一种鲁棒性数字水印系统的设计与实现
以下是资料介绍,如需要完整的请充值下载.
1.无需注册登录,支付后按照提示操作即可获取该资料.
2.资料以网页介绍的为准,下载后不会有水印.资料仅供学习参考之用.
密 惠 保
1.无需注册登录,支付后按照提示操作即可获取该资料.
2.资料以网页介绍的为准,下载后不会有水印.资料仅供学习参考之用.
密 惠 保
资料介绍：
摘要
计算机网络和通信技术的迅猛发展，使得数字信息的产生、复制、传播更为容易。在这个背景下，如何防止具有版权的数字数据在未经允许的情况下，被非法的使用或是传播，这就提出新的研究的课题：就是如何运用现有的理论和技术，更好的解决数字产品所有者的合法权益的保护问题。数字水印技术就是在这样的背景下诞生的。
本文就基于离散小波变换的数字水印技术做以下的工作：（1）对数字水印的概念、框架、分类及应用做一个简要的介绍；（2）简单回顾一下水印嵌入策略核心小波理论，并着重介绍多分辨分析及Mallat算法；（3）简要介绍人类视觉感知系统（HVS），讨论其在水印嵌入过程中的作用；（4）设计并实现基于小波变换与人类视觉系统的水印嵌入算法；（5）通过各种常见攻击验证系统的鲁棒性，证明该水印系统对于常见攻击具有鲁棒性并且保证水印的不可见性。最后总结所做工作并指出不足之处。
关键词：数字水印，离散小波变换，人类视觉系统
基于HVS与DWT的数字水印系统的设计与实现
4.1 HVS模型简介
最近十年以来，数字水印得到国内外广泛的关注。但现阶段关于数字水印的研究还不够成熟，尤其是结合人类视觉系统HVS (Human Visual System)的研究还不够深入，而把HVS和数字水印算法结合起来却有很好的发展前景[17]。结合当前国内外水印技术的研究现状，本论文以灰度图像中嵌入有意义的二值水印图像为研究对象，结合人类视觉系统HVS，在不引起图像明显降质的前提下，在小波分解域中实现水印的嵌入和提取。本论文的主要工作，是应用Lewis等人提出的视觉模型计算公式，结合HVS自适应地对水印嵌入强度进行选取，在小波系数重要分量上嵌入水印，并通过实验对比其他水印算法验证本文算法在抗JPEG压缩、放大缩小攻击、噪声污染等方面具有良好的鲁棒性。下面介绍本文算法提出的主要依据及具体的实现。 think58 [来源：http://think58.com]
一个好的水印算法首先应满足不可见性，嵌入水印的图像不应产生视觉上的质量下降，这就需要对人类视觉系统HVS有一定的解。充分利用HVS，在满足水印不可见的前提下，尽量加大水印的嵌入强度，可以提高水印算法的鲁棒性。
首先介绍一个概念——视觉阀值JND( Just Noticeable Difference)，是指视觉正好可以感觉到的刺激(干扰或失真)值，它是一个统计值，在图像质量的主观评价中有着广泛的作用。
一般来说，人类视觉系统有如下特征
(1) 、 亮度特征人眼对不同亮度具有不同的敏感性，通常对高亮度区域和低亮度区域不敏感，因此视觉阀值较高。
(2) 、 边缘掩盖 在亮度有变化的边缘，可以“掩盖”人眼对边缘附近像素
的感觉，这种效应称为边缘掩盖效应。因而在图像的边缘区域，视觉阀值较高。
(3) 、纹理掩盖人眼对纹理区域的噪声不敏感，即纹理可掩盖较大的噪声。
(4) 、频域特征人眼对高频的敏感度低于对低频的敏感度。
(5) 、 方向特征人眼对斜对角方向比对水平和垂直方向的敏感度要低。
总结以上特征，我们知道在高亮度和低亮度区域、边缘区域、纹理丰富区域、高频子带、斜对角方向处，视觉阀值JND较大。利用人类视觉系统，恰当选取水印的嵌入位置和嵌入强度，可以提高水印算法的鲁棒性[19]。
