資源描述：
《一種基于DCT和DWT結(jié)合的音頻水印算法》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、一種基于DCT和DWT結(jié)合的音頻水印算法梁娟，耿國華（曲北人學(xué)可視化技術(shù)研究所，陜西西安7100069）摘要：為了提高音頻水印的穩(wěn)健性和不可感知性，對已有算法進(jìn)行了改進(jìn)。吸取了DCT和DWT的優(yōu)點(diǎn)，利用小波變換多分辨率的特性和離散余弦變換的能量壓縮特性，通過修改系數(shù)的大小將二值圖像作為水印嵌入到原始音頻信號中，根據(jù)實(shí)驗(yàn)數(shù)據(jù)證明了該算法的魯棒性和不可感知性。結(jié)果表明，該算法在提高音頻水印算法穩(wěn)健性方面是行之有效的。關(guān)鍵詞：數(shù)字水?。浑x散小波變換；離散余弦變換中圖分類號：TN911.73；TP391.4文獻(xiàn)標(biāo)識碼：A文章
2、編號：1000-274X（2004）0074-07隨著多媒體技術(shù)的發(fā)展以及網(wǎng)絡(luò)技術(shù)的廣泛使用，信息安全問題LI益突出。同時，隨著人們知識產(chǎn)權(quán)意識的逐漸加強(qiáng)，追蹤盜版、維護(hù)版權(quán)的問題也促使人們尋求更新更肓效的信息安全技術(shù)。傳統(tǒng)的信息安全技術(shù)基本上都以密碼學(xué)理論為基礎(chǔ)⑴，無論是采用傳統(tǒng)的密鑰系統(tǒng)還是公鑰系統(tǒng)，其保護(hù)方式都是控制文件的存取。但是，隨著計算機(jī)處理能力的快速提高，這種通過不斷增加密鑰長度來提高系統(tǒng)密級的方法變得越來越不安全。因此，如何在信息交換的開放式環(huán)境里進(jìn)行版權(quán)保護(hù)是一個亟待解決的問題。數(shù)字水印技術(shù)是近年來
3、針對此問題發(fā)展起來的一種信息安全技術(shù)。數(shù)字水印就將具有版權(quán)擁有者的標(biāo)示或ID號作為水印數(shù)據(jù)嵌入到擁有者的作站中去，這里的作站可以是生產(chǎn)資料，也可以是任何一?種工活消費(fèi)品，一般是能給盜版者帶來利益的產(chǎn)甜（比如聲像制晶）。這類產(chǎn)站由于銷量較大，而且伴隨著網(wǎng)絡(luò)和信息數(shù)字化的發(fā)展，使得非法復(fù)制非常容易。因此，近年來圖像水?、?、視頻水卬的發(fā)展都比較快，他們主要利用了人類的視覺模型（即HVS），將水印嵌入到人們感官所不能感覺的地方，當(dāng)發(fā)生侵權(quán)糾紛時可通過水印的檢測和水印的提取來作為起訴的證據(jù)⑶。目前，音頻水印技術(shù)也逐漸發(fā)展起來了
4、，它是利用了人類聽覺模型（即HAS）,運(yùn)用各種技術(shù)將水印嵌入到人耳所不能感知的位置，以達(dá)到水印數(shù)據(jù)的隱藏。水印技術(shù)根據(jù)水印嵌入位宜的不同，可分為時域水卬算法和變換域水卬算法，早期的水卬算法通過修改原音頻信號最不重要位以達(dá)到嵌入水印的目的。文獻(xiàn)［4］提出了預(yù)先分類和定義各類嵌入模式，自適應(yīng)地選取最優(yōu)嵌入模式在原音頻信號的回聲屮嵌入水印；文獻(xiàn)［5］捉出了基于小波變換的水印技術(shù)；文獻(xiàn)［6］提出了棊于離散余弦變換的水印算法。從以上文獻(xiàn)中可看岀，由于時域水印算法穩(wěn)健性不強(qiáng)，魯棒性差，所以近兒年變換域水印算法發(fā)展很快。常見的變換
5、域水印算法有傅立葉變換、離散余弦變換和離散小波變換，這兒種變換算法各有優(yōu)缺點(diǎn)。本文通過對以上水卬算法的分析廠硏究，提出了基于離散小波變換和離散余弦變換相結(jié)合的辦法進(jìn)行水印的嵌入與提取，充分利用了小波變換多分辨率的特性以及離散余弦變換的能量壓縮性，以直觀的二值圖像作為水印，給出了一種新的音頻水卬算法。實(shí)驗(yàn)證明了該算法的穩(wěn)健性和不可感知性。1離散小波變換小波變換是由法國科學(xué)家Morlct于1980年進(jìn)行地震分析工作時提出的⑺，但小波變換研究的熱潮始于1986年。小波變換優(yōu)于傅立葉變換的主要原因在于它的多分辨率特性，它可以
6、針對不同信號變換而進(jìn)行窗口的伸縮變化。加窗傅立葉變換町以形象地看成是固定尺寸的矩形時頻窗口在時頻域屮滑動，并透過這個窗口來“觀察”信號。這種固定矩形窗口的觀察方法與人們期望的觀察不太一?致。例如，對一個高頻成分豐富的信號，即變化很快的信號，最感興趣的問題是它的發(fā)生時間，而對苴頻率則不要求知道的很準(zhǔn)確;但是對一個變化很慢的信號，被關(guān)注的是頻率，而對吋間范圍則不要求很精細(xì)。小波分析適應(yīng)這種耍求，它可以對高頻成分使用大的頻域窗口、小的時域窗口，而對于低頻成分采用小的頻域窗口、大的時域窗口。1988年，Mallat受到塔式算
7、法的啟發(fā)，在多分辨率分析的指導(dǎo)下建立了Mallat算法⑺，對小波變換的實(shí)際應(yīng)用具冇劃時代的意義。Mallat算法本質(zhì)上不需要知道尺度函數(shù)0⑺和小波函數(shù)0（/）的具體結(jié)構(gòu)，只山系數(shù)幾和gn就可以實(shí)現(xiàn)信號的分解與重構(gòu)，因此也稱為快速小波變換。利用快速小波變換，選擇一定的小波函數(shù)對輸入信號進(jìn)行一定尺度的分解，得到這個尺度F信號的高頻部分和低頻部分，在一個尺度下，高頻部分和低頻部分包含了完全恢復(fù)上一尺度下信號的全部信息。這種分解如果重復(fù)進(jìn)行，就得到了信號的多尺度分解，從而得到了信號的多層小波系數(shù)，即信號的低頻系數(shù)和一系列的高
8、頻系數(shù)。如圖1所示的小波分解樹。圖1小波分解樹Fig.lWaveletdecomposetree對于大多數(shù)信號來說，低頻部分給出了信號的特征，往往是最重耍的，而高頻部分則與噪音及擾動聯(lián)系在一起。將信號的高頻部分去掉，信號的基本特征仍然可以保留。所以，一般的信號處理都是針對這部分來進(jìn)行的。因此，在信號分析屮，經(jīng)常會提到信號的近似部分與細(xì)節(jié)部分。近
