【文章內(nèi)容簡介】 的彩色噴墨、激光打印機和高精度彩色復印機的出現(xiàn)，使得貨幣、支票以及其它票據(jù)的偽造變得更加容易。據(jù)美國官方報道，僅在1997 年截獲的價值4000 萬美元的假鈔中，用高精度彩色打印機制造的小面額假鈔就占19 %，這個數(shù)字是1995 倍。目前，美國、日本以及荷蘭都已開始研究用于票據(jù)防偽的數(shù)字水印技術(shù)。其中麻省理工學院媒體實驗室受美國財政部委托，已經(jīng)開始研究在彩色打印機、復印機輸出的每幅圖像中加入惟一的不可見的數(shù)字水印，在需要時可以實時地從掃描票據(jù)中判斷水印的有無，快速辨識真?zhèn)?。另一方面，在從傳統(tǒng)商務向電子商務轉(zhuǎn)化的過程中，會出現(xiàn)大量過度性的電子文件，如各種紙質(zhì)票據(jù)的掃描圖像等。即使在網(wǎng)絡安全技術(shù)成熟以后，各種電子票據(jù)也還需要一些非密碼的認證方式。數(shù)字水印技術(shù)可以為各種票據(jù)提供不可見的證標志，從而大大增加了偽造的難度。（3）聲像數(shù)據(jù)的隱藏標識和篡改提示　數(shù)據(jù)的標識信息往往比數(shù)據(jù)本身更具有保密價值，如遙感圖像的拍攝日期、經(jīng)緯度等。沒有標識信息的數(shù)據(jù)有時甚至無法使用，但直接將這些重要信息標記在原始文件上又很危險。數(shù)字水印技術(shù)提供了一種隱藏標識的方法，標識信息在原始文件上是看不到的，只有通過特殊的閱讀程序才可以讀取。這種方法已經(jīng)被國外一些公開的遙感圖像數(shù)據(jù)庫所采用。此外，數(shù)據(jù)的篡改提示也是一項很重要的工作。現(xiàn)有的信號拼接和鑲嵌技術(shù)可以做到“移花接木”而不為人知，因此，如何防范對圖像、錄音和錄像數(shù)據(jù)的篡改攻擊是重要的研究課題。基于數(shù)字水印的篡改提示是解決這一問題的理想技術(shù)途徑，通過隱藏水印的狀態(tài)可以判斷聲像信號是否被篡改。（4）隱蔽通信及其對抗　數(shù)字水印所依賴的信息隱藏技術(shù)不僅提供了非密碼的安全途徑，更引發(fā)了信息戰(zhàn),尤其是網(wǎng)絡情報戰(zhàn)的革命，產(chǎn)生了一系列新穎的作戰(zhàn)方式，引起了許多國家的重視。網(wǎng)絡情報戰(zhàn)是信息戰(zhàn)的重要組成部分，其核心內(nèi)容是利用公用網(wǎng)絡進行保密數(shù)據(jù)傳送。迄今為止，學術(shù)界在這方面的研究思路一直未能突破“文件加密”的思維模式，然而，經(jīng)過加密的文件往往是混亂無序的，容易引起攻擊者的注意。網(wǎng)絡多媒體技術(shù)的廣泛應用使得利用公用網(wǎng)絡進行保密通信有了新的思路，利用數(shù)字化聲像信號相對于人的視/聽覺冗余，可以進行各種時（空）域和變換域的信息隱藏，從而實現(xiàn)隱蔽通信.　數(shù)字水印基本框架一般來說，對圖像添加水印分為兩部分來進行：數(shù)字水印的嵌入數(shù)字水印的提取。一、數(shù)字水印的嵌入。該過程的一般表示過程如圖21所示：圖像S，水印W和密鑰Password （通常作為偽隨機發(fā)生器的種子），嵌入過程相當于一種映射：SWP→Sw。 圖21 嵌入數(shù)字水印基本框架二、數(shù)字水印的提取。該過程的一般表示過程如圖22所示：提取過程中要么完全提取出嵌入其中的數(shù)字水印，要么給出其含有所嵌入水印的可能性有多大。圖像Sw，水印W和密鑰Password（通常作為偽隨機發(fā)生器的種子），提取過程相當于一種映射：SwWP→（有無水印判斷Wr）。