基于BEMD和DCT的图像数字水印算法.doc

基于BEMD和DCT的图像数字水印算法.doc1基于BEMD和DCT的图像数字水印算法摘要:数字水印是解决数字产品版权问题的一个有效手段,不可见性和鲁棒性是数字水印的关键。为了平衡数字水印的不可见性和鲁棒性,提出了一种基于二维经验模式分解和离散余弦变换的图像数字水印算法。对原图像做BEMD分解,获得其相应的若干固有模态函数(IMF)和一个余项(Residue),对分解的最后一个固有模态函数进行离散余弦变换,将水印信息嵌入到图像在DCT域的中频分量。实验结果表明,该算法具有较好的不可见性和抗攻击的鲁棒性。关键词:数字水印;二维经验模式分解;离散余弦变换;抗攻击鲁棒性中图分类号:?34文献标识码:A文章编号:1004?373X(2013)17?0059?030引言随着因特网的迅速发展,多媒体安全和数字版权变得越来越重要。数字水印技术作为一种能够解决多媒体数据的无版权复制和重新分配问题的可行性方案[1],在算法设计上除了应当具有良好的不可见性和安全性外,还应该能够对一般的信号处理甚至恶意攻击具有较强的鲁棒性。目前,水印算法基本可以分为两类[2]:空(时)域算法和变换域算法。空域算法的主要代表有LSB算法,变换域算法较流行的如基于离散Fourier变换、2基于离散余弦变换、基于离散小波变换等。根据数字水印的特性,本文提出了一种基于BEMD和DCT的数字水印嵌入算法,先将原始图像进行BEMD分解,然后对分解得到的一个固有模态函数进行二维DCT分解,再把水印嵌入到DCT域中,在保证不可见性的基础上,还具有较强的抗攻击能力。(BEMD)方法EMD方法是由NASA的NordenEHuang等人在1998年提出的一种全新的分析非平稳、非线性信号的方法[3],通过分解得到的IMF必须满足两个条件:在整个数据序列上,信号极值点的数目和零点数目必须相等,或者最多相差不能超过一个;在任一时间点上,局部极大值包络和局部极小值包络构成的包络均值为零。对于一维信号,残余量往往是一个常数或者是一个反映信号变化趋势的单调函数,通常可以忽略。而对于二维图像信号,经过BEMD得到的残余分量包含了大量的灰度信息[5],因而在实际应用中往往不能忽略残余量。对512×512的lena图像进行4层BEMD分解,效果如图1所示。(DCT)方法3离散余弦变换简称DCT[6],其变换核为实偶函数的余弦函数,避免了傅里叶变换中的复数运算,除了具有一般的正交变换性质外,它的变换阵的基向量能很好地描述图像信号的相关特性,所以在图像信号的变换中DCT变换被认为是一种最佳准则。[9]:如果一个图像经BEMD分解后得到6个IMF分量和一个剩余量Residue,然后再根据分解结果重构图像,但重构时每一个重构的图像缺少一个分解量。这时重构的图像里缺少IMF6的重构图像与原图最为相似。并且,在进行BEMD分解后[10],第一个固有模态函数IMF1提取了图像的最高频率分量,IMF2表示仅次于IMF1的次高频率分量,按照提取顺序频率依次降低。因此,为了降低一些噪声和低通滤波的影响,可以选择把水印信息嵌入到低频分量IMF6中。×8分块,则经DCT变换后可生成64个不同空间频率基图像的谱,把位于左上角(即第一行第一列元素