《《信息隐藏技术》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《信息隐藏技术》PPT课件.ppt（95页珍藏版）》请在三一办公上搜索。
1、隐秘传输,认证,主动认证,被动认证,隐写技术,数字水印技术哈希技术,盲取证技术,信息隐藏技术,数字伪装技术（反取证）,多媒体安全,2,2.1 信息隐藏概述,保障信息安全的两大手段信息加密现代密码学能保证加密信息计算安全保护通信信息内容不保护通信行为信息隐藏信息是隐蔽的信息传递(或存在)的行为是隐蔽的隐藏的信息容量受限,2.1 信息隐藏概述,3,4,2.1 信息隐藏概述,5,2.1 信息隐藏概述,隐写其原理是利用载体中存在的冗余信息来隐藏秘密对象,以实现保密通信或实现数字签名和认证兼具保密性和不可察觉性两个要素:载体 C秘密对象 S,C,S,典型的BMP图像文件由四部分组成：从左到右 从下而上扫
2、描1 位图文件头数据结构（14字节），它包含BMP图像文件的类 型、文件大小、偏移字节等信息；2 位图信息头数据结构（40字节），它包含有BMP图像的长、宽、高，以及颜色位数值等信息；3 彩色表，这个部分是可选的，有些位图需要彩色表，有些 位图，比如真彩色图（24位的BMP）就不需要调色板；4 位图数据，这部分的内容根据BMP位图使用的位数不同而 不同，在24位图中直接使用RGB，而其他的小于24位的使用 调色板中颜色索引值。,2.2 数字图像处理BMP图像,2.2 数字图象处理位平面,图像的每个像素通道占用8bit,将每个像素通道的特定位抽取出来,形成8个二值平面图像 位平面,7,LSB隐写
3、是一种简单而又有效的信息隐藏技术。其特点是容量大、对载体图像质量影响小、嵌入速度快。可应用于灰度图像、彩色图像、视频和音频等。,2.3 数字图像隐写-LSB图像密写方法,图像位平面越高,对灰度值的贡献越大,2.逐行或逐列替换载体图像的最低比特位,2.如果秘密信息与最低比特位不同，则使用秘密信 息值代替最低比特位,2.3 数字图像隐写-LSB图像密写方法,LSB密写嵌入的基本方法：,1.将欲嵌入的秘密信息转化为比特流,嵌入规则：,1.如果秘密信息与最低比特位相同，则不改动,LSB密写提取的基本方法：直接提取出最低比特位,隐写的图像质量评价方法:MSE(mean square error)平方和的
4、平均值，故又称为均方误差 其中,是位置 上隐写图像和原始图像的像素值的差值,10,2.3 数字图像隐写-LSB图像密写方法,3.2 基于LSB的隐写技术,隐写的图像质量评价方法:PSNR(peak signal-to-noise ratio)峰值信噪比 其中,是位置 上隐写图像和原始图像的像素值的差值更多评价方法:VQM(vedio quality measurement),SSIM(structural similarity index),11,12,2.Bmp图像的基本结构是什么？,1.数字图像隐写技术和数字图像水印技术的相同点和不同点是什么？,3.数字图像的像素是怎样定义位平面的？,4.
