强鲁棒性（通用3篇）
强鲁棒性 篇1
目前,MPEG-4视频水印技术已成为网络信息安全和数字媒体版权保护研究的热点。但在以往的视频水印技术中,存在着嵌入信息量少、算法复杂度大、鲁棒性较弱、水印提取速率不均衡等问题。针对这些不足,本文提出一种基于DCT域的MPEG-4视频水印设计方案。该方案将灰度图像压缩并综合扩频技术和混沌理论置乱加密,使水印的鲁棒性增强;然后根据纹理特征复杂情况选择水印的嵌入域,采用经改进的LSB算法,将水印嵌入到部分解码视频色度块的DC中,既减少运算的复杂度,又保证了水印的健壮性。
1 基于DCT域的MPEG-4视频水印嵌入方案
首先,本算法将含有版权信息的256级灰度图像W作为水印信息,对其进行压缩和置乱加密的预处理。先将灰度图像W采用双正交小波变换进行压缩,得到压缩图像序列Wc。再采用混沌序列对压缩序列Wc置乱。Logistic映射公式表示为:,混沌序列初值x0作为密钥。本算法取λ=2,x0=0.4。接着二值化水印信号Wc,并降为一维水印信号Wc'。最后进行混沌加密:产生一维混沌序列s1和s2,s1∈{-1,1},s2∈{-1,1},并转化为s1'和s2',s1'∈{0,1},s2'∈{0,1},其转化原则是序列中元素不大于0为0,大于0为1。对水印信号异或加密,根据公式产生混沌加密后的水印序列Wh。
然后,把水印序列Wh嵌入视频流(部分解码)的I-VOP色度块DCT系数的DC分量中。先根据视频帧的内容变化进行视频场景划分。按位读取视频流,读到I-VOP头部信息标记次数为0;当嵌入次数不大于124时,对所读色度块VLC解码,得色度AC系数ACi(i=1,2,…,63)和DC系数。再根据计算色度AC系数平方和,若Eac不小于阙值,水印嵌入一次,嵌入次数加1;若不满足,则对下一色度块重复操作。接着,采用经改进的LSB算法嵌入水印,公式如式1所示:
式中:DCi'是已嵌入水印的I帧中亮度DCT的数DC值;DCi是未嵌入水印的I帧中亮度DCT的DC值;Wk(i)表示第i位水印信息,i=0,1,2…;“|”为“或”运算。最后用嵌入水印后的色度DC系数替换原来的色度DC系数,VLC编码后得到嵌入水印的视频序列。
最后,进行水印信息的提取和后期处理。水印的提取过程是水印嵌入的逆过程。后期处理过程先对水印信号混沌解密,再按照先列后行顺序转换成二维得矩阵数据,并灰度处理,最终获得水印图像W'。
2 实验结果分析
实验采用标准的MPEG-4编解码模型,以Mobile(352*288,300帧)、Hall Monitor(176*144,300帧)、Highway(176*144,2000帧三个视频序列作为测试视频。水印图像是一幅256级80*80的灰度图像。
不可感知性是评价水印的一个重要参数。图1上、下排分别为嵌入水印前后图像效果图。可见,人眼完全无法感知嵌入水印前后视频质量的差别。峰值信噪比PSNR(Peak Signal-to-Noise Ratio)可以定量地评测水印的不可见性。表1给出三段视频序列嵌入水印前后的平均PSNR。一般地,不可见性度量指标只要大于一定值就可被认为符合不可见性的要求,当PSNR值大于36dB时,人眼无法察觉,保证水印的不可见性。
鲁棒性亦检测水印算法的重要标准。比较水印的相似性系数NC系数(Normalized Correlation),能客观衡量相似程度。本文对嵌入水印后的Mobile进行几种常见攻击实验。比较NC系数可知水印算法的抗攻击能力:NC值越接近0,表示嵌入和提取水印图像的相似程度越低;NC值越接近1,表示嵌入和提取水印图像的相似程度越高。实验数据显示,NC系数都大于0.7,说明该算法鲁棒性较强。
3 结束语
本文提出一种基于DCT域的MPEG-4视频水印嵌入方案,选取包含较多版权信息的灰度图像作为水印信息嵌入到压缩后的MPEG-4视频码流中。该方案首先选择对压缩后的灰度图混沌置乱水印信号的鲁棒性和安全性得到提高,然后以DCT域作为切入点,根据纹理特征复杂情况选择水印的嵌入域,最后借鉴LSB算法思想并改进,将水印嵌入到部分解码视频I-VOP色度块的DC中,既保证了水印的嵌入量,又减小了算法的复杂度。本文对提出的方案进行了详细描述,实验证明,该算法在保证水印的不可见性的同时,还增强水印的鲁棒性。
参考文献
[1]田玉敏,曲蕴慧.基于MPEG-4码流的数字视频水印算法[J].深圳大学学报,2008,4(25):173-177.
