基于鲁棒性的数字水印的嵌入与提取

2023-10-23 17:48

本文主要是介绍基于鲁棒性的数字水印的嵌入与提取,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

数字水印技术(Digital Watermarking)是通过一定的算法将一些标志性信息直接嵌入到多媒体内容当中,但不影响原来内容的价值和使用,并且不能被人的感知系统察觉或者注意到,只有通过专门的检测器或者阅读器才能提取。如图1所示:左上角是要嵌入的水印,右上角是宿主图像,左下角是嵌入水印之后的图像。


图1   (1)水印  (2)原始宿主图像 (3)嵌入水印之后的宿主图像

数字水印常见的分类:

(1)    根据数字水印是否可见分为:可见水印、不可见水印。

(2)    根据数字水印的作用可以分为:鲁棒性水印、脆弱性水印、半脆弱性水印。

(3)    根据水印实现的方法分为:时(空)域水印、频域数字水印。

数字水印系统的组成:嵌入和提取。

数字水印嵌入的一般过程如图2所示:


图2 数字水印嵌入的一般过程

数字水印提取的一般过程如图3所示:


图3 数字水印提取的一般方法

基于DCT的的鲁棒性水印嵌入过程如图4所示:


图4 基于DCT的的鲁棒性水印嵌入

 

 

 


水印的提取步骤




function [snr , watermarked_image_int] = water_mark1(coypright,cover_object,k,blocksize)
if nargin<4coypright=[ 'coypright.bmp'];  %水印cover_object = ['len_std__.jpg'];%原图片k = 20;%设置水印强度blocksize = 8;  %设置图像的分块大小为blocksize*blocksize;
end
midband = [0 0 0 1 1 1 1 0 ;0 0 1 1 1 1 0 0 ;0 1 1 1 1 0 0 0 ;1 1 1 1 0 0 0 0 ;1 1 1 0 0 0 0 0 ;1 1 0 0 0 0 0 0 ;1 0 0 0 0 0 0 0 ;0 0 0 0 0 0 0 0 ;];
message = imread(coypright);%为什么要将读入的图像转换为双精度呢
subplot(2,2,1);imshow(message);%显示水印
[Mm,Nm] = size(message);%计算水印的大小   Mm=24;Nm=64;
n = Mm*Nm;
message = reshape(message,1,n);
cover_object =  imread(cover_object)  ;%读入宿主图片并且将其转换成双精度
Mc = size(cover_object,1);  Nc = size(cover_object,2);
c = Mc/blocksize;   d = Nc/blocksize;   m=c*d;%计算图像划分的图像块
%计算宿主图像每一块的方差
xx =1;
for i=1:cfor j=1:dpjhd(xx) = sum( sum( cover_object(1+(i-1)*8:i*8 ,1+(j-1)*8:j*8 )))/64;fc(xx) = sum( sum( (cover_object(1+(i-1)*8:i*8 ,1+(j-1)*8:j*8 )- pjhd(xx)).^2))/64 ;xx = xx+1;end      
end
%取出方差最大的前n块   
[A,B] = sort(fc);    %B = A( (c*d-n+1) : (c*d) );%因为A中是从小到大排序了
p = B( (c*d-n+1) : (c*d) );%因为A中是从小到大排序了
%将水印信息嵌入到方差最大的前n块fc_o = ones(1,c*d);   %1是白色的fc_o(p) = message;
message_vetot = fc_o;
watermarked_image = cover_object;
rand('state',7);%设置随机数生成器状态,作为系统密钥
%根据当前的随机数生成器生成 0 1 的伪随机数
pn_sequence_zero = round(rand(1,sum(sum(midband))));
%嵌入水印
x = 1;y=1;
for kk=1:m%分块DCT变换a = cover_object(y:y+blocksize-1,x:x+blocksize-1);dct_block = dct2(a);ll=1;if message_vetot(kk) == 0   %这个块里应该嵌入水印for ii=1:blocksizefor jj=1:blocksizeif(midband(jj,ii) == 1)dct_block(jj,ii) = dct_block(jj,ii)+k*pn_sequence_zero(ll);ll = ll+1;endendendend%分块DCT反变换watermarked_image(y:y+blocksize-1,x:x+blocksize-1) = round(idct2(dct_block));b = idct2(dct_block);%换行if x+blocksize>=Ncx = 1;y = y+blocksize;elsex = x+blocksize;end
end
watermarked_image_int = uint8(watermarked_image);%生成并输出嵌入水印后的图像
imwrite(watermarked_image_int,'dct2_watermarked.bmp','bmp');
subplot(2,2,2);imshow(cover_object);%显示原来图像 
subplot(2,2,3);imshow(watermarked_image_int,[]);%显示嵌入后的图像
%显示峰值信噪比
xsz = 255*255*Mc*Nc/sum ( sum( (cover_object-watermarked_image).^2 ));
psnr = 10*log10(xsz);
snr = psnr(:,:,1); 
fprintf('信噪比是 %f',snr);
end

