基于重心的抗同步攻击的音频水印算法

抗同步攻击是音频水印领域公开的难题. 相对重心是音频的一个稳定的全局特征量, 对 TSM (Time scale modification)等同步攻击不敏感. 本文提出一种基于相对重心的抗同步攻击的音频水印算法,提出的算法通过量化音频的相对重心生成水印, 生成的水印由混沌序列加密后以量化的方法嵌入载体音频三级小波近似分量均值中. 为了降低同步攻击后同步位置的连续偏移, 水印嵌入提取过程采用了均匀分帧的方法. 实验结果表明提出的算法能抵抗常规信号处理操作, 同时 能抵抗20%的TSM操作(包含音调不变TSM和重采样操作)和 1/10的抖动操作, 有很好的鲁棒性.     

一种基于均值量化的公钥音频水印方案

提出了一种基于均值量化的公钥音频数字水印方案.该方案首先把两幅不同的图像经过混沌映射产生的随机序列进行置乱处理,而后对置乱图像降维,进行哈达玛编码,最后通过均值量化的方法嵌入到原始音频载体.实验分析表明,实验证明本文提出的基于公钥的数字音频水印算法鲁棒性和不可感知性都比较好.在算法引入第三方的权威机构可以在网络中设置版权监视,可以有效判定版权归属.     

基于Arnold变换的均值量化的音频水印算法

本文讨论了Arnold变换的基础、均值量化的离散小波域变换(DWT),给出了一种基于Arnold变换的均值量化的音频水印算法。水印嵌入音频前,进行Arnold变换预处理,对水印信息置乱。然后对音频进行小波变换,在低频系数中,采用均值量化法将水印嵌入音频中。提取水印时,采用一种新的Arnold反变换进行反置乱,用与Arnold变换相同的迭代次数,无需计算Arnold变换周期。随后利用MATLAB软件设计该系统的实现过程。     

基于超混沌加密的半脆弱音频水印算法

提出一个基于超混沌加密的半脆弱音频水印方案。该方案利用超混沌序列对图像水印进行加密,不仅能消除水印图像相邻像素的相关性,而且真正实现了水印图像加密,安全性更高。水印嵌入采用均值量化将加密图像行嵌入到载体音频段的小波包低频分解系数中,建立加密图像行和音频段间的对应关系;检测时通过篡改评估函数对篡改程度度量,实现了音频作品的内容完整性认证。实验结果表明,该方案对常规操作有很强的鲁棒性,对剪切、替换等恶意处理篡改定位精确。     

基于量化的倒谱变换数字音频水印算法

提出了一种基于复倒谱变换的数字音频水印算法。该算法充分利用了复倒谱变换的特征,将原始音频信号分成若干帧,每帧音频实施复倒谱变换后,将系数均值按照一定的量化方法嵌入水印,水印的提取不需要原始音频信号,是一种盲水印算法;实验结果表明,嵌入的水印不仅具有很好的透明性,而且对重新采样、低通滤波、添加噪声、重新量化、有损压缩等攻击也具有很好的鲁棒性。     

基于DWT和均值量化的音频水印算法

提出基于小波包的离散小波变换和均值量化的音频水印算法。该算法的主要特点是：1）将音频信号根据嵌入的水印图像大小自适应地分段。利用Arnold变换对水印图像进行预处理,消除水印图像的相关性,提高图像的抗攻击性。2）采用小波包的离散小波变换,增加嵌入和提取效率,提高水印的透明性。3）水印信息嵌入到均值中,有较好的不可感知性。仿真实验表明：嵌入水印后音频的不可感知性较高,能够有效地抗击有损压缩、低通滤波和剪切等攻击。     

新的特征点强鲁棒音频水印技术

以均值量化索引调制（MQIM）、特征点为理论基础,提出一种新颖的强鲁棒性数字音频水印技术。该算法选取数字音频的局部能量峰值点作为特征,提取稳定的特征点;以特征点为标记,对特征点后的区域进行分段,利用均值量化索引调制将水印嵌入到原始音频的小波域中。水印提取时无需原始图像。仿真实验表明,提出的算法对常规信号处理（MP3压缩、叠加噪声、重新采样、重新量化等）和去同步攻击（随机剪切、幅度缩放、变调、抖动等）均具有较好的鲁棒性。     