5、LSB算法的嵌入规则是什么？具有哪些优点？LSB有如下缺点：1)嵌入消息较大时，所花时间较长。2)只能处理简单的流格式的文件。3)为了满足水印的不可见性，允许嵌入的水印强度较低，对空域的各种操作较为敏感。4)基本的LSB算法抗JPEG压缩能力弱。5)鲁棒性差。LSB算法有如下优点：1)算法简单，易于实现，计算速度也快。2)在基础算法上能够很快的进行改进，并在脆弱性水印中应用广泛。3)由于能在最低有效位（一般是最后两位）进行嵌入，故对于256色（8位）的RGB图像，在3层图像中均可插入1/8到1/4的消息，总的来说，容量还是足够大的。,5.图像质量评价方法有哪些？优缺点是什么？PSNR优点：便于
6、计算和理解,能大致反映图象质量.一般情况下,PSNR的值高的图象质量相对较高,缺点：,PSNR有时反映图象质量与人眼观察的图象质量情况并不完全相符MSE均方误差 公式简单 结果不太直观区分好坏,13,正向DCT变换,量化,熵编码,压缩的图像数据,原始图像,8*8像素块,JPEG图像压缩过程,JPEG 是Joint Photographic Experts Group（联合图像专家小组）的缩写，是第一个国际图像压缩标准。,14,DCT变换,通过DCT，空间表达式可以转换成频谱表达式或频率域，在频域中只用少量的数据就可以表示空间域中大量的数据，从而达到数据压缩的目的。,可以将图像的像素空间转换到频
7、域中，从而用少量的数据表示图像。DCT产生的系数容易被量化，能获得较好的压缩快。DCT算法的性能好，计算速度快。DCT算法是可逆的，所以利用逆DCT变换可以解压图像。,15,反向DCT变换,原始图像,8*8像素块,JPEG图像解压缩过程,反量化,熵编码（解码）,压缩的图像数据,16,Jsteg隐写方法,Jsteg隐写是将秘密信息嵌入在量化后的DCT系数的LSB上，但原始值为-1,0，+1的DCT系数除外。,秘密信息：0 1,0,79,1,-2,78,-3,DCT系数,隐写后的DCT系数,17,F3隐写方法,每个非0的DCT数据用于隐藏1比特秘密信息，为0的DCT 系数不负载秘密信息。如果秘密信
8、息与DCT的LSB相同，便不作改动；如果不同，将DCT系数的绝对值减小1，符号不变。当原始值为+1或-1且预嵌入秘密信息为0时，将这个位置 归0并视为无效，在下一个DCT系数上重新嵌入。,嵌入规则,18,1.JPEG图像的压缩过程,2.JPEG图像压缩中在哪个步骤实现了数据消减 熵编码,3.JPEG图像隐写中在哪个步骤后进行秘密信息的嵌入？为什么？编码信息损失主要发生在量化过程,4.描述Jsteg和F3隐写算法。,5.Jsteg和F3隐写算法的区别是什么？,19,隐写算法：秘密信息嵌入率、载体质量、安全性,水印算法：载体质量、水印嵌入量、鲁棒性,信息隐藏算法评价指标,针对LSB的隐写分析技术,
9、LSB隐写分析原理虽然LSB隐写可以保持良好的视觉隐蔽性,但既然存在改变,总有办法可能察觉到使用有效的统计分析工具,可以判定一幅图像是否含有隐蔽信息LSB隐写分析方法 分析法RS分析法,20,针对LSB的隐写分析技术,分析方法的原理 为什么0 1 50%因为压缩加密等分析出来设图像中灰度值为 的像素数为嵌入的0,1比特的概率各为50%改动规则:2i2i+1 或 2i+12i不会有:2i2i-1 或 2i+12i+2 如果秘密信息完全替代了最低位平面,则 的值会比较接近如果图像未经密写,的值会相差较远,21,针对LSB的隐写分析技术-分析,分析方法的细节隐写会改变直方图,但是不改变,令:该值在隐
