基于DWT的双重数字音频盲水印算法

基于DWT-FRFT变换和QR分解的盲数字水印算法吴强;彭亚雄【摘要】为了提升数字水印技术的安全性和鲁棒性进而解决图像的版权保护问题,文中提出了一种基于离散小波变换-分数阶傅里叶变换(DWT-FRFT)和QR分解的盲数字水印算法.首先对原始图像进行离散小波变换-分数阶傅里叶变换,取其低频子带;然后对低频子带进行分块QR分解,并将有意义二值水印采用量化索引调制(QIM)重复嵌入到R的第1行中.通过MATLAB实验,证明该算法相较于传统方法,峰值信噪比(PSNR)和相关系数(NC)均是最优,具有更好的不可见性和鲁棒性.由于水印的提取过程未借助原始图像任何信息,此方法可归为一种盲水印算法.【期刊名称】《电子科技》【年(卷),期】2018(031)010【总页数】4页(P53-55,68)【关键词】离散小波变换;分数阶傅里叶变换;QR分解;量化索引调制;数字水印;鲁棒性【作者】吴强;彭亚雄【作者单位】贵州大学大数据与信息工程学院,贵州贵阳550025;贵州大学大数据与信息工程学院,贵州贵阳550025【正文语种】中文【中图分类】TP301数字水印是镶嵌在其他数据中具有可鉴别性的数字信号或模式，它的存在不影响宿主数据的可用性。

因其具有安全性、不可感知性、可证明性以及稳健性等特点，数字水印作为一种有力的版权保护技术已得到广泛的应用。

对于数字水印算法，通常分为时域算法和频域算法。

因频域算法抗攻击性更强，所以信息隐藏领域的研究更注重频域水印算法。

研究人员针对基于离散余弦变换(Discrete Cosine Transform，DCT)的传统数字水印算法，提出了很多改进算法，这些算法对压缩和噪声攻击具有较好鲁棒性，但是无法有效抑制几何攻击。

