基于音频特征的自适应数字音频水印算法

提出了一种基于音频特征的自适应音频水印算法。该算法使用Logistic混沌序列对水印进行加密,通过对音频帧的过零率及短时能量的分析,选取适当的阈值,确定嵌入水印的帧,对选定的音频帧整合分段后进行小波变换,同时采用能量动态调整自适应确定嵌入强度的方法,计算每段音频的近似分量的平均能量,在所得音频帧中嵌入水印。通过实验可知,该算法具有较好的鲁棒性和不可感知性和实用性。     

一种彩色图像的自适应灰度级数字水印算法

提出一种基于DWT(Discrete Wavelet Transformation)与DCT(Discrete Cosine Transformation)相结合的彩色图像自适应灰度级数字水印算法。算法首先将载体图像转入YIQ空间,取Y分量经2级DWT变换后的低频子带进一步作8×8分块DCT变换,根据各子块的AC能量自适应地确定水印嵌入强度。将作为水印的灰度图像在置乱后作4×4分块DCT变换,根据获取的各子块嵌入强度实现了灰度水印的自适应嵌入。实验结果表明算法对于常见的图像处理具有较强的鲁棒性。     

一种适于多媒体流的鲁棒性水印方案

提出一种适用于多媒体流的鲁棒性水印算法,该方案将二值图像分段后经扩频调制作为水印信息分别嵌入视频帧的DCT域和音频的DCT域.实验结果表明:算法中嵌入的水印具有良好的不可觉察性,算法复杂度低,并且能够抵抗帧删除,帧插入和帧替换等攻击.对于针对音频信号的攻击,也具有良好的鲁棒性.此外,可以参照另一信号的相应信息,恢复被破坏的水印.     

基于神经网络的复合变换域视频水印算法研究

针对目前视频水印算法存在的鲁棒性较差,可靠性较低等问题,提出了一种结合神经网络将二值水印嵌入到经过离散小波变换(DWT)和离散余弦变换(DCT)后的宿主视频中的新方法;为使算法具有更好的不可见性、鲁棒性和实用性,利用三层RBF神经网络训练出水印嵌入强度,在视频中自适应嵌入水印;该方法是对宿主视频进行DWT处理,再对逼近子图LL进行DCT处理,通过修改DCT系数嵌入水印信息;在嵌入之前对二值水印进行了Arnold变换来加密;通过实验结果中PSNR与NC的值表明,算法具有很强的抗攻击和承受帧删除、帧平均等操作的能力,不可感知性好,鲁棒性明显优于一般的嵌入算法。     

基于信噪比的自适应图像水印算法

提出了一个基于信噪比SNR的完全自适应水印算法,该算法先把原始图像分块DCT,利用信噪比SNR确定各个子块的拉伸因子α,最后水印分量以不同的能量被嵌入到各个子块的DCT低频系数中,实验结果表明该算法具有良好的不可见性和鲁棒性。     

基于音频统计特征的自适应水印方案

基于音频小波域系数的均值和方差特征,提出了一种自适应音频水印方法。通过修改音频帧小波域子带细节系数,使其统计均值按照欲嵌入的水印信息发生改变。根据各音频帧的方差调整水印在不同帧中的嵌入强度,检测水印时不需要原始音频。仿真实验表明水印算法能具有更好的不可感知性,并对常规的音频信号处理,例如滤波、MP3压缩、重采样、重量化、幅度放缩等有良好的稳健性。     

基于运动、内容和帧分类的自适应视频水印算法

本文提出了一种DCT域自适应视频水印算法,根据帧分类、运动分类和视频内容将视频数据分类,并根据分类的结果在不同的区域嵌入不同强度的水印,从而提高了视频数字水印的鲁棒性.实验结果表明嵌入水印后视频重建帧水印具有良好的透明性;算法对于MPEG2压缩、多重MPEG2压缩、帧提取、MPEG2压缩与加噪声、裁剪等混合攻击具有较好的鲁棒性.     

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DCT系数符号的音频零水印算法

为了解决现有音频水印算法透明性与鲁棒性之间的矛盾,提出了一种基于DCT系数符号的音频零水印算法。算法按水印尺寸对时域音频数据做等长分帧,求取每帧数据的绝对值平均值,依次按时序做离散余弦变换（ DCT）。算法选取数值最大的DCT系数,利用水印属性与最大DCT系数符号做异或运算,得到水印密钥,实现了零水印的嵌入。实验结果表明该算法可以很好地抵抗各类常规的信号处理破坏,水印鲁棒性较强。     

一种基于段分类的音频水印技术

提出了一种利用“段分类”的 DCT域自适应音频水印方法 ,可应用于音频信息的版权保护。首先将原始音频信号分为长度为 N的段 ,利用听觉系统 (HAS)的掩蔽效应 ,将音频段分为三类 ,然后对所有的段进行DCT变换。根据音频段的分类效果 ,不同强度的水印分量被嵌入到不同音频段中的部分 DCT低频系数中。实验结果表明了该方法具有良好的隐秘性和鲁棒性     

音频水印提取算法中降低信号方差的方法

如何从已受干扰或攻击的嵌有水印信息的音频中提取水印信息,或证明水印信息的存在,是音频水印提取算法中研究的重点和难点。本文首先简单描述了音频水印的提取算法,针对音频信号方差对水印提取结果的影响,在Matlab环境下对降低信号方差的四种方法进行了代码实现及实验分析,并基于这四种方法的实现原理和滤波结果,提出了线性预测倒谱滤波方法。实验结果表明,五种方法都明显减小了样本点的幅度,使信号的方差大幅降低,而且新方法的效果更加明显,从而提高了水印的检测率。     

