數(shù)字圖書館音頻信息資源版權(quán)保護(hù)研究*

蘭宇琳

（湘南學(xué)院圖書館，郴州 423000）

數(shù)字圖書館音頻信息資源版權(quán)保護(hù)研究*

蘭宇琳

（湘南學(xué)院圖書館，郴州 423000）

針對數(shù)字圖書館的音頻資源版權(quán)保護(hù)問題，提出一種基于奇異值分解及獨立成分分析的數(shù)字音頻水印算法。奇異值分解具有數(shù)據(jù)壓縮的特性，將水印信息經(jīng)過奇異值分解處理，可大大提升水印容量，而獨立成分分析理論可實現(xiàn)水印的盲提取。選擇小波變換后的低頻系數(shù)作為水印嵌入點，以平衡水印的魯棒性和透明性。采用二值圖像作為水印進(jìn)行仿真實驗，實驗結(jié)果顯示該水印方案具有較好的魯棒性、透明性。

數(shù)字音頻水印算法；奇異值分解；獨立成分分析；離散小波變換

1 引言

數(shù)字圖書館的信息資源版權(quán)保護(hù)問題，一直是制約圖書館發(fā)展的關(guān)鍵因素。這一問題涉及法律、道德、技術(shù)等多個領(lǐng)域的參與和協(xié)作，許多專家學(xué)者從自身領(lǐng)域出發(fā)對此進(jìn)行了研究并提出了許多的解決方案。而技術(shù)方案是解決這一問題的基礎(chǔ)支撐，目前使用最廣泛的保護(hù)手段就是數(shù)字水印技術(shù)。數(shù)字水印技術(shù)在數(shù)字圖書館信息資源版權(quán)保護(hù)中的應(yīng)用已經(jīng)取得了一定的成果，尤其針對圖像資源的保護(hù)[1-2]。然而其他形式的資源，如音頻資源的研究卻相對缺乏，針對此主題利用中國知網(wǎng)期刊數(shù)據(jù)庫進(jìn)行檢索，得到相應(yīng)的論文僅有2篇，且研究內(nèi)容還限于理論概述，楊子伍[3]提到水印分類中的音頻水印的研究集中于低比特位編碼、相位編碼等方面，鄧偉等[4]在教育資源的版權(quán)保護(hù)中簡要綜述了基于數(shù)字水印技術(shù)的音頻教育資源的研究現(xiàn)狀并提出一個音頻資源的版權(quán)保護(hù)方案的框架。因此，本文專門研究數(shù)字圖書館的音頻信息資源版權(quán)保護(hù)問題，提出了一種基于奇異值分解及獨立成分分析的數(shù)字音頻水印算法。并通過仿真實驗驗證算法的魯棒性、透明性和安全性。

2 相關(guān)概念

2.1 奇異值分解

奇異值分解[5]（Singular Value Decomposition, SVD）是線性代數(shù)矩陣分解中的一種最優(yōu)矩陣分解技術(shù)，可用來求偽逆、平行奇異值模型及矩陣近似值。而矩陣近似值常應(yīng)用于信號處理、統(tǒng)計學(xué)等領(lǐng)域，本文也是利用其此方面的應(yīng)用。求矩陣近似值的基本思路是將矩陣映射到低維空間去，用奇異值來代表矩陣的特征值，并將這些特征值按重要性進(jìn)行排序，可達(dá)到數(shù)據(jù)壓縮、模式識別的作用。用A∈Cm×n表示一個矩陣，則SVD的數(shù)學(xué)模型如式（1）所示[6]：

2.2 獨立成分分析

獨立成分分析[7](Independent Component Analysis, ICA)是信號處理中的一種統(tǒng)計方法，用來從多個混合的數(shù)據(jù)中提取出相互獨立的數(shù)據(jù)。比如著名的雞尾酒會效應(yīng)，在酒會中各種聲音混雜在一起，通過放置在酒會中不同位置的錄音設(shè)備所收集到的混合數(shù)據(jù)源來提取每個單獨的聲音，這就是獨立成分分析理論所要解決的問題。