圖22 提取數(shù)字水印基本框架第3章　數(shù)字水印實現(xiàn)算法 第3章　數(shù)字水印實現(xiàn)算法　典型數(shù)字水印算法近年來，數(shù)字水印技術(shù)研究取得了很大的進步，下面對一些典型的算法進行了分析，除特別指明外，這些算法主要針對圖像數(shù)據(jù)(某些算法也適合視頻和音頻數(shù)據(jù))。（1）空域算法　　該類算法中典型的水印算法是將信息嵌入到隨機選擇的圖像點中最不重要的像素位(least significant bits，LSB) 上，這可保證嵌入的水印是不可見的。但是由于使用了圖像不重要的像素位，算法的魯棒性差，水印信息很容易為濾波、圖像量化和幾何變形等操作破壞。另外一個常用方法是利用像素的統(tǒng)計特征將信息嵌入像素的亮度值中。Patchwork算法方法是隨機選擇N對像素點()，然后將每個點的亮度值加1，每個點的亮度值減1，這樣整個圖像的平均亮度保持不變。適當?shù)卣{(diào)整參數(shù)Patchwork 方法對JPEG 壓縮、FIR 濾波以及圖像裁剪有一定的抵抗力，但該方法嵌入的信息量有限。為了嵌入更多的水印信息，可以將圖像分塊，然后對每一個圖像塊進行嵌入操作。（2）頻域算法　　該類算法中，大部分水印算法采用了擴展頻譜通信(spread spectrum munication)技術(shù)。算法實現(xiàn)過程為：先計算圖像的離散余弦變換(DCT)，然后將水印疊加到DCT 域中幅值最大的前ｋ系數(shù)上(不包括直流分量)，通常為圖像的低頻分量。若DCT 系數(shù)的前k個最大分量表示為，水印是服從高斯分布的隨機實數(shù)序列,那么水印的嵌入算法為，其中常數(shù)a為尺度因子，控制水印添加的強度。然后用新的系數(shù)做反變換得到水印圖像I。解碼函數(shù)則分別計算原始圖像I 和水印圖像I*的離散余弦變換，并提取嵌入的水印W*，再做相關(guān)檢驗以確定水印的存在與否。該方法即使當水印圖像經(jīng)過一些通用的幾何變形和信號處理操作而產(chǎn)生比較明顯的變形后仍然能夠提取出一個可信賴的水印拷貝。一個簡單改進是不將水印嵌入到DCT 域的低頻分量上，而是嵌入到中頻分量上以調(diào)節(jié)水印的頑健性與不可見性之間的矛盾。另外，還可以將數(shù)字圖像的空間域數(shù)據(jù)通過離散傅里葉變換(DFT)或離散小波變換(DWT)轉(zhuǎn)化為相應的頻域系數(shù)；其次，根據(jù)待隱藏的信息類型，對其進行適當編碼或變形；再次，根據(jù)隱藏信息量的大小和其相應的安全目標，選擇某些類型的頻域系數(shù)序列(如高頻或中頻或低頻)；再次，確定某種規(guī)則或算法，用待隱藏的信息的相應數(shù)據(jù)去修改前面選定的頻域系數(shù)序列；最后，將數(shù)字圖像的頻域系數(shù)經(jīng)相應的反變換轉(zhuǎn)化為空間域數(shù)據(jù)。該類算法的隱藏和提取信息操作復雜，隱藏信息量不能很大，但抗攻擊能力強，很適合于數(shù)字作品版權(quán)保護的數(shù)字水印技術(shù)中。本文將要用到的水印算法是離散余弦變換（DCT）,下節(jié)將要詳細闡述離散余弦變換的具體算法?！‰x散余弦變換離散傅立葉變換雖然具有很多優(yōu)點，得到了廣泛的應用，但其缺點也很明顯，如傅立葉變換需要計算的是復數(shù)而不是實數(shù)，計算量大，耗費時間多。如果采用離散余弦變換即可避免復數(shù)運算，減少計算量和時間耗費。