信息隐藏论文 02_信息隐藏毕业论文

信息隐藏论文 02由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“信息隐藏毕业论文”。

九、数字水印的特点

数字水印防伪技术具有安全可靠，易分辨、易识别、检测提取易操作，难以伪造，尤其是印刷数字水印，它适应性强,不需增加固定资产投资和使用特殊材料，无需改变印刷工艺流程，无需增加印刷成本，而且可以在普通打印机上直接生成、嵌入数字水印，现有的高分辨率数码相机和扫描仪、彩色复印机等均不能复制、拷贝，仅需通过专用软件处理就可将防伪信息嵌入到印刷品和打印文件中,其经济社会价值十分巨大。

数字水印防伪技术不能以其它任何的通用设备和通用技术生产出来，是独一无二的；数字水印防伪技术的图案特性，是以肉眼能轻易分辨出来，便于消费者识别；数字水印防伪技术不能重复使用；企业使用数字水印防伪技术后风险是零；消费者购买产品后不承担任何风险。

数字水印防伪技术的运用，必将整体提高防伪技术水平，降低防伪成本（含物质成本和心理成本），给消费者以方便、信任，满足消费欲望和需求。并且数字水印防伪技术与现有防伪技术和产品生产流程相融，无需改变生产工艺流程，不增加防伪成本，能够适应消费者的实际需求，提高产品的市场竞争力，利于目标顾客的选择和消费。

十、典型数字水印系统模型

10.1 版权保护

数字作品的所有者可用密钥产生一个水印，并将其嵌入原始数据，然后公开发布他的水印版本作品。当该作品被盗版或出现版权纠纷时，所有者即可利用图片的水印的方式，从盗版作品或水印版作品中获取水印信号作为依据，从而保护所有者的权益。

10.2 加指纹

为避免未经授权的拷贝制作和发行，出品人可以将不同用户的ID或序列号作为不同的水印(指纹)嵌入作品的合法拷贝中。一旦发现未经授权的拷贝，就可以根据此拷贝所恢复出的指纹来确定它的来源。

10.3 标题与注释

将作品的标题、注释等内容(如，一幅照片的拍摄时间和地点等)以水印形式嵌入该作品中，这种隐式注释不需要额外的带宽，且不易丢失。

十一、典型数字水印算法

近年来，数字水印技术研究取得了很大的进步，下面对一些典型的算法进行了分析，除特别指明外，这些算法主要针对图象数据(某些算法也适合视频和音频数据)。11.1 空域算法

该类算法中典型的水印算法是将信息嵌入到随机选择的图像点中最不重要的像素位(LSB:least significant bits)上，这可保证嵌入的水印是不可见的。但是由于使用了图像不重要的像素位，算法的鲁棒性差，水印信息很容易为滤波、图像量化、几何变形的操作破坏。另外一个常用方法是利用像素的统计特征将信息嵌入像素的亮度值中。Patchwork算法方法是随机选择Ｎ对像素点(ai，bi)，然后将每个ai点的亮度值加 1，每个bi点的亮度值减 1，这样整个图像的平均亮度保持不变。适当地调整参数，Patchwork方法对JPEG压缩、FIR滤波以及图像裁剪有一定的抵抗力，但该方法嵌入的信息量有限。为了嵌入更多的水印信息，可以将图像分块，然后对每一个图像块进行嵌入操作。

11.2 变换域算法

11.2.1 压缩域算法

基于JPEG、MPEG标准的压缩域数字水印系统不仅节省了大量的完全解码和重新编码过程，而且在数字电视广播及VOD(Video on Demand)中有很大的实用价值。相应地，水印检测与提取也可直接在压缩域数据中进行。

下面介绍一种针对MPEG-2压缩视频数据流的数字水印方案。虽然MPEG-2数据流语法允许把用户数据加到数据流中，但是这种方案并不适合数字水印技术，因为用户数据可以简单地从数据流中去掉，同时，在MPEG-2编码视频数据流中增加用户数据会加大位率，使之不适于固定带宽的应用，所以关键是如何把水印信号加到数据信号中，即加入到表示视频帧的数据流中。对于输入的MPEG-2数据流而言，它可分为数据头信息、运动向量(用于运动补偿)和DCT编码信号块3部分，在方案中只有MPEG-2数据流最后一部分数据被改变，其原理是，首先对DCT编码数据块中每一输入的Huffman码进行解码和逆量化，以得到当前数据块的一个DCT系数;其次，把相应水印信号块的变换系数与之相加，从而得到水印叠加的DCT系数，再重新进行量化和Huffman编码，最后对新的Huffman码字的位数n1与原来的无水印系数的码字n0进行比较，只在n1不大于n0的时候，才能传输水印码字，否则传输原码字，这就保证了不增加视频数据流位率。该方法有一个问题值得考虑，即水印信号的引入是一种引起降质的误差信号，而基于运动补偿的编码方案会将一个误差扩散和累积起来，为解决此问题，该算法采取了漂移补偿的方案来抵消因水印信号的引入所引起的视觉变形。11.2.2变换域算法---DCT算法 DCT变换域数字水印是目前研究最多的一种数字水印，它具有鲁棒性强、隐蔽性好的特点。其主要思想是水印信号应该嵌入源数据中对人的感觉最重要的部分在频谱空间中，这种重要部分就是低频分量。在图像的DCT变换域上选择中低频系数叠加水印信息。之所以选择中低频系数，是因为人眼的感觉主要集中在这一频段，攻击者在破坏水印的过程中，不可避免地会引起图像质量的严重下降，一般的图像处理过程也不会改变这部分数据。水印信号应该由具有高斯分布的独立同分布随机实数序列构成。这使得水印经受多拷贝联合攻击的能力大大增强。