用數(shù)學(xué)模型來表示ICA的處理過程[8]。假設(shè)有n個隨機的觀測信號和n個未知變量將兩者線性混合：

上式中對所有的i=1,…,n，aij,i,j=1,…,n都是實系數(shù)，且假設(shè)Si是統(tǒng)計意義上的獨立成分。這就是基本的ICA模型。采用向量矩陣的形式來表示，可寫為如下形式：

從以上分析可知，ICA的目標(biāo)與水印的提取過程很相似，因此將其用于水印提取可實現(xiàn)盲提取。

3 基于奇異值分解及獨立成分分析的數(shù)字音頻水印算法

評價水印算法的好壞標(biāo)準(zhǔn)主要體現(xiàn)在三方面：魯棒性、透明性及安全性，而魯棒性和透明性本身又是一對矛盾，因此，在設(shè)計算法時如何平衡兩方面的性能是需要重點考慮的。其次，水印嵌入量的多少直接影響水印算法的實用價值。結(jié)合考慮這兩個問題，設(shè)計出本文所提出的數(shù)字音頻水印方案，采用奇異值分解數(shù)據(jù)壓縮的特性來增大水印的嵌入容量，利用小波變換多分辨率的特性來平衡水印算法的魯棒性和透明性，獨立成分分析理論則用來實現(xiàn)水印的盲提取。

3.1 水印嵌入方案

水印嵌入包括三個方面的工作：水印預(yù)處理、系數(shù)選擇及水印嵌入。水印預(yù)處理是將水印信息壓縮，也就是利用奇異值分解得到水印的重要信息作為真正嵌入載體中的水印。系數(shù)選擇也就是選擇水印的嵌入位置，是水印方案的關(guān)鍵，影響著整個水印算法的魯棒性和透明性，因此，本文嵌入位置選擇總的原則是：找到音頻信號中能量值較高的點。最后，將處理好的水印嵌入已選擇的系數(shù)中，采用的是構(gòu)造ICA模型的方式。水印嵌入流程如圖1所示：

圖1 水印嵌入流程圖

3.1.1 水印預(yù)處理

水印是一幅大小為N×M的二值圖像，用

來表示。對Z進(jìn)行奇異值分解如下所示：

將Zi=Z(i,j),i=1,…,M對角陣中的系數(shù)量化到(0,1)范圍內(nèi)，作為待嵌入的水印信息保存；并將U和V矩陣信息作為密鑰K1保存。

3.1.2 系數(shù)選擇

為了平衡水印的魯棒性和透明性，并盡可能的提高魯棒性，本文選擇在小波域進(jìn)行水印嵌入，將變換后的低頻系數(shù)中能量值較大的作為嵌入點。假設(shè)表示原始的音頻信號，其中Ls表示音頻S的長度。詳細(xì)的系數(shù)選擇過程如下：

(2)選擇嵌入段。對分段后的音頻S進(jìn)行H層的離散小波變換，得到低頻分量和高頻分量。音頻信號的能量集中于低頻分量中，因此，計算各段低頻分量總的能量值，并按從高到低的順序進(jìn)行排序，選擇前N段作為水印嵌入段，同時將前N段音頻的索引記錄作為密鑰K2保存。

(3)確定嵌入點。對于選擇好的前N段，將各段的低頻系數(shù)按絕對值的大小從大到小進(jìn)行排序，選擇能量值排列前M位的低頻系數(shù)作為準(zhǔn)確的水印信號嵌入點，記為selected-bit，大小為N×M。同樣將每段前M位嵌入點的索引記錄作為密鑰K3保存，大小也為N×M。

3.1.3 水印嵌入

水印嵌入的過程實際是構(gòu)造ICA模型的過程。首先，為了保證水印算法的透明性，將滿秩混合矩陣的參數(shù)設(shè)置為a11＞＞a12，b11＞＞b12。其次，使用預(yù)處理之后的一維待嵌入水印信號Zi=Z(i,j),i=1,…,M構(gòu)造大小為N×M的源信號ON×M，構(gòu)造過程如式(6)所示，并且與選擇好的嵌入水印的系數(shù)selected-bit進(jìn)行合并得到，意味著，每個嵌入段中嵌入的水印信息是相同的。最后將A與線性混合，即ICA模型構(gòu)造完成，過程如式(7)所示，得到兩個觀測信號X1和X2，將信號X2作為密鑰K4保存。