[2]M.BARNI,F.BARTOLINI,N.CHECCACCI.Watermarking of MPEG-4 video objects,Multimedia[J].IEEE Transactions,2005.2,7(1):23-32
[3]魏正源,谢维信,裴继红.一种空域DCT与时域DWT相结合的鲁棒视频水印算法[J].中国体视学与图像分析,2006,11(4):307-310.
[4]胡涛,黄铝文,张鹏.基于双正交小波变换在灰度图像压缩中的应用[J].现代电子技术,2004,(21):84-86.
[5]LIU Quan,WANG Jin.A Novel Digital Image Watermarking Scheme on Copyright Protection Based on Network Manufacture Environ-ment[J].In:Proceedings of the 1st International Symposium on Digital Manufacture.Wuhan:Journal of Wuhan University of Technology,2006.552-556.
强鲁棒性 篇2
随机需求下公交时刻表设计的鲁棒性优化
摘要：考虑在实际运营中乘客需求具有随机性,固定需求下优化的公交时刻表不适应运营的要求,随机需求下的`期望值模型忽略了不利可能事件对运营的负面影响,针对此情况研究随机需求下公交时刻表设计的鲁棒性优化,模型综合考虑乘客成本与运营成本,采用鲁棒性优化权衡目标期望值与偏差期望值,结合随机模拟技术,选用遗传算法求解模型.给出了算例,验证了模型和算法的有效性,通过比较固定需求模型、随机需求期望值模型、随机需求鲁棒性模型,说明在鲁棒性优化下需要提供更多的交通供给以降低偏差期望值,最后,对鲁棒性模型中的偏差权重系数进行了灵敏度分析. 作者： 孙杨宋瑞何世伟 Author： SUN YangSONG RuiHE Shi-wei 作者单位： 北京交通大学,交通运输学院,北京,100044 期 刊： 系统工程理论与实践 ISTICEIPKUCSSCI Journal： SYSTEMS ENGINEERING ―THEORY & PRACTICE 年，卷(期)： ,31(5) 分类号： U491 关键词： 公交时刻表 随机乘客需求 鲁棒性优化 随机模拟 遗传算法 机标分类号： U2 TP3 机标关键词： 随机需求公交时刻表设计鲁棒性优化designtransit期望值模型运营成本固定需求随机模拟技术偏差目标期望值灵敏度分析遗传算法需求模型权重系数求解模型模型综合交通供给 基金项目： 国家高技术研究发展计划(863计划)，霍英东教育基金，北京交通大学重点基金
强鲁棒性 篇3
为了在保障数字水印安全性的前提下,有效解决数字水印鲁棒性和透明性之间的矛盾,本文提出了一种基于二维超混沌加密的数字水印算法,该算法有别于其他算法,并不是直接嵌入水印图像,而是通过二维超混沌映射对水印进行位异或加密处理,然后将载体图像分别按照水印的行数和列数进行分块,选择每块的中低频系数嵌入水印［5］; 水印提取时,根据载体图像和加密水印行之间的对应关系,确定构成水印的比特值,并进行超混沌解密,最终得到完整的水印图像,该算法具有更高的安全性和鲁棒性。
1 理论依据
本文在对比其他水印算法的基础上,出于提高水印鲁棒性的目的,提出了二维超混沌加密方案,下面介绍相关理论依据。
1. 1 二维超混沌映射
超混沌作为一种特殊的混沌现象,不但具有混沌现象的敏感性、遍历性、稳定性和统计特征,而且对空间方向表现出更明显的不稳定性。也就是说超混沌映射相对于一般的混沌现象具有更复杂的空间维度,在数字水印加密研究中,也更能够满足水印图像的安全性、随机性等要求［6－7］。