一种新的半脆弱视频水印方案

半脆弱视频水印是一种进行视频数据内容完整性认证的重要技术.为了得到具有更强认证能力的半脆弱视频水印信息,提出了一种新的方案,该方案采用DCT块组能量关系特征和块灰度均值特征相结合的双特征提取方法构成水印信息,然后将水印信息进行Turbo编码,再利用改进的DEW算法实现水印的嵌入.双特征提取算法可以克服单特征提取的不完备性,增强篡改判断和定位能力,Turbo编码可以提高水印信息的鲁棒性,降低认证虚警率.实验结果表明,该算法在不破坏视觉质量的基础上,能够对常见的篡改操作进行完备的认证,虚警概率小.     

基于陷阱策略的音频数字水印新方法

数字水印已经成为实现多媒体版权保护的一项重要技术.提出在嵌入鲁棒性水印的同时考虑攻击的行为特征,辅以陷阱策略抵制各种攻击.水印以量化音频DCT系数的方式嵌入,在提取时针对攻击的行为特征以不同方式提取水印.算法嵌入的水印为一幅二值图像,能抵制随机裁剪、AD及DA转换、低通滤波等去同步型攻击,提取的水印可以直接分辨.与cocktail水印方法相比,所提方法的鲁棒性高,提取水印时不需要原始音频.实验结果说明我们的音频水印方法十分有效.     

基于倒谱变换的数字音频健壮盲水印算法

提出一种基于倒谱变换的数字音频健壮盲水印算法。把音频信号划分为包含相同采样点的若干帧,对指定帧实施复倒谱变换,将复倒谱系数均值与阈值进行比较,结合水印序列为“0”或“1”,采取缩小、增加或不改变复倒谱系数均值的方法,在复倒谱系数中嵌入水印。实验证明,该算法具有较强的健壮性,较好的透明性,提取水印属盲水印提取,能经受添加噪声、重采样、低通滤波、重新量化、音频格式转换等常见信号处理及攻击。     

基于音频基频特征的鲁棒零水印算法

为了将数字音频水印技术与音频内容相结合,基于人声和乐器的基频稳定的特点,从音乐中提取出基频并据此设计一种鲁棒零水印方法。首先通过正规化分谐波叠加算法提取基频,然后采用K-means算法对基频特征进行编码加强其稳定性,最后与水印图像异或生成零水印序列。此外,发生恶意篡改时,对比零水印中的基频信息得到不一致的部分,即可确定恶意篡改区域。实验结果表明,此算法在常规攻击及抖动攻下均具有良好的稳定性,且可实现篡改检测。     

基于扩频技术的音频水印处理算法的研究

目前的数字水印算法,主要集中在针对图像和视频,对音频、语音数据产品的数字水印算法研究仍然较少,需要提出更多的有效的针对音频、语音数据的数字水印算法。该文以二值图像作为数字水印信息,以音频为嵌入对象,在离散傅立叶变换域的系数上嵌入水印。在离散余弦变换域,采用扩频技术通过对变换域系数进行量化来嵌入水印信息,在水印的提取过程中不需要原始音频信号的参与。     

MP3压缩域中语音分割的研究与实现

针对说话人改变点检测问题,在MP3格式下用改进型BIC算法实现了多话者改变点的检测。根据非压缩域中MFCC的求取过程,提出了一种在压缩域MP3格式下利用MDCT系数计算MFCC特征参数的新方法。在此基础上,使用改进型BIC改变点检测算法检测说话人改变点。实验表明在相同的BIC检测算法下,利用在压缩域中提取的MFCC特征参数进行语音分割,可以得到和非压缩域相似的分割精确度。     

一种易损性音频数字水印技术

利用变换域嵌入水印是音频水印的主流技术,一般的嵌入方法是通过调整所选变换系数实现。谱弯折方法实现整段频谱的非线性位移,可将水印嵌入整个频谱。该文在Choi犤1犦的谱弯折音频数字水印算法基础上,研究了算法的鲁棒性,通过大量实验验证,认为谱弯折算法对信号处理类攻击相当脆弱,不具备鲁棒性,是一种易损性音频水印。     

