一种具有最优离散余弦变化心理的视觉阈值鲁棒图像水印技术外文翻译资料

 2022-12-16 20:15:43

英语原文共 17 页,剩余内容已隐藏,支付完成后下载完整资料


一种具有最优离散余弦变化心理的视觉阈值鲁棒图像水印技术

FERDA ERNAWAN【1】 MUHAMMAD NOMANI KABIR【2】

马来西亚彭亨大学计算机系统与软件工程学院,马来西亚甘邦26300

摘要:本文提出了一种可靠的数字水印技术,即使用最优离散余弦变换(DCT)进行版权保护的不可感知性和鲁棒性心理视觉阈值。该水印技术中的嵌入过程利用特定频率DCT的区域,使得水印位的插入导致最小的图像失真。因此,最优确定心理视觉阈值,将水印嵌入主图像中以获得最佳图像质量。将水印位插入图像的某些频率期间,水印位不是直接插入频率系数;相反,系数是基于某些修改的构造水印图像的规则。嵌入频率通过使用修改来确定熵大冗余区域。此外,在嵌入之前,对水印进行加扰额外的安全性操作。为了验证所提出的技术,我们的技术在以下几个方面进行了测试信号处理和几何攻击。实验结果表明,我们的技术取得了较高的成果,与现有方案相比,隐形性和稳健性。水印提取后会产生高图像质量,并可以抗不同类型的攻击。

关键词:图像水印;修改熵;嵌入方案;提取方案;心理视觉阈值。

I引言

随着互联网技术的快速发展,非法复制、数字多媒体的传输和分配成为一个重要的安全问题。这个问题牵涉到了图像认证和版权的解决问题。数字水印被视为一种替代方案,防止非法复制的解决,这已引起社会的广泛关注[1]。完成水印插入和提取,确保并核实其所有权和认证通过使用数字水印的过程。一般来说,水印可以在空间域中进行。其中,水印直接或间接嵌入图像像素中。水印插入的频域通过频率变换获得频率图像[2]。空间域的稳健性是一个主要问题,这是由于很容易识别插入空间的水印域[3]导致的。基于频率的水印技术具有转换的域,例如离散余弦变换(DCT),离散小波变换(DWT)和使用整数离散小波变换(IDWT)。在过去十年中,虽然拥有高稳健性和不易察觉性,但是,DWT和IDWT需要大量复杂计算。

一种可靠的数字水印技术需要满足某些特性[4],[5],如不易察觉性、鲁棒性、安全和盲目提取性。嵌入式水印嵌入到主机图像应该产生更少的侵权行为,这样使得无法检测到水印效果能通过人类视觉系统。水印技术应确保质量更接近原始主机图像。水印必须能够承受共同的信号处理和几何攻击,例如过滤、噪声添加图像压缩、尺寸变化、裁剪和变化像素值。

由于水印的大小有限,可以嵌入到主机图像中,二进制水印即可最佳选择。水印技术的目的是为了确保图像内部的水印完整、水印极难被发现和破坏。盲水印技术提供了一种独立的水印恢复,而不是参考原始主机图片。盲水印技术是一项充满挑战的水印技术,它健壮且不易察觉,具有良好的安全性和较少的计算。

II相关工作

为了增强水印的稳健性和不可感知性,研究人员现在研究混合动力基于频率和矩阵的水印技术分解[6] [8]。在水印方案[9][10]中提出,即把水印嵌入到具有比例因子的频率系数中。这个计划是对恢复的水印具有良好的鲁棒性,即使遭受不同类型的攻击。然而,不可察觉性需要改进水印图像。

许多研究工作都是在图像上进行水印操作的技术。2011年,赖 [7]预先发现了一种基于人类的新型水印方法。它具有奇异值分解(SVD)的视觉系统图像特性。DCT矩阵的B,即B= UTDV,其中U和V是正交矩阵,D是对角矩阵。二进制水印图像嵌入主图像中,通过修改U的正交矩阵。

具体而言,通过修改U3 1和U4 1。 据报道,该计划在稳健性方面提供更好的性能噪声、添加直方图均衡比例和高斯低通过滤器。而水印嵌入能力仍然不够,水印图像的稳健性需要加强。

