融合魯棒視覺(jué)特性的量化水印算法.pdf

1、隨著數(shù)字多媒體技術(shù)的快速發(fā)展以及數(shù)碼設(shè)備的快速普及，各種互聯(lián)網(wǎng)多媒體信息服務(wù)得到了廣泛的應(yīng)用，這些先進(jìn)的信息技術(shù)給廣大人民的生活帶來(lái)便利的同時(shí)，也引發(fā)了拷貝、修改甚至篡改多媒體數(shù)據(jù)等侵權(quán)行為，嚴(yán)重威脅了版權(quán)所有者的合法權(quán)益。作為一種有效的數(shù)字版權(quán)保護(hù)技術(shù)，數(shù)字水印能夠確認(rèn)多媒體信息來(lái)源的可靠性和安全性，實(shí)現(xiàn)所有權(quán)的認(rèn)證和侵權(quán)行為的跟蹤，因而引起了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。近年來(lái)提出的量化水印算法能夠根據(jù)不同的水印信息采用不同的量化器對(duì)原

2、始信號(hào)進(jìn)行量化，實(shí)現(xiàn)水印信息的嵌入以及盲提取，在計(jì)算復(fù)雜度與算法實(shí)現(xiàn)上的具有顯著的優(yōu)勢(shì)。
　　在量化水印算法框架中，人類(lèi)視覺(jué)特性對(duì)于水印圖像的視覺(jué)質(zhì)量有著很大的影響。隨著現(xiàn)代光學(xué)與光電圖像技術(shù)的發(fā)展，人們對(duì)視覺(jué)特性的探索研究越來(lái)越深入，為研究者設(shè)計(jì)融合視覺(jué)特性的量化水印算法提供了便利。然而，在實(shí)際量化水印算法設(shè)計(jì)中存在視覺(jué)特性的魯棒性問(wèn)題，即現(xiàn)有的研究成果無(wú)法保證水印嵌入前后參考視覺(jué)特性的一致性，嚴(yán)重制約了水印算法的進(jìn)一步發(fā)展。<

3、br>　　針對(duì)量化水印算法框架中存在的問(wèn)題，本文著重于構(gòu)建魯棒的視覺(jué)特性，研究和設(shè)計(jì)了基于這些視覺(jué)特性的量化水印算法。首先從量化水印算法中傳統(tǒng)的視覺(jué)模型改進(jìn)和Weber定律的應(yīng)用于對(duì)數(shù)域擴(kuò)展變換抖動(dòng)調(diào)制(Spread TransformDither Modulation，STDM)水印算法兩個(gè)方面進(jìn)行了研究。我們利用多種預(yù)測(cè)模式，解決了參考?jí)K選擇的脆弱性，改進(jìn)了傳統(tǒng)的視覺(jué)模型，提高了水印算法的魯棒性;Weber定律的引入，使得水印的嵌入

4、更加符合人眼特性，而且通過(guò)在對(duì)數(shù)域進(jìn)行均勻量化，可以有效抵抗共謀攻擊。然后，基于對(duì)視覺(jué)特性的最新成果，設(shè)計(jì)了新型的視覺(jué)最小可視誤差（Just Noticeable Difference，JND）模型，并融合了視覺(jué)關(guān)注因素，提出了適用的量化水印算法，進(jìn)一步提高水印圖像的視覺(jué)質(zhì)量。
　　論文在以下幾個(gè)方面的研究取得重要進(jìn)展:
　　1、針對(duì)傳統(tǒng)的基于視覺(jué)JND模型的量化水印算法中參考?jí)K選擇的脆弱性，提出了一種基于多種預(yù)測(cè)模式的擴(kuò)展

5、變換抖動(dòng)調(diào)制水印算法。利用已嵌水印的周?chē)袼刂蹬c當(dāng)前塊的強(qiáng)相似性，使得計(jì)算出的預(yù)測(cè)塊與當(dāng)前塊的歐式距離更接近，預(yù)測(cè)關(guān)系的固定性保證了參考?jí)K選擇上的魯棒性。
　　2、提出了一種基于視覺(jué)模型的對(duì)數(shù)域擴(kuò)展變換抖動(dòng)調(diào)制水印算法。為了解決傳統(tǒng)的對(duì)數(shù)域量化水印算法中計(jì)算復(fù)雜度高以及對(duì)圖像幅值縮放攻擊的魯棒性低的問(wèn)題，設(shè)計(jì)了一種新的對(duì)數(shù)域變換函數(shù)，所提的變換函數(shù)不僅避免了調(diào)整量化區(qū)間，降低算法的復(fù)雜度，而且自身對(duì)于圖像幅值縮放攻擊具有魯棒性。另

6、外，利用視覺(jué)JND模型，給出了量化嵌入時(shí)量化步長(zhǎng)的自適應(yīng)計(jì)算公式。
　　3、提出了一種新型的視覺(jué)JND模型，該模型不僅可以更加魯棒并準(zhǔn)確地模擬人類(lèi)視覺(jué)特性，其中采用了新的圖像塊紋理復(fù)雜度和平均亮度表達(dá)式，來(lái)計(jì)算水印嵌入端和提取端所需要的視覺(jué)冗余信息，不需要考慮由于水印嵌入引起的圖像像素值變化而帶來(lái)的水印提取錯(cuò)誤。然后，基于所提的視覺(jué)JND模型，提出了一種改進(jìn)的對(duì)數(shù)域擴(kuò)展變換抖動(dòng)調(diào)制算法。實(shí)驗(yàn)驗(yàn)證了本文所設(shè)計(jì)視覺(jué)JND模型的有效性，