【正文】 %%%%%%%%%%%性能分析 %%%%%%%%%%%%% %%%%%% 攻擊實驗 測試魯棒性 %%%%%%。39。)。title(39。 subplot(1,2,2)。原水印圖像 39。imshow(data)。)。 data=imread(39。 water_get=uint8(water_temp)。39。)。 imwrite(water_image,39。 water_image=UW*SW*VW39。 %SW(1,1)=。 for j=2:col SW1(j+64,j+64)=(w_SH(j,j)o_SH(j,j))/g2。 for i=2:col SW1(i,i)=(w_SL(i,i)o_SL(i,i))/g1。g3=。 end g1=。 end temp=fix((64col)/2)。 col=min(a,b)。 %[w_UHL,w_SHL,w_VHL]=svd(w_LL3)。%對嵌入水印分量作 svd 分解 [w_UH,w_SH,w_VH]=svd(w_HH3)。%對原始圖像分量作 svd 分解 [o_UH,o_SH,o_VH]=svd(o_HH3)。cd=(w_HH3o_HH3)/a3。% %ch=(w_LH3o_LH3)/a1。)。 [w_LL3,w_LH3,w_HL3,w_HH3]=dwt2(w_LL2,39。haar39。)。%80*64 [w_LL1,w_LH1,w_HL1,w_HH1]=dwt2(part_watermarked_image,39。haar39。)。%對載體圖像先進行 dwt變換 320x256 [o_LL2,o_LH2,o_HL2,o_HH2]=dwt2(o_LL1,39。haar39。 part_watermarked_image=watermarked_image1。 watermarked_image(i+temp_rol,j+temp_col)=watermarked_image2(i,j)。 origne_image1=double(origne_image)。 watermarked_image2=imread(watermarked_source)。)。 if(dims~=2) disp(39。 end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %文件名： %水印提取函數(shù) %參數(shù)說明： %watermarked_image嵌入水印的圖像 %origne_source原始圖像 function water_get=out(watermarked_source,origne_source,UW,VW) origne_image=imread(origne_source)。嵌入水印后的圖像 39。imshow(watermarked_image)。)。title(39。 figure subplot(1,2,1)。 watermarked_image=uint8(watermarked_image1)。haar39。)。%小波逆變換 附錄 30 LL1=idwt2(LL2,LH2,HL2,HH2,39。haar39。 HH3=UH*SH*VH39。 for i=2:col SH(i,i)=SH(i,i)+g2*SW(i+64,i+64)。 for i=2:col SL(i,i)=SL(i,i)+g1*SW(i,i)。 col=min(a,b)。g3=。%128x128 g1=。 U=UW。%對 3 級低頻分量作 svd 分解 80x64 [UH,SH,VH]=svd(HH3)。 [UW,SW,VW]=svd(arnold_image)。a2=。)。%對 LL1 進行 dwt 變換（ 160x128） [LL3,LH3,HL3,HH3]=dwt2(LL2,39。haar39。)。 [LL1,LH1,HL1,HH1]=dwt2(part_origne_image2,39。 end end origne_image2=double(origne_image)。)。 if(image_rol512) if(image_col512) disp(39。%讀入載體圖像 dims=ndims(origne_image)。)。%讀入水印圖像并且進行 arnold 變換， 10 表示進行的次數(shù)（可作密鑰） %arnold_image 是 uint8 的格式 %[ca,ch,cv,cd]=dwt2(arnold_image,39。