文档介绍：西华大学
硕士学位论文
基于机器学习的音频盲水印方法研究
姓名:许晓娟
申请学位级别:硕士
专业:计算机软件与理论
指导教师:何承源;彭宏
20080501
基于机器学习的音频盲水印方法研究研究生许晓娟指导教师彭宏,何承源摘要随着计算机网络和多媒体技术的飞速发展,多媒体数据逐渐成为人们获取信息的重要来源,并成为人们生活的重要组成部分。因而,作为数字媒体产品知识产权宣告及保护的有效工具,数字水印技术自年第一次提出以来已经引起了人们极大的关注,同时,如何保护多媒体信息的安全成为国际上研究的热门课题。特别是音频信号的数字水印技术已经成为近年来研究的热点之一。信息安全技术中采取的密码学技术因仅能控制信息的传播过程,而对于解码后的媒体数据却难以控制,因而无法阻止盗版者的非法拷贝和传播。作为解决上述问题的一种有效途径,数字水印技术开始引起人们的普遍关注。它通过在原始数据中嵌入秘密信息来证实数据的所有权或完整性,以此来抑制对数字作品数字音频水印技术就是向载体数据缫羝敌藕中嵌入秘密信息以达到版某种程度上说,工作域和嵌入策略选取的好坏从根本上决定了整个数字水印系统的优劣。而近年发展起来的小波变换是一种新型的时频分析方法,具有很多良好的性质,特别适合于音频信号的处理。本文正是将小波变换应用到音频信号的数字水印系统中,提出一种小波域上基于机器学习方法的新的数字音频盲水印算法,使其能在水印的鲁棒性和不可感知性之间寻找到合理的平衡点,从而具有更良好透明性和鲁棒性,并在音频作品的版权保护中能有一定的实用性。本文的主要贡献如下:岢鲆恢只谥С窒蛄炕毓榛,的鲁棒数字音频水印算法。算法的基本思想是先对整段音频信号进行分抽样处理,然后对所有的子音频分别进行小波变换,水印信号则嵌入到其中一个子音频信号的小计算机软件与理论的盗版或篡改。权宣告及保护的目的。数字水印技术的关键就是工作域和嵌入策略的选取,从西华大学硕士学位论文
号之间的高度相关性,相应的纸夂蟮母餍〔ǖ推迪凳植家簿哂邢嗨出一种采用遗传算法嵌入强度集合中搜索对抗攻击能力适应度较高的个体,从而得到最佳嵌入强度仿真实验结果表明,两种方法都具有较强的鲁棒性和不可感知性,水印嵌损压缩、低通滤波、重采样/重量化等多种攻击性试验具有较强的稳健性,是可波变换后的低频系数中,水印提取时不需要原始音频信号。由于不同子音频信性。利用这种高度相关性,在嵌入和提取的过程应用哂械姆窍咝员平力,建立待嵌入的子音频信号与其他子音频信号之间的对应模板关系,再利用训练好的崛∷。迪置ぜ觳狻攵允忠羝邓〉穆嘲粜院筒豢筛兄P粤秸咧涫窍嗷ブ圃嘉侍猓,唇饩鲎钣徘度肽芰康挠呕》案。遗传算法是通过群体进化来随机搜索目标函数的最优化问题,对于前述基于支持向量回归机的小波域数字音频盲水印算法,进一步地探讨采用遗传算在的一个优化方案,以实现自适应策略,也使本算法能在水印的鲁棒性和不可感知性之问寻找到合理的平衡点,从而具有更良好透明性和鲁棒性。入容量的自适应性,提取水印时不需要原始音频信号的参与,且对包括行的数字音频水印算法。可以根据具体需求,用于数字音频作品的版权保护。关键词:信息隐藏;数字音频水印;小波变换;版权保护:支持向量回归机;遗传算法;盲检测西华大学硕士学位论文
篨吼阛斫曲纳琣瑃,,篊甒:.,.琺,,·瓻甌琤·.琲·.‘【
,”..西华大学硕士学位论文.,.,.琒瓸,痙保瓵,
瓼,篒;籆,瑀西华大学硕士学位论文;.,痶瑂,甋;;
新躲锣加~绸作者虢坼蒯矽眸相形日声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得西华大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。本学位论文成果是本人在西华大学读书期间在导师指导下取得的,论文成果归西华大学所有,特此声明。西华大学硕士学位论文
第一章绪论课题研究的背景和意义在一定程度上制约着数字多媒体的广泛应用。因此,多媒体加密技术只能解决音频载体中嵌入水印信息,即版权所有者信息以及其来源信息,从而来辨识音伴随着网络技术与多媒体技术的迅猛发展,多媒体数据羝担蔡枷等氖只6嗝教逍畔⒌拇娲⒑痛涮峁┝思ù蟮谋憷布ù筇岣吡诵息表达的效率和准确性。与此同时,这种便利性也使得数字化的多媒体信息极易被无限制任意复制与散播,而这一系列数字化技术本身的可复制性和广泛传播性所带来的负面效应,已成为影响信息产业持续发展的一大障碍。目前,包括版权保护,内容认证等在内的多媒体信息安全问题已变得日益突出,且已成为数字世界中一个非常重要和紧迫的议题。多媒体信息安全技术主要包括两方面内容:多媒体