基于同步技术和神经网络理论的音频数字水印研究

论文摘要

当今世界互联网技术蓬勃发展，网络以它无与伦比的优势正逐渐成为众多媒体中最耀眼的新星。人们利用互联网能方便地制作、拷贝、传播和浏览各种信息。在享受着这种便利的同时，我们也必须看到近年来通过互联网进行音像制品盗版的非法活动越来越猖獗。保护知识产权成为亟待解决的问题。因此数字水印技术应运而生，通过在多媒体文件中嵌入水印，可以实现拷贝限制、使用跟踪、盗用确认等功能。当所有者权益被侵犯时，可通过对水印的检测来证明其所有权，这样就能达到版权保护的目的。近年来，图像水印发展很快，相关算法也较成熟，而针对音频水印的算法还不是很多，音频数字水印技术正逐渐成为数字水印的研究热点之一。本文的研究工作是围绕音频数字水印技术展开的。分别将同步技术和神经网络理论应用于音频数字水印算法中，仿真实验表明在抵抗裁剪攻击和加大隐藏数据量等方面均取得了较好的效果。在基于同步技术的抗裁剪音频数字水印算法中，采用二值图像作为水印。将水印序号、同步码和水印元素分别嵌入音频信号的离散余弦变换(DCT)域中。嵌入同步码的目的是能够正确提取遭裁剪攻击的音频中含有的水印信息，嵌入水印序号的目的是通过序号确定已提取的水印元素在图像中的位置，将所提取的水印值都定位在图像上也就恢复了水印图像。另外，将数据嵌入DCT域中有利于提高算法抵抗非同步攻击的鲁棒性。实验结果表明，该算法在抵抗裁剪攻击、噪声攻击、重量化攻击等方面具有较强的鲁棒性，需要特别指出的是该算法抗裁剪攻击的能力很强。在基于神经网络理论的音频数字水印算法中，采用灰度图像作为水印。首先利用训练样本对神经网络进行训练，然后用训练好的网络提取水印信息。该算法的优点是嵌入的数据量大，提取的时间短和抗攻击的能力强。因为攻击加入后，训练点也遭到相同程度、相同性质的攻击，通过对BP网络的训练，该网络能够在一定程度上适应此攻击，从而能够较好的克服其危害，因而该水印算法具有较强的鲁棒性。实验结果表明，该算法在抵抗噪声攻击、重量化攻击等方面具有较强的鲁棒性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 数字水印技术概述
• 1.3 音频数字水印通常的攻击方法和客观评价标准
• 1.4 音频数字水印的研究现状
• 1.5 本文的主要研究工作及论文的组织结构
• 第2章 常用音频数字水印算法研究
• 2.1 音频数字水印时域算法及仿真
• 2.2 音频数字水印变换域算法及仿真
• 2.2.1 离散余弦变换域的量化算法
• 2.2.2 扩频通信技术
• 2.2.3 基于扩频技术的盲音频数字水印算法
• 2.2.4 仿真实验及结果分析
• 2.3 本章小结
• 第3章 基于同步技术的抗裁剪音频水印算法研究
• 3.1 同步技术
• 3.2 混沌理论
• 3.3 算法原理及框图
• 3.4 水印的嵌入与提取算法
• 3.4.1 水印图像的预处理
• 3.4.2 同步码
• 3.4.3 水印序号
• 3.4.4 水印的嵌入
• 3.4.5 数据的提取
• 3.4.6 检测同步码
• 3.4.7 水印图像的恢复
• 3.5 仿真实验及结果分析
• 3.6 本章小结
• 第4章 基于神经网络的音频数字水印算法研究
• 4.1 神经网络理论
• 4.1.1 神经网络的概念和发展
• 4.1.2 BP算法的数学描述
• 4.1.3 激活函数
• 4.2 算法原理及框图
• 4.3 水印嵌入算法
• 4.3.1 构造像素点
• 4.3.2 图像水印降维
• 4.3.3 图像水印置乱
• 4.3.4 归一化
• 4.3.5 水印的嵌入
• 4.4 水印提取算法
• 4.4.1 生成训练矩阵和提取矩阵
• 4.4.2 训练 BP网络
• 4.4.3 提取水印
• 4.4.4 阈值判断
• 4.4.5 水印图像的恢复
• 4.5 仿真实验与结果分析
• 4.5.1 训练点数目的选取
• 4.5.2 嵌入强度的选择
• 4.5.3 抗攻击能力分析
• 4.5.4 置乱分析
• 4.6 本章小结
• 第5章 总结和展望
• 5.1 工作总结
• 5.2 进一步的研究工作
• 5.3 展望
• 参考文献
• 致谢
• 攻读学位期间发表的论文和参加科研情况