平滑區(qū)，而熵值較大的對(duì)應(yīng)圖像紋理區(qū)，我們可用它來(lái)刻劃圖像分塊的紋理掩蓋效應(yīng)。盡管水印信號(hào)具有一定能量，但分布到信道中任一頻率上的能量是難以檢測(cè)的。同時(shí)，為進(jìn)一步提高水印系統(tǒng)魯棒性，我們?cè)谠拗鲌D像中冗余地嵌入多個(gè)水印版本（記 為 num）。二值混沌序列與混沌位序列在多媒體數(shù)字水印系統(tǒng)中也具有很強(qiáng)的應(yīng)用前景。其它 形式的混沌序列都要依賴于它來(lái)完成。令 ck=j if x2k? Ij。 從 logistic 映射或 Chebyshev 映射 [59,60]生成混沌序列的方法可以總結(jié)如下： （ 1） 實(shí)數(shù)值序列，即 { xk， k=0,1,2,3…..} ，是混沌映射的軌跡點(diǎn)所形成的序列 （ 2） 二值序列，可以通過(guò)定義一個(gè)閾值函數(shù) ?[85]，由上述的實(shí)數(shù)值混沌序列得到 其中 ?可以定義為 : ??? ?? ????? 101 010)( xxx (310) 二值混沌序列即為 {?( xk )， k=0,1,2,3…} （ 3）位序列：同樣由實(shí)數(shù)值混沌序列得到。文獻(xiàn) [15]中提出的算法 被認(rèn)為是一篇具有歷史價(jià)值的文獻(xiàn)，它是第一篇在主要會(huì)議上發(fā)表的關(guān)于數(shù)字水印的文章，其中闡明了一些關(guān)于水印的重要概念。這正是其得到廣泛應(yīng)用的原因。但是，不可約多項(xiàng)式所產(chǎn)生的序列并不一定就是 m 序列。 n 級(jí)線性反饋移位寄存器的輸出序列是具有周期性的，其周期決定于反饋多項(xiàng)式 f(x)的性質(zhì)。 最常用的 PN序列是最大長(zhǎng)度線性碼序列（ Maximum length linear code sequences），又稱為m 序列 [1]，是由線性反饋移位寄存器 LFSR（ Linear Feedback Shift Register ）產(chǎn)生的。而且一般情況下， 很難從一段有限長(zhǎng)度地序列來(lái)推斷出混沌系統(tǒng)的初始條件。其優(yōu)勢(shì)可以總結(jié)如下： （ 1）形式簡(jiǎn)單：只要混沌映射的參數(shù)和初始條件就可以方便地生成、復(fù)制混沌序列。例如， x 的時(shí)間平均即混沌序列軌跡點(diǎn)的均值： 0)(1l im 1 110 ??? ?? ????? dxxxxNx Ni iN ? (37) 關(guān)于相關(guān)函數(shù)，獨(dú)立選取兩個(gè)初始值 x0 和 y0，則序列的互相關(guān)函數(shù)為： 0))()()(,())((1l i m)(111110)(???????? ??? ??????dydxyyxxyxyyxxNlclNi