融合規(guī)則數字水印算法探討

【摘 要】數字水印作為目前知識產權保護學術界的一個研究熱點，有著不同嵌入算法，本文就目前在嵌入算法中使用相對較少的融合規(guī)則當中，采用流行的視覺原理嘗試提出一個新型算法模型，并取得相對不錯的結果。

【關鍵詞】數字水印；融合性規(guī)則；算法；數據量

1.引言

本文在小波理論的基礎上，提出了結合某些人眼視覺特性如韋伯定律以及融合嵌入規(guī)則的數字水印算法。根據已有理論在數據容量和水印的透明性以及魯棒性上，用他人研究的成果綜合起來進行多方面的綜合研究，試圖尋找一個在數據容量和水印透明性以及魯棒性上面均有較好結果的新型算法，用已有的理論綜合應用出本算法，包括以下幾個方面的內容：首先利用小波變換技術將原始圖像和水印圖像分別進行二級小波分解，根據自己的算法嵌入，其次在嵌入過程中結合人眼視覺特性來調節(jié)嵌入強度，并利用根據融合嵌入規(guī)則，在不影響人眼視覺的前提下對算法進行一定的改變。最后根據嵌入方法逆向提取水印。實驗結果表明，該算法對JPEG壓縮有非常好的魯棒性，在其他攻擊測試方面，本算法的魯棒性和透明性都能得到較好的結果。并且根據理論文獻的研究成果表明，以及嵌入實驗的數據量也表明，在嵌入容量上也有較好結果。

2.實驗過程

2.1 預處理

所謂預處理，最常見的其實就是對水印“置亂”，相當于對水印進行加密，并實驗表明，對水印進行“置亂”，也可以很大限度的提高原始信息的魯棒性。而水印的置亂就是利用某些算法將一副有含義的圖像各像素的次序打亂，但總像素的個數不變，直方圖等都不變。最后將置亂的圖像作為秘密信息再進行圖像隱藏，從而增加水印的魯棒性。

2.2 水印嵌入

本算法主要應用關于嵌入強度的最優(yōu)估計模型和矩估計模型的結論，采用融合性嵌入算法，利用能量比配合人眼視覺模型中的韋伯定律，嘗試了一個嵌入模型，并進行實驗修改，根據實驗結果進行修正，具體步驟如下：（1）利用預處理消除圖像的數據相關性，使整幅圖的數據趨于平緩（這樣也保證了不會因為不同圖像的不同特征導致結果偏差很大，從而不失一般性），實驗結果顯示，在劃分為16塊，每一子塊的能量非常接近。（2）將預處理后的原圖和水印進行二級小波分解，并將分解后的水印嵌入分解后的預處理原圖，這里選擇了HL和LH子帶進行嵌入。（3）嵌入強度根據水印和預處理原圖分解后的能量比確定，并采用了最接近人眼曲線的LOG數學模型。能量模型參考文獻（設所選的區(qū)域為N，則區(qū)域N的能量表示為：

式中：w為區(qū)域所在的圖像；Xw(m+ i，n+j)為圖像w在像素點(m+i，n+j)處的小波分解系數。

嵌入模型：

CHd1(x，y)=(1-alpha)*CH1(x，y)+

CHm1*alpha*ENG/ENGHm)

其中嵌入強度alpha根據不同圖像來實驗確定，比如采用LENA圖像用dy1水印嵌入時，實驗表明采用alpha=0.0325這個參數點時候，PSNR=45.1601，NC=1.能量比根據塊間比值確定。

2.3 水印恢復

水印的提取過程是水印嵌入的逆過程，具體步驟如下：（1）首先對含水印圖像進行置亂處理。（2）然后進行小波分解，層數與嵌入時一樣，選取HL和LH子帶與HL2和LH2子帶，根據參數提取水印。（3）并根據二值圖象的特點對提去出來的矩陣進行處理，復原出水印信息。

