【正文】 ()( (21) 在變換 域算法中，位于特征集 F(x)中的特征是圖像的變換域系數(shù) (例如離散余弦變換、離散傅立葉變換或小波系數(shù)等 )．而在空域算法中，水印被嵌入在圖像的亮度或色度分量中．一旦生成含水印圖像 xw，該圖像將在一定的媒介中傳輸或流通，一定會受到一些有意或無意的攻擊，從而得到可疑圖像 x? ．通常把根據(jù)檢測密鑰 K3(有時還需要原始圖像 x和原始水印 w)判斷可疑圖像 x? 是否存在水印的過程稱為水印檢測，而把根據(jù)提取密鑰 K3 (有時還需要原始圖像 x)提取可疑圖 像 x? 中的水印 w? 的過程稱為水印提?。ǔ?，在包含水印生成的水印處理系統(tǒng)中，在提取出水印 w? 后有時還需要根據(jù)水印生成密鑰 K1對應(yīng)的解碼密鑰K4恢復(fù)所嵌入的信息 m? ，這個過程就是水印的解碼過程．有時，提取的水印 w? 沒有感知上的含義，這時需要計算水印 w? 和原始水印 w之間的相關(guān) 系數(shù)來判斷水印的有無，這個過程相當(dāng)于先提取后檢測．為了描述方便，通常人們把這三個概念統(tǒng)稱水印解碼或水印檢測．檢測或提取密鑰 K， 可以與嵌入密鑰 K2相同也可以不相同；解碼密鑰 K4也可以與生成密鑰相同也可以不相同．在水印提取情況下，解碼函數(shù) D作用于需要確定版權(quán)的可能受損的圖像 x? ，并從 )?(xF 的特征中恢復(fù)水印 ，見式 (22): ))?((? xFDw? (22) 同時，在水印恢復(fù)的過程中，是否要求助于原始圖像，對數(shù)字水印的魯棒性以及安全性等方面都有不同的影響．明檢測 (有原始圖像參與檢測 )的水印算法具有較強的魯棒性[14]． . 江南大學(xué)學(xué)士學(xué)位論文 6 水印攻擊 對含有水印圖像的常見的攻擊方法分為有意攻擊和無意攻擊兩大類．有意攻擊一般分為以下幾類： 偽造水印的抽取 ， 多重水印 ， 偽造的肯定檢測 ， 統(tǒng)計學(xué)上的水印抽?。? 無意攻擊是可以通過改善水印系統(tǒng)來解決的，依照 Stirmark 和 Checkmark 等常用的水印測試基準(zhǔn)程序，無意攻擊通常有： 剪切 ，亮度和對比度的修改， 增強，模糊和旋轉(zhuǎn) ， 在圖像中添加噪聲 ， 有損壓縮，如JPEG 壓縮 ，放大、縮小和旋轉(zhuǎn)等． 對于這些攻擊，好的水印系統(tǒng) 需要 具有一定的魯棒性，即經(jīng)過這些攻擊還能夠保證水印的正確檢測和提取 ，從而能達到保護的目的 ． 水印的檢測與評價 數(shù)字水印的基礎(chǔ)就是人眼對圖像信號的不敏感性．人眼對圖像有很大的感覺冗余，圖像信息隱藏就是要求在視覺沒有異常感覺的情況下，將信息嵌入到圖像中，水印嵌入隱藏的信息是水印信息，可以看作是信息隱藏的 一個特例．一般來說，對于相同的隱藏算法，載體圖像中嵌入的信息量越大，對宿主數(shù)據(jù)的修改就越大，圖像的視覺效果就越差．換句話說，對于同一個嵌入算法，載體圖像數(shù)據(jù)的改變程度與嵌入的數(shù)據(jù)量是成正比關(guān)系的，嵌入的數(shù)據(jù)量大，載體圖像的視覺效果改變就大，嵌入的數(shù)據(jù)量小則載體圖像的視覺效果 改變就?。菍τ诓煌那度胨惴?，嵌入的數(shù)據(jù)量大小就不一定與載體圖像視覺效果有特別直接的關(guān)聯(lián)．也就是說，對于不同的嵌入算法，可以做到嵌入的數(shù)據(jù)量有多有少，對載體圖像數(shù)據(jù)的改變程度也不一樣，但二者最后得到的視覺效果卻可以相差不大． 因此， 一個好的水印嵌入算法，應(yīng)該是能夠在引起視覺感知最小的情況下嵌入較多的信息．要對一個水印算法的優(yōu)劣評價，應(yīng)該建立對水印的評價準(zhǔn)則．它不僅包括對水印魯棒性的評價，還應(yīng)該包括水印的嵌入而引起的載體失真的主觀和客觀評價． 水印的魯棒性取決于這樣幾個因 素 ：水印嵌入強度，嵌入信息的數(shù)量 等 ．嵌入的信息原始 圖像x 原始 信息m 生成 算法 G 嵌入 算法 E 攻擊 算法 A 檢測 /提取 /解碼算法D 生成 密鑰K1 嵌入 密鑰K2 檢測 /提取密鑰K3 解 碼 密鑰K4 wx w x? w 直接給定水印 w w? m? 水印存在？ 基于離散小波變換的數(shù)字水印算法 7 越多，水印的魯棒性就越低．水印嵌入的強度越大，則魯棒性越高．