基于音频特征的多小波域水印算法

基于对音频特征的分析,提出了一种多小波域的水印算法.结合人类听觉系统的时频掩蔽特性,该算法分析音频帧的过零率及时域能量,确定用于嵌入水印的帧.利用音频的分抽样特征和多小波变换在信号处理中的优势,将每一个音频帧进行分抽样为两个子音频帧并分别将其变换到多小波域.利用两个子音频帧在多小波域的能量来估计所嵌入水印的容量,并根据它们的能量大小关系完成水印的嵌入.水印的提取过程转为一个使用支持向量机进行处理的二分类问题.实验结果验证了所提出的水印算法能根椐音频自身的特点寻找到适合用于嵌入水印的音频帧,且能动态调整水印的嵌入强度,在保证听觉质量的同时提高了水印的鲁棒性.     

基于小波域的均值量化数字音频水印算法

提出了一种均值量化的小波域数字音频水印算法。均值量化可以减少攻击对水印的影响,算法选择合适的小波基对音频信号进行小波分解,对其中的中、低频系数进行均值量化,嵌入水印,水印提取过程不需要原始音频信号。实验结果表明,与一般水印量化算法相比,该算法对MP3、重量化、重采样、低通滤波和噪声干扰等信息处理型攻击具有更好的鲁棒性。     

基于音频统计特性的数字水印嵌入算法

结合数字音频时频域统计特性及同步码技术, 提出了一种可有效抵抗去同步攻击的混合域数字音频水印嵌入算法. 该算法首先结合数字水印与同步码(大小), 对原始音频载体进行分段处理, 并将每个音频数据段分割成两部分用于嵌入同步码与水印信息; 然后利用时间域音频样本统计特性, 将同步码信息嵌入到音频样本的统计均值上; 最后根据频率域小波系数统计特性, 将数字水印嵌入到低频小波系数的平均值内.     

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。     

提升方案小波和HVS下的自适应视频水印算法研究

提出一种基于小波域与HVS特性的自适应视频水印盲提取算法.算法首先将视频流分割成一个个镜头,并通过密钥从中选取嵌入水印信息的若干镜头,镜头中的视频帧图像与灰度水印图像均被变换到小波域中,并将水印图像的小波域系数按照小波树结构重新进行分块并按位平面重要次序形成水印序列;水印的嵌入是按照子带到子带的顺序进行的,水印序列被嵌入到视频帧图像相应子带的重要系数中;此外,水印的嵌入充分考虑了HVS对图像纹理区域、运动区域的掩蔽特性,使得水印的嵌入强度具有自适应性,从而保证了所嵌入水印在不可见性前提下的极大鲁棒性.试验结果表明,所给出的算法对于诸如Gaussian噪声、丢帧、帧平均和MPEG-4压缩等常见攻击具有很好的鲁棒性.     

基于LSB和量化思想的倒谱域音频水印算法

为了达到版权保护目的,采用基于最不重要位（LSB）和量化思想,提出了一种新颖的小波域内倒谱水印算法。首先将音频数据进行分段处理和小波变换,并计算每段音频小波系数的倒谱域均值,然后计算每段均值的LSB位,最后通过LSB位的奇偶量化来完成秘密水印的嵌入。提取时,只需要判断倒谱域均值的LSB奇偶来恢复秘密水印。算法完全属于盲提取。算法嵌入过程中不依赖于任何阈值,更有利于算法的实际应用。实验结果表明,算法对于重采样、重量化、低通滤波和幅度攻击等都有很好的鲁棒性。     

基于小波变换和倒谱变换的音频水印技术

提出了一种基于小波变换和倒谱变换的数字音频水印算法。该算法将音频信号进行小波分解,选取低频系数。对低频系数进行倒谱变换,并根据统计均值思想,把水印嵌入到倒谱域中,实现了在音频信号中嵌入二值图像。实验结果表明该算法具有比较好的鲁棒性,能抵抗常见信号的攻击,如低通滤波、重采样、重量化、有损压缩、音量变化、添加白噪声等。     

基于小波变换和倒谱变换的音频水印技术

提出了一种基于小波变换和倒谱变换的数字音频水印算法。该算法将音频信号进行小波分解,选取低频系数。对低频系数进行倒谱变换,并根据统计均值思想,把水印嵌入到倒谱域中,实现了在音频信号中嵌入二值图像。实验结果表明该算法具有比较好的鲁棒性,能抵抗常见信号的攻击,如低通滤波、重采样、重量化、有损压缩、音量变化、添加白噪声等。     

一种抗剪切的DWT域多重音频数字水印算法

提出了一种能够抵抗剪切攻击的鲁棒性DWT域多重音频数字水印算法。该算法结合音频分帧技术及小波变换理论,将置乱、降维处理后的不同彩色数字图像信息嵌入到宿主音频信号的低频小波系数中,实现了多重彩色图像水印在宿主音频中的嵌入与提取。实验结果表明,该算法不仅能够较好地抵抗常规攻击,对剪切攻击也具有较强的鲁棒性,即使是在受到强剪切攻击后仍然能够提取出较清晰的(多重)水印信号。     