10、写前后是不变的,22,卡方分布是概率论与统计学中常用的一种概率分布。卡方分布常用于假设检验的计算。,针对LSB的隐写分析技术-分析,23,针对LSB的隐写分析技术,分析方法的特点原理简单清晰易于实现,检测效果较好只能针对特定的LSB嵌入策略只能针对高嵌入的情况对部分伪随机嵌入无效,24,针对LSB的隐写分析技术,RS隐写分析是基于图像空间相关性的图像隐写分析方法像素相关性,正向翻转F1，负向翻转F-1和0翻转F0。F1为2i与2i+1的相互变化关系，即0-1，2-3，254-255；F-1为2i-1与2i的相互变化关系，即-1-0，1-2，255-256；,LSB隐写分析方法-RS,像素相关性
11、计算方法：对图像块进行之子排序,Xi 像素值 n 像素个数,将待检测图像分为大小相等的小图像块。对每个小图像块分别进行进行非负和非正翻转。计算每块图像像素相关性是否增加。,LSB隐写分析方法-RS,检测步骤,4.将非负翻转后像素相关性增加的图像块的比例记为Rm，像素相关性减小的图像块比例记为Sm。5.将非正翻转后像素相关性增加的图像块的比例记为R-m，像素相关性减小的图像块比例记为S-m。,LSB隐写分析方法-RS,如果待检测图像没有经过LSB隐写，那么无论是经过非正翻转还是非负翻转，会等同的增加图像块的混乱度，都应该满足以下规律：RmR-m，SmS-m，并且Rm Sm,R-m S-m。,假设
12、隐写率为a，那么大约有a/2的像素应用了F1翻转对隐写后的图像进行非负翻转后，假设正向翻转的比率为b非负翻转后像素可分为三类：1.没有被翻转处理的（1-a/2）*（1-b）2.经过一次翻转处理的（1-a/2）b+a/2（1-b）3.经过两次翻转处理的 ab/2,经过一次翻转处理的（1-a/2）b+a/2（1-b）b+a/2-ab假设隐写率为a，那么大约有a/2的像素应用了F1翻转增加的比例为（1-a）bRm与Sm的差距随着a的增加而降低,LSB隐写分析方法-RS,对隐写图像进行非正翻转，也会有一些像素经历两次翻转，但是这些像素经历了F1翻转一次和F-1翻转一次，与原始之间就会偏离的更远，也就是
13、说两次翻转并不会抵消，所以R-m与S-m之间的距离不会随着隐写率的上升而下降。,29,抗 叉方 隐写方法,通过在隐写后的图像中进行额外的操作，将隐写引起的直方图失真失真补偿回来。主要补偿方式是通过调整未嵌入秘密信息的像素值。,30,直方图补偿隐写方法,假设奇数多于偶数，LSB嵌入后为了改回去需要预留奇数。预留的奇数为（1-a）f（2i+1），f（2i）-f（2i+1）是奇数和偶数的差值，除以2是奇数变化到偶数的数量，既变化量。预留数要大于变化量。,31,统计原始图像的灰度直方图，主要确定f2i和f2i+1的数量。计算秘密信息隐藏率将所有的像素值排成一个向量。向量长度l。秘密信息嵌入到 为止。如
14、果f2i变大，将 之后的像素中的值为2i的像素变为2i+1，尽可能保持直方图不发生变化；反之类似。,直方图补偿隐写方法,32,对LSB方法进行修改，在嵌入数据时不但可将2i改为2i+1，或者将2i+1改为2i，也可以将2i改为2i-1，或者将2i-1改为2i。,抗RS分析的隐写方法,33,抗RS分析的隐写方法,设秘密信息为w，对应隐藏该位的像素灰度值为x(i,j)。,如果w与x(i,j)的最后一位相同，那么不改变原始数据。当w与x(i,j)的最后一位不同，对x(i,j)进行调整。,34,抗RS分析的隐写方法,改进的方案与原有的LSB隐写技术相比，修改的幅度并没有增大，所以图像的失真度还是相同的
15、。,对秘密信息的提取非常简单，只要将秘密信息的灰度最低位取出即可。,会有大约一半像素的最低比特位与秘密信息相同而不发生变化，其余的发生变化。发生变化的像素灰度值中，又会有大约一半的像素值有2i变为2i+1或由2i+1变为2i。而另一半的像素值有2i变为2i-1或由2i-1变为2i。使用RS统计分析时，无论使用F1翻转还是F-1翻转都会以同样程度增加图像混乱度。,35,调色板图像是互联网上常见的一种图像格式，其中含有一个不超过256种颜色的调色板，并定义了每种颜色对应的R，G，B各颜色分量值，图像内容中的每个像素是不超过8比特信息的一个索引值，其指向的调色板中的对应颜色即该像素中的真实颜色。最常