function [sim ,message]=water_mark2(cover_object,watermarked_image,orig_watermark,blocksize)
if nargin<4cover_object = ['len_std__.jpg'];watermarked_image =['dct2_watermarked.bmp'];orig_watermark = ['coypright.bmp'];blocksize = 8;
endmidband = [0 0 0 1 1 1 1 0 ;0 0 1 1 1 1 0 0 ;0 1 1 1 1 0 0 0 ;1 1 1 1 0 0 0 0 ;1 1 1 0 0 0 0 0 ;1 1 0 0 0 0 0 0 ;1 0 0 0 0 0 0 0 ;0 0 0 0 0 0 0 0 ;];
cover_object = imread(cover_object)  ;%读入原宿主图像
watermarked_image = imread(watermarked_image);%读入待检测的图像
Mw = size(watermarked_image,1);Nw = size(watermarked_image,2);
c = Mw/blocksize;  d = Nw/blocksize;  m = c*d;
orig_watermark = double(imread(orig_watermark));%读入水印图像
Mo = size(orig_watermark,1);    No = size(orig_watermark,2);   n=Mo*No;
rand('state',7);%设置随机数生成器状态,作为系统密钥
%根据当前的随机数生成器生成 0 1 的伪随机数
pn_sequence_zeros = round(rand(1,sum(sum(midband))));
%提取水印x = 1;  y = 1;
for kk=1:mdct_block1 = dct2(watermarked_image(y:y+blocksize-1, x:x+blocksize-1));dct_block2 = dct2(cover_object(y:y+blocksize-1, x:x+blocksize-1));ll = 1;for ii=1:blocksizefor jj=1:blocksizeif (midband(jj,ii) == 1)sequence(ll) = dct_block1(jj,ii) - dct_block2(jj,ii);ll = ll+1;endendend%计算两个序列的相关性if sequence == 0  %没有嵌入信息,相关性就比较大correlation(kk) = 1;elsecorrelation(kk) = corr2(pn_sequence_zeros,sequence);end%换行if x+blocksize>=Nwx=1;  y=y+blocksize;elsex = x+blocksize;end
end%相关性大于0.5没有嵌入内容 ,小于0.5则表示曾经被嵌入
for kk=1:mif correlation(kk) == 1   %相关性比较大message_vector(kk) = 1;%没有嵌入信息elsemessage_vector(kk)=0;  %被嵌入了  1很多难道都被嵌入了吗????end
end
%计算原始图像的方差
xx =1;
for i=1:cfor j=1:dpjhd(xx) = sum( sum( cover_object(1+(i-1)*8:i*8 ,1+(j-1)*8:j*8 )))/64;fc(xx) = sum( sum( (cover_object(1+(i-1)*8:i*8 ,1+(j-1)*8:j*8 )- pjhd(xx)).^2))/64 ;xx = xx+1;end
end
%取出方差最大的前n块
A = sort(fc);  B=A((c*d-n+1):c*d);
%根据原始图像方差最大的前n块将水印提取出来
fc_o = ones(1,n); %1是白色的
H2=[];
for g=1:nfor h=1:c*dif( B(g) == fc(h))fc_o(g)= message_vector(h);break;endend
end
message_vector = fc_o;
%重组嵌入的图像
message = reshape(message_vector(1:Mo*No),Mo,No);
%计算提取的水印和原始水印的相似度
sim = corr2(orig_watermark,message);%把水印信息保存为‘message.bmp’
imwrite(message,'message.bmp','bmp');
figure;
subplot(2,1,1);
imshow(orig_watermark);
subplot(2,1,2);
imshow(message)
fprintf('提取的水印与原水印的相似度 %f',sim);
% end


