【图像隐写】DCT数字水印嵌入+攻击+提取【含Matlab源码 1758期】

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）

⛄一、DCT数字水印简介

1 前言
随着网络通信技术的发展，社会节奏的加快，网络通信技术的成熟，需求也开始发生改变，人们对便利的需求也越来越大，通过将媒体信息数字化，使得信息表达的精准和效率得到了明显提升。数字化也可以实现信息存储的便利性，同时数字信息也能方便和快速地通过电子设备进行传输。因此，数字交换传输过程越来越简易。

这样的便利固然舒适，但是伴随的副作用也快速被发现，急切需要一种技术对密码学进行补充。现如今网络中时常出现的产权问题也被得到了重视。数字水印技术的出现大大缓解了这一情况，如若内容被进行了解密处理，这种新的信息技术仍能发挥它的效用，继续起到对信息的保护作用。

2 数字水印算法的基本要求
2.1 数字水印的定义
数字水印技术进行工作的前提是，原始载体不能受到影响。默默保护信息不被打扰不被发现是它的优势。所谓的数字水印是需要在载体文件中镶嵌一些保护信息，数字化的图像、影像、文字都是载体文件。也可以这样认为，数字水印是采用扩频通信手段在宽窄信道之间传输的一种水印信号。使用者可以通过识别载体文件中的保护信息来推断初始信息有没有被篡改，还可以从中得到其中的隐含信息。因此可以将水印信号表示为：

我们能够利用序列来表示水印信息，简单和复杂的水印信号都有对应序列；其中一维和二维序列表示较为简单的水印信号，三维或者多维的数组来表示比较复杂的水印信号。在式中A表示整个公式的一个取值范围、M表示水印信号的长度。水印信息一样也可以使用数组来表示，数组的维数的多少代表信息的复杂程度，一般一维序列是用来表示音频文件的；如果载体是图像，那对应的水印就是二维数组；载体是动画，相应的水印就是三维信号。

2.2 数字水印技术有以下四个方面的特点:
(1）安全性

信息一定是需要安全来保证的，不管在任何应用领域中，这都会是最重要的需求之一。而数字水印不仅能够保证信息的安全还能保障信息不被篡改和伪造。信息的安全不仅体现在不被偷窃还体现在误检测率要较低。数字水印的信息应该随着初始内容的改变而实时变化；数字水印的安全性越强则抵抗性越强。

(2）隐蔽性

数据在符合规则的使用情况下，不会使原本的保护的文字、图像、音频等得到降质，保证质量同时还很难被察觉，具有不可察觉的优势。

(3）鲁棒性

经过多次信号处理或者攻击之后，水印信息中的数据不被破坏，且识别结果也不会发生偏差，图像很容易被攻击就很容易将信息泄露。平移、旋转、剪切、滤波、量化、采样、转换等都是信号的处理过程。数字水印是将一些不能被看见的信息嵌入到内容数据中，通常情况下是使用在版权保护中，或者用于保护内容数据的完整性。这也是数字水印保证信息不被篡改的方式。这样可以掩盖原本的信息将现有信息进入到破坏者眼中，从而造成干扰。

(4）水印容量

考虑到整个通信领域对于隐蔽性的要求偏高，并且需求不断增长，所以数字水印的水印容量也根据该情况做出了相应的调整。在此调整的基础上，水印容量也需要加强自身的能力，将自己承载信息的能力变强，只有这样才能将图像中所需要的信息都嵌入都水印中。正是因为通信领域的独特性，数字水印在这方面的努力也使得数字水印在这个领域中非常受欢迎，并且水印容量中所承载的信息能够将初始图像的所有信息都标明。版权纠纷就是因为所属者标识不清晰才会产生，这种做法可以尽可能防止这种纠纷的发生，还能够保护数字产权合法拥有者的合法权益。

数字水印具有以上四个基本特征。正是由于数字水印有安全性、隐蔽性、鲁棒性和数字水印这些特征，才在各式各样的水印设计方案中得到最优解。一个理想的水印算法不但需要高隐蔽性，还需要有强抵御力来面对各种攻击。优秀的数字水印方案需要结合以上四点做出理性的选择，只有充分考虑到这四个特征才能在设计水印方案的时候完美切合实际需求。

2.3 DCT变换的数字水印的应用
DCT变换域算法在抵抗有损压缩编码和其他一些具有信号失真的数据处理过程有很好的表现，鲁棒性和不可感知性是难以同时满足的两个要求，但是基于DCT变换的数字水印算法能更好地满足这两个基本要求。针对DCT变换的数字水印算法，在下文中会进行详细解释。并对版权保护问题中利用DCT变换所需的方法及步骤做出介绍。

3 离散余弦变换（DCT）算法介绍
3.1 傅里叶变换紧密相关的数学运算是离散余弦变换
DCT变换的基础是傅里叶变换，图像信号需要通过二维数组的变换来实现。

反离散余弦变换IDCT坐标公式：

其中：

3.2 DCT域系数分析
根据上式的计算方法可以得到64个系数，左上方位置的式直流分量（DC分量）。去除左上角的位置坐标的其他坐标系数都称为交流分量（AC分量）。只要加入大量的水印信息都不会使得水印之后的图像与初始图像对比之后在视觉上都不会产生较大差别，此时的感觉容量即为最大，这个位置也是最适合在这64个DCT系统中添加水印信息的位置，同时还能够确保在经过恶意攻击之后，图像依旧可以完整的提取水印信息。鲁棒性较高的区域刚好位于人们视觉敏感区域，此时的信号在信息处理过程中很难被除掉。

