CN112712811A - 自适应量化均值去同步攻击鲁棒音频水印方法 - Google Patents
自适应量化均值去同步攻击鲁棒音频水印方法 Download PDFInfo
- Publication number
- CN112712811A CN112712811A CN202011441264.2A CN202011441264A CN112712811A CN 112712811 A CN112712811 A CN 112712811A CN 202011441264 A CN202011441264 A CN 202011441264A CN 112712811 A CN112712811 A CN 112712811A
- Authority
- CN
- China
- Prior art keywords
- watermark
- audio
- host audio
- host
- embedding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000013139 quantization Methods 0.000 title claims description 36
- 230000003044 adaptive effect Effects 0.000 title claims description 6
- 238000012545 processing Methods 0.000 claims abstract description 55
- 230000008569 process Effects 0.000 claims abstract description 54
- 230000005236 sound signal Effects 0.000 claims abstract description 31
- 238000000605 extraction Methods 0.000 claims abstract description 26
- 238000009432 framing Methods 0.000 claims abstract description 26
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000012360 testing method Methods 0.000 claims abstract description 10
- 230000000739 chaotic effect Effects 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000001976 improved effect Effects 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 239000012634 fragment Substances 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000003776 cleavage reaction Methods 0.000 claims description 2
- 230000007017 scission Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000004519 manufacturing process Methods 0.000 abstract 1
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/018—Audio watermarking, i.e. embedding inaudible data in the audio signal
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
- G10L19/0212—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using orthogonal transformation
- G10L19/0216—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using orthogonal transformation using wavelet decomposition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明涉及信息安全、水印技术，为提高抵抗去同步攻击和普通信号攻击的能力，降低水印的嵌入时长，提高实时性以及同等条件下宿主音频可被嵌入信息增大，整体上提高音频水印系统的不可感知性、鲁棒性和嵌入容量之间的权衡，本发明，自适应量化均值去同步攻击鲁棒音频水印方法，步骤是：水印图片预处理和混沌加密、音频数据的静音和非静音片段NS的切割和提取、宿主音频结合水印数据进行分帧处理、宿主音频的离散小波变换DWT处理、宿主音频的DWT特征均值的计算、量化宿主音频均值特征嵌入宿主音频、通过小波重构进行逆小波变换得到嵌入水印的音频信号、按照嵌入过程，进行相应的提取过程，并测试攻击结果。本发明主要应用于设计制造场合。
