多重水印算法设计

目录一实习目的二研究背景与意义三多重水印的研究现状四基于LSB的脆弱水印算法研究五仿真实验与分析六心得体会多重水印算法设计实习报告一实习目的1．掌握数字水印有关知识；2．掌握如何在数字图像中嵌入并提取水印信息；3.要求学生设计一种多重水印嵌入和提取得水印算法并用软件实现；4.通过实验验证这种水印算法的鲁棒性及良好的不可视性；二研究背景与意义随着信息和计算机网络的飞速开展,数字媒体信息的交流己经成为现代生活中必不可少的一局部,随之带来的网络信息(音频、视频或图像)的版权保护问题日益严峻。为了解决信息平安和版权保护问题,数字水印技术应运而生,它是一门涉及密码学、视觉科学、图形学、中文信息处理、图像处理、通信、信息平安等交叉的边缘学科,将一段标志版权所有者的信息嵌入到要保护的媒体信息中,只有知识产权的所有者通过检测器才能确定数字水印是否存在。虽然近几年来数字水印在理论和应用中取得了很大的开展,但是到目前还没有形成一个完整的理论体系,特别是没有一个统一的评判标准,仍有许多尚未解决的问题。因此,数字水印技术是一个充满活力而又有待开拓的研究领域。对数字水印技术的不断研究,发现要解决数字产品的多著作权问题和它在发布、销售、使用等等不同阶段的版权认证问题,需要向同一数字产品中同时嵌入多种水印,即多重数字水印。多重数字水印技术是用来解决多著作权问题以及数字产品在发布、销售、使用等不同阶段的版权认证问题,多重数字水印也可用来对数字产品进行传输追踪、多重认证等。因此多重数字水印在数字产品版权保护以及所有权鉴别等方而具有很好的实际应用价值。多重数字水印技术的开展具有重要的意义,它的价值主要表达在两个方面:一个是它的商业价值,另一个是它的学术价值。首先,多重数字水印技术具有很大的商业价值,它不但已广泛用于许多商业应用领域,同时还有着广泛的商业前景。现在己建立了许多数字水印应用系统,它们包括所有者鉴别系统、防盗版系统、广告确认效劳系统、用于交互式电视的水印系统等。同时它还有许多潜在的商业应用,如交易的跟踪、所有权的证明、拷贝控制、认证、信息传输、多媒体压缩等许多应用其次,评价一种新技术是否有学术价值,主要看它是否会给根底研究和应用研究引入新的有趣的问题。多重数字水印技术是一门交叉学科,它涉及了通信、密码学、图像处理等诸多领域。多重数字水印技术的特殊要求给上述领域引入了许多有趣的新问题,所以多重数字水印技术具有很大的学术价值。多重数字水印在商业和学术两方面都具有非常重要的意义和地位,所以对多重数字水印的研究正在成为世界各国许多研究机构和相关人员的重要课题。本文的多重数字水印技术可以提供一种追踪数字图像被非法复制、发行、篡改或伪造的方法。综上所述:本论文研究的多重数字图像水印技术的算法设计和仿真实验都具有重要意义。三多重水印的研究现状根据多重数字水印的生成及嵌入方法根本上可分为以下两种:一种是分屡次将多个水印先后嵌入,其根本思想是先对宿主信号进行某此特征的划分。如Cox简单地阐述了在数字视频信号中嵌入多重水印,采用的方法是将不同的水印分别嵌入到视频的不同帧中,实现在数字视频信写中嵌入多重水印;或者诸如利用小波变换和门限值将不同水印嵌入到不同宿主区域;也有利用k个不同密钥对应k个水印的嵌入和提取。另一种是按某种方式将多个水印结合成一个水印后按照已有的单值水印嵌入算法进行嵌入,其根本思想是先把多个欲嵌入的水印合并成一个水印后再嵌入到宿主中,嵌入和提取的方法都回归成单个水印的操作,这种方法的最终目的与第一种方法一样均能表示n个作者对宿主信号的所有权。需要解决的唯一问题是采取什么方法将多个水印合并,同样考虑到宿主信号的冗余量有限,不能简单地把多个水印拼接后嵌入。在多重水印的生成和嵌入方面国内外已有一些研究成果。马义德提出的一种多重数字水印技术基于将多重水印复合,然后做正交变换,为了减少比特,他用对水印做DCT变换,选取几个重要点,然后嵌入到DCT域。BoatoG等人提出了一种基于非对称初等线性代数的多重图像水印方案。