CN101290773A - 自适应的mp3数字水印嵌入方法 - Google Patents

Abstract

自适应的MP3数字水印嵌入方法属于音频处理领域中的数字水印技术，其特征在于，依次含有以下步骤：解码MP3音频文件，得到粒度组；在粒度组中依据人耳听觉门槛判定理论和人耳掩蔽效应，从粒度组中选取适合嵌入水印信息的非零子带，但频谱低频部分的三个子带排除在外；把水印信息嵌入到所选定的非零子带中；再对嵌入水印信息后的粒度组进行重新编码，得到嵌入水印信息的MP3音频文件。本发明具有隐匿性强，不影响MP3音频文件听觉效果的优点。

Description

自适应的MP3数字水印嵌入方法

技术领域

本发明属于音频处理技术领域，还涉及数字水印技术。

背景技术

随着信息技术和计算机互联网技术的飞速发展，多媒体信息成为人类获取信息的最主要载体。多媒体信息经数字化处理后具有易于加密、抗干扰能力强、可再生等优点。在当前互联网环境里，视频、音频、图像、文字等交流方式和交互内容都得到了极大的发展。其中，作为音频交互内容载体的MP3技术已经成为了音频交互中的主体，在互联网中得到了广泛应用。

MP3技术诞生于1993～1994年，全称是MPEG1 Audio Layer3，它最初是作为MPEGI(ISO视频编码标准的第一版)标准中的音频部分被设计出来。随着时间的推移，由于MP3体积小，编码效率高，音质损失小，充分利用了人耳听觉特性等一系列优秀特性，在互联网应用中得到了很快的普及和发展。目前互联网上的绝大多数的流行歌曲，用于远程教学的语音材料，各种录制节目中的声音，都使用MP3格式进行编码压缩。MP3不仅有广泛的用户端软件支持，也有很多的硬件支持比如便携式媒体播放器(指MP3播放器)。MP3播放器是一种硬件设备，包含解析MP3格式的数字芯片，可在脱离PC的条件下单独对MP3文件进行解码并播放。

MP3的普及和广泛应用，使得用户可以在不经媒体出版商许可的情况下在互联网上随意传播媒体内容，同时原有用于媒体版权保护的数字版权管理技术(Digital Right Management，DRM)又不足以完全阻止这种无限制的媒体内容传播，因此MP3盗版充斥着互联网上的音乐领域，给正版MP3的内容提供厂商和应用提供厂商带来了极大的冲击，造成了不可估量的利益损失；此外，由于MP3应用广泛，无完善的签名认证机制，对于盗版版权的追踪十分困难，几乎无法完成。

这种情况下，数字水印技术的出现为MP3版权保护提供了一种新的技术。数字水印技术的核心思想是将与载体内容相关或不相关的一些标志信息直接嵌入载体内容当中，但不影响原作品的价值，并不能被人的知觉系统觉察或注意到。将其应用到MP3版权保护领域，则是将经内容发行厂商设置的版权信息嵌入至MP3音频流数据当中，但基本不会破坏原MP3音频数据的完整性，与原始MP3文件相比不能被人耳分辨。同时，嵌入的水印与原MP3中实际的音频数据密不可分，随着音频数据一起被传输，经历和音频数据相同的处理，如压缩、重编码、分割等。通过这些隐藏在实际音频数据中的水印信息，可以达到确认内容创建者、购买者的目的，或者检查MP3内容是否真实完整。同时，多数水印并不要求在验证时被完全提取，一般情况下如果有较大部分(一般认为80％)能够被正确提取就基本可以进行MP3数字版权的认证和追踪。

