未来智讯 > 神经网络论文 > 基于神经网络的数字水印技能研讨

基于神经网络的数字水印技能研讨

发布时间:2019-01-11 01:06:01 文章来源:未来智讯    
    基于神经网络的数字水印技能研讨作者:未知   [摘要]利用神经网络刻画图像相关性这一特征,选取基于这种特征的BP网络嵌入脆弱水印算法,用于图像内容完整性保护的脆弱水印技能,提高水印的鲁棒性和灵活性,它相对于传统的数字签名技能更具优势。
  [关键词]数字水印 鲁棒性 神经网络
  中图分类号:TP3文献标识码:A文章编号:1671-7597(2009)0910016-01
  
  一、引言
  
  数字水印是向多媒体数据(如图像、声音、视频信号等)中添加某些数字信息以达到文件真伪辨别、版权保护等功能。数字水印嵌入过程便是向被保护的数字对象(如静止图像、视频、音频等)嵌入某些能表明版权归属或跟踪侵权行为的信息,能够是作者的序列号、公司标志、故意义的文本等等。数字水印的研讨建立在认知科学、通讯原理、密码学等相关学科基础上,涉及多个研讨领域,具有很高的技能含量和理论深度,存在不少具有较高理论难度和实际应用价值的问题值得去深入探讨,很有发展潜力,是目前极有价值的研讨新方向。
  目前,有的学者提出将水印嵌入像素的最低位方法(LSB),这样能够保持很好的图像质量,如果图像被窜改,那么水印也就会发生改变,可根据水印判断图像是否被窜改及窜改的位置;但对故意抨击者来说,完全能够保持图像的最低位不变而对图像的内容进行较大的窜改。因此LSB方法平安性差,很容易被绕过而失去应有的作用。还有的学者提出一种基于映射表的图像保护技能,引进一个二值查询表,将0~255像素值映射到0或1,嵌入水印时通过调整像素值使之对应的0或1与水印的位信息一致。这种技能提高了水印的平安性,却容易降低图像的视觉质量。另外,也有学者提出了一种基于小波系数量化的方法,该方法在不同的小波分解层给定一个量化区间长度,如果小波系数被量化到偶数区间则使其对应0,否则对应1;嵌入水印时通过批改小波系数值使之对应的0或1与水印的位信息一致。这种方法的不可感知性好,而且能定位被窜改的空间位置和频域位置,同时能容忍高质量的图像压缩处理,但不能抵制“伪认证”抨击。
  本文将神经网络应用到数字水印技能中来,就数字图像内容完整性的保护,针对脆弱数字水印技能及其不可感知性、脆弱性、平安性和水印检测的公开性等问题,利用神经网络刻画了图像相关性这一特征,提出了一种基于这种特征的BP网络嵌入脆弱水印的方法。
  
  二、基于神经网络的水印算法
  
  BP网络是一种应用相当广泛的神经网络。通过对样本集的训练,可实现从输入到输出的任意非线性映射,其实质是选取最速降落法来实现映射关系的逼近。典型结构包含输入层、隐藏层和输出层。每层有一个或多个神经元,它们与相邻层的神经元完全连接,在每个连接上有一个权值代表连接强度,通过样本集训练网络,即调整权值和每个神经元的阈值。一般地,所有权值初始化为小的随机数,在之后每次迭代过程中根据学习准则进行调整,当满足一定的终止条件后中断训练,从而建立起一个从输入到输出之间函数关系的神经网络模型。
  通过以下方法建立刻画图像相关性的BP网络:选定图像某点 及其3×3邻域,以邻域周围的8个点:
  为输入,为输出构成一个学习样本,采用若干个互不相同的点及其邻域作为样本集,用三层BP网络来刻画它们之间的映射关系,建立一个输入层为8个神经元、隐层为N个神经元、输出层为1个神经元,隐层神经元的变换函数为sigmoid型,输出层为纯线性函数的BP网络,记为:
  以512×512图像为例,采用其中128×128个点及其邻域变成样本集,样本采用方法如下:将512×512图像平均分为128×128个子区域,在每个区域内由密钥随机采用一个像素,使之邻域完全处于该子区域内。这样的采用可使其覆盖的图像区域达到384×384,再加上分布的随机性,因而基本上可代表整个图像。根据此样本集训练网络,经过25次叠代后,MAE值低于3。从视觉上,像素值相差3~4是感知不到的,因此BP网络可以较好地刻画像素与其邻域像素之间的映射关系,即图像相关性。
  