4 基于DCT变换技术的数字水印算法的应用步骤
对于彩色图片，基本DCT算法的流程是，首先将RGB图片转成YUV格式，然后再将图像矩阵分成互不重叠的8*8块，DCT模块对其中的Y分量，而后经YUV2 RGB输出嵌入后的RGB流。流程图如图1。

图1 水印算法流程图
具体嵌入方法为：读取水印信息w(这里w取1或-1)，按公式更改s系数的值，其中T是选定的阈值。数字水印是将一些不能被看见的信息嵌入到内容数据中，通常情况下是可以护内容数据的完整性。

扩频原理的叠加使用，是水印技术保证并升级DCT算法的可靠性的优质方案，用来满足数字水印设计方案的需求。DCT变换的最佳独特之处就在于，普通的信息只能将块状的信息汇聚在少量的低频DCT系数中，如此仅少量系数可以变换，还不会对图像的质量有危害。当分块的运算出现时，使得图像嵌入更为简易。因此DCT变换在低频中更适用，高频编码是容易被各种处理方法破坏使用，不被使用。扩频技术实现起来还是比较简单的，目前人们正在研究的数字水印算法更多的是基于变换域的，而这些变换域主要以频域为主，在空域算法方面，弥补了不足。

图2 原图与嵌入水印后的图像

5 水印的提取
当水印信息嵌入到图像之后，需要通过DCT变换等比较系统的方式将水印提取出来。
(1）基于DCT变换对含水印信息的数字作品进行变换。
(2）最佳嵌入区域需要根据嵌入算法来找到嵌入区域。
(3）按照水印嵌入时的基本规则将二元数组和三元数组两者的数值对比之后，就可以确定水印信息值了。
(4）将确定的水印信息值经过变换之后就可得到提取出的水印信息。

6 DCT水印攻击实验分析
从直观的角度观察水印的感知透明度就是DCT水印的攻击测试。
(1）本次分析主要对图像嵌入水印序列，之后再对已经加入水印的图像进行水印的提取。通过实验可以得出基于DCT变换后的数字水印算法的透明性有明显改善。
(2）以恶意攻击实验的方式，来验证数字水印算法在数字媒体当中的作用。能否使得版权信息得到保护；能不能快速并且有效的将信息提取出来；嵌入的水印经过攻击后是否可以完整的提取。

⛄二、部分源代码

clear;
clc;

disp(‘请选择载体图像：’);
[filename2, pathname2] = uigetfile(‘.jpg’, ‘读取图片文件’);
pathfile2=fullfile(pathname2, filename2);
image=imread(pathfile2);
disp(‘请选择水印图像：’);
[filename, pathname] = uigetfile('.jpg’, ‘读取图片文件’);
pathfile=fullfile(pathname, filename);
markbefore=imread(pathfile);

markbefore2=rgb2gray(markbefore);
mark=im2bw(markbefore2); %使水印图像变为二值图
figure(1); %打开窗口
subplot(2,3,1); %该窗口内的图像可以有两行三列
imshow(mark),title(‘水印图像’); %显示水印图像
marksize=size(mark); %计算水印图像的长宽
rm=marksize(1); %rm为水印图像的行数
cm=marksize(2); %cm为水印图像的列数

I=mark;
alpha=30; %尺度因子,控制水印添加的强度,决定了频域系数被修改的幅度
k1=randn(1,8); %产生两个不同的随机序列
k2=randn(1,8);
subplot(2,3,2),imshow(image,[]),title(‘载体图像’); %[]表示显示时灰度范围为image上的灰度最小值到最大值
yuv=rgb2ycbcr(image); %将RGB模式的原图变成YUV模式
Y=yuv(:,:,1); %分别获取三层，该层为灰度层
U=yuv(:,:,2); %因为人对亮度的敏感度大于对色彩的敏感度，因此水印嵌在色彩层上
V=yuv(:,:,3);
[rm2,cm2]=size(U); %新建一个和载体图像色彩层大小相同的矩阵
before=blkproc(U,[8 8],‘dct2’); %将载体图像的灰度层分为8×8的小块，每一块内做二维DCT变换，结果记入矩阵before

after=before; %初始化载入水印的结果矩阵
for i=1:rm %在中频段嵌入水印
for j=1:cm
x=(i-1)8;
y=(j-1)8;
if mark(i,j)==1
k=k1;
else
k=k2;
end
after(x+1,y+8)=before(x+1,y+8)+alphak(1);
after(x+2,y+7)=before(x+2,y+7)+alphak(2);
after(x+3,y+6)=before(x+3,y+6)+alphak(3);
after(x+4,y+5)=before(x+4,y+5)+alphak(4);
after(x+5,y+4)=before(x+5,y+4)+alphak(5);
after(x+6,y+3)=before(x+6,y+3)+alphak(6);
after(x+7,y+2)=before(x+7,y+2)+alphak(7);
after(x+8,y+1)=before(x+8,y+1)+alphak(8);
end
end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]杨守义,姬留杰,穆晓敏,齐林.基于FRFT的数字水印算法分析[J].计算机应用与软件. 2009,26(01)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合