文献[1]提出一种基于量化的抗JPEG(Joint Photographic Experts Group)压缩攻击的鲁棒性水印算法。

该算法对压缩攻击有很强的鲁棒性，但是抗几何攻击较弱；文献[2]提出了基于集成成像的DWT(Discrete Wavelet Transform)域水印技术。

一种基于DCT和DWT结合的音频水印算法音频水印技术是一种在音频信号中嵌入特定信息以实现版权保护、数字鉴证、内容追踪等功能的技术。

基于离散余弦变换（DCT）和离散小波变换（DWT）的音频水印算法是一种常见的音频水印嵌入和检测方法。

DCT和DWT是两种经典的信号变换技术，它们具有重要的频率特性和平移不变性，因此非常适合用于音频水印算法的设计。

首先，我们需要将原始音频信号进行离散余弦变换，以获取音频信号的频域信息。

DCT将音频信号分解为不同的频率分量，其中低频分量代表音频信号的全局特征，高频分量代表音频信号的细节特征。

我们可以选择低频分量作为水印嵌入的载体。

接着，我们对低频分量进行离散小波变换，以进一步提取音频信号的频域特征。

DWT通过分解音频信号为多个分辨率的子带，每个子带都包含了不同频率范围内的信息。

我们可以选择其中一个子带作为水印嵌入的目标。

在嵌入水印时，我们首先对选定的子带进行频谱调制。

频谱调制是一种将水印信息嵌入到原始音频信号频域表示中的技术，它可以通过在特定的频带内改变信号的频谱分布来实现水印信息的隐藏。

在这个过程中，水印信息被嵌入到选定的子带频谱系数的幅度、相位或频率上。

具体而言，我们可以将水印信息嵌入到选定的子带的幅度上。

幅度调制是一种将水印信息添加到原始信号的幅度值中的技术。

我们可以通过调整选定子带的特定频率范围内的幅度值来实现。

例如，我们可以将幅度值微调一个较小的数值以编码二进制水印信息。

在检测水印时，我们首先对接收到的音频信号进行相同的DCT和DWT变换，以提取相同的低频分量和选定子带。

然后，我们通过比较原始音频信号和接收到的音频信号的低频分量和选定子带，可以检测到是否存在水印信息。

与其他音频水印算法相比，基于DCT和DWT结合的算法具有一些优点。

首先，DCT和DWT提供了较好的频率特性和平移不变性，可以提高水印嵌入的鲁棒性和隐蔽性。

其次，DCT和DWT变换是可逆的，可以保留音频信号的原始内容。

基于DWT的双重数字音频盲水印算法任克强;李辉环;谢斌【摘要】Aiming at the existing problem of single watermarking, this article has designed an algorithm of dual digital audio blind watermarking based on DWT. The watermarking is encrypted by the chaotic sequence, then the original audio signal is divided into segments, the different watermarking embedding strategy is used to balance the contradiction between watermarking transparency and watermarking robustness, the watermarking information is respectively embedded into the high frequency component and the medium frequency component through four- level wavelet transform.The watermarking extraction does not need the original audio signal and the original watermarking, the watermarking blind detection is realized. Experimental results show that the watermarking transparency is very good, and it also has good robustness against many kinds of attacks such as resampling, filtering, noise interference, compression and so on.