一种基于DCT与DWT的自适应图像水印算法

DCT域和DWT域图像盲水印算法分析题目：DCT域和DWT域图像盲水印算法研究专业：通信与信息系统硕士生：任朋宽(签名)(签名)半牛佥鲢I宜I指导教0ili：张敏瑞摘要随着网络技术和多媒体技术的飞速发展，如何保护多媒体信息的安全已成为国际上研究的热门话题，数字水印技术应运而生。

作为保护数字作品版权的一种重要手段，数字水印技术己成为当今学术界研究的一个热点。

本文简介了数字水印背景、基本原理、特征、算法评测等基本知识，介绍了目前主流数字水印算法，给出了DCT域和DWT域两种数字盲水印算法。

DCT域数字水印算法先对原始图像分块作DCT，再将二值水印图像置乱，最后用置乱后的水印信息控制m序列对原始图像子块DCT部分中频系数进行修改，实现水印的嵌入。

该水印算法不可见性较好，对JPEG压缩，噪声，滤波有较好的鲁棒性。

所给DWT域数字水印算法先将原始图像分块做DWT，再将二值水印图像置乱，然后用置乱水印信息作为控制信号对原始图像分块DWT的部分高频系数进行处理，实现水印的嵌入。

该水印算法不可见性较好，对JPEG压缩、剪切、滤波有较好的鲁棒性。

关键词：数字水印；图像；DCT；DWT；盲水印研究类型：理论研究精品参考文献资料精品参考文献资料Subject ：Research on Image Blind Watermarking Algorithms in DCT and DWT DomainSpecialty：Communication and Information SystemName ：Ren Pengkuan (Signature)Instructor：ZhangMinrui (Signature)ABSTRACTWith the rapid development of network and multimedia technique，the security ofmultimedia information has become aS a hot topic in international research,thus，digital watermarking technology appeared．As an important means to protect digital copyright, digital watermarking technique is a focus in the present academe．BaSic knowledge of digital watermarking such as background，fundamental theory, characteristics，algorithm evaluating is introduced in this thesis．Current mainstream digital watermarking algorithms are introduced．And two algorithms in DCT and DWT dommn aremodified．In the DCT domain algorithm，binarywatermark is permuted firstly．Then theoriginal image is processed by blocked DCT ．Finally,intermediatefrequency coefficients are modified by two m-sequences under the control of permuted watermark．This algorithm is imperceptible，and robust to JPEG compression，noise attack and filtering．The modifiedalgorithm in DWT domain permutes the binary watermark image firstly．And then，blocked DWT transform is performed on original image．Watermark embedding is implemented by adjusting the high frequencycoefficients．This algorithm is transparent，and robust to JPEG compression，cropping and filtering．Key words：Digital watermarking Image DCT DWT Blind watermarking姿料技大学学位论文独创性说明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及其取得研究成果。

2010年5月第15卷第3期西 安 邮 电 学 院 学 报JO U RNAL OF XI .A N U N IV ERSIT Y OF POST S A ND T EL ECOM M U NI CAT ION S M ay 2010Vol 115N o 13收稿日期:2009-11-16作者简介:王立平(1985-),男,陕西铜川人,西安邮电学院计算机学院硕士研究生;喻东芝(1987-),女,陕西宝鸡人,西安邮电学院计算机学院硕士研究生;刘思奇(1985-),女,湖北荆州人,西安邮电学院计算机学院硕士研究生。

一种DWT 和DCT 相结合的数字图像水印算法王立平,喻东芝,刘思奇(西安邮电学院计算机学院,陕西西安 710121)摘要:提出一种DW T 变换和DCT 变换相结合的灰度图像数字水印算法。

对二值水印图像进行置乱和混沌加密处理,将水印图像序列调制成正负序列。

在水印的嵌入过程中,对载体图像进行小波变换,提取出其低频系数矩阵,将低频系数矩阵划分成4@4大小的子块,针对各子块进行DCT 变换,采用正负量化的方法进行水印的嵌入。

实验结果表明,该算法对JPEG 压缩、加噪、剪切和滤波等攻击,具有良好的抵抗能力,鲁棒性较好。

关键词:小波变换;DCT ;正负量化;分块中图分类号:T P391 文献标识码:A 文章编号:1007-3264(2010)03-0112-040 引言计算机网络通信技术特别是互联网的蓬勃发展,人们在国际互联网上发布自己的作品,传递重要的信息,进行各种学术交流和电子商务活动。

