摘  要： 結(jié)合RBF神經(jīng)網(wǎng)絡(luò)和糾錯(cuò)編碼技術(shù)，提出了一種把經(jīng)過混沌加密的圖像水印嵌入小波域，并實(shí)現(xiàn)盲檢測的新型水印算法。首先，對原始圖像進(jìn)行小波分解得到各子帶的小波系數(shù)；其次，通過密鑰選擇在小波系數(shù)中嵌入水印的起始位置，并對該小波系數(shù)進(jìn)行量化處理作為RBF神經(jīng)網(wǎng)絡(luò)模型的輸入值；最后，用混沌加密技術(shù)和糾錯(cuò)編碼技術(shù)對待嵌入的水印信息進(jìn)行預(yù)處理以增強(qiáng)水印系統(tǒng)的安全性和魯棒性，把處理后的水印信息嵌入到經(jīng)過RBF神經(jīng)網(wǎng)絡(luò)模型處理后的小波系數(shù)中。實(shí)驗(yàn)表明，該算法人類視覺掩蔽性良好，同時(shí)對于諸如JEPG壓縮、椒鹽噪聲、濾波等常見圖像處理攻擊的魯棒性達(dá)到了預(yù)期的效果。
關(guān)鍵詞： 糾錯(cuò)編碼；RBF神經(jīng)網(wǎng)絡(luò)；盲檢測；混沌加密

    隨著數(shù)字技術(shù)[1]逐步滲透到社會(huì)生活中，多媒體數(shù)據(jù)的版權(quán)保護(hù)成為一個(gè)關(guān)鍵性問題。數(shù)字水印技術(shù)作為傳統(tǒng)加密方法的有效補(bǔ)充手段，是目前信息安全技術(shù)領(lǐng)域的一個(gè)新方向。其中，數(shù)字圖像水印技術(shù)通過在原始圖像中隱藏相應(yīng)的信息以保護(hù)合法的所有權(quán)。一個(gè)完整的圖像水印方案主要包括水印生成、水印嵌入、水印檢測和水印攻擊[2]。在保護(hù)圖像多媒體信息版權(quán)時(shí)，數(shù)字水印的魯棒性是至關(guān)重要的。由于很多時(shí)候原始圖像獲取不便，所以研究的趨勢是在不需要提供原始圖像的情況下進(jìn)行水印的盲檢測。當(dāng)前研究人員已經(jīng)研究出了眾多的盲檢測水印算法，這些算法能夠較好地抵御諸如JEPG壓縮、高斯濾波等常見的信號(hào)處理攻擊。基于封面中像素的3-D色彩直方圖特性的盲水印方案[3]，它解決了水印的嵌入和檢測的同步問題。為了進(jìn)一步加強(qiáng)被隱藏在宿主信號(hào)中的敏感信息的安全性，學(xué)者們一直在嘗試加密和數(shù)字水印技術(shù)的結(jié)合研究。與此同時(shí)，目前神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法、糾錯(cuò)編碼等技術(shù)也被廣泛應(yīng)用于數(shù)字水印技術(shù)中。其中，Tsai等人提出了一種基于人類聽覺系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的自適應(yīng)信號(hào)依賴的音頻數(shù)字水印技術(shù)[4]，通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練使該算法能夠記住原始音頻和嵌有水印音頻的直接映射關(guān)系，并基于此實(shí)現(xiàn)盲檢測。而糾錯(cuò)編碼技術(shù)也被大量運(yùn)用于水印算法當(dāng)中[5]，糾錯(cuò)編碼的使用主要是為了在提取水印信號(hào)時(shí)糾正可能發(fā)生的錯(cuò)誤。本文提出了一種基于RBF神經(jīng)網(wǎng)絡(luò)和糾錯(cuò)編碼的混沌盲檢測水印新算法。該方案旨在處理好不可見性和魯棒性平衡關(guān)系的基礎(chǔ)上，提高在諸如JPEG、高斯噪聲、椒鹽噪聲等信號(hào)處理攻擊下的魯棒性。
1 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBF）
1.1 RBF神經(jīng)網(wǎng)絡(luò)模型
    數(shù)字水印的研究表明，將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用其中可以增加水印系統(tǒng)的自適應(yīng)性和魯棒性。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)具有良好的通用逼近能力，該神經(jīng)網(wǎng)絡(luò)已經(jīng)被成功用于解決許多信號(hào)和圖像問題。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)是一個(gè)完全連接的網(wǎng)絡(luò)，通常作為一種分類工具使用。在一個(gè)RBF模型中包含三層：輸入層、隱含層、輸出層。隱含層提供了一組函數(shù)，該組函數(shù)稱為徑向基函數(shù)。圖1給出的是RBF神經(jīng)網(wǎng)絡(luò)模型，其對應(yīng)的數(shù)學(xué)表達(dá)式如下：




