《基于能量特性分块的DCT域自适应音频水印算法.doc》由会员分享，可在线阅读，更多相关《基于能量特性分块的DCT域自适应音频水印算法.doc（8页珍藏版）》请在三一办公上搜索。
1、基于能量特性分块的DCT域自适应音频水印算法第22卷第4期2006年8月信号处理SIGNALPR0CESSINGV01.22.No.4Aug.2006基于能量特性分块的DCT域自适应音频水印算法木马翼平韩纪庆(哈尔滨工业大学计算机科学与技术学院哈尔滨150001)摘要:提出了一种基于能量特性分块的DCT域自适应音频水印算法.首先对音频数据做DCT变换,然后基于子块占总能量的比例将相应的频域系数分成几个部分,用每一部分的能量特性系数构造水印的嵌入强度因子,从而实现自适应的嵌入水印.实验结果表明:该算法对数字音频信号的噪声攻击,低通滤波,MPEG压缩,D/A和A/D转换等操作具有很强的鲁棒性.关键
2、词:音频水印;能量特性;DCT;自适应AdaptiveAudioWatermarkingBasedonPowerCharacteristicsBlockintheDCTDomainMaYipingHanJiqing(SchoolofComputerScienceandTechnology,HarbinInstituteofTechnology,Harbin150001,China)Abstract:Anewadaptiveaudiowatermarkingschemebasedonpowercharacteristicsblockisproposedtooffercopyprotectiont
3、odigitalaudiosignals.FirsttheaudiodataisconvenedtoDCTdomain,andthenisseparatedtosomeblockswithpowercharacteristics.Asthepowercoefficientofwatermarkisbuiltuponthecoefficientofpowercharacteristicsblockintheprocessofwatermarkembedded,thewatermarkcallbeembeddedintotheaudiosignalsadaptively.Experimentalr
4、esultsshowthattheproposedwatermarkingalgorithmshavehighrobustnesstosomeaudiosignalmanipulations,suchasnoiseinterfere,lowpassfiltering,MPEGlossycompression,D/AandA/Dtransforil1.Keywords:digitalaudiowatermarking;powercharacteristic;discretecosinetransform;adaptive1引言多媒体技术及计算机网络的日益普及,使得数字多媒体信息的广泛传播变得非常
5、容易,如何既充分利用因特网的便利,又能有效地保护知识产权,已受到人们的高度重视.数字水印技术,就是将一些秘密信息(即数字水印)有意识地嵌入需要版权保护的多媒体信息中,从而来标识该多媒体信息的所有权.从实现的角度可分为时域和频域两类技术.与时域技术相比,频域技术具有更好的鲁棒性,对一般的信号处理和变换有更强的抵抗能力,所以目前频域技术研究得较多.本文研究数字音频信号自适应鲁棒水印算法问题.一个有效的音频数字水印系统,必须满足不可听性和鲁棒性两个特性,这是一对互相矛盾的因素.一般情况下,嵌入的水印信号能量越高,水印的不可听性就越差,但鲁棒性将比较好;反之,嵌入的水印信号能量越低,水印的鲁棒性就越差