Description
技术领域
本发明涉及信息安全、水印，具体涉及自适应量化均值去同步攻击鲁棒音频水印方法。
背景技术
本发明涉及图像基础处理、图像混沌置乱、音频特征切割、离散小波变换处理(Discrete Wavelet Transform，DWT)、量化抖动调制宿主音频均值特性，以及自适应量化特征求解等技术。传统的水印算法通常是保留了原有音频的完整性，这就导致水印系统在嵌入时长上会较大，直接从嵌入时长上产生影响，进而影响系统的实时性效果，另外在使用均值特征进行量化水印信息的时候局部的静音片段会对其整体分帧之后的均值特性产生影响。
故本发明所设计水印系统则是先对原有宿主音频首先进行音频特征分析，按照音频自身的特性进行静音片段和非静音(Non-Silence，NS)片段的切割与提取，可以实现音频数据被嵌入容量的更大化处理，再对音频的非静音片段进行均值特征的抖动量化操作，以实现图片水印信息的嵌入。同时利用混沌置乱算法对图片水印进行置乱处理，使水印系统具有更加严密的密码保护系统，结合音频切割、离散小波变换、抖动量化均值等方法，进一步来保证整个水印系统佛如鲁棒性、不可感知性和嵌入容量，该系统在音频切割、音频白噪声修复和数字音频水印领域都展现了良好的能力。
近年来，随着数字媒体媒介的进一步发展与成熟，信息技术的快速发展为各种数字媒体产品的传输、存储和复制提供了便利，对于音频产品而言，各种高效的音频编辑软件套装产品的广泛推广和使用，为音频产品的插入、删除、置换、盗用、窃取等提供了便利，非法使用者利用这些漏洞对音频产品进行非法使用，这就对数据安全和保护造成了巨大的威胁。
在数据安全领域，传统的密码学的发展为初步的数据保护提供了保障，传统的保护方法是通过密码加密，通过比如DES，SM4等对称或非对称加密算法可以对数字信息进行保护。但是一方面，加密的密文可能会被破解，一旦密码被破解，保护功能则相应失效；另一方面加密也不利于信息的开放性传播。
基于网络快速发展背景下的数据安全的需求进一步增大，数字水印技术成为了替代传统密码学的方案，这种技术在版权归属验证、数据损坏检测、认证技术等这些方面有很好地表现。传统的加密技术不足以满足数字媒体数据的版权保护等需求，而数字水印作为一种新兴的传统密码学的替代技术，为解决上述问题提供了一种更为有效的潜在解决方案，数字音频水印技术为音频数据的提供了更为安全、有效的保护。在网络背景下，普通用户可以重新获取数字语音，并广泛分发重新获取的语音。而对于敏感的言论，这种分布可能会对版权所有者产生负面影响，那些未经授权传播言论的人必须承担责任。因此，语音传播的溯源问题也是一个亟待解决的问题。数字水印在版权保护、内容认证和所有权验证等方面得到了广泛的研究和应用。
到目前为止，已经开发了很多音频水印方法，包括时域方法和变换域方法。比如常见的时域方法有最低有效位算法(Least Significant Bit,LSB)，相位编码算法(PhaseCoding)，和回声隐藏算法(Echo Hiding)等，变换域方法有扩展频谱(Spread Spectrum,SS)算法、量化指数调制(Quantization index Modulation，QIM)算法、拼接(Patchwork)算法等。对比于时域方法，变换域方法由于其在信号特征和听觉特性方面的独特优势，以及对宿主音频的进一步处理使得水印信息在被嵌入的时候不可感知性、鲁棒性和嵌入容量得到了更好的权衡。根据提取水印时是否需要原有的宿主音频信息将水印算法分为盲音频水印算法、非盲音频水印算法和半盲音频水印算法。
近几年来，对于水印系统的同步结构的研究越来越多，水印同步结构的影响可以将音频信号处理分为常用的信号处理和同步攻击处理，常用的信号处理攻击不影响水印信号的同步结构，而同步攻击处理破坏了水印信号的同步结构。时间尺度修改(Time-scaleModification, TSM)、音高位移修改(Pitch-scale Modification，PSM)、随机剪切、抖动和重采样等是常见的同步攻击，这些攻击对于音频信号的可听性和完整性的影响很小，但是严重破坏了音频信号的同步结构。而我们的研究也主要是针对于普通的信号处理攻击和同步攻击，提升了水印系统抵抗各种攻击的综合能力。
目前，由于数据安全保护的进一步需求，数字水印的研究工作得到世界上很多国家的重视，世界上许多知名的研究机构和知名公司都参与到数字水印的研究进一步促进数字水印的发展和进部，同时国内的也有很多正在研究数字水印的公司、单位和高校，进一步推进数字数据的保护，为推广数字水印技术提供了强大的技术支持。总体来说，数字水印如今已经成为了一门热门且很具有研究价值的学科。
发明内容
为克服现有技术的不足，本发明旨在提出加水印方法，解决针对于传统信号攻击的数字水印算法的单一抗性，提高系统整体的抵抗去同步攻击的能力和普通信号攻击的能力，同时结合音频静音和非静音特性的提取，降低水印的嵌入时长，提高系统的实时性以及同等条件下宿主音频可被嵌入信息增大，整体上提高音频水印系统的不可感知性、鲁棒性和嵌入容量之间的权衡。为此，本发明采取的技术方案是，自适应量化均值去同步攻击鲁棒音频水印方法，步骤如下：水印图片预处理和混沌加密、音频数据的静音和非静音片段NS的切割和提取、宿主音频结合水印数据进行分帧处理、宿主音频的离散小波变换DWT处理、宿主音频的DWT特征均值的计算、量化宿主音频均值特征嵌入宿主音频、通过小波重构进行逆小波变换得到嵌入水印的音频信号、按照嵌入过程，进行相应的提取过程，并测试攻击结果。
