【图像隐藏】基于混合 DWT-HD-SVD 的数字图像水印方法技术附matlab代码

1 内容介绍

文章提出一种基于离散小波变换(DWT),Hessenberg分解(HD)和奇异值分解(SVD)的图像水印方法.在嵌入过程中,对原始载体图像进行多级DWT分解,并将得出的子带系数作为HD的输入.在创建水印的同时对SVD进行操作,通过缩放因子将水印嵌入到主图像中..在各种欺骗攻击下,将所提出的方法与其他方法进行比较,实验结果表明,该方法对水印具有良好的鲁棒性和不可见性.

图像的鲁棒性和不可见性是评价水印技术有效性的两个 主要指标。水印技术大致可以分为三类，即鲁棒水印、脆弱 水印和半脆弱水印 [1]。鲁棒水印对图像数据的保护至关重要， 因为它不会显著降低水印图像的视觉质量，而且还能够抵御 各种攻击。因此，鲁棒水印广泛用于版权保护和所有权验证。 脆弱水印仅用于保证图像的完整性，并不能验证实际的所有 权。半脆弱水印融合了脆弱水印和鲁棒水印的优点，旨在检 测未经授权的操作，同时保持对授权操作的鲁棒性。此外， 还可以在变换后的域内完成嵌入过程，如奇异值分解（SVD）、 离散余弦变换（DCT）、离散傅立叶变换（DFT）、离散小 波变换（DWT）。研究表明，人眼视觉对中低频系数更为敏感。因此，变 换域内的运算方法具有良好的性能，特别是当水印嵌入在低 频范围内时。基于 DWT 的水印方法具有分辨率高、能量压 缩性好、视觉质量高等优点，可用于图像水印。然而，基于 DWT 的水印难以抵抗几何攻击。这个弊端可以采用矩阵分 解方法提取图像的几何特征来解决，基于 DWT 和矩阵分解 的方法广泛应用于图像水印中，从而使水印能够耐受一定程 度的图像处理和图像几何攻击 [2]。水印中最常用的矩阵分解 方法包括 SVD 和 Hessenberg 分解（HD）。此外，鲁棒性和 不可见性是评价图像水印的两个主要指标，二者之间的性能 平衡是非常具有挑战性的。本文利用 FOA 算法对算法中的 参数因子进行了改进，在鲁棒性和不可见性之间进行了权衡。 本文提出一种结合 DWT、HD 和 SVD 的图像水印算法 [3]。 性能测试结果表明，该方法具有较高的鲁棒性和不可见性， 且没有水印大小的约束。

输入图像经过多级小波分解后，生成三个高频带 HH、 LH、HL 以及一个低频带 LL，如图 1 所示。其中低频带系 列是小波分解级数对应的最小分辨率和最大尺度下对原始图 像的最佳逼近。其统计特征与原图像近似，图像的大部分能 量集中于此。高频带是图像在不同分辨率和不同尺度下蕴含 的细节信息。分辨率越低，其中的有用信息比例就越高。图 像小波分解分成若干级，对于同级图像，低频子图像 LLj 最 重要，其次是 LHj 和 HLj，而高频子图像 HHj 相对不重要。 对于不同级来说，级高者重要，级低者不重要，如图 1 所示。 小波理论使得进一步的分解成为可能，直至子带的大小达到 水印的标准。与其他子带相比，LL 的攻击性能更优，例如 对滤波、压缩攻击。这一特性使 LL 子带成为鲁棒水印的最 佳候选 [4]。