16、见的调色板图像格式是GIF，PNG。,调色板图像的隐写方法,36,调色板图像的隐写方法,这种方法是通过改变调色板中颜色索引与真实颜色的对应关系（即真实颜色在调色板中的排列顺序）来嵌入秘密信息的。,隐写时，首先对图像中出现的真实颜色按一定规律排序。对于一个具有N种真实颜色的调色板图像来说具有N！种排列的可能。,将待嵌入的秘密信息看做成一组比特流，若多于比特，则将其截断。,调色板图像的隐写方法-Gifshuffle,37,调色板图像的隐写方法,假设，调色板图像中颜色数量为4。真实颜色排列可能性：4！=24秘密信息最大嵌入量4bit。,秘密信息：0 1 1 0转换为十进制：10,改变索引值,38,F
17、3隐写分析,39,基于视觉特性的隐写技术,动机：为了提高信息隐藏的隐蔽性，增加信息嵌入率，可以利用视觉特性进行更为隐蔽的秘密信息嵌入，即：在视觉不敏感的区域嵌入较多的秘密信息在视觉较敏感的区域嵌入较少的秘密信息本章内容：位平面复杂度分割(bit-plane complexity segmentation,BPCS)隐写技术像素值差异(pixel-value differencing,PVD)隐写技术,39,40,BPCS隐写的主要思想：将载体数据的多个位平面都分成固定大小的小块，由于人的视觉对变化剧烈、复杂度较高的位平面小块不敏感，所以用这些位平面小块来负载秘密信息考虑到人的视觉特性，有较好的
18、隐蔽性信息嵌在多个位平面上，可能有更大的容量可以应用于空间域，也可以用于小波压缩域等变换域,40,基于视觉特性的隐写技术-BPCS,41,BPCS隐写的嵌入步骤：将图像的所有位平面分成相同大小的块(如8x8)计算每个小块的复杂度CmaxCmax等于所有相邻像素对中取值不同的像素对数目8x8的块，Cmax的取值范围为0-112,41,基于视觉特性的隐写技术-BPCS,42,将复杂度大于aCmax的位平面块用于负载秘密信息，其中a是参数，其值必须小于0.5将秘密信息构成同样大小的块：若其复杂度大于aCmax，则直接替换原位平面若其复杂度小于aCmax，则做共轭处理后再替换共轭处理即将秘密信息构成的
19、块与棋盘状小块做异或,42,基于视觉特性的隐写技术-BPCS,43,BPCS隐写的嵌入步骤：记录下经过共轭处理的小块信息(位置、位平面)，将其也作为秘密信息，嵌入载体中可以预先划定一部分区域用来记录该信息可以在嵌入主要信息之后依次嵌入共轭处理块的信息是否存在“死局”？共轭处理的块不断增长？如何避免？信息的预处理(置乱、加密)“智能”的嵌入策略，及时的反馈,43,基于视觉特性的隐写技术-BPCS,44,BPCS隐写的提取步骤：取出载体中所有复杂度大于aCmax的位平面块根据嵌入步骤5中记录的确定经过共轭处理的位平面块，对其再进行共轭处理，即恢复原始信息从所取出的块中提取隐藏信息,44,基于视觉特
20、性的隐写技术-BPCS,45,BPCS隐写分析方法,46,针对BPCS隐写的分析BPCS算法的特点：是否有明显的视觉失真？是否改变直方图的分布特征？是否导致直方图收缩？是否改变像素值奇偶比例的变化？无懈可击？改变了位平面小块复杂度的统计特性！,46,针对基于视觉特性的隐写分析,47,针对BPCS隐写的分析原始图像位平面小块的复杂度直方图相邻像素之间具有较强的相关性位平面越高相邻比特之间的相关性越强故直方图集中在复杂度较低的一侧直方图是对不同位平面的统计故连续性较好,47,针对基于视觉特性的隐写分析,48,针对BPCS隐写的分析原始图像位平面小块的复杂度直方图,48,针对基于视觉特性的隐写分析,
