【文章內容簡介】 到要嵌入水印的小分塊的坐標信息序列，這里的是水印圖像矩陣的元素個數(shù)，作為密鑰之一保存．3. 根據中的坐標信息嵌入水印，這里以中的第個坐標為例，這組坐標在中對應的小分塊包含四個像素點，，嵌入方法為（53）（54）（55）這里為預設值，當嵌入的水印圖像為二值圖像時最好取不小于15的較大值，；則為水印圖像矩陣的灰度均值．4. 遍歷序列中的坐標，對每個選中的嵌入小分塊進行嵌入操作后，得到嵌入水印后的新近似子帶．用代替進行逆小波變換后得到嵌入水印后的載體圖像矩陣，公式為（56） 水印提取1. 對水印后的圖像矩陣做小波變換，得到含水印的近似子帶，公式為（57）2. 根據保存的密鑰，包括，，，提取置亂后的水印序列，這里以中的第個坐標信息為例，公式如下（58）從而得到置亂后的水印序列．3. 對上一步提取出的水印序列進行反置亂處理，得到最終提取出的水印圖像矩陣，反置亂方法為（1）根據置亂時的初始值，通過迭代產生混沌序列．（2）對中的元素進行升序排序，在排序過程中記錄元素位置的變化．（3）按照上一步記錄的位置變化，對提取出的亂序水印序列進行相反的變化，得到反置亂后的一維水印序列．（4）根據水印圖像的大小，掃描，按列還原出二維的水印圖像矩陣，最后將中的元素大于0的變?yōu)?，小于0的變?yōu)?，得到提取結果． 算法仿真實驗本次仿真實驗選取的載體圖像為512512像素的灰度圖像，選取的水印圖像為6464的二值圖像．該算法能夠嵌入灰度水印圖像和二值水印圖像，這里只給出粗略的灰度水印圖像仿真結果展示，為了方便T值的計算和算法之間的對比，結果展示還是二值圖像為主．設=，=，嵌入二值水印圖像時取值15．仿真結果如圖54到圖532所示．圖54 原始載體圖像圖55 嵌入灰度水印后圖像圖56 原始灰度水印圖57 提取出的灰度水印，T=503398圖58 原始載體圖像圖59 高斯噪聲攻擊后的圖像圖510 原始二值水印圖511 高斯噪聲后提取的水印圖像，T=1365圖512 泊松噪聲攻擊后的圖像圖513 椒鹽噪聲攻擊后的圖像圖514 泊松噪聲攻擊后提取的水印圖像，T=998圖515 椒鹽噪聲攻擊后提取的水印圖像，T=588圖516 斑點噪聲攻擊后的圖像圖517 裁剪攻擊后的圖像圖518 斑點噪聲后提取的水印圖像，T=1766圖519 裁剪攻擊后提取的水印圖像，T=281圖520 12位JPEG壓縮攻擊后的圖像圖521 右下平移100像素后的圖像圖522 12位JPEG壓縮攻擊后提取的水印圖像，T=1154圖523 右下平移100像素后提取的水印圖像，T=1272圖524 33小分塊的中值濾波后的圖像圖525 圖526 33小分塊的中值濾波后提取的水印圖像，T=655圖527 ，T=1圖529 30度旋轉后的圖像圖530 銳化后的圖像圖531 30度旋轉后提取的水印圖像，T=1334圖532 銳化后提取的水印圖像，T=90 算法性能分析綜合分析仿真實驗的結果，該算法的魯棒性較弱，對泊松噪聲攻擊、椒鹽噪聲攻擊、裁剪攻擊、濾波攻擊和銳化攻擊的魯棒性相對好一些．算法的優(yōu)點在于能夠嵌入灰度圖像水印，使得該算法的水印數(shù)據容量較大，而且提取水印所需的密鑰較多，保密性較高．綜上所述，該算法的應用方向最好是用于數(shù)據的加密傳遞，即用于網絡信息戰(zhàn)．觀察可知，提取出的水印圖像的損壞情況與載體圖像的受攻擊情況相關度不高，所以該算法不適用于圖像篡改檢測，而且由于魯棒性不高，該算法也不適用于版權保護．第6章 基于子塊區(qū)域分割和自嵌入技術的全盲多功能圖像水印算法的分析第6章 基于子塊區(qū)域分割和自嵌入技術的全盲多功能圖像水印算法的分析 算法主體該算法的主體思想是根據載體圖像生成水印，再將水印嵌入載體圖像，簡略步驟為：1. 將載體圖像分為多個不重疊的小分塊．2. 對每個小分塊做離散余弦變換．3. 將每個離散余弦變換后的小分塊分為區(qū)域1和區(qū)域2兩部分，如圖61所示．4. 從區(qū)域1獲得水印信息，嵌入到區(qū)域2．5. 對每個嵌入結束的小分塊做逆離散余弦變換．6. 重新組合小分塊，生成嵌入水印后的圖像．圖61 拆分方法 水印生成該算法的水印信息并不是來自于圖像矩陣，而是通過對載體圖像的處理產生的特征水印，即原始水印信息來自于載體圖像信息，所以叫做特征水?。〉纳煞椒ㄈ缦拢?. 將載體圖像分為多個不重疊的小分塊．2. 