基于分块DCT的自适应扩频水印算法(1)(2)

2017-08-08 04:02

导读：图1 水印嵌入算法框图3.1 原始图像分块设原始图像为f(x,y)，首先将 f(x,y) 分割为互不覆盖的8×8子块，记为bm={fm(i,j)，0≤ m =0,1,...,m-1 ≤7｝m =0,1,...,m-1 ，对

图1 水印嵌入算法框图3.1 原始图像分块设原始图像为f(x,y)，首先将 f(x,y) 分割为互不覆盖的8×8子块，记为bm={fm(i,j)，0≤ m =0,1,...,m-1 ≤7｝m =0,1,...,m-1 ，对 bm进行dct变换，得到：

＝

＝dct｛

，0≤

≤7｝m =0,1,...,m-1 （1） 3.2 基于视觉掩蔽特性的块分类本文借鉴黄继武等[5]提出的算法，水印的嵌入过程可以看成在一个强背景（原始图像）上叠加一个弱信号（数字水印），只要信号低于hvs的对比度门限，视觉系统就无法感觉到信号的存在。根据hvs的对比度特性，该门限受背景照度，背景纹理复杂性和信号频率的影响，一般说来，背景越亮，纹理越复杂，门限就越高。即可以嵌入更高强度的水印信号，根据图像的局部纹理复杂性，尽可能提高嵌入水印的强度，这是提高水印稳健性的有效办法。为此，把图像分为三类，以便叠加不同强度的水印分量。第1类（r1）平均灰度较低（暗），且灰度变化比较平滑，hvs对其中像素值的改变较为敏感，叠加的水印分量的强度最弱；第3类（ r3）平均灰度较高，且纹理复杂，hvs对其中像素值的改变敏感性最弱，叠加的水印分量的强度最强；余下的为第2类（ r2）。设背景照度为 i，根据weber定律，在均匀背景下，人眼刚好可以识别的物体照度为

，