【图像隐写】基于离散余弦变换DCT实现数字水印嵌入提取附Matlab代码

 ✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

物理应用             机器学习

🔥 内容介绍

数字水印技术作为一种重要的信息安全技术，能够将版权信息、认证信息等嵌入到数字媒体中，在版权保护、内容认证等方面发挥重要作用。图像隐写技术是数字水印技术的重要分支，其目标是在不明显改变图像内容的前提下，将水印信息嵌入到图像中，并能在需要时提取水印信息。本文将介绍基于离散余弦变换 (DCT) 的图像隐写技术，并详细阐述水印嵌入和提取的具体步骤。

1. 概述

近年来，随着互联网技术的飞速发展，数字媒体的传播和应用越来越广泛。然而，数字媒体的易复制性也带来了版权保护等问题。数字水印技术作为一种重要的信息安全技术，能够将版权信息、认证信息等嵌入到数字媒体中，在版权保护、内容认证等方面发挥重要作用。

图像隐写技术是数字水印技术的重要分支，其目标是在不明显改变图像内容的前提下，将水印信息嵌入到图像中，并能在需要时提取水印信息。隐写技术需要满足以下几个方面的要求：

• 不可感知性: 嵌入水印后，图像内容不能发生明显变化，人眼无法察觉水印的存在。

• 鲁棒性: 嵌入的水印信息应该能够抵抗各种攻击，例如压缩、噪声、滤波等。

• 容量: 嵌入的水印信息应该能够承载足够的信息量，例如版权信息、认证信息等。

• 安全性: 水印信息应该能够被安全地嵌入和提取，防止未授权的访问和修改。

2. 基于 DCT 的图像隐写技术

离散余弦变换 (DCT) 是一种常用的图像压缩技术，它可以将图像信息分解成不同频率成分的系数。DCT 具有能量集中、去相关性等特点，使其成为图像隐写技术的理想选择。

基于 DCT 的图像隐写技术的基本原理是：将水印信息嵌入到 DCT 系数中。由于 DCT 系数的能量集中在低频区域，因此将水印信息嵌入到低频系数中可以更好地保持图像的不可感知性。同时，由于 DCT 系数具有去相关性，因此将水印信息分散嵌入到多个 DCT 系数中可以提高水印的鲁棒性。

3. 水印嵌入

水印嵌入的具体步骤如下：

1. 将原始图像进行 DCT 变换，得到 DCT 系数矩阵。

2. 选择合适的 DCT 系数作为嵌入位置，例如低频系数。

3. 将水印信息转换为二进制序列。

4. 将二进制序列嵌入到选择的 DCT 系数中，例如通过修改 DCT 系数的值。

5. 对嵌入水印后的 DCT 系数进行反 DCT 变换，得到嵌入水印后的图像。

4. 水印提取

水印提取的具体步骤如下：

1. 对嵌入水印后的图像进行 DCT 变换，得到 DCT 系数矩阵。

2. 从 DCT 系数矩阵中提取嵌入水印信息的位置。

3. 从 DCT 系数中提取嵌入的水印信息，例如通过比较 DCT 系数的值与原始 DCT 系数的值。

4. 将提取的水印信息转换为二进制序列。

5. 对二进制序列进行解码，得到最终的水印信息。

5. 实验结果

为了验证基于 DCT 的图像隐写技术的有效性，可以进行实验测试。实验结果表明，该技术可以有效地将水印信息嵌入到图像中，并且能够抵抗各种攻击。例如，在 JPEG 压缩、高斯噪声和中值滤波等攻击下，该技术仍然能够提取出完整的水印信息。

6. 结论

基于 DCT 的图像隐写技术是一种有效的信息安全技术，能够在不明显改变图像内容的前提下，将水印信息嵌入到图像中，并能在需要时提取水印信息。该技术具有不可感知性、鲁棒性、容量和安全性等优点，在版权保护、内容认证等方面具有广泛的应用前景。

