基于奇异值分解和对偶树复小波变换的鲁棒彩色图像水印

基于四元数模型和奇异值分解的图像水印算法陈善学;冯银波【摘要】将四元数离散余弦变换(QDCT)和奇异值分解(SVD)相结合,提出了一种在彩色图像中嵌入水印的新方法.首先,借助Arnold置乱对二值水印进行预处理,应用四元数理论将彩色图像进行分块QDCT和SVD；然后,利用Logistic映射随机抽取一批图像块实现水印的嵌入.实验表明,该方法具有较强的抗JPEG压缩能力,对各种噪声和滤波等具有较好的鲁棒性.【期刊名称】《计算机应用》【年(卷),期】2013(033)006【总页数】4页(P1626-1629)【关键词】四元数;四元数离散余弦变换;Arnold置乱;Logistic映射;奇异值分解【作者】陈善学;冯银波【作者单位】重庆邮电大学移动通信安全研究所,重庆400065;重庆邮电大学移动通信安全研究所,重庆400065【正文语种】中文【中图分类】TP3910 引言所谓数字水印，即将数字、图像标志等版权信息嵌入到多媒体数据中，以起到保护版权、鉴别真伪等作用。

目前，大多以静止图像为载体的水印算法都是针对灰度图像，而在日常生活中彩色图像的应用更为广泛。

现有的彩色图像水印算法可大致归纳如下:1)单通道处理。

通过颜色模型转换使用单色通道或者某个颜色分量信息来实现水印的嵌入。

文献［1］把彩色图像RGB空间变换到YCbCr空间，然后在亮度分量中嵌入水印。

文献［2］通过修改彩色图像蓝色分量值来嵌入水印。

2)多通道合成。

文献［3］对彩色图像的多个通道进行处理实现水印嵌入，然后将各处理结果求和。

无论是单通道处理还是多通道合成，其本质都是对灰度图像的处理，因而无法很好地体现彩色图像各通道之间的相互联系。

近年来，基于四元数理论的处理技术［4-10］被逐渐熟悉并应用到彩色图像的处理中。

文献［4］把水印嵌到四元数傅里叶变换的平行分量中，含水印图像的峰值信噪比较低，抗攻击能力差;文献［5］把水印嵌入离散四元数余弦变换后所有实部系数的中频系数中，计算量大且抗攻击能力一般;文献［6］将二值随机序列作为水印信息在四元数傅里叶变换域中嵌入，水印信息并无实际意义;文献［7］在分块的基础上进行四元数傅里叶变换和奇异值分解，将水印嵌入各块的最大奇异值;文献［8］在四元数小波变换后的中频子带的奇异值中嵌入水印;文献［9］利用四元数奇异值分解、四元数旋转和共轭运算实现水印的嵌入和提取;文献［10］通过对彩色图像的超复数傅里叶变换，选择合适频段修改其对称系数的值来实现水印的嵌入。

小波变换在图像水印嵌入与提取中的技术探索图像水印技术是一种在数字图像中嵌入特定信息的技术，以保护图像的版权和完整性。

而小波变换作为一种强大的信号处理工具，被广泛应用于图像水印的嵌入与提取过程中。

本文将探索小波变换在图像水印领域的应用，并讨论其技术特点和优势。

一、小波变换的基本原理小波变换是一种时频分析方法，它将信号分解成不同频率的子信号，并对每个子信号进行进一步的分析。

小波变换具有时域和频域分析的优势，能够提供更全面的信号信息。

二、小波变换在图像水印嵌入中的应用在图像水印嵌入过程中，小波变换可以将原始图像分解为不同频率的子图像，然后将水印信息嵌入到特定的子图像中。

小波变换的多分辨率特性使得嵌入的水印能够适应不同的图像细节，从而提高了水印的鲁棒性和不可见性。

三、小波变换在图像水印提取中的应用在图像水印提取过程中，小波变换可以对含有水印的图像进行逆变换，恢复出原始的水印信息。

由于小波变换的多分辨率特性，可以有效地抑制噪声和干扰，提高水印的提取准确性和鲁棒性。

四、小波变换在图像水印中的技术特点1. 鲁棒性：小波变换能够将水印信息分散到整个图像的不同频率分量中，即使图像发生剪裁、旋转或压缩等操作，水印仍然可以被提取出来。

