信息隐藏实验报告-数字水印技术.docxVIP

PAGE PAGE 2 综合评分：实验三：数字水印技术 综合评分： 目录 TOC \o 1-4 \h \z \u 实验三：数字水印技术 1 目录 1 实验目的 1 实验内容 1 W-SVD数字水印算法 1 使用stirmark攻击嵌入W-SVD水印的图片 2 扩频水印算法 2 使用stirmark攻击扩频水印 2 实验工具及平台 2 实验涉及到的相关算法 2 W-SVD数字水印算法 2 Stirmark攻击W-SVD 5 扩频水印算法 5 Stirmark攻击扩频水印 6 实验分析 6 W-SVD数字水印 6 Stirmark攻击W-SVD 8 扩频水印 10 Stirmark攻击扩频水印 11 实验目的 数字水印技术及其分析 实验内容 W-SVD数字水印算法 实现W-SVD数字水印的嵌入算法 实现W-SVD数字水印的检测算法 分析实验性能 使用stirmark攻击嵌入W-SVD水印的图片 使用stirmark攻击嵌入W-SVD水印的图片 对攻击后的图片进行水印的检测 分析实验性能 扩频水印算法 实现DWT域扩频水印嵌入算法 实现DWT域扩频水印检测算法 分析实验性能 使用stirmark攻击扩频水印 使用stirmark攻击扩频水印 对攻击后的图片进行水印的检测 分析实验性能 实验工具及平台 ■ Windows+Matlab □ 其它：（请注明） 实验涉及到的相关算法 W-SVD数字水印算法 W-SVD属于小波变换域的数字水印算法，它具有良好的不可见性和鲁棒性。在介绍该算法之前，我们首先需要了解一下小波变换和SVD(Singular value decomposition)矩阵奇异值分解。 小波变换 小波变换是运用傅里叶变换的局部化思想，进行时空序列分析的一种数学方法。其主要有两个大类： 离散小波变换(DWT) 连续小波变换(CWT) 小波变换主要有以下的特点： 通过变换能够突出问题某些方面的特征 自动适应时频信号分析的要求 高频处时间细分 低频处频率细分 小波变换在继承和发展了短时傅里叶变换局部化的思想的同时，又克服了窗口大小不随频率变化等缺点，提供了一个随频率改变的“时间-频率”窗口，有利于进行信号时频的分析和处理。 下图是对图像进行小波分解的一个例子，可以发现小波分解后的低频分量拥有原始数据的绝大部分能量，而高频部分主要是原始信号的细节信息。 奇异值分解 是线性代数中一种重要的矩阵分解，在信号处理、统计学等领域有重要应用。 对于任意的m×n阶矩阵A A=U U和V分别是m×m和n×n的正交矩阵 Σ是m×n 其中U和V分别称作A的奇异向量，Σ称作A的奇异值 W-SVD水印嵌入 W-SVD水印生成的流程可用下图来表示 对图像进行小波分解及低频系数归一化。首先对图像进行小波分解，同时为了约束低频系数矩阵的值在[0,1]之间，使用如下的公式对矩阵进行归一化处理。 C 对归一化之后的矩阵进行SVD变换。 C 固定随机数种子key，利用QR分解生成正交矩阵U和V。 固定随机数种子key，根据强度因子α和覆盖行数d生成随机对角矩阵Σ 根据覆盖行数d用U和V替换原始分解矩阵U和V的后d行得到?U和?V 相乘得到水印模板 C 在生成水印之后，我们用替换后的低频系数矩阵对图像进行重构，即完成了水印的嵌入 W-SVD水印检测 W-SVD算法采用非盲检测手段对图像进行检测。其基本流程可以用下图来表示 给原始图像加水印，并提取其加有水印图像的小波低频系数A。 提取待测图像的小波低频系数B。 提取原始图像的小波低频系数C。 生成原始水印A-C 计算原始水印和待测水印的相关性。 其中相关性值d满足如下等式 d X, ∣∣X∣∣= 我们可以采用常规检测直接相关性和DCT域相关性两种方式计算相关性值d Stirmark攻击W-SVD Stirmark是一个水印测试工具，给定嵌入水印的图像，Stirmark能够生成一定数量的修改图像，这些修改过的图像可以被用来验证水印能否被检测出。 在Stirmark中主要包含以下攻击方法 剪切(Cropping) 水平翻转(Flip) 旋转(Rotation) 旋转-尺度(Rotation-Scale) FMLR，锐化，Gaussian滤波(FMLR, Sharpening, Gaussian Filtering) 随机几何图形(Random Bending) 线性变化(Linear Transformations) 按比例变化(Aspect Ratio) 尺度变换(Scale Changes) 线性移除(Line