综合来看，将MP3技术与数字水印技术相结合，为MP3版权保护提供了新的有效手段，也为数字水印技术的发展应用开辟了一个新天地。

发明内容

本发明的目的是提出自适应的MP3数字水印算法，即一种向MP3文件中嵌入数字水印信息并能够正确将数字水印信息提取出来的音频水印算法。基于人类听觉模型(Human AudioSystem)，对MP3文件进行编解码得到可以嵌入水印的非零子带，实现向MP3文件中嵌入和提取水印信息，并使嵌入后的水印具有一定的隐匿性和鲁棒性，且不影响原始音频文件的听觉效果。

本发明提出的向MP3音频文件中嵌入数字水印的方法，其特征在于，包括以下步骤：

(1)对MP3文件进行解码，得到粒度组；

(2)根据人耳听觉门槛判定理论和人耳掩蔽效应，在上述第(1)步得到的粒度组中选取适合嵌入水印信息的部分子带；

(3)将水印信息嵌入到上述第(2)步确定的子带中；

(4)对嵌入后的粒度组进行重新编码，得到嵌入水印的MP3音频文件。

上述方法中，对MP3文件进行解码，是根据ISO11172-3和ISO11172-5进行的，包括以下步骤：

(1)解码头部信息；

(2)解码边信息；

(3)解码缩放因子，子带的缩放因子越大，子带对噪音的敏感性越大；

(4)利用哈夫曼解码，得到粒度组；

上述方法中，人耳听觉门槛判定理论，指人耳听到不同频率的声音所需的声音强度不同。人耳的听力在20Hz-20kHz的频率范围内，但是人耳对不同频率声音的敏感度是不同的，不同频率的声音要达到能被人耳听到的水平所需要的强度是不一样。在编码音频文件时，可以通过人体心理听觉模型(Human Audio System Model)的计算，把MP3文件中存在但不能被人耳听到的声音去掉。经过这样的处理可以把大部分数据空间分配到人耳最灵敏的2kHz到5kHz范围，给其余人耳感知较弱的频率段分配较少的数据空间。这样可以节省相当一部分编码数据量，并直接减小了编码后的MP3文件大小。

上述方法中，人耳遮蔽效应，指强信号遮蔽邻近频率的弱信号的遮蔽效应，即在强信号所在时刻或者是接下来的一小段时间内弱信号的效应被遮掩，不易被人耳感知。MP3编码器根据人耳的遮蔽效应，计算强信号对附近弱信号的遮蔽程度，保留能引起人们注意的声音信号，去掉或者减弱不易引起人们注意的声音信号。由于人耳需要一定时间处理声音信号，在强信号之前或之后的弱信号，都会受到一定程度的遮蔽。根据理论，前遮蔽效应的时间约为2～5ms，而后遮蔽的时间约为100ms。

上述方法中，在粒度组中选取适合嵌入水印信息的部分子带的方法，包括以下步骤：

(1)按缩放因子由小到大将粒度组内的所有子带排序，缩放因子是音频位流的一部分，包含用于计算音频数据量化比例因子的信息；

(2)计算每个子带的能量，即非零系数和；

(3)根据水印算法设定的参数计算每个粒度组里可供嵌入的子带数，计算公式为：

N＝r*increase*N₁*threshold

其中：N表示可嵌入水印的子带数；r是混沌序列生成的随机数(取值范围为[0，1])，用于增强水印算法的安全性；increase为全局增益，反映了一个粒度组的量化步长；N₁为粒度组内能量不为0的非零子带数；threshold为算法设定的阈值(取值范围为[0，1])。由于频谱下端(低频部分)能量集中，并且对MP3音质的影响大，所以频谱下端的三个子带不作数字水印嵌入操作。