具体步骤如下：
步骤一：水印图片预处理和置乱加密处理：
选择水印图片，图片进行预处理，水印图片进行Arnold置乱处理，保留置乱密钥；
步骤二：宿主音频数据的静音和非静音片段切割和提取：
利用宿主音频的离散余弦变换系数对数均值特征DCT-CLM，对宿主音频的静音和非静音片段进行提取；
步骤三：宿主音频结合水印数据进行分帧处理：
根据嵌入水印的大小和宿主音频长度进行分帧，将音频分段；
步骤四：宿主音频的离散小波变换处理：
将时域信号变换至小波域，对音频信号进行第三级小波变换；
步骤五：宿主音频的DWT特征均值的计算：
按照上述分帧和第三级小波变换的过程，计算音频每一个音频分段的小波近似系数的均值特征；
步骤六：量化宿主音频均值特征将水印信息嵌入宿主音频：
利用量化均值调制QMM算法进行水印信息的嵌入；
步骤七：通过小波重构进行逆小波变换，得到嵌入水印的音频信号：
利用小波重构算法，将小波变换的信号还原至时域信号，得到嵌入水印的音频信号；
步骤八：按照嵌入过程，进行相应的提取过程，并测试攻击结果：
根据嵌入过程依次进行嵌入处理的逆处理，得到盲音频水印系统的提取结果，即水印信息和宿主音频，并进行攻击测试。
详细步骤如下：
一、图片水印预处理和置乱处理部分：
1)水印图片预处理和置乱加密处理：
选择要嵌入水印系统的水印图片，对图片进行预处理，首先将RGB图片转换为灰度图，再将灰度图变为黑白二值图，将此二值图作为图片水印信息进行嵌入；水印图片进行置乱处理，置乱算法采用Arnold置乱算法，置乱过程中的系数和次数作为水印系统的密钥，以便对系统的多层保护；
Arnold置乱算法的正变换公式如下，其中a和b是参数，n是置乱算法的迭代次数，N是图像的高或宽，水印图像表示为w(i)，[xn,yn]表示水印图像矩阵，[xn+1,yn+1]表示置乱之后的水印图像矩阵：
二、水印嵌入算法部分：
1)宿主音频数据的静音和非静音NS片段切割和提取：
通过离散余弦对数系数DCT-CLM进行静音和非静音片段的提取，将非静音片段作为宿主音频进行水印信息的嵌入；
2)宿主音频结合水印数据进行分帧处理：
结合置乱后的水印数据长度和NS提取之后的宿主音频长度进行分帧处理，将宿主音频进行分段处理。
宿主音频信号可表示为A，其中L是宿主音频长度，j表示音频点的位置：
A＝{A(j),1≤j≤L}
经过计算宿主音频每帧帧长为ls，其计算过程如下，其中n是图片水印位数：
3)宿主音频进行离散小波变换DWT处理：
比较时域处理的宿主音频，经过离散小波变换或者离散余弦变换等变换域处理的宿主音频信号进行水印信息的嵌入时，水印系统的鲁棒性会大幅度提升；
在离散小波变换时利用Haar小波变换，结合具体的音频信号和水印信号，选择三级小波变换进行离散小波分解，得到分帧之后的每一个音频段的第三级离散小波变换的近似系数；
4)宿主音频的DWT特征均值的计算：
利用前述步骤求出的每一帧音频段的第三级离散小波变换的近似系数，求得每一个音频段的第三级小波变换的近似系数的均值，将其作为特征参数进行水印信息的嵌入过程，每帧的第三级小波变换近似系数的均值计算过程如下：
其中i是宿主音频片段帧的序号，k为宿主音频片段帧中的样本序号，l是宿主音频的每段的帧长，ca3(i,k)是第i帧的第三级离散小波变换的近似系数，m(i)是第i帧的第三级小波变换近似系数的均值。
5)量化宿主音频的均值特征将图片水印信息嵌入宿主音频
利用量化均值调制QMM算法将图片水印中的“0”、“1”信息量化至前述的均值特征中，通过量化后的均值特征在每帧的第三级小波变换的近似系数上进行改变，以实现水印信息的嵌入；
其中每帧的第三级小波变换均值的量化过程的计算公式如下：
其中Δ是量化步长，w(i)是水印信号；m(i)是第三级小波变换近似系数的均值特征；0.5 是调制的抖动系数；
表示量化调制后的均值特征，其中包含有数值为“0”或者“1”水印信息；
利用得到的调制后的
通过修改对应的第三级DWT系数来完成对每个音频帧的水印信息的二值嵌入。
其中嵌入过程的公式如下：
其中ca3(i,k)代表嵌入水印之前的第三级DWT的近似系数，CA3(i,k)代表嵌入量化水印信息后的第三级DWT近似系数，i是宿主音频片段帧的序号，k为宿主音频片段帧中的样本序号；
6)通过小波重构进行逆小波变换，得到嵌入水印的音频信号：
将嵌入水印信息的第三级DWT的近似系数，与没有进行信息更改的DWT变换系数进行重构，完成逆小波变换的过程，重构出嵌入水印信息的时域音频信号；
三、水印提取算法部分：
1)对嵌入水印的音频进行分帧处理；
2)对分帧后的信号进行三级DWT，得到第三级DWT的近似系数；
3)求得每帧的第三级DWT近似系数的均值
4)根据嵌入过程时的量化均值调制(QMM)过程，进行水印信息的提取：
结合嵌入水印过程时使用的抖动量化的参数和调制的过程，分析得到提取水印信息的过程，从嵌入水印的音频的第三级DWT的近似系数中提取出水印信息；
其中水印提取过程的公式如下：
其中
是提取的水印，
是嵌入水印的第三级DWT近似系数的均值，Δ是量化步长， i是水印图像编号；
5)将提取出的水印信息利用Arnold置乱算法的密钥，进行Arnold置乱的恢复处理得到提取出的水印图像w′(i)：
