一種自適應(yīng)的DCT 域水印算法

金淵智

(三門峽職業(yè)技術(shù)學(xué)院 信息工程系，河南 三門峽 472000)

0 引言

隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，多媒體被廣泛地運(yùn)用到人們社會(huì)生活中的各個(gè)領(lǐng)域.同時(shí)，多媒體產(chǎn)品的安全問(wèn)題已成為目前一個(gè)十分重要而又富有挑戰(zhàn)性的研究課題.數(shù)字水印技術(shù)是實(shí)現(xiàn)數(shù)字產(chǎn)品版權(quán)保護(hù)的一種有效方法，它將信息嵌入到數(shù)字多媒體產(chǎn)品中，用于版權(quán)保護(hù)、內(nèi)容檢驗(yàn)或提供其它信息.它目前已成為信息安全領(lǐng)域的一個(gè)研究熱點(diǎn)，也是信息隱藏研究領(lǐng)域的一種重要分支.

基于DCT 變化的數(shù)字水印是目前研究的熱點(diǎn).圖像在經(jīng)8*8分塊DCT 變換后的系數(shù)分為DC 系數(shù)(1個(gè))和AC(63個(gè))系數(shù)，根據(jù)數(shù)據(jù)的大小可知，圖像的能量主要集中在系數(shù)矩陣的左上角，右下角的系數(shù)基本上全部為“0”，這就是DCT 系數(shù)的特點(diǎn).根據(jù)這個(gè)特點(diǎn)，當(dāng)前大部分算法都是基于DC 系數(shù)或者是基于AC 系數(shù)進(jìn)行嵌入的.黃繼武在文獻(xiàn)［1］中總結(jié)了利用DC 系數(shù)嵌入和AC 系數(shù)嵌入的優(yōu)劣性，同時(shí)指出，從穩(wěn)健性角度分析，DC分量更適合用來(lái)嵌入水印，AC分量可嵌入的水印容量較大.在此基礎(chǔ)上又出現(xiàn)了大量的DCT域水印算法［2－5］.由于上述水印嵌入方法都是單一的采用DC分量或者AC分量，使得算法具有一定的局限性，因此，本文提出了選擇DC 系數(shù)和AC 中低頻系數(shù)共同作為水印嵌入的位置的算法.同時(shí)結(jié)合HVS的亮度掩蔽和紋理掩蔽的兩大特性，將圖像塊(8*8)分為3 大類，以便在每類中嵌入不同強(qiáng)度的水印信息，實(shí)現(xiàn)水印的自適應(yīng)嵌入.

1 水印算法

1.1 HVS 特點(diǎn)

關(guān)于HVS的研究結(jié)果，在水印嵌入時(shí)，對(duì)于嵌入強(qiáng)度來(lái)說(shuō)會(huì)存在一個(gè)臨界值(T)，如果嵌入強(qiáng)度大于T的話，攜帶水印的圖像就會(huì)出現(xiàn)明顯的圖像失真;如果小于這個(gè)臨界值，人類視覺(jué)系統(tǒng)就無(wú)法感知出載體圖像中存在水印信號(hào)，這樣就滿足了水印的不可見(jiàn)性.T的取值通常情況下會(huì)受到圖像的背景照度、背景紋理以及邊緣等因素的影響，如果圖像背景亮度越強(qiáng)、紋理越復(fù)雜，那么T的值也就大［6－7］，相反T的值就越小.

載體圖像背景亮度即DCT 塊的DC分量，圖像紋理復(fù)雜度即塊內(nèi)方差.塊內(nèi)方差可由公式(1)求出:

這里f(x，y)為每個(gè)圖像塊在(x，y)處的像素值.

結(jié)合HVS的特點(diǎn)和文獻(xiàn)［8］，我們把圖像塊分為三類，以便迭加不同強(qiáng)度的水印分量.第1類(R1)平均灰度較低(暗)，且灰度變化比較平滑，HVS 對(duì)其中象素值的改變較為敏感，迭加的水印分量的強(qiáng)度應(yīng)最弱;第3類(R3)平均灰度較高，且紋理復(fù)雜(或存在邊緣)，HVS 對(duì)其中象素值的改變敏感性最弱，迭加的水印分量的強(qiáng)度應(yīng)最強(qiáng);余下的為第2類(R2).

1.2 水印預(yù)處理

水印圖像置亂是一種常見(jiàn)的水印加密方法，它使得合法使用者可以自由控制算法的選擇、參數(shù)的選擇以及使用隨機(jī)數(shù)技術(shù)，這就加大了攻擊者非法破譯的難度.由于Arnold 算法易于實(shí)現(xiàn)，其置亂次數(shù)可以為隱藏系統(tǒng)提供密鑰(Key)，從而增強(qiáng)了系統(tǒng)的安全性和保密性，同時(shí)該算法實(shí)現(xiàn)的置亂克服了隨機(jī)置亂的不可恢復(fù)性.故本文采用Arnold 變換對(duì)水印信息進(jìn)行置亂.

對(duì)M*M的水印圖像按照公式(3)進(jìn)行Arnold 變換，

再將得到的矩陣按列優(yōu)先的方式轉(zhuǎn)換為一維二進(jìn)制序列m，即下面要嵌入的信息序列m.

1.3 水印的嵌入

水印的嵌入基本流程如圖1，算法的基本思路是:將原始圖像分割成不相交的8*8 子塊，再對(duì)每個(gè)分塊進(jìn)行DCT 變換，利用HVS 特性對(duì)分塊進(jìn)行分類，最后在DCT 域的DC 和AC 系數(shù)上嵌入水印.

圖1 自適應(yīng)水印嵌入算法框圖

采取以下步驟完成水印的嵌入:

①將水印圖像按照上一小節(jié)的方法進(jìn)行預(yù)處理，得到水印圖像的一維序列m.