21、49,秘密信息经过加密压缩处理，可认为随机信号每一个像素对中两个像素取值不同的概率为0.5复杂度指的是小块中取值不同的像素对总数由中心极限定理可知，秘密信息小块复杂度服从正态分布,49,针对基于视觉特性的隐写分析,研究者对4096000个秘密信息小块进行了统计：均值为0.5Cmax，标准差为0.047Cmax,50,针对基于视觉特性的隐写分析,51,PVD隐写方法,52,PVD隐写的主要思想：将载体图像分成许多不交叠的小块，每个小块由两个相邻像素组成划分方式：逐行扫描、逐列扫描、zigzag扫描等将隐蔽信息隐藏在每个小块两个像素灰度的差值中为了保护图像质量，像素灰度差值为0的不嵌入秘密信息如果
22、原始差值较大，则可以嵌入较多的秘密信息,52,基于视觉特性的隐写技术,53,PVD隐写的嵌入步骤：记小块中像素灰度差值为，其中 的取值范围为0,255将整个亮度范围分成K个区域Rk(k=0,1,K-1)，每个区域的宽度都是2的整数幂例如：0,7,8,15,16,31,32,63,64,127,128,255记每个区域的下界、上界和宽度为：如果 落在区域Rk中，则这个小块中嵌入 个秘密信息比特,53,基于视觉特性的隐写技术,0,7,8,15,16,31,32,63,64,127,128,255 3 3 4 5 6 7,54,PVD隐写的嵌入步骤：将 个秘密信息比特转化为十进制值，并计算：嵌入过程
23、如下：其中：,54,3.6 基于视觉特性的隐写技术,55,PVD隐写的提取步骤：以同样的方式划分小块在可用的小块中计算若，则从 解出 比特的秘密信息,55,基于视觉特性的隐写技术,0,7,8,15,16,31,32,63,64,127,128,255 3 3 4 5 6 7,56,PVD隐写分析方法,57,像素差值 h(d),出现次数,自然图像具有很好的平滑性，所以像素差值越小出现的概率就越大。,基于视觉特性的隐写分析技术-PVD,58,基于视觉特性的隐写分析技术-PVD,PVD隐写分析方法是以分区间的方式将秘密信息嵌入到了像素的差值中。所以每个区间中出现的像素差值等概率。,出现次数,像素差值
24、 h(d),59,基于视觉特性的隐写分析技术-PVD,像素差值 h(d),出现次数,60,概述,数字水印算法的发展早期，空域算法为主（LSB等）1993年，Tirkel等提出“电子水印”，随后提出“数字水印”概念提高鲁棒性（扩频水印）1996年，Cox，基于扩频通信思想的水印方案实现盲提取1998年，Chen，盲水印方案载体的扩展音频、文本、视频、图形、三维动画,61,概述,数字水印的基本原理和框架,K,62,概述,数字水印应用的发展版权保护所有者鉴别、所有权验证、操作跟踪、拷贝控制等内容认证完整性认证、篡改检测,63,水印生成技术-扩频技术,1.构成水印的序列通常应该具有不可预测的随机性。2
25、.由于人类视觉系统对纹理具有极高的敏感性，故水印不应含有纹理。3.水印应该具有与噪声相同的特性。,64,水印生成技术-扩频技术（基于片率）,按位扩展,延拓扩展,随机扩展,65,水印生成技术-扩频技术（基于伪随机序列）,1 1-1-1 1-1-1-1 1 1-1,1,-1-1 1 1-1 1 1 1-1-1 1,-1,单伪随机序列,双伪随机序列,w 水印扩频信息,原始水印信息m,66,水印嵌入技术-加性,带嵌入因子的加性规则,不带嵌入因子的加性规则,67,水印嵌入技术-乘性,68,水印嵌入技术-乘性,原始图像,水印信息,嵌入强度,=1,扩频序列,含水印图像,原始图像与扩频序列的相关性,69,原始
26、图像像素值,水印信息：1 1-1 1,扩频序列：11-1-1 1-1-1 1 1-1,扩频水印：1-1-1 1 1-1-1 1-1 1 1-1 1-1-1 1,水印嵌入技术-空域,含水印图像像素值,70,水印提取技术,71,水印提取技术,如果,72,数字水印技术,概 述水印嵌入技术水印提取技术鲁棒水印技术脆弱水印技术,73,DCT变换 运算简单 JPEG压缩兼容性好 自适应效果好,DWT变换（小波变换）解决DCT压缩比不高的问题 能量集中更好,DFT变换（傅里叶变换）具有好的几何性质 处理不变性好 运算不够简单 自适应效果不好,信号的变换域,74,人类视觉系统,人类视觉系统（Human Vis