但随之而来的副作用也是非常明显的,通过网络传输数据文件或作品使有恶意的个人或团体有可能在没有得到作品所有者的许可下复制和传播有版权的内容,因此如何在网络环境中实施有效的版权保护和信息安全手段成为一个迫在眉睫的现实问题。

数字水印技术的研究就是在这样环境下迅速发展起来的。

目前的数字水印算法大致分为两类,一类是基于空间域的,一类是基于变换域的。

一种基于DWT_DCT的数字图像盲水印算法张帅; 杨雪霞【期刊名称】《《现代计算机（专业版）》》【年(卷),期】2019(000)024【总页数】5页(P33-36,53)【关键词】离散小波变换(DWT); 离散余弦变换(DCT); 数字水印; 鲁棒性; 盲提取【作者】张帅; 杨雪霞【作者单位】太原广播电视大学教学研究中心太原 030024; 太原科技大学应用科学学院太原 030024【正文语种】中文0 引言网络改变了大众的生活方式，数字产品也为我们带来了诸多便捷，然而非法的篡改、获取以及恶意破坏已经对数字产品造成了严重的威胁。

水印技术是指在数字产品中嵌入版权所有者的身份信息，当需要认证时可通过提取水印达到版权保护的目的，也可对网络传播的数字产品进行有效的跟踪。

在数字水印技术中，离散小波变换（DWT）和离散余弦变换（DCT）得到了广泛的应用和研究。

张勤等人[1]在小波变换域内分别在高、低频中嵌入了两种水印，该水印算法表现出较强的鲁棒性，但不能抵抗旋转攻击。

陈小娥[2]提出了结合QR 码的DCT 水印算法，该算法可以有效提取嵌入的水印信息，但提取水印的归一化值普遍在0.9 以下，效果并不理想。

徐江峰等人[3]提出了一种QR 码与DWT 和DCT 相融合的水印算法，该算法具有较强的鲁棒性，但水印信息未进行置乱处理，因此抵抗剪切攻击方面表现不足。

杨剑等人[4]提出了一种分块的DCT 与DWT 相结合的水印算法，该算法分别在DWT 和DCT 中嵌入两种水印信息，实现了脆弱性和鲁棒性的双重功能，但属于非盲水印算法。

本文提出了DWT 和DCT 相融合的盲水印算法，考虑到小波变换和离散余弦变换的低频子带和低频系数中都包含了图像主要信息，在面对攻击时具有很好的稳定性。

因此首先对载体图像进行DWT 变换，再对分解的低频子带进行DCT 变换。

水印信息则分别通过Arnold 置乱与混沌加密预处理，并通过生成两组随机矩阵，将加密的水印信息嵌入到DCT 的低频系数中。

第三章图像数字水印的方案3.1 图像数字水印的技术方案在数据库中存储在国际互联网上传输的水印图像一般会被压缩，有时达到很高的压缩比。

因此，数字水印算法所面临的第一个考验就是压缩。

JPEG和EZW（Embedded Zero-Tree Wavelet）压缩是最常见的两种压缩方法。

JPEG是基于离散余弦变换域的压缩方法，而EZW是基于小波变换域的压缩方法。

前人的研究证明采用与压缩算法相同的变换域水印方法，对于压缩的稳健性较强。

因此，我研究图像文件水印算法主要集中在变换域算法及利用人眼视觉特性上。

数字水印的嵌入要求即要考虑视觉透明性，又要保证嵌入水印后图像的稳健性，这两个方面存在着矛盾。

保证视觉透明性，就要将水印嵌入到人眼不敏感区，也就是嵌入到图像的高频分量中。

而多数图像处理方法对于图像高频部分的损坏程度较高，如有损压缩、高频滤波等。

水印很容易在经历图像处理的过程中丢失。

这样，则无法保证图像数字水印的稳健性。

如果要获得很好的稳健性，数字水印应加在人眼敏感的低频部分，图像的大部分能量集中在低频部分，如果对于低频部分进行处理，水印固然会失去，而图像也没有了利用价值，然而，水印的嵌入会对图像的质量有非常大的影响，这又无法保证视觉透明性。

数字水印算法的实现基本分为三个部分：宿主图像的变换，水印的嵌入和水印的检测，分别描述如下。

3.2 基于DCT域的图像数字水印技术离散余弦变换（Discrete Cosine Transform）属于正交变换图像编码方法中的一种。

正交变换图像编码始于1968年。

当时安德鲁斯（Andrews）等人发现大多数自然图像的高频分量相对幅度较低，可完全舍弃或者只用少数码字编码，提出不对图像本身编码，只对其二维傅立叶（DFT）系数进行编码和传输。

