[发明专利]基于SVD和ANN的鲁棒盲音频水印算法

说明书

技术领域本发明提出一种基于奇异值分解和神经网络的音频盲水印算法，该算法具有较好的鲁棒性和隐蔽性。属于数字水印领域。

背景技术随着多媒体业务，如电子商务的发展，按次视图，视频点播，电子报纸，和P2P媒体共享，多媒体数据可以快速通过高速的网络连接获得。然而，作者，出版社，所有人和多媒体数据的提供者都不愿意将他们的文件在网络环境中的发布，因为这些文件很容易被拦截、复制并重组信息进入原文件，造成版权侵犯。

随着互联网应用的普及，越来越多的数字化多媒体内容信息纷纷以各种形式在网络上快速的交流和传播。如何对数字化多媒体内容进行有效的管理和保护，成为信息安全领域的研究热点。信息隐藏可以在载体中嵌入难以被感知的秘密信息以保护数字内容的版权或用于保密通信，可以很好的解决上述问题。信息隐藏不同于传统的数据加密，数据加密隐藏信息的内容，让第三方看不懂；信息隐藏不但隐藏了信息的内容，而且隐藏了信息的存在性，让第三方看不见。隐写术与数字水印是信息隐藏的两个重要研究分支，采用的原理都是将一定量的信息嵌入到载体数据中，但由于应用环境和应用场合的不同，对具体的性能要求不同。

数字水印是通过对载体进行难以被感知的改动，从而嵌入与载体有关的信息，嵌入的信息不一定是秘密的，也有可能是可见。数字水印的目的是保护数字内容的所有权。音频水印嵌入的信息可以是音频版权保护信息、作品序列号、艺术家和歌曲名字等，用于音频的版权保护、盗版追踪和拥有者识别等。

目前的音频盲水印算法是建立在扩频原理上的。尽管该方法允许可靠的通信甚至强攻击，但解码器和盲检测扩频水印是不知道主机信号是否受到严重的数据干扰时，扩频为基础的系统鲁棒性较差。当前的水印方案的鲁棒性是远远不能满足需要，特别是音频水印方案。他们中的大多数能抵御只有某些有限的攻击。

发明内容针对以上问题，本发明提出了一种基于奇异值分解（SVD）和人工神经网络（ANN）的音频盲水印算法，该算法具有较好的隐蔽性和较强的鲁棒性。同时，由于神经网络具有记忆和适应能力，该方案可以提取水印信息，而无需原始音频。

本发明包括两个主要算法，水印嵌入算法、水印提取算法。

水印嵌入算法中：先将水印图像降维，然后对原始音频进行分成N块，每块包含1600个样点。从N个块中选出M₁×M₂个块，每块嵌入到一比特的水印信息中。求得对角矩阵的元素标记后对对角矩阵进行逆奇异值分解，得到矩阵，将矩阵降为一维信号，然后对其进行逆离散余弦变换，再进行逆二级离散小波包分解，以将他们转换回时域的音频信号。最后用已训练好的神经网络计算出W'。实验中：假设数字水印信息是一个二进制图像W，包含M₁×M₂比特。