而水印的嵌入強度和水印的可感知性之間有一個折衷，水印健壯性高，就需要更強的嵌入，這反過來提高了水印的可感知性． 誤碼率是表征魯棒性強弱的一個指標(biāo)，它能夠直觀的給出水印 的魯棒性強度． 因此，設(shè)計水印算法時要有一個公平合理的評價和比較，評價過程中要考慮水印的可感知性．通常有兩種方法對水印的可感知性進行評價，一個是主觀測試，另一個是客觀度量 [iv]． 本文是將視覺上可以直觀認知的 灰度圖像 作為水印，所以人眼的主觀評價可以作為水印抽取的一個評價標(biāo)準(zhǔn)．除此之外， 本文主要從三個方面來比較全面和比較可觀地檢測和評價水印的性能． (1) 相關(guān)性 相關(guān)系數(shù) nc 是一個 作為評價水印抽取算法的客觀標(biāo)準(zhǔn)，設(shè)原始水印為 W，提取出來的水印為 ?W ， 相關(guān)系數(shù)如式 (23)所示 ： ????????? ? ?? ?? ?? ????i ji ji ji j jiWjiW jiWjiWjiWjiW jiWjiWWWnc ),(),( ),(),(,),(),( ),(),(m i n),( (23) 相關(guān)系數(shù)在 0， 1 之間，其值越大，水印魯棒性越好．如果該相關(guān)系數(shù) nc 超過某一個閾值，就判定圖像中存在此 灰度 水印圖像． (2) 峰值 信噪比 一般來說，信噪比 SNR(Signal to Noise Ratio)與峰值信噪比 PSNR(Peak Signal to Noise Ratio)是最通行的評定信號品質(zhì)的指標(biāo)．由于水印模型是與通信系統(tǒng)模型緊密聯(lián)系的，相對與原始作品來說，水印信號可以認為是隨機噪聲，有噪聲就會影響原始作品的品質(zhì)，也自然存在 SNR 和 PSNR．在具體應(yīng)用中，由于 SNR 的計算比較復(fù)雜，所以一般用 PSNR代替 SNR，主觀上可以容忍的 PSNR 值都在 20dB 以上．在圖像處理和水印不可見性評價中，用式 (24)對加水印的圖像的 PSNR 進行定義 [v]． ? ?? ??? MxNy WyxIyxIMNDBP S N R1 12210 )),(),((l o g10)d( (24) 其中， D 是信號的峰值， M 和 N 分別是圖像矩陣的行列數(shù)， ),( yxI 是原始圖像 ),( yx 坐標(biāo)上的像素值， ),( yxIW 是含水印圖像 ),( yx 坐標(biāo)上的像素值． (3)誤碼率 本文還選用另外一個指標(biāo)，即誤碼率 (Bit Error Rote)來評價水印的魯棒性．就是指攻擊后含提取水印圖像錯誤比特位數(shù)占原水印總比特位數(shù)的比例，如式 (25)所示： NDber? 錯誤 !未找到引用源。 目前基于小波域的算法有很多，有簡單的直接在經(jīng)過小波變換的分量中嵌入水印，有兩域結(jié)合的水印算法等，其中基于小波變換 (DWT)和奇異值分解 (SVD)結(jié)合的算法可以充分利用 DWT 的多分辨率特性和 SVD 所固有的特征．小波變換的多分辨率特性 可根據(jù)各自的重要程度對圖像進行分級處理，奇異值分解的奇異值的穩(wěn)健性是一種內(nèi)蘊特性，都 增強了水印的不可見性和魯棒性． 本文分析討論了數(shù)字水印技術(shù)的基本原理、典型算法幾數(shù)字水印攻擊方法，研究了一種基于離散小波變換的數(shù)字水印算法。這對于加強數(shù)字水印以及有損壓縮和局部剪裁等的魯棒性是非常有效的 ,另一方面小波變換的多分辨率分析和人的視覺特性能較好匹配 ,因此 ,從水 印可見性的角度講 ,DWT也更接近 HVS的要求。 ． (34) 對于離散的情況，小波序列如式 (35)所示： 錯誤 !未找到引用源。)。 [o_LL3,o_LH3,o_HL3,o_HH3]=dwt2(o_LL2,39。%對嵌入水印分量作 svd 分解 提取的水印圖 片如圖 411 所示． 圖 411 提取結(jié)果 抗攻擊性能分析 為了驗證本文算法的魯棒性，我們對嵌入水印后的含水印圖像采用了一些常用的攻擊手段進行對水印算法魯棒性的評估，其中包括添加白噪聲、圖像剪切、濾波 (包括中值濾 基于離散小波變換的數(shù)字水印算法 19 波和高斯低通濾波 )、 JPEG 有損壓縮等操作．當(dāng)同一攻擊加入強度的不同時，含水印圖像所受到的影響必然是不同的，攻擊后提取的水印效果也因此必然不一樣．