  三、数字水印的嵌入和提取
  
  BP网络可以较好地刻画图像相关性这一特征。基于该特征,能够调整指标值,通过对照BP网络输出值与指标值的大小来嵌入水印的位信息,提取水印时不需要原始图像和原始水印。
  1.建立BP网络。由一密钥K随机采用图像中的若干像素,变成样本集。按照第2节中的方法建立刻画图像相关性的BP网络;
  2.嵌入水印。如果对应的水印位为1,则调整使之大于BP网络的输出值;否则,调整使之小于BP网络的输出值;
  其中,为水印强度,值越大水印越稳健,但不可感知性就越差。根据上面公式,如果嵌入的水印位为1,则的调整有两种情况: 本身就大于 ,则不需任何批改;否则,的批改量为。
  根据表可知,的批改量平均约为3~4,由此可见,无论是那种情况
  的批改都很小,从而保证水印的嵌入不会引起图像质量的降落;
  3.水印的提取。水印的提取与嵌入过程相反。设待验证的图像为,由密钥K重新采用嵌入水印位信息的像素点。根据BP网络,如果大于网络输出,则水印位为1;否则为0。
  
  四、试验
  
  设定BP网络为8×10×1三层结构,对图像的像素点及其3×3邻域中的像素点的关系进行建模,为1。
  1.水印对窜改有很强的敏感性,即使有很小的批改,它也能够正确反映出图像被批改的位置。因此,所嵌入的水印对图像内容的完整性起到了很好的保护作用。原始载体图像是1024*768的24位真彩色图像,水印图像是100*100的24位真彩色图像,嵌入过程用时4秒钟。
  2.在平滑、锐化及投入噪声等图像处理后,水印仍然保持了一定的鲁棒性。
  
  实验结果证明,所提出的数字水印算法,有较强的不可感知性、脆弱性、平安性和灵活性,同时具有一定的鲁棒性和抗抨击能力。但具体算法的精度上还有些欠缺,还有不时改进的可能。在水印鲁棒性和载体图像的视觉效果上、抗几何抨击和其他抨击方法上,也都需要作更深一步的研讨。
  
  五、结束语
  
  数字媒体在互联网的发布、传播过程中,容易受到非法盗用,导致数字媒体所有者或者数字媒体出版商的利益遭到严重的丧失。针对这样的问题,提出的数字水印技能是指在数字媒体中隐藏一定的信息,以实现版权保护、防窜改、防伪造和秘密通讯等目的。本文就数字图像内容完整性的保护,针对脆弱数字水印技能及其不可感知性、脆弱性、平安性和水印检测的公开性等问题,研讨有效的数字水印算法。着重研讨了利用神经网络刻画了图像相关性这一特征,提出了一种基于这种特征的BP网络嵌入脆弱水印的方法。试验结果表明了它在抗抨击能力和平安性上有很大的改进。
  
  参考文献:
  [1]Martin T.Hagan,Howard B.Demuth,Mark H.Beale著,戴葵等译,神经网络设计,机械工业出版社.
  [2]张军、王能超,用于图像认证的基于神经网络的水印技能[J].计算机辅助设计与图形学学报,2003,15(3):307-312.
  [3]Kundur Deepa,Hatzinakos Dimitrios.Digital watermarking for telltale tamper-proofing and protection of multimedia Information[J].Proceedings of the IEEE,1999,87(7):1167~1180.
  [4]《Visual C++6.0数字图像实用工程案例精选》,北京邮电出版社.

转载请注明来源。原文地址:https://www.7428.cn/page/2019/0111/78730/
 与本篇相关的热门内容: