文档介绍：基于分块DCT的自适应扩频水印算法论文
摘要:本文提出了一个利用块分类的DCT域自适应扩频图像水印算法。嵌人的水印是一个可视二值图像,用两个不相关的伪随机序列分别代表水印信息中的0和1,从而达到扩频的目的。将扩频后的水印信号,嵌入到分块DCT域的中低频段系数中的过程中,充分考虑到了局部图像的复杂度,能够自适应地调整嵌入强度,提取水印信号无需使用原始图像。仿真实验表明:图像经过JPEG有损压缩、低通与中值滤波和剪切等图像处理操作后仍是稳健的。
关键词:分块DCT 扩频 HVS 图像水印算法
1 引言
数字水印技术是指在宿主数字媒体(图像、声音、视频)等中嵌入一定量的数字信息,例如作者的电子签名、日期、={fm(i,j),0≤ m =0,1,...,M-1 ≤7}m =0,1,...,M-1 ,对 Bm进行DCT变换,得到:
= =DCT{ ,0≤≤7}m =0,1,...,M-1 (1)
基于视觉掩蔽特性的块分类
本文借鉴黄继武等5提出的算法,水印的嵌入过程可以看成在一个强背景(原始图像)上叠加一个弱信号(数字水印),只要信号低于HVS的对比度门限,视觉系统就无法感觉到信号的存在。根据HVS的对比度特性,该门限受背景照度,背景纹理复杂性和信号频率的影响,一般说来,背景越亮,纹理越复杂,门限就越高。即可以嵌入更高强度的水印信号,根据图像的局部纹理复杂性,尽可能提高嵌入水印的强度,这是提高水印稳健性的有效办法。为此,把图像分为三类,以便叠加不同强度的水印分量。第1类(R1)平均灰度较低(暗),且灰度变化比较平滑,HVS对其中像素值的改变较为敏感,叠加的水印分量的强度最弱;第3类( R3)平均灰度较高,且纹理复杂,HVS对其中像素值的改变敏感性最弱,叠加的水印分量的强度最强;余下的为第2类( R2)。
设背景照度为 I,,图5给出的是二值水印嵌入与提取的实例。其中256×256的标准Lena图像作为原始图像,16 ×16的二值字符图像作为水印。

(a)原始图像(b)嵌入水印后的图像 PSNR=

(c)初始水印(d)乱序水印(e)抽取水印ρ=1
图5 算法水印加入与抽取实例
嵌入水印的图像质量的客观评价采用峰值信噪比PSNR来度量,水印检测结果的客观评价采用相关系数来衡量。从图5中可看出,水印嵌入原始图像后,具有良好的不可见性,抽取水印的相关系数为1。为验证算法的稳健性,我们对含水印图像进行了一系列攻击实验。
剪切攻击
在图像处理中,一个图像不重要的部分经常被剪切掉,我们从不同角度对图像进行了剪切实验。图6是各种不同角度的剪切图像及提取出来的水印图像,由实验结果可看出,水印抵抗剪切的能力非常强。

(a)PSNR= (c) PSNR= (e)PSNR= (g)PSNR=

(b) ρ= (d)ρ= (f)ρ= (h)ρ=
图6 剪切图像及提取出的水印
JPEG压缩
将嵌入水印的图像经过品质因子为70%、60%、50%、40%、30%的JPEG压缩,由图7可以看出,本文算法具有较强的抵抗JPEG压缩能