课程设计（论文）基于小波变换的数字水印与matlab的实现

基于小波变换的数字水印与matlab的实现摘要：通过对数字水印的原理和算法的分析，了解信息隐藏的实现手段与效果。在信息加载和提取过程中，突破传统的加密技术，用更具专业性的检测手段来保护专属的信息产权。本文利用了水印良好的鲁棒性和不可感知性，致力于对图像的处理，通过实验与测试证实了数字水印可以达到理想的效果，并且运用恰当的算法可以更加简化操作的复杂性。在此之外，数字水印还可以应用于声音，视频等领域。其技术手段的实现的更加完善化会带来其更加广阔的应用前景。关键字：数字水印；信息隐藏；MATLAB;水印检测与提取；JPEG压缩；1 数字水印技术简介1.1数字水印的发展背景 随着数字技术和Internet网络的发展，各种形式的多媒体数字作品(图像、视频、音频等)纷纷以网络形式发表，然而数字作品的便利性和不安全性是并存的，它可以低成本、高速度地被复制和传播，而这些特性也容易被盗版者所利用。因而，采用多种手段对数字作品进行保护、对侵权者进行惩罚己经成为十分迫切的工作。数字水印技术的研究就是在这种应用要求下迅速发展起来的。 数字水印(digital watermarking)技术也称为数字指纹技术，它将具有特定意义的水印标记不可感知地嵌入到被保护的数字产品中，在产生版权纠纷时，通过相应的算法提取该水印，用以证明作者对该数字产品的所有权，并可作为鉴证、起诉非法侵权的证据。数字水印技术基本上应当满足隐蔽性、安全性、鲁棒性和水印容量等几个方面的要求。研究数字水印技术的最初目的是用于保护数字产品的版权，但随着研究的进一步深入，它在信息安全保护领域的应用越来越广泛，并在广播检测、图像认证、盗版跟踪、数字签名、交易水印、拷贝控制、标题与注释等各个领域产生了许多新的用途。数字水印从正式提出到现在虽然时间不长，但它与传统的密码学相比有明显的优越性，为解决版权保护和内容完整性认证、来源认证、篡改认证、网上发行、用户跟踪等一系列问题提供了一个崭新的研究方向，因此它在数字产品的知识产权保护、商务交易中的票据防伪、声像数据的隐藏标识和篡改提示、隐蔽通信及其对抗等方面具有十分广阔的应用前景。1.2数字水印的特点（1）鲁棒性：所谓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。可能的信号处理过程包括信道噪声、滤波、数模与模数转换、重采样、剪切、位移、尺度变化以及有损压缩编码等（2）隐蔽性：在数字作品中嵌入数字水印不会引起明显的降质，且不易被察觉。（3）隐藏位置的安全性：水印信息隐藏于数据而非文件头中，文件格式的变换不应导致水印数据的丢失。在数字水印技术中，水印的数据量和鲁棒性构成了一对基本矛盾。从主观上讲，理想的水印算法应该既能隐藏大量数据，又可以抗各种信道噪声和信号变形。然而在实际中，这两个指标往往不能同时实现，不过这并不会影响数字水印技术的应用，因为实际应用一般只偏重其中的一个方面。如果是为了隐蔽通信，数据量显然是最重要的，由于通信方式极为隐蔽，遭遇敌方篡改攻击的可能性很小，因而对鲁棒性要求不高。但对保证数据安全来说，情况恰恰相反，此时，隐藏数据量的要求居于次要地位，各种保密的数据随时面临着被盗取和被纂改的危险，所以鲁棒性是十分重要的。1.3 数字水印技术的基本原理数字水印的基本原理是将作为标识数据的水印信息嵌入到被保护的宿主数据中，使得水印在宿主数据中不可感知并且足够安全。通常的水印算法包括三个基本方面：水印的生成、嵌入和提取，并会涉及到水印的选择、水印的验证、基于视觉特性的水印等几项关键技术。(1)水印的生成水印信号分为无意义水印信号和有意义水印信号两种。