【導(dǎo)讀】當(dāng)前，計算機和互聯(lián)網(wǎng)的飛速發(fā)展在許多方面改變了人們的生活。人們的很多生產(chǎn)的成。果都以數(shù)字的形式存儲和傳輸。為便利的途徑，多媒體信息的交流達到了前所未有的深度和廣度，其發(fā)布形式愈加豐富了。人們可以通過Inter網(wǎng)發(fā)布自己的作品，傳遞重要信息，進行網(wǎng)絡(luò)貿(mào)易等。不愿意輕易公開其作品，這在相當(dāng)程度上阻礙了其自身發(fā)展。目前，盜版已成為數(shù)字化產(chǎn)業(yè)。有效地保護知識產(chǎn)權(quán)，已受到人們的高度重視。僅靠密碼學(xué)已不能很好地解決這一問題。因為雖然經(jīng)過加密后只有被授權(quán)持有解密密鑰。在這種情況下，數(shù)字水印技術(shù)作為。極其關(guān)鍵的問題，也是數(shù)字水印技術(shù)研究的主要推動力。其目的是嵌入數(shù)據(jù)的來源以及包含有版權(quán)所有者特征的信息，從而防止其它團體對。該數(shù)據(jù)宣稱擁有版權(quán)。貝系統(tǒng)的先進性和可靠性，希望引入數(shù)字水印技術(shù)。防止因消除有關(guān)數(shù)據(jù)而引起的非法拷貝。的特點作出拒絕回放的判斷。務(wù)中各種電子票據(jù)的有效防偽是十分重要的。

　　

【正文】 圖 水印提取基本框圖 含水印圖像 映射為一維 Hilbert序列 Hb 從序列 Hb中偽隨機選取一 1*8 塊 水印提取 水印解調(diào)制 提取水印 ????? ?????? ? ?? .1,1,0,12),(,1)(1039。 nmte l s en u mtsWiftWn u msat ? (42) （ 3）最后 由密鑰 key 利用公式（ 34）生成一個二值混沌序列 P， P={P(t)| P(t)∈ {1,1}，0≤ tm n}，對所得 W39。t 進行解調(diào)制得 W39。1 ， W39。1 = W39。t P，這里“”表示點乘。再將 W39。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 W’， W’={W’(i,j)| W’(i,j)∈ {0,1}，0≤ im， 0≤ jn}。 nmjiWjiWjiWjiWjiWjiWnC o r r e l a t i oN o r ma l i z e dNCi ji ji j??????? ?? ?? ?),(),(),(),(),(),()(39。39。 (43) 水印圖像恢復(fù) 水印圖像的恢復(fù)按水印信號產(chǎn)生的逆過程進行。由于水印信號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。因此，為了從水印信號序列中重構(gòu) 8 8 的 DCT矩陣，必須借助原始水印圖像進行恢復(fù)。 首先，將原始水印圖像按 8 8 進行塊變換得 ),( vuFm ，并對其進行量化。從而得到包含零和非零量化值的量化矩陣 ),( vuFQm 。 然后利用 ),( vuFQm 和 *W 來重構(gòu)檢測出的水印圖像與其相應(yīng)塊的 DCT矩陣。 計算如下： ????0),(*39。39。 iQm xvuF 0),( 0),( ??vuF vuFQmQm )1(33 10,7,0 ??? ????? mim Mmvu （ 44） 最后，將得到的 ),( 39。39。 vuFQm 的非零系數(shù)進行逆調(diào)整和逆量化。再進行分塊 DCT反變換，從而恢復(fù)水印圖像： ? 10 39。39。139。 )),((?? ?? Mm Qmm vuFD CTf 7,0 ?? vu (45) 除了通過對恢復(fù)的水印圖像進行版權(quán)確認，還可通過驗證檢測出的水印信號與原始水印信號的相關(guān)性來進行版權(quán)確認。（基于空域的提取水印的源代碼見附錄二）。 圖（原圖像、水印圖像、嵌入水印以后的圖像。結(jié)論：透明性高） 5 水印魯棒性實驗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。幾何失真一般情況下是對加了水印的圖像進行剪切，下面對本文中的算法抗幾何失真的能力進行測試。 首先，我們來看當(dāng)加入水印的圖像的中間部分被剪切之后的情況。本文中的測試是對圖象的中間部分進行裁剪。 圖 51 裁剪后的圖像 圖 52 嵌入的水印圖像 對這幅被裁剪過的圖像，我們利用的 MATLAB代碼，仍然可以檢測出水印信息。 （代碼見附錄）。 檢測出的水印圖像如圖 30 所示。 圖 53 恢復(fù)的水印圖像 可見，通過這個算法恢復(fù)的水印圖像與原水印圖像并無太大的區(qū)別，統(tǒng)計數(shù)據(jù)也說明了這個算法的優(yōu)越性。 