【图像隐藏】基于离散余弦变换结合奇异值分解DCT-SVD实现数字水印嵌入攻击提取含SNR SSIM计算附Matlab代码

某大厂资深算法工程师，从事Matlab算法仿真工作10年,擅长智能优化算法、神经网络预测、机器学习、信号处理、元胞自动机、图像处理、路径规划、无人机、无线传感器网络、车间调度、生产调度等多种领域的Matlab仿真，更多仿真源码、算法改进、Matlab项目和期刊发表可私信合作。

本文链接：https://blog.csdn.net/m0_60703264/article/details/136265128

✅作者简介：热爱数据处理、建模、算法设计的Matlab仿真开发者。

🍎更多Matlab代码及仿真咨询内容点击 🔗：Matlab科研工作室

🍊个人信条：格物致知。

🔥 内容介绍

数字水印是一种将版权信息或其他数据嵌入到数字图像中的技术，以保护图像的版权和完整性。本文提出了一种基于离散余弦变换（DCT）和奇异值分解（SVD）的数字水印嵌入攻击提取算法。该算法利用DCT的能量集中特性和SVD的奇异值分解特性，将水印嵌入到图像的高频分量中，同时抵抗常见的攻击，如滤波、JPEG压缩和裁剪。本文还介绍了信噪比（SNR）和结构相似性（SSIM）指标，用于评估水印嵌入和提取的性能。

1. 算法原理

1.1 水印嵌入

将原始图像分解为DCT域。
对DCT系数进行SVD分解，得到奇异值矩阵U、对角矩阵Σ和右奇异值矩阵V。
将水印信息嵌入到Σ的对角元素中，通过修改其值。
将修改后的Σ与U和V重构，得到嵌入水印的DCT系数。
将嵌入水印的DCT系数逆变换回空间域，得到嵌入水印的图像。

1.2 水印提取

将嵌入水印的图像分解为DCT域。
对DCT系数进行SVD分解，得到奇异值矩阵U、对角矩阵Σ和右奇异值矩阵V。
从Σ的对角元素中提取水印信息。
将提取的水印信息与原始水印进行比较，计算相似度。

2. 攻击抵抗

该算法通过将水印嵌入到图像的高频分量中，增强了对攻击的抵抗力。具体如下：

**滤波：**高频分量对滤波更敏感，因此水印嵌入在高频分量中可以抵抗低通滤波和高通滤波。
**JPEG压缩：**JPEG压缩会丢弃高频分量，但该算法将水印嵌入到高频分量中，可以抵抗JPEG压缩。
**裁剪：**裁剪会移除图像的一部分，但该算法将水印嵌入到整个图像中，可以抵抗裁剪。

3. 性能评估

3.1 信噪比（SNR）

SNR用于衡量嵌入水印后的图像质量，计算公式为：

SNR = 10log10(P_s / P_n)

其中，P_s是原始图像的功率，P_n是嵌入水印后图像的噪声功率。

3.2 结构相似性（SSIM）

SSIM用于衡量嵌入水印后的图像与原始图像的结构相似性，计算公式为：

SSIM = (2μ_xμ_y + C_1) / (μ_x^2 + μ_y^2 + C_1) * (2σ_{xy} + C_2) / (σ_x^2 + σ_y^2 + C_2)

其中，μ_x和μ_y分别是原始图像和嵌入水印后图像的均值，σ_x^2和σ_y^2分别是原始图像和嵌入水印后图像的方差，σ_{xy}是原始图像和嵌入水印后图像的协方差，C_1和C_2是常数。

📣 部分代码

function [I,ALLV_B ] = row_col_blank( NEW,A )I = NEW;k=1;l=1;R_C_B = zeros(16,16,1024);ALLV_B = zeros(16,16,1024);I(14,:) = 0;I(169,:) = 0;I(119,:) = 0;I(:,26) = 0;I(:,99) = 0;I(:,192) = 0;figuresubplot(1,2,1)imshow(NEW)title('嵌入水印的图像')subplot(1,2,2)imshow(I)title('After ROW.COL.BLANKING attack')for i=1:16:512    for j=1:16:512        R_C_B(:,:,k) = I(i:i+16-1,j:j+16-1);        [~,~,VB] = svd(R_C_B(:,:,k));        ALLV_B(:,:,l) = VB;        k=k+1;        l=l+1;    endendpsnr_R_C_blank = psnr(I,A)ssim_R_C_blank = ssim(I,A)end