基于局部均值分解的自适应音频盲水印嵌入与提取方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115760535A(43)申请公布日2023.03.07(21)申请号202211367574.3(22)申请日2022.11.03(71)申请人湖南大学地址410012湖南省长沙市岳麓区麓山南路1号(72)发明人陈文佳唐文娟(74)专利代理机构长沙麓创时代专利代理事务所(普通合伙)43249专利代理师贾庆(51)Int.Cl.G06T1/00(2006.01)权利要求书3页说明书12页附图6页(54)发明名称基于局部均值分解的自适应音频盲水印嵌入与提取方法(57)摘要本发明公开了基于局部均值分解的自适应音频盲水印嵌入与提取方法，包括：S1：对水印进行预处理；S2：将原始信号分为互不重叠的长度均为L的n个音频帧，对每个水印待嵌入帧进行局部均值分解，得到若干个PF分量和一个残余分量；S3：对原始音频信号进行水印嵌入和提取。本发明根据音频信号的特点和人耳听觉特性，用局部均值分解自适应地处理信号后，选择合适的嵌入算法和嵌入位置，在音频信号本身振幅小的地方进行极小的改动，避免引入可感知的失真，保留信号完整性。CN115760535ACN115760535A权利要求书1/3页1.基于局部均值分解的自适应音频盲水印嵌入方法，其特征在于，包括以下步骤：S1：对水印进行预处理，得到一维水印数组；S2：将原始音频信号分为互不重叠的长度均为L的n个音频帧作为水印待嵌入帧，对每个水印待嵌入帧进行局部均值分解，得到若干个PF分量PFj(t)和一个残余分量ui(t)；S3：对原始音频信号进行一维水印数组嵌入。2.如权利要求1所述的基于局部均值分解的自适应音频盲水印嵌入方法，其特征在于，所述S1步骤中所述的预处理具体步骤为：用户选择需要的正方形图片作为水印，将选中的正方形图片转化为二值图像后，再利用Arnold置乱算法进行变换，Arnold变换使用到的参数相当于密钥，由合法使用者保管；Arnold变换后的图像进行降维处理，得到一维水印数组。3.如权利要求1所述的基于局部均值分解的自适应音频盲水印嵌入方法，其特征在于，所述S2步骤中所述的局部均值分解步骤如下：S2‑1：用镜像扩展算法对原始音频信号进行处理，得到处理后的信号x(t)；S2‑2：找到信号x(t)中所有局部极小值点和局部极大值点，极值点表示为ed，其值为x(ed)，其中d＝1,2,3...；通过求相邻的局部极值点之间的平均值，得到局部均值函数m0l：S2‑3：计算局部包络函数a0l：S2‑4：对上述的(10)式和(11)式进行滑动平均算法处理，生成平滑后的局部均值函数ml(t)和平滑后的局部包络函数al(t)；选定步长，从原始信号x(t)中剔除当前局部均值函数ml(t)，得到零均值函数hl(t)；S2‑5：al(t)除hl(t)得到解调信号sl(t)；S2‑6：拟定目标函数f＝RMS((z(t))+kurtosis((z(t))，其中，zP(t)＝aP(t)‑1；重复以上步骤P次，直到fP>fP‑1，fP‑1>fP‑2，认为内循环迭代结束；S2‑7：把内循环迭代产生的所有局部包络函数累乘，得到包络信号a(t)；将包络信号a(t)与纯调频信号sP(t)相乘，得到PF分量PFj(t)，PF分量PFj(t)为本次分解的第j个PF分量；S2‑8：提取所有的PF分量，从原始的信号x(t)中减去当前的PF分量PFj(t)，得到本次分解的残余分量uj(t)，用残余分量uj(t)在步骤S2‑1至S2‑5重复，直到残余分量uj(t)为常数或单调，此时将残余分量uj(t)记为u(t)；重构信号x(t)：其中，Q为分解出的PF分量个数。4.如权利要求3所述的基于局部均值分解的自适应音频盲水印嵌入方法，其特征在于，所述S2‑4中的步长为利用包络估计和“3σ”原则选定的滑动步长λ，滑动步长λ的选取如式(9)所示：λ＝odd(μp+3*σp)(9)其中，odd()表示输出大于等于输入的最接近奇数，μp表示阶跃长度的平均值，σp表示阶2CN115760535A权利要求书2/3页跃长度的方差。5.如权利要求1所述的基于局部均值分解的自适应音频盲水印嵌入方法，其特征在于，所述S3中所述对原始音频信号进行一位水印数组嵌入的具体步骤为：S3‑1：先分别取残余分量的局部极大值点和局部极小值点的平均值作为最大值点和最小值点：其中，ui(t)为第i帧的原始信号，l1为局部极大值点的数量，l2为局部极小值点的数量，maxk(u(t))代表第k个局部极大值点，mink(u(t))代表第k个局部极小值点，Max(ui(t))代表本设计认为的最大值点，Min(ui(t))代表本发明认为的最小值点；S3‑2：对分解出的残余分量ui(t)进行平移得到ui_new(t)，把ui_new(