置乱恢复的变换过程公式如下，其中a和b是参数，n是置乱算法的迭代次数，N是图像的高或宽，水印图像表示为w(i)，[xn,yn]表示水印图像矩阵，[xn+1,yn+1]表示置乱之后的水印图像矩阵：
6)计算水印提取结果的误码率(BER)：
其中误码率计算的公式如下，其中w′(i)表示提取出的水印图像，w(i)表示原来的水印图像：
本发明的特点及有益效果是：
本发明先对原有宿主音频首先进行音频特征分析，按照音频自身的特性进行静音片段和非静音(Non-Silence)片段的切割与提取，可以实现音频数据被嵌入容量的更大化处理，再对音频的非静音片段进行均值特征的抖动量化操作，以实现图片水印信息的嵌入。进行非静音片段的提取和切割较原来经典的量化指数调制(QIM)算法误码率降低9％左右，而利用均值特性进行嵌入使得系统在面对同步攻击时，误码率降低8-10％左右，同时嵌入容量较多数算法有提升的效果，在同等效果下可多嵌入200-500大小的水印数据。
实验结果表明，该方法对于不同类型的音频都能表现出较好的嵌入效果，在不可感知性、鲁棒性和嵌入容量之间达到了很好的平衡效果，在图片-音频的混合水印系统中表现出良好的能力。
附图说明：
图1是水印图片和Arnold置乱处理后的水印图片；
图2是一次离散小波变换(DWT)的过程；
图3是水印嵌入过程的流程图；
图4是水印提取过程的流程图。
图5不可感知性实验结果。
图6鲁棒性(同步攻击)实验结果。
具体实施方式
传统的音频水印系统基本都是保留了原有宿主音频信息的完整性，将图片、文字或者音频水印信息直接嵌入到时域信号或者是变换域处理的信号中，我们的研究同样是针对于去同步攻击处理，结合离散小波变换处理对宿主音频的非静音片段进行量化指数调制算法处理。进一步解决了针对于传统信号攻击的数字水印算法的单一抗性，提高了系统整体的抵抗去同步攻击的能力和普通信号攻击的能力，同时结合音频静音和非静音特性的提取，降低了水印的嵌入时长，提高了系统的实时性以及同等条件下宿主音频可被嵌入信息增大，整体上提高了音频水印系统的不可感知性、鲁棒性和嵌入容量之间的权衡。
本发明是基于图像水印置乱和音频检测切割的自适应量化均值的去同步攻击鲁棒音频水印算法的研究。
实现本发明目的的技术解决方案为：
由于多数的数字音频水印算法没有针对于信号的同步攻击做相应的处理，导致传统的数字音频水印算法只能抵抗传统的信号攻击，比如压缩攻击、噪声攻击、滤波攻击、回声攻击、重采样攻击等；同时，针对于不同类型和不同特征的音频，比如简单的音乐音频和有静音片段的说话人音频，二者使用相同的嵌入和提取方法效果往往差异较大，这是因为不同类型的音频的离散余弦变换系数对数均值(DCT-CLM)特征有很大的不同；而为了解决单一的音频水印保护问题，我们同时为系统添加了双层的密钥，即整个系统有密钥和水印的双层保护，大大提高了整个系统的安全性能。本实验主要包括以下几个部分：水印图片预处理和混沌加密、音频数据的静音和非静音片段(NS)的切割和提取、宿主音频结合水印数据进行分帧处理、宿主音频的离散小波变换(DWT)处理、宿主音频的DWT特征均值的计算、量化宿主音频均值特征嵌入宿主音频、通过小波重构进行逆小波变换得到嵌入水印的音频信号、按照嵌入过程，进行相应的提取过程，并测试攻击结果。
本发明提出一种基于图像水印置乱和音频检测切割的自适应量化均值的去同步攻击鲁棒音频水印算法，主要包括以下步骤：
步骤一：水印图片预处理和置乱加密处理：
选择水印图片，图片进行预处理，水印图片进行Arnold置乱处理，保留置乱密钥；
步骤二：宿主音频数据的静音和非静音(NS)片段切割和提取：
利用宿主音频的离散余弦变换系数对数均值特征(DCT-CLM)，对宿主音频的静音和非静音片段进行提取；
步骤三：宿主音频结合水印数据进行分帧处理：
根据嵌入水印的大小和宿主音频长度进行分帧，将音频分段；
步骤四：宿主音频的离散小波变换(DWT)处理：
将时域信号变换至小波域，对音频信号进行第三级小波变换；
步骤五：宿主音频的DWT特征均值的计算：
按照上述分帧和第三级小波变换的过程，计算音频每一个音频分段的小波近似系数的均值特征；
步骤六：量化宿主音频均值特征将水印信息嵌入宿主音频：
利用量化均值调制(QMM)进行水印信息的嵌入；
步骤七：通过小波重构进行逆小波变换，得到嵌入水印的音频信号：
利用小波重构算法，将小波变换的信号还原至时域信号，得到嵌入水印的音频信号；
步骤八：按照嵌入过程，进行相应的提取过程，并测试攻击结果：
根据嵌入过程依次进行嵌入处理的逆处理，得到盲音频水印系统的提取结果，即水印信息和宿主音频，并进行攻击测试。
下面结合流程图来具体的描述本发明基于图像水印置乱和音频检测切割的自适应量化均值的去同步攻击鲁棒音频水印算法，主要包含以下步骤：
1、图片水印预处理和置乱处理部分：
1)水印图片预处理和置乱加密处理：
选择要嵌入水印系统的水印图片，对图片进行预处理，首先将RGB图片转换为灰度图，再将灰度图变为黑白二值图，将此二值图作为图片水印信息进行嵌入。水印图片进行置乱处理，置乱算法采用Arnold置乱算法，置乱过程中的系数和次数可作为水印系统的密钥，以便对系统的多层保护。Arnold置乱是经典的置乱变换之一，它能改变信息的分布状况，使图像信息分部散乱化，同时，它的逻辑简单，实现方便，可以有效降低系统复杂度。
