Com o desenvolvimento da tecnologia multimídia e o uso generalizado da tecnologia de rede, as questões de segurança da informação se tornaram cada vez mais proeminentes. Ao mesmo tempo, à medida que a consciência das pessoas sobre os direitos de propriedade intelectual tem se fortalecido gradualmente, os problemas de rastreamento da pirataria e manutenção dos direitos autorais também levaram as pessoas a buscar tecnologias de segurança da informação mais novas e eficientes. A tecnologia de segurança da informação tradicional é baseada basicamente na teoria da criptografia [1], seja um sistema de chave tradicional ou um sistema de chave pública, seu método de proteção é o controle de acesso a arquivos. No entanto, com a rápida melhoria do poder de processamento do computador, esse método de aumentar o nível de segurança do sistema aumentando continuamente o comprimento da chave tornou-se cada vez mais inseguro. Portanto, como realizar a proteção dos direitos autorais no ambiente aberto de troca de informações é um problema urgente a ser resolvido.
A tecnologia de marca d'água digital é uma tecnologia de segurança da informação desenvolvida em resposta a esse problema nos últimos anos. A marca d'água digital incorpora a marca do proprietário dos direitos autorais ou o número de identificação como dados de marca d'água no trabalho do proprietário. O trabalho aqui pode ser materiais de produção ou qualquer tipo de bens de consumo, que geralmente podem ser entregues a piratas. Produtos lucrativos (como produtos audiovisuais). Devido ao grande volume de vendas de tais produtos e ao desenvolvimento da digitalização de redes e informações, a cópia ilegal é muito fácil. Portanto, nos últimos anos, o desenvolvimento de marcas d'água de imagem [2] e de vídeo tem sido relativamente rápido. Eles usam principalmente modelos visuais humanos (isto é, HVS) para incorporar marcas d'água em lugares que as pessoas não podem sentir. Quando ocorrem disputas por violação, elas podem passar A detecção e extração de marca d'água são usadas como evidência de processo [3].
Atualmente, a tecnologia de marca d'água de áudio tem se desenvolvido gradualmente. Ela usa o modelo auditivo humano (ou seja, HAS) para embutir a marca d'água em uma posição que o ouvido humano não consegue perceber, de modo a ocultar os dados da marca d'água. A tecnologia de marca d'água pode ser dividida em algoritmos de marca d'água no domínio do tempo e algoritmos de marca d'água no domínio da transformação de acordo com as diferentes posições de incorporação de marca d'água. Os primeiros algoritmos de marca d'água modificaram os bits menos importantes do sinal de áudio original para atingir o objetivo de incorporar marcas d'água. Literatura [4] propôs pré-categorizar e definir vários modos de incorporação, selecionar de forma adaptativa o modo de incorporação ideal para incorporar a marca d'água no eco do sinal de áudio original; Literatura [5] propôs uma técnica de marca d'água baseada na transformada wavelet; Literatura [6] proposta Um algoritmo de marca d'água com base na transformação discreta do cosseno. Pode-se ver na literatura acima que o algoritmo de marca d'água no domínio do tempo não é robusto e robusto, portanto, o algoritmo de marca d'água no domínio de transformação se desenvolveu rapidamente nos últimos anos. Os algoritmos de marca d'água comuns no domínio da transformada incluem transformada de Fourier, transformada discreta de cosseno e transformada wavelet discreta.Estes algoritmos de transformação têm suas próprias vantagens e desvantagens.
Com base na análise e pesquisa dos algoritmos de marca d'água acima, este artigo propõe um método baseado na combinação de transformada wavelet discreta e transformada cosseno discreta para incorporar e extrair marcas d'água, fazendo uso total das características de multirresolução da transformada wavelet e a compressibilidade de energia da transformada cosseno discreta , Tomando uma imagem binária intuitiva como marca d'água, um novo algoritmo de marca d'água de áudio é fornecido. Experimentos comprovam a robustez e imperceptibilidade do algoritmo.