Roy和Pal [11]提出了一种水印方案在中间带中嵌入多个水印位,遵循之字形顺序的客户。这种方法可以产生在噪声添加、JPEG压缩、更好的鲁棒性和锐化。 该方案执行顺序是从左上角到右上角,从上到下的过程。该嵌入式块区域的多样性需要改进,使得水印图像难以恢复。在该方案中,中间修改了22个系数DCT的频带。这个方案提供了一个大的嵌入。每个块大约11位的容量,这其中有导致水印质量的显著失真的图片。

达斯等人[12]提出了一个基于盲水印块间系数相关性的算法。这个方案嵌入了一个不同相邻块的水印图像。这种技术在JPEG下提供了更好的鲁棒性压力且超过了其他技术。但是,坚固性水印图像对抗噪声的加法,使得高斯分布需要改进磨损。

Singh和Singh [13]提出了一种水印技术,其中水印图像分为两部分,即最重要的位和另一个最不重要的位。然后修改嵌入水印DWT-SVD的奇异值。该技术在直方图下提供弱鲁棒性均衡性能。

Islam和Laskar [14]提出了一种水印方案,它基于提升小波变换(LWT)和奇异值分解(SVD)。选定的第三级LWT子带HL3被分成2x2个非重叠块用于嵌入水印位。这个计划有一个限制水印容量。此外,还由于受限制,无法选择嵌入位置容量。他们的方案产生平均PSNR值43分贝。

带有二进制图像的水印徽标能够生成水印图像中的失真度小于灰度水印或彩色水印。 彩色水印已被用于几种水印方案[15]。 一种颜色水印提供了更大的信息容量,并可以影响水印图像的不可感知性。因此,二进制水印中的最小位数标记,对于产生更高的隐形性非常重要。许多水印方案都有介绍二进制水印标识作为版权信息[16]的内容。加干扰的二进制水印提供了额外的安全性图像的水印本质。它确保只有业主或授权机构可以从主机中提取水印图片。开发水印方案具有挑战性,这提供了改善的水印的稳健性和质量标记图像,使得失真更少,安全性更高。

本文通过提出了一种新的嵌入技术,即基于中频的某些DCT系数在心理视觉上的门槛。 嵌入区域是阻止基于最低修改熵值挖掘图像块。最低修改熵值表示最高的冗余图像信息。标记位在嵌入之前被加扰选定的系数。提出的技术已经在不同类型的攻击下进行测试。测试结果一直如此根据标准化交叉验证其他方案相关(NC)和结构相似性(SSIM)的指数。本文的结构如下:修改熵表示视觉特征的部分在第II节中描述。水印嵌入和提取算法是预先在第III节中提到的。 实验结果提供载第四节最后,结论在第五节中给出。

III人类视觉的特征

考虑人类视觉的视觉熵和边缘熵特征提供了主机中最重要的部分图像嵌入水印[7]。因此,视觉熵和边缘熵可用于选择嵌入区域块。熵值表示较少的失真区域适合水印嵌入,因为这些区域没有在主机图像中有明显的失真效应。组合熵和边缘熵可用于选择显著性嵌入水印。N状态的修改熵定义如下:

其中pi表示第i个像素的出现概率;0 le;pile; 1和1- pi代表不确定性或未知像素值。

IV心理视觉阈值

图1 离散余弦变化心理视觉阈值

图2 基于心理视觉的选定DCT系数

参考心理视觉阈值[17] [27]的差距在心理视觉阈值和最小量化之间,可以利用JPEG压缩的值来嵌入水印。 在曲线之间可以注意到这些间隙标有正方形。曲线标有三角形,如图1所示,其绘制了重建误差E.DCT心理视觉阈值的最大量化和最小量化值。超过的频率顺序s,如图所示。DCT系数以Z字形顺序排列在图2中。考虑到心理视觉之间的差距阈值(用正方形标记的曲线)和迷你量化值(用三角形标记的曲线)在4到5之间的频率顺序,一些系数被选中用于水印嵌入。这些差距可以测量如下:

其中QG表示重建误差之间的差距。Qpsy和Qmin,其中Qpsy代表DCT的错误心理视觉阈值和Qmin表示错误最小量化。选择DCT系数较低的频率。选定的系数是有序的进入一个系数向量,如图3所示。我们假设那些位置提供更少的失真和更强大的图像压缩攻击。

图3 用于嵌入水印的所选系数

此实验使用两个阈值:alpha;和beta;,其中alpha;表示第一个系数的阈值也表示第二个系数的阈值。beta;门槛和根据确定值设置为负值或正值算法在1中给出了条件。