一种新的用于音频认证数字水印算法

为确保数字音频数据感知意义上的完整性,提出了一种新的音频认证水印算法。该算法把原始音频分帧,每帧分为两节,在第一节时域中嵌入同步码,将第二节进行DCT变换,计算邻帧关系向量,并将其作为水印信息嵌入其他帧第二节的DCT中频系数。认证时,计算邻帧关系误差,据事先设定的阈值来判断音频是否被窜改,若遭受窜改,可进行窜改定位。仿真实验表明,该算法在无原始水印参与的情况下,不仅可以实现音频媒体的完整性认证,而且窜改定位准确。     

基于量化技术的音频水印算法

针对数字音频作品版权保护的实际需要,提出一种利用二值图像作为版权标识的音频水印算法。利用伪随机序列对作为版权标识的二值图像进行置乱,同时对音频信号进行离散小波分解,然后根据置乱后的水印信息对所选取的小波系数进行量化处理,最后进行小波逆变换得到含水印信息的音频信号。实验表明,本算法对各种常见的水印攻击均具有较强的鲁棒性,可以有效解决数字音频作品版权保护等问题,具有一定的实用价值。     

基于小波变换的自同步音频水印算法

该文提出了一种基于DWT的自同步音频水印算法．该算法具有如下特点：(1)在隐藏水印信息的同时，嵌入一个同步信号，使水印具有自同步能力；(2)同步信号与水印隐藏于DWT域低频子带，在改善同步信号鲁棒性的同时，利用DWT的时频局部特性，有效地提高在变换域内搜索同步信号的效率，较好地解决了同步信号鲁棒性与其搜索计算量之间的矛盾．实验表明，所提出的方法在抵抗各种通用的音频处理和攻击(如高斯噪声、MP3压缩、重采样、重量化、裁剪等)方面具有良好的性能．     

基于支持向量机(SVM)的数字音频水印

提出了一种新的基于支持向量机（support vector machine,SVM）的数字音频水印算法．主要思想是在宿主音频中嵌入一段模板信息,定义模板信息与宿主音频之间的一种对应关系．将水印的检测问题转化为一个可用SVM处理的二分类问题,利用SVM对先验知识（对应关系）的学习,以达到对未知数字音频水印的正确分类检测．仿真实验结果表明,该数字音频水印具有较强的健壮性和不可感知性,在受到MP3压缩、低通滤波、重采样／量化、噪声干扰等常用信号处理方法的处理后,能正确检测出水印,同时在水印检测时不需要原始音频,实现了水印的盲检测．     

An SVD audio watermarking approach using chaotic encrypted images

This paper presents a new approach for audio watermarking using the Singular Value Decomposition (SVD) mathematical technique. The proposed approach can be used for data hiding in the audio signals transmitted over wireless networks and for multi-level security systems as will be stated in the applications section. This approach is based on embedding a chaotic encrypted watermark in the singular values of the audio signal after transforming it into a 2-D format. The selection of the chaotic encryption algorithm for watermark encryption is attributed to its permutation nature, which resists noise, filtering, and compression attacks. After watermark embedding, the audio signal is transformed again into a 1-D format. The transformation between the 1-D and 2-D formats is performed in the well-known lexicographic ordering method used in image processing. The proposed approach can be implemented on the audio signal as a whole or on a segment-by-segment basis. The segment-by-segment implementation allows embedding the same watermark several times in the audio signal, which enhances the detectability of the watermark in the presence of severe attacks. Experimental results show that the proposed audio watermarking approach maintains the high quality of the audio signal and that the watermark extraction and decryption are possible even in the presence of attacks.     

Perceptual audio hashing algorithm based on Zernike moment and maximum-likelihood watermark detection

A new perceptual audio hashing algorithm based on maximum-likelihood watermarking detection is proposed in this paper. The idea is justified by the fact that the maximum-likelihood watermark detector responds similarly to perceptually close audio using a non-embedded watermark (i.e. virtual watermark). The feature vector, which is composed of the total amplitude of low-order Zernike moments of each audio frame, is modeled by the Gaussian or Rayleigh distribution. Then, the maximum-likelihood watermark detection is performed on the feature vector with the virtual watermarks generated by pseudo-random number generator to construct the hash vector. Extensive experiments over three large audio databases of different type (speech, instrumental music, and sung voice) demonstrate the efficiency of the proposed scheme in terms of discrimination, perceptual robustness and identification rate. It is also verified that the proposed scheme outperforms state-of-the-art techniques in perceptual robustness and can be applied in content-based search, successfully.