基于鲁棒性的数字水印的嵌入与提取

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！

---