分块DCT的自适应扩频水印算法 分块DCT的自适应扩频水印算法 分块DCT的自适应扩频水印算法
摘要:本文提出了一个利用块分类的DCT域自适应扩频图像水印算法。嵌人的水印是一个可视二值图像,用两个不相关的伪随机序列分别代表水印信息中的0和1,从而达到扩频的目的。将扩频后的水印信号,嵌入到分块DCT域的中低频段系数中的过程中,充分考虑到了局部图像的复杂度,能够自适应地调整嵌入强度,提取水印信号无需使用原始图像。仿真实验表明:图像经过JPEG有损压缩、低通与中值滤波和剪切等图像处理操作后仍是稳健的。
关键词:分块DCT 扩频 HVS 图像 水印 算法
1 引言
数字水印技术是指在宿主数字媒体(图像、声音、视频)等中嵌入一定量的数字信息,例如作者的电子签名、日期、公司图标等,用以证明作品的所有权,并可作为起诉非法侵权的证据,从而保护作品原创者的合法利益。数字水印技术不同于传统的数据加密,其目的不是限制对数据的存取,而是保证嵌入的数据不可侵犯和可恢复。其基本要求有:透明性,是指在宿主数字媒体中嵌入一定量的数字水印信息后,不会引起原媒体明显的降质现象,隐藏数据不易察觉,即无法人为地看见或听见;鲁棒性,是指数字水印必须对施加于宿主媒体的各种变换操作(如有损压缩、滤波和剪切等)具有免疫性,即水印信息不能因为施加于宿主媒体的某种变换操作而丢失;安全性,是指数字水印能够抵挡各种蓄意的攻击,很难被他人所复制和伪造,只要其不知道控制该算法的密钥。
2 已有的基于DCT域的图像水印算法分析 以上算法至少有以下两个缺点:①在水印提取过程中使用了原始图像,这一点在实时的网络环境中很难做到;②只能给出水印存在有无的回答,在许多应用场合要求水印是有意义的,如一个二维图像(商标、印鉴等)。显然,这种有意义的水印所包含的信息量、可感知性、可辩识性及保密性,是无意义的伪随机噪声所不能比拟的。
本文在研究了前人算法的基础上,提出了一个利用块分类的DCT域自适应扩频图像水印算法,嵌入的水印是一个可视二值图像。用两个不相关的伪随机序列分别代表水印信息中的0和1,从而达到扩频的目的,将扩频后的水印信号,嵌入到分块DCT域的中低频段系数中。在嵌人过程中充分考虑到了局部图像的复杂度,能够自适应地调整嵌人强度,水印检测算法不需要原始图像,实现了盲检测。仿真实验表明:图像经过JPEG有损压缩、低通与中值滤波、剪切等图像处理操作后仍是稳健的。
3 数字水印嵌入算法具体步骤
本文算法基本框图如图1所示,以下对各步骤作详细介绍。
图1 水印嵌入算法框图
3.1 原始图像分块
设原始图像为f(x,y),首先将 f(x,y) 分割为互不覆盖的8×8子块,记为
Bm={fm(i,j),0≤ m =0,1,...,M-1 ≤7}m =0,1,...,M-1 ,对 Bm进行DCT变换,得到:
= =DCT{ ,0≤ ≤7}m =0,1,...,M-1
(1)
3.2 基于视觉掩蔽特性的块分类 设背景照度为 I,根据Weber定律,在均匀背景下,人眼刚好可以识别的物体照度为 , 满足: 。文中定义了如下衡量块均匀度的参数:
(2)
其中 为 的灰度均值。上式的物理意义是:决定物体照度可见度的应该是对比度而非照度绝对差,加权系数 作为修正因子, 根据下式确定:
=
(3)
,当 较小时, 被认为比较均匀;反之, 较大时, 被认为包含纹理和边缘。文献中提到利用 作为块均匀度的测量标准,其结果优于利用块方差作为标准的情况。
块分类器可描述如下:
如果 且 ,则 。
如果 且 ,则 。
若上述两种情况均不满足,则 ,其中T
1、T4为门限,可由实验确定。
3.3 水印的预处理
设二值水印表示为: , ,很明显,如果不打乱水印的空域关系,直接把可视的二值水印加到原始图像的中频段,那么一个简单的图像剪切操作就会把水印破坏掉,因此,在嵌入水印之前,首先对其进行置乱处理,本文采用一个时间复杂度较低的随机算法来打乱水印的空间顺序。
}
(4)
其中, 是原始像素点 经过随机排序后得到的乱序水印像素点。
图2 水印随机排序示意图 3.4 水印扩频 ,
(5)
其中 L 由8×8DCT系数矩阵的中频段长度决定,然后根据二值水印信息的0或1,分别嵌入PN_zero或PN_one。本文采用的扩频方案具有简单易实现和稳健性好的优点。
3.5 水印嵌入 将按Zig-Zag顺序读取的每一分块系数重新排列为一维向量 ,并取出系数中第 L+1到L+N 的中低频段部分,得:
,
根据图3知 L =14, N =13,伪随机序列由 N 个实数随机数组成:
按下式将伪随机序列嵌入到 中:
当message(m)=0,
(6)
当message(m)=1,
(7)
(a)Zig-Zag读取顺序 (b)水