但DFT是一种正交变换，运算量很大，常常使实时处理发生困难，第二年他们就用Walsh-Hadamard变换（WHT）取代DFT可以使运算量明显减少，这是因为WHT变换只有加减法而无需乘法。

合肥学院学报(自然科学版)Journal of Hefei University(Natural Sciences)　2009年8月　第19卷第3期 Aug.2009Vol.19No.3　基于DCT和DW T域的数字水印算法李海燕(安徽广播影视职业技术学院信息工程系,合肥　230022)摘　要:数字水印技术近年来得到了广泛的研究.新的水印算法不断提出,根据DCT域和DW T域图像水印技术原理,提出一种利用DCT域和DW T域相结合的图像水印技术算法,在嵌入强度的选取上做了新的测试.实验证明,用该算法嵌入水印的图像质量没有明显下降,并且嵌入的水印信息具有良好的鲁棒性.关键词:数字水印;离散余弦变换;离散小波变换;水印检测中图分类号:TP391.41 文献标识码:A 文章编号:1673-162X(2009)03-0037-03基于变换域[1]的数字水印技术往往采用类似于扩频图像的技术来隐藏水印信息[2].这类技术一般基于常用的图像变换(局部或是全局的变换),这些变换包括离散余弦变换(D iscrete Cosine Transfor m, DCT)、离散小波变换(D iscrete W avelet Transt or m,DW T)、傅氏变换(D iscrete Fourier Test,DFT或FFT)、傅里叶—梅林变换(Fourie—Mellin Transt or m,F MT)以及哈达马变换(Hada mard Transf or m)等.离散余弦变换[3]是一种空间变换,是数字信号处理技术中最常用的线性变换之一,具有很好的能量压缩能力和去相关能力,特别的,数字图像的JPEG压缩标准就是建立在离散余弦变换基础上的.基于JPEG压缩标准模型的水印嵌入算法可以增强水印抵抗JPEG压缩攻击的能力,因此离散余弦变换在数字水印处理技术[4]中受到了普遍重视.小波变换[3]的理论是近年来兴起的新的数学分支,它是继1822年法国人傅里叶提出傅里叶变换之后又一里程碑式的发展,解决了很多傅里叶变换不能解决的困难问题.小波变换可以看作是傅里叶变换的发展,即它是空间(时间)和频率的局部变换,为传统的时域分析和频域分析提供了良好的结合.目前,小波分析已经广泛应用于数字图像和视频的压缩编码、计算机视觉、纹理特征识别等领域.基于离散小波变换的数字水印嵌入算法[5,6]虽然充分利用了小波变换的多分辨率特性,而且采用各种方法计算视觉系统在小波变换域内的掩蔽特性,但很少考虑数字图像经过小波变换后的各个子带图像中相邻小波系数之间存在着很强的相关性问题.为此,文献[1]结合离散小波变换的多分辨率特性和离散余弦变换的能量压缩能力以及解相关能力,提出了DW T和DCT结合的水印嵌入算法,将原始图像和水印图像先进行DW T变换,然后进行DCT变换,再嵌入水印信息.1　一种DCT和DW T域相结合的数字水印算法本文将利用小波变换和DCT变换的特性,首先对原始图像进行一次小波变换,得到分解后的低频子图,而后对低频子图进行8×8的分块DCT变换,将水印信息嵌入到DCT变换后的中频系数.下面将详细地说明将DW T和DCT两种变换结合起来的水印嵌入和检测算法.算法基本框图如图1所示,其中引入了一系列增强性能的机制,包括:基于人类视觉系统HVS特性的水印信号嵌入策略,用二值序列调制水印信息等来增强水印系统的透明性和鲁棒性.设载体图像为I,其大小为M×N,I(i,j)(1≤i≤m,1≤j≤n)代表载体图像中第i行第j列像素的灰度值;H(i,j)是考虑人眼视觉特性计算出的(i,j)点的特性值,特性值的大小表示该像素点所能容纳的噪声值的大小,该值越大,能容纳的噪声就越大;Q为水印图像经预处理后输出的-1、1序列,C为-1、1的二值混沌序列,X为最终的水印序列.本实验用随机数序列作为水印,原始图像为Lena灰度图像.该算法的基本思想如下.收稿日期:2009-04-23 修回日期:2009-06-10作者简介:李海燕(1971—),女,安徽合肥人,安徽广播影视职业技术学院信息工程系讲师;研究方向:图形图像技术.1.1　水印嵌入算法图1　水印嵌入框图(1)对图像I 进行小波变换.小波变换是将信号分解到时域和尺度域上,不同的分解尺度对应不同的频率范围.小波变换中常用到近似分量和细节分量.近似分量表示信号的低频成分,而细节分量表示的是高频成分.通过小波变换,可以有效地提取图像的低频成分.例如,对256×256标准图像做一次小波变换,得到的图像D ′.(2)为了使加入的水印可以均匀分布在图像中,对D ′进行DCT,然后决定图像中感知最具意义的频率部分,即DCT 系数最大的分量,用向量V 表示.(3)构造长度为n 服从N (0,1)正态分布的随机数序列作为水印信号x i ,应用下式将水印信号x i 嵌入到V i 中,得到V ′i : V ′i =V i (1+a i x i ),(1)a i 是比例系数,其大小决定了水印信号修改图像频率的强度,在不影响图像质量的前提下本例取0.08.