水印嵌入之后需將音頻信號恢復(fù)至空間域，也就是小波分解重構(gòu)。用觀測信號X1替換所選擇的嵌入系數(shù)selected-bit，進(jìn)行逆小波變換，并且加上未操作的最后一段數(shù)據(jù)（如果有的話），得到最終嵌入水印后的音頻信號。

3.2 水印提取方案

水印提取包括三部分工作，系數(shù)提取、ICA估計及SVD重構(gòu)。水印提取的關(guān)鍵是找到觀測信號分量系數(shù)提取就是完成這部分工作，流程與水印嵌入中的系數(shù)選擇過程類似。ICA估計過程調(diào)用Fast ICA算法對構(gòu)造好的混合信號進(jìn)行水印提取。最后，對提取出的信息SVD重構(gòu)得到嵌入的水印信息。水印提取方案流程如圖2所示：

圖2 水印提取方案流程圖

具體步驟如下：

(3) SVD重構(gòu)。根據(jù)密鑰K1所保存的U和V的信息，與計算得到奇異值分解前的矩陣，也就是水印信息，如式(8)所示。

4 仿真實驗及分析

使用matlab來進(jìn)行仿真實驗，原始載體音頻選擇的是一段16s的單聲道信號，該音頻的采樣率和量化位數(shù)分別為44.1kHz和16bits。水印信息選擇的是一幅大小為64×64的二值圖像。為了保證水印的魯棒性和透明性，將實驗中的參數(shù)做一些設(shè)定，令a11=0.92，a12=0.08 ，b11=0.99 ，b12=0.01 ，H=3以及采用db2小波基。

另外，采用定量的指標(biāo)來衡量水印算法的性能。歸一化相關(guān)系數(shù)(NC)比較的是提取的水印和原始水印的相似程度，結(jié)果越接近1，表示越相似；信噪比(SNR)則是用來評價水印方案的透明性，信噪比值越大說明透明性越好。它們的計算公式分別如式(9)、(10)所示[9-10]：

其中，W和W'分別代表原始水印和提取的水印信息，L表示音頻信號的長度，S和S'分別代表原始的載體音頻和嵌入了水印的音頻信號。

4.1 透明性測試

采用主觀和客觀兩種方法驗證本方案的透明性。主觀評測法，以人耳為判斷標(biāo)準(zhǔn)，分別聽原始的音頻和嵌入水印后的音頻，結(jié)果是感覺不到任何差異；客觀評價法，以計算原始音頻和嵌入水印后音頻的信噪比來衡量水印方案的透明性，計算結(jié)果為24.2137db，說明兩種音頻之間的差異很難分辨。嵌入水印前后的音頻信號并無區(qū)別。

4.2 魯棒性測試

采用“Stirmark for Audio v02”軟件來攻擊嵌入水印后的音頻信號，并提取不同攻擊后的水印信息，通過計算歸一化相關(guān)系數(shù)來評價本水印方案的魯棒性。攻擊后提取的水印圖像如圖3所示，表1給出了不同攻擊后提取水印信息的NC值。

其中圖片(a)代表原始水印圖片，(b)-(p)分別是經(jīng)過不同類型攻擊后提取的水印圖片，具體的攻擊類型在表1中給出

圖3 不同攻擊下提取的水印圖像

表1 仿真實驗結(jié)果

從圖3及表1可知，本算法方案在經(jīng)過14中不同的攻擊后，水印信息仍然能夠提取且可辨識，說明本方案是可行的且具有較強的魯棒性，能夠抵抗常見的攻擊。

4.3 安全性測試

采用以下三種操作來測試算法的安全性：(a)使用正確的密鑰在嵌入水印的音頻中提取水印，(b)使用正確的密鑰在未嵌入水印的音頻中提取水印，(c)使用錯誤的密鑰在嵌入水印的音頻中提取水印。結(jié)果如圖4所示：

