基于小波对比度的图像水印算法研究摘要：根据人眼视觉系统特征，提出一种将小波对比度的思想引入图像水印中的算法。先将宿主图像分块并根据纹理强弱进行分类，然后对每个块进行小波分解，小波对比度的大小同时决定了嵌入对象的选择和嵌入的强度。由于小波对比度能反映图像明暗对比度，从而实现了对图像的自适应嵌入。实验表明，该算法具有较好的不可见性，而且对于抵抗滤波、加性噪声及JPEG压缩具有较好的鲁棒性。关键词：数字水印；小波变换；小波对比度；视觉掩蔽：TP309．7文献标志码：A：1001－3695(2007)07－0140－03作为解决数字图像版权保护的一种重要手段，数字水印技术受到了广泛关注并日趋成熟。小波变换的多分辨率特性与人眼视觉特性的一致性，小波域的数字水印研究成为研究热点之一。有人提出一种将时域与小波域结合起来的算法，根据时域的熵，将有意义的水印图像嵌入到小波系数中。另外还有针对细节图像进行水印嵌入的算法。F.Khelifi等人[1]提出一种根据纹理分类的盲水印算法，分别对每个块进行小波变换，根据所在块的纹理强弱使用不同的嵌入强度，选择除了最高分解层以及所有对角高频以外的小波系数作为嵌入对象。该算法只利用纹理强弱来决定嵌入强度，嵌入的容量和强度有限。??由于小波对比度的变化能反映图像各点在视觉上的差异，更适合人类视觉系统（HumanVisualSystem，HVS）的特性。文献[2]对小波对比度的定义进行了改进，利用基于背景亮度的局部对比度进行图像融合取得了好的效果。根据这一原理，本文将小波对比度与视觉掩蔽效应相结合，提出了基于小波对比度的水印算法。??1小波对比度??小波变换用于图像分析的基本思想就是把图像进行多分辨率分解，将图像分解成不同空间、不同频率的子图像，这与HVS特性相符合。图像的小波分解将尺度为??j的低频部分分解成四个部分：尺度为j+1??的低频部分和三个方向（水平、垂直、对角）的高频部分。结合人眼视觉的特点，文献[3]提出了小波对比度的定义如下：??式中，A??l-1表示图像在2l-1分辨率上的低频近似分量；D??1??l-1、D??2??l-1、D??3??l-1分别表示图像在2l-1分辨率上的垂直高频细节、水平高频细节和对角高频细节部分。由定义可知，不同方向上的小波对比度C??V??l-1、C??H??l-1、C??D??l-1分别体现了图像不同方向的高频及其相应的低频分量（背景亮度）的对比度，同时考虑了前景和背景的对比情况，从而反映了图像的各点在视觉上的差异。????根据视觉掩蔽[4]的原理水印嵌入过程可以看成是在一个强背景（宿主图像）上迭加一个弱信号（水印），只要叠加的信号低于对比度门限，人眼视觉系统将无法感觉到信号的存在。同时，Weber定律指出，对比度门限和背景信号的幅值成比例，小波对比度可以反映前景和背景的对比关系，因此，利用小波对比度可以在满足不可见性的条件下，最大强度地嵌入水印，对比度越大，嵌入水印的强度就越大；对比度越小，嵌入水印的强度就越小，更加适合HVS特性。由此可见，根据小波对比度来进行水印的嵌入是可行的。??2基于小波对比度的水印方案??2．1基于纹理掩蔽的块分类??首先将宿主图像??f(x,y)分解成互不重叠的8×8大小的块，分别记做B??k，k=0，1，…,K-1。其中K为块的个数。视觉掩蔽特性暗示，对于具有不同局部性质的区域，在保证不可见性的前提下，可允许叠加的信号不同。将块分成两类：①弱纹理块，记做S??1；②强纹理块，记做S??2，分别对强弱不同的纹理块集合采用不同的嵌入强度。采用文献[5]中的分类方法对块进行分类，对于每一个块B??K??定义其可见性差值（JustNoticeableDifference,JND）如下：??2．2水印嵌入过程??水印嵌入过程同时考虑图像的高频和低频分量，根据图像自身的纹理和明暗在视觉上的差异自适应地嵌入不同强度的水印，更加适合HVS特性，能在保证视觉不可见性的条件下，最大强度地嵌入水印。??2．3水印检测过程??在检测端，对测试的水印图像进行与嵌入过程相同的分块和小波变换。下面的推理证明，检测端只需根据密钥Key提供参考水印序列，而无须任何块的分类信息就可以检测到真实水印是否存在。??表1和图2给出了分别经过加性噪声、滤波和JPEG压缩后，水印图像的峰值信躁...