相似性度量如下 : NC=； 相關(guān)系數(shù)： interfix=； 歸一化漢明距離： distance=。 若將原圖剪切至 1/4 大小，提取的水印如下圖所示： 圖 54 裁減至 1/4的圖像 圖 55 提取的水印圖 相似性度量如下 : NC= 相關(guān)系數(shù)： interfix= 歸一化漢明距離： distance= 加噪處理 圖像可以看作是一種信號，在其傳輸?shù)倪^程中，總會地其中或多或少地為噪聲所干擾，因此，如何對加噪的圖像進行水印的有效地恢復(fù)也是對這種算法的穩(wěn)健性的考驗。下面以椒鹽噪聲為例對加了水印的圖像的攻擊進行檢測。 椒鹽噪聲是一種常見的噪聲，下圖 56 的左圖是加入了椒鹽噪聲后的含水印的圖像，其峰值信噪比 : PSNR=。 （ 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) 對這幅加了噪聲的圖像進行水印的恢復(fù)，得到的水印如上所示，這個水印的一些統(tǒng)計特性值如下： 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，這個算法在加了椒鹽噪聲后仍然能夠基本有效地恢復(fù)水印?？梢娺@個算法能夠有效地抵抗椒鹽噪聲。 濾波處理 抗濾波的能力也是一個重要 的指標(biāo)，下面舉幾個濾波器來檢測這個含水印的圖像的抗濾波的能力。 首先，對此圖像進行強度為 的高斯濾波。其圖如下圖所示。 （ a） 峰值信噪比 :PSNR= (b) 相似性度量 :NC= 圖 36 對圖像進行濾波處理后的圖像及其恢復(fù)的水印 從這個圖像恢復(fù)的水印圖像的一些統(tǒng)計特性如下： 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，其恢復(fù)的水印圖像基本符合要求。其抗高斯噪聲的能力還是滿足的。 中值濾波 同樣，當(dāng)進行中值濾波時，其結(jié)果如下所示： (a)峰值信噪比 :PSNR= (b) 相似性度量 :NC= 圖 37 對圖像進行中值濾波處理后的圖像及其恢復(fù)的水印 平滑濾波 當(dāng)進行平滑濾波后檢測的結(jié)果如下所示： (a) 峰值信噪比 :PSNR= (b) 相似性度量 :NC= 圖 38 對圖像進行平滑濾波處理后的圖像及其恢復(fù)的水印 從以上的幾個對含水印的圖像進行濾波后恢復(fù)的水印來看，所得到的結(jié)果是可以接受的，至少都保證 70%的正確率。雖然最后一個的結(jié)果可分辯率并不是很高，但此時圖像的細節(jié)信息己比較模糊，質(zhì)量退化，顯然其實用的意義也不大，所以從這個方面來說，還是挺成功的。 壓縮處理 如今，隨著網(wǎng)絡(luò)的普及化，在網(wǎng)上的圖像傳輸客觀上需要以更快的速度進行，這就要求對圖像進行壓縮。而當(dāng)對含水印的圖像進行壓縮時，勢必使嵌入其中的水印信息部分丟失，因此，如何對這種情況下對水印的有效恢復(fù)是對水印嵌入算法的一個挑戰(zhàn)。本文對壓縮圖像進行水印恢復(fù)時，用到一個重要的思想，就是對原圖像進行與待分析的圖像相同的壓縮。下面對幾圖像圖像的壓縮存儲格式進行水印的檢測。 GIF壓縮 當(dāng)圖像以 GIF 存儲時，其圖像以及恢復(fù)的水印如下所示。 （ a）峰值信噪比 : PSNR= (b) 相似性度量 :NC=1 圖 39 對圖像進 行 GIF 壓縮以及其恢復(fù)的水印 由于 GIF 的壓縮存儲格式并末對原圖像進行大數(shù)據(jù)量的壓縮，因而，通過這個算法可以 100%地恢復(fù)水印。 TIFF壓縮 同樣 TIFF 格式的壓縮量也不大，其原理與以上的基本一致。其結(jié)果如下： (a)峰值信噪比 :PSNR= (b) 相似性度量 :NC=1 圖 40 對圖像進行 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 100%的準(zhǔn)確率。由此可見，這兩種壓縮方法對本文的水印嵌入算法的穩(wěn) 健性并不構(gòu)成威脅。 JPEG壓縮 用 JPEG 壓縮的數(shù)據(jù)量比以上兩種大的多，通過可以達到 6倍以上的壓縮率，因而，如何對這種情況下進行恢復(fù)是一個重要的考驗。本文所用的思想前面己有所述，就是對原圖像也進行 JPEG 壓縮。 （ a）峰值信噪比 :PSNR= (b) 相似性度量 : NC= 圖 40 對圖像進行 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。這個對于在網(wǎng)絡(luò)中傳輸圖像是一個極其有用的技術(shù)。 6 結(jié)束語 本文 總結(jié) 數(shù)字水印技術(shù)是 20世紀(jì) 90年代發(fā)展起來的一門新興學(xué)科。