     （5）利用相似度、閾值和密鑰（key）判斷是否嵌有水印。如果相似度大于該閾值，那么就確定該處嵌有水印。其中閾值由標(biāo)準(zhǔn)差和虛警率決定（一般為10-6），基于此本文的閾值設(shè)為20.8；
     （6）把步驟（5）中提取到的水印信號(hào)進(jìn)行糾錯(cuò)編碼解調(diào)和逆置亂處理，得到最終的水印信息。
4 實(shí)驗(yàn)仿真結(jié)果
      仿真實(shí)驗(yàn)的載體是512×512的man圖像，水印采用32×32的二值圖像，卷積碼一幀長度為L=8。水印嵌入后的載體圖像和原載體圖像的PSNR為40.966 9 dB，根據(jù)人類的視覺系統(tǒng)特性，很難分辨出區(qū)別，說明本算法具有較好的不可感知性，如圖3所示。

      為了探討該方案的性能，用峰值信噪比（PSNR）、相似度（NC）和比特錯(cuò)誤率（BER）這三個(gè)量來衡量該算法的不可感知性能、魯棒性能和糾錯(cuò)能力，這三個(gè)衡量值分別列在表1、表2和表3中，表中的Without ECC表示不使用糾錯(cuò)編碼（ECC），僅使用RBF神經(jīng)網(wǎng)絡(luò)的水印算法，With BP表示使用BP神經(jīng)網(wǎng)絡(luò)代替RBF神經(jīng)網(wǎng)絡(luò)的水印算法，Proposed表示本文提出的算法。
     從表1的對比中可以看出，在使用常用的數(shù)字信號(hào)處理方案對水印圖像攻擊后，本算法的不可感知性較好。另外，本方案在JEPG壓縮、高斯噪聲、椒鹽、線性濾波（線性濾波1表示線性濾波_1.7_0.01_0.21_1.2，線性濾波2表示線性濾波_0.97_0.21_0.31_1）等攻擊下比Without ECC方案和With BP方案有更好的隱蔽性。
    從表2得到的NC值對照表可以看出，本文所提出算法對JPEG壓縮攻擊的抵抗能力特別強(qiáng)，且對于諸如高斯低通濾波、椒鹽噪聲、中值濾波、線性濾波等攻擊魯棒性很高。不僅如此，通過對比NC表，說明了Proposed方案的魯棒性比Without ECC方案和With BP方案提高很多。而從表3可以看出使用糾錯(cuò)編碼的水印算法在水印提取時(shí)比特錯(cuò)誤率（BER）比未使用糾錯(cuò)編碼的水印算法更低，這說明本文算法的失真率更低，在抵抗表中所列攻擊的抵抗能力非常強(qiáng)。

     本文提出了一種基于RBF神經(jīng)網(wǎng)絡(luò)和糾錯(cuò)編碼的新型盲檢測水印算法。利用糾錯(cuò)編碼技術(shù)和混沌加密技術(shù)對水印進(jìn)行處理，增強(qiáng)了水印的魯棒性和安全性，而RBF神經(jīng)網(wǎng)絡(luò)模型的自適應(yīng)性使算法實(shí)現(xiàn)了水印的盲檢測，同時(shí)該模型的使用也進(jìn)一步增加了本文所提出算法的魯棒性。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的使用BP神經(jīng)網(wǎng)絡(luò)的水印算法和未使用糾錯(cuò)編碼的水印算法相比，本文所提出的算法具有更好的隱蔽性、魯棒性和更低的失真率，使魯棒性和隱蔽性達(dá)到了一個(gè)較為理想的平衡，同時(shí)算法在諸如JEPG壓縮、椒鹽噪聲、濾波等常見圖像處理攻擊下?lián)碛辛己玫聂敯粜浴?br /> 參考文獻(xiàn)
[1] 王炳錫，陳琦，鄧峰森.數(shù)字水印技術(shù)[M].西安：西安電子科技大學(xué)出版社，2003.
[2] Chen Yongqiang， Zhang Yanqing， Peng Lihua. A DWT domain image watermarking scheme using genetic algorithm and synergetic neural network[J]. Second International Eymposium on Information Processing（ISIP2009），2009：298-301.
[3] LIN C H， CHAN D Y， SU H， et al. Histogram-oriented watermarking algorithm： colour image watermarking scheme robust against geometric attacks and signal processing[C]. IEEE Proc.-Vis. Image Signal Process， August 2006，483-492.
[4] TSAI H H， CHENG J S. Adaptive signal-dependent audio watermarking based on human auditory system and neural networks[J]. Applied Intelligence， 2005，23（2）：191-206.
[5] BERGER T， TODOROV T. Improving the watermarking process with usage of block error-correcting codes[J]. Serdica J， Computing 2008（2）： 163-180.