💥💥💥💥💥💥💞💞💞💞💞💞💞💞欢迎来到海神之光博客之家💞💞💞💞💞💞💞💞💥💥💥💥💥💥
✅博主简介:热爱科研的Matlab仿真开发者,修心和技术同步精进;
🍎个人主页:海神之光
🏆代码获取方式:
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭:行百里者,半于九十。
更多Matlab图像处理仿真内容点击👇
①Matlab图像处理(进阶版)
②付费专栏Matlab图像处理(初级版)
⛳️关注优快云海神之光,更多资源等你来!!
⛄一、DFT数字水印简介
1 引言
近几年来,数字水印技术研究取得了很大进展,陆续提出了诸如空域、变换域、压缩域、基于统计学、基于生理模型等多种数字水印算法[1]。其中DFT变换域水印算法的研究大多利用DFT的平移、缩放和旋转的几何不变性[2,3],将载体图像进行Fourier-Millin变换,实现水印的嵌入来抵抗几何攻击,但是这类算法因其中采用插值近似计算,引入了较大的失真,水印嵌入后图像失真很大,并且算法复杂,实现起来难度较大。
本文不局限于DFT的几何特性,提出了一种新的DFT域水印算法,对图像分块进行傅立叶变换,利用图像的统计特性和人眼对图像变化的敏感性选取相应的图像块,然后比较图像块中幅度谱系数的重要性,选择适当的系数来嵌入水印。不需要原始图像即可无失真地提取出水印。
2 算法的基本原理
根据视觉掩盖效应,人眼对图像平滑区的噪声较敏感,对对比度大的区域也就是纹理区的噪声不敏感,而且对不同的灰度也具有不同的敏感性,通常对中等灰度最为敏感,向低灰度和高灰度两个方向呈非线性下降。所以算法首先将原始图像划分子块,计算每一个图像块的均值和方差,然后选取方差大且均值灰度不在中等灰度的图像块作为水印嵌入块。对每一图像块进行DFT变换,相对于一个预先指定的阈值选择重要系数,在其对应的幅度分量中加入水印信息,将嵌入位置和原始的幅度分量保存作为水印提取时的密钥。最后对每一个图像块分块进行DFT反变化,得到含水印的图像。数字水印图像的嵌入过程参见图1。
图1 水印嵌入算法示意框图
算法步骤如下:
(1)子块划分。将原始图像分成8×8的图像子块。
(2)子块选取。计算每一个图像块的均值和方差。
选取方差大且均值灰度不在中等灰度的图像块作为水印嵌入块。即方差Var(k)>VAR和均值Ave(k)>AVE1 or Ave(k)<AVE2,其中VAR和AVE1,2是根据图像统计特性预先指定的方差和均值阈值。
(3)对每一图像块进行DFT变换。
然后做FFT平移,对于二维距阵,将一、三象限与二、四象限互换,使得直流分量位于中间。
(4)确定幅度谱的重要系数。如果系数满足:
则Fk(r,c)相对于一个预先指定的阈值e是重要系数,这相当于对频域的系数进行选择,利用较低频率的系数对应的分量嵌入水印来提高算法的鲁棒性。值得注意的是,在选取子块和重要系数的过程中生成了提取水印信息的密钥,即用于嵌入数字水印信息的位置和对应的幅度分量。
(5)在幅度分量加入水印。由于DFT域的幅度谱具有对称性,为了嵌入水印后保持这种对称性不变,也为了确保恢复图像像素值为实数,嵌入水印时采用对称嵌入,即:
(6)最后对每一块进行DFT反变化,得到含水印的图像。
在上面的过程中,用VAR,AVE1和AVE2作为选取水印嵌入的8×8的图像块的阈值,用e作为衡量选取图像块DFT系数是否重要的阈值,它们的选择会直接影响到水印容量、嵌入失真以及水印的鲁棒性。δ表示水印的强度,δ越大,水印的鲁棒性越强,但同时也会影响水印的不可见性。因此要选择适当的VAR,AVE1和AVE2以及e和δ来兼顾水印的不可见性和鲁棒性。
提取是嵌入的反过程。将含水印图像作8×8分块,每一块进行DFT变换,根据与嵌入算法同样的VAR,AVE1和AVE2作为选取水印提取的图像块,根据阈值e确定重要系数,利用嵌入时保存的密钥,来提取出嵌入的水印。
另外,本文对考虑图像块特性与不考虑图像块特性的水印嵌入算法进行了比较性实验:在相同的嵌入容量和水印的强度下,图像失真(峰值信噪比)的比较;通过调整嵌入强度,在相同的嵌入容量和嵌入失真下,水印鲁棒性的比较。
⛄二、部分源代码
%基于傅立叶域的数字水印
%注意:水印必须为40*40的二值图像
%因为40阶的二维arnold置乱周期为30,所以嵌入时置乱8次,提取时置乱22.可以根据自己的需要更改.
%嵌入源码
clc
clear all;
% 保存开始时间
start_time=cputime;
iTimes=8; %置乱次数
k=1.1; % 设置嵌入强度系数
blocksize=8; % 块的大小
filter_m=[ 1,1,1,1,1,1,1,1; % 滤波矩阵
1,1,1,1,1,1,1,1;
1,1,0,0,0,0,1,1;
1,1,0,0,0,0,1,1;
0,0,0,0,0,0,0,0;
0,0,0,0,0,0,0,0;
0,0,0,0,0,0,0,0;
0,0,0,0,0,0,0,0;];
% 读入原始图像
file_name=‘_lena_std_bw.bmp’;
cover_object=double(imread(file_name))/255;
% 原始图像矩阵的行数与列数
Mc=size(cover_object,1);
Nc=size(cover_object,2);
% 最大嵌入信息量
max_message=Mc*Nc/(blocksize^2);
% 读入水印图像
file_name=‘watermark.bmp’;
message=double(imread(file_name));
%水印图像矩阵的行数与列数
Mm=size(message,1);
Nm=size(message,2);
⛄三、运行结果
⛄四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1]曹荣,王颖,李象霖.一种自适应的DFT域数字水印算法J].计算机工程与应用. 2006(10)
3 备注
简介此部分摘自互联网,仅供参考,若侵权,联系删除
🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化
2 机器学习和深度学习方面
卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
4 路径规划方面
旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化
5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配
6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化
7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化
8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置
9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长
10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合