27、ual System,HVS）的响应随着输入信号空间频率、亮度和色彩的变化而变化，它表明载体图像各区域或各频带的感知程度并不是等同的。感知程度上的不同可以测量出来，同时也可构造出一些模型对这些差异进行解释。一般来说，一个感知模型涉及三个基本概念：灵敏度、掩蔽效应和综合（Pooling）。,75,人类视觉系统-灵敏度,灵敏度是指耳朵或眼睛对于直接激励的反应程度。在一些灵敏度测定实验中，为观察者提供单独的激励并测试他们对于这些激励的感知程度。例如，通常需要对最小的声音强度进行测量，只有达到最小声音强度才能听见某一特定频率的声音，且通常要在一个频率范围内重复进行测量。测量的最主要特性为：频率灵敏度和
28、亮度灵敏度。,76,频率灵敏度,人类视觉系统-灵敏度,人类听觉系统和人类视觉系统对于某一输入信号的响应依赖于信号的频率。对于听觉来说，不同频率的信号会被感知成不同的音调。对于视觉来说，存在三种形式的频率响应。1.空间频率 2.谱频率 3.时间频率,77,人类视觉系统-灵敏度,空间频率被感知成图案或纹理。可以通过对比度灵敏度函数表示。二维空间频率的描述可用它们的幅度和方位来表示。人眼的敏感程度并不仅仅依赖于图像的频率，而且也依赖于它们的方位。人眼对于图像中水平和垂直的线和边缘最敏感，而对于成45 度的线和边缘最不敏感。,78,人类视觉系统-灵敏度,谱频率被感知为色彩。人眼对于彩色的感知，其最低一
29、级是由三个单独的颜色通道组成的。蓝色通道明显要比其余两个通道低。一些彩色水印处理系统将大部分的水印信号嵌入到彩色图像的蓝色通道中。,三个颜色通道的相对灵敏度对比,79,人类视觉系统-灵敏度,时间频率被感知成运动或闪烁。图中给出了一个实验的结果，这个实验用来测量人眼对于不同时间频率的反应。实验结果显示当频率超过30Hz 时人眼的灵敏度下降非常快。电视和电影的帧速率都不超过每秒60 帧的原因。,人类视觉系统对时间频率的灵敏度,80,人类视觉系统-灵敏度,相对于强度较小的声音信号，人耳对于强度较大的声音信号中的变化更为敏感。然而对于人眼来说，情况恰恰相反，人眼对于亮度越高的信号越不敏感。亮度灵敏度是
30、非线性的，并且已经通过对数关系、立方根关系以及一些更为复杂的模型对此进行了建模。,81,人类视觉系统-灵敏度,对比度灵敏度函数,这幅图清楚地表明人们对于中频范围内的亮度变化最敏感，而且在较低和较高的频率处人类的灵敏度会下降。,82,人类视觉系统-掩蔽效应,背景环境会影响人类的感知效果。单独的一个纹理特征很容易被发现，但是当这个纹理被加到一幅纹理复杂的图像中时它就有可能很难被发现。这也就是说，一个信号的存在能够隐藏或掩蔽另一个信号的存在。掩蔽效应是一种测度，它用来测量观察者在“掩蔽”信号存在的情况下对某一激励的反应。例如，在一幅图像加入均匀噪声后，虽然噪声是均匀的，但在这幅图像中噪声的可见性却非
31、常不均匀，它明显地依赖于局部图像结构。在相对平滑的区域，噪声明显可见。相比之下，在纹理复杂部分，噪声几乎完全不可见。,83,人类视觉系统-掩蔽效应,掩蔽现象普遍存在。对于视觉来说，两个主要的例子就是频率掩蔽和亮度掩蔽。在频率掩蔽中，某一频率成分的存在能够掩蔽人类对于作品中另一频率成分的感知。在亮度掩蔽中，局部的亮度特征能够掩盖对比度的变化。对于听觉来说，同样存在类似的频率和响度掩蔽条件。除此以外还存在着时域掩蔽。在这种掩蔽中，人们对于某一个声音信号的感知也许会被前一个或者后一个声音信号所掩蔽。,84,人类视觉系统-综合,灵敏度模型和掩蔽模型可用来对特定条件下（例如，单一频率）某一变化的感知情况