它是通過將某些包含創(chuàng)作者或版權(quán)所有者特征的信息直接嵌入到原始信息中以達到保護版權(quán)或跟蹤非法復(fù)制等目的，同時這種嵌入是不可察覺的，水印的嵌入不會影響原始信息的商用價值或使用價值。 近年來，由于互聯(lián)市場需求的驅(qū)動和數(shù)字水印技術(shù)本身在數(shù)字產(chǎn)品版權(quán)保護方面顯示出的巨大潛力，使得眾多不背景的研究人員開始關(guān)注數(shù)字水印的發(fā)展。 自數(shù)字水印技術(shù)產(chǎn)生以來，數(shù)字水印技術(shù)得到了迅猛的發(fā)展，并逐漸成為 多媒體信號處理領(lǐng)域的一個研究熱點。 本文提出了一種新的圖像空域公開水印算法 ,該算法充分考慮了人類視覺系統(tǒng)特性，通過不同強度地調(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，而把水印信號自適應(yīng)嵌入到圖像 Hilbert 序列中。本文算法較好地解決了水印透明性與算法魯棒性之間的矛盾，使用該算法嵌入的水印具有較好的透明性，同時實驗結(jié)果也表明算法對 JPEG壓縮、噪聲、低通濾波、馬賽克、信號增強、二次水印、剪切和縮放等操作有較高 魯棒性，特別是銳化、對比度增強、邊緣增強、直方圖均衡等信號增強處理幾乎不影響水印的抽取。 算法具有以下幾個特點： （ 1）采用一感觀可識別的有意義的二值圖像為水印； （ 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 計算方法，水印嵌入強度自適應(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；同時在保證水印不可見的前提下，水印嵌入強度可達到較大，增強了算法魯棒性： ① 算法在空域內(nèi)進行，計算復(fù)雜度低，簡單易行； ② 水印嵌入前，先利用混沌序列對其進行調(diào)制， 使水印信號隨機化，增強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，并真正實現(xiàn)了盲水印提取，算法具有一定的實用性。 數(shù)字水印技術(shù)研究展望 盡管人們都在努力發(fā)展和完善數(shù)字水印技術(shù)，但數(shù)字水印技術(shù)仍然沒有完全成熟和廣為人們理解。過去也已產(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一步研究和解決。數(shù)字水印是一門極具市場前景和挑戰(zhàn)性的新興學(xué)科，引起了大批科研人員的研究興趣。但畢竟時間很短，理論基礎(chǔ)還不完善，實用化技術(shù)還欠成熟，還需要我們共同努力來 進行研究和促進其發(fā)展。但我們應(yīng)相信，隨著信息科學(xué)技術(shù)的迅猛發(fā)展，隨著人們對知識產(chǎn)權(quán)的日益重視，數(shù)字水印技術(shù)必將成為未來多媒體版權(quán)保護的重要手段。 致 謝 面對即將完成的畢業(yè)論文，心中感到無比喜悅和激動。回想這整整一學(xué)期以來的努力，現(xiàn)在都將化為只言片語，記在紙上。它不僅僅是對我學(xué)識上的肯定，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。 我的指導(dǎo)老師是楊恒伏老師。經(jīng)過楊老師的指引，我們來到了一個豐富多彩的世界 — 數(shù)字水印。在他的指引下 ，我們對數(shù)字水印有了更多的認識，也產(chǎn)生了興趣。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，嚴(yán)謹、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。雖然我們的畢業(yè)設(shè)計既要牽涉到算法等一些理論知識，也需要自己的編程能力，所以過程比較辛苦，因此學(xué)習(xí)中經(jīng)常碰到很多疑難問題，但是不論時間多久，多累，楊老師都能耐心指導(dǎo)，直到解決問題。對于我們學(xué)生，楊老師對我們都懷有殷切的期望，每每看到這種眼神，我心里就感到有無限動力。能碰到楊老師作為我們的指導(dǎo)老師實在是我們的榮幸。 作為我們組的幾個成員。在這 一學(xué)期的畢業(yè)設(shè)計中，大家都互相幫忙，互相鼓勵。因為都想在這最后的一段時間里學(xué)習(xí)到更多的東西。這無疑也就更快地促成了各自完成自己的畢業(yè)設(shè)計。我們也因此結(jié)下了深厚的友誼。在此，我特別要感謝我的同組同學(xué) — 劉暢，正因為他的耐心幫助，我們才共同探索并解決了很多難題。 一學(xué)期以來，給我留下的回憶當(dāng)然不只