Usando a transformada de onda rápida, selecione uma determinada função de onda para decompor o sinal de entrada em uma determinada escala e obtenha a parte de alta frequência e a parte de baixa frequência do sinal nesta escala. Em uma escala, a parte de alta frequência e a parte de baixa frequência incluem a restauração completa da escala anterior Baixe todas as informações do sinal. Se esta decomposição for repetida, uma decomposição de múltiplas escalas do sinal é obtida e os coeficientes wavelet de múltiplas camadas do sinal são obtidos, isto é, os coeficientes de baixa frequência do sinal e uma série de coeficientes de alta frequência. A árvore de decomposição wavelet mostrada na Figura 1.
Figura 1 Árvore de decomposição Wavelet
Fig.1 Árvore de decomposição Wavelet
Para a maioria dos sinais, a parte de baixa frequência fornece as características do sinal, que geralmente são as mais importantes, enquanto a parte de alta frequência está associada a ruído e perturbação. Remova a parte de alta frequência do sinal, as características básicas do sinal ainda podem ser mantidas. Portanto, o processamento geral do sinal é realizado para esta parte. Portanto, na análise de sinal, a aproximação e os detalhes do sinal são frequentemente mencionados . A aproximação é principalmente a parte global e de baixa frequência do sistema , enquanto os detalhes geralmente são os componentes locais e de alta frequência do sinal.
Decompor o sinal em uma combinação linear de funções de wavelet mutuamente ortogonais pode mostrar as características importantes do sinal, mas isso não é toda a análise de wavelet. Outro aspecto importante da análise de wavelet é analisar, comparar e processar (como remover sinais de alta frequência, criptografia, etc.) coeficientes de wavelet e, em seguida, reconstruir o sinal de acordo com os coeficientes recém-obtidos. Este processo é chamado de transformação wavelet discreta inversa (IDWT), ou reconstrução wavelet, síntese, etc. O processo básico de reconstrução do sinal é mostrado na Figura 2.
O fluxograma do algoritmo é mostrado como na Fig. 3.
Figura 3 Fluxograma do algoritmo
Fig.3 Fluxograma do algoritmo
No experimento, escolhemos as informações da marca d'água como uma imagem binária 64 × 64, conforme mostrado na Figura 4 (a). A imagem da marca d'água é reduzida em dimensionalidade primeiro e, em seguida, embaralhada.A imagem embaralhada é mostrada na Figura 4 (b). Em seguida, o sinal de áudio original é segmentado e o sinal de áudio usado para incorporar a marca d'água é decomposto por wavelet de três níveis. Neste artigo, a base wavelet'db1 'é selecionada e, em seguida, a transformação discreta de cosseno é realizada nos componentes aproximados da decomposição de wavelet de três níveis e, em seguida, nos coeficientes de transformação discreta de cosseno Classifique e, finalmente, incorpore a marca d'água no sinal de áudio de acordo com a fórmula (8). Take = 0.2 durante o processo de incorporação. A Figura 5 (a) é o sinal de áudio original, que é mono, taxa de amostragem de 22,05 kHz, quantização de 8 bits e a duração do período é de 8s; a Figura 5 (b) é o sinal de áudio após a marca d'água ser incorporada e os dois sinais de áudio estão quase Não faz diferença.
Fig .4 Imagem de marca d'água
(A) Sinal de áudio original; (b) Sinal de áudio com marca d'água
Figura 5 Sinal de marca d'água
Fig. 5 Sinal de áudio
A fim de detectar a robustez do algoritmo, o seguinte processamento foi realizado no sinal de áudio com marca d'água: ① O SNR do ruído branco gaussiano é 30, e a marca d'água extraída é mostrada na Figura 4 (c); ② Reamostragem, o sinal é extraído uma vez e uma vez O coeficiente de interpolação, decimação e interpolação é 2. A marca d'água extraída é mostrada na Figura 4 (d); ③ O filtro passa-baixo é passado através do filtro passa-baixa Bicheshev com uma frequência de corte de 4 kHz, e a marca d'água é extraída conforme mostrado na Figura 4 (e); ④ A taxa de bits do sinal é de 80 kb e a taxa de compressão é de 8,8 A marca d'água extraída no estado de: 1 é mostrada na Figura 4 (f).
Os coeficientes de normalização são 0,823 5, 0,601 2, 0,682 6, 0,596 1. Pode-se ver a partir dos experimentos acima que o algoritmo é robusto para o processamento de sinal usual.