1.4 水印的提取

設(shè)待測(cè)水印圖像為A*，則水印的提取過(guò)程如下:

圖2 水印提取算法的框圖

具體的提取方法如下:

③對(duì)于每一塊的DC 系數(shù)(公式(6))和AC 系數(shù)(公式(7))進(jìn)行分別提取:

④根據(jù)得到的λ*和d*值運(yùn)用式(8)進(jìn)行比較判斷得到水印信號(hào).

⑤將上述恢復(fù)出的一維水印序列m*變成二維序列，再利用Arnold 變換具有周期性的特點(diǎn)進(jìn)行逆置亂變換，得到最終的提取結(jié)果.

2 實(shí)驗(yàn)結(jié)果與分析

本文所有的實(shí)驗(yàn)均在Matlab2010 上完成，處理器Intel Celeron 1.8 GHz，內(nèi)存1 GB，操作系統(tǒng)為Windows 2003.在實(shí)驗(yàn)中選用的載體圖像是256*256的Lena 圖像(如圖3(a)所示)，水印信息為32*32的二值圖像(如圖3(b)所示).根據(jù)嵌入方法可知，這樣做已經(jīng)達(dá)到了水印信息的最大嵌入量，即256*256的Lena 圖像最多可以嵌入1024 比特的信息，這樣更能說(shuō)明該水印算法具有良好的不可見(jiàn)性以及具有較高的魯棒性.我們采用峰值信噪比(PSNR)評(píng)價(jià)嵌入水印后灰度圖像與原始灰度圖像間的失真度，并采用歸一化相關(guān)系數(shù)(NC)來(lái)定量的評(píng)價(jià)提取的水印與原始水印之間的相似度.

圖3 水印嵌入前后對(duì)比

圖4 水印不可見(jiàn)性及檢測(cè)

2.1 不可見(jiàn)性

對(duì)水印不可見(jiàn)性進(jìn)行測(cè)試，圖4 是水印嵌入實(shí)例.圖4(a)是嵌入了水印的原始宿主圖像.與圖3(a)相比，在視覺(jué)上觀察不出有任何明顯的變化，同時(shí)計(jì)算PSNR 為18.4251，因此算法具有良好的不可見(jiàn)性，說(shuō)明本算法是有效的.

2.2 其他攻擊測(cè)試

為了驗(yàn)證算法的魯棒性，本文還做了鹽椒噪聲、JPEG 壓縮、高斯低通濾波和剪切攻擊的提取實(shí)驗(yàn)，實(shí)驗(yàn)的參數(shù)和結(jié)果如表1所示.與此同時(shí)，通過(guò)計(jì)算水印提取的時(shí)間，也說(shuō)明了該算法具有較高的執(zhí)行效率.

表1 各類攻擊下的實(shí)驗(yàn)數(shù)據(jù)匯總

針對(duì)不同塊分類R1、R2 和R3 我們分別采用不同的嵌入強(qiáng)度λ 和d(2，6，10)實(shí)現(xiàn)了水印的自適應(yīng)嵌入，為了簡(jiǎn)便起見(jiàn)，在同一類中和的取值相同.由于本文采用的是有意義的水印信息，即便是當(dāng)NC的值小于0.5 時(shí)，也能通過(guò)主觀判斷來(lái)獲得正確的水印信息，而NC的值越接近1，則表明該水印算法的效果越好.

3 小 結(jié)

本文首先介紹了DCT 系數(shù)的特點(diǎn)和HVS的研究成果，然后研究前人的水印算法的基礎(chǔ)上，提出了結(jié)合DC 系數(shù)和AC 系數(shù)協(xié)同實(shí)現(xiàn)的自適應(yīng)水印嵌入方案.最后，通過(guò)仿真實(shí)驗(yàn)，主觀感覺(jué)無(wú)法感知到水印的存在，表明水印具有不可見(jiàn)性，在魯棒性方面，當(dāng)含水印圖像遭受各種信號(hào)處理和噪聲攻擊的情況下，提取時(shí)依然具有較強(qiáng)的穩(wěn)健性和魯棒性.

［1］黃繼武，Yun Q.Shi，程衛(wèi)東.DCT 域圖像水印:嵌入對(duì)策和算法［J］.電子學(xué)報(bào)，2000，28(4):57－60.

［2］閆麗君，康寶生，岳曉菊.改進(jìn)的基于DCT的自適應(yīng)水印算法［J］.計(jì)算機(jī)工程與應(yīng)用，2011，47(5)186－187.

［3］李昊，呂建平，楊芳芳.基于正負(fù)量化的DCT 域數(shù)字圖像盲水印算法研究［J］.計(jì)算機(jī)工程與應(yīng)用，2011，47(8)197－200.

［4］王靜，王 冰.基于DCT 域和紋理復(fù)雜度的圖像水印算法［J］.計(jì)算機(jī)工程，2011，37(18)148－150.

［5］黃繼武，Yun Q.Shi，姚若河.基于塊分類的自適應(yīng)圖像水印算法［J］.中國(guó)圖形圖像學(xué)報(bào)，1999，4(8)640－643.

［6］Watson A B.DCT quantization matrices visually optimized for individual images［J］.In:Proc.of SPIE:Human Vision ，Visual Processing and Digital Display IV，Washington:SPIE，1993，1913:202－216.

［7］Jayant N，Johnston J，Safranek R.Signal compression based on model of human perception［J］.Proceedings of the IEEE，1993，81(10):1385－1421.

［8］黃繼武，Yun Q.Shi，一種自適應(yīng)圖像水印算法［J］.自動(dòng)化學(xué)報(bào)，1999，25(4):476－482.