2. 不可见性：小波变换能够将水印信息嵌入到图像的高频分量中，使得水印在视觉上几乎不可察觉，不影响原始图像的质量。

3. 安全性：小波变换具有较高的安全性，通过选择合适的小波基函数和密钥，可以有效地抵抗各种攻击，保护水印的安全性和完整性。

五、小波变换在图像水印中的应用案例1. 数字版权保护：通过将版权信息嵌入到图像中，可以有效地保护数字内容的版权，防止盗版和非法传播。

2. 图像认证：通过将认证信息嵌入到图像中，可以验证图像的真实性和完整性，防止图像被篡改或伪造。

3. 数字取证：通过将取证信息嵌入到图像中，可以追踪和识别非法传播的图像，为司法机关提供证据。

六、小波变换在图像水印中的挑战和发展方向尽管小波变换在图像水印领域取得了很大的成功，但仍然存在一些挑战和改进的空间。

基于CT-SVD彩色图像盲水印方案罗可;冯乔生;章秀君【摘要】介绍了采用Contourlet变换的多尺度性、多方向性和SVD分解的稳定性特征对彩色图像嵌入数字水印的方法.先将RGB空间彩色图像转换为YUV空间,对明亮度分量Y进行Contourlet变换得到不同尺度不同方向上的系数,然后为了满足水印的不可见性和稳健性,对低频系数进行分块SVD分解,根据二值水印值修改左奇异矩阵U.【期刊名称】《微型机与应用》【年(卷),期】2010(029)003【总页数】5页(P22-25,28)【关键词】Contourlet变换;奇异值分解;盲水印;置乱技术【作者】罗可;冯乔生;章秀君【作者单位】云南师范大学,计算机科学与信息技术学院,云南,昆明,650092;云南师范大学,计算机科学与信息技术学院,云南,昆明,650092;云南师范大学,计算机科学与信息技术学院,云南,昆明,650092【正文语种】中文【中图分类】TP393.08随着多媒体技术和计算机网络技术的发展、普及，许多多媒体产品，如图片、音频、视频及三维模型越来越易受非法拥有、复制和传播。