(4)按缩放因子由小到大的顺序选取第(3)步中计算的N个子带作为水印嵌入的载体。

上述方法中，在非零子带中嵌入数字水印信息的方法，包括以下步骤：

(1)在每个非零子带中选择频谱上端(高频部分)的非零系数修改；

(2)比较非零系数的值(V1)与水印信息相应位的值(V2)，根据V1与V2的值不同来确定使用何种修改策略。具体地：

1)如果V1等于0，则不进行任何操作；

2)如果V1大于0：

①V1与V2不同奇偶(V1为奇数V2为偶数，或者V1为偶数V2为奇数)，则V1自增(值加1)；

②V1与V2同奇偶(V1、V2均为奇数，或者V1、V2均为偶数)，此种情况不作处理。

3)如果V1小于0：

①V1与V2同奇偶(V1为奇数V2为奇数，或者V1为偶数V2为偶数)，则V1自减(值减1)。

②V1与V2不同奇偶(V1为奇数V2为偶数，或者V1为偶数V2为奇数)，此种情况不作处理。

本发明提出的从MP3音频文件中提取数字水印的算法，包括以下步骤：

(1)对MP3文件进行解码，得到粒度组；

(2)根据人耳听觉门槛判定理论和人耳掩蔽效应，在上述第(1)步得到的粒度组中选取嵌有水印信息的子带；

(3)从上述第(2)步得到的子带中提取水印信息；

上述方法中，对MP3文件进行解码得到粒度组，选取嵌有水印信息的子带，其步骤与水印嵌入时一致，不再赘述。

上述方法中，从非零子带中提取数字水印信息的方法，包括以下步骤：

(1)从频谱上端开始，在每个非零子带中选择频谱上端的非零系数；

(2)对于水印提取时非零系数的值(V3)，根据其值的特性来决定其中是否隐藏有水印信息，以及水印信息的值(V4)。具体地：

1)如果V3等于0，则不进行任何操作；

2)如果V3大于0：

①如果V3为奇数，则V4值为1；

②如果V3为偶数，则V4值为0；

3)如果V3小于0：

①如果V3为奇数，则V4值为0；

②如果V3为偶数，则V4值为1；

本发明提出的向MP3音频文件中嵌入和提取数字水印的方法，其优点是：嵌入音频文件中的数字水印具有一定的隐匿性，并且嵌入的数字水印不会影响MP3音频文件的听觉效果；嵌入的数字水印具有一定的鲁棒性。

附图说明

图1是本发明方法中向MP3音频文件中嵌入水印的基本流程图。

图2是MP3音频文件解码流程框图。

图3是在每个粒度组中选取适合嵌入水印信息的非零子带的流程框图。

图4是向非零子带嵌入水印信息的流程框图。

图5是本发明方法中从MP3音频文件中提取水印的基本流程图。

图6是从非零子带中提取水印信息的流程框图。

具体实施方式

本发明是自适应的MP3数字水印算法，一个典型的应用场景为：一个MP3文件，一个数字水印文件，经水印嵌入算法处理后，将数字水印文件嵌入至MP3文件，得到一个被修改的MP3文件。之后，再经水印提取算法处理，将原始的数字水印文件提取出来。

本发明提出的向MP3音频文件中嵌入数字水印的方法，其流程如图1所示，首先读取MP3音频文件的一个Sample，对该Sample进行解码，得到一些粒度组；在每个粒度组中选取适合嵌入水印信息的非零子带，将水印信息嵌入到对应子带的非零系数中，重复上述过程直至水印嵌入完或处理完MP3音频文件的所有Sample，最后就得到了嵌入水印的MP3音频文件。

上述方法中对Sample的解码方法，其流程图如图2所示，分别解码头部信息、边信息、缩放因子，再利用哈夫曼解码，得到粒度组。

上述方法中在每个粒度组中选取适合嵌入水印信息的非零子带的方法，其流程图如图3所示，首先，将该粒度组中的所有子带按缩放因子由小到大排序，然后计算每个子带的能量，即非零系数和，根据混沌序列和阈值，计算可嵌入水印的子带数目，再按缩放因子由小到大的顺序选取相应数目的子带作为水印嵌入的载体。