對每個小分塊做同樣的處理，這里以其中的一個小分塊為例，對進行離散余弦變換后生成新的矩陣，取的前行列的元素，得到的子矩陣，然后對進行奇異值分解得到奇異值序列，最后求該奇異值序列的均值．3. 執(zhí)行上一步后將會得到一個二維的均值矩陣，矩陣的每個均值對應一個小分塊．判斷均值矩陣中的每個均值的最高位數(shù)的奇偶性，生成特征水印矩陣．若均值的最高位數(shù)為奇數(shù)，水印矩陣對應的值為1，若均值的最高位數(shù)為偶數(shù)，水印矩陣對應的值為0．例如，若均值矩陣中的第行第列的均值的最高位數(shù)為5，則水印矩陣中第行第列的值為1，若均值矩陣中的第行第列的均值的最高位數(shù)為2，則水印矩陣中第行第列的值為0．最終生成的特征水印矩陣是一個二維的二值矩陣，它的元素個數(shù)等于小分塊個數(shù)． 水印置亂該算法采用的置亂方法是混沌映射置亂，置亂方法如下：1. 設定初始值和分支參數(shù)，利用公式迭代生成混沌序列，公式為（61）2. 混沌序列中最初的隨機數(shù)一般不穩(wěn)定，所以舍棄生成的混沌序列的前個值，然后從混沌序列中截取出與水印矩陣的元素個數(shù)等量的隨機數(shù)，這些隨機數(shù)記為序列．3. 用對水印矩陣加密，生成加密后的水印矩陣．加密方法為，先按列掃描特征水印矩陣，生成一維水印序列；然后將與的對應元素做異或運算，生成新的一維序列；最后將還原為二維矩陣，這個矩陣就是．公式為（62）置亂效果如圖62到圖63所示．圖62 原始水印圖63 置亂后 水印嵌入過程1. 將載體圖像分為多個不重疊的小分塊．2. 對每個小分塊做同樣的操作，以其中一個小分塊為例，對進行離散余弦變換生成矩陣，設水印嵌入強度為．當=0且時，進行如下運算（63）當=1且時，進行如下運算（64）然后對進行反離散余弦變換，得到含有水印信息的小分塊．3. 執(zhí)行完上一步之后，將得到的多個矩陣進行重組，得到嵌入水印后的圖像． 水印提取1. 將載體圖像分為多個不重疊的小分塊．2. 對每個小分塊做同樣的操作，以其中一個小分塊為例，對進行離散余弦變換生成矩陣．當時，=1，當時，=0．從而生成亂序的水印矩陣．3. 根據初始值和分支參數(shù)，重復水印置亂時的操作，生成混沌序列并截取有用部分，將截取的混沌序列二值化，使用二值化的結果與亂序水印矩陣做異或運算，從而完成水印反置亂，得到提取出的水?。? 算法仿真實驗本次仿真實驗選取的載體圖像為512512像素的灰度圖像．預設初始值=，分支參數(shù)=2，將圖像分為個小塊，小分塊區(qū)域1的大小為33，水印嵌入強度為．由于該算法的水印圖像不具有實際意義，因此在這里不給出水印圖片，只給出水印損壞參數(shù)T．仿真結果如下．圖64 原始載體圖像圖65 水印后圖像，=32，=38，T=1圖66 水印后圖像，=32，=39，T=0圖67 水印后圖像，=32，=100，T=0由上面的結果可以看出，理想的水印嵌入強度為39，此時T=0．接下來分析各類攻擊對提取的水印的影響，默認=32，=39．圖68 高斯噪聲攻擊，T=39圖69 泊松噪聲攻擊，T=6圖610 椒鹽噪聲攻擊，T=46圖611 斑點噪聲攻擊，T=61圖612 裁剪攻擊，T=23圖613 12位JPEG壓縮攻擊，T=24圖614 右下平移100像素攻擊，T=126圖615 33小分塊的中值濾波攻擊，T=9圖616 ，T=0圖617 30度旋轉攻擊，T=142圖618 放大2倍攻擊，T=489圖619 銳化攻擊，T=32 算法性能分析該算法的原作者設計該算法的目的是為了實現(xiàn)圖像篡改提示，但本文主要分析的是算法的魯棒性等性質．經過實際檢驗，該算法確實適用于圖像篡改檢測，并且是本文分析的算法中最適合用于圖像篡改檢測的算法．從這一點可以分析出該算法的魯棒性并不高，因為適用于圖像篡改檢測的算法一般都是脆弱性算法．第7章 算法性質綜合分析第7章 算法參數(shù)對比 參數(shù)對比前文中各章的算法進行仿真實驗得到了參數(shù)T，該參數(shù)代表的是原始水印矩陣和提取出的水印矩陣中的不相似的像素點的數(shù)量，在這里我們利用它產生水印損壞率．由于各章算法仿真實驗時用到的水印矩陣大小都不一致，所以水印損壞率的計算方法為=（71）其中S為水印圖像矩陣的元素數(shù)量，對于水印損壞率的數(shù)據統(tǒng)計如表71所示．