因此，如何有效保护版权和内容完整的多媒体信息已被越来越多的研究人员所重视。

数字水印技术是一种有效解决这些问题的方法，已成为图像处理和多媒体信息安全的一个热门话题。

根据水印嵌入位置，可以把水印分为两大类：空间域和变换域。

在数字水印的鲁棒性方面变换域比空间域水印更好。

变换域一般包括：离散余弦变换(DCT)、离散傅里叶变换(DFT)和离散小波变换(DWT)等。

图像矩阵奇异值分解(SVD)不仅能反映内部图像特征，而且具有良好的稳定性。

因此，提出了 DCT-SVD[1]、DFT-SVD[2]和DWT-SVD[3]域水印算法。

基于SVD和不同变换域相结合的算法可以不同程度地提高水印技术。

目前基于DWT的水印算法较基于DCT和DFT变换的方法要好，因为小波变换对于含“点奇异”的一维信号，能达到“最优”的非线性逼近阶。

基于DCT变换和SVD变换的数字水印技术数字水印技术是一种能够在媒体对象中嵌入并提取出一些隐藏信息的技术。

基于离散余弦变换（DCT）和奇异值分解（SVD）的数字水印技术被广泛应用于数字图像和视频的版权保护和认证。

DCT变换是一种将时域信号转换为频域信号的方法，被广泛用于图像和视频编码中。

DCT变换通过将一幅图像分成小的块，对每个块进行频率转换，并对每个块进行量化和编码，从而压缩图像数据。

DCT变换的一个关键特性是，它对图像的频率信息进行了分解和压缩，同时具有较好的鲁棒性和容错性。

这使得DCT变换成为数字水印技术的理想工具。

SVD变换是一种将一个矩阵分解为三个矩阵乘积的方法，被广泛应用于信号处理和图像处理领域。

SVD变换将一个矩阵分解为一个正交矩阵、一个对角矩阵和一个正交矩阵的转置。

在数字水印技术中，SVD变换可以用于将一幅图像分解为一组特征向量和特征值，并在特征向量上嵌入数字水印。

1. 水印嵌入：将原始图像进行DCT变换或SVD变换，得到一组频率信息或特征值。

然后，在这组频率信息或特征值中嵌入数字水印。

嵌入的方法可以是简单的替换或修改频率信息的某些值，或者可以采用更复杂的算法，如正交化嵌入算法或可逆嵌入算法。

3. 水印验证：将提取得到的水印信息与原始水印进行比较，判断水印是否被篡改或伪造。

验证方法可以是简单的比较水印的值或相似度，也可以采用更复杂的算法，如相关性分析或统计学检验。

基于DCT变换和SVD变换的数字水印技术具有一些优势和应用前景。

DCT变换和SVD 变换具有较好的鲁棒性和容错性，能够在一定程度上抵御噪声、失真和攻击。

DCT变换和SVD变换具有较高的计算效率和存储效率，适用于大规模的图像和视频处理。

基于DCT变换和SVD变换的数字水印技术还可以与其他图像和视频处理技术相结合，例如数字签名、加密和压缩等，从而提供更加全面和安全的版权保护和认证方案。

基于DCT变换和SVD变换的数字水印技术也存在一些挑战和问题。

小波变换在图像水印嵌入与提取中的嵌入容量与水印可靠性评估研究引言：随着数字图像的广泛应用，保护图像的版权和信息安全问题变得尤为重要。

图像水印技术作为一种常用的信息隐藏方法，能够在图像中嵌入特定的信息，以实现版权保护和鉴别等功能。

而小波变换作为一种常用的信号处理方法，被广泛应用于图像水印的嵌入与提取过程中。

本文将探讨小波变换在图像水印嵌入与提取中的嵌入容量与水印可靠性评估的相关研究。

一、小波变换在图像水印嵌入中的嵌入容量研究小波变换是一种基于多尺度分析的信号处理方法，能够将信号分解成不同频率的子带。

在图像水印嵌入过程中，小波变换可以将水印信息嵌入到图像的不同频率子带中，以实现对水印信息的隐藏。

嵌入容量是指在不影响图像质量的前提下，能够嵌入到图像中的水印信息的最大数量。

研究表明，小波变换的选择对嵌入容量有着重要的影响。

不同类型的小波函数具有不同的频率响应特性，因此选择合适的小波基函数能够提高嵌入容量。

同时，小波变换的分解层数也会对嵌入容量产生影响。

分解层数越多，图像的频率细节就会被分解得越细，从而提高了嵌入容量。

然而，过高的分解层数也会导致图像质量的损失，因此需要在嵌入容量和图像质量之间进行权衡。

二、小波变换在图像水印提取中的水印可靠性评估研究水印可靠性评估是指在图像水印提取过程中，判断提取到的水印信息是否与原始嵌入的水印信息一致的能力。

小波变换在图像水印提取中起到了关键的作用，其选择和提取算法会直接影响水印的可靠性。

针对小波变换的选择，研究表明，不同的小波基函数对水印的可靠性有着不同的影响。

一些小波基函数具有较好的抗噪声性能，能够提高水印的可靠性。

同时，小波变换的分解层数也会影响水印的可靠性。

合适的分解层数可以提取到更多的水印信息，从而提高水印的可靠性。

然而，过高的分解层数也会增加噪声的干扰，降低水印的可靠性。

除了小波变换的选择，水印提取算法的设计也是影响水印可靠性的关键因素。

一些研究提出了基于小波变换的水印提取算法，通过对小波系数的处理，实现对水印信息的提取。

基于 DWT-DCT-SVD 的鲁棒盲视频水印算法陈玉麟;梁栋;张成;鲍文霞【摘要】为更有效地保护多媒体数据，文中提出了一种基于 DWT （discrete wavelet transform）、DCT （discrete cosine transform）与 SVD（singular value decomposition）结合的盲视频水印算法。

利用视频帧内的 R 、G 通道的颜色差值进行关键帧的快速选取，将关键帧的 B 分量进行多级离散小波变换，对变换后的子带进行 Arnold置乱，将水印嵌入到置乱后的子带奇异值中。

当嵌入水印视频受到攻击时，利用彩色图像各颜色通道间像素差值很小和奇异值分解的稳定性，用嵌入水印视频关键帧的 G 分量代替原始视频关键帧的 B 分量，实现水印的盲提取。