%针对单一水印存在的问题,设计了一种基于DWT的双重数字音频盲水印算法,先用混沌序列对水印图像加密,再将原始音频信号分段,采用不同的嵌入策略平衡水印透明性和鲁棒性之间的矛盾,把水印信息分别嵌入到经过四层小波变换的高、中频分量中,水印的提取不需要原始音频信号和原始水印,实现了水印的盲检测.实验结果表明,水印的透明性很好,在抵抗重采样、滤波、噪声干扰以及压缩等多种攻击时具有良好的鲁棒性.【期刊名称】《江西理工大学学报》【年(卷),期】2011(032)003【总页数】5页(P1-5)【关键词】音频水印;双重水印;盲水印;混沌加密;离散小波变换【作者】任克强;李辉环;谢斌【作者单位】江西理工大学信息工程学院,江西赣州341000;南昌大学共青学院信息工程系,江西九江332020;江西理工大学信息工程学院,江西赣州341000【正文语种】中文【中图分类】TP309随着数字技术和计算机网络的发展，各种形式的多媒体数字作品不断出现并广泛传播，其安全性面临严峻的挑战.数字水印技术作为知识产权保护和数字多媒体防伪的有效手段受到了广泛关注，并成为多媒体信息处理和信息安全领域的一个研究热点[1-2].数字音频水印是数字水印的一个重要分支，出现了众多的数字音频水印算法，但目前的数字音频水印算法大多为单水印算法，单一水印在受到多种攻击时很难保证足够的鲁棒性，并且在解决多著作权问题以及多媒体数字作品在出版、发行、销售等不同阶段的认证问题等方面满足不了应用的需要[3-4].针对单一水印的不足，本研究设计了一种基于DWT的双重数字音频盲水印算法，根据人耳的敏感度以及音频信号能量与频率的关系，采用二次嵌入的方法，在同一个音频信号的不同小波分量中分别嵌入水印，为了解决水印透明性和鲁棒性之间的矛盾，采用不同的嵌入策略，选取音频信号的高频分量（感知透明性较好）和中频分量（鲁棒性较好）进行水印嵌入，在含水印的音频信号中可以提取到所嵌入的双重水印，只要其中一个水印可以识别，就可判定音频的归属，提升了对音频的保护能力，并且水印的提取不需要原始音频信号和原始水印，实现水印的盲检测.混沌是非线性动力系统中一种貌似无规则、类似随机的运动，在看似杂乱无章的表面现象下却有着丰富、有序的内部结构.混沌系统对初值的敏感性高，可以提供数量众多、非相关、类似随机而又确定可再生的信号，并且具有普通伪随机序列所没有的低通特性，可以抵抗低通滤波或有损压缩攻击等优点，采用混沌序列对水印进行加密可获得良好的安全性.本算法采用广泛应用的离散时间动态系统Logistic映射序列，它具有较好的自相关性和互相关性，其定义为Xk+1=μXk(1-Xk),其中0≤μ≤4，称为分支参数，Xk+1∈（0，1）.当3.5699456≤μ≤4时，Logistic映射工作于混沌状态，产生具有0均值、δlike自相关性及互相关为0的混沌序列[5]，该序列具有遍历性和白噪声的统计特性.设水印图像为V,大小为M1×M2，可表示为：先将水印序列降维，以便嵌入到一维音频信号中，设降维后水印序列为P：以X0=0.47,u=3.9作为密钥K生成Logistic序列，截取M1×M2大小的数据序列，并对其进行二值化处理，记处理后的Logistic序列为S：用Logistic序列和水印进行异或操作，对水印进行混沌加密，加密后的水印为W：设Y是含有M个采样数据的原始音频信号，可表示为：其中，y(m)∈{0,1,2,…,(2n-1)}是第m个数据的幅值，n为表示每个数据所用的位数(bit数).设每个音频数据段的长度为L，要全部嵌入M1×M2个水印信息，原始音频数据总数应满足如下关系：因此，先将原始音频信号分解成两部分：其中，Yr是原始音频信号中与水印嵌入无关的部分，它在水印的嵌入和提取过程中保持不变.Ye是原始音频信号中待嵌入水印的部分：再将待嵌入水印部分Ye分成M1×M2个音频数据段：其中，Ye(k)表示第k个音频数据段：水印的嵌入位置、嵌入强度以及水印的透明性和鲁棒性是设计水印算法时必须综合考虑的几个问题，是影响水印算法性能的几个重要因素[6].