Arnold置乱算法的正变换公式如下，其中a和b是参数，n是置乱算法的迭代次数，N是图像的高或宽，水印图像表示为w(i)，[xn,yn]表示水印图像矩阵，[xn+1,yn+1]表示置乱之后的水印图像矩阵：
2、水印嵌入算法部分：
1)宿主音频数据的静音和非静音(NS)片段切割和提取：
通过离散余弦对数系数DCT-CLM进行静音和非静音片段的提取，将非静音片段作为宿主音频进行水印信息的嵌入；
2)宿主音频结合水印数据进行分帧处理：
结合置乱后的水印数据长度和NS提取之后的宿主音频长度进行分帧处理，将宿主音频进行分段处理。
宿主音频信号可表示为A，其中L是宿主音频长度，j表示音频点的位置：
A＝{A(j),1≤j≤L}
经过计算宿主音频每帧帧长为ls，其计算过程如下，其中n是图片水印位数：
3)宿主音频进行离散小波变换(DWT)处理：
比较时域处理的宿主音频，经过离散小波变换或者离散余弦变换等变换域处理的宿主音频信号进行水印信息的嵌入时，水印系统的鲁棒性会大幅度提升；
在离散小波变换时利用Haar小波变换，结合具体的音频信号和水印信号，选择三级小波变换进行离散小波分解，得到分帧之后的每一个音频段的第三级离散小波变换的近似系数；
4)宿主音频的DWT特征均值的计算：
利用前述步骤求出的每一帧音频段的第三级离散小波变换的近似系数，求得每一个音频段的第三级小波变换的近似系数的均值，将其作为特征参数进行水印信息的嵌入过程，每帧的第三级小波变换近似系数的均值计算过程如下：
其中i是宿主音频片段帧的序号，k为宿主音频片段帧中的样本序号，l是宿主音频的每段的帧长，ca3(i,k)是第i帧的第三级离散小波变换的近似系数，m(i)是第i帧的第三级小波变换近似系数的均值。
5)量化宿主音频的均值特征将图片水印信息嵌入宿主音频
利用量化均值调制(QMM)算法将图片水印中的“0”、“1”信息量化至前述的均值特征中，通过量化后的均值特征在每帧的第三级小波变换的近似系数上进行改变，以实现水印信息的嵌入；
其中每帧的第三级小波变换均值的量化过程的计算公式如下：
其中Δ是量化步长，w(i)是水印信号；m(i)是第三级小波变换近似系数的均值特征；0.5 是调制的抖动系数；
表示量化调制后的均值特征，其中包含有数值为“0”或者“1”水印信息；
利用得到的调制后的
通过修改对应的第三级DWT系数来完成对每个音频帧的水印信息的二值嵌入。
其中嵌入过程的公式如下：
其中ca3(i,k)代表嵌入水印之前的第三级DWT的近似系数，CA3(i,k)代表嵌入量化水印信息后的第三级DWT近似系数，i是宿主音频片段帧的序号，k为宿主音频片段帧中的样本序号；
6)通过小波重构进行逆小波变换，得到嵌入水印的音频信号：
将嵌入水印信息的第三级DWT的近似系数，与没有进行信息更改的DWT变换系数进行重构，完成逆小波变换的过程，重构出嵌入水印信息的时域音频信号。
3、水印提取算法部分：
1)对嵌入水印的音频进行分帧处理；
2)对分帧后的信号进行三级DWT，得到第三级DWT的近似系数；
3)求得每帧的第三级DWT近似系数的均值
4)根据嵌入过程时的量化均值调制(QMM)过程，进行水印信息的提取：
结合嵌入水印过程时使用的抖动量化的参数和调制的过程，分析得到提取水印信息的过程，从嵌入水印的音频的第三级DWT的近似系数中提取出水印信息；
其中水印提取过程的公式如下：
其中
是提取的水印，
是嵌入水印的第三级DWT近似系数的均值，Δ是量化步长， i是水印图像编号；
5)将提取出的水印信息利用Arnold置乱算法的密钥，进行Arnold置乱的恢复处理得到提取出的水印图像w′(i)：
置乱恢复的变换过程公式如下，其中a和b是参数，n是置乱算法的迭代次数，N是图像的高或宽，水印图像表示为w(i)，[xn,yn]表示水印图像矩阵，[xn+1,yn+1]表示置乱之后的水印图像矩阵：
6)计算水印提取结果的误码率(BER)：
其中误码率计算的公式如下，其中w′(i)表示提取出的水印图像，w(i)表示原来的水印图像：
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (3)
1.一种自适应量化均值去同步攻击鲁棒音频水印方法，其特征是，步骤如下：水印图片预处理和混沌加密、音频数据的静音和非静音片段NS的切割和提取、宿主音频结合水印数据进行分帧处理、宿主音频的离散小波变换DWT处理、宿主音频的DWT特征均值的计算、量化宿主音频均值特征嵌入宿主音频、通过小波重构进行逆小波变换得到嵌入水印的音频信号、按照嵌入过程，进行相应的提取过程，并测试攻击结果。
2.如权利要求1所述的自适应量化均值去同步攻击鲁棒音频水印方法，其特征是，具体步骤如下：
步骤一：水印图片预处理和置乱加密处理：
选择水印图片，图片进行预处理，水印图片进行Arnold置乱处理，保留置乱密钥；
步骤二：宿主音频数据的静音和非静音片段切割和提取：
利用宿主音频的离散余弦变换系数对数均值特征DCT-CLM，对宿主音频的静音和非静音片段进行提取；
步骤三：宿主音频结合水印数据进行分帧处理：
根据嵌入水印的大小和宿主音频长度进行分帧，将音频分段；
步骤四：宿主音频的离散小波变换处理：
将时域信号变换至小波域，对音频信号进行第三级小波变换；
步骤五：宿主音频的DWT特征均值的计算：
按照上述分帧和第三级小波变换的过程，计算音频每一个音频分段的小波近似系数的均值特征；
步骤六：量化宿主音频均值特征将水印信息嵌入宿主音频：
利用量化均值调制QMM算法进行水印信息的嵌入；