实验结果表明，该算法对噪声、滤波、裁剪、帧置乱、帧平均、MPEG （moving pictures experts group）压缩等攻击具有较好的鲁棒性。

%This paper proposed a blind video watermarking algorithm based on DWT ,DCT and SVD .The key frames were selected quickly by color difference of red and green channel in video frames ,then performed the blue component of each of key frames on multi‐level DWT . Sub‐band was scrambled by Arnold transforms ,the watermark was embedded into singular value of scrambled sub‐band .When the video sequence was under attack ,by using the small differences of each color channel pixels of color image and the stability of the singular value decomposition ,this paper used the green component of key frames in a watermarked video to replace the blue component of key frames in the original video and extracted watermark blindly .The experimental results demonstrated that the algorithm wasrobust against noise addition ,filtering attack ,cropping attack ,frame scrambling ,frame averaging and M PEG compression .【期刊名称】《安徽大学学报（自然科学版）》【年(卷),期】2015(000)001【总页数】7页(P25-31)【关键词】视频水印;关键帧;蓝色通道;奇异值;盲提取【作者】陈玉麟;梁栋;张成;鲍文霞【作者单位】安徽大学计算机智能与信号处理教育部重点实验室，安徽合肥230039;安徽大学计算机智能与信号处理教育部重点实验室，安徽合肥 230039;安徽大学计算机智能与信号处理教育部重点实验室，安徽合肥 230039;安徽大学计算机智能与信号处理教育部重点实验室，安徽合肥 230039【正文语种】中文【中图分类】TN911由于互联网技术和数字多媒体技术的快速发展，大量的多媒体数据都可以通过网络被人们轻松的访问、拷贝和传播.因此，寻求有效的方法来解决多媒体数据的版权保护问题日益受到人们重视，其中，数字水印技术成为一种非常有效的版权保护方法［1］.近年来，人们对数字图像水印技术的研究已日趋成熟，而视频水印正处于研究阶段.文献［2］提出了三维Gabor变换的视频水印算法，将水印信息嵌入到三维Gabor变换的系数中，该算法计算复杂度较高，不满足水印的实时性要求.文献［3］基于三维小波变换的空时多分辨率特性，将扩频水印自适应地嵌入到三维小波系数中，鲁棒性较好，但实时性较差且水印为非盲提取.文献［4］中对每4帧图像进行三维小波变换，将水印自适应地嵌入到视频的低频与高频帧中，水印为盲提取且鲁棒性较好.文献［5－6］中的算法对几何攻击都具有较强的鲁棒性，但对于帧置乱、帧丢失等时间同步攻击鲁棒性较弱.文献［7］利用压缩传感和Arnold 变换对水印进行加密，然后将视频关键帧的某一颜色分量进行SVD分解，将加密后的水印嵌入到相应的奇异值中，该算法使水印具有较好的保密性和鲁棒性.文献［8］提出了一种盲视频水印算法，但该算法将视频中的每一帧图像都进行DWT 变换与SVD分解，计算量大且对噪声的鲁棒性较差.文中提出一种基于DWT－DCT－SVD结合的非压缩域视频水印算法，采用灰度图像作为水印.利用帧内R、G通道的颜色差值进行快速关键帧选取.充分利用小波变换的多分辨率特性，对关键帧的B分量进行多级DWT变换，将变换后的高频子带进行Arnold置乱，对置乱后的子带进行DWT和DCT变换，最后将水印嵌入到变换后的子带奇异值中，完成水印的嵌入.同时能对几何步攻击及帧攻击实现水印的盲提取.实验表明，该算法具有较好的不可见性和鲁棒性.1 Arnold变换Arnold变换又称猫脸变换，由于其具有良好的周期性和分散性［9］，能够降低图像像素间的空间相关性，增强水印的安全性，同时能够增强水印的抗剪切能力，因此在数字图像中得到广泛的应用.对于一幅N×N的图像，二维Arnold变换定义如下其中：（x，y）表示原始图像矩阵中像素点的坐标，（x′，y′）表示变换后新图像矩阵中的坐标，且x，y∈｛0，1，2，…，N－1｝.Arnold变换的实质是经过多次迭代后改变原始图像矩阵中所有像素点的空间位置，从而得到一幅置乱后的图像.2 奇异值分解奇异值分解作为一种矩阵分解的方法，在图像压缩、信息隐藏和数字水印等方面得到广泛应用，主要由于其具有以下显著特性［10］：一幅图像的奇异值具有很好的稳定性，当图像受到很小的扰动时，奇异值不会发生太大变化；奇异值对应图像的亮度特性，奇异值向量反映图像的几何特性；利用奇异值矩阵来重构图像时，即使忽略后面很小的奇异值也不影响重构图像的整体质量.从线性代数的角度可以将一幅图像当作一个非负矩阵，记为A∈Rm×n，则大小为m×n的矩阵A的奇异值分解为其中：U∈Rm×m，V∈Rn×n都为酉矩阵.U矩阵的列被称为左奇异值向量，V矩阵的列被称为右奇异值向量S∈Rm×n，为一个对角矩阵，对角线上的元素为奇异值，其主对角线元素满足如下关系由于对角矩阵S中每一个奇异值都为非负值，因此可以将它们作为水印嵌入的区域.3 视频水印算法3.1 水印的预处理为提高水印的安全性，对大小为64×64的原始水印W 进行Arnold变换，得到置乱后的水印W1，置乱效果如图1所示.图1 原始水印及置乱后的水印图像Fig.1 Original watermark and scrambling watermark3.2 关键帧的选取因视频中所含的信息量较大且连续帧之间存在大量的冗余信息，因此文中通过提取视频的关键帧来实现水印的嵌入.