算法 1 设置阈值

Input: T; A

Output: _; _

1 for x = 0 to 2

2 if (A(2x) lt; 0) then

3 _ = -T;

4 else

5 _ = T;

6 end (if)

7 if (A(2x 1) lt; 0) then

8 _ = -T;

9 else

10 _ = T;

11 end (if)

12 end (for)

在算法中,T表示获得的阈值从不可察觉性和强大性之间的权衡 也表示JPEG压缩下的水印图像。T是根据SSIM和NC之间的关系进行测量值。根据实验结果,我们找到了最优Lai方案的阈值T [7]和我们提出的技术如图4和5所示。我们找到了一个最佳阈值对于来自混合DCT-SVD的U正交矩阵为0.016;中间DCT系数约为20。

图4. 赖氏计划的SSIM和NC值之间的权衡

图5 建议的SSIM和NC值之间的权衡技术

  1. 嵌入式算法

水印嵌入过程如图6和图6所示的算法2。参考图6,划分主图像到8x8像素的非重叠块,嵌入基于修改的熵值选择块。该所选块的数量被认为是水印像素数。在这项研究中,我们使用二进制水印大小为32 x32像素。因此,选择4096个块来嵌入水印标识在里面。算法2中,水印嵌入在频率中使用图像的每个所选图像块的系数步骤8中给出的技术。注意,对于0; 1和2,A(2x)表示A(0),A(2),A(4)和A(2x 1)表示A(1),A(3),A(5)分别如图3和图3所示水印嵌入的变异阈值。 如果A(y)lt;0,则为y=0,1hellip;hellip; 5,阈值为负; 除此以外,算法1中给出的阈值为正。

存储水印嵌入的位置在水印提取期间确定所选块。选择基于修改的熵的所选块有大量的冗余数据。 攻击者可以识别所选的阻止,虽然他们将很难识别出混乱水印。

  1. 算法提取

水印提取过程如图7和算法3所示。

算法 2 嵌入水印

输入:主图像,水印,阈值,处理前:

步骤1: 尺寸为MxN的封面图像被分成8x8个非重叠块。

步骤2: 修改每个非重叠块的熵由等式(1)计算。

步骤3: 具有最低修改熵值的块被选中,它们的x和y坐标是保存。

步骤4:使用Arnold对二进制水印进行加扰混乱的地图。

步骤5:将所选块转换为频率使用DCT。

步骤6:将DCT系数转换为矢量使用Zig-zag顺序,如图2所示。

第7步:基于心理视觉的某些系数选择如图3所示的阈值。

步骤8:嵌入每位二进制水印

根据规则如下:U = 1;

for x = 0 to 2

if U lt;= length(Watermark) then

if Watermark (U) = 1 then

if (jA(2x)j lt; jA(2x 1)j) then

C = A(2x);

A(2x) = A(2x 1) _;

A(2x 1) = C;

else

A(2x) = A(2x) _;

A(2x 1) = A(2x 1);

end (if)

else

if (jA(2x)j lt; jA(2x 1)j) then

A(2x) = A(2x) _;

A(2x 1) = A(2x 1);

else

C = A(2x);

A(2x) = A(2x 1);

A(2x 1) =C _;

end (if)

end (if)

U = U 1;

end (if)

end (for)

后期处理:

步骤9:将矢量的修改值设置为二维矩阵如图2所示。

步骤10:每个所选块上的逆DCT是执行。

步骤11:将修改的所选块合并到重建水印图像。

输出:包含徽标的水印图像。

图6 所提出的用于水印插入的技术的示意性框图

图7 所提出的用于水印提取的技术的示意性框

算法3水印提取

输入:水印图像; 地点(x和y)所选块; 门槛前处理:

步骤1:在水印期间存储的x和y坐标插入用于提取水印。使用DCT转换每个选定的块。

步骤2:将每个基于DCT块的转换为a矢量使用之字形顺序。

水印提取:

第3步:某些系数如图3所示选择每个水印位都被恢复根据以下规则如下:

如果Ak lt;Ak<1为k D 0,2,4那么水印位D1,其他水印位D0。

剩余内容已隐藏,支付完成后下载完整资料


资料编号:[20168],资料为PDF文档或Word文档,PDF文档可免费转换为Word

您需要先支付 30元 才能查看全部内容!立即支付

课题毕业论文、外文翻译、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。