基于小波和倒谱域的数字音频水印算法

给出一种基于小波和倒谱域的强鲁棒数字音频水印算法。该算法利用人耳听觉模型和频率掩蔽效应,选择出音频小波变换后对人耳听觉不敏感的低频系数,对其进行分帧并作倒谱变换。再利用倒谱域能量集中在零点附近的特性,将一段伪随机序列嵌入在每帧相对稳定的倒谱系数中,从而实现水印的嵌入。采用相关检测的方法,根据相关值的极性来提取水印信息。实验表明,嵌入水印后的音频信号不仅具有良好的不可感知性,而且对诸如加噪、低通滤波、重采样、重量化、回声、MP3压缩和去同步等攻击具有很强的鲁棒性。     

基于LWT域的矩阵编码音频隐写算法

以音频信号作为载体,对隐蔽性与嵌入量进行了研究,提出一种提升小波域的信息隐藏算法,算法利用矩阵编码来实现秘密数据的嵌入。该算法对载体音频帧作提升小波变换,采用人类听觉系统(HAS)的掩蔽特性来寻找合适的嵌入帧,提取宿主信号提升小波分解系数的LSB,矩阵编码实现秘密数据的嵌入。实验结果表明,该算法由于使用了人类听觉掩蔽特性,因此比普通小波域LSB算法具有更加高效、安全、隐蔽的性能,使得鲁棒性与不可感知性得到折中。     

基于经验模式分解的音频水印算法

针对传统基于经验模式分解(EMD)的音频水印算法鲁棒性不强的问题,提出一种基于固有模态函数(IMF)极值的盲音频水印算法.首先对音频信号进行分帧,每个音频帧经过EMD后得到IMF; 接着利用均匀量化的方法将水印信息和同步码嵌入到最后一个IMF的极值中.所提算法的数据嵌入率是46.9~50.3 b/s,且携水印音频保持了原始音频的感知质量.对携水印音频进行加噪、MP3压缩、重新采样、滤波、剪切和重采样攻击后,提取出的水印信息变化不大,算法鲁棒性较好.与时间域和小波域算法相比,提出的算法在保证高数据嵌入率的同时,可以抵抗32 kb/s的MP3压缩攻击.     

有效的基于内容的音频特征提取方法

音频特征提取是音频分类的基础,好的特征将会有效提高分类精度。在提取频域特征Mel频率倒谱系数（MFCC）的同时,对每一帧信号做离散小波变换,提取小波域特征,把频域和小波域特征相结合计算其统计特征。通过SVM模型建立音频模板,对纯语音、音乐及带背景音乐的语音进行分类识别,取得了较高的识别精度。     

基于音频特征和低频系数较小值的水印算法

提出一种基于音频特征和DWT低频系数相对较小值的数字水印算法。分析音频帧的过零率及短时能量,选取适当的阈值初步舍弃表明信号中高频信号成分的音频帧,筛选出待处理的音频帧。将选定的音频帧拼接在一起进行小波变换,选取低频系数并分段,通过相邻3个水印比特组合的二进制之和确定水印在该段中的嵌入位置,将系数修改为相邻系数中较小的值。实验结果表明,该算法通过对音频特征的分析,能降低提取低频分量的时间复杂度,实现水印信息的盲检测,提高水印的鲁棒性。     

用小波包最好基结构系数和塔型算法检索音频数据

提出一种用小波包最好基结构系数和多分辨塔型算法检索音频数据的方法。这种方法首先对音频数据文件进行预处理,即把音频原数据文件变换成小波包最好基结构系数和小波不同级多分辨分析系数;最后用最好基结构系数对这些文件进行初步分类;最后再用塔型算法进行不同层次的检索。把这种方法与使用不同级小波逼近系数算法比较,结果表明这种方法对音频数据文件检索是有效的。     

抗随机剪切的小波域音频水印算法

提出一种基于离散小波变换的有效抵抗随机剪切的鲁棒性音频水印算法。该方法首先把音频信号划分为若干个包含相同采样点的帧;然后对每帧进行小波变换,提取小波低频系数并计算相应的绝对平均值;最后根据每帧绝对平均值与低频系数比较的结果,将经过Arnold变换后的二值图像嵌入到小波低频系数中。该算法在对水印进行提取和检测时不需要原始音频。实验结果表明,提出的方法在抵抗各种音频处理（如高斯噪声、MP3压缩、重采样、去噪处理、随机剪切、抖动攻击等）性能良好,尤其是抵抗音频信号的恶意剪切攻击鲁棒性更强。     

基于听觉模型的整数小波包域自适应音频密写

提出一种基于听觉模型的整数小波包域自适应音频密写方法。将音频载体分段后,采用整数提升小波包对候选段进行小波包分解。由听觉模型计算掩蔽阈值,根据子带掩蔽阈值和小波系数的特点对小波系数自适应地确定嵌入强度。引入Logistic混沌映射对秘密信息预处理。实验结果表明,该方法在保证不可感知的条件下嵌入容量大,安全性高,提取误差低。     

An adaptive audio watermarking based on the singular value decomposition in the wavelet domain

This paper presents a secure, robust, and blind adaptive audio watermarking algorithm based on singular value decomposition (SVD) in the discrete wavelet transform domain using synchronization code. In our algorithm, a watermark is embedded by applying a quantization-index-modulation process on the singular values in the SVD of the wavelet domain blocks. The watermarked signal is perceptually similar to the original audio signal and gives high quality output. Experimental results show that the hidden watermark data is robust to additive noise, resampling, low-pass filtering, requantization, MP3 compression, cropping, echo addition, and denoising. Performance analysis of the proposed scheme shows low error probability rates. The data embedding rate of the proposed scheme is 45.9 bps. The proposed scheme has high payload and superior performance against MP3 compression compared to the earlier audio watermarking schemes.