本算法采用对待嵌入音频信号的各个分段进行小波变换，根据小波系数的特点，修改相应的小波系数，实现水印的嵌入.小波基函数的选择是构造数字音频水印算法的一个重要环节，常用的小波基有Biorthogonal小波基、Coiflets小波基、Daubechies小波基、Haar小波基、Symlets小波基，不同的小波基在正交性、紧支性、平滑性以及对称性上都表现出不同的特性，采用不同小波基函数构造的数字音频水印算法的性能是不一样的[7-8].此外，随着小波分解级数的增加，嵌入水印的强度大幅度增加，水印的鲁棒性增强；同时小波分解的级数越多，水印分量可以更好地扩散，应根据水印数量，尽可能的提高小波分解的级数.Daubechies小波基是一种正交小波，具有近似的对称性、时频紧支性、高正规性以及Mallat快速算法等特点，本算法采用Daubechies-4为小波基对分段后音频进行四层小波变换，将水印值分别嵌入到感知透明性较好的高频分量和鲁棒性较好的中频分量中，这样可以较好地满足水印透明性和鲁棒性的要求.水印嵌入流程如图1所示.水印嵌入算法的步骤如下：（1）以Daubechies-4为小波基分别对每一音频数据段Ye(k)进行四层离散小波变换：其中，CK为第k段音频数据的分解系数，它包括小波系第k段音频信号第H层的近似分到H层的细节分量.（2）抽组值，分别计算它们的代数和T1、T2.当W(k)=1时，如当W(k)=0时，如果T2≥T1，不变；否则，按式(12)计算(5×i-1).（3）分别计算D3K的奇、偶代数和E1、E2.当W(k)=1时，如果E1≥E2，不变；否则，其中，n为偶分量的个数.当W(k)=0时，如果E2≥E1不变；否则，分别按式(13)、(14)计算(2×i-1)和(2×i).（4）对调整后的系数进行小波逆变换，得到已嵌入水印的音频信号：（5）将和Yr重新组合，得到最终含水印的音频信号Y′：本算法提取水印时不需要原始音频信号和原始水印，水印的提取过程是水印嵌入的逆过程，其提取流程如图2所示.水印提取算法的步骤如下：（1）把含水印音频信号Y′分成Yr、两部分，再将已嵌入水印部分分成M1×M2个音频数据段，用(k)表示.（2）以Daubechies-4为小波基分别对每一音频数据段(k)进行四层离散小波变换. （3）抽取(5×i-1)和(5×i)两组值，分别计算它们的代数和T1、T2.如果T1≥T2，W′(k)=1；否则，W′(k)=0.（4）分别计算的奇、偶代数和E1、E2.如果E1≥E2，W′(k)=1；否则，W′(k)=0.（5）用嵌入时的混沌序列对提取的加密水印W′进行解密，然后升维得到提取的水印图像V′.实验平台为Windows XP+Matlab，原始音频信号为采样频率44.1 kHz的16位单声道WAV文件，水印图像为64×64的二值图像.图3是未受攻击时水印嵌入前后的音频波形对比图，含水印音频的信噪比为56.4298.为了便于观察，把波形误差放大了5倍，从图中可以看出，原始音频信号和嵌入水印后的音频信号几乎没有差别，仅存在少量奇异点，且波动范围均在(-0.1,0.1)以内，由于人类听觉系统(HAS)的分辨局限性，听觉上很难分辨出水印嵌入前后音频的不同.另外，通过多个不同背景的人对原始音频和含水印音频进行不可感知性测试，均不能分辨它们之间的差别，说明水印的不可感知性很好.原始水印、正确密钥提取的水印以及错误密钥提取的水印如图4所示.使用正确密钥从高、中频系数中提取的两个水印的归一化相关系数分别为0.9957、0.9887，水印图像清晰可辨；使用错误密钥从高、中频系数中提取的两个水印不可辨别.为测试水印的鲁棒性，对含水印音频分别进行了多种攻击，然后再提取水印并计算归一化相关系数和信噪比进行定量评价，图5给出了原始水印图像及多种攻击后提取的水印图像，受攻击后的信噪比和归一化相关系数如表1所示.（1）重采样：包括上采样和下采样.上采样先将语音信号的采样频率由原始频率44.1 kHz提升到原来的2倍，再利用一次抽取技术将变化后的采样频率还原为原始频率.下采样先将语音信号的采样频率由原始频率缩小到原来的一半，再利用一次插值技术将变化后的采样频率还原为原始频率，抽取和插值的系数都为2.