一种基于slantlet变换的盲水印嵌入算法

《一种基于slantlet变换的盲水印嵌入算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、一种基于Slantlet变换的盲水印嵌入算法　　摘要：为了保护数字版权，有效抵抗各种攻击，提出一种基于Slantlet变换的盲水印嵌入算法。不同于常见的基于离散小波变换（DWT）的数字水印技术，该方案先对原始图像进行8×8分块并进行Slantlet变换，再从低频近似区域中选择一个嵌入位嵌入水印。通过计算嵌入位相邻元素的平均值，并比较每个嵌入位数值和平均值的大小关系，计算得到密钥，利用密钥实现了水印的盲检测。实验结果表明，提出的盲水印算法不但具有较好的保真度，而且对于各种几何攻击和噪声攻击具有较强的鲁棒性。　　关键词：Slantlet变换；盲检测；盲水印嵌入算法；数字水印技术

2、　　DOIDOI：10.11907/rjdk.161924　　中图分类号：TP312　　文献标识码：A文章编号：16727800（2016）010005204　　0引言5　　归因于信息技术的快速发展与进步，媒体资源数字化正在全球范围内发生。关于数字媒体的版权问题吸引了大批研究者的兴趣，因为数字信息可以复制、攻击或在储存过程中改变。为了保护这些数字媒体的版权，数字水印技术应运而生。一个水印方案至少应该拥有以下特质：感性无形（或透明）、不严重影响图像质量且不易去除、抗图像处理攻击。水印被分为两种主要类型：可见的和不可见的。可见水印，如那些用于公司的徽标，而不可见水印是潜移默化的

3、，嵌入在数据的未知区域。此外，水印可以分为两类处理域：空间域和变换域或频域，其区别在于水印的嵌入方式有所不同。　　在一系列变换域算法中，离散小波变换因其良好的时频局域化特点，被广泛应用于数字水印领域，近几年仍然有很多学者基于此进行研究[16]。　　实际应用中，人们希望在对信号经过小波变换处理后，可以得到信号的最小重构误差和最稀疏表示[7]。而离散小波变换是根据消失矩的阶数要求设计滤波器组，然后通过递推求解的方式产生小波基函数，这使得无法在满足消失矩要求的同时，又具有良好的时域局部性。为了解决该问题，本文在进行信号处理时采用了Slantlet变换，Slantlet变换在设计上

4、具有明确的基函数表达式，突破了通过滤波器组迭代生成小波基函数的方式；在同样具有2阶消失矩的情况下，Slantlet支集长度比一般离散正交小波短，可以在时域局部性和平滑性之间取得较好的平衡。　　本文基于分块Slantlet提出了一种新型盲水印算法。与已有算法相比，本文算法嵌入水印后对原始图像的影响较小，并且能够较好地抵抗几何和噪声攻击。　　1图像Slantlet变换　　本文算法基于Slantlet变换，它是一种正交的具有二阶消失矩的离散小波变换，相对于普通离散小波变换，可以更好地改善时域局部性，并保留一般的离散小波滤波器组具有的二尺度分解等特性。此外，Slantlet在设计上

5、具备更大的灵活度，可以对应不同的尺度设计不同的滤波器，在支集长度减小的同时满足了正交性和消失矩的要求。图1是利用Slantlet5产生的2尺度和3尺度滤波器组，gi（n）、fi（n）和hi（n）是构建Slantlet的3个滤波器。　　2水印检测密钥生成　　经过实验发现，图像在经过一系列变换或攻击后，虽然原先的像素值会发生变化，但对于某一特定像素而言，其和周围像素的关系是相对稳定的。基于这样的规律，将某一位置嵌入水印后的矩阵值和与其相邻的4个矩阵值的关系保存下来，作为后期水印检测时的凭据。在本文算法中，将某一位置嵌入水印后的矩阵值和其周围4个位置矩阵值的平均值相比较，得出两者

6、之间的关系。如图2所示，假设在矩阵的[2，2]位置嵌入水印，该位置嵌入水印后的值为145，其相邻元素的平均值为（119+119+169+136）/4=136，那么得出嵌入位的数值大于周围元素的平均值，并将此记录保存在新建的状态矩阵中，用于和水印图像矩阵一起异或操作生成检测密钥。　　3水印嵌入与提取　　3.1水印嵌入　　本文所提算法是先将原始图像进行Slantlet分解，然后利用加性准则将水印嵌入到LL子带中。原始图像选择512灰度等级（N×N）的标准图像I，二值水印图像大小为N8×N8。　　4实验结果与分析　　本文实验采用Matlab7.0进行仿真，原始图像采用512×51

7、2像素的Lena、boat、peppers、baboon标准灰度图像，水印图像采用64×64像素的“苏州大学”5字的二值图像。对图像质量的评价标准采用峰值信噪比PSNR，水印检测结果的评价标准采用提取出来的水印W*和原始水印W之间的相似度NC进行衡量。　　实验结果表明，本文算法对于剪切、压缩及各类噪声攻击具有较好的鲁棒性，但是也存在应对旋转等攻击鲁棒性还不够强的问题，目前解决此类问题一般是通过采用SIFT特征点匹配校正来解决[8]。除此之外，本文也运用多种其它方法进行了有益的尝试。比如，将嵌入位元素和低频区域所有其