2.4 實驗結果

在這里選擇LENA圖像（圖像大小為256*256）和Baboon圖像（圖像大小為512*512）以及Fishingboat(圖像大小為512*512)作為測試圖像，選擇灰度圖像dy1圖像作為水印圖像，圖像的透明性（視覺效果）和提取水印結果的評價采用以下兩個評價標準：

（1）透明度評估

現在通用的水印圖像的透明性都是用PSNR來評估，采用本模型的時候，結果如下。

圖1 原始圖像和含水印圖像

原水印 提取出水印NC=1

圖2 原水印與提取的水印

原始圖像Baboon 含水印圖像PSNR= 49.4970 NC=1 強度因子0.0154

圖3 原始圖像和含水印圖像

原水印 提取出水印NC=1

圖4 原水印與提取的水印

原始圖像Fishingboat 含水印圖像PSNR= 50.1187 NC=1 強度因子0.0168

圖5 原始圖像和含水印圖像

由于采用的灰度圖像，其數據容量遠高于二值圖像。從上圖可以很清楚看出含水印圖像和原始圖像之間單憑肉眼是看不出任何失真的。并且在不受到攻擊時，在PSNR=45.0510時候提取出來的水印NC=1。整個數據結果是比較好的，從而在保證數據容量較高的同時也有著比較好的PSNR。

（2）魯棒性評估

①椒鹽噪聲攻擊

圖6 椒鹽噪聲攻擊圖例

向含有水印圖像分別添加椒鹽噪聲，其強度分別為0.001、0.002、0.003、0.005.上圖顯示了在上述幾種情況下，在噪聲污染導致圖像下降的同時并不會很大的影響水印的提取，而且提取出來的水印圖像仍然可以能夠被識別，從實驗可得，本算法對圖像的噪聲攻擊具有很好的魯棒性。

②JPEG壓縮攻擊

圖7 JPEG壓縮攻擊

上面幾圖顯示了含水印圖像在受JPG壓縮時候品質因子為10%、40%、50%、60%、75%時，NC及提取出來的水印圖像，實驗表明，在品質極低得時候（10%），水印依然能夠被提取識別，至于其他高品質的情況，其水印圖像比較容易清晰的識別，結果表明，本算法對JPEG壓縮也有著非常好的魯棒性。

在上述幾個攻擊實驗中，重點介紹了抗添加噪聲攻擊和抗JPEG壓縮攻擊，簡單介紹了抗裁剪攻擊。為了可比性，將本算法同一些文獻進行對比如下

由于文獻[7]僅給出品質為50的情況，上表就用其品質50的情況，因為品質40比品質50受到的攻擊更大，因此用文獻[7]的品質50也是有對比性的。從上面的對比可得本算法具有自己的優(yōu)越性。

3.本文小結

本文提出了一個基于融合規(guī)則的嵌入算法模型，在保證了嵌入容量（采用灰度圖像而不是二值圖象），在透明性和魯棒性上也有較好的實驗結果。綜上所述，本算法可以抵抗常見的圖像處理操作，像裁剪、壓縮等，并具有很好的魯棒性，與其他算法相比，本算法亮點在與有較大的數據容量的同時在透明性和魯棒性上都具有自己的優(yōu)越性。

參考文獻：

[1]金聰.數字水印理論與技術[M].北京:清華大學出版社，2008.35～50.

[2]楊志疆，徐丹.DWT 域基于位平面的圖像公開水印算法[J].計算機工程與科學，2009.71～73.

[3]張冉，陳向東.一種基于小波變換的灰度數字水印嵌入技術[J].通信學報，2004，25(2):125～130.

[4]周立軍，周源華.基于m序列的多重圖像水印[J].上海交通大學學報，2001，35(9):1317～1320.

[5]Boukerrou K， and K URZ L. Suppression of salt and peper noise based on youden designs， Information Sciences，1998，110(3):217～235.

[6]樓偶俊，王相海.一種基于PSNR的迭加量化公開水印算法[J].中國圖象圖形學報，2007(08):22～27.

[7]寧國強，劉媛媛，李鳳堂，張建理.一種基于DWT-DCT 變換強魯棒性的數字水印算[J].電子設計工程，2009(11):73～75.