数字图像水印算法研究

论文摘要

随着数字技术和多媒体网络的迅速发展,数字多媒体作品(如数字图像、数字音频、数字视频等)在互联网上的发布、传播、复制等操作变得越来越方便快捷,然而这种便利性和不安全性是并存的,因此数字作品的版权保护就成为一个急需解决的课题。数字水印技术作为一种新的信息安全技术,在当今信息时代的迫切需求下迅速发展起来并日益成为一个重要的研究课题。由于数字水印技术为版权保护和信息安全提供了一个潜在的解决方案,因此该技术自20世纪90年代初提出至今,已经引起了国内外许多专家学者和商业团体的高度关注,研究成果也层出不穷,但数字水印技术还仍未成熟,许多问题亟待解决。本文着重对DWT(Discrete Wavelet Transform)域的数字图像水印算法进行了探讨,主要内容包括以下几点:(1)回顾了数字水印技术的背景,阐述了其发展现状、基本概念、基本特性及一般原理并列举了一些经典的数字图像水印算法。(2)对图像小波分解后细节子图的小波系数进行统计分析,以广义高斯分布(Generalized Gaussian Distribution)随机变量为数学模型,并给出了参数估计的方法,设计出相应的检测器。在水印的嵌入过程中,根据DWT域的JND(Just Noticeable Difference)视觉模型,引入一个同时反映水印透明性和鲁棒性的代价函数,利用此代价函数找到每个水印信息的最佳嵌入位置,使水印的透明性和鲁棒性得到较好的折衷。在水印检测时,利用随机变量的广义高斯分布,设计出局部最优检测器以检测图像中是否含有水印信息。实现结果表明,该算法提高了水印的透明性且具有一定的鲁棒性,但同时也存在计算复杂度高,耗时长等缺点。(3)结合BP神经网络和小波重要树,把二值文本水印嵌入到小波重要树中并实现数字水印的盲提取。彩色图像经颜色空间转换后对亮度分量进行小波分解,分解后的小波系数在不同尺度(分辨率),相同空间位置呈树状结构;各子图的小波系数在不同尺度,相同方向以及相同尺度,不同方向具有一定的相关性。利用BP神经网络输入/输出之间的非线性映射可描述这种相关性,从而使BP神经网络与小波分析进行很好的结合。在水印嵌入时,根据BP神经网络的实际输出与目标输出之间的关系,把文本水印信息嵌入到小波重要树中,并采用相反的过程可实现数字水印的盲提取。实验结果表明,该算法具有较好的透明性和鲁棒性,但也存在不易确定BP网络结构和训练具有强泛化能力的BP神经网络耗时长等缺点。(4)将混沌系统产生混沌序列进行二值化,再经过逆Zigzag扫描成二维混沌矩阵对水印进行加密,以提高水印的安全性;并再次利用此混沌矩阵在选择的小波系数间建立一种新的关系。根据小波系数间新建立的关系把文本水印信息嵌入到选择的低频小波系数中,以提高数字水印的鲁棒性。在水印提取时,利用混沌矩阵以相同的算法得到小波系数间的关系,利用此关系实现数字水印的盲提取。实验结果表明,此算法具有计算复杂度低,鲁棒性强,实时性好等优点,但也存在水印透明性略差的不足。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 概述
• 1.1.1 课题背景
• 1.1.2 发展现状
• 1.2 数字水印基本原理
• 1.3 数字水印的基本特性及分类
• 1.3.1 基本特性
• 1.3.2 数字水印的分类
• 1.3.3 一些水印的攻击
• 1.4 数字图像水印典型算法
• 1.4.1 空域/时域典型嵌入算法
• 1.4.2 变换域水印嵌入算法
• 1.5 数字水印的应用
• 1.5.1 数字版权保护
• 1.5.2 广播监视
• 1.5.3 内容认证
• 1.5.4 使用控制
• 1.5.5 隐蔽通信
• 2 基于统计模型的数字水印算法
• 2.1 小波分析
• 2.1.1 小波多分辨率分析
• 2.1.2 小波系数统计特性
• 2.1.3 小波系数统计模型
• 2.1.4 参数估计
• 2.1.5 嵌入位置
• 2.1.6 小波域视觉门限
• 2.1.7 定义代价函数
• 2.1.8 最佳嵌入位置
• 2.2 水印嵌入算法
• 2.3 水印检测
• 2.4 实验结果
• 2.5 本章小结
• 3 基于BP 神经网络的盲数字水印算法
• 3.1 BP 神经网络
• 3.2 小波树状结构
• 3.2.1 小波树
• 3.3 小波重要树
• 3.4 确立BP 神经网络结构
• 3.5 水印嵌入算法
• 3.5.1 图像置乱
• 3.5.2 嵌入步骤
• 3.5.3 水印的盲提取
• 3.6 实验结果
• 3.7 本章小结
• 4 基于混沌系统的盲数字水印算法
• 4.1 混沌系统简述
• 4.1.1 混沌的定义
• 4.1.2 混沌系统的特性
• 4.1.3 典型混沌系统简介
• 4.2 数字水印嵌入算法
• 4.2.1 水印加密
• 4.2.2 水印嵌入步骤
• 4.3 提取水印
• 4.4 实验结果
• 4.5 本章小结
• 5 结论
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献
• 已发表论文