步骤七：通过小波重构进行逆小波变换，得到嵌入水印的音频信号：
利用小波重构算法，将小波变换的信号还原至时域信号，得到嵌入水印的音频信号；
步骤八：按照嵌入过程，进行相应的提取过程，并测试攻击结果：
根据嵌入过程依次进行嵌入处理的逆处理，得到盲音频水印系统的提取结果，即水印信息和宿主音频，并进行攻击测试。
3.如权利要求1所述的自适应量化均值去同步攻击鲁棒音频水印方法，其特征是，详细步骤如下：
一、图片水印预处理和置乱处理部分：
1)水印图片预处理和置乱加密处理：
选择要嵌入水印系统的水印图片，对图片进行预处理，首先将RGB图片转换为灰度图，再将灰度图变为黑白二值图，将此二值图作为图片水印信息进行嵌入；水印图片进行置乱处理，置乱算法采用Arnold置乱算法，置乱过程中的系数和次数作为水印系统的密钥，以便对系统的多层保护；
Arnold置乱算法的正变换公式如下，其中a和b是参数，n是置乱算法的迭代次数，N是图像的高或宽，水印图像表示为w(i)，[xn,yn]表示水印图像矩阵，[xn+1,yn+1]表示置乱之后的水印图像矩阵：
二、水印嵌入算法部分：
1)宿主音频数据的静音和非静音NS片段切割和提取：
通过离散余弦对数系数DCT-CLM进行静音和非静音片段的提取，将非静音片段作为宿主音频进行水印信息的嵌入；
2)宿主音频结合水印数据进行分帧处理：
结合置乱后的水印数据长度和NS提取之后的宿主音频长度进行分帧处理，将宿主音频进行分段处理。
宿主音频信号可表示为A，其中L是宿主音频长度，j表示音频点的位置：
A＝{A(j),1≤j≤L}
经过计算宿主音频每帧帧长为ls，其计算过程如下，其中n是图片水印位数：
3)宿主音频进行离散小波变换DWT处理：
比较时域处理的宿主音频，经过离散小波变换或者离散余弦变换等变换域处理的宿主音频信号进行水印信息的嵌入时，水印系统的鲁棒性会大幅度提升；
在离散小波变换时利用Haar小波变换，结合具体的音频信号和水印信号，选择三级小波变换进行离散小波分解，得到分帧之后的每一个音频段的第三级离散小波变换的近似系数；
4)宿主音频的DWT特征均值的计算：
利用前述步骤求出的每一帧音频段的第三级离散小波变换的近似系数，求得每一个音频段的第三级小波变换的近似系数的均值，将其作为特征参数进行水印信息的嵌入过程，每帧的第三级小波变换近似系数的均值计算过程如下：
其中i是宿主音频片段帧的序号，k为宿主音频片段帧中的样本序号，l是宿主音频的每段的帧长，ca3(i,k)是第i帧的第三级离散小波变换的近似系数，m(i)是第i帧的第三级小波变换近似系数的均值。
5)量化宿主音频的均值特征将图片水印信息嵌入宿主音频
利用量化均值调制QMM算法将图片水印中的“0”、“1”信息量化至前述的均值特征中，通过量化后的均值特征在每帧的第三级小波变换的近似系数上进行改变，以实现水印信息的嵌入；
其中每帧的第三级小波变换均值的量化过程的计算公式如下：
其中Δ是量化步长，w(i)是水印信号；m(i)是第三级小波变换近似系数的均值特征；0.5是调制的抖动系数；
表示量化调制后的均值特征，其中包含有数值为“0”或者“1”水印信息；
利用得到的调制后的
通过修改对应的第三级DWT系数来完成对每个音频帧的水印信息的二值嵌入。
其中嵌入过程的公式如下：
其中ca3(i,k)代表嵌入水印之前的第三级DWT的近似系数，CA3(i,k)代表嵌入量化水印信息后的第三级DWT近似系数，i是宿主音频片段帧的序号，k为宿主音频片段帧中的样本序号；
6)通过小波重构进行逆小波变换，得到嵌入水印的音频信号：
将嵌入水印信息的第三级DWT的近似系数，与没有进行信息更改的DWT变换系数进行重构，完成逆小波变换的过程，重构出嵌入水印信息的时域音频信号；
三、水印提取算法部分：
1)对嵌入水印的音频进行分帧处理；
2)对分帧后的信号进行三级DWT，得到第三级DWT的近似系数；
3)求得每帧的第三级DWT近似系数的均值
4)根据嵌入过程时的量化均值调制(QMM)过程，进行水印信息的提取：
结合嵌入水印过程时使用的抖动量化的参数和调制的过程，分析得到提取水印信息的过程，从嵌入水印的音频的第三级DWT的近似系数中提取出水印信息；
其中水印提取过程的公式如下：
其中
是提取的水印，
是嵌入水印的第三级DWT近似系数的均值，Δ是量化步长，i是水印图像编号；
5)将提取出的水印信息利用Arnold置乱算法的密钥，进行Arnold置乱的恢复处理得到提取出的水印图像w′(i)：
置乱恢复的变换过程公式如下，其中a和b是参数，n是置乱算法的迭代次数，N是图像的高或宽，水印图像表示为w(i)，[xn,yn]表示水印图像矩阵，[xn+1,yn+1]表示置乱之后的水印图像矩阵：
6)计算水印提取结果的误码率(BER)：
其中误码率计算的公式如下，其中w′(i)表示提取出的水印图像，w(i)表示原来的水印图像：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011441264.2A CN112712811A (zh) | 2020-12-08 | 2020-12-08 | 自适应量化均值去同步攻击鲁棒音频水印方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011441264.2A CN112712811A (zh) | 2020-12-08 | 2020-12-08 | 自适应量化均值去同步攻击鲁棒音频水印方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112712811A true CN112712811A (zh) | 2021-04-27 |