本文选择的二维超混沌映射是非线性动力系统中的一种,在产生超混沌序列时,比多维超混沌映射具有更高的速度、更短的时间,能够较好地满足信息实时传播的要求［8］。因此本文选择二维超混沌映射作为数字水印加密方案。
二维超混沌系统一般可表示为
式中: ai为待定常系数,当该系数取不同的数值时,二维超混沌系统将处于不同的状态,表现为混沌指数Lyapunov,当Lyapunov < 0,系统处于周期运动或不动点状态; 当Lyapunov = 0,系统处于周期加倍位置时,此时产生的序列点对应分岔点; 当Lyapunov > 0,系统进入超混沌状态,而且会随着该指数数值的增加,所产生的混沌序列具有更明显的随机性,也就更适合用于数字水印加密［9－10］。
因此,在多次实验的基础上,本文选择式( 2) 所示的简单形式的二维超混沌系统
当a3= 0. 167,a5= - 1. 09,a8= 1. 24,a10= - 0. 3 时,系统即进入超混沌状态,并具有较好的随机性,此时的二维超混沌映射可表示为
在对数字水印加密处理时,需要将式( 3) 产生的二维超混沌序列进行降维处理,使其表现为一维序列,此过程可通过式( 4) 所示降维模型完成
1. 2 数字水印加密方案
本文提出的数字水印加密方案基于二维超混沌映射加密方法,该方案产生的加密水印是通过二维超混沌映射后产生的混沌序列,并将载体图像进行二级离散小波变换( DWT)［11］后进行分块,选择中低频系数嵌入水印序列。该方案所产生的加密水印步骤可描述如下:
1) 首先,对所选用的64 × 64 原始图像根据某一阈值转化为二值水印图像W,记为
2) 然后,对二维图像进行降维处理,得到一维数组U( k) ,1≤k≤64 × 64。
3) 选定初值x0,y0作为密钥k1,将k1作为种子代入式( 3) 进行二维超混沌映射,可以得到二维超混沌序列。
4) 将该序列代入式( 4 ) 进行降维处理,得到一维序列L( k) ,该序列同样具有超混沌特性。
5) 由式( 5) 对序列L( k) 二值量化处理,得到一维二进制数组,二值量化函数可表示为
式中: l表示混沌序列L的长度。
6) 将一维数组U ( k) 与J ( k) 根据式( 6 ) 进行位异或运算,进行超混沌加密,得到加密后的水印序列M( k)
在上述步骤中,步骤3) 和步骤6) 先后对数字水印进行了两次加密处理,密钥k1和待定常系数ai共同保障了水印的安全性。
2 数字水印的嵌入与提取
2. 1 水印的嵌入
本文所描述的水印嵌入过程如图1 所示。
具体步骤为:
1) 先将原始载体图像根据加密水印图像的行数p进行分块。
2) 然后将每块的图像进行两级离散小波变换( DWT) ,选择合适的中低频序列嵌入水印。
3) 接着将选取的中低频序列根据加密水印图像的列数q再次进行分块,对得到的近似系数进行均值量化,并嵌入一维二进制数组值( 0 或1) ,即经过超混沌加密后的水印图像,由此可使原始载体图像的不同分块中嵌入加密水印图像相应行的二进制值,即在图像块和加密水印图像行之间建立对应关系,有效地增强了数字水印图像的鲁棒性。
4) 根据加密水印图像行数p的值,重复步骤3 ) 的操作,直到在载体图像块和水印图像的所有行之间都建立对应关系,完成整个水印的嵌入。
5) 依次对嵌入水印的所有子块进行两级离散小波逆变换,重构载体图像信息,得到嵌入水印后的新图像。
2. 2 水印的提取
数字水印的提取是嵌入的逆过程,本文所描述的提取水印步骤为:
