音频数字水印若干关键算法研究

发布时间：2017-06-02 15:19

  本文关键词：音频数字水印若干关键算法研究，由笔耕文化传播整理发布。

【摘要】：近年来,互联网技术的飞速发展为音频数字内容的传播提供了极大的便利,也造成了盗版侵权和音频数字内容篡改行为的日益泛滥。如何对音频数字内容的版权提供管理并对完整性进行保护成了学术界的一个研究热点。传统的加密技术和数字水印技术均被用在音频数字内容的版权保护和完整性保护上,尝试解决音频数字内容盗版和非法篡改的问题。然而,由于加密技术自身所存在的问题,其并不适用音频数字内容版权保护和完整性保护的场合。音频数字水印以其自身所具有的鲁棒性、不可感知性,适用于音频数字内容的版权保护和完整性保护,在学术界正引起越来越大的关注。音频数字水印技术通过把音频水印信息以不可感知的方式嵌入在音频数字内容中,达到保护音频数字内容版权所有和完整性的目的。目前对音频数字水印的研究主要集中在如何设计音频水印算法,使其具有良好的鲁棒性、不可感知性和高嵌入容量。本文立足于音频数字内容的版权保护和完整性保护,研究音频数字水印若干关键算法。在所提算法的设计过程中,借鉴学术界在其他领域的最新成果,与最前沿理论,诸如经验模态分解、压缩感知和机器学习等广泛结合,对传统水印算法进行了科学的改进,从而提高了音频数字水印算法的性能。具体看来,本文所做的工作主要包括以下四个方面：1.提出了一种基于经验模态分解和粒子群优化的音频水印算法。选择EMD分解得到的冗余信号分量作为水印的嵌入位置,并证明了冗余信号分量按照提出的算法嵌入水印以后仍然是冗余信号分量,从而为水印嵌入提取提供了理论基础。通过粒子群优化算法求解出适用于EMD分解的最优音频水印嵌入强度,按此强度嵌入水印,可以同时满足水印的健壮性和不可感知性。仿真结果表明,使用计算出的最优嵌入强度嵌入水印,嵌入水印后的音频信号在受到大部分攻击的情况下可以确保水印的不可见性和健壮性；2.提出了一种高不可感知性鲁棒音频水印算法。算法选择音频帧经EMD变换得到的冗余信号分量的固有特征嵌入水印,通过平移音频帧冗余信号分量中的每一个元素,使得它们的和大于0或小于0来嵌入水印。实验结果表明所提的算法在嵌入水印后没有改变冗余信号分量的特性,并且水印对多种类型的攻击是鲁棒的。与已有的基于EMD的经典算法相比,所提算法大大提高了水印的健壮性和不可感知性；3.提出了一种基于压缩感知理论的半脆弱音频零水印算法。算法首先对原始音频信号进行小波变换,对于小波变换得到的近似小波系数进行压缩感知,得到测量向量并根据测量向量中元素的正负性构建零水印。实验结果表明所提的算法不仅对于常规的音频信号处理是健壮的,并且对于恶意篡改是脆弱的,即可以在常规信号处理情况下有效地检测出恶意篡改情况。与已有的算法相比,所提算法大大提高了在常规音频信号处理环境下恶意篡改检测的准确率。4.提出了一种基于变分贝叶斯学习的音频水印检测算法。在音频帧的DCT系数上嵌入扩频水印,对嵌入水印的音频帧和原始音频帧分别提取MFCC特征进行训练,分别建立高斯混合模型,并通过变分贝叶斯学习方法估计出高斯混合模型的参数,检测时依据最大似然的原则。实验结果显示提出的方法在音频信号受到噪声干扰和恶意攻击的情况下,相对基于EM算法的方法在误检率上有明显降低,在小样本训练情况下具有更好的效果并且可以有效避免过拟合的问题。实验结果和性能分析表明,本文所做工作提高了已有同类算法的性能,对完善音频数字水印算法的研究和解决音频数字内容版权保护、非法篡改等问题具有重要的理论与现实意义。
【关键词】：数字版权保护 音频数字水印 经验模态分解 压缩感知 零水印
【学位授予单位】：北京邮电大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP309.7
【目录】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 绪论12-24
• 1.1 研究目的和意义12-14
• 1.2 国内外研究进展14-21
• 1.2.1 鲁棒音频水印算法研究14-17