4.2 水印嵌入位置的选择
水印的不可见性和鲁棒性与水印的嵌入位置密切相关。对图像进行小波分解后，可以得到图像的低频子带和高频子带。低频子带 是图像的近似子带，携带大量的图像信息，具有较大的视觉容量，经过一般的信号处理，仍能很好地保留这部分信息。在低频子带嵌入水印对低通滤波、有损压缩具有较好的鲁棒性。但同时因为低频子带直接影响图像的视觉质量，水印嵌入容量过大会直接影响图像的视觉效果。高频子带是图像的细节子带，反映图像的边缘、纹理信息。根据上述HVS的特征，人眼对高频的敏感度低于对低频的敏感度，即在高频可以嵌入比低频更大的噪声也不会引起图像在视觉上的降质。
4.3 水印嵌入强度的计算
水印的不可见性和鲁棒性与水印的嵌入强度也密切相关。嵌入强度越大，则水印图像的鲁棒性越好。但大的嵌入强度会引起图像视觉质量的下降。另外，如果在图像的所有小波系数中取均一的嵌入强度，则不能结合HVS利用图像丰富的频率、亮度、边缘、纹理特性。一种好的水印算法，可以根据图像的这些特性，自适应地选取不同的嵌入强度，在不引起图像明显降质的前提下，嵌入最大强度的水印，提高水印的鲁棒性。由上面提到的HVS的理论可知，图像背景越亮或者越暗，纹理越复杂，不可见阀值就越高，可嵌入水印的强度就越大。另外在图像的边缘和纹理丰富部分，不可见阀值也较高。利用这些视觉特性嵌入最大强度的水印能量，同时掩盖由于水印嵌入而导致的图像失真，保证水印的不可感知性。 think58.com
下面利用上面提到的JND视觉阀值来计算水印的嵌入强度。著名的计算JND阀值的视觉模型有Watson等提出的视觉模型和Lewis等提出的视觉模型。Lewis视觉模型是在研究图像压缩中对DWT系数进行量化时提出的。在图像压缩中使用JND的主要目的是希望在图像的压缩比达到最大的同时，压缩后图像没有明显的降质。而在数字水印领域，在图像频域嵌入水印必然会使图像质量退化，JND可表示人眼刚好感觉不到这种退化时频域系数变化的阀值。
计算机网络和通信技术的迅猛发展，使得数字信息的产生、复制、传播更为容易。在这个背景下，如何防止具有版权的数字数据在未经允许的情况下，被非法的使用或是传播，这就提出新的研究的课题：就是如何运用现有的理论和技术，更好的解决数字产品所有者的合法权益的保护问题。数字水印技术就是在这样的背景下诞生的。
本文就基于离散小波变换的数字水印技术做以下的工作：（1）对数字水印的概念、框架、分类及应用做一个简要的介绍；（2）简单回顾一下水印嵌入策略核心小波理论，并着重介绍多分辨分析及Mallat算法；（3）简要介绍人类视觉感知系统（HVS），讨论其在水印嵌入过程中的作用；（4）设计并实现基于小波变换与人类视觉系统的水印嵌入算法；（5）通过各种常见攻击验证系统的鲁棒性，证明该水印系统对于常见攻击具有鲁棒性并且保证水印的不可见性。最后总结所做工作并指出不足之处。
关键词：数字水印，离散小波变换，人类视觉系统
基于HVS与DWT的数字水印系统的设计与实现
4.1 HVS模型简介
最近十年以来，数字水印得到国内外广泛的关注。但现阶段关于数字水印的研究还不够成熟，尤其是结合人类视觉系统HVS (Human Visual System)的研究还不够深入，而把HVS和数字水印算法结合起来却有很好的发展前景[17]。结合当前国内外水印技术的研究现状，本论文以灰度图像中嵌入有意义的二值水印图像为研究对象，结合人类视觉系统HVS，在不引起图像明显降质的前提下，在小波分解域中实现水印的嵌入和提取。本论文的主要工作，是应用Lewis等人提出的视觉模型计算公式，结合HVS自适应地对水印嵌入强度进行选取，在小波系数重要分量上嵌入水印，并通过实验对比其他水印算法验证本文算法在抗JPEG压缩、放大缩小攻击、噪声污染等方面具有良好的鲁棒性。下面介绍本文算法提出的主要依据及具体的实现。 think58 [来源：http://think58.com]