上述方法中将水印信息逐位嵌入到对应子带非零系数中的方法，其流程图如图4所示，遍历该子带中的所有系数，若系数为0，则不做任何处理；若系数大于0，且该系数与水印信息相应位的值同奇偶，则保持该系数不变，否则，该系数自增(值加1)；若系数小于0，且该系数与水印信息相应位的值同奇偶，则该系数自减(值减1)，否则，该系数保持不变。

本发明提出的从MP3音频文件中提取数字水印的方法，其流程如图5所示，首先读取MP3音频文件的一个Sample，对该Sample进行解码，得到一些粒度组；在每个粒度组中选取嵌有水印信息的非零子带，将水印信息提出，重复上述过程直至处理完MP3音频文件的所有Sample，最后就得到了嵌在MP3音频文件中的水印信息。

上述方法中对Sample的解码方法，其流程图如图2所示；选取嵌有水印信息的非零子带的方法，其流程图如图3所示。具体实施方式与水印嵌入时一致，在此不再赘述。

上述方法中从子带非零系数中提取水印的方法，其流程图如图6所示，遍历该子带中的所有系数，若系数为0，则不进行任何操作；若系数大于0且为奇数，则水印信息位为1，若系数大于0且为偶数，则水印信息位为0；若系数小于0且为奇数，则水印信息位为0，若系数小于0且为偶数，则水印信息位为1。

现在以四个4首MP3歌曲加固定数字水印文件做测试用例，来构造本发明的实施例。

嵌入测试分两种，第一种测试在不同阈值下嵌入水印信息到每一个MP3文件，第二种测试是对4个不同的MP3文件采用相同的阈值作测试。

采用两种方法对测试结果进行了评价，分别是主观评价和客观评价。

●主观评价

主观评价由多人次对嵌入水印信息前后的MP3文件做评价，MP3文件由windows mediaplayer 9播放器播放，由听众反复试听进行判断。

主观测试结果表明，对嵌入水印信息后的MP3文件进行播放试听，反复数次，参与测试的人始终无法分辨出它们之间差异。即以MP3文件作为载体，采用本发明嵌入数字水印信息，不会降低MP3文件的听觉质量。

●客观评价

客观评价是通过嵌入水印前后的信噪比和相关性检验来评价。测试时，首先统计MP3中可被嵌入的水印容量，然后根据该容量随机生成二进制文件，再使用该文件作为水印信息嵌入到MP3文件中。

信噪比的计算由以下公式给出：

$\mathrm{SNR}=\frac{1}{N}10\log \{\underset{n=Z}{\overset{N+Z}{\mathrm{\Σ}}}{x}^2\left(n\right)/\underset{n=Z}{\overset{N+Z}{\mathrm{\Σ}}}{[x\left(n\right)-y\left(n\right)]}^2\},$

此外，还可以对部分段的MP3数据进行信噪比计算，该分段信噪比(SNRseg)的计算公式：SNR_seg＝10log(q²)，

其中q²＝exp(L)-1， $L=\frac{1}{M}\underset{l=1}{\overset{M}{\mathrm{\Σ}}}\log \{1+\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}^2\left(n\right)}{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{[y\left(n\right)-x\left(n\right)]}^2}\},$

其中x(n)是输入信号，y(n)是输出信号，Z是标记正在计算的采样帧，N是帧长，M是帧的总数。

相关性的计算由以下公式给出：

$\mathrm{CF}=\frac{{|\underset{n}{\mathrm{\Σ}}{X}_n\left(f\right)\·Y_n\left(f\right)|}^2}{\underset{n}{\mathrm{\Σ}}{\left|X_n\left(f\right)\right|}^2\underset{n}{\mathrm{\Σ}}{\left|Y_n\left(f\right)\right|}^2},$

其中|X_n(f)|和|Y_n(f)|分别是失真信号和原始信号的频谱.

