基于神經網絡與變換域的盲水印算法研究

宋瑞祥 孫光民 王錦

?

基于神經網絡與變換域的盲水印算法研究

宋瑞祥1孫光民2王錦1

1.北京工業大學信息學部，北京 100124 2.北京工業大學，北京 100124

隨著社會經濟的發展和科學技術的提高，人們對計算機系統與網絡系統的研究越來越深入。針對盲水印算法存在的問題，提出了基于神經網絡的改進措施?；诖?，以盲水印算法為研究對象，探究神經網絡的基本情況，分析當前盲水印算法的大概思路，分別從水印信息的選擇和水印信息的加密處理等方面詳細闡述，基于神經網絡與變換域的盲水印算法，從而提高研究效率，提高算法的感知性。

神經網絡；變換域；盲水印算法

引言

數字化時代的到來，信息發展迅速，數字媒體面臨著信息安全與版權保護。作品的知識產權已成為人們關注的重點話題。雖然盲水印算法已得到發展，但是人們對盲水印算法的研究依舊停留在靜止圖像的使用中。對視頻作品進行科學版權保護是基于神經網絡與變換域研究的重要內容，也是急需解決的難題。

1 神經網絡概況分析

一般情況下，神經網絡可以分為生物神經網絡和人工神經網絡，其中生物神經網絡指的是生物的大腦神經元。無論是細胞還是觸點，都是組成網絡的重要內容。這些物質產生意識，幫助生物進行獨立思考與認知；而人工神經網絡也被稱為神經網絡或者連接模型，人工神經網絡可以模仿動物的神經網絡進行信息處理，對信息的算法繪制模型。理論模型研究中，想要建造更加具體的神經網絡模型，不得不借助計算機的力量，實現模擬和硬件的制作，其中也包含了網絡學習算法研究。一般情況下，人們經常用到向量乘法，該方法具有容錯、并行以及硬件自我學習的特點。這是神經網絡的優點，也是神經網絡模式下盲水印算法與其他方法的區別所在。

RBF神經網絡也叫作徑向基函數網絡，這是以函數逼近理論作為基礎的網絡形式。徑向基函數網絡在學習的時候要在多維空間內選擇訓練數據最佳的擬合平面，該神經網絡屬于全局逼近網絡，無論是輸入數據還是輸出數據，都要調整網絡相關參數。本文基于神經網絡與變換域對盲水印算法的研究，將會選取像素點作為目標點，選擇三個鄰域點作為樣本輸出點。這三個鄰域點的關聯性比較強，因此可以很好地建立RBF神經網絡。隱含層神經元使用tansig傳遞函數，輸出層使用logsig傳遞函數，用DCT系數來輸入，嵌入強度為輸出，盲水印算法在其中誤差會很低，最低為?0.000?55。選取的盲水印算法是在像素矩陣完成排序之后，將二維轉換為一維，每65個DCT系數當作一組進行訓練，最終得到每組嵌入的最大強度即可[1]。

2 基于神經網絡與變換域的盲水印算法研究

2.1 水印信息的選擇

所謂盲水印，是指人感知不到的水印，包括看不到或聽不見的，主要應用于音像作品、數字圖書等，目的是在不破壞原始作品的情況下，實現版權的防護與追蹤。添加數字盲水印的方法可以簡單分為空域方法和頻域方法。這兩種方法添加了冗余信息，但在編碼和壓縮情況不變的情況下，不會使原始圖像大小產生變化?？沼蚴侵缚臻g域。我們日常所見的圖像就是空域?？沼蛱砑訑底炙〉姆椒ㄊ窃诳臻g域直接對圖像進行操作，比如將水印直接疊加在圖像上。我們常說一個音有多高，這個音高是指頻率；同樣，圖像灰度變化強烈的情況，也可視為圖像的頻率。頻域添加數字水印的方法，是指通過某種變換手段。

在盲水印系統設計中，首先要決定數字產品在被保護的時候，應嵌入什么形式的數字信息。選擇最恰當的數字信息作為水印信息尤為關鍵。當前被普遍采用的水印信息一共有兩種。第一種是不帶有任何實際意義的隨機序列。這種形式的水印信息沒有辦法說明自己提取出來的水印是什么。第二種水印信息帶有實際意義。這種水印信息可以表示版權號碼與數字圖像信息。其中，隨機序列模式下的水印信息形成的水印方案有很多。人們為了提高水印嵌入后的圖像保護能力以及抵御攻擊的抵抗能力，在一些實際應用中，特別是基于神經網絡與變換域的環境下，需要有實際意義的信息嵌入，但是版權號碼抗干擾能力是有限的。對此應從人類視覺有限分辨率的角度出發，使用二值圖像，將其當作水印信息，這是目前可以找到的最好方法[2]。