6、,但不可听性将比较好.水印算法必须折中考虑不可听性和鲁棒性,这实质上是一个如何确定水印的嵌入能量问题J,如何选择恰当的水印信号能量强度是数字水印算法的关键之一.DCT域的水印算法由于其计算量较小,且与国际数据压缩标准兼容,目前对该领域的研究比较多.文献4提出了一种基于DCT域的音频水印算法,算法将水印嵌入到音频载体DCT系数从第1个系数开始的频域序列中,在较低采样频率的音频信号中取得了较好的效果,但由于是连续的嵌入水印,算法的鲁棒性得不到足够的保证.文献5提出了将视觉可辨的二值图像作为水印的音频水印算法,算法首先对音频信号分段做DCT变换,然后将水印嵌入到每一段的中频系数(第2个DCT系数)上
7、,使其用于数字音频信号的版权保护和对其原始性校验时具有视觉的直观性,其局限性在于分段没有一定的规则,并且将中频系数定义为每一段的第2个系数,没有足够的说服力.这些现有的水印算法都是依赖实验来确定需嵌入的水印的能量.考虑到很多音频水印算法实际上来源于图像水印算法,收稿日期:2004年l1月22日;修回日期:2005年1月14日本课题受国家自然科学基金项目(60173044),教育部跨世纪优秀人才培养计划基金资助.520信号处理第22卷多采用分块嵌入方法,而已有的基于分块的自适应水印算法存在共同的缺陷:(1)分块规则难于把握,分块算法不易实现;(2)各类块的强度因子需通过反复实验来确定,调试过程冗
8、长费时又得不出一个好的量化指标;(3)最重要的一点是分块基本上都是几何的分块,属于同一类别的子块,使用相同的强度因子.这就意味着存在几何对应关系的系数具有同一性,可能同时嵌入水印,也可能同时不变,给水印的攻击者提供了重要线索;并且它们所嵌入的水印能量是相同的,这样极容易出现有些子块嵌入的水印能量过多,而有些子块嵌入的水印能量过少的现象,即水印能量不能恰如其分地嵌入各个子块中.如果在分块时考虑能量因素,根据各个子块的能量系数来决定嵌入水印的强度就能克服这些不足.为此,本文提出了一个基于能量特性分块的DCT域自适应音频水印算法.首先将原始音频信号做DCT变换,然后利用能量特性将DCT域数据分成56
9、个子块,这些子块之间将没有特定的几何关系,然后用每一块的能量系数构造水印嵌入的强度因子,这样,不同的子块就有不同的强度因子,最后水印信号以不同的能量嵌入到各个子块的频域系数中,从而实现自适应的嵌入水印.实验表明该算法具有良好的不可听性和鲁棒性.2DCT的能量特性DCT是正交变换的一种,主要有以下性质:(1)熵保持性;(2)去相关性;(3)能量保持性.性质1使得变换前后的信息不变.性质2可使高度相关的时域采样值变为相关性较弱的频域系数.结合性质1和性质2,DCT不但在数据通讯中具有广泛的应用,而且在各种水印算法中得到广泛的研究,在音频文件的DCT域上嵌入水印能够增强水印的鲁棒性j.性质3使得变换
10、前后的总能量不变,同时对总能量进行重新分配与集中,这使得DCT具有很好的能量聚集性,仅用很少的变换系数即可代表原始序列能量的99%以上.Cox等人1997年针对图像水印,提出了在变换域中“嵌入在图像的视觉敏感部分的数字水印才能有较强的鲁棒性”的着名论断.基于音频载体,考虑到DCT的能量保持性,本文提出下面的自适应水印算法,把水印嵌入到音频载体中能量最大的序列块中,并且根据占总能量比例的不同分块嵌入不同能量的水印,使得频域系数较大的分量可以嵌入更多的水印分量,对于系数较小的中频分量可少加水印,从而大幅度地提高音频水印的鲁棒性.3水印嵌入算法假设A是原始的数字音频信号,其数据个数为己,它可表示为:
11、A=a(1),0l<L,(1)其中a(z)0,1,2,(2一1)是第z个数据的幅值,P为表示每个数据所用的位数.3.1音频信号的DCT变换处理对原始音频信号A作整体DCT,即D=DCT(A)=D(k)=DCT(A),0k<L,(2)其中D(k)是音频信号A的DCT域形式D的第k个系数.3.2水印信号的预处理本文所提出的自适应鲁棒水印算法,能够将任何一维水印信号自适应地嵌入到音频载体中,但为了增加提取水印和原始水印做比较的直观性,本文采用文献5中的视觉可辨别水印,即大小为MM2的二值图像,它可表示为:W=W(),0<M】,0s<M2(3)其中W(,)0,1,表示像素()的