一維離散余弦正變換的定義如下： (31) (32)其中為第u個余弦變換系數(shù)，μ為廣義頻率變量，μ=1,2,3…N1, 為時域中N點序列， x=1,2,3…N1一維離散余弦反變換定義如下：　 (33)對于二維離散余弦變換，定義的表達式如下：　 (34) (35) (36) (37)其中為空間域中二維向量，=1，2，3…N1, 為變換系數(shù)矩陣，=1，2，…N1二維離散余弦反變換由下式表示：(38)在實際的應用中，我們一般不從離散余弦變換的定義出發(fā)而進行計算，因為那樣的計算量是相當大的，在實際中我們采用一種快速算法?！∈紫?，我們將 f (x)進行延拓： (39)按照一維離散余弦變換的定義，的離散余弦變換為：　 (310) (311)其中表示取復數(shù)的實部。由于為的2N點離散傅立葉變換。因此在做離散余弦變換時，可以把長度為的序列f(x)的長度延拓為2N的序列，然后對延拓的結(jié)果，進行離散傅立葉變換，最后取離散傅立葉變換的實部便是離散余弦變換的結(jié)果。同理，對于離散余弦反變換，也按照下式延拓：　 (312) (313) 離散余弦反變換可以由的2N點的傅立葉反變換來實現(xiàn)?！』陔x散余弦變換的水印的嵌入和提取數(shù)字水印的嵌入和檢測過程由圖31形象地給出圖31 數(shù)字水印嵌入與檢測框圖　水印的選擇本文中所選擇的水印W0服從均值為零、方差為1的高斯分布。但是考慮到算法本身的需要,水印中一些過小和過大的值將被篩選掉。原因是用過小的值置換中頻后容易受到噪聲影響,水印魯棒性降低。用過大的值置換中頻后圖像本身的視覺質(zhì)量明顯下降,影響水印的不可感知性。所以選擇如下的水印值作為嵌入圖像水?。? (314)由于水印的約束,水印本身不再服從均值為0、方差為1的高斯分布對其調(diào)整后仍然使水印在新的概率密度函數(shù)下均值為0、方差為1。調(diào)整后的水印W為 (315) 由中心極限定理可知,W仍然近似服從均值為0、方差為1的正態(tài)分布?！∫曈X模型的選擇為協(xié)調(diào)魯棒性和不可感知性,利用人類視覺模型作為對需置換的中頻系數(shù)的約束條件。本文使用針對DCT域提出的HVS模型 (316)分別是DCT基函數(shù)的水平和垂直的空間頻率,其計算公式如下: (317)對于一個NxN的塊，是視角度數(shù)內(nèi)單個像素的水平寬度,，是視角度數(shù)內(nèi)單個像素的垂直寬度,，c是第塊DCT系數(shù)中的直流系數(shù),c00是所有塊DCT系數(shù)中直流系數(shù)的均值。僅僅是給出8x8塊圖像在DCT域時第i、j 位置頻率的最大改變量,此值對于每一個8x8塊圖像均相同。而T值是對第k塊圖像的T值在亮度下的修正。對于掩蔽模型公式 (318)式中:w=。由于利用人類視覺模型作為選擇中頻系數(shù)的閾值,為了減少DCT系數(shù)對閾值的影響,本算法不再使用掩蔽模型公式。同時考慮到用水印置換原始圖像的中高頻系數(shù)后使這些系數(shù)丟失,造成檢測時使用掩蔽模型公式會使閾值的計算出現(xiàn)較大偏差?！≈蓄l系數(shù)的選擇低頻系數(shù)和高頻系數(shù)不作為選擇置換系數(shù)的對象，是因為通常低頻集中圖像的大部分能量系數(shù)值較大，如果被置換將使圖像失真明顯,而高頻系數(shù)容易受到攻擊，尤其是低通濾波的攻擊，很難在不可感知性和魯棒性之間平衡。文獻給出的可以嵌入水印的中頻系數(shù)的個數(shù)為22，如圖32 (a)所示。但是這22個中頻系數(shù)不會全部作為水印的嵌入選擇。主要是因為在同一圖像塊中嵌入過多的水印會造成圖像的明顯失真，次是按之字掃描后的十幾個系數(shù)接近高頻系數(shù)，易受攻擊影響，不利于水印的魯棒性。