一种基于DCT和DWT结合的音频水印算法

《一种基于DCT和DWT结合的音频水印算法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、一种基于DCT和DWT结合的音频水印算法梁娟，耿国华（曲北人学可视化技术研究所，陕西西安7100069）摘要：为了提高音频水印的稳健性和不可感知性，对已有算法进行了改进。吸取了DCT和DWT的优点，利用小波变换多分辨率的特性和离散余弦变换的能量压缩特性，通过修改系数的大小将二值图像作为水印嵌入到原始音频信号中，根据实验数据证明了该算法的鲁棒性和不可感知性。结果表明，该算法在提高音频水印算法稳健性方面是行之有效的。关键词：数字水印；离散小波变换；离散余弦变换中图分类号：TN911.73；TP391.4文献标识码：A文章

2、编号：1000-274X（2004）0074-07随着多媒体技术的发展以及网络技术的广泛使用，信息安全问题LI益突出。同时，随着人们知识产权意识的逐渐加强，追踪盗版、维护版权的问题也促使人们寻求更新更肓效的信息安全技术。传统的信息安全技术基本上都以密码学理论为基础⑴，无论是采用传统的密钥系统还是公钥系统，其保护方式都是控制文件的存取。但是，随着计算机处理能力的快速提高，这种通过不断增加密钥长度來提高系统密级的方法变得越来越不安全。因此，如何在信息交换的开放式环境里进行版权保护是一个亟待解决的问题。数字水印技术是近年來

3、针对此问题发展起來的一种信息安全技术。数字水印就将具有版权拥有者的标示或ID号作为水印数据嵌入到拥有者的作站中去，这里的作站可以是生产资料，也可以是任何一•种工活消费品，一般是能给盗版者带來利益的产甜（比如声像制晶）。这类产站由于销量较大，而且伴随着网络和信息数字化的发展，使得非法复制非常容易。因此，近年来图像水印⑵、视频水卬的发展都比较快，他们主要利用了人类的视觉模型（即HVS），将水印嵌入到人们感官所不能感觉的地方，当发生侵权纠纷时可通过水印的检测和水印的提取来作为起诉的证据⑶。目前，音频水印技术也逐渐发展起來了

4、，它是利用了人类听觉模型（即HAS）,运用各种技术将水印嵌入到人耳所不能感知的位置，以达到水印数据的隐藏。水印技术根据水印嵌入位宜的不同，可分为时域水卬算法和变换域水卬算法，早期的水卬算法通过修改原音频信号最不重要位以达到嵌入水印的目的。文献［4］提出了预先分类和定义各类嵌入模式，自适应地选取最优嵌入模式在原音频信号的回声屮嵌入水印；文献［5］捉出了基于小波变换的水印技术；文献［6］提出了棊于离散余弦变换的水印算法。从以上文献中可看岀，由于时域水印算法稳健性不强，鲁棒性差，所以近儿年变换域水印算法发展很快。常见的变换

5、域水印算法有傅立叶变换、离散余弦变换和离散小波变换，这儿种变换算法各有优缺点。本文通过对以上水卬算法的分析厂硏究，提出了基于离散小波变换和离散余弦变换相结合的办法进行水印的嵌入与提取，充分利用了小波变换多分辨率的特性以及离散余弦变换的能量压缩性，以直观的二值图像作为水印，给出了一种新的音频水卬算法。实验证明了该算法的稳健性和不可感知性。1离散小波变换小波变换是由法国科学家Morlct于1980年进行地震分析工作时提出的⑺，但小波变换研究的热潮始于1986年。小波变换优于傅立叶变换的主要原因在于它的多分辨率特性，它可以

6、针对不同信号变换而进行窗口的伸缩变化。加窗傅立叶变换町以形象地看成是固定尺寸的矩形时频窗口在时频域屮滑动，并透过这个窗口來“观察”信号。这种固定矩形窗口的观察方法与人们期望的观察不太一•致。例如，对一个高频成分丰富的信号，即变化很快的信号，最感兴趣的问题是它的发生时间，而对苴频率则不要求知道的很准确;但是对一个变化很慢的信号，被关注的是频率，而对吋间范围则不要求很精细。小波分析适应这种耍求，它可以对高频成分使用大的频域窗口、小的时域窗口，而对于低频成分采用小的频域窗口、大的时域窗口。1988年，Mallat受到塔式算

7、法的启发，在多分辨率分析的指导下建立了Mallat算法⑺，对小波变换的实际应用具冇划时代的意义。Mallat算法本质上不需要知道尺度函数0⑺和小波函数0（/）的具体结构，只山系数几和gn就可以实现信号的分解与重构，因此也称为快速小波变换。利用快速小波变换，选择一定的小波函数对输入信号进行一定尺度的分解，得到这个尺度F信号的高频部分和低频部分，在一个尺度下，高频部分和低频部分包含了完全恢复上一尺度下信号的全部信息。这种分解如果重复进行，就得到了信号的多尺度分解，从而得到了信号的多层小波系数，即信号的低频系数和一系列的高

8、频系数。如图1所示的小波分解树。图1小波分解树Fig.lWaveletdecomposetree对于大多数信号来说，低频部分给出了信号的特征，往往是最重耍的，而高频部分则与噪音及扰动联系在一起。将信号的高频部分去掉，信号的基本特征仍然可以保留。所以，一般的信号处理都是针对这部分来进行的。因此，在信号分析屮，经常会提到信号的近似部分与细节部分。近