Family
ID=75543417
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011441264.2A Pending CN112712811A (zh) | 2020-12-08 | 2020-12-08 | 自适应量化均值去同步攻击鲁棒音频水印方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112712811A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113506580A (zh) * | 2021-04-28 | 2021-10-15 | 合肥工业大学 | 抗任意剪切和翻录的音频水印方法及系统 |
| CN113782041A (zh) * | 2021-09-14 | 2021-12-10 | 随锐科技集团股份有限公司 | 一种基于音频变频域的嵌入和定位水印的方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140005815A1 (en) * | 2012-06-27 | 2014-01-02 | Krishna Rao KAKKIRALA | Method and System for Blind Audio Watermarking |
| CN108682425A (zh) * | 2018-05-11 | 2018-10-19 | 复旦大学 | 一种基于恒定水印的鲁棒数字音频水印嵌入系统 |
-
2020
- 2020-12-08 CN CN202011441264.2A patent/CN112712811A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140005815A1 (en) * | 2012-06-27 | 2014-01-02 | Krishna Rao KAKKIRALA | Method and System for Blind Audio Watermarking |
| CN108682425A (zh) * | 2018-05-11 | 2018-10-19 | 复旦大学 | 一种基于恒定水印的鲁棒数字音频水印嵌入系统 |
Non-Patent Citations (4)
| Title |
|---|
| HWAI-TSU HU ET AL.: "《Effective blind speech watermarking via adaptive mean modulation and package synchronization in DWT domain》", 《EURASIP JOURNAL ON AUDIO,SPEECH,AND MUSIC PROCESSING》 * |
| LIN SUN ET AL.: "《A robust image watermarking scheme using Arnold transform and BP neural network》", 《NEURAL COMPUTING AND APPLICATIONS》 * |
| ZHENGHUI LIU ET AL.: "《Speech watermarking robust against recapturing and de-synchronization attacks》", 《MULTIMEDIA TOOLS AND APPLICATIONS》 * |
| 杨榆、雷敏编: "《音频信息隐藏与数字水印》", 31 December 2015, 《北京邮电大学出版社》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113506580A (zh) * | 2021-04-28 | 2021-10-15 | 合肥工业大学 | 抗任意剪切和翻录的音频水印方法及系统 |
| CN113506580B (zh) * | 2021-04-28 | 2024-05-07 | 合肥工业大学 | 抗任意剪切和翻录的音频水印方法及系统 |
| CN113782041A (zh) * | 2021-09-14 | 2021-12-10 | 随锐科技集团股份有限公司 | 一种基于音频变频域的嵌入和定位水印的方法 |
| CN113782041B (zh) * | 2021-09-14 | 2023-08-15 | 随锐科技集团股份有限公司 | 一种基于音频变频域的嵌入和定位水印的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lacy et al. | Intellectual property protection systems and digital watermarking | |
| Sheisi et al. | Steganography: Dct coefficient replacement method and compare with JSteg algorithm | |