因此本算法所嵌入水印的中頻系數(shù)如圖 (b)所示。圖32 中頻系數(shù)選擇區(qū)域　水印的嵌入為了獲取適當?shù)闹蓄l系數(shù)，視覺臨界差T作為選取中頻系數(shù)的閾值。當在所選區(qū)域內(nèi)的中頻系數(shù)IT時，就具備了置換的資格。同時注意到由于是置換，存在變換系數(shù)被置換后系數(shù)符號改變的問題，即當中頻系數(shù)符號為正時，置換后符號變?yōu)樨摗．斚禂?shù)值較大時這種置換容易造成圖像的明顯失真。因此較大的中頻系數(shù)不被置換，需要給出置換系數(shù)的上限。置換中頻系數(shù)而嵌入水印的初步公式為： (319)式中：是嵌入水印的DCT系數(shù)，是水印W的嵌入強度，是所選中頻系數(shù)的上限利用上式置換時，嵌入的水印值可能會小于閾值T而大于上限，這樣導致檢測的水印個數(shù)減少。必須對上式做出改進。改進后的公式如下： (320) 計算放大倍數(shù)時，可以對水印的嵌入公式做如下變換： (321)計算峰值信噪比PSNR的公式為： (322)為原始圖像的最大像素值,MxN為原始圖像的尺寸。展開上式右側(cè) (323)為方便計算，令。從而在T確定時，給定PSNR,放大倍數(shù)容易求得。對尺寸為512x512的Lena圖像，令=7,PSNR=46，得到。　水印檢測水印檢測使用相似性公式 (323)式中:是矢量和的內(nèi)積，是被噪聲污染的水印系數(shù)。 (324)式中：R表示檢測水印的結(jié)果，1表示水印存在，當相似度值s大于閾值C時；0表示水印不存在，當相似度值s小于閾值C時。由于誤檢率和漏檢率兩者之間是矛盾的。當要求減小時，會相應地增大。這就需要選擇一個閾值C在兩者之間獲得折衷的方案。由于難以判斷對所得圖像進行過何種處理，分析的困難很大。因此固定，選擇一個閾值C使達到最小。誤檢率在給定閾值C下的分布公式為 (325)為使誤檢率不高于，只要C=6即可。　數(shù)字水印抗攻擊性測試數(shù)字水印研究中常用的測試指標水印算法設計優(yōu)劣與否，所設計的算法是否能夠滿足要求等都需要一個客觀的標準來進行測量，一種數(shù)字水印算法的隱形性如何，受到攻擊的穩(wěn)健性、安全性如何，這種算法是否實用，所有這些問題都需要客觀的評價手段，而不能僅僅由人的主觀意識來決定，本節(jié)中介紹了幾種方式、手段來定量描述數(shù)字水印算法的隱形性、穩(wěn)健性?！【讲?MSE（Mean Square Error）　均方差常常使用在統(tǒng)計過程中，是一種非常有用的統(tǒng)計特性指數(shù)。通常計算均方差并不是針對所有的樣本空間來進行計算，而是從所有樣本空間中抽取一定的樣本進行計算，并依據(jù)樣本均方差來估計樣本空間的均方差。均方差可以直接反映出所做評估對象的改變，通過均方差可以洞察到評估對象的各種行為特征。因此在工業(yè)控制中廣泛的采用均方差來進行產(chǎn)品質(zhì)量的評估和檢驗的標準。為了衡量原始載體圖像在添加水印后圖像的視覺質(zhì)量變化情況，我們就可以采用均方差來對圖像質(zhì)量的變化進行一種估計，給出一種圖像質(zhì)量變化的客觀指標。均方差的計算公式：（針對二維圖像）　　 (326)這里是原始圖像的像素值，是添加水印后圖像的像素值，M、N分別是圖像的寬、高。　　信噪比 SNR （Signal－to－Noise Ratio）　　信噪比顧名思義即有用的信號與在信號處理過程中引入的噪聲的比值。在圖像處理中用SNR作為衡量重建圖像質(zhì)量的尺度。基本原理是將重建圖像跟原始圖像相比，得到的比值就是SNR，得到的比值越大，就表示