1) 对待检测的图像输入水印行数值p将其分块,对每块图像进行两级离散小波变换,得到中低频系数。
2) 根据水印列数值q对得到的中低频序列再次进行分块,并进行均值量化的逆操作,得到每个小段图像中隐藏的水印bit值( 0 或1) ,构成一维序列M1( k) 。
3) 输入密钥k对M1( k) 进行超混沌解密,解密的过程是加密的逆运算,可表示为
4) 通过式( 5) 和式( 7) 对M1( k) 进行解密后,即可得到提取出的水印图像序列U1( k) 。
3 实验结果与分析
实验选择512 × 512 像素大小的图像作为载体图像,以64 × 64 像素大小的图像作为水印图像,如图2a和图2b所示。实验环境选择MATLAB 7. 5 仿真系统,分别对水印的安全性、透明性和鲁棒性进行了检测,在实验过程中,采用峰值信噪比( Peak Signal to Noise Ratio,PSNR) 和归一化相关系数( Normalized Correlation,NC) 作为检测指标［12－13］,分别定义如下
式中: m,n为图像的尺寸; X( i,j) 和X'( i,j) 为载体图像和嵌入水印后图像的像素值。PSNR越高,表示水印图像的透明性越高。
式中: d( i) 和d'( i) 分别为原始水印序列和提取出的水印序列。NC越高,表示所提取出的水印图像质量越高,也就是说水印算法的鲁棒性越强。
3. 1 水印安全性和透明性分析
本文所描述的水印算法基于超混沌加密,实验设定初值x0为0. 135,y0为0. 312 作为密钥,对原始水印图像进行超混沌加密,通过计算加密水印图像的行数和列数,在对原始载体图像进行二维DWT变换后,将载体图像分块处理,确定水印嵌入的位置和嵌入bit值,最终得到嵌入水印后的载体图像,此时的PSNR达到52. 761 d B,说明嵌入水印后的图像在视觉上可以满足人眼不可察觉的效果,证明该算法具有较好的透明性。
通过本文所描述的提取算法对嵌入水印的载体图像进行实验,载体图像及提取出的水印如图2c和图2d所示,此时的相关系数NC接近于1,证明该算法是有效的。而且由于该算法具有混沌映射的初值敏感性和随机性特征,因此即使式( 1) 中初值x发生微小的变化,所产生的混沌序列也会有较大的区别,从而保证了水印的安全性。
3. 2水印鲁棒性分析
为检测本文所描述算法得到的含水印载体图像在遭受常见攻击时表现出的鲁棒性,分别进行了噪声、滤波、几何攻击实验。
首先对含水印载体图像进行了椒盐噪声和高斯噪声攻击实验,当噪声强度为0. 01 时,得到的水印图像与原图相差无几。随着噪声强度的不断增强,得到的水印图像质量降低,但仍然具有较强的可识别性,且具有较高的PSNR和相关系数NC,如表1 所示。
接着对含水印的载体图像进行了中值滤波和高斯低通滤波攻击实验,提取出的水印如图3 所示,相关系数NC的平均值在0. 96 以上。
最后,对含水印的载体图像进行了旋转、缩放、剪切攻击实验,提取出的水印如图4 所示。在分别对图像设定不同程度的旋转角度、缩放比例时,提取出的水印图像清晰完整; 特别是在对图像进行剪切实验时,本文所描述的算法表现出很大优越性,主要是由于该算法是基于分块操作的,而且区别于一般算法将水印直接嵌入的步骤,通过超混沌映射产生水印序列,根据水印图像的bit值嵌入水印序列,使原始载体图像的每个角落都可能包含有水印像素,因此,在原始载体图像遭受剪切攻击时,即使部分水印信息丢失,也不会影响水印提取的完整性。实验表明,该算法具有很强的鲁棒性。
在同等条件下,对本文所描述算法和文献[6]进行水印检测对比实验,相关系数NC如表2 所示。由此可见,本算法在水印图像遭受不同类型攻击时所表现出的鲁棒性明显优于文献[6]。
4 小结