唐明提出一种动态的多重水印嵌入的问题,可以对在不同的阶段将不同的水印信息嵌入到同一个宿主图片内,而不需要对先解出先前存在水印信息,其方法只是从多个水印复合嵌入时各个水印的平安性和复合方式做了理论上的探讨。MohamedMomamedA.等人通过空间域、离散余弦、离散小波域实现了八种水印嵌入方法,并对各方法进行评估。马强等提出了对宿主图像频域进行二维DCT变换,采用灰度图像JND门限值和多数字基底对宿主图像的DCT频域构造了选块分组技术,对中频分量的DCT交流系数分组嵌入水印比特,对上下频分量的DCT系数随机嵌入水印比特,嵌入了多个灰度数字盲水印,具有较好的鲁棒性。CongJin提出了一种基于独立分量分析的多重数字水印方法[28]。Jeng-ShyangPan提出种利用VQ(矢量量化)的方法实现多重水印的嵌入,其方法是将水印图片做VQ,利用宿主图片分块的VQ系数的相似性,将各水印图片做VQ并与宿主图片块间的均值、方差和两者异或结合的VQ系数做异或运算分别得到各自水印图片的密钥,然后将宿主图片和密钥发送到接受方,从试验来看有很好的强壮性和鲁棒性。彭德云等提出了基于CDMA的多重数字水印,实现了小波域直接嵌入(WD)和基于邻域线性预测值嵌入(WNLP)两种CDMA水印方案,有效解决多重数字水印中水印碰撞和用户数量受限问题。Agarwal等人提出了一种三维点集模型的鲁棒性盲水印机制。毛力等人提出了一种基于分形图像编码的方法,显著地减少了灰度图像水印嵌入的数据量,同时结合人类视觉系统模型,将混合多重水印嵌入到小波包域的多个频带内,使用对称加密算法的钥作为个人密钥,水印方案具有双重的平安性。HaoLuo等人提出了一种利用视觉密码学来隐藏多重水印的方法。王磊提出了一种新的基于DCT和SVD分解的水印算法,该算法首先进行分块DCT变换,直接用一参数对要嵌入的中频系数进行修改,再对嵌入水印后的图像进行SVD分解,将两个随机序列嵌入到各子块的奇异值中,到达重复嵌入水印。Chih-ChinLai等人提出了一种基于奇异值分解和微生物遗传算法的水印方案。赵彦霞等人提出了一种改良后的基于离散小波变换(DWT)和奇异值分解(SVD)的多重数字水印算法。利用离散小波变换和奇异值分解技术在原始图像的四个子带中都分别嵌入两个数字水印图像。NasirI.等人提出了一种基于空间域的鲁棒性多重彩色图像水印技术,将宿主图像分成四个区域,在每个区域的蓝色分量中通过加密嵌入一个二值水印。WenliangHuang提出一种图像融合技术,将多个水印图片合并为一幅,然后再嵌入到宿主图片内,但是文章并没提出如何有效的在合并后水印嵌入问题,也没有对其鲁棒性等做讨论,只是提出一种将多个图片和在一起的方法。Hammerle-Uhl,J.等人提出了一种利用小波包限制多重水印相互干扰的算法。综上所述,单值数字水印在国内外己有了较成熟的研究,但多重数字水印的研究尚不成熟,多重数字水印的应用还处于初级阶段,在实际领域中的应用还十分有限。随着信息化程度的提高和电子商务的逐渐走向实用化,多重数字水印技术将会有更加广阔的应用前景。四基于LSB的脆弱水印算法研究1.数字水印根本框架①数字水印根本概念数字水印技术是指用信号处理的方法在数字化的多媒体数据中嵌入隐藏的标记,这种标记通常是不可见的,只有通过专用的检测器或阅读器才能提取。水印的存在要以不破坏原数据的欣赏价值、使用价值为原那么,并且要求即使含有水印的信息被一定程度的改变攻击,水印也能够被检测或提取出来。这种被嵌入的水印可以是任何形式数据如一段文字、标识、序列号等,而且这种水印通常是不可见或不可察的,它与原始数据(如图像、音频、视频数据)紧密结合并稳藏其中,隐藏的信息需要具备以下特征才能称作数字水印:(l)鲁棒性水印的鲁棒性是指在经历多种无意或有意的信号处理过程后,数字水印仍能保持完整性或仍能被准确鉴别。鲁棒性是数字水印的主要特点之一。