
出版社: 清华大学
原售价: 69.80
折扣价: 49.60
折扣购买: 数字水印技术及其应用
ISBN: 9787302492023
第3章提升方案小波和DCT的图像盲水印算法
3.1引言
多媒体技术和计算机网络技术的不断发展使越来越多的多媒体信息可以通过网络进行传输,这给人们提供了极大的方便,但数字产品的易复制、易修改等特点使得许多数字产品的版权*到威胁。作为传统加密方法的有效补充手段,数字水印技术近年来引起了人们的高度重视并逐渐成为多媒体信号处理领域的一个研究热点。
数字水印是一组表示版权或证明信息的编码或特定的信息(可以是图标或序列号),它被**地“埋植”在数字产品(宿主数据)中,以便鉴别数字产品的来源、创作者、拥有者、发行人或被授权的使用用户等版权信息。被嵌入数字产品中的水印信息通常需要具有不可见性和健壮性,即嵌入水印的图像与原图像比较无明显差异,或者不易察觉其差异,同时嵌入数字产品中的水印信息能够抵抗一些常见的噪声污染,以及信息处理、有损压缩等*击。
本章提出一种基于提升方案小波[1]和DCT的彩色图像盲水印算法,该方法利用HVS的亮度掩蔽特性和纹理特性,在图像小波变换的较低频子带DCT域的不同类型块中嵌入不同能量的水印系数,从而保证了所嵌入水印具有自适应能力,这在一定程度上可以保证在不可见性前提下的极大鲁棒性。实验结果验证了所提出方法的有效性。
3.2基于HVS的自适应水印嵌入策略
水印嵌入可以看作是在强背景(原始图像)下加上一个弱信息(水印),只要迭加的信号低于JND的值,视觉系统就无法感觉到水印信息的存在[2]。根据HVS的视觉特点,人眼对图像的亮度和纹理通常具有可屏蔽特性[3],即人眼对图像的中间亮度区域的畸变*敏感,且对亮度的敏感性随着亮度的增加或减少向两端呈抛物线状下降,即所谓的亮度掩蔽特性; 此外,背景的纹理越复杂,嵌入的水印可见性越低(边缘信息对人眼**重要,必须保证边缘的质量不*大的损害),即所谓的纹理掩蔽特性。这样图像背景的亮度和纹理将影响水印信息的可见性和鲁棒性。
水印嵌入的思想是首先将宿主图像进行一层或多层提升方案小波分解,对其较低频子带(如果嵌入的水印信息量较少,则可以仅考虑低频子带LL,否则可再选用HL和LH子带)进行8×8分块的DCT变换,水印信息将嵌入在每个分块的DCT域中,如果水印信息嵌入在LL子带的分块DCT域中,则改变该8×8块中两个中频分量的值(中频分量值的位置可在JPEG所给出的量化表[4]中选取); 如果水印信息嵌入在HL或LH子带的DCT系数中,则改变其两个中低频分量的值。
设Yck为所选择的经DCT变换后的系数块,Yck(u1,v1)和Yck(u2,v2)为Yck块中两个待嵌入水印信息的系数,令Yck(u1,v1)和Yck(u2,v2)的初值均为[Yck(u1,v1)+Yck(u2,v2)]/2,具体嵌入原则如下。
若嵌入的水印信息w′k=1,则取:
Yck(u1,v1)=Yck(u1,v1)+α·β·γ·(mk-Ywmean+Ywmean)
(3.1)
若嵌入的水印信息w′k=0,则取:
Yck(u2,v2)=Yck(u2,v2)+α·β·γ(|mk-Ywmean|+Ywmean)
(3.2)
其中:
(1) Ywmean为Yck所在的小波分解子带的系数均值,若该均值大于127,则Ycmean取127。
(2) α为可见性临界系数。设背景亮度为Y,根据Weber定律[5],在均匀背景下,人眼刚好可以识别的物体亮度为Y+Y,其中,Y一般可取002Y。在我们所给出的方案中,每8×8子带的DCT块中嵌入一个水印,故α可取小于**×0.02=0.128的实数。
(3) β为亮度掩蔽系数。根据HVS的亮度掩蔽特性,将β定义为1+|mk-Ywmean|/Ywmax,其中,Ywmean和Ywmax分别为Yck所在的小波分解子带的系数均值和系数*大值; mk为待嵌入水印的8×8小波分解子带块的系数均值。
(4) γ是纹理掩蔽系数,其计算在Yck所在的小波分解子带中进行,具体过程为: 首先将Yck所在的小波分解子带分成8×8的块Ywk,计算每一块小波系数的平均值mk和方差δ2k:
mk=1**∑7i=0∑7j=0Ywk(ui,vj)(3.3)
δ2k=1**∑7i=0∑7j=0[Ywk(ui,vj)-mk]2(3.4)
块方差δ2k的大小反映了块的平滑程度,当δ2k较小时,块中的系数比较均匀,反之,则块将包含着较多的纹理和边缘的系数。这样根据Yck所在的小波分解子带中小波系数的分布情况,可选定一个阈值ω(也可通过实验来确定),按该阈值将块Ywk分成B1和B2两类: 当δ2k<ω时,Ywk∈B1; 当δ2k≥ω时,Ywk∈B2。
B2类中的块Ywk可能由两种情况形成: 一种情况是该块中含有边缘信息以外的较丰富的纹理信息; 另一种情况是该块中含有较丰富的边缘信息。前一种情况对噪声不太敏感,后一种情况则需保护边缘信息,这样对属于B2类的系数块需要进一步区分。我们通过计算系数块的梯度来区分B2类中系数块的两种情况[6],对Ywk块中的每一系数Ywk(u,v),采用Roberts梯度的近似算法来计算其梯度:
Ywk(u,v)=Ywk(u+1,v+1)-Ywk(u,v)+
Ywk(u+1,v)-Ywk(u,v+1)(3.5)
由于在纹理丰富的系数块中,Ywk(u,v)较大的系数较多,而在边缘信息丰富的系数块中,Ywk(u,v)大的系数相对较少,这样,可以通过适当选择一个阈值Tdrads,统计出各Ywk块中Ywk(u,v)>Tdrads的系数的个数Nk,进而通过选择阈值Tcount,将B2类中的各Ywk块进一步分成B21和B22两类: 当Nk≥Tcount时,Ywk∈B21; 当Nk