信息隱藏技術(shù)與應(yīng)用第4章課件

第4章基于混沌特性的

小波數(shù)字水印算法C-SVD4.1小波4.2基于混沌特性的小波數(shù)字水印算法C-SVD

4.2.1小波SVD數(shù)字水印算法4.2.2基于混沌特性的小波數(shù)字水印算法C-SVD4.3圖像的數(shù)字水印嵌入及圖像的類型解析4.4聲音的數(shù)字水印嵌入4.5數(shù)字水印的檢測(cè)4.6數(shù)字水印檢測(cè)結(jié)果的評(píng)測(cè)

4.1小波

4.1.1小波分析4.1.2小波分析對(duì)信號(hào)的處理

4.1.1小波分析小波變換是一種信號(hào)的時(shí)間-尺度（時(shí)間-頻率）分析方法，它具有多分辨率分析（MultiresolutionAnalysis）的特點(diǎn)。小波分析方法是一種窗口大小（即窗口面積）固定但其形狀可改變，時(shí)間窗和頻率窗都可以改變的時(shí)頻局部化分析方法。它被譽(yù)為數(shù)學(xué)顯微鏡.它在時(shí)域和頻域同時(shí)具有良好的局部化性質(zhì),在時(shí)頻兩域都具有表征信號(hào)局部特征的能力.4.2基于混沌特性的小波數(shù)字水印算法C-SVD4.2.1小波SVD數(shù)字水印算法定義4.1E為小波SVD(WaveletSingularValueDecomposition)系數(shù)水印轉(zhuǎn)換，設(shè)CA=CA(M,l)是圖像M在l層的相近系數(shù)的n×n矩陣，考慮到CA的單值

小波SVD系數(shù)水印轉(zhuǎn)換E表示如下：CAw=E(CA)=CA+W(CA)，并進(jìn)行小波逆變換（重構(gòu)）即得到嵌入水印的圖像。在該算法中嵌入個(gè)人信息時(shí)都是以個(gè)人信息作種子采用一般的隨機(jī)數(shù)生成方法來生成隨機(jī)數(shù)。這不具備隨機(jī)序列對(duì)初值敏感這一特性，因此有可能產(chǎn)生偽造圖像原創(chuàng)作者個(gè)人信息來偽造水印現(xiàn)象。為此本章提出了一種改進(jìn)的算法，簡稱C-SVD。它基于混沌隨機(jī)序列對(duì)初值敏感的特性，使用混沌模型生成混沌隨機(jī)序列，來代替一般的隨機(jī)數(shù)生成。4.2.2基于混沌特性的

小波數(shù)字水印算法C-SVD

混沌是發(fā)生在一個(gè)確定系統(tǒng)中的偽隨機(jī)運(yùn)動(dòng)。系統(tǒng)在某個(gè)參數(shù)和給定的初始條件下，其運(yùn)動(dòng)是確定性的，但是該運(yùn)動(dòng)的長期狀態(tài)對(duì)初始條件極其敏感。混沌函數(shù)具有伸大拉長和折回重疊的性質(zhì)，所以有不可預(yù)測(cè)性。混沌序列{Xn}是一個(gè)偽隨機(jī)序列，{Xn}對(duì)初值非常敏感。初始條件的任意小的改變?nèi)?.0e-6，都會(huì)引起完全不同的行為。其迭代軌跡就會(huì)大相徑庭，加上迭代方程本身的特點(diǎn)，初始值成為得到迭代序列的最關(guān)鍵因素。因而{Xn}可以用作作品原創(chuàng)者的身份指紋。生成{Sn}算法①：對(duì)于混沌序列{Xn}If>=2/3*Athen=1else=0（i=1,2…,n）

因而從混沌隨機(jī)序列{Xn}可以生成0，1比特隨機(jī)序列{Sn}?；诨煦珉S機(jī)序列對(duì)初值敏感性的特性提出的改進(jìn)算法C-SVD描述如下：

設(shè)CA=CA(M,l)是圖像M在l層的相近系數(shù)的n×n矩陣，考慮到CA的單值分解：

4.3圖像的數(shù)字水印嵌入

從兩個(gè)圖像的對(duì)比可以直觀地看到d/n的值越接近于1，數(shù)字水印的隨機(jī)性越好；越接近于0，數(shù)字水印包含原圖像的信息越多。因?yàn)閐/n代表著原矩陣被隨機(jī)矩陣替代的列數(shù)的多少，其值越接近于1，原矩陣所占的信息比重越小，隨機(jī)矩陣所占的比重越大，反之亦然。

顯然，圖4.9的實(shí)驗(yàn)結(jié)果背離了數(shù)字水印的要求，