12、幅值.要将二维图像水印嵌入到一维的数字音频信号中,必须对其进行降维处理,将二维的图像转化为一维的序列,即V=v(k)=(i,),0<M】,0<M2(4)其中k=M+i.通过降维操作,图像中的像素(,)用序列1/中的第k个元素V(k)表示.为提高嵌入水印的鲁棒性,对降维后的二值水印信号进行极化处理,即r1vrk)=1r()=一1vj=0(5)另一方面,为消除序列中相邻元素的相关性,进一步提高嵌入水印的鲁棒性,采用线性反馈移位寄存器生成的伪随机序列对中的所有元素作伪随机排序.=Permute(V):(k)=(k),0,k<(M2)(6)通过伪随机排序操作,序列中的第个元素移动到第
13、k个元素的位置上.3.3基于能量特性的音频信号的分块处理stepl:对D(k)序列进行排序,得到新的序列D,(k),即=Dc(k)=D(),且Dc(k)Dc(k+1),O<k,k<己(7)同时保留排序时的索引序列Index(D);step2:从D(k)中找出占总能量比例为r(一般取为99%)的最小序列D(k),用表示其数据量大小,即有D.(k)llllD(k)lI(8)其中为任意小的正数;step3:同step2,从D.(k)中找出最小序列D(k),用己表示其数据龟大小,使得L=M1M2(9)且序列D(k)占总能量的比例为(>r99%).step4:同上,依次找出占总能量r:
14、,一的序列D2(k2),D一1(k一1),使得r>r一1>>r2>r199%,分别用己:.,己表示相应序列的数据量个数,则显然有第4期基于能量特性分块的DCT域自适应音频水印算法521L>L一l>>L2>Ll.通过上述方法得到n个数据个数依次增大的序列,达到按能量特性分层的目的.其中r到r一,理论上可以取r】到之间的均分点,但实际实现中发现,从到数据量增加过快,所以对r2到rn一用对数曲线调整,即r=0.01log2(100r一100rl+1)+rl(10)其中2in一1.3.4在数字音频信号中嵌入水印stepl:对于大小依次增大的序列D.(k.
15、)到D(k),依次求D()集合对D,(kj)集合的相对补集,其中1<sn,得到n一1个新的序列集合,加上D.(k)共n个序列集合Dj(kj),即():Di(kj)一(11)【()=()一一(kj一.)1<nstep2:对个序列集合JD(,)嵌入水印.将伪随机排序后的水印按照(kj)的大小分成n个部分(),采用乘性水印嵌入到序列D()中,每个序列的嵌入强度因子aj由其能量比系数决定,即D(kj):Dr()(1()(12),=aexp(100r一99)(13)其中1rt,a为常数系数,实际中可取a=0.1.step3:利用前面得到的Indes(D),用D,(ki)置换D(k)中的相应部
16、分,得到新的整体序列D(k),对其作离散余弦反变换得到嵌入水印后的音频序列,即A=IDCT(D)=A(k)=IDCT(D),0k<L(14)由于水印嵌入到频域序列能量最大的集合中,考虑到这些集合占据了原始序列99%以上的能量,显然可以增强水印算法的鲁棒性.4水印提取算法由于音频载体被嵌入水印部分没有几何上的联系,提取水印时需要大量的位置信息,所以本文提出的水印嵌入算法在提取水印时需要原始的音频信号A,属于音频信号依赖型的水印嵌入算法.stepl:对原始音频信号A和待检测的音频信号A作离散余弦变换,得D和D.step2:按式(7),(8),(9)和(11),对D和D作分层处理,得到序列组D
17、,(,)和D,(,).step3:在离散余弦变换域内提取水印序列信息,由式(12)有:()(D()一)()提取的水印信息应该是二值的,因此要将(,)归一化为22值形式,同时考虑式(5),有()=f.一>.(16)step4:将序列集合(ki)合并成一个序列,对其作伪随机序列逆排序,得到提取水印的一维序列,即=InversePermute()=(k)-1)(),0,k<()(17)step5:对升维处理,最终得到提取的水印,即:Ws(i,)=(k),0<M1,0<,kxM1+i(18)为了消除主观因素的影响,采用归一化相关系数对原始水印和提取水印的相似性作客观评价,其中归