(4)将V ′i 进行反离散余弦变换ID CT,获得加入水印的低频图像D ″,然后做小波重构,获得与原来图像大小相等、含有水印成分的图像I W .1.2　水印检测算法(1)计算具有水印信号图像的小波变换,用I ′W 表示;(2)提取小波变换的近似信号,对其做DCT 变换,用V ″W 表示;(3)计算原图像的小波变换,提取小波变换的近似信号做DCT 变换,用V 表示;(4)分析水印加入的位置,应用下式恢复水印信号x ′i : x ′i =1a i V ″WV i -1;(2)(5)利用相似度公式,比较恢复出来的水印信号x ′和原水印信号x 的相似程度:cn (x,x ′)=∑n i =1(x i x ′i ) ∑ni =1x i x i ,(3)从相似度测量值即可判断图像中是否含有水印信号.1.3　实验结果(1)嵌入水印后图像及检测.图2显示出原始图像和嵌入水印后的图像.由图可见,嵌入的水印对原始图像的影响很小,不易觉察.图3给出提取的水印,从响应值可以看出提取出的水印具有唯一性,相似度检测值为32.0143.(2)对嵌入水印的图像加入高斯噪声,如图4所示,对其进行水印检测,相似度检测值为19.6218.可以看到对于这种高频噪声,该算法具有很好的抗攻击能力.(3)JPEG 处理后的水印检测.图5是对水印图进行JPEG 压缩编码,当压缩质量为15时,图像的块效应已非常明显,这时做相似度检测其响应也能达到26.8732,仍然能够很好地检测出水印信号的存在与否.(4)滤波处理后的水印检测.嵌入水印的图像经过平滑滤波和维纳滤波后,在图像质量降质严重的情况下仍然可以很好的检测出水印信号,相似度检测值为10.6167,如图6所示.83合肥学院学报(自然科学版)第19卷(5)缩放处理后的水印检测.将加入水印后的图像缩小至原来图像的25%,然后恢复到原来图像的尺寸大小,这时图像已经有明显的失真,但仍能够检测出水印信号,相似度检测值为6.3125,如图7所示,表明算法具有很好的抗缩放处理的特性.由以上实验结果可以看出,该算法具有良好的不可见性和鲁棒性,能够抵抗多种攻击.2　结束语本文将离散小波变换与离散余弦变换相结合,设计出一种新的水印算法.该算法利用离散小波变换的多分辨率特性和离散余弦变换的能量压缩能力,通过修改变换域的中频系数,把水印信息嵌入到原始图像中.实验结果表明,该算法具有较好的不可见性和鲁棒性.参考文献:[1]　王秋生.变换域数字水印嵌入算法研究[D ].哈尔滨:哈尔滨工业大学计算机科学与技术学院,2001.[2]　黄继武,谭铁牛.图像隐形水印综述[J ].自动化学报,2000,26(5):6452655.[3]　孙圣和,陆哲明,牛夏牧.数字水印技术及应用[M ].北京:科学出版社,2004:862116.[4]　黄继武,Shi Yun Q ,程卫东.DCT 域图像水印:嵌入对策和算法[J ].电子学报,2000,28(4):57261.[5]　冯象初,张玉双,王卫卫.一种基于DW T 域的数字水印方案[J ].计算机科学,2002,29(7):75276.[6]　孙锐,孙洪,姚天任.新颖的基于小波变换的数字水印方案[J ].红外与激光工程,2003,31(4):2972300.[责任编校:罗季重]D i g it a lW a ter mark i n g A lgor ith m s Ba sed on DCT and DW TL I Hai 2yan(I nf or mati on Engineering Depart m ent,Anhui B r oadcasting Movie and Televisi on Vocati onal College,Hefei 230022,China )Abstract:D igital water marking syste m s have gained a large interest in recent years .Many ne w water marking algorith m s have been p resented based on the technical p rinci p les of e mbedding water marks which are based on DCT and DW T .A water mark alg orithm is p r oposed and the selecti on of e mbedding intensity is tested .The ex peri m ent shows that this ne w algorithm can keep the i m age quality well as bef ore and even has better r obusticity .Key words:digital water marking;DCT;DW T;water marking detecti on93第3期李海燕:基于DCT 和DW T 域的数字水印算法。