上采样、下采样攻击后含水印音频信号的信噪比分别为53.2735、39.1866.图5(c)为经过上采样攻击后提取的水印图像，其高、中频水印的归一化相关系数分别为0.9148、0.9136；图5(d)为经过下采样攻击后提取的水印图像，其高、中频水印的归一化相关系数分别为0.9949、0.9763.上采样提取的高、中频水印较模糊，但可以辨别；下采样提取的高、中频水印清晰可辨.（2）低通滤波：采用2阶的巴特沃兹低通滤波器对音频信号滤波，截止频率为42.36 kHz.低通滤波攻击后含水印音频信号的信噪比为39.2240.图5(e)为经过低通滤波攻击后提取的水印图像，其高、中频水印的归一化相关系数分别为0.9878、0.9133，从高频分量提取的水印清晰可辨，从中频分量提取的水印较模糊，但可以辨别.（3）中值滤波：中值滤波器函数的阶数为2.中值滤波攻击后含水印音频信号的信噪比为36.9914.图5(f)为经过中值滤波攻击后提取的水印图像，其高、中频水印的归一化相关系数分别为0.9194、0.8079，从高频分量提取的水印较模糊，但可以辨别；从中频分量中提取的水印不能识别.（4）噪声干扰：分别加入高斯白噪声和有色噪声，白噪声均值为0，均方差为0.01；将白噪声通过一个截止频率为5600 Hz的低通滤波器生成有色噪声，再分别与含水印的音频信号进行叠加.白噪声和有色噪声攻击后含水印音频信号的信噪比分别为38.0560、39.1185.图5(g)为经过白噪声攻击后提取的水印图像，其高、中频水印的归一化相关系数分别为0.9593、0.9811；图5(h)为经过有色噪声攻击后提取的水印图像，其高、中频水印的归一化相关系数分别0.9620、0.9414；所提取的水印全部容易辨别.（5）去噪：由于噪声信号多包含在较高频率的细节中，去噪攻击影响小波分解的高频分量.以Daubechies-4小波基对含水印音频进行四层小波分解，将最高频分量全部置为零，滤掉这一层所有的能量.去噪攻击后含水印音频信号的信噪比为51.0369.图5(i)为经过去噪攻击后提取的水印图像，其高、中频水印的归一化相关系数分别为0.6630、0.9590，从高频分量提取的水印不能识别，从中频分量提取的水印可辨别.（6）压缩：利用小波包对含水印音频进行压缩，压缩后的音频保留了99.9724%的能量，压缩率为53.9733%.压缩攻击后含水印音频信号的信噪比为38.0539.图5(j)为经过压缩攻击后提取的水印图像，其高、中频水印的归一化相关系数分别为0.9059、0.8641.从高、中频分量提取的水印较模糊，但可以辨别.算法利用了音频小波分解与听觉分辨特性之间的关系，把水印信息分别嵌入到经过四层小波变换的高、中频分量中，实现在同一个音频载体上嵌入双重水印，以提升水印抵抗多种攻击时的鲁棒性，满足不同应用的需求.实验结果表明，水印的感知透明性很好；未受到攻击时，提取到的水印清晰；不同类型的攻击，对高、中频小波分量中的水印影响各不相同，但至少有一个水印能被识别，水印的鲁棒性较好，有效地提升了对音频载体的保护能力.在水印的提取过程中不需要原始音频信号和原始水印，实现了水印的盲检测.【相关文献】[1]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.[2]方旺盛,张松枭,肖琴.关于SVD图像的多水印算法[J].江西理工大学学报,2008,29(2)：2l-24.[3]谢斌,任克强,蔡虔.一种基于语音信号的有意义图像多重水印算法[J].江西理工大学学报,2009,30(3)：41-44.[4]王永琦,杨洋.基于混合变换域的数字音频双水印算法[J].计算机应用,2007,27(12)：128-133.[5]陈雪松,张寒,杨永田.基于混沌理论的音频数字水印算法研究[J].计算机工程与应用,2007,43(24)：59-61.[6]冯涛,韩纪庆.基于听觉特性的音频水印能量估计及自适应嵌入算法研究[J].声学学报,2006,31(1)：48-54.[7]杨福生.小波变换的工程分析与应用[M].北京：科学出版社,2006.[8]杨晋霞,马朝阳,张雪英.基于小波包分析的数字音频双水印算法[J].计算机应用,2010,30(5)：1217-1220.。