• 1.2.2 脆弱性音频水印算法研究17-19
• 1.2.3 音频水印检测算法研究19-21
• 1.3 论文所做的工作和创新21-22
• 1.4 论文的组织结构22-23
• 1.5 本章小结23-24
• 第二章 音频数字水印基础及背景概述24-29
• 2.1 音频水印基本概念24-25
• 2.2 音频水印的分类25-26
• 2.3 音频水印常见攻击方法26-27
• 2.4 音频水印需要满足的特性27-28
• 2.5 本章小结28-29
• 第三章 基于经验模态分解和粒子群优化的音频水印算法研究29-54
• 3.1 引言29-30
• 3.2 EMD分解及粒子群优化理论基础30-32
• 3.2.1 固有模态函数定义30
• 3.2.2 EMD分解执行步骤30-31
• 3.2.3 粒子群优化算法理论基础31-32
• 3.3 基于EMD和粒子群优化的音频水印算法32-36
• 3.3.1 同步码32
• 3.3.2 水印嵌入算法32-35
• 3.3.2.1 水印嵌入的理论基础32-33
• 3.3.2.2 基于粒子群优化算法的水印嵌入强度优化方法33-35
• 3.3.3 水印提取算法35-36
• 3.4 仿真实验36-53
• 3.4.1 仿真环境及实验方法36-38
• 3.4.2 冗余信号分量验证38-42
• 3.4.3 最优水印嵌入强度的确定42-50
• 3.4.4 水印性能检测与比较50-53
• 3.5 本章小结53-54
• 第四章 高不可感知性鲁棒音频水印算法研究54-71
• 4.1 引言54-55
• 4.2 高不可感知性鲁棒音频水印算法55-59
• 4.2.1 算法思想55
• 4.2.2 水印嵌入算法55-57
• 4.2.3 水印算法的不可感知性分析57-58
• 4.2.4 水印提取算法58-59
• 4.3 仿真实验59-70
• 4.3.1 实验环境及仿真实验概述59-60
• 4.3.2 冗余信号分量验证60-62
• 4.3.3 算法性能检测与比较62-70
• 4.3.3.1 嵌入水印前后音频帧幅值变化量比较63-65
• 4.3.3.2 算法在抗攻击情况下鲁棒性和不可感知性比较65-70
• 4.3.3.3 不可感知性主客观性能评测70
• 4.4 本章小结70-71
• 第五章 半脆弱音频零水印算法研究71-90
• 5.1 引言71-72
• 5.2 压缩感知理论基础72-73
• 5.3 基于压缩感知理论的半脆弱零水印算法73-81
• 5.3.1 算法思想73-74
• 5.3.2 零水印的构造74-77
• 5.3.3 恶意篡改检测77-81
• 5.4 仿真实验81-89
• 5.4.1 阈值的确定81-84
• 5.4.2 恶意篡改检测84-88
• 5.4.3 不同算法的比较88-89
• 5.5 本章小结89-90
• 第六章 音频水印检测算法研究90-107
• 6.1 引言90-91
• 6.2 音频水印嵌入91-92
• 6.3 基于变分贝叶斯学习的音频水印检测算法92-98
• 6.3.1 高斯混合模型的建立92-93
• 6.3.2 高斯混合模型的求解93-97
• 6.3.3 基于最大似然的水印检测97-98
• 6.4 仿真实验与结果分析98-106
• 6.4.1 实验背景与参数设置98-99
• 6.4.2 变分下限与混合度的确定99-101
• 6.4.3 抗攻击性能101-104
• 6.4.4 小样本学习情况下的检测性能104-105
• 6.4.5 训练样本长度不一致情况下的检测性能105-106
• 6.4.6 过拟合问题下的健壮性106
• 6.5 本章小结106-107
• 第七章 总结与展望107-110
• 7.1 工作总结107-108
• 7.2 工作展望108-110
• 参考文献110-119
• 致谢119-120
• 攻读学位期间发表的学术论文目录120-121
• 攻读学位期间完成和参与的科研项目121

  本文关键词：音频数字水印若干关键算法研究，，由笔耕文化传播整理发布。

本文编号：415706