一种基于DWT和DCT的自适应盲水印算法
于瑞琴
【期刊名称】《电脑知识与技术》
【年(卷),期】2009(005)030
【摘要】研究鲁棒性水印算法一直是数字水印技术发展的重要方向,文中根据Watson视觉模型推导出的一种可以直接应用于DCT域的自适应归一化掩模作为水印嵌入强度,利用相邻的DWT和DCT块之间的关系把二值水印嵌入到灰度图像中,提取水印时不需要原始图像,实现了盲提取.实验结果表明,本算法在不可见性和鲁棒性方面具有良好性能.
【总页数】3页(P8522-8524)
【作者】于瑞琴
【作者单位】镇江市高等专科学校电子信息系,江苏,镇江,212003
【正文语种】中文
【中图分类】TP301
【相关文献】
1.一种鲁棒的基于DWT域自适应量化步长的图像盲水印算法 [J], 张专成;张殿富;闫小萍
2.一种新的DWT与DCT相结合的图像盲水印算法 [J], 窦永梅
3.一种基于DWT与DCT相结合的彩色数字盲水印算法 [J], 解皎虹;孙岩
4.一种基于DWT和DCT域的灰度图像盲水印算法 [J], 李佳丽;蔡翔云
5.一种基于DWT_DCT的数字图像盲水印算法 [J], 张帅; 杨雪霞
因版权原因，仅展示原文概要，查看原文内容请购买。

基于DCT域和DWT域的视频数字水印算法数字水印技术是一种保护数字媒体作品的方法，其中最常用的是视频数字水印技术。

基于离散余弦变换（DCT）和离散小波变换（DWT）的视频数字水印算法是目前应用较广的两种方法。

下文将分别介绍它们的原理和特点。

一、基于DCT域的视频数字水印算法DCT是一种广泛应用于音频和视频编码的一维变换方法，同时也可用于图像压缩和加密。

在基于DCT的数字水印中，水印信息通常嵌入在视频的低频系数中，因为低频系数对于视频质量的影响较小，使得水印影响恢复的难度也随之增大。

具体实现方式为，在进行DCT变换后，将一部分低频系数修改成水印信息。

这部分低频系数也称作“水印区域”，可以根据水印强度、嵌入率等参数进行调整。

水印的提取便是将水印区域解码并恢复出原始水印。

该方法的优点是隐藏在低频区域的水印不容易被注意到，且强度适中时不会对视频质量产生太大影响。

不足之处是对于经过编辑或压缩后的视频，该水印可能难以恢复或不可用。

二、基于DWT域的视频数字水印算法DWT是一种多维矩阵变换，能够在一定程度上减少信号中冗余信息，并可实现数字水印的嵌入和提取。

相比DCT，DWT 能够更好地处理图像或视频中的边缘和细节。

在基于DWT的数字水印中，水印信息被嵌入到视频的高频系数中，因为高频系数对视频质量的影响较小，同样也增加了水印提取的难度。

具体实现方式为，在进行DWT变换后，将一部分高频系数修改成水印信息，这部分高频系数也称作“水印区域”。

水印区域的位置由DWT的分解层数、水印大小、嵌入率等参数决定。

提取水印时，需要使用同样的分解层数和水印大小等参数。

与基于DCT的水印算法相比，基于DWT的算法更具抗压缩能力，并且能够适应图像或视频的不同尺寸和分辨率，但也存在一定的弱点。

例如，在不同空间域的DWT子带中，水印的韧性也会不同，这需要在具体实现中进行优化和调整。

总之，基于DCT的水印算法更适用于一些对视频质量要求不高的应用场景，例如版权保护等，而基于DWT的算法则更适用于对视频质量和韧性都有较高要求的应用场景。