客观测试结果如下：

1)不同阈值测试

对一首MP3(“不爱我放了我.MP3”)使用不同阈值时计算得到的嵌入容量见表1。

阈值	0.2	0.4	0.6	0.8	1.0
						嵌入容量(byte)	14353	25244	36717	48334	59691

表1对“不爱我放了我.MP3”使用不同阈值时计算得到的嵌入容量

2)不同文件测试

不同文件在阈值为0.8时可搭载的信息量，见表2。

文件名	原始文件(byte)	搭载后文件(byte)	可搭载的信息量(byte)
				秋日私语.MP3	3203461	3203238	38094
春江花月夜.MP3	8900012	8900440	106887
				不爱我放了我.MP3	4078446	4078863	48334
一首简单的歌.MP3	5970662	5970238	47561

表2不同文件阈值取0.8时搭载的信息量

提取时的测试统一进行，使用相同对嵌入过水印信息的4首MP3歌曲进行提取操作，检验提取出来的水印文件与原始的水印文件是否相同，如有误差，计算提取的误差程度与发生误差的机率。

提取测试的结果为通过四首MP3提取得到的四个水印文件分别与各自嵌入之前的文件相同，即水印文件长度，水印文件内容都完全相同，表明本发明的嵌入与提取算法具有非常高的可靠性和实用性。

Claims (2)

1.自适应的MP3数字水印嵌入方法，其特征在于，所述方法是在计算机中依次按以下步骤实现的：

步骤(1)，读取MP3音频文件的一个样本，分别解码头部信息、边信息、缩放因子，再利用哈夫曼解码，得到粒度组；

步骤(2)，在步骤(1)得到的粒度组中选取适合嵌入水印信息的非零子带，其步骤如下：

步骤(2.1)，按照缩放因子由小到大的顺序把所述粒度组内的所有子带排序；

步骤(2.2)，计算非零系数和，得到每个子带的能量；

步骤(2.3)，按下式计算可供嵌入的子带数N，在N中要排除频谱下端低频部分的三个子带：

N＝r*increase*N₁*threshold，

其中：r是混沌序列生成的随机数，在[0，1]间取值，

incr ease是全局增益，为设定值，

N₁为粒度组内能量不为零的非零子带数，为已知值，

threshold为阈值，取值范围为[0，1]；

步骤(2.4)，按缩放因子由小到大的顺序选取步骤(2.3)中得到的N个子带作为水印信息嵌入的载体；

步骤(3)，把水印信息从最高位开始，按照子带缩放因子由小到大的顺序，逐位嵌入到步骤(2)得到的N个非零子带中，其步骤如下：

针对每个非零子带中频谱高频部分的系数值，比较这些系数的值与水印信息相对应位的值，根据不同情况作如下修改：

若：系数的值为零，则不进行任何操作，

若：系数的值大于零，且该非零系数的值为奇数，而水印信息相对应位的值为偶数，或者非零系数的值为偶数而水印信息相对应位的值为奇数，则非零系数的值加1，若非零系数的值和水印信息相对应位的值均为奇数，或者均为偶数，则不进行任何处理，

若：系数的值小于零，且该非零系数的值与水印信息相应位的值均为奇数，或者均为偶数，则非零系数的值减1，若非零系数的值为奇数而水印信息相对应位的值为偶数，或者非零系数的值为偶数而水印信息相对应位的值为奇数，则不作任何处理；

步骤(4)，对嵌入后的粒度组进行重新编码，得到嵌入水印信息的MP3音频文件。

2.根据权利要求1所述的自适应的MP3数字水印嵌入方法，其特征在于，当从已经嵌入水印信息的MP3音频文件中提取水印信息时，在遍历已经嵌入水印信息的非零子带中的所有系数的步骤中，若系数的值为零，则不作任何提取，若该系数大于零且为奇数，则水印信息值为1，若该系数大于零且为偶数，则水印信息值为0，若该系数小于零且为奇数，则水印信息值为0，若该系数小于零且为偶数，则水印信息的值为1。

Images