📣 部分代码

function [refGrid,idealGrid] = hReferenceGrid(carrier,bwpCfg,configArray,nSlots,phyChannelType)    %hReferenceGrid Create a DM-RS based reference grid for a given number    %   of slots. It also returns a grid of known data IQs.    %   [REFGRID,IDEALGRID] = hReferenceGrid(CARRIER,BWPCFG,CONFIGARRAY,...    %                                               NSLOTS,PHYCHANNELTYPE)    %   creates a DM-RS based reference grid and known data based grid for a    %   given number of slots and physical channel type.    %   REFGRID contains the DM-RS symbols specified in CONFIGARRAY and    %   is of dimensions K-by-N-by-L, where K is number of subcarriers of    %   size carrier.NSizeGrid*12, N is the number of symbols spanning    %   nSlots and L is the number of layers.    %   IDEALGRID contains known data IQ symbols specified in CONFIGARRAY    %   and is of dimensions K-by-N-by-L.    %   CARRIER is a configuration object of type, <a    %                        href="matlab:help('nrCarrierConfig')"    %                        >nrCarrierConfig</a>    %   BWPCFG is a configuration object of type, <a    %                        href="matlab:help('nrWavegenBWPConfig')"    %                        >nrWavegenBWPConfig</a>    %   CONFIGARRAY is an array of structures. Each structure contains the    %   configuration and reference resource information. The contents of    %   this structure are used for equalization, decoding, and building    %   reference IQs.    %   NSLOTS is the number of slots for which the REFGRID is to be    %   generated    %   PHYCHANNELTYPE is a character string with three possible strings    %   ('PDSCH','PDCCH',PUSCH')​    % Copyright 2022 The MathWorks, Inc.    ​    genPdschRefGrid = strcmp(phyChannelType,'PDSCH');    genPdcchRefGrid = strcmp(phyChannelType,'PDCCH');    genPuschRefGrid = strcmp(phyChannelType,'PUSCH');​    if isempty(configArray)        refGrid = [];        idealGrid = [];        return;    end​    nSubcarriers = carrier.NSizeGrid * 12;    L = carrier.SymbolsPerSlot*nSlots; % Number of OFDM symbols in the reference grid    if genPdschRefGrid        nLayers = configArray(1).PDSCH.NumLayers;    elseif genPuschRefGrid        nLayers = configArray.PUSCH.NumLayers;    else        nLayers = 1;    end    bwpStart = bwpCfg.NStartBWP-carrier.NStartGrid;    bwpLen = bwpCfg.NSizeBWP;​    if genPdschRefGrid        slotRange = [];        pdschConfigLen = numel(configArray);        for pIdx = 1:pdschConfigLen            if ~isempty(configArray(pIdx).Resources)                slotRange = [slotRange configArray(pIdx).Resources.NSlot]; %#ok<*AGROW>            end        end        slotRange = unique(slotRange);    else        slotRange = [configArray.Resources.NSlot];    end    refGrid = zeros(nSubcarriers,L,nLayers); % empty grid    bwpGrid = zeros(bwpLen*12,L,nLayers);    resPerSlot = bwpLen*12*carrier.SymbolsPerSlot;​    % Create 'idealGrid'    if genPdschRefGrid || genPuschRefGrid      idealGrid = zeros(nSubcarriers,L,nLayers);        idealBwpGrid = zeros(bwpLen*12,L,nLayers);    end​    % Populate the DM-RS symbols in the reference grid for all slots    % Place the bwpGrid in a carrier grid (at an appropriate    % location) in case the BWP size is not the same as the carrier grid    for slotIdx=carrier.NSlot+(0:nSlots-1)        isDataSlot = ~isempty(find(slotIdx == slotRange,1));        if genPdschRefGrid            [dataInd,dataSym,dmrsIndices,dmrsSymbols] = hSlotResources(configArray,slotIdx);        elseif genPuschRefGrid            configArray.PUSCH.TransmissionScheme = 'nonCodeBook';            [~,dmrsIndices,dmrsSymbols,~,~,~] = ...                nr5g.internal.wavegen.PXSCHResources(bwpCfg, configArray.PUSCH, configArray.PUSCH.NID, slotIdx, [], []);            if isDataSlot                dIdx = find(slotIdx == slotRange,1);                dataInd = configArray.Resources(dIdx).ChannelIndices;                dataSym = configArray.Resources(dIdx).ChannelSymbols;            end        elseif genPdcchRefGrid            loc = find(slotIdx == slotRange);            if isempty(loc)                continue;            end            dmrsIndices = configArray.Resources(loc).DMRSIndices;            dmrsSymbols = configArray.Resources(loc).DMRSSymbols;        end​        if ~isempty(dmrsIndices)            for layerIdx = 1:nLayers                if layerIdx <= size(dmrsIndices,2)                    dmrsIndices(:,layerIdx) = dmrsIndices(:,layerIdx) - resPerSlot*(layerIdx -1)+ (L*bwpLen*12*(layerIdx-1));​                    % Power adjustment is needed only for PUSCH case                     pwr = 1;                    if genPuschRefGrid                        pwr = db2mag(configArray.PUSCH.DMRSPower);                    end                    bwpGrid(dmrsIndices(:,layerIdx)+(slotIdx-carrier.NSlot)*resPerSlot) = dmrsSymbols(:,layerIdx)*pwr;                    if isDataSlot && (genPdschRefGrid || genPuschRefGrid)                        dataInd(:,layerIdx) = dataInd(:,layerIdx) - resPerSlot*(layerIdx -1)+ (L*bwpLen*12*(layerIdx-1));                        idealBwpGrid(dataInd(:,layerIdx)+(slotIdx-carrier.NSlot)*resPerSlot) = dataSym(:,layerIdx);                    end                end            end            refGrid(12*bwpStart+1:12*(bwpStart+bwpLen),:,:) = bwpGrid;            if genPdschRefGrid || genPuschRefGrid                idealGrid(12*bwpStart+1:12*(bwpStart+bwpLen),:,:) = idealBwpGrid;            end        end    endend​

⛳️ 运行结果

🔗 参考文献

[1] 古筝.追踪被篡改原图信息的数字水印算法研究[D].北京邮电大学,2015.

[2] 高宝建,翟瑞瑛,杨艳萍.基于DCT变换的码分多址图像数字水印算法[J].西北大学学报(自然科学版), 2007.DOI:JournalArticle/5aeb20a8c095d70944ff6391.

[3] 汪太月,李宏伟.基于DCT变换的彩色图像置乱数字水印算法[J].通信技术, 2014, 47(9):6.DOI:10.3969/j.issn.1002-0802.2014.09.022.

🎈 部分理论引用网络文献，若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码和数据获取及论文数模仿真定制

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、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题

2 机器学习和深度学习方面

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

方向涵盖风电预测、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、用电量预测、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

2.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

3 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、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

4 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、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

5 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

6 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

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合