一种变换域的音频水印算法

音乐制品作为多媒体产品中的重要组成,其在线传输越来越便捷。为了防止多媒体信息被侵权及非法篡改,音频内容的版权保护变得越来越重要。作为数字产品版权保护的有效方法,数字音频水印技术已经得到了广泛的重视与研究。本文提出了一种基于独立分量分析的音频数字水印方法。嵌入水印时,对原始音频文件进行一级小波分解,在分解得到的逼近分量中利用随机混合方法嵌入水印后进行小波逆变换形成嵌入水印的音频文件。仿真实验结果表明这种方法的强鲁棒性和可行性。     

基于心理声学模型的盲音频数字水印改进型算法

以往基于离散小波变换的音频数字水印算法鲁棒性不强,无法对数字音频信号的版权进行真正地保护,因此改进了算法,利用心理声学模型,控制水印信号的嵌入,通过计算音频信号的掩蔽阀值,在保证水印嵌入不可察觉的前提下,增大水印的嵌入强度。仿真实验证明,该算法具有较强的鲁棒性和不可感知性,能有效抵御各种常见攻击,并且能实现盲检测。     

Robust audio watermarking in the time domain

The audio watermarking method proposed in this paper offers copyright protection to an audio signal by time domain processing. The strength of audio signal modifications is limited by the necessity to produce an output signal that is perceptually similar to the original one. The watermarking method presented here does not require the use of the original signal for watermark detection. The watermark signal is generated using a key, i.e., a single number known only to the copyright owner. Watermark embedding depends on the audio signal amplitude and frequency in a way that minimizes the audibility of the watermark signal. The embedded watermark is robust to common audio signal manipulations like MPEG audio coding, cropping, time shifting, filtering, resampling, and requantization     

High payload multi-channel dual audio watermarking algorithm based on discrete wavelet transform and singular value decomposition

Digital watermarking technology is concerned with solving the problem of copyright protection, data authentication, content identification, distribution, and duplication of the digital media due to the great developments in computers and Internet technology. Recently, protection of digital audio signals has attracted the attention of researchers. This paper proposes a new audio watermarking scheme based on discrete wavelet transform (DWT), singular value decomposition (SVD), and quantization index modulation (QIM) with a synchronization code embedded with two encrypted watermark images or logos inserted into a stereo audio signal. In this algorithm, the original audio signal is split into blocks, and each block is decomposed with a two-level DWT, and then the approximate low-frequency sub-band coefficients are decomposed by SVD transform to obtain a diagonal matrix. The prepared watermarking and synchronization code bit stream is embedded into the diagonal matrix using QIM. After that, we perform inverse singular value decomposition (ISVD) and inverse discrete wavelet transform (IDWT) to obtain the watermarked audio signal. The watermark can be blindly extracted without knowledge of the original audio signal. Experimental results show that the transparency and imperceptibility of the proposed algorithm is satisfied, and that robustness is strong against popular audio signal processing attacks. High watermarking payload is achieved through the proposed scheme.     

基于神经网络的扩展回声隐藏算法

提出了一种神经网络自适应扩展回声隐藏算法。利用PN序列将音频信号的单回声内核进行扩展后作为水印信号，提高了水印算法的安全性。该算法利用了神经网络的非线性映射能力确定扩展回声内核的幅值，从而避免了复杂的心理声学模型的计算过程，实现了水印嵌入的强度的自适应。仿真实验证明了该算法的有效性和可靠性。     

基于DCT变换及SVD处理的音频数字水印算法

提出了一种基于离散余弦变换及奇异值分解的音频水印算法。首先对二值水印图像进行奇异值分解求出奇异值,然后对所得奇异值进行基于音频信号变换域性质的调制,并对音频信号进行离散余弦变换并计算水印嵌入点,最后将经过调制的水印信号嵌入。仿真试验证明这种自适应音频数字水印算法具有稳健性和不可觉察性。     

基于听觉特性的DCT域数字音频水印算法

提出一种基于听觉掩蔽效应和量化的DCT域音频水印嵌入方案,根据人耳的生理听觉特性,计算音频信号的掩蔽阈值,对获取的中低频系数量化后嵌入数字水印图像,量化步长由掩蔽阈值自适应控制,并且水印的提出和检测都不需要原始数字音频信号的参与。实验结果表明,该算法具有较好的不可感知性,并且对压缩、滤波等操作具有较强的鲁棒性。     

A blind watermark algorithm in SWT domain using bivariate generalized Gaussian distributions

Imperceptibility, robustness, and payload are three main requirements of any audio watermarking systems to guarantee desired functionalities, but there is a tradeoff among them from the information-theoretic perspective. Generally, in order to enhance the imperceptibility, robustness, and payload simultaneously, the human auditory system and the statistical properties of the audio signal should be fully taken into account. The statistical model based transform domain multiplicative watermarking scheme embodies the above ideas, and therefore the detection and extraction of the multiplicative watermarks have received a great deal of attention. Although much effort has been made in recent years, improving the ability of imperceptibility, watermark capacity, and robustness at the same time remains a challenge within the audio watermarking community. In this paper, we propose a blind audio watermark decoder in stationary wavelet transform domain based on bivariate generalized Gaussian distributions, wherein both the local statistical properties and inter-scale dependencies of the stationary wavelet transform coefficients of digital audio are taken into account, and also the adaptive nonlinear watermark embedding strength functions are designed. The results of our tests with different host audios, digital watermarks, and various attacks, we experimentally confirm that the proposed approach performs well compared to the state-of-the-art audio watermarking methods.