基于小波包變換的數(shù)字水印技術(shù).pdf

1、作為數(shù)字媒體版權(quán)保護(hù)的有效方法，泛關(guān)注。目前已出現(xiàn)多種數(shù)字水印算法，數(shù)字水印技術(shù)已經(jīng)得到了研究人員的廣特別是小波域數(shù)字水印算法更是研究熱點(diǎn)。小波包作為小波技術(shù)的新發(fā)展，彌補(bǔ)了小波未能分解高頻子帶的缺陷，在數(shù)字水印的應(yīng)用上極大地拓展了水印信息的嵌入空間。因此，小波包域數(shù)字水印技術(shù)也越來越多地受到人們的關(guān)注。目前，在圖像水印中，出現(xiàn)了多種小波包域水印嵌入技術(shù)，但這些方法大多數(shù)嵌入的是偽隨機(jī)序列或二值圖像，較少涉及信息量豐富的灰度級圖像水印，

2、且大部分研究的是單水印。 本文從小波包域水印算法的現(xiàn)狀及不足出發(fā)，提出了兩種小波包域的圖像水印算法：針對目前小波包域嵌入的水印信息量不豐富的缺陷，提出采用較大灰度級圖像作為水印，實(shí)現(xiàn)了一種小波包域灰度圖像單水印算法；針對小波包域單水印和非盲水印實(shí)用性不強(qiáng)、安全級別較低的不足，提出在小波包域同時嵌入灰度圖像和二值圖像(盲水印)的雙水印算法。本文的主要工作內(nèi)容如下： 小波包域灰度圖像單水印算法中，對原始宿主圖像進(jìn)行了三層最優(yōu)

3、小波包變換，采用“熵”優(yōu)化算法選擇小波包分解的最優(yōu)基，通過最優(yōu)樹葉子節(jié)點(diǎn)的能量提取宿主圖像的特征點(diǎn)值，這樣，用少而精的特征點(diǎn)值就表征了宿主圖像，水印系統(tǒng)的處理速度得到大大提高；對水印進(jìn)行分塊處理后嵌入，分割方式作為密鑰保存，增加了攻擊者提取水印的難度；對嵌入?yún)^(qū)域的小波包系數(shù)進(jìn)行離散余弦變換，去除嵌入子帶圖像之間相鄰系數(shù)之間的相關(guān)性，減少了算法的視覺失真。本算法在水印類型和信息量方面是一個較大的突破，Matlab對比實(shí)驗(yàn)結(jié)果表明，在大多數(shù)

4、魯棒性能攻擊測試中，與傳統(tǒng)未進(jìn)行離散余弦變換的小波包域水印算法相比，本算法提取水印的歸一化相關(guān)系數(shù)NC值更大，水印性能更優(yōu)越。 小波包域雙水印算法中，同時嵌入了較大灰度級圖像水印和二值水印。其中，二值水印的提取采用BP神經(jīng)網(wǎng)絡(luò)建立提取模型，選擇嵌入點(diǎn)周圍3×3的方形窗口作為BP網(wǎng)絡(luò)輸入信號的鄰域窗口，對角方向系數(shù)的增加，使得嵌入點(diǎn)周圍的信息更全面，優(yōu)于傳統(tǒng)的十字窗口，整個提取過程不需要原始圖像的參與，實(shí)現(xiàn)了盲提取。雙水印的嵌入大