《浅析基于信噪比的自适应双彩色图像水印算法》由会员分享，可在线阅读，更多相关《浅析基于信噪比的自适应双彩色图像水印算法（9页珍藏版）》请在金锄头文库上搜索。
1、浅析基于信噪比的自适应双彩色图像水印算法（作者：郑江云 江巨浪 发表时间：2014年月）论文关键词:信息安全小波自适应嵌人信噪比论文摘要:不可见性是图像隐形水印最基本的要求之一，它的客 观标准是水印图像的信噪比。根据这个标准，提出了一种基于小波的 以彩色图像为水印的自适应水印算法:根据需要的水印图像三基色的 信噪比，对于不同的彩色宿主图像和彩色水印，都能够完全自适应地选择三基色各自的水印嵌人强度值W。试验结果表明该算法能够自动 实现所要求的水印图像信噪比，水印具有较强的稳健性。该算法可以 使每幅图像在不可见性（PSNR）和鲁棒性（参数二）间都能自然地达到 最大程度的平衡，实用性较强。近几年来数
2、字水印技术作为保护数字产品版权的一种新兴技术，已成为国内外学者研究的热点。绝大多数的水印算法应满足不可感知性 （以水印图像的信噪比PSNR衡量）和鲁棒性的要求。水印的不可感知 性和鲁棒性之间是相互矛盾的。因此，人们提出自适应地控制水印的 嵌人强度，以满足在水印不可感知的条件下最大强度的嵌人水印信 息。到目前为止，已有很多特点各异的自适应水印算法。文献2,3是 双彩色水印算法，根据人眼对三基色RGB的灵敏度不同，它们对三 基色的水印嵌人强度比固定为2:1:40程卫东根据人眼对绿色最敏感 的特性及宿主图像块中绿色分量的比例，在水印的嵌人过程中采用了 两个嵌人强度值，但这两个值都是通过试验的办法确定
3、的。文献1,5 是根据图像内容自适应地确定嵌人强度，它们的自适应程度更高。以 上算法有共同的缺陷:在水印嵌人前，水印图像的PSNR都是不可预 知的。文献6,7提出以水印图像的信噪比自适应地确定嵌人强度，实 现嵌人强度w的完全自适应。这种方法克服了需通过冗长的实验来 反复调试选择有限个拉伸强度及试验结果不可预知的局限性。但它们 也有缺限，这在2.2节将有和文中算法的对比说明。针对以上算法的问题，提出一种基于小波的完全自适应双彩色水印 算法:根据预先规定的RGB三基色的任意精度的信噪比，能够完全自 适应地确定三基色的嵌人强度。1.1彩色水印的嵌入文献8中的算法没有自适应性，嵌人强度要用手工反复调试
4、，且双 彩色水印嵌人强度与多种因素有关，用人工的方法很难获得最佳嵌 人。笔者在文献81算法的基础上进行了改进，使双彩色水印嵌入具 有完全自适应性。彩色图像的红(R)、绿(G)、蓝(B)三个分量是独立并行的，所以下 面以R分量为代表介绍水印的嵌人过程。假设彩色宿主图像的大小为MxN ,彩色水印的大小为naXn ,并且满足na X n簇MI2p x N2叹本实验中取等号)，P为正整数，也是宿主图冷进行小波分解的级数。算法的具体步骤为:(1) 将宿主图像的R分量进行p级小波分解。11月)(2) 将分解后的R分量的p级低频系数分别与水印信号R分量的灰 度值按式(1)直接相加，相加后的值作为新的宿主图像
5、(一般称为水印 图像)R分量的p级低频系数。式(1)中Cup为新的宿主图像R分量的第p级低频系数，Cep为原宿主图像R分量的第p级低频系数，wx(il)为水印的R分量灰 度值，wx为R分量的嵌人强度(用wR , w , wB分别表示红、绿、蓝三基色嵌人强度，文中试验中三基色的初值嵌人强度都为0.2)o(3) 将步骤(2)求得的红基色低频系数和没有变化的各级高频系数一 起进行小波重构，即得彩色水印图像的R分量图像。(4) 用一维搜索法叫确定满足信噪比要求的嵌人强度wx ,分如下两步进行：第一步:用适当的步长h(文中试验中取0.40)，从wx。开始确定wx的搜索区间wry , wxe ,为第二步提