18、一化相关系数用下式定义,即M1一lM21(i)(i)p(W,)兰i0,0()xi0,0()V,.V,(19)5实验结果在实验中,采用如图1所示的单声道,l6位量化,22050Hz采样率的数字音频信号(即Windows系统自带的notify.wav文件左声道的一部分)作为原始的数字音频信号;采用6464的二值图像作为水印,如图2所示.按前面所述算法,将DCT域原始音频信号用于水印嵌入的部分按能量特性分成6块,依次嵌入水印,嵌入的强度因子由式(13)决定,图3是含水印的数字音频信号(在图1音频信号中嵌入图2所示的水印),嵌入水印后的信噪比SNR=72.21dB,和原始音频信号听起来几乎没有差别.馨
19、j皿骠j采样点数图1原始数字音频信号图2原始水印信号采样点数图3含水印的数字音频信号圈豳豳圈圆(b)(c)(d)(e)图4提取出的水印信号2101221012522信号处理第22卷为检验算法的鲁棒性,对含水印的数字音频信号分别做下面的处理:(I)加入高斯白噪声(均值为0,均方差为0.O1);(2)低通滤波;(3)MPEG压缩;(4)D/A和A/D转换.图4(a)是从经过噪声攻击处理的含水印数字音频信号中提取的水印;图4(b)是从经过低通滤波处理的含水印数字音频信号中提取的水印;图4(C)是从经过MPEG压缩处理的含水印数字音频信号中提取的水印;图4(d)是从经过D/A和A/D转换处理的含水印数
20、字音频信号中提取出的水印;图4(e)是从未经过任何处理的含水印数字音频信号中提取的水印,按照式(19)计算图4(a),图4(b),图4(C),图4(d)和图4(e)与图2的原始水印之间的归一化相关系数如表I所示表1不同攻击下水印提取的归一化相关系数比较攻击方法相似系数图中位置噪声攻击0.92图4(a)低通滤波0.84图4(b)MPEG压缩0.86图4(C)D/A和A/D0.86图4(d)未攻击1.0图4(e)从实验结果可以看出,本文提出的自适应音频水印算法在嵌入水印的信噪比比文献5(文中SNR=45.72)高的情况下在噪声攻击,低通滤波攻击下鲁棒性均优于文献4和5中结论,并且本文算法对数字音频
21、信号的MPEG压缩,D/A和A/D转换等操作也具有很强的鲁棒性.6结论本文提出了一种新的DCT域音频水印算法,它基于信号的能量特性分块,并动态地决定水印嵌入强度因子,达到自适应嵌入水印的目的,实验结果表明该算法对数字音频信号的低通滤波,MPEG压缩,D/A和A/D转换等操作具有很强的鲁棒性.本文提出的水印嵌入算法在提取水印时需要原始的数字音频信号,这使得该算法的应用范围受到一定的限制,因此今后的工作重点就是对相应的盲水印算法的研究.参考文献1GeorgeVoyatzis,IoannisPitas.Theuseofwatermarksintheprotectionofditalmultimedi
22、aproducts.ProceedingsoftheIEEE,1999,87(7):11971207.2PodilcbukCI,DelpEJ.Digitalwatermarking:algorithmsandapplications.IEEESignalProcessingMagazine.2001(7):3346.3刘瑞祯,谭铁牛.水印能量估计的一般性框架,计算机学报,2001,Vo1.24,No.3:242246.4陈琦,王炳锡.一种基于DCT变换的语音数字水印算法研究,信号处理,2001,Vo1.17,No.3:238241.5王秋生,孙圣和.一种在数字音频信号中嵌入水印的新算法,声学学报,2001,Vo1.26,No.5:464467.6黄继武,YunQShi,姚若河.基于块分类的自适应图象水印算法,中国图像图形学报,1999,4(A)(8):640643.7CoxIJ,KilianJ,LeightonT.Securespreadspectrumwatermarkingformultimedia.IEEETransactiononImageprocessing,1997,6(12):16731687.作者简介马翼平,男,1978年生,博士研究生,研究方向:音频水印,音频信息伪装.