无意义水印信号的产生通常基于伪随机数发生器或混沌系统，产生的水印信号往往需要进一步的变换以适应水印嵌入算法的需要。有意义水印信号包括二值图像、灰度图像和彩色图像等。有意义的图像可以直接作为水印嵌入到载体数据中，但是为了增强水印的安全性，一般需要先对水印进行加密预处理，处理的方法包括使用实随机序列进行扩频、对水印信号进行位分解、利用图像的置乱对水印进行预处理等。数字水印生成过程的一般流程如图1所示。载体图像原始水印信息密钥水印生成算法生成水印信息图1 数字水印生成过程一般流程图(2)水印的嵌入水印的嵌入从数字通信的角度看，可以理解为在一个宽带的信道上用扩频通信技术一个窄带信号，会涉及到嵌入的方法、嵌入的位置、嵌入的信息量等问题。数字水印嵌入过程的一般流程图如图2所示。信息分析(选择嵌入点)原始图像水印信息水印嵌入算法含水印图像 图2 数字水印嵌入过程流程图(3)水印的提取与检测水印的提取与检测是一个在有噪信道中弱信号的检测问题，最终目的在于判断水印信号是否存在或把水印提取出来。在对提取的水印和原始的水印进行判断和检测的过程中，可以通过输出一个01决策来判断水印有无。水印提取与检测过程的一般流程图如图3所示。水印化信息密钥原始信息原始水印信息水印检测算法水印提取算法提取出水印判断水印是否存在图3 数字水印提取检测过程一般流程图14数字水印技术的划分(1)按特性划分数字水印的特性可以将数字水印分为鲁棒数字水印和脆弱数字水印两类。(2)按水印所附载的媒体划分按水印所附载的媒体，我们可以将数字水印划分为图像水印、音频水印、视频水印、文本水印以及用于三维网格模型的网格水印等。(3)按检测过程划分按水印的检测过程可以将数字水印划分为明文水印和盲水印。(4)按内容划分按数字水印的内容可以将水印划分为有意义水印和无意义水印。(5)按用途划分 不同的应用需求造就了不同的水印技术。按水印的用途，我们可以将数字水印划分为票据防伪水印、版权保护水印、篡改提示水印和隐蔽标识水印。(6)按水印隐藏的位置划分 按数字水印的隐藏位置，我们可以将其划分为时(空)域数字水印、频域数字水印、时频域数字水印和时间尺度域数字水印。1.5数字水印算法的分类数字水印算法可以分为空间域数字水印算法和变换域数字水印算法两大类。空间域数字水印算法就是通过改变某些像素的灰度将要隐藏的信息嵌入到其中，把数字水印直接加载到数据上。这种方法具有算法简单、容易实现、信息隐藏量大和计算速度快等优点，并且许多算法在提取水印和验证水印存在时都不需要原始图像，但通常因为抵抗图像的几何形变、噪声和图像压缩的能力较差而具有较差的鲁棒性。空间域数字水印的经典算法包括：（1）LSB算法(最低有效位法)，（2）Patchwork方法；（3）纹理映射编码方法；（4）文档结构微调方法等。变换域数字水印算法是当前数字水印技术领域研究的热点。它是基于图像的变换利用一个信号可以掩盖另一个较弱的信号这种频率掩盖现象在频域变换中嵌入水印，这些常见变换包括：（1）离散余弦变换(DCT);（2）小波变换(WT);（3）傅氏变换(Fr或FFr);（4）哈达马变换等。1.6影响水印性能的因素(1) 嵌入信息的数量:嵌入的信息量越多，水印的鲁棒性就越低(2) 水印嵌入强度:在水印嵌入强度和水印可感知性之间有一个均衡。高鲁棒性 需要更强的嵌入，这反过来增大了水印的可感知性。 (3)数据的大小和种类:通常数据的尺寸大小对嵌入水印的鲁棒性有直接的影响。 (4)秘密信息(如密钥):尽管秘密信息的数量对水印的可感知性，鲁棒性没有直接的影响，但在系统安全性方面充当了重要的角色。密钥空间要足够大，从而使穷举搜索攻击不可行。考虑这些上述因素，评价水印方法必须在各种不同的测试图像之中进行测试。此外，为了得到在统计上有效的结果，必须使用不同的密钥和改变水印的强度来对水印系统进行评价。