一个好的水印算法首先应满足不可见性，嵌入水印的图像不应产生视觉上的质量下降，这就需要对人类视觉系统HVS有一定的解。充分利用HVS，在满足水印不可见的前提下，尽量加大水印的嵌入强度，可以提高水印算法的鲁棒性。
首先介绍一个概念——视觉阀值JND( Just Noticeable Difference)，是指视觉正好可以感觉到的刺激(干扰或失真)值，它是一个统计值，在图像质量的主观评价中有着广泛的作用。
一般来说，人类视觉系统有如下特征
(1) 、 亮度特征人眼对不同亮度具有不同的敏感性，通常对高亮度区域和低亮度区域不敏感，因此视觉阀值较高。
(2) 、 边缘掩盖 在亮度有变化的边缘，可以“掩盖”人眼对边缘附近像素
的感觉，这种效应称为边缘掩盖效应。因而在图像的边缘区域，视觉阀值较高。
(3) 、纹理掩盖人眼对纹理区域的噪声不敏感，即纹理可掩盖较大的噪声。
(4) 、频域特征人眼对高频的敏感度低于对低频的敏感度。
(5) 、 方向特征人眼对斜对角方向比对水平和垂直方向的敏感度要低。
总结以上特征，我们知道在高亮度和低亮度区域、边缘区域、纹理丰富区域、高频子带、斜对角方向处，视觉阀值JND较大。利用人类视觉系统，恰当选取水印的嵌入位置和嵌入强度，可以提高水印算法的鲁棒性[19]。
内容来自think58
[来源：http://think58.com]
4.2 水印嵌入位置的选择
水印的不可见性和鲁棒性与水印的嵌入位置密切相关。对图像进行小波分解后，可以得到图像的低频子带和高频子带。低频子带 是图像的近似子带，携带大量的图像信息，具有较大的视觉容量，经过一般的信号处理，仍能很好地保留这部分信息。在低频子带嵌入水印对低通滤波、有损压缩具有较好的鲁棒性。但同时因为低频子带直接影响图像的视觉质量，水印嵌入容量过大会直接影响图像的视觉效果。高频子带是图像的细节子带，反映图像的边缘、纹理信息。根据上述HVS的特征，人眼对高频的敏感度低于对低频的敏感度，即在高频可以嵌入比低频更大的噪声也不会引起图像在视觉上的降质。
4.3 水印嵌入强度的计算
水印的不可见性和鲁棒性与水印的嵌入强度也密切相关。嵌入强度越大，则水印图像的鲁棒性越好。但大的嵌入强度会引起图像视觉质量的下降。另外，如果在图像的所有小波系数中取均一的嵌入强度，则不能结合HVS利用图像丰富的频率、亮度、边缘、纹理特性。一种好的水印算法，可以根据图像的这些特性，自适应地选取不同的嵌入强度，在不引起图像明显降质的前提下，嵌入最大强度的水印，提高水印的鲁棒性。由上面提到的HVS的理论可知，图像背景越亮或者越暗，纹理越复杂，不可见阀值就越高，可嵌入水印的强度就越大。另外在图像的边缘和纹理丰富部分，不可见阀值也较高。利用这些视觉特性嵌入最大强度的水印能量，同时掩盖由于水印嵌入而导致的图像失真，保证水印的不可感知性。 think58.com
[来源：http://think58.com]
下面利用上面提到的JND视觉阀值来计算水印的嵌入强度。著名的计算JND阀值的视觉模型有Watson等提出的视觉模型和Lewis等提出的视觉模型。Lewis视觉模型是在研究图像压缩中对DWT系数进行量化时提出的。在图像压缩中使用JND的主要目的是希望在图像的压缩比达到最大的同时，压缩后图像没有明显的降质。而在数字水印领域，在图像频域嵌入水印必然会使图像质量退化，JND可表示人眼刚好感觉不到这种退化时频域系数变化的阀值。