| CN112712811A (zh) | 自适应量化均值去同步攻击鲁棒音频水印方法 | |
| Meligy et al. | An efficient method to audio steganography based on modification of least significant bit technique using random keys | |
| Kekre et al. | Increasing the capacity of the cover audio signal by using multiple LSBs for information hiding | |
| Santosa et al. | Audio-to-image wavelet transform based audio steganography | |
| Liu et al. | Steganalysis of data hiding techniques in wavelet domain | |
| Elshazly et al. | Synchronized double watermark audio watermarking scheme based on a transform domain for stereo signals | |
| Meligy et al. | A hybrid technique for enhancing the efficiency of audio steganography | |
| Sridevi et al. | A video watermarking algorithm for MPEG videos | |
| Jain et al. | Effective Audio Steganography by using Coefficient Comparison in DCT Domain | |
| Panda et al. | Audio zero watermarking scheme based on sub band mean energy comparison using DWT-DCT | |
| Sinha et al. | Literature survey on digital watermarking | |
| Ma et al. | A robust watermarking scheme based on dual quantization of wavelet significant difference | |
| Noore | An improved digital watermarking technique for protecting JPEG images | |
| Rameshkumar et al. | Enhancement of information hiding in audio signals with efficient LSB based methods | |
| Cruz et al. | Image content authentication system based on semi-fragile watermarking | |
| Mehta et al. | Secure audio watermarking based on Haar wavelet and discrete cosine transform | |
| Chore et al. | Survey on different methods of digital audio watermarking | |
| Xu et al. | Blind audio watermarking scheme for copyright protection of multi-user | |
| Jagadeesh et al. | A genetic algorithm based oblivious image watermarking scheme using singular value decomposition (SVD) | |
| Wang et al. | A feature-based semi-fragile watermarking scheme in DWT domain | |
| Phadikar et al. | Multibit QIM watermarking using M-ary modulation and lifting | |
| Osman et al. | Audio watermarking based on wavelet transform | |
| Inamdar et al. | Speech based watermarking for digital images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210427 |
|
| RJ01 | Rejection of invention patent application after publication |