一种自适应的同步音频水印算法

针对Garcia水印算法[1]所存在的不足,提出一种改进的自适应同步音频水印算法。算法具有以下特点:(1)应用声学模型,利用载体掩蔽阈值选择嵌入位置,以保证水印的隐藏性;(2)在时域嵌入同步码以抵制可能受到的同步攻击;(3)将音频载体进行分段,在每段音频自适应嵌入水印,并在每个段首嵌入段号以区别不同音频段;(4)利用数据冗余性,重复嵌入多份水印以提高水印提取的成功率。实验结果表明,水印具有较好的隐藏性、鲁棒性和抗同步性。     

基于小波变换的双同步音频水印算法

针对同步攻击的问题,提出了一种改进的基于小波变换的双同步音频水印算法,该算法同时借助外同步和自同步2种思想,采用m序列作为外同步信号,谱熵作为自同步信号,将m序列嵌入音频信号的时域来定位水印嵌入的起始位置,并把紧接着嵌入m序列后的一段音频数据作小波变换,提取低频系数分段求其谱熵,利用谱熵的最大值来定位水印嵌入的具体位置,最后把水印嵌入到最大谱熵值对应的小波系数中。仿真实验表明,此方法在能抵抗一般信号处理攻击的基础上,也能抵抗像延时、随机剪切、抖动和时间伸缩 (time-scale modification,TSM)的同步攻击,具有较好的鲁棒性。     

基于扩频序列嵌入水印的音频信号研究

提出了一种基于扩频序列的音频水印新算法。利用随机序列将水印序列扩展，通过小波变换将水印信号嵌入到二层小波变换的中频系数中，因为嵌入时，利用的是小波系数多者之间的联系，所以在接收端，利用盲检测就可以将水印信号提取出来。实验结果表明该算法对原音频信号的影响极小，并且对于各种音频操作和人为攻击具有较好的鲁棒性。     

基于扩频序列嵌入水印的音频信号研究

提出了一种基于扩频序列的音频水印新算法。利用随机序列将水印序列扩展，通过小波变换将水印信号嵌入到二层小波变换的中频系数中，因为嵌入时，利用的是小波系数多者之间的联系，所以在接收端，利用盲检测就可以将水印信号提取出来。实验结果表明该算法对原音频信号的影响极小，并且对于各种音频操作和人为攻击具有较好的鲁棒性。     

同步音频水印算法的实现

目前的音频水印算法缺乏有效的同步技术,笔者应用通信网同步方法,提出了一种快速重同步音频有意义音频水印算法.该算法利用时域水印技术嵌入同步信息,从而对抗音频在时间轴上可能受到的攻击,借助变换域基于小波变换增强音频的鲁棒性,水印为一幅二值图像.仿真实验表明该算法产生的水印在对抗加性Gaussian噪声、MP3压缩和裁剪等方面具有良好的稳健性,可用于数字音频产品的版权保护.     

基于盲源分离理论和人类听觉掩蔽效应的数字音频水印方法

将盲源分离理论应用于数字音频水印技术,以达到在宿主信号未知的情况下分离出嵌入水印信号的目的;把生成混沌序列的初始值和宿主信号的时、频掩蔽信号作为密钥信息,生成嵌入水印信号,充分保证了水印检测的安全性;引入人类听觉系统(human auditory system,HAS)掩蔽效应的概念,使嵌入水印信号完全自适应于宿主信号,以提高算法的鲁棒性.实验结果表明,嵌入水印的音频信号没有明显的听觉失真,满足了音频水印不可听性的要求;经过低通滤波、重采样、添加噪声、剪切和mp3压缩等攻击后,嵌入水印信号和分离出的水印信号之间的相关函数较进行频域和时域掩蔽作用之前,具有更加明显的二值分布特征,算法的鲁棒性明显优于掩蔽作用之前;同时,该方法无需外加同步信息,就可以取得良好的同步效果.     

基于置乱和SCS技术的数字音频多重水印算法

基于置乱变换以及DWT(离散小波变换)和DCT(离散余弦变换)相结合的SCS(Scalar Costa Scheme)技术,提出一种可同时标识多个版权所有者(如不同的创作者、发行者或使用者等)的数字音频多重水印算法.该算法具有以下特点:(1)系统透明性良好,嵌入多个水印的音频文件没有人耳可察觉的听觉质量下降.(2)对噪声、低通滤波等常见信号攻击及恶意替换操作均表现出很强的鲁棒性.(3)后续嵌入水印时不需知道前次水印的嵌入位置.每个水印的嵌入位置只依赖于私人密钥,与算法无关.非法用户由于没有密钥,无法正确提取水印图像.(4)水印提取时不需提供原始音频载体和原始水印图像.(5)可以辨别水印嵌入的先后顺序,从而证明版权的唯一性.     

一种基于小波变换的同步音频水印算法

提出了一种基于小波变换的同步音频水印算法.该算法具有以下特点:(1)利用同步信号定位水印的嵌入位置,以提高水印提取的正确率.同步信号嵌入时域,用于提高搜索效率;同时又再次嵌入在小波变换域,用于提高其正确性.(2)根据音频的局部相关特性自适应确定量化步长,并将水印信息量化嵌入到小波变换域的低频系数中.仿真实验表明:该同步自适应音频水印算法不仅具有较好的透明性,而且对诸如低通滤波、有损压缩、重采样等攻击均具有较好的鲁棒性.     