根据人眼视觉系统对蓝色最不敏感特性，将水印嵌入到RGB帧的B分量中，因此水印的嵌入对R、G分量不会造成影响.针对传统的基于镜头分割和颜色直方图［11］来选取关键帧，计算复杂度较高，文中提出了一种简单、快速的关键帧选取方法.具体步骤如下：（1）对原始视频进行分帧处理，根据公式（4）计算帧图像R、G颜色分量之间差值的绝对值的和，记为Sk其中：k为帧图像的编号，Rk（x，y，1）、Rk（x，y，2）表示第k帧图像分别在R、G 分量（x，y）处的像素值.（2）从大到小依次选取Sk值对应的前20帧作为关键帧，将选取的关键帧的帧编号位置用密钥key进行保存.3.3 水印的嵌入算法该算法将水印嵌入到关键帧的B分量中，具体的嵌入过程如图2所示.图2 水印嵌入过程Fig.2 Watermark embedding process水印嵌入的主要步骤如下：（1）将视频序列进行分帧处理，选取Sk值较大的前20帧作为水印嵌入的载体. （2）取关键帧的B分量进行2－DWT变换，得到子带LH2.（3）将LH2进行Arnold变换，置乱的迭代次数用key1保存，对置乱后的子带进行DWT变换，得到子带HH3.（4）将HH3进行DWT变换，然后对各子带进行DCT变换，得到的4个子带分别记为LL4、LH4、HL4、HH4，将各子带进行SVD分解，得到各子带的奇异值矩阵Sa1、Sh1、Sv1、Sd1与对应的U、V矩阵.（5）将水印进行Arnold变换，对置乱后的水印W1进行DWT和DCT变换，对变换后的各子带进行SVD分解，得到水印各子带的奇异值矩阵Swa1、Swh1、Swv1、Swd1和对应的Uw、Vw矩阵.（6）按照水印嵌入的加性公式，将水印各子带的奇异值分别嵌入到对应子带LL4、LH4、HL4、HH4的奇异值中其中：Sk 表示Sa1、Sh1、Sv1、Sd1；Swk 表示Swa1、Swh1、Swv1、Swd1；ak 表示不同子带的嵌入强度.（7）对LL4、LH4、HL4、HH4各块进行奇异值重构，再经过DCT逆变换和2级DWT逆变换得到含水印的子带LH2new.（8）将LH2new进行Arnold反置乱，然后进行2－IDWT变换，得到含水印的视频帧图像.（9）按上述步骤将水印重复嵌入到选取的关键帧中，然后将嵌入水印的关键帧放回原始视频中对应位置，得到含水印的视频序列.3.4 水印的提取算法水印提取算法无需原始视频，直接用含水印视频的G分量代替原始视频B分量，将其作为水印提取时的原始数据，为减少G分量受噪声影响，文中用模板为3×3，标准差为0.7的高斯滤波器对其进行滤波.具体的提取过程如图3所示.图3 水印提取过程Fig.3 Watermark extraction process水印提取的具体步骤如下：（1）将待测视频进行分帧处理，按相同算法选取20帧关键帧，从中找到与密钥key中保存的帧编号位置相同的关键帧来进行水印的提取.（2）对待测视频的G分量进行高斯滤波，然后分别将待测视频的B分量和G分量分别进行2－DWT，得到LH2′和LH2＊.（3）分别对LH2′和LH2＊进行与密钥key1相同的Arnold变换，对置乱后的子带进行2级DWT变换.（4）对变换后的各子带进行DCT变换和分解，得到待测视频B分量和G分量的奇异值矩阵分别记为Sn′k和Sg′k.（5）利用下式进行水印奇异值的提取（6）水印各块进行奇异值重构，再对各块进行DCT逆变换和离散小波逆变换，得到完整的置乱水印图像.（7）经Arnold反变换后得到提取后的水印图像.文中用NC（归一化相关系数）值作为水印提取效果的评价标准，定义如下其中：W 表示原始水印；W′表示提取后的水印.4 实验结果与分析选取未压缩的AVI格式的foreman和football视频序列作为测试视频，采用RGB颜色空间，帧率为25f／s，两段视频帧数分别为100帧和173帧，视频帧图像的大小为512×512，水印为64×64的灰度图像.4.1 不可见性用PSNR（峰值信噪比）来评价嵌入水印后视频关键帧的质量.foreman和football视频嵌入水印后所有关键帧的平均PSNR分别为50.13dB和50.67dB，此PSNR值下人眼是无法感知嵌入水印视频帧图像质量下降的，同时图4给出了foreman和football视频嵌入水印前后视频关键帧图像.图4 嵌入水印前后视频关键帧的比较Fig.4 Comparison between the original key frame and watermarked key frame4.2 鲁棒性分析一般对视频水印的攻击可分为两类：一类是一般攻击方式，如噪声、滤波、旋转、缩放、JPEG压缩等攻击；另一类是针对视频的帧攻击方式，如帧置乱、帧丢失、帧平均、MPEG压缩等攻击.为验证文中视频水印算法的有效性，对水印的鲁棒性进行如下测试，并给出相应的实验结果.4.2.1 一般攻击的鲁棒性分析从嵌入水印视频和原始视频的帧编号位置相同的关键帧中取1帧作为测试样本，表1给出了该算法在一般攻击下从foreman和football视频中提取的水印NC值，图5给出了football视频在不同攻击下重构水印图像.表1 一般攻击下该算法提取的水印NC值Tab.1 The algorithm extracted watermark NC values under the general attacks攻击方式及参数 NC值foreman视频 NC值football 0.964 8 0.974 3椒盐噪声（var＝0.2） 0.975 2 0.959 7高斯滤波（9×9σ＝0.5） 0.999 0 0.998 7中值滤波（3×3） 0.999 0 0.999 2均值滤波（3×3） 0.998 9 0.998 8锐化（80） 0.997 5 0.998 8旋转（10°） 0.831 7 0.824 9裁剪1／3 0.996 3 0.996 3裁剪1／2 0.984 40.988 8放大2倍再还原 0.999 8 0.999 9缩小2倍再还原 0.999 5 0.999 4 JPEG压缩 Q＝70% 0.925 2 0.942 4 JPEG压缩视频高斯噪声（var＝0.1）Q＝40% 0.907 1 0.923 8图5 football视频在不同攻击下重构的水印图像Fig.5 Football video reconstructed watermark image under different attacks为验证该算法的有效性，保证试验在尽可能相同的情况下进行，文中选取64×64大小的二值图像作为水印，为提高水印的提取效果，需先对水印进行二极化处理.