基于DWT和SVD的改进分块图像水印算法.docx

基于DWT和SVD的改进分块图像水印算法
摘要：
随着互联网的快速发展，数字图像成为了人们最常见的信息载体之一。然而，数字图像的易复制性和易修改性，使得其受到了不同程度的篡改和盗用。因此，数字图像的保护和安全性呼之欲出，数字水印技术就应运而生。
数字水印技术是一种将数字信息嵌入到数字图像中的隐蔽技术，以保证其不受篡改和盗用。本文基于离散小波变换和奇异值分解的原理，提出了一种新的改进分块图像水印算法。
首先，将原始图像进行离散小波变换，将其分为若干个图像子块，然后对子块进行SVD分解。接着，在奇异值分量上嵌入水印，并将修改后的SVD分量合并得到水印图像。水印的提取过程中，按照同样的方式对水印图像进行分块、SVD分解，并使用特定的算法进行识别和提取。通过实验验证，本文所提出的算法不仅能有效保护数字图像的版权，并且对于JPEG压缩、盐椒噪声和旋转变换等攻击有较好的鲁棒性和隐蔽性能。
关键词：数字水印；离散小波变换；奇异值分解；图像分块；鲁棒性；隐蔽性
引言：
数字水印技术是指将一种嵌入式信息以某种形式隐藏或嵌入在数字流或硬件产品中，以确保它的身份和安全，并且在它的生命周期内可检测到和提取。在数字图像领域，数字水印技术通常用于保护图像所有权，确保图像的完整性，并提供跟踪和识别的能力。
传统的数字水印算法主要分为两类，一类是基于时间域的算法，另一类是基于频率域的算法。时间域算法是将嵌入信息插入到原始数据的时间序列中，如LSB算法等。频域算法是将嵌入信息插入到傅里叶变换或小波变换后的频谱中，如基于DCT的算法和基于DWT的算法等。在现实应用中，基于DWT的水印算法具有更好的鲁棒性和隐秘性，因此本文仅探讨基于DWT的数字水印算法。
离散小波变换是一种非常实用的数字信号处理技术，常用于图像压缩、滤波、边缘检测、特征提取和水印嵌入等领域。同时，奇异值分解在数字图像处理中也有着重要的应用，如图像压缩和特征提取等。因此，将DWT和SVD相结合来开发数字图像水印算法是一种非常有前途的研究方向。
论文内容：
1.数字水印算法的原理
数字水印算法的设计通常采用两种嵌入和提取方法。一种是空域嵌入和提取方法，另一种是变换域嵌入和提取方法。基于DWT的数字水印算法是一种变换域算法，其基本思路是将图像分块，将子块映射到小波域，然后在小波域中嵌入水印，最后将嵌入水印的小波系数反变换到空域。
基于小波变换的数字水印算法的一般流程如下图所示。
原始图像->离散小波变换->图像分块->SVD分解->水印嵌入->SVD逆变换->水印图像
水印图像->图像分块->SVD分解->水印提取->去掉SVD修改->SVD逆变换->提取原始水印
其中，分块操作可根据具体要求进行分块策略的设计。SVD分解主要用于图像压缩和特征提取，并可以在其中嵌入水印信息。离散小波变换是将原始图像转换为小波系数、近似系数和细节系数，以实现图像的多分辨率表示。
2.改进分块图像水印算法的设计与实现
改进分块图像水印算法的主要设计思路基于上述基于DWT的数字水印算法，并在此基础上进行了深入的研究和探究，设计出了更为鲁棒和隐蔽的数字水印算法。该算法主要包括以下步骤：
（1）将原始图像分为N个子块,每个子块的大小为（2^n，2^n），其中N为图像块数，n为小波分段数。
（2）对于每一个子块，在小波域中进行SVD分解，并对分解后的奇异值进行水印嵌入。
（3）将修改后的SVD分量合并得到水印图像。
（4）水印提取时，按照同样的方式对水印图像进行分块、SVD分解，并使用特定的算法进行识别和提取。
算法的具体实现过程如下图所示。
原始图像--->图像分块--->SVD分解--->水印嵌入--->SVD逆变换--->水印图像
|||||
JPEG压缩-〉|||||
|||||
盐椒噪声-〉|||||
|||||
旋转变换-〉|||||
|||||
修改后原始图像<--图像合并--<--SVD分解<--水印提取<--去掉SVD修改<--SVD逆变换
3.实验结果与分析
为验证本文所提出的改进分块图像水印算法的性能，本文开展了大量的实验研究。实验中，我们分别测试了本算法的鲁棒性、隐蔽性以及抗攻击能力。
实验结果显示，本算法具有良好的鲁棒性，能够在不同的环境中提取出含有水印的图像，具有极高的准确度和稳定性。同时，该算法还具有较好的隐蔽性能，水印嵌入对原始图像没有明显的影响，且能够在相同图像区域多次嵌入不同水印而不影响原始数据。除此之外，该算法还具有良好的抗攻击能力，在JPEG压缩、盐椒噪声和旋转变换等情况下，其水印的鲁棒性和识别率都很高。
结论：
数字图像的保护和安全性已成为一项重要任务。本文基于离散小波变换和奇异值分解的原理，提出了一种新的改进分块图像水印算法。该算法具有以下几点优点：
（1）基于DWT和SVD的算法保证其