之后，峰值信噪比和相關(guān)系數(shù)已分 別陡降到 10dB 和 以下，誤碼率也增加到 50%以上． (7)含水印圖像在經(jīng)過馬賽克處理后，圖像視覺上已經(jīng)可以分辨處理，特別是處理模板大小比較大的時候， 節(jié)中可以看到在模板是 7 7 的時候，該含水印圖像看起來已經(jīng)很模糊，提取的水印雖然不是很好，但還是可以辨別出來．由實驗數(shù)據(jù)可以看出該算法抗馬賽克攻擊的能力還是比較好的．基于離散小波變換的數(shù)字水印算法 25 第 5 章 結(jié)論與展望 結(jié)論 本文提出的水印算法具有以下幾個特點： (1) 本文算法所研究的內(nèi)容是將一幅 灰度 圖像作為水印嵌入到原始載體圖像中， 與目前多數(shù)人的二值圖像不同，并且不可見性和 魯棒性也非常好 ． (2) 本文算法 中采用 Arnold 變換對水印圖像置亂，置亂次數(shù)可以作為只有嵌入人才持有的私鑰，安全性能夠達到一定的程度 ． (3)基于 DWT 域和奇異值分解聯(lián)合的數(shù)字水印本身就比直接基于 DWT 域的數(shù)字水印具備更好的穩(wěn)健性． (4) 在嵌入過程中充分考慮到 不同 DWT 變換后各分量對原始圖像的影響程度，尤其是低頻分量 ， 水印圖像 嵌入強度 也因此不同．從而 使嵌入水印后的圖像能夠保持比較好的品質(zhì)． (5)本算法只是將水印圖像奇異值分解后的奇異值嵌入到載體圖像中，不僅使得因嵌入信息量較少達到較好的不可見性，而 且奇異值穩(wěn)健性好，使得水印的魯棒性比較好． (6) 本文算法抵抗旋轉(zhuǎn)攻擊的能力 非常差 ， 特別當(dāng)旋轉(zhuǎn)角度比較大時， 提取出來的水印基本 分辨不出是原來的水印圖像 ． 不足之處及未來展望 本文的水印算法選擇 灰度 圖像作為水印，選擇在 DWT 域低頻分量 和中頻分量中 嵌入不同強度的 水印， 總體上可以看出 水印的不可見性非常好，抗攻擊性 —— 魯棒性 也 較好． 因為各種算法都有不足之處 ， 不能在每個方面都能達到非常好的效果．由仿真實驗可以直觀的看出，該水印算在經(jīng)過濾波、剪切、加噪處理、馬賽克攻擊后，仍能比較完整的提取出水印，可見水印的魯棒 性較強．但是也比較明顯的看到，當(dāng)將含水印的圖像旋轉(zhuǎn)稍微大一點的角度時，提取的水印明顯失真，無法分辨出來． 這就需要以后在這方面做出更好的改進，能夠抵抗旋轉(zhuǎn)攻擊 或者能在較大的旋轉(zhuǎn)角度下也能比較完整的提取出水印 ．另外本文水印算法的重點是魯棒性和透明性，在實際應(yīng)用中安全問題也是一個比較重要的問題，本文的算法在實際應(yīng)用中可以在安全性方面做的更好一點，以后在安全性這方面可以做出一定的改進． 江南大學(xué)學(xué)士學(xué)位論文 26 基于離散小波變換的數(shù)字水印算法 27 參考文獻 [1] 張衛(wèi)平 . 開關(guān)變換器的建模與控制 [M]. 北京 ： 中國電力 出版社 ， 2020， 1588. [2] 曹文思 ， 楊育霞 . 基于狀態(tài)空間平均法的 BOOST 變換器仿真分析 [J].系統(tǒng)仿真學(xué)報 ， 2020， 19(6)： 1329 1334. [3] 伍言真 . DC/DC 開關(guān)變換器建模分析及其變結(jié)構(gòu)控制方法的研究 [D]. 廣州 ： 華南理工大學(xué) ， 1998. [4] Takagi T, Sugeno M. Fuzzy identification of systems and its applications to modeling and control [J]. IEEE Trans on Systems, Man and Cyberics, 1985, 15(2): 116132. [5] Sugeno M, Kang G T. Fuzzy modeling and control of multilayer incinerator [J]. Fuzzy Sets Syst., 1986, 18(2): 329346. [6] 張勇 . HOPEⅠ 模擬器的實現(xiàn) [C]， 第三屆中國學(xué)術(shù)會議論文集 [C]．北京：北京郵電大學(xué)出版社 , 2020： 449740. 