(2)确定性水印所携带的信息必须能够被准确地鉴别,而且提取应该是容易的,即使遭到了一定的破坏,水印仍然能被鉴别。(3)透明性应该尽量使观察者觉察不到水印的存在,参加水印后,对图像质量的影响越小越好。数字水印是信息隐藏学的一个重要分支,除了应具各信息隐藏技术的一般特点外,还有着其固有的特点和研究方法,与隐蔽通信相比其鲁棒性要求更突出,它要求隐蔽的信息能够抵抗各种无意或恶意的攻击。虽然水印并不是都要隐藏起来(如可见数字水印),但一般数字水印系统还是强调透明性,由于隐藏信息量的限制,必须在鲁棒性和透明性之间寻求一个最正确结合点。②数字水印嵌入与提取数字图像水印系统的嵌入模型如图2-1所示。水印嵌入就是把水印图像嵌入到原始作品图像中。该系统的输入是水印信息W、原始载体数据I和一个可选的私钥/公钥K。其中水印信息可以是任何形式的数据。密钥K可用来加强平安性,以防止未授权的恢复和修复水印。在水印的嵌入阶段主要考虑的问题是通过什么样的方法,在图像的什么位置可以不可见地嵌入水印,同时还要兼顾到水印的鲁棒性。图1数字水印嵌入框图设E表示将水印图像W利用密钥K嵌入到原始图像I的函数,Iw表示嵌入水印后得到的含水印的图像,那么水印的嵌入可以表示为:Iw=E(I,W,K)〔2-1〕嵌入函数可以是简单的线性叠加,也可以是各种非线性的处理方法。常用的水印嵌入公式有如下三种:Iw(n)=I(n)+aW(n)(加性水印)(2-2)Iw(n)=I(n)+aW(n)I(n)〔乘性水印〕(2-3)I(n)=I(n)eaw〔n〕〔指数水印〕(2-4)其中W(n)为水印信号分量,a为嵌入强度。式(2-2)适用于I(n)的值变化不太剧烈的情形,对于较小的ɑW(n),用式(2-3)和(2-4)得到的结果相近。假设对公式(2-4)取对数,那么类似于式(2-2),所以,式(2-4)可以看作式(2-2)的一个应用。式(2-3)嵌入水印的强度与图像相关,具有一定的自适应性,在大多数情况下都可以适用。为了保证在不可见的前提下,尽可能提高嵌入水印的强度,a的选择必须考虑图像的性质和视觉系统的特性。在实际应用中,式(2-2)和(2-3)使用得较多。从以上公式可以看出,水印的嵌入通常是在图像中选出水印嵌入的位置I(n)(空域的象素或频域的系数),将水印依据嵌入函数叠加到图像中,得到调整后的值Iw(n),最后将Iw(n)替换I(n)重新放回原始图像中,就可得到一幅含水印的图像Iw。通常,在水印嵌入与提取(或检测)这两个过程中间,也就是在传输过程中,含水印图像有可能会遭受到各种各样的图像处理或者恶意攻击,用Iwd表示Iw经过处理或攻击以后的表现形式,这两者具有相似的外观,或者Iwd是相对于Iw质量下降的图像。数字图像水印系统的嵌入模型如图2所示。水印的判断方式有提取和检测两种。一般来说,有意义水印常用提取的方法,得到的是与原始水印相似的水印信息;无意义水印通常采用检测的方法,直接判断图像中是否含有指定的水印。在许多情况下检测结果由原始水印和从含水印图像中提取出来的水印之间的相关系数决定,此外统计检测也可以用在水印检测中。图2数字图像水印系统的嵌入模型设W’表示估计水印,D为水印检测算法,Iw’表示在传输过程中未受到攻击或受到攻击后的水印载体图像。水印的提取表示为:(l)有原始载体数据I时:W’=D(Iw’,I,K)(2-5)(2)有原始水印W时:W’=D(Iw',W,K)(2-6)(3)没有原始信息时:W’=D(Iw’,K)(2-7)检测水印的手段可以分为两种:一是在有原始信息的情况下,可以做嵌入信号的提取或相关性验证;二是在没有原始信息情况下,必须对嵌入信息做全搜索或分布假设检验等。如果信号为随机信号或伪随机信号,证明检测信号是水印信号的方法一般就是做相似度检验。水印相似度检验的通用公式为〔2-8〕水印的检测表示为:D(Iw’,I,W,K)=1如果Iw中存在W0如果Iw中不存在W﹙2-9﹚上式输出的是一个判定水印存在与否的0-1决策。其中I,砰有时需要,有时不需要。