基于音频内容的DWT域脆弱音频水印算法

为提高脆弱音频水印算法的安全性,实现音频内容的完整性认证,提出一种基于音频内容的可用于篡改与定位的音频水印算法.首先将音频信号分段,进行三级小波变换,然后将音频信号每段的低频小波系数的平均值映射为混沌初值,经过若干次迭代生成认证信息,并采用单个量化高频系数的方法嵌入认证水印.最后利用混沌对初值极端敏感性的特点,定位被篡改的音频位置.仿真结果表明,提出的算法对添加噪声、MP3压缩、低通滤波、重采样等常规的信号处理操作非常敏感,对恶意替换、随机剪切等去同步攻击能够报警并定位篡改位置.     

基于人类听觉系统的DCT域数字音频脆弱水印算法

以离散余弦变换(DCT)及人类听觉系统(HAS)为基础,提出了一种将二值灰度图像(水印图像)嵌入到数字音频信号的脆弱水印算法.该算法首先对二值水印图像进行置乱变换并编码成一维二进制序列,再对数字音频信号进行分段处理并择段作离散余弦变换(DCT),最后依据人类听觉系统选择DCT域中高频系数进行量化完成水印信息的嵌入.实验结果表明:该数字音频水印算法不仅具有较好的透明性,而且对诸如叠加噪声、有损压缩、低通滤波、重新采样、重新量化等攻击均具有较好的鲁棒性.     

基于EVD变换的鲁棒音频水印算法

常见的数字信号处理往往会改变音频信号的高频分量并引入随机噪声,并且易造成数字水印信息的位置改变. 提出了一种新的数字音频水印算法. 在该算法中, 原始音频被分为两部分: ① 运用量化索引调制来嵌入伪随机序列生成的二值同步码; ② 利用特征值分解(eigenvalue decomposition, EVD)方法先对离散小波变换(discrete wavelet transform, DWT)低频系数进行变换, 然后在生成的对角阵中用量化索引调制嵌入水印信息. 实验结果表明, 在确保不可感知性和较强鲁棒性的前提下, 可大幅度提高水印嵌入容量, 达到172 bit/s.     

基于多分辨率分析和改进离散余弦变换的音频水印算法

提出了一种基于多分辨率分析的音频水印算法.首先通过对音频信号进行小波分解得到信号的时变低频分量,然后通过扩频和改进离散余弦变换将水印信息分散嵌入低频分量;最后通过误差修正获得较高的水印提取准确率.该算法增大了水印信号的嵌入量,在保证水印安全性和隐蔽性的同时,对常见的信号处理还具有较好的鲁棒性.     

基于量化的小波域数字音频水印算法

提出了一种基于量化的小波域数字音频水印算法，该算法首先将视觉可辨的二值水印图像降维成一维水印序列，再将水印序列伪随机排序并与m序列作扩频调制，最后对数字音频信号作分段离散小波变换，调制信号通过量化处理过程嵌入到离散小波变换后的系数中，提取水印信号无需使用原始数字音频信号，仿真实验表明水印是不可察觉的，经过mp3有损压缩，低通滤波，重采样等操作后仍具有很强的稳健性。     

A multiple copyright identification watermarking algorithm based on code division multiple access

A multiple watermarking algorithm is presented according to the multiple accessing technique of the code division multiple access (CDMA) system. Multiple watermarks are embedded into digital images in the wavelet transform domain. Each of the watermarks is embedded and extracted independently without impacts to each other. Multiple watermarks are convolution encoded and block interleaved, and the orthogonal Gold sequences are used to spread spectrum of the copyright messages. CDMA encoded watermark messages are embedded into the wavelet sub-bands excluding the wavelet HH1 sub-bands. The embedment amplitude is decided by Watson's perceptual model of wavelet transform domain, and the embedment position in the selected wavelet sub-bands is decided randomly by a pseudo-random noise (PN) sequence. As a blind watermarking algorithm, watermarks are extracted without original image. The watermarking capacity of proposed algorithm is also discussed. When two watermarks are embedded in an image at the same time, the capacity is larger than the capacity when a single watermark is embedded, and is smaller than the sum of the capacity of two separately embedded watermarks. Experimental results show that the proposed algorithm improves the detection bits error rate (BER) observably, and the multiple watermarks have a preferable robustness and invisibility.     

基于多层激励量子神经网络的鲁棒音频水印算法

设计了一种基于多层激励函数量子神经网络的音频水印算法。将水印信号嵌入载体语音的小波低频系数中,再训练量子神经网络建立水印嵌入前后低频小波系数间的联系以便在接收端恢复水印。同时,区别于传统的归一化方法,将小波低频系数规范到同一数量级,避免了恢复水印时小波低频系数的差错传播,提高了算法的鲁棒性。实验结果表明,设计的水印算法对加噪、滤波、重采样和再量化等攻击具有较强的鲁棒性,提取正确率相比BP网络水印算法平均提高1.8%。