取foreman视频作为水印的载体数据，表2给出了该算法与文献［12］的比较结果，同时图6给出了该算法在不同攻击下水印重构的结果.表2 该算法与文献［12］的比较结果Tab.2 Comparison between NC values obtained by this algorithm and reference［12］攻击方式及参数该文算法文献［12］0.998 2 0.913 5椒盐噪声（var＝0.1） 0.990 8 0.862 7高斯滤波（9×9σ＝0.5） 0.999 1 0.968 8中值滤波（3×3） 0.999 6 0.970 4亮度增加1.5倍 0.987 4 0.928 1旋转（1°） 0.879 6 0.905 9裁剪1／4 0.997 9 0.882 7裁剪1／2 0.985 4 0.732 8放大2倍再还原 0.999 9 0.987 7缩小2倍再还原0.999 5 0.900 1 JPEG压缩算法高斯噪声（var＝0.01）Q＝40% 0.923 7 0.857 4图6 该算法在不同攻击下重构的水印图像Fig.6 This algorithm reconstructed watermark image under different attacks由表2可知，论文算法对噪声、滤波、剪切、亮度变化、缩放和JPEG压缩等攻击明显优于文献［12］.在抗旋转攻击能力方面较弱，但在较小角度旋转的情况下提取的水印还是能够清晰地辨别.4.2.2 帧攻击的鲁棒性分析视频的帧攻击方式是目前视频应用的主要问题，由于帧置乱、帧丢失、帧平均等攻击能破坏视序列的时间同步性，从而使嵌入的水印无法被检测或提取.从选取的关键帧中取1帧作为测试样本，图7的（a）、（b）、（c）给出了该算法在帧攻击下从foreman和football视频中提取的水印 NC值，图（d）、（e）、（f）分别为在不同的帧攻击下从foreman视频中重构的水印图像.由图7可见，该算法对于帧置乱、帧丢失、帧平均具有较强的鲁棒性.由于水印嵌在B分量中，对帧的R、G分量值无干扰，因此利用文中关键帧提取算法能够将含水印的帧检测出来，并从Sk值较大的关键帧中提取水印.MPEG压缩攻击是视频水印较常见的攻击方式，该文将foreman和football的含水印视频以1.2 Mbps的码率进行压缩，提取后水印NC值分别为0.970 1和0.960 0.该结果表明该算法对于MPEG压缩也具有较强的鲁棒性.图7 foreman视频在帧攻击下重构的水印NC值Fig.7 Foreman video reconstructed watermark image under frame attacks5 结束语为满足水印的实时性与盲提取，文中提出了基于DWT、DCT与SVD结合的鲁棒盲视频水印算法.只利用视频帧内R、G通道颜色差值选取关键帧，将关键帧进行2－DWT变换，然后对子带进行Arnold变换，利用奇异值分解的性质和小波变换的多分辨率特性，将水印嵌入到置乱后的子带奇异值中，且当视频受到不同攻击时能实现水印的盲提取.实验表明，该算法对视频水印的多种攻击具有较强的鲁棒性，但水印提取过程中需要用到部分水印数据.因此，下一步主要研究工作是在不使用原始水印数据的情况下进行水印的盲提取.参考文献：［1］Podilchuk C I，Delp E J.Digital watermarking：algorithms and applications［J］.IEEE Signal Processing Magazine，2001，18（4）：33－46.［2］张立和，伍宏涛，胡昌利.基于三维 Gabor变换的视频水印算法［J］.软件学报，2004（8）：1252－1258.［3］李英，高新波，姬红兵.一种基于三维小波的视频水印空时算法［J］.系统工程与电子技术，2005（1）：16－19.［4］霍菲菲，高新波.基于三维小波变换的视频水印嵌入与盲提取算法［J］.电子与信息学报，2007（2）：447－450.［5］杨晓元，钮可，魏萍，等.一种抗几何攻击的视频水印算法［J］.计算机工程，2007（8）：142－144.［6］楼偶俊，王相海，王钲旋.抗几何攻击的量化鲁棒视频水印技术研究［J］.计算机研究与发展，2007（7）：1211－1218.［7］Jyothish L G，Veena V K，Soman K P.A cryptographic approach to video watermarking based on compressive sensing，arnold transform，sum of absolute deviation and SVD［C］／／Emerging Research Areas andInternational Conference on Microelectronics，Communications and Renewable Energy（AICERA／ICMiCR），2013：1－5.［8］Rajab L，Al－Khatib T，Al－Haj A.Hybrid DWT－SVD video watermarking［C］／／International Conference on Innovation in Information Technology，2008：588－592.［9］Wu L，Zhang J，Deng W，et al.Arnold transformation algorithm and anti－arnold transformation algorithm［C］／／International Conference on Information Science and Engineering（ICISE），2009：1164－1167. ［10］Liu R，Tan T.An SVD－based watermarking scheme for protecting rightful ownership［J］.IEEE Transactions on Multimedia，2002，4（1）：121－128.［11］刘政凯，汤晓鸥.视频检索中镜头分割方法综述［J］.计算机工程与应用，2002，23：84－87.［12］毛运柳，黄东军.基于SURF视频分割的视频水印算法［J］.计算机工程，2010，19：241－243.。