实现方法是：首先以密钥为种子来产生伪随机序列，该序列具有高斯N(0，1)分布，密钥一般由作者的标识码和图像的哈希值组成，对整幅图像做DCT变换，用伪随机高斯序列来调制(叠加)该图像除直流分量（DC）外的1000个最大的DCT系数。

由于JPEG、MPEG等压缩算法的核心是在DCT变换域上进行数据量化，所以通过巧妙地融合水印过程与量化过程，就可以使水印抵御有损压缩。此外，DCT变换域系数的统计分布有比较好的数学模型，可以从理论上估计水印的信息量。11.2.3 变换域算法---DWT算法 对图像进行多分辨率小波变换，生成图像的重要小波树。小波变换用于图像分析的基本思想就是把图像进行多分辨率分解，将图像分解成不同空间，不同频率的子图像。图像经过小波变换后被分割成4个频带：低频、水平、垂直和对角线，低频部分还可以继续分解。在以小波分解的图像数据中，可以构成若干个四叉树，粗糙信息层（HL3，LH3，HH3）中的小波系数是其下一个精细层（HL2，LH2，HH2）中4个对应位置小波系数的父结点，它代表了精细层次中对应位置小波系数幅度的加权平均值。

LL3 HL3 HL2 LH3 HH3 HL1 LH2 HH2 LH1 HH1 图2.7 图像小波分解树

11.2.4 可见与不可见数字水印算法 可见水印是一种主动的保护方式，但也更容易成为攻击目标。不可见数字水印可以在可见数字水印完全被擦除的情况下保护图像。可见数字水印，主要用于当场声明对产品的所有权、著作权及来源，起到一个宣传广告或约束的作用。可感知水印一般为较淡的或半透明的不碍观瞻的图案；比如电视台节目播放的同时，在某个角落插上电视台的半透明标志。

另一个用途是为了在线分发作品，读入原始图像可见水印嵌入VW计算亮度平均值计算可见水印参数读入可见水印图像可见水印嵌入可见水印图像小波变换生成不可水印混沌置换不可见水印嵌入生成VW/IVW图像不可见水印嵌入IVW

数字图像信息隐藏技术简介

用于进行隐蔽通信的图像信息隐藏算法可以分为两大类：基于空域的信息隐藏算法和基于变换域的信息隐藏算法。基于空域信息隐藏算法中的典型算法是LSB算法，该算法的主要特点是在载体图像中嵌入的隐藏信息数据量大，但是嵌入位置固定，安全性差，嵌入的隐藏信息易被破坏，鲁棒性不高；基于变换域信息隐藏算法中的典型算法是离散余弦变换域的信息隐藏算法，该算法嵌入信息能够抵御多种攻击，具有较好的鲁棒性，并且嵌入方式多种多样，增加了攻击者提取的难度，具有一定的安全性，但是该类算法嵌入的隐藏信息数据量较小，不适合于进行大数据量的隐蔽通信。

图像的数字化处理

实际的图像具有连续的形式，但必须经过数字化变成离散的形式，才能在计算机中存储和运算。数字化包括采样和量化两个步骤。采样就是用一个有限的数字阵列来表示一幅连续的图像，阵列中的每一个点对应的区域为“采样点”，又称为图像基元(picture element)，简称为像素(pixel)。采样时要满足“采样定理”。这个过程是通过扫描实现的，输出的量是连续的电平。“量化”就是对这个模拟输出量取离散整数值，这个过程用A/D器件实现。

图2.8 可见，不可见算法框图

1．图像的采样

图像采样的常见方式是均匀的矩形网格，如图5所示，将平面(x,y)沿x方向和y方向分别以△x和△y为间隔均匀地进行矩形的划分，采样点为x=i△x y=j△y于是连续图像f(x,y)对应的离散图像f1(x,y)。

数字图像的表示

经过采样和量化操作，就可以得到一幅空间上表现为离散分布的有限个像素，灰度取值上表现为有限个离散的可能值的数字图像。数字化之后的图像用一个矩阵表示g=[g(x，y)]式中x、y是整数，且1≤x≤M，I≤Y≤N，表示矩阵的大小为M*N．其中M为采样的行数N为采样的列数。除了常见的矩阵形式外，在MATLAB运算等情况下，常将图像表示成一个向量：g=[g(1)g(2)⋯g(j)⋯g(N)]。式中，g(j)是行向量或列向量。向量g是把式中元素逐行或逐列串接起来形成的。实现算法及核心技术

Hilbert扫描是一种空间填充曲线。通常在将二维图像序列转化为一维序列时采用光栅扫描，即行或列的连接。它的缺陷是只利用了二维图像中一个方向的相关性。Hilbert扫描可以很好地保留二维相关性。图2-1中给出了2阶Hilbert曲线的示意图，由图示可以看出，这种扫描的盘旋结构将图像中具有高相关性的数据汇集到了一起。对于2n×2n的图像，我们可以递归地构造n阶的Hilbert曲线。还可将Hilbert曲线推广到任意大小的网格上，使得其应用更加具有灵活性。

2.2 DWT域嵌入对策

水印应放在哪里才足够稳健?在DWT域，为使水印具有较好的稳健性，用来嵌入水印的小波系数应满足如下条件:(1)在经过常见的信号处理和噪声干扰后仍能很好地保留，即小波系数不应过多地为信号处理和噪声干扰所改变。

(2)具有较大的感觉容量，以便嵌入一定强度的水印后不会引起原始图像视觉质量的明显改变。

根据这两个要求，我们对小波图像系数的分布特点和振幅进行定性、定量分析后，提出了一个新的嵌入对策:水印应当首先嵌入小波图像低频系数，若有剩余，再按小波图像频带重要性的排序嵌入高频带。