微博上傳的圖片都會打上ID 的水印。有的打在中間，有的打在右下角。這或多或少證明圖片屬于本人。不過最近Google 研究在中心網站Google Research Blog 發表了關于如何去除圖片水印的方法，該網站介紹無論水印面積多大都可以去除，令圖片恢復到“原始”狀態。Google 測試了用Photoshop 軟件去除水印。這是一項非常繁雜的工作。對于專業設計師來說，用這種方法去除水印需要花費9 分鐘的時間。但在Google 技術中，他們會下載同一個網站的數百張照片，從中抽出水印涉及的圖像，然后使用減算法，去除圖像每一個像素的水印。這種去除水印的方法還沒有正式公布，而且沒有完整的發布去除盲水印的程序。網站上目前公布的算法能夠證實基于神經網絡與變換域中盲水印算法的存在。一些售賣圖片素材的公司會在展示素材的同時，在素材上加入自己的水印，用戶只有購買素材后才能獲得使用權，從而獲得沒有水印的照片。不過Google 表示，這套算法還有另外一個作用，就是反去水印法，也就是一種無法去除的水印技術，原理大致上是給水印加入更多模糊數據，令水印的每一個像素都具有不同模糊程度。如果依然使用傳統的方式去除水印，圖片上就會留下比較明顯的痕跡，因此建議人們可以使用最新的盲水印去除技術。

2.2 水印信息的加密

對水印信息進行預處理，是基于神經網絡與變換域的水印系統設計中必須解決的問題。一個科學的盲水印預處理可以保護版權信息。首先第一種原因是為了消除基于神經網絡與變換域的二維數字水印像素空間的相關性，提高盲水印算法的魯棒性，從而保證帶有盲水印圖像的一部分即使受到破壞，也能夠恢復水印狀態。第二種原因是即使攻擊人員在提取盲水印信號的時候，不知道盲水印預處理方案，也沒有辦法對原有的盲水印圖像進行恢復?；谏窠浘W絡與變換域的盲水印算法有很多，其中Arnold盲水印算法最常見。Arnold盲水印算法在實現的時候有周期性的特點。人們采用Arnold盲水印算法處理水印時，Arnold盲水印算法有一定的理論支持，基于神經網絡與變換域對數字圖像進行處理的時候，對Arnold盲水印算法的變化應用是通過改變像素坐標實現的，像素坐標的改變可以改變像素點的布局。簡單來說就是點的位置移動與變換，這種變化其實是相互對應的。如果將Arnold盲水印算法下數字圖像用矩陣來表示，經過Arnold盲水印算法變換之后，得到的圖像就會變得完全無法識別，但是如果繼續使用Arnold盲水印算法進行變換，那么一定會出現和原來圖像相同的圖像，也就是Arnold盲水印算法具有周期性的科學變換。

3 總結

隨著社會經濟的發展和科學技術的革新，人們的版權維護意識越來越強，基于神經網絡與變換域下的盲水印算法在不斷發展，將水印嵌入到各個圖像與視頻中，可以抵御多種攻擊，提高視頻或圖像的保護效果，增強圖像或視頻的魯棒性。神經網絡的引入，解決了傳統方法無法解決的問題，促進了盲水印的進步與發展。

[1]張玉杰，張媛媛. 基于神經網絡的復合變換域視頻水印算法研究[J]. 計算機測量與控制，2012，20（10）：2802-2804.

[2]燕丹丹，張正蘭，張明. 一種基于神經網絡和小波變換的盲水印算法[J]. 現代計算機（專業版），2009（5）：72-74.

Research on Blind Watermarking Algorithm Based on Neural Network and Transform Domain

Song Ruixiang1Sun Guangmin2Wang Jin1

1.Department of Information, Beijing University of Technology, Beijing 100124 2.Beijing University of Technology, Beijing 100124

With the development of social economy and the improvement of science and technology, people’s research on computer systems and network systems has become more and more in-depth. In view of the problems existing in blind watermarking algorithms, improvements based on neural networks are proposed. Based on this, the paper takes blind watermarking algorithm as the research object, explores the basic situation of neural network, and analyzes the general idea of current blind watermarking algorithm. It elaborates on the selection of watermark information and the encryption processing of watermark information, based on neural network and transformation. The domain’s blind watermarking algorithm improves research efficiency and improves the perceptuality of the algorithm.

neural network; transform domain; blind watermarking algorithm

TP309.7

A

宋瑞祥（1992—），男，山西大同人，漢族，在讀研究生，研究方向為數字水印技術。