基于DWT-DCT-SVD的彩色图像零水印算法
江泽涛;陈微
【期刊名称】《微电子学与计算机》
【年(卷),期】2016(33)8
【摘要】针对数字水印算法中由于对原始图像数据进行修改而导致水印不可见性和鲁棒性之间出现的矛盾,提出一种基于DWT-DCT-SVD的彩色图像零水印算法.将宿主彩色图像从RGB颜色空间转换到YCbCr颜色空间,然后对亮度分量(Y)进行一层离散小波变换(DWT),取其低频子带进行分块离散余弦变换(DCT),并且对每个分块进行奇异值分解,使分解得到的奇异值作为图像的特征来构造零水印;利用图像的奇异值具有较强的稳定性,对几何失真具有不变性,结合零水印的思想,可以有效地解决水印不可见性和鲁棒性之间的矛盾;水印提取不需要原始图像参与,具有盲检测性.实验结果表明,该算法对常见信号处理,如剪切、中值滤波、椒盐噪声、JPEG压缩等具有较强的鲁棒性.
【总页数】5页(P107-111)
【关键词】彩色图像;零水印;DWT;DCT;SVD
【作者】江泽涛;陈微
【作者单位】桂林电子科技大学计算机科学与工程学院
【正文语种】中文
【中图分类】TP301
【相关文献】
1.基于贝塞尔-傅里叶矩的彩色图像零水印算法 [J], 何冰;林关成
2.基于四元数域的彩色图像双重零水印算法 [J], 冯银波;陈善学
3.基于 DWT-DCT-SVD 的鲁棒盲视频水印算法 [J], 陈玉麟;梁栋;张成;鲍文霞
4.基于Schur分解的Contourlet域彩色图像零水印算法 [J], 朱春伟;李永毅;迟万达;高尚;范迪
5.一种基于最优块的DWT-DCT-SVD的图像数字水印算法 [J], 黄根岭;刘成;黄海于
因版权原因，仅展示原文概要，查看原文内容请购买。