一种基于DWT变换的音频水印算法[摘要] 实现了一种基于小波变换的音频水印算法。

算法首先对水印图片进行了置乱预处理，对音频信号进行小波变换，在低频系数量化嵌入水印信息。

实验表明该算法具有较好的鲁棒性。

[关键词] 音频水印小波变换均值量化伴随着数字多媒体技术以及互联网技术的飞速发展，数字信息作品的创作、存储和传输都变的十分方便与快捷，但同时也暴露出了严重的问题，多媒体技术版权的创作者和所有者有着强烈、紧迫的反盗维权的要求和渴望[1]。

数字水印技术可以保证数字信息的完整性和可靠性，成为知识产权保护和数字多媒体防伪的有效手段[2]。

数字水印技术被认为是解决版权问题的有效方式[3]。

1.算法概述小波分析是一种很好的信号分析和处理方法，受到了越来越多的水印研究者的青睐。

基于小波变换（DWT）的数字水印算法，体现出了更优良的性能特性。

最大限度地把水印信息隐藏而不被人们所察觉，并且计算量较小。

本文首先改进实现了基于小波变换的音频水印算法。

该算法首先对水印图片进行了置乱预处理，对音频信号进行小波变换，在低频系数量化嵌入水印信息。

1.1Arnold变换Arnold变换，又称猫脸变换，此变换只适用于正方形数字图像。

运用Arnold 变换对一幅正方形的图像进行迭代变换，若干次后，图像一定能恢复到原先[4]。

Arnold变换公式：。

其中，mod表示取模运算；，表示原来图像的像素点位置；，表示变换后图像的像素点位置。

图1中，(a)为原始图像，64×64；(b)经过3次迭代后图像；(c) 经过15次迭代后图像；(d) 经过30次迭代后图像；(e) 经过45次迭代后图像；(f) 经过48次迭代后图像。

Arnold变换起到了加密保护的作用，Arnold变换具有周期性，64×64的二值图像在经过48次迭代回到了原始图像。

图 1 水印图像经Arnold变换后的水印图像1.2 系数量化原理量化的算法的思路是，首先，定义量化步长，用量化步长把待量化的系数取值范围划分为如图2所示A、B两个区间集，嵌入的水印比特为（1或0）；量化处理后的系数为。

DWT域基于系数关系的盲水印算法白梅1王慧琴1,2杜高峰 11 西安建筑科技大学信息与控制工程学院西安7100552 西安交通大学—彩虹集团公司博士后流动站西安710049摘要：提出了一种DWT域内基于系数关系的盲提取图像水印算法。

首先，对原始图像进行两层小波分解，比较第二层的对角分量与近似分量可以得到一个逻辑矩阵，将该逻辑矩阵与置乱后的二值水印图像进行对比，根据对比的结果修改第二层的对角分量，使得逻辑矩阵与二值水印信息一致，从而实现了二值水印图像的嵌入。

水印的提取过程不需要原始图像，实现了盲提取。

仿真实验证明了该算法的有效性。

关键词：数字图像水印，离散小波变换，逻辑矩阵，置乱处理A Blind Watermarking Algorithm Based on theRelationship of Coefficients in DWT DomainBai Mei1Wang Huiqin1, 2 Du Gaofeng11 Information and Control Institute of Xi’an University of Arc. &Tech. Xi’an 710055(E-Mail: bm_wind@)2 Postdoctoral research station of Xi'an Jiaotong University-Caihong Corporation Xi’an710049Abstract:A blind watermarking algorithm based on the relationship of coefficients in the Discrete Wavelet Transform (DWT) domain is proposed. Firstly, the original image is decomposed with double wavelet transform; comparing the second level diagonal coefficients with approximate coefficients to obtain a logical matrix, then it with the watermark scrambled image, modifying the diagonal coefficients according to compared result, making the logical matrix accorded with watermark, thereby the process of embedding watermark is finished. The binary watermark is extracted from the watermarked image without original image. The experimental results show that the algorithm is invisible and robust against the general image-processing methods.Keywords:Digital watermarking, DWT, logical matrix, Scrambling1 引言数字图像水印技术是指在载体图像中嵌入特定的信息以实现版权保护和信息安全的目的，嵌入图像中的水印应满足两个基本要求：即水印必须是视觉上不可见的，且水印应对常见的图像处理操作以及有意或无意的攻击具有一定的鲁棒性[1]。