6、供必要条件，流程图如图1所示。 因为由严格极小点性质知:满足信噪比要求的最佳嵌入强度应在这个 区间内。图1中的PSNR*表示水印图像的R分量的峰值信噪比(同理， 文中PSNR,ISNR。分别表示水印图像绿、蓝分量的峰值信噪比)。第二步:用黄金分割法不断压缩搜索区间w,w ,使它逼近最佳嵌人 强度wrz ,直到新插人的分点满足所要求的精度为止。本实验精度要 求如式(2)所示。其中PSNRRo为希望得到的红基色水印图像的峰值信噪比。(5) 以最后一次搜索时插人的新分点的值作为最终的水印嵌人强度 wx再执行步骤(3)得到最终水印图像的R分量图像 并输出PSNRR ,保存wx值。(6) 对G,B分量的
7、处理过程同R分量。经过以上步骤分别得出并保 存嵌人强度w, wH ,彩色水印图像的G,B分量图像及相应的PSN 凡,PSN凡。(7) 将重构后的三基色分量图像组成一幅彩色图像，即得彩色水印图月)1.2水印的提取水印的提取过程是嵌人的逆过程，提取时需要原始的宿主图像。具 体步骤为:(1) 对宿主图像和水印图像的R分量图像都进行p级小波变换。(2) 将水印图像的R分量图像的p级低频系数值，减去相应的宿主 图像的R分量的p级低频系数值，然后将所得差值除以水印嵌人过 程中得到并保存的wR值，即得水印的R分量灰度值。(3) 对c,B分量分别重复以上步骤，得到水印的G,B分量图傷(4) 将得到的水印三基色
8、分量级联后即得提取的彩色水印。2试验结果及比较2.1实验结果文中选用512 x SI2的“lena”彩色图像为宿主图像，如图2(a)所示， 对它用Haar，小波分解。水印选用了三种大小的彩色图像，第一种为 32 x 32 ,如图3(a);第二种为64x64 ,如图3(b);第三种水印为128 x 128，如图3(c)o通过试验，测得的性能参数如表1所示。(作者：郑江云 江巨浪发表时间：2014年11月)由表1可见，虽然水印的尺寸不同，该算法都能自动地确定三 基色的嵌人强度值，如表1的2-4行所示。本实验要求水印图像 三基色的信噪比都满足式。(2)(信噪比的标准值和精度根据实际要求确定)，表I的
9、5、7行的值都满足这个要求。图2(b)是其中的一幅水印图像，它与原始的宿 主图像没有明显的视觉差异。表1的第8,9行是提取水印的客观指标, 它们大小比较接近且数据较好，如NCC的值都接近于1 ,表示提取的水印质量良好。提取的水印如图4所示，可能与数据溢出有关，图 片有一点失真，但还是能较好地区分水印的内容。图4水印图像未受到处理和攻击时所提取的水印(作者：郑江云 江巨浪 发表时间：2014年11月)为检验本算法的鲁棒性，对水印图像进行了几种常见的处理和攻击 试验，测出的参数如表2、提取出的水印如图5所示。从试验结果可 见，虽然水印图像受到了噪声干扰、均值滤波、JPEG2000压缩和剪 切，提取
10、出的水印仍能识别，证明该算法对这些常见的处理有较好的 鲁棒性。2.2结果比较与讨论1）文中算法的优点是实现了完全自适应，而文献8只能先用假定的 二值，由相应算法计算出水印图像的PSUR值，然后根据实验结果 手工反复调整二值进行实验。2）文献6,7是基于信噪比的自适应水印算法。3结束语由于同一人在不同时刻的签名字体的大小和粗细不同，所以，其相 似程度在70%左右，依此数据很难让人信服地判断是同一人的签名。 而采用文中方案，先把某人的手写签名存储在计算机中的手写签名数 据库中，当需要鉴别某个签名的真伪时，通过输人设备输入待鉴别的 手写签名，并按数据库中签名图像的大小和粗细，对待鉴别的手写签 名图像进行放大或缩小、膨胀或细化，再计算MSE的值，试验结果 为 MSE二94.84%。因此，该方案在鉴别手写签名时是一种简单高效的方法。进一步研 究判别图像相似度算法，使手写签名鉴别更加高效准确。进一步试验 和完善文中提出的方案，提供更多的数据论证该方案的可行性和正确 率。把该方案与数字水印技术相结合，进行更准确的身份认证。
