【正文】 方法。 在表示攻擊中，典型方法有三種：幾何變形攻擊 (Geometrical DistortionsAttack)、馬賽克攻擊 (Mosaic Attack)和 Oracle攻擊。已有的大多數(shù)水印方案都容易受到這些簡單行為的攻擊，要消除幾何攻擊的影響，要人為地對照標注圖像與原始圖像對水印加以恢復。該軟件可以對圖像進行隨機的無法察覺的扭曲，打印 /掃描操作時產生的失真與這種扭曲非常相似，因此水印設計算法中必須考慮這些問題。馬賽克攻擊的基本原理是圖像越小，所能嵌入的信息越少，小到一定程度，就不能再往其中嵌入信息了。一個典型的例子是用這種方法愚弄 Inter 上的自動侵權探測器 Webcrawler。攻擊時需要把圖像分割成很多的小圖像，使每一小塊圖像的尺寸小于 14 Webcrawler要求的尺寸下限，再把小圖像排列在一起拼成和原始圖像相同的 圖像重組在 Web網(wǎng)上。 Oracle攻擊是在攻擊者獲得水印檢測器并能使用的情況下的一種攻擊，例如攻 者獲得圖像處理軟件中的水印插件、電子設備中的某種器件或功能。一般認為 Oracle攻擊從理論上看是可行的，但是計算復雜度太大。為抵制 Oracle攻擊，一種可 行的方法是設置兩個閾值使檢測過程隨機化。另一種方法則是增加解碼過程的計算量，使攻擊的復雜度增大。近來的水印算法利用仿射變換的移不變性、輔助的定位模板和水印的自相關函數(shù)來增加水印算法的魯棒性。 解釋攻擊 (Interpretation Attacks) 解釋攻擊既不試圖擦除水印，也不試圖使水印檢測無效，而是試圖產生假的原始數(shù)據(jù)或假的嵌入水印數(shù)據(jù)來制造混亂，屬于協(xié)議層的攻擊。 解釋攻擊的基本原理是 [25]：設原始圖像為 I ，加入水印 W 后的圖像為 I0 = I +W 。然后逆加載在圖像 I0 上，利用圖像 I0創(chuàng)建一個偽造的原圖 IA=I0W39。而防止這一攻擊的有效辦法有兩種：一種是在圖像中嵌入一個時間標志 (時間戳 )，該時間標志應能夠被如公正機構之類的第三個可信的機構所證明；另一種就是采用不可逆水印嵌入算法。這類算法往往要求對所攻擊的特定的水印算法進行深入徹底的分析，也稱之為迷惑攻擊，即試圖通過偽造原始圖像和原始水印來迷惑版權保護系統(tǒng)。 合法攻擊 (Legal Attacks) 合法攻擊和前面提到的三類攻擊都不同，前三類攻擊可以稱為技術性的攻擊，而合法攻擊則完全不同。合法攻擊可能包括現(xiàn)有的以及將來的有關版權和有關數(shù)字圖像所有權的法案，因為在不同的司法權中，這些法律有可能有不同的解釋。理解和研究合法攻擊比研究技術上的攻擊要困難得多。合法攻擊 15 是難以預料的，但是一個真正魯棒的水印方案必須具備這樣的優(yōu)點：攻擊者使法庭懷疑數(shù)字水印方案的有效性的能力降至最低。 本章 小結 本章給出了數(shù)字水印的相關概念、基本特征、基本原理及系統(tǒng)框架，介紹了圖像數(shù)字水印的典型算法，并做了相應的優(yōu)劣性分析，詳細介紹了常見的幾種圖像水印攻擊方法。隨著越來越多的數(shù)字作品在開放的網(wǎng)絡中傳播，數(shù)字水印技術結合其他有效技術將為數(shù)字作品的版權保護和安全傳輸提供更有效的解決辦法。 一維離散余弦變換的定義 : 為了統(tǒng)一描述，一維有限離散序列 x(i)， 0≤i≤Nl，用 x={xi， 0≤iN}或矢量x={x0， x1， … ， xN1}T 來描述 [1][23]。 X 的一維離散余弦變換 (1DDCT)X={Xu， 0≤u≤Nl }定義為 : ? ?1 21c o s2NuiioiX a x uN? ??????? ????? 相應的逆變換 (IDCT）定義為： ? ?1021c o s 2Ni u uuix a X uN ??????? ????? 其中系數(shù) αu 定義為： 1 01 , 2 . . . , 12uNu uNNa????? ?? 二維離散余弦變換的定義 : 用下面公式實現(xiàn)一個 M*N 矩陣 A 的二維 DCT 變換 : ? ? ? ? ? ?11002 1 2 1c o s c o s 0 1 , 0 122MNp q p q m nmnm p n qB a a A p M q NMN????????? ? ? ? ? ? ??? 其中 : 1 ,0 1,022 , 1 1,1 1 ,p qNMpq qNPMNMaa ? ?? ? ?? ? ??? ???????? 