圖4 不同操作下提取的水印圖像

從測試結(jié)果可知，只有使用正確的密鑰才能在嵌入水印的音頻中正確的提取。因此，密鑰大大提高了水印方案的安全性。

5 總結(jié)

針對數(shù)字圖書館音頻資源的版權(quán)保護(hù)技術(shù)解決方案空白的問題，充分利用奇異值分解、獨立成分分析及離散小波變換的特性，提出了一種基于奇異值分解及獨立成分分析的數(shù)字音頻水印算法。該算法具有水印容量增加、盲提取及提高魯棒性并保證透明性等特點，且仿真實驗證實了本算法的可行性。但是，實驗樣本采用的是單聲道音頻，水印信息為二值圖像，在實際應(yīng)用中有一定的局限性，后續(xù)需繼續(xù)完善。

[1] 沈曉艷,崔新春,于建峰.數(shù)字水印技術(shù)在數(shù)字圖書館中的應(yīng)用現(xiàn)狀分析[J].山東圖書館學(xué)刊, 2011(5): 50-54.

[2] 陽廣元,鄧進(jìn).2007-2011年國內(nèi)基于數(shù)字水印的版權(quán)保護(hù)研究綜述[J].圖書情報工作,2013,57(S2) : 46-49.

[3] 楊子伍.數(shù)字圖書館建設(shè)中知識產(chǎn)權(quán)保護(hù)的關(guān)鍵技術(shù)[J] .河南圖書館學(xué)刊,2006,26(2) :115-117.

[4] 鄧偉,鄧冠群,劉清堂.基于數(shù)字水印的教育資源版權(quán)保護(hù)[J] .現(xiàn)代教育技術(shù),2013,23(3) :91-94.

[5] 朱光,張軍亮.基于提升小波變換和SVD的音頻水印算法[J].計算機應(yīng)用與軟件,2014,31(2) :149-152,156.

[6] 段歲軍,范九倫.一種基于SVD和DWT的音頻水印算法[J] .計算機應(yīng)用研究, 2014,31(7) :2116-2118.

[7] A Hyvarinen. Independent Component Analysis[M]. John Wiley and Sons, 2001.

[8] 戴華亮.數(shù)字音頻水印技術(shù)的研究[D].上海:上海交通大學(xué),2010.

[9] Ali Al-Haj, Ahmad Mohammad. Digital Audio Watermarking Based on the Discrete Wavelets Transform and Singular Value Decomposition[J]. European Journal of Scientific Research,2010,39(1) :6-21.

[10] Hua-liang Dai, Di He. Robust Digital Audio Watermarking Scheme Using Blind Source Separation with Global Optimal Property[J]. Journal of Shanghai Jiaotong University(Science) , 2010,15(1):13-18.

編輯：劉偉

Research on Copyright Protection of Audio Resource in Digital Library

LAN YuLin
(Library Of Xiangnan University, Chenzhou 423000, China)

This paper proposed a digital audio watermarking scheme based on Singular Value Decomposition(SVD) and Independent Component Analysis (ICA),in order to solve the copyright protection issues in digital library. The watermark information processed by the SVD which has the data compressed feature enhances the watermark capacity. ICA used for watermark extraction and achieve the blind extraction. Select the low frequency coefficients after Discrete Wavelet Transform(DWT) as an embedded point, in order to balance the transparency and robustness of the audio. The experiment results show that the proposed scheme has good robustness against common attacks, as well as transparency.

Digital audio watermarking algorithm; Singular value decomposition; Independent component analysis; Discrete wavelet transform

TP391

10.3772/j.issn.1673—2286.2015.01.008

蘭宇琳，女，1988年生，湘南學(xué)院圖書館助理館員，研究方向：數(shù)字水印，E-mail：lanyl0000@126.com。

2015-01-07）

* 本研究得到湘南學(xué)院2014年度科研基金校級項目“基于數(shù)字水印技術(shù)的數(shù)字圖書館版權(quán)保護(hù)研究”(編號：2014XJ62)資助。