式(2-5)和(2-9)表示的都是有原始图像参与的非盲提取/检测,式(-6)是不需要原始图像的盲提取/检测,还有一些采用统计原理的检测算法甚至也不需要原始水印。水印的提取或检测主要是根据嵌入方法来设计。非盲的方法通常是求出待测图像Iw’与原始图像I的差值图像,从差值图像中选择水印嵌入的位置,再从中提取出待证实的水印W’,保存W’或计算W’与W的相关函数,得出结论。盲方法是根据含水印图像和其它的相关信息来提取或检测水印。2.基于LSB的脆弱水印算法①置乱变换在信息隐藏技术的应用过程中,先对秘密信息按照一定的运算规那么进行置乱处理,使其失去本身原有的面目,然后再将其隐藏到载体信息里面,这样所要传输的信息就会更平安了。即使攻击者将秘密信息从载体中提取了出来,也无法分辨出经过置乱后的秘密信息到底隐藏着什么内容,于是就认为提取算法错误或该载体中不含有任何其它信息。所以,对秘密信息进行置乱运算是很有必要的。图像置乱是一种图像加密技术,就是利用某种算法将一幅图像各像素的次序打乱,到达加密的效果,但像素的总个数不变,图像的直方图不变。由于对图像进行置乱可以消除图像像素的空间相关性,因此能提高水印图像抗图像剪裁操作的强壮性。为了提高平安性,在嵌入水印前对原始图像进行置乱运算是很有必要的。在数字图像中可以使用多种置乱变换,有基于Hilbert曲线的、基于幻方矩阵的、基于随机数的数字图像置乱算法等。文中对图像预处理使用了基于Amold变换的数字图像置乱技术。Amold变换是V.J.Amold在遍历理论的研究中提出的一种裁剪变换。设有单位正方形的点(x,y)变换到另一点(x’,y’〕的变换为〔2-10〕其中,(modl)表示模l的运算,此变换称为二维Amold变换,简称Amold变换。数字图像可以看作二维矩阵,因此对图像作Amold变换时,可以看作是让图像像素位置的重新排列,这样经过Amo1d变换后的图像会很混乱,如果把Amold变换的这种性质用于图像信急的隐藏,将对隐藏图像有很好的置乱加密效果。同时Amold变换具有周期性,继续使用Amold变换,一定会出现一副与原图像相同的图像。考虑到数字图像的需要,把以上式(2-10)变换改写为〔2-11〕其中,x,y,x’,y’∈{l,2,…,N},x,y和x’,y’分别表示Amold变换前后图像的横坐标和纵坐标,而N为数字图像的阶数。图3分别为原始图像,置乱后的图像,恢复后的图像。图3图像置乱实验图②混沌序列混沌现象是在非线性动力系统中出现确实定性的、类似随机的过程,这种过程既非周期又不收敛,并且对初始值有极其敏感的依赖性。一类非常简单的Logistic映射定义如式(2-12)所示Xk+1=uXk〔1-Xk〕Xk∈〔0,1〕〔2-12〕当3.9956456＜u≤4时,Logistic映射工作于混沌状态,由不同初始状态X0,经过上式生成的序列是非周期、不收敛、不相关的并对初始值非常敏感。Logistic映射产生序列具有以下特性:(l)形式简单,只要具备混沌映射的参数和初始条件就可以很方便的生成、复制混沌序列,而不必浪费空间来存储很长的整个序列。(2)初始条件的敏感性,一般不同的初始值,即使相当接近,迭代出来的轨迹也不相同,同时,混沌动力系统具有确定性,即给定相同的初始值,其相应的轨迹肯定相同,所以我们可以轻而易举地获得数量极多的非相关的混沌序列,并且一般情况下,很难从一段有限长度的序列来推断出混沌系统的初始条件,从平安的角度,这是非常重要的。(3)白噪声的统计特性,这一点使它可用于需要噪声调制的众多应用场合。(4)混沌序列是一个类似随机的过程,而且从混沌序列的值中很难推出原始的参数和初值,因此具有很好的保密性。(5)混沌序列具有良好相关特性,只有使用相同参数和初值产生的序列相关性。通过简单的变换,Logistic映射同样可以在(-1,l)定义:Xk+1=1-ɑXk2ɑ∈〔0,2〕〔2-13〕在ɑ=2的满射条件下,Logistic。