这篇关于基于鲁棒性的数字水印的嵌入与提取的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/269451

相关文章

Python实现常用文本内容提取

《Python实现常用文本内容提取》在日常工作和学习中,我们经常需要从PDF、Word文档中提取文本,本文将介绍如何使用Python编写一个文本内容提取工具,有需要的小伙伴可以参考下... 目录一、引言二、文本内容提取的原理三、文本内容提取的设计四、文本内容提取的实现五、完整代码示例一、引言在日常工作和学

C++字符串提取和分割的多种方法

《C++字符串提取和分割的多种方法》在C++编程中,字符串处理是一个常见的任务,尤其是在需要从字符串中提取特定数据时,本文将详细探讨如何使用C++标准库中的工具来提取和分割字符串,并分析不同方法的适用... 目录1. 字符串提取的基本方法1.1 使用 std::istringstream 和 >> 操作符示

基于Python开发批量提取Excel图片的小工具

《基于Python开发批量提取Excel图片的小工具》这篇文章主要为大家详细介绍了如何使用Python中的openpyxl库开发一个小工具,可以实现批量提取Excel图片,有需要的小伙伴可以参考一下... 目前有一个需求,就是批量读取当前目录下所有文件夹里的Excel文件,去获取出Excel文件中的图片,并

详解如何使用Python提取视频文件中的音频

《详解如何使用Python提取视频文件中的音频》在多媒体处理中,有时我们需要从视频文件中提取音频,本文为大家整理了几种使用Python编程语言提取视频文件中的音频的方法,大家可以根据需要进行选择... 目录引言代码部分方法扩展引言在多媒体处理中,有时我们需要从视频文件中提取音频,以便进一步处理或分析。本文

基于Python实现一个PDF特殊字体提取工具

《基于Python实现一个PDF特殊字体提取工具》在PDF文档处理场景中,我们常常需要针对特定格式的文本内容进行提取分析,本文介绍的PDF特殊字体提取器是一款基于Python开发的桌面应用程序感兴趣的... 目录一、应用背景与功能概述二、技术架构与核心组件2.1 技术选型2.2 系统架构三、核心功能实现解析

Linux使用cut进行文本提取的操作方法

《Linux使用cut进行文本提取的操作方法》Linux中的cut命令是一个命令行实用程序,用于从文件或标准输入中提取文本行的部分,本文给大家介绍了Linux使用cut进行文本提取的操作方法,文中有详... 目录简介基础语法常用选项范围选择示例用法-f:字段选择-d:分隔符-c:字符选择-b:字节选择--c

使用Python在Excel中插入、修改、提取和删除超链接

《使用Python在Excel中插入、修改、提取和删除超链接》超链接是Excel中的常用功能,通过点击超链接可以快速跳转到外部网站、本地文件或工作表中的特定单元格,有效提升数据访问的效率和用户体验,这... 目录引言使用工具python在Excel中插入超链接Python修改Excel中的超链接Python

C#从XmlDocument提取完整字符串的方法

《C#从XmlDocument提取完整字符串的方法》文章介绍了两种生成格式化XML字符串的方法,方法一使用`XmlDocument`的`OuterXml`属性,但输出的XML字符串不带格式,可读性差,... 方法1:通过XMLDocument的OuterXml属性,见XmlDocument类该方法获得的xm

C#提取PDF表单数据的实现流程

《C#提取PDF表单数据的实现流程》PDF表单是一种常见的数据收集工具,广泛应用于调查问卷、业务合同等场景,凭借出色的跨平台兼容性和标准化特点,PDF表单在各行各业中得到了广泛应用,本文将探讨如何使用... 目录引言使用工具C# 提取多个PDF表单域的数据C# 提取特定PDF表单域的数据引言PDF表单是一

C#实现添加/替换/提取或删除Excel中的图片

《C#实现添加/替换/提取或删除Excel中的图片》在Excel中插入与数据相关的图片,能将关键数据或信息以更直观的方式呈现出来,使文档更加美观,下面我们来看看如何在C#中实现添加/替换/提取或删除E... 在Excandroidel中插入与数据相关的图片,能将关键数据或信息以更直观的方式呈现出来,使文档更