1.7数字水印技术的攻击问题(1) 简单攻击通常是指普通的图像处理，例如对图像线性和非线性的滤波、有损压缩、图像增强、量化、加噪等。简单攻击不能识别或分离水印，只可以使水印削弱或删除。(2) 同步攻击这种攻击通常指几何攻击，如旋转、剪切、平移、二次抽样、缩放等操作。这种几何攻击实际上并没有去除图像中的水印，但它改变了提取水印所必须的位置信息，使得水印虽然存在，但不能被提取或检测。(3)伪造攻击这种攻击指试图去伪造原始数据或伪造水印后的数据。(4)去除水印攻击这种攻击是指通过分析水印后的数据，估计出原始数据或水印数据，从而将水印从水印后的数据中分离出来。通常采用的方法有:共谋攻击、去噪、特殊的非线性滤波等。2 小波变换概述 21小波变换“小波”就是小区域、长度有限、均值为0的波形。所谓“小”是指它具有衰减性；而称之为“波”则是指它的波动性，其振幅正负相间的震荡形式。与Fourier变换相比，小波变换是时间(空间)频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节小波变换分成两大类：离散小波变换 (DWT) 和连续小波变换 (CWT)。两者的主要区别在于，连续变换在所有可能的缩放和平移上操作，而离散变换采用所有缩放和平移值的特定子集。从图像处理的角度看，小波变换存在以下几个优点： (1)小波分解可以覆盖整个频域(提供了一个数学上完备的描述) (2)小波变换通过选取合适的滤波器，可以极大的减小或去除所提取得不同特征之间的相关性 (3)小波变换具有“变焦”特性，在低频段可用高频率分辨率和低时间分辨率(宽分析窗口)，在高频段，可用低频率分辨率和高时间分辨率(窄分析窗口) (4)小波变换实现上有快速算法(Mallat小波分解算法)22二维小波变换算法讨论当二维空间是可分离的情况下，很容易把一维多分辨率分析推广到二维。说得具体点就是，二维小波分解算法是：一幅数字化的图像经常可以用一个2维矩阵A表示（经过某种变换），然后行进行一维小波分解，得到新的矩阵B，B由A的水平方向低频，水平方向高频部分组成，再对列进行一位小波分解，得到新的矩阵C，C由B的垂直方向低频，垂直方向高频部分组成，即C由四部分组成：LL（原图像的水平分量低频，垂直方向低频部分），HL（原图像的水平分量高频，垂直方向低频部分），LH（原图像的水平分量低频，垂直方向高频部分），HH（原图像的水平分量高频，垂直方向高频部分）。为了形象地描绘二维小波分解后的分量，可以见下图：LL2HL2HL1LH2HH2LH1HH1 图 3-1图像二维小波分解后的分量其中，LL代表近似部分，HL代表水平细节，LH代表垂直细节，HH代表对角细节。 对于二维小波重构，可以按照分解的逆过程来实现：利用一维小波重构算法先对列重构，再对行重构，就能得到原图像。23常见的小波变换水印算法(1) Barni算法此算法是由 Mauro Barni, Franco Bartolini, Vito Capellini,Alessandro Lippi和Alessandro Piva提出的，算法使用了一般的线性叠加方法。水印长度由原图像的大小决定，如果原图像的大小为M×N，则Nw=3*M/2*N/ 2，这里Nw表示水印的长度。选用Daubechies-6作为小波基，对原图像进行4级小波分解。只有第一分解级的细节信号嵌入水印，而分析信号只用于计算视觉遮蔽效果值。(2) Kundur算法此算法是由Kundur Deepa和Hatzinakos Dimitrios提出的，水印嵌入使用了图像融合技术。水印大小与待嵌图像的大小相差2M比例因子，其大小为2*Nw×2*Mw，嵌入前将水印进行一级小波分解。原