映射产生的混沌序列的均值为0,自相关函数是类函数,互相关性为O。利用不同的密钥(即混沌序列的初始值),可以得到众多确定的混沌实数序列,该序列的值在(-1,l)上,可以通过定义阀值函数F,经过阀值变换后得到{0,l}的二值序列:F〔Xk〕=0-1≤x＜ɡɡ≤x＜1〔2-14〕为了提高水印嵌入的平安性和提高鲁棒性,在嵌入水印过程中使用了混沌序列。③水印的嵌入Step1将给定的MxM灰度图像I进行置乱变换,变换次数作为密钥keyl得到灰度图像I_A。Step2将给定的m×n二值水印图像W变为M、M的二值图像,具体变换方式为:先计算(M×M〕/〔m×n〕的值,取不大于此值的奇数,记为K；从左到右按行顺序扫描二值水印图像的像素值,得到一维序列,记为L1；将Ll中每个元素重复K次,得到一维序列L2,如果L2的元素个数没有到达MxM个,那么在其后补O,使其长度为MxM；将一维序列L2依次变为MxM按行排列的二维序列W_K。Step3对二维序列w_K进行置乱变换,变换次数作为密钥key2,得到灰度图像W_A。Step4将给定的初值和阀值作为密钥key3,利用Logistic映射产生M×M的混沌序列{xij:i=1,2,…,M；j=1,2,…,M}。Step5将I_A与w_K通过Xij进行对应来嵌入水印:如果X×j为l,嵌入到第1比特位,当灰度图像W_A的对应像素值为1时,将灰度图像I_A的第1比特变为O,当灰度图像W_A的对应像素值为O时,将灰度图像I_A的第1比特变为1。如果xij为0,嵌入到第2比特位,当灰度图像w_A的对应像素值为1时,将灰度图像I_A的第2比特变为0,当灰度图像W_A的对应像素值为0时,将灰度图像I_A的第2比特变为1。最后得到灰度图像IW_A。SteP6将keyl作为密钥,进行置乱反变换,到的嵌入水印的灰度图像IW。④水印的提取Step1运用密钥keyl作为变换次数,将嵌入水印的M、M灰度图像IW进行置乱变换,得到灰度图像IW_A。Step2将密钥key3作为初值和阀值,利用Logistic映射产生MxM的混沌序列{xij:i=1,2,…,M；j=1,2,…,M}。Step3将IW_A与Xij进行对应来提取水印,得到对应的二维序列w_K二如果xij为l,提取第l比特位的相反值(即如果第1比特为o就取l,为l就取o)作为序列W_K的值;如果Xij为0,提取第2比特位的相反值作为序列W_K的值。SteP4运用密钥key2作为变换次数,将二维序列W_K进行置乱反变换,得到二维序列L2。Step5将二维序列L2从左到右按行排列变为MxM个元素的一维序列Ll。每次扫描序列Ll的K个元素,如果这K个元素中为1的个数超过一半那么取1,否那么取0。当判断得到mxn个值时结束,把这些值记为一维序列Ll。SteP6将一维序列L2变为mxn的序列,得到提取的水印二值图像W。五仿真实验与分析在实验中,在标准灰度图像(如图4-a所示)中,嵌入150×115的二值图像,如图4-b所示。嵌入水印后的图像如图4所示。嵌入水印后计算得到峰值信噪比PSNR为47.1309dB,说明该水印嵌入算法的隐蔽性很好。当嵌入水印的图像未受到攻击时,提取来的水印如下图,经计算得到的NC值为:1.0000。对嵌入了二值水印的图像进行抗攻击测试,提取得水印并计算NC值。(a)原始图片(b)水印原始图像嵌入鲁棒水印，结果如图4所示(a)载体图像〔b〕水印图像〔c〕嵌入水印后的图像〔d〕提取的水印图像图4嵌入水印前后的图像实验发现，经本文方法嵌入图像后的PSNR为42.231，提取后的水印和原始水印的相似度鲁棒水印NC为1，可见含水印的图像保持了良好的图像质量，并且提取的水印和原始水印相似度极高。为了验证算法的鲁棒性，在做仿真实验时，对利用本算法嵌入水印后的原始图像进行以下几个方面的攻击：(l)噪声攻击参加均值为0,方差为0.00001的高斯噪声后的图像如图2-10所示,提取的水印图像如图5图6所示，计算得到NC为0.88260。(a)