西电计算机视觉大作业,西电计算机视觉大作业.docx

西电计算机视觉大作业

课程：计算机视觉专业：模式识别与智能系统学号：姓名：数字水印技术引言随着互联网广泛普及的应用，各种各样的数据资源包括文本、图片、音频、视频等放在网络服务器上供用户访问。但是这种网络资源的幵放也带了许多弊端，比如一些用户非法下载、非法拷贝、恶意篡改等，因此数字媒体内容的安全和因特网上的侵权问题成为一个急需解决的问题。数字水印作为一项很有潜力的解决手段，正是在这种情况下应运而生。数字水印(技术是将一些代表性的标识信息，一般需要经过某种适合的变换，变换后的秘密信息(即数字水印)，通过某种方式嵌入数字载体(包括文档、音频、软件等)当中，但不影响原载体的使用价值，也不容易被人的知觉系统(如视觉或听觉系统)觉察或注意到。通过这些隐藏在载体中的信息，可以达到确认内容创建者、购买者、传送隐秘信息或者判断载体是否被篡改等目的。在发生产权和内容纠纷时，通过相应的算法可以提取该早已潜入的数字水印，从而验证版权的归属和内容的真伪。二.算法原理2.1、灰度图像水印2.1.1基本原理 处理灰度图像数字水印，采用了LSB(最低有效位)、DCT变换域、DWT变换域三种算法来处理数字水印。在此过程中，处理水印首先将其预处理转化为二值图像，简化算法。(1)LSB算法原理：最低有效位算法(Least Sig nificant Bit , LSB)是很常见的空间域信息隐藏算法, 该算法就是通过改变图像像素最不重要位来达到嵌入隐秘信息的效果, 该方法隐藏的信息在人的肉眼不能发现的情况下, 其嵌入方法简单、隐藏信息量大、提取方法简单等而获得广泛应用。LSB 信息嵌入过程如下:其中, S 和S′分别代表载体信息和嵌入秘密信息后的载密信息;M为待嵌入的秘密信息, 而隐写分析则是从S′中检测出M以至提取M 。(2)DCT算法原理：DCT 变换在图像压缩中有很多应用，它是JPEG，MPEG 等数据压缩标准的重要数学基础。在压缩算法中，先将输入图像划分为 8×8 或 16×16,的图像块，对每个图像块作DCT 变换；然后舍弃高频的系数，并对余下的系数进行量化以进一步减少数据量；最后使用无失真编码来完成压缩任务。解压缩时首先对每个图像块做 DCT 反变换，然后将图像拼接成一副完整的图像。DCT 变换利用傅立叶变换的性质，采用图像边界褶翻将图像变换为偶函数形式，然后对图像进行二维傅立叶变换，变换后仅包含余弦项，所以称之为离散余弦变换。二维离散余弦变换DCT(Discrete Cosine Transform)的定义为,假设矩阵A 的大小为M ×N。其中,称为矩阵A 的DCT 系数。DCT 是一种可逆变换，离散反余弦变换定义如下：上式的含义是任何M×N 的矩阵A 都可以表示为一系列具有下面形式的函数的和：这些函数称为 DCT 变换的基函数。这样,就可以看成是应用于每个基函数的加权。Matlab中直接调用dct2函数对图像的分块进行离散余弦变换。(3)DWT嵌入算法原理:小波变换是时间(空间)频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破。假定为J尺度空间的剩余尺度系数序列，并且令和分别为小波函数的低通和高通滤波器，则二维小波变换的快速分解公式为其中为尺度空间的剩余尺度系数序列，它是经过行列两个方向低通滤波后的输出，对应原始图像信号在下一个尺度上的低频概貌，属于LL频带；经过行方向高通，列方向低通，对应水平方向的细节信号在垂直方向的概貌，属于HL频带；包含了水平方向低通、垂直方向低通滤波后所保留的细节信息，对应LH频带，包含了水平和垂直方向都经过高通滤波后的细节信息，表示对角线的细节信息，属于HH频带。图像的两层多分辨率小波分解如图1所示。图2.1两层多分辨率小波分解示意图每一级分解都把图像分解为四个频带水平(HL)、垂直(LH)、对角(HH) 和低频，其中低频(LL)部分还可以进行下一级的分解，从而构成了小波的塔式分解。一幅图像经过分解之后，图像的主要能量主要集中于低频部分，图像的高频部分即图像的细节部分所含能量较少，分布在三个子图中，主要包含了原图的边缘和纹理部分信息。小波变换的这些性质为数字图像的局部特性(如边缘，纹理等)提供了很好的空间一尺度定位，同时由于其多分辨率的表示，可以直接对图像进行分级处理，这一特性更可以实现水印的渐进解码和传输。上述快速算法，是在已知原始二维函数在某一尺度空间的展开系数矩阵基础之上进行计算的。初始矩阵的选取是二维快速算法中的一个重要问题，严格的讲，初始矩阵应使用公式：其中，上标表示尺度，下标表示两个方向的位移，为小波函数计算获得。对于初始矩阵的选取