數(shù)值 Bpq 稱為 A 的 DCT 系數(shù)逆 DCT 變換定義如下： 17 ? ? ? ? ? ?11002 1 2 1c o s c o s 0 1 , 0 122MNn m p q p qpqm p n qA a a B m M q NMN????????? ? ? ? ? ? ???對原始圖像 進行二維 DCT 變換，結果如圖 所示，由圖可以看出，變換后的 DCT 系數(shù)能量主要集中在左上角，而其余大部分系數(shù)都接近零。特別地，在二維離散余弦變換基礎上建立了數(shù)字圖像的 JPEG 有損壓縮標準。在量化階段，對所有的 DCT 系數(shù)除以預定義的一些量化值，并取最近的整數(shù) (根據(jù)質量因子，量化值能通過一個常數(shù)進行縮放 )。特別是降低了最高 DCT 系數(shù)的影響 :這部分 DCT 系數(shù)很可能由噪聲所控制，降低其影響對圖像的細節(jié)不會有什么影響。在 JPEG 譯碼過程中，對所有的 DCT 系數(shù)反量化，即乘以在編碼熵中使用時的量化值，再使用逆 DCT 變換重構數(shù)據(jù)。將載體圖像分成 8 8 塊，并在 DCT 域按 JPEG 量化表進行量化，依據(jù)載體圖像 DCT 域系數(shù)，將水印信息位以不同強度嵌入到載體圖像中，這種方法對 JPEG 具有較好的穩(wěn)健性 [35] 離散余弦變換在水印中的應用 可以對音頻載體進行 DCT變換，將水印信息嵌入到變換后的不同的頻率分 18 量，以滿足多種音頻水印算法的需要 。由于大多數(shù)圖像的高頻分量較小，相當一部分系數(shù)為零，加上人眼對高頻成的失真不太敏感，所以可以舍去部分高頻分量。 DCT是正交變換，它可以將 8x8圖像空間表達式轉換為頻率域，只需要用少量的數(shù)據(jù)點表示圖像； DCT產生的系數(shù)很容易被量化，能獲得好的塊壓縮； DCT算法的性能很好，它有快速算法，在硬件和軟件中都容易實現(xiàn)；而且 DCT算法是 對稱的，所以利用逆 DCT算法可以用來解壓縮圖像。先只考慮水平方向上一行數(shù)據(jù)（ 8個像素）的情況時，如圖 ?；謴蛨D像信息可以表示為這樣一個矩陣形式： F(n) = C(n) * E(n) 式中， E(n)是一個基底， C(n)是 DCT系數(shù)， F(n)則是圖像信號。經(jīng)過一次 DCT變換計算后， 64個樣值仍然得到 64個系數(shù)，本身碼率并沒有壓縮，但是經(jīng) DCT變換后，比 特數(shù)反而增加了。經(jīng)過量化之后，大多數(shù)高頻分量的系數(shù)變?yōu)?0，由于人眼對低頻分量比較敏感，對高頻 分量則不太敏感，因而可以去掉了不太重要的高頻分量。如圖 所示， JPEG 系統(tǒng)首先將要壓縮的圖像轉換為 brYCC 顏色空間，并把整個圖像的每個顏色通道 (Y)、 ( bC , rC )平面分成 8x8 的像素塊。在量化階段，對所有的 DCT 系數(shù)除以一些預定義的量化值 (見表)，并取整倒最近的整數(shù) (根據(jù)壓縮前預先設定的壓縮質量因子，量化值進行相應改變 )。這樣處理的目的是調整圖像中不同頻譜成分的影響，尤其是減小了最高頻的 DCT 系數(shù)，它們主要是噪聲并且不含有圖像的細節(jié)。 圖 PJEG 圖像壓縮算法的流 程 表 在 JPEG 壓縮方案中使用的量化值（亮度成分） 在基于 DCT的變換編碼中，圖像是先經(jīng)過分塊 (8xs 或 16X16)后再經(jīng)過 DCT，這種變換是局部的，只反映了圖像某一部分的信息。圖像經(jīng)過 DCT 后，得到的 DCT 圖像有三個特點 : 一是系數(shù)值全部集中到 O 值附近 (從直方圖統(tǒng)計的意義上 )，動態(tài)范圍很小，這說明用較少的量化比特數(shù)即可表示 DCT 系數(shù) 。 三是沒有保留原圖像塊的精細結構，從中反映不了原圖像塊的邊緣、輪廓等信息，這一特點是由 DCT 缺乏時域局域性造成的。兩條黑色線大體劃出圖像的低頻、中頻和高頻分別所 在的矩形區(qū)域。 圖 DCT 變換前的圖像 圖 DCT 變換系數(shù)矩陣 實現(xiàn)方案 在數(shù)據(jù)庫中存儲及國際互聯(lián)網(wǎng)上傳輸?shù)乃D像一般會被壓縮，有時達到很高的壓縮比。 JPEG 和 EZW（ Embedded Zerotree wavelet )壓縮是最常見的兩種壓 縮方法。