基于 DWT 和 SIFT 的鲁棒图像水印算法张正伟;吴礼发;郑成辉;李华波【摘要】为了提高数字图像水印的不可见性和鲁棒性，文章提出了一种基于离散小波变换（discrete w avelet transform ，DWT ）和尺度不变特征转换（scale‐invariant feature transform ，SIFT ）的数字图像水印算法。

该算法首先利用DWT找出原始图像中纹理较复杂区域，再在所找出的纹理复杂区域中提取出不变特征点；通过自适应确定局部特征区域，并对特征区域进行一级DWT ，取其低频部分进行奇异值分解（singular value de‐composition ，SVD）；最后对待嵌入水印图像进行Arnold置乱，把置乱后的一维水印信息进行SVD并通过加性准则嵌入到原始图像的奇异值中，以实现水印的嵌入。

仿真结果表明，该算法不仅具有较好的透明性，而且对常规攻击和一般的几何攻击有较高的鲁棒性。

%In order to improve the invisibility and robustness of the digital image watermarking ,a digit‐al image watermarking algorithm based on discrete wavelet transform (DWT ) and scale‐invariant fea‐ture transform(SIFT) is proposed .In this algorithm ,a more complex texture area of original image is firstly discovered by using DWT .Then the invariant feature points in the complex texture area discov‐ered are extracted .The local feature area is determined by self‐adaption and processed by one‐level DWT ,and the low frequency part is processed by singular value decomposition(SVD) .Finally ,the watermark image to be embedded is disordered by Arnold .The one‐dimensional watermark informa‐tion is processed by SVD and embedded into the original singularity figure by using the additive rule . Thus the embedding of the watermark can be achieved .Thesimulation results demonstrate that this algorithm has superior transparency and high robustness to conventional attack and geometric attack .【期刊名称】《合肥工业大学学报（自然科学版）》【年(卷),期】2016(039)007【总页数】6页(P911-916)【关键词】离散小波变换(DWT );尺度不变特征转换(SIFT );特征点;奇异值分解(SVD);图像水印【作者】张正伟;吴礼发;郑成辉;李华波【作者单位】淮阴工学院计算机与软件工程学院，江苏淮安 223003; 中国人民解放军理工大学指挥信息系统学院，江苏南京 210007;中国人民解放军理工大学指挥信息系统学院，江苏南京210007;中国人民解放军理工大学指挥信息系统学院，江苏南京 210007;中国人民解放军理工大学指挥信息系统学院，江苏南京 210007【正文语种】中文【中图分类】TP391.413数字图像水印是目前保护图像版权的基本技术手段。