表71 對各章算法進行攻擊的水印損壞率 算法攻擊第3章的算法第4章的算法第5章的算法第6章的算法沒有攻擊高斯噪聲泊松噪聲椒鹽噪聲斑點噪聲裁剪攻擊JPEG壓縮平移攻擊中指濾波高斯濾波旋轉攻擊縮放攻擊銳化攻擊表71中，對于第3章、第4章、第5章的算法，由于對圖像進行縮放后不能提取水印，因此水印損壞率為1．觀察該表能夠直觀地了解四種算法對于各類攻擊的魯棒性，水印損壞率越高，魯棒性越低．結 論結 論本文分別對四種算法的性質進行了對比分析，包括它們的數(shù)據容量、隱蔽性、魯棒性和安全性，并給出了這些算法的適用領域，同時對部分算法的瑕疵給出了改進建議．對于隱蔽性，主要通過仿真實驗時載體圖像的視覺效果進行判斷；對于魯棒性，主要通過對比在各種攻擊下水印圖像的損壞率進行判斷，并在前文中給出了詳細的損壞率參數(shù)．對于各章算法的性質分析總結如下．1. 第3章算法第3章算法嵌入水印后載體圖像的視覺效果幾乎沒有改變，因此隱蔽性較強，同時該算法對大部分的常規(guī)圖像處理操作如裁剪、JPEG壓縮、位移、中值濾波、高斯濾波、旋轉、銳化都有較高的魯棒性，但在多種噪聲攻擊中，只對泊松噪聲攻擊有較高的魯棒性．綜上所述，該算法是魯棒性水印算法，適用于版權保護．2. 第4章算法第4章算法中，水印后載體圖像的視覺效果與水印的嵌入強度成反比，水印嵌入強度越高，對載體圖像的視覺效果的影響就會越嚴重．水印嵌入的強度不大于10時才能保證不破壞載體圖像的視覺效果，保證水印的隱蔽性．因此，在保證水印隱蔽性的前提下，該算法屬于脆弱性水印，對于常規(guī)圖像處理攻擊的抵抗力十分低，只對高斯濾波攻擊和銳化攻擊有較高的魯棒性．通過觀察仿真實驗的圖像可以發(fā)現(xiàn)，該算法提取出的水印圖像的損壞情況與載體圖像的受攻擊情況相關度較高．在各種類型的攻擊下，水印圖像的改變幾乎與載體圖像的改變同步，因此該算法適用于圖像篡改檢測．3. 第5章算法第5章的算法嵌入水印后對載體圖像的視覺質量影響很小，因此隱蔽性較高．該算法的魯棒性相對較弱，對泊松噪聲攻擊、椒鹽噪聲攻擊、裁剪攻擊、濾波攻擊和銳化攻擊的抵抗能力相對要高一些．觀察可知，該算法提取出的水印圖像的損壞情況與載體圖像的受攻擊情況相關度不高，所以該算法不適用于圖像篡改檢測，而且由于魯棒性不高，該算法也不適用于版權保護．該算法能夠嵌入灰度圖像水印，因此該算法的水印數(shù)據容量較大，而且提取水印所需的密鑰較多，保密性較高．鑒于高數(shù)據容量和高保密性的特性，該算法的應用方向最好是用于數(shù)據的加密傳遞，即用于隱蔽通信及其對抗．4. 第6章算法第6章的算法嵌入水印后對載體圖像的視覺質量影響很小，因此隱蔽性較高．觀察表71可知，相對于其他三種算法，該算法對于各類攻擊的抵抗力都較高，因此可以判定算法的魯棒性較高．雖然原始水印信息隱藏就包含在載體圖像中，但該算法的安全性并不低，只要算法和密鑰不泄露，就能保證安全．經過實際檢驗，該算法確實適用于圖像篡改檢測，并且是本文提到的算法中最適合用于圖像篡改檢測的算法．5. 算法數(shù)據容量分析仿真實驗中使用的載體圖像都是512512的灰度圖像．第3章算法使用的水印圖像是256256大小的二值圖像；第4章算法使用的水印圖像是6464大小的二值圖像；第5章算法使用的水印圖像是6464大小的二值或灰度圖像；第6章算法使用的水印圖像是二值圖像，其大小最大可以為256256，最小可以為22．因為第5章算法能夠嵌入灰度圖像，因此在水印大小相近時，其數(shù)據容量最大．綜上可知，四種算法按照數(shù)據容量大小排序應為：第5章算法第3章算法第6章算法第4章算法．參考文獻參考文獻[1] 吳慧琳，周激流，龔小剛，李炳法，文揚，尹皓．一種與JPEG圖像壓縮編碼結合的細胞自動機域盲水印算法[J]．電子與信息學報，2012，34（4）：844850．[2] Mehta R, Rajpal N．A hybrid semiblind gray scale image watermarking algorithm based on DWTSVD using human visual system model[C] Contemporary Computing (IC3), 2013 Sixth International Conference on．IEEE, 2013: 163168．[3] 解皎虹，孫巖．一種基于DWT與DCT相結合的彩色數(shù)字盲