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。

一种基于双重加密的DWT-DCT域音频公开水印算法杨志疆;赵红【期刊名称】《计算机与数字工程》【年(卷),期】2012(040)012【摘要】In this paper, a new public audio watermarking algorithm based on DWT and DCT is proposed. The scheme proposes to use image scrambling and chaos encrypting as preprocessing during watermark embedding. It makes full use of the multi-resolution of DWT and the energy concentrated of DCT and enbeds encrypted watermark by quantification process in DC and several low frequency AC coefficients of the audio signal. Experimental results show that the proposed scheme has good performance of computing efficiency, security, imperceptibili-ty,highly good robustness to common audio processing operation.%提出了一种新的基于DWT和DCT音频公开水印算法.算法应用图像置乱与混沌原理对水印图像进行双重加密,并充分利用DWT的多分辨率特性与DCT的聚能特性对选取的多段音频进行处理,然后再把加密后的水印嵌入到各段的DCT低中频系数的量化中.仿真实验表明,该算法高效、安全性能好,且具有较好的不可感知性,对常见的音频处理具有较好的鲁棒性.【总页数】4页(P90-93)【作者】杨志疆;赵红【作者单位】漳州职业技术学院计算机工程系漳州 363000;漳州师范学院计算机科学与工程系漳州 363000【正文语种】中文【中图分类】TP301.6【相关文献】1.一种基于音频内容的NDCT域脆弱音频水印算法 [J], 黄雄华;王宏霞;崔更申;蒋伟贞2.基于混沌加密的小波域音频盲水印算法 [J], 王旭;申美玲;邸晓宇3.基于混沌加密的小波域音频水印算法 [J], 张敏;肖春景4.基于混沌加密的小波域音频水印算法 [J], 张敏;肖春景5.基于双重加密和小波包分析的音频水印算法 [J], 周长英;曹锋因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于DCT和DWT结合的音频水印算法音频水印算法是一种在音频信号中嵌入特定的信息以保护版权、身份验证或数字取证的技术。

结合离散余弦变换（DCT）和离散小波变换（DWT）的音频水印算法能够提高水印的鲁棒性和抗攻击性。

本文将详细介绍一种基于DCT和DWT结合的音频水印算法。

1.离散余弦变换（DCT）离散余弦变换是一种将音频信号转换为频域表示的方法，它通过一系列的余弦基函数将输入信号分解成一组频率分量。

DCT主要用于音频压缩和频域分析。

对于音频水印算法，DCT可以在频域中嵌入水印信息。

2.离散小波变换（DWT）离散小波变换是一种将信号分解成多个频率组件的方法，其特点是可以同时提供时间和频率分辨率。

DWT可以将音频信号分解成不同尺度和频率的子带，并且能够检测局部细节的变化。

DWT可用于提取水印并对音频进行特征分析。

3.算法流程3.1将音频信号分成多个重叠的帧。

3.2对每个帧进行DCT变换，得到频域系数矩阵。

3.3对DCT系数矩阵进行DWT变换，得到DCT-DWT系数矩阵。

3.4将嵌入信息进行离散小波变换，得到小波水印。

3.5将小波水印嵌入DCT-DWT系数矩阵的不同尺度中。

3.6对修改后的DCT-DWT系数矩阵进行逆变换，得到嵌入水印的DCT 矩阵。

3.7对每一帧的DCT矩阵进行逆DCT变换，重建音频信号。

4.水印嵌入和提取方法4.1水印嵌入将待嵌入音频信号进行分帧，并对每帧进行DCT变换得到DCT系数矩阵。

对DCT系数矩阵进行DWT变换，得到DCT-DWT系数矩阵。

将水印信息进行离散小波变换，并将小波水印嵌入DCT-DWT系数矩阵的不同尺度中。

将修改后的DCT-DWT系数矩阵进行逆变换得到嵌入水印的DCT系数矩阵。

对每一帧的DCT系数矩阵进行逆DCT变换，重建音频信号。

4.2水印提取将待提取音频信号进行分帧，并对每帧进行DCT变换得到DCT系数矩阵。

对DCT系数矩阵进行DWT变换，得到DCT-DWT系数矩阵。