實驗研究證明采用與壓縮算法相同的變換域水印方法，對于壓縮的穩(wěn)健性較強。 數(shù)字水印的嵌入要求既要考慮視覺透明性，又要保證嵌入水印后圖像的穩(wěn)健性。保證視覺透明性，就要將水印嵌入到人眼不敏感區(qū)，也就是嵌入到圖像的高頻分量中。水印很容易在經(jīng)歷圖像處理的過程中丟失。如果要獲得很好的穩(wěn)健性，數(shù)字水印應加在人眼敏感的低頻部分，圖像的大部分能量集中在低頻部分，如果對于低頻部分進行處理，水印固然會失去，而圖像也就沒有了利用的價值，而且，水印的嵌入會對圖像的質量有非常大的影響，這又無法保證視覺上的透明性。 數(shù)字水印算法的實現(xiàn)基本上分為三個部分 :水印的嵌入、水印的提取和相似度計算。 (2)水印信 號的產生。因此本文所采用的水印信號 W 為服從正態(tài)分布 N(0， 1)，長度為 n 的實數(shù)隨機序列。 選擇將水印信號放在宿主信號的哪些位置，才能夠更好的保證其具有良好的魯棒性。由于視覺上重要的分量是圖像信號的主要成分，圖像信號的大部分能量都集中在這些分量上，在圖像有一定失真的情況下，仍然能保留主要成分，即視覺上重要的分 量的抗干擾能力較強，因此將數(shù)字水印嵌入到這些分量上，可以獲得較好的魯棒性。所以本算法將服從 N(0， l)分布的隨機序列構成的水印序列放到 DCT 變換后圖像的重要系數(shù)的幅度中，增強水印的魯棒性。 (4)進行二維離散余弦反變換，得到嵌入水印的圖像。利用 `( / 1) /kx v v a??提取水印。判斷準則為 :事先設定一個 閾值 T，若 ? T，可以判定被測圖像中含有 水 印W，否則，沒有水印 W。虛警概率是指待測圖像中不包含水印，而檢測器出結果卻表示含有水印的概率 。 T 減少，則漏警概率降低而虛警概率提高 。若 W 不相關，? T 的概率等于具有高斯分布的隨機變量超過其均值 T 倍方差的概率。 ) 離散余弦變換域的嵌入水印實驗 本文的實驗采用 MATLAB 作為數(shù)學運算的工具軟件。 alfa=.1。 figure。 title(‘ 原始圖像 ’ )。 imshow(㏒ (abs(dctF1)， [])。 [m， n]=size(dctF1)。嵌入的位置是幅值較大的 n 個頻域成分中。代碼如下 : %產生水印序列并對其排序 randn(‘state’， 10)。 figure。 title(‘水印信號 ’)。 %找出水印嵌入位置 (幅值較大的 n 個頻域成分 ) 23 A=dctF1(:)。 x=m*n。 M=zeros(x， 1)。 k=k1。 end x=x1。 x=m*n for i=1:x N(I1(i))=M(i)。 for i=1:n， for i=1:m dctF2(i,j)=N(a)。 end % %DCT 反變換， 得到嵌入水印 的圖像 dctF1=idct2(dctF2)。 imshow(idctF1， [])。 圖 產生的水印信號 圖 嵌入水印后的圖像 由圖 和圖 可以看出水印嵌入前后的圖像用肉眼幾乎無法分辨其差別， 滿足了加入水印不可見性的要求。從圖中可以明 顯地看出第 10 個就是嵌入的水印信號。 %找出幅值較大的系數(shù) 25 B=dctW1(:)。 [m1,n1]=size(dctW1)。 k=length(waterMark1)。 %提取水印序列 While k=1 N0(k)=(Y2(y)Y1(y)/alfaY1(y)。 Y=y1。 waterMark2=zeros(k,1)。 else watermark=rand(k,1)。因此，對 于經(jīng) JPEG壓縮后的圖像中水印的正確檢測是至關重要的。圖 是對圖像進行 JPEG 壓縮后的圖像，對 50 個待測水印的響應曲線如圖 。代碼如下 : %PJEG 壓縮 WImage5=ictF1。 um=10。 P1=dctm。 imageDCT=blkproc(WImage5,[8， 8],’P1*x*P2’,dctm,dctm.’): DCTvar=im2col(imageDCT,[8， 8],′ distinct′ ).′ 。 DCTvar=(sum(DCTvar.*DCTvar)(sumDCTvar)/n).^2/n。 Cnum=64um。 mask(order(l:um))=zeros(1， um)。 im88(l:8， l:8)=mask。 dctm=dctmtx(8)。 P2=mask(1:8， 1:8)。 Wlmage5=blkproc(imageDCT