江南大學(xué)學(xué)士學(xué)位論文 28 致 謝 致謝應(yīng)以簡短的文字對在課題研究和設(shè)計說明書（論文）撰寫過 程中曾直接給予幫助的人員或單位表示自己的謝意，這不僅是一種禮貌，也是對他人勞動的尊重，是治學(xué)者應(yīng)有的思想作風(fēng) ，比如： 本文是在導(dǎo)師 XXX 教授和 XXX 講師 的悉心指導(dǎo)下完成的 ， 表示 謝意 ! 感謝 XX. 29 附錄 A： 程序代碼 %文件名： %嵌入水印的函數(shù) %參數(shù)說明 %origne_source原始圖像（載體圖像） %watermark_source水印圖像（灰色圖像或二值圖像） % function [U,SW,V]=in(origne_source,watermark_source,watermarked_source) %N=512。后的圖像 (b)提取的水印圖像 基于離散小波變換的數(shù)字水印算法 23 (c)旋轉(zhuǎn)后的圖像 5176。%對嵌入水印分量作 svd 分解 [w_UH,w_SH,w_VH]=svd(w_HH3)。%對原始圖像分量作 svd 分解 [o_UH,o_SH,o_VH]=svd(o_HH3)。)。 [w_LL3,w_LH3,w_HL3,w_HH3]=dwt2(w_LL2,39。haar39。)。 [w_LL1,w_LH1,w_HL1,w_HH1]=dwt2(watermarked_image,39。haar39。)。%對載體圖像先進行 dwt 變換 [o_LL2,o_LH2,o_HL2,o_HH2]=dwt2(o_LL1,39。haar39。 為對角矩陣，基于離散小波變換的數(shù)字水印算法 13 其中 n??.......1 錯誤 !未找到引用源。 經(jīng)過對載體圖像進行三階小波變換之后，得到了多個分量．通過實驗數(shù)據(jù) 比較，發(fā)現(xiàn)LL3,HH3 兩個分量的奇異值和水印圖像的奇異值比較接近，如果將水印嵌入到這兩個分量當(dāng)中，不僅是將水印嵌入到載體圖像的低頻分量當(dāng)中，具有較強的魯棒性，而且由于給載體圖像像素值帶來比較小的變化，載體圖像不會出現(xiàn)明顯的失真，從而不可見性很好． (3)奇異值分解 一個二維矩陣經(jīng)過奇異值分解后將得到三個矩陣． ?? TVUCA 錯誤 !未找到引用源。haar39。)。%對載體圖像先進行一階 dwt 變換 [LL2,LH2,HL2,HH2]=dwt2(LL1,39。haar39。)。使用 ’Haar’． Haar 小波性能優(yōu)良，而且 Haar 小波的支撐長度最短，它的分解和重構(gòu)計算復(fù)雜度低于其它小波，同時 Mallat 算法是針對無限信號的，而實際中的圖像是有限的，因此需要延拓．而對 Haar 小波 而言，則比較特殊，邊界不需要延拓．因此本文中選用 Haar 小波作為水印實驗的小波基．代碼如下： origne_image=imread(39。)． (315) 對載體圖像進行小波變換，使用小波反變換函數(shù)，如式 (316)所示： X=idwt2(cA,cH,cV,cD,’wname’)． (316) 其中的小波基函數(shù) 39。 Arnold 是按照 Arnlod 原理編寫的一 個 Matlab 函數(shù)，迭代次數(shù)選 10，即上文所說的 k，置亂密鑰． (2)載體圖像的小波變換 對圖像的小波變換就是二維的小波變換，一重小波分解，得到四個分量：低頻分量包含了絕大部分能量，反映了原圖像的主要特征．另外三個分量分別為水平高頻分量、垂直高頻分量和對角線高頻分量，它們含有較少部分的能量，反映的是原始圖像的邊緣和輪廓特征． 二維小波變換的函數(shù)有很多，如表 31 所示． 表 31 二維小波變換函數(shù) 江南大學(xué)學(xué)士學(xué)位論文 12 函數(shù)名 函數(shù)功能 dwt2 二維離散小波變換 wavedec2 二維信號的多層小波分解 idwt2 二維離 散小波反變換 waverec2 二維信號的多層小波重構(gòu) wrcoef2 由多層小波分解重構(gòu)某一層的分解信號 upcoef2 由多層小波分解重構(gòu)近似分量或細節(jié)分量 detcoef2 提取二維信號小波分解的細節(jié)分量 appcoef2 提取二維信號小波分解的近似分量 upwlev2 二維小波分解的單層重構(gòu) dwtpet2 二維周期小波變換 idwtper2 二維周期小波反變換 本文采