基于DWT的數(shù)字水印處理(答辯)課件

基于離散小波變換的數(shù)字水印處理課題項(xiàng)目：基于DWT數(shù)字水印處理課題設(shè)計(jì)人:指導(dǎo)老師：設(shè)計(jì)日期：2014年4月12日山東科技大學(xué)基于離散小波變換的數(shù)字水印處理課題項(xiàng)目：基于DWT數(shù)字水印處1內(nèi)容提要1.概述；2.數(shù)字水印基本原理；3.算法實(shí)現(xiàn)；4.實(shí)驗(yàn)代碼；5.實(shí)驗(yàn)結(jié)果；內(nèi)容提要1.概述；21.概述數(shù)字水印技術(shù)是目前信息安全技術(shù)領(lǐng)域的一個(gè)新方向，是一個(gè)在開放的網(wǎng)絡(luò)環(huán)境下，保護(hù)版權(quán)和認(rèn)證來源及完整性的新型技術(shù)。本課題采用小波變換DTW，基于小波域的二值圖像水印算法。該算用識(shí)別度較高的二值圖像作為原始水印信息嵌入宿主圖像，已達(dá)到對宿主圖像版權(quán)保護(hù)和內(nèi)容鑒別的目的。1.概述數(shù)字水印技術(shù)是目前信息安全技術(shù)領(lǐng)域的一個(gè)新方向，是一32.數(shù)字水印基本原理水印的基本原理是嵌入某些標(biāo)志數(shù)據(jù)到宿主數(shù)字中作為水印，使得水印在宿主數(shù)據(jù)中不可感知和足夠安全。

水印信號(hào)原始信號(hào)嵌入過程含水印信號(hào)2.數(shù)字水印基本原理水印的基本原理是嵌入某些標(biāo)志數(shù)據(jù)到宿主數(shù)43.算法思路優(yōu)點(diǎn)：實(shí)現(xiàn)譜分析圖像直觀平穩(wěn)，數(shù)學(xué)計(jì)算容易理解,缺點(diǎn)：積分區(qū)間過長，涉及虛數(shù)，無法對信號(hào)進(jìn)行局部處優(yōu)點(diǎn)：能夠同時(shí)在時(shí)域和頻域反映復(fù)雜突變信號(hào)的局部特性，能夠時(shí)-空定位研究信號(hào)缺點(diǎn)：？？？傅里葉變換加窗傅里葉變換小波變換優(yōu)點(diǎn)：可處理非平穩(wěn)信號(hào)，窗內(nèi)看作平穩(wěn)信號(hào)處理缺點(diǎn)：對聲音、圖像等突變信號(hào)高低頻都采用固定寬度的窗函數(shù)處理，精度不夠，效果不好3.算法思路優(yōu)點(diǎn)：實(shí)現(xiàn)譜分析優(yōu)點(diǎn)：能夠同時(shí)在傅里葉變換加窗傅5離散小波變換可以用來分析或者叫做分解信號(hào)，這個(gè)過程叫做分解或者叫做分析。把分解的系數(shù)還原成原始信號(hào)的過程叫做小波重構(gòu)或者叫做合成，數(shù)學(xué)上叫做逆離散小波變換。

一維DWTDWT的實(shí)質(zhì)就是把信號(hào)進(jìn)行濾波分別得到A（低頻成分），B（高頻成分），而我們已經(jīng)知道信號(hào)低頻成分是信號(hào)的主體，而高頻成分就像“添加劑”，它是信號(hào)細(xì)的識(shí)別度（就是特征細(xì)節(jié)），聲音信號(hào)高頻對應(yīng)音色音域等，圖像高頻對應(yīng)圖像文理邊緣等細(xì)節(jié)信息，語音信號(hào)去掉高頻成分仍能聽清，圖像信號(hào)去掉高頻仍能識(shí)別。反之低頻圖像，聲音我們都無法識(shí)別。所以低頻對應(yīng)信號(hào)主體。離散小波變換可以用來分析或者叫做分解信號(hào)，這個(gè)過程叫做分解或6對于數(shù)字圖像信號(hào)（矩陣），我們可以用二維DWT進(jìn)行分解，實(shí)質(zhì)就是用DWT分別對矩陣行列進(jìn)行兩次一維變換，就可得到圖像的一級分解。1行和列的低頻輸出（低頻成分）近似原圖2行的高頻列的低頻出（中頻成分）水平細(xì)節(jié)3列的高頻行的低頻（中頻成分）垂直細(xì)節(jié)4行和列的高頻輸出（高頻成分）對角細(xì)節(jié)高中低頻只是在局限于本圖的局限劃分，很多文獻(xiàn)都統(tǒng)稱稱2,3,4為高頻細(xì)節(jié)子圖對于數(shù)字圖像信號(hào)（矩陣），我們可以用二維DWT進(jìn)行分解，實(shí)質(zhì)7所以用這個(gè)方法可以對圖像就行二級分解，將一級分解中的低頻近似成分再進(jìn)行DWT2分解，便又得到四個(gè)子圖，這就是二級分解。以此類推，進(jìn)行多級分解就是將上一級左上角的低頻近似成分再次進(jìn)行DWT2分解，這是一個(gè)遞歸的過程。Lena三級分解IDWT2即可實(shí)現(xiàn)逆變換，得到原圖，嵌入水印后也是通過該函數(shù)還原得到原圖所以用這個(gè)方法可以對圖像就行二級分解，將一級分解中的低頻近似8水印圖像原圖一維序列水印嵌入水印嵌入可以在一級分解之后子圖中，也可以在多級分解之后的更小分辨率子圖中，級數(shù)越多，分辨率越小，頻率越低，精度越高，魯棒性也越強(qiáng)。為了方便下面就在一級分解后嵌入。二值圖像一級分級等待嵌入圖像主體成分嵌入會(huì)使圖像失真水平方向

中頻成份可以嵌入豎直方向中頻成份可以嵌入圖像高頻對角細(xì)節(jié)成份，嵌入會(huì)改變細(xì)節(jié)邊緣選擇該成份進(jìn)行嵌入嵌入IDW2含水印圖像水印圖像原圖一維序列水印嵌入水印嵌入可以在一級分解之后子圖中94.實(shí)驗(yàn)代碼clc,clear;I=imread('kedananmen.jpg')mark=imread('sdust.jpeg')figure;subplot(1,3,1);imshow(I);title('原始圖像')subplot(1,3,2);imshow(mark);title('水印圖片')mark=im2bw(mark,0.4)%將水印轉(zhuǎn)換為2值圖像mark=double(mark)I=double(I)[Row,Col]=size(mark);forpi=1:1:Rowforpj=1:1:Colmark1((pi-1)*Col+pj)=mark(pi,pj);%一維矩陣，既序列endendwhos4.實(shí)驗(yàn)代碼clc,clear;10[CA,CH,CV,CD]=dwt2(I,'db1')%原始圖像一級離散小波變換CV1=[CV]a=1[Row,Col]=size(CV);forpi=2:2:Row/2-1forpj=2:2:Col/2-1if(mark1==1)CV1(pi,pj)=CV(pi,pj)+a;elseCV1(pi,pj)=CV(pi,pj)-a;endendendwatermark=idwt2(CA,CH,CV1,CD,'db1',[512,512]);%離散小波逆變換watermark=uint8(watermark)%轉(zhuǎn)換為8位非負(fù)整型

subplot(1,3,3);imshow(watermark);title('嵌入水印后的圖像')%顯示嵌入水印的圖