下面一一介紹本文算法對各種攻擊的抵抗能力． (1)白噪聲攻擊 圖像在傳播的過程中最容易受到 ， 也是必然會受到的攻擊就是加入噪聲了 ． 因此，噪聲也是一種典型的無意攻擊，它對嵌入的水印也會產(chǎn)生 一定程度的 影響． 實驗結(jié)果如圖412， 413， 414 所示． (a)添加白噪聲 (強度 20)的圖像 (b)提取的水印 圖 412 加入強度 20 后的含水印圖像和提取的水印 (a)添加白噪聲 (強度 40)的圖像 (b)提取的水印 圖 413 加入強度 40 后的含水印圖像和提取的水印 圖 414 白噪聲攻擊后的性能檢測 (2)剪切攻擊 在圖像處理中，一個圖像不重要的部分 或者重要部分的一部分會 經(jīng)常被剪切掉， 會造 江南大學(xué)學(xué)士學(xué)位論文 20 成圖像受 到影響．對于含水印的圖像，必定會造成其中的水印數(shù)據(jù)部分地丟失．實驗中 我們對圖像進行了 不同比例大小的 剪切實驗， 結(jié)果如 圖 415， 416 所示 ． (a)剪切 10%的圖像 (b)提取的水印 (c)剪切 25%的圖像 (d)提取的水印 圖 415 對嵌入水印的圖像進行剪切攻擊 圖 416 剪切攻擊后的性能評價 (3)JPEG 壓縮 JPEG 壓縮是對圖像處理的最普遍的方法，對嵌入水印的圖像進行不同質(zhì)量的 JPEG 壓縮， 對嵌入的水印的影響程度肯定會不一樣．本文對含 水印圖像按 0 到 100 之間的壓縮質(zhì)量進行壓縮，實驗結(jié)果如 圖 417， 418 所示 ． (a)壓縮質(zhì)量為 32%的圖像 (b)提取的水印 基于離散小波變換的數(shù)字水印算法 21 (c)壓縮質(zhì)量為 56%的圖像 (d)提取的水印 圖 417 對含水印圖像進行壓縮攻擊的實例 圖 418 壓縮攻擊后的性能評價 (4)濾波攻擊 高斯低通濾波和中值濾波是兩種常用的圖像出來方法，本文采用 固定 大小為 [3 3]標(biāo)準(zhǔn)，標(biāo)準(zhǔn)偏差 從 以 的大小增加到 的 對稱高斯低通濾波 和窗口大小不斷變化的中值濾波 器對 嵌入水印的圖像進行攻擊 ．實驗結(jié)果如圖 419， 420 所示． (a)高斯濾波標(biāo)準(zhǔn)偏差為 1 的圖像 (b)提取的水印圖像 (c)高斯濾波后的水印性能評價 圖 419 高斯濾波處理圖像實例以及水印性能評價 江南大學(xué)學(xué)士學(xué)位論文 22 (a)中值濾波窗口大小為 5 的圖像 (b)提取的水印圖像 (c)中值濾波后水印性能評價 圖 420 中值濾波處理圖像實例以及水印性能評價 圖 421 旋轉(zhuǎn)攻擊后水印性能分析 (5)旋轉(zhuǎn)攻擊 旋轉(zhuǎn)攻擊是對圖像進行處理的一種常用方法．對圖像進行旋轉(zhuǎn)后．本文對含水印圖 像進行 090 度的旋轉(zhuǎn)攻擊，實驗結(jié)果如 圖 421 和圖 422 所示． (a)旋轉(zhuǎn) 1176。 part_origne_image2=origne_image2。%對 3 級高頻分量作 svd 分解 SHH=SH。)。title(39。 [o_LL1,o_LH1,o_HL1,o_HH1]=dwt2(part_origne_image,39。haar39。 if(temp0) temp=0。 water_temp=Arnold(39。提取的水印圖像 39。)。 water_image=uint8(water_image)。 [a,b]=size(w_LL3)。 [w_LL2,w_LH2,w_HL2,w_HH2]=dwt2(w_LL1,39。 watermarked_image1=double(watermarked_image2)。原始圖像 39。 end LL3=UL*SL*VL39。 arnold_image=double(arnold_image)。載體圖像的高度和寬度都必須大于 51239。 (2)對分量進行奇異值分解提取水印 同 時 對 原 始 圖 像 和 嵌 入 水 印 的 圖 像 三 階 小 波 變 換 之 后 的 分 量o_LL3,o_HH3,w_LL3,w_HH3 進行奇異值分解，得到四組奇異值，然后按照嵌入時所給定的不同位置的奇異值進行不同比例的提取水印圖像的奇異值，最后對得到的圖像進行Arnold 反變換即得到水印圖像． 基于離散小波變換的數(shù)字水印算法 15 第 4 章 Mat