32、进行估计。如果是多个频率而不是单一频率发生变化，这时就需要将每个频率下的灵敏度特性和掩蔽特性的信息结合起来。在感知距离模型中，将对各个失真的感知特性结合起来就得到有关作品总体变化的一个估计。这过程称为综合（Pooling）。,85,人类视觉系统-综合,其中，di 是对某种可能性的一个估计。这种可能性是指观察者能否观察到x和xw之间针对某一单个参数所存在的差异。参数可以是时域采样、空间像素或是傅立叶变换系数。对于音频信号来说，一般 p=1；对于图像来说，p=4更为常见。,通常采用下面这种形式的公式进行综合：,86,人类视觉系统-Watson 感知模型,利用灵敏度、掩蔽以及 综合的思想，现在来描述
33、Watson 提出的一个用来测量视觉逼真度的模型。Watson 所提出的模型采用了分块DCT 变换。图像用x 来表示，xijk 来表示第k 块中的第i,j个像素。用Xijk 来表示第k个像素块经过DCT 变换后所得到的DCT 系数。优点：用该模型评价含噪声图像的感知效果远远优于MSE。,87,人类视觉系统-Watson 感知模型,亮度掩蔽特性,亮度自适应性是指如果8 8像素块的平均亮度更亮，那么可以对一个DCT 系数改变较大的量而不被人注意。Watson 针对每一小块，根据其直流分量大小来调整灵敏度表 t。亮度掩蔽阈值tijk 由下面的式子获得：,其中aT 是一个常数，建议取值为0.649，X
34、00k 代表原始图像第k 个像素块的直流系数，为图像中所有直流系数的平均值。,表明图像中亮度越高的区域可承受较大的变化而不被人注意。,88,人类视觉系统-Watson 感知模型,对比度掩蔽特性（即某一频率成分的能量使得另一频率成分的变化的可见性下降）则会产生一个掩蔽门限值sijk其定义如下：,对比度掩蔽特性,其中ij 是0 到1 之间的一个常数。对于所有的i和j，Watson 取ij=0.7。,89,人类视觉系统-Watson 感知模型,综合,为了比较原始图像x和对应的失真图像xw，首先计算相应DCT 系数之间的差值eijk=Xijkw Xijk。然后计算感知距离dijk：,综合感知距离：,9
35、0,数字图像可逆水印,91,保护多媒体版权的鲁棒水印属于有损水印，提取水印以后宿主图象不能被完全恢复。由于受国家机密、法律和道德等因素限制，军事、司法和医学用图象要求在加入水印后能够被无损恢复。基于此类图象应用需求，可逆水印（Reversible Watermarking）正受到研究者的广泛关注。可逆水印是指嵌入宿主媒体中的水印可被完全清除，宿主媒体可完全恢复的一种水印，可逆水印又被称作无损水印（Lossless Watermarking）或可逆信息隐藏（Reversible Information Hiding）。,数字图像可逆水印,92,60,61,176,62,64,177,63,60,
36、61,176,62,64,177,63,63,64,62,63,直方图平移可逆水印技术,62个数为0,判断像素值的峰值点与零点,峰值点,零点,将峰值点与零点的像素平移成相邻位置,93,60,61,176,62,64,177,63,1,61,0,61,61,62,直方图平移可逆水印技术,60,61,176,62,64,177,63,向峰值像素值中嵌入水印信息，嵌入规则如下：,94,60,61,176,62,64,177,63,60,61,176,62,64,177,63,62,61,从像素值为61和62的像素之中提取水印,60,61,176,62,64,177,63,64,63,63,62,平移修改的像素,直方图平移可逆水印技术,95,基于LSB压缩的可逆水印技术,1010100010111101(100),LSB,无损数据压缩,0010101010.(50),出现了50位的冗余，可进行水印的嵌入,
