一種改進的DCT域數字音頻水印算法

摘 要：針對現有數字音頻水印算法不能同時滿足隱蔽性與魯棒性的問題，在添加水印之前，先將水印的二值圖像與隨機密鑰進行加密操作，再對載體進行三級小波變化和DCT變換，最后對比加密后的水印信息與載體信號，得到密鑰值，并將密鑰嵌入到載體音頻的DCT中頻系數中。實驗結果表明，該算法能在隱蔽性和魯棒性之間達到一個較好的平衡。

關鍵詞：音頻；小波變換；離散余弦變換；水印算法

中圖分類號：TP309 文獻標志碼：A

1 引言

數字水印技術是將數字、序列號、文字、圖像標志等信息嵌入到多媒體數據中，以起到版權保護、秘密通信、數據文件的真偽鑒別和產品標志等作用，音頻水印作為數字水印技術的一個重要分支，日益引起了人們的關注。

目前應用較廣的音頻水印算法有最低有效位算法（LSB）和基于DCT變換域的數字水印算法。LSB是最不重要比特位（Least Significant Bit）的縮寫，其原理是用秘密信息（水印）直接替換載體數據的最不重要比特位，這是一種脆弱水印，但是隱蔽性較好。DCT域水印算法的核心思想是在載體文件的DCT系數上添加水印信息，而DCT系數可分為高頻、中頻、低頻三種。其中，與LSB方法等效的做法是把水印嵌入到高頻系數中。這對音頻水印載體的聽覺質量非常有利，但由于音頻信號的高頻區對常見的信號處理和噪聲比較敏感，這些算法產生的水印魯棒性較差。為提高魯棒性，Cox等人[1]提出水印應放在聽覺系統最重要的分量上（對應于DCT域中的低頻系數[2]），其理由是聽覺上最重要的分量是音頻信號的主要成分，攜帶較多的信號能量，在音頻信號有一定失真的情況下仍能保留主要成分。綜合以上兩點，一些學者對其進行了折衷[3]，把水印放在DCT域的中頻系數上，文獻[3]將中頻系數定義為每一段的第2個DCT系數，但也有人認為音頻的中頻分量為第3～6個系數。選擇的嵌入分量不同，所產生的水印性能也不相同，而且目前對于各個分量具體位置的定義也沒有統一的標準[4]。

2 現有算法描述

5.逆變換還原載體音頻

對添加水印后的音頻信息進行逆DCT變換和小波逆變換，再將所有分段組合到一起，即可得到添加水印后的音頻文件。

3.4 算法仿真

音頻水印算法可以使用以下三種評價方法：

（1）主觀聽覺測試：使用客觀的Diff級（SDG）來判斷該性能，SDG為0.0時表示水印的不可聽性最好，其值越大，算法性能越差，4.0即表示隱蔽性最差，這種情況下，水印基本是不合格的。

（2）信噪比（Signal to Noise Ratio， SNR）：信號的有用成分與噪聲的強弱對比，這個一般是用來衡量數字信號的保真程度，其值越大即表示噪聲對信號的影響越小。

（3）相似度sim：數字水印中提取的水印與原始水印的相似程度。通常將sim值與設定的門限值T進行比較，若sim大于T，則表示該水印是魯棒的，否則即是脆弱水印。

對本文提出的算法在Matlab環境下進行了編程實現，基本參數說明如下：

（1）選取aud.wav作為載體音頻，比特率為1411kbps，時長11秒，量化位數為16bit，采樣頻率為44.1Hz。

（2）選取 的位圖圖像mark.bmp作為水印圖像，如圖4所示。

（3）嵌入強度D的取值為0.035。

算法仿真結果如圖5所示，水印嵌入時間為0.7020秒。

該算法與文獻[11]的性能對比如表1所示，由此可知，添加水印后，使用客觀的Diff級（SDG）來進行主觀聽覺測試，產生的音頻信號幾乎不存在可感知的差別。同時，由SNR的值可知，該算法的隱蔽性確實有一定程度的提高。

4 總結

本文根據已有音頻水印算法的優缺點，提出了一種基于小波變換和DCT變換的數字音頻水印算法。該算法根據Cox算法魯棒性較好而隱蔽性較差的特點，對其進行了修改，將水印信息添加到DCT變換的中頻系數中，使其在隱蔽性和魯棒性之間達到一個較好的平衡，同時，在此基礎上，引入了小波變換和水印圖像預處理，增加算法的安全性。實驗結果表明，經過該算法添加水印后，產生的音頻信號與原始載體幾乎不存在可感知的差別，而且添加水印后的載體音頻對于添加噪聲、重新量化和重新采樣等攻擊，都具有較好的魯棒性。

參考文獻：

[1] I J Cox， J Kilian， T Leighton， T Shamoon. Secure spread spectrum watermarking formultimedia [J]. IEEE Transaction on Image Processing， 1997， 6（12）： 1673-1687.

[2] H Tewfik， M Swanson. Data hiding formultimedia personalization， interaction， and protection [J]. IEEE Signal Processing Magazine， 1997， 14（4）： 41-44.

[3] 王秋生， 孫圣和. 一種在數字音頻信號中嵌入水印的新算法[J]. 聲學學報， 2001， 26（5）： 464-467.

[4] 馬冀平， 韓紀慶. DCT域音頻水印：嵌入對策和算法[J]. 電子學報， 2006， 34（7）： 1260-1264.

[5] 田運金， 殷凱， 周輝. 一種基于DCT變換的音頻隱藏算法研究. 裝備指揮技術學院學報， 2006， 17（4）： 64-67.

[6] 金燦. 一種基于Cox算法的分塊DCT圖像水印算法研究. 計算機安全， 2011（7）： 17-19.

[7] B Zhang， S N Srihari， C Huang. Word image retrieval using binary features[J]. Document Recognition and Retrieval， 2004， 43（3）： 37-40.

[8] 李慎， 夏良正， 顧宗愨. 一種新的二維最大熵圖像閾值分割方法[J]. 南京航空航天大學報， 1994， 26（3）： 151-157.

[9] M M M Fahmy. Computer Vision Application to Automatic Number Plate Recognition[J]. Proceeding of 26th. International Symposium on Automotive Technology and Automation， 1993， 13（2）： 625-633.

[10] 景曉軍， 蔡安妮， 孫景鰲. 一種基于二維最大類間方差的圖像分割算法. 通信學報， 2001， 22（4）： 71-76.

[11] 凡超， 王忠， 肖留威等. 改進的DCT域音頻水印算法[J]. 計算機工程與設計， 2011， 32（4）： 1351-1355.