基于機器學習的音頻盲水印方法研究.pdf

1、隨著計算機網(wǎng)絡和多媒體技術的飛速發(fā)展，多媒體數(shù)據(jù)逐漸成為人們獲取信息的重要來源，并成為人們生活的重要組成部分。因而，作為數(shù)字媒體產(chǎn)品知識產(chǎn)權宣告及保護的有效工具，數(shù)字水印技術自1993年第一次提出以來已經(jīng)引起了人們極大的關注，同時，如何保護多媒體信息的安全成為國際上研究的熱門課題。特別是音頻信號的數(shù)字水印技術已經(jīng)成為近年來研究的熱點之一。信息安全技術中采取的密碼學技術因僅能控制信息的傳播過程，而對于解碼后的媒體數(shù)據(jù)卻難以控制，因而無法阻

2、止盜版者的非法拷貝和傳播。作為解決上述問題的一種有效途徑，數(shù)字水印技術開始引起人們的普遍關注。它通過在原始數(shù)據(jù)中嵌入秘密信息來證實數(shù)據(jù)的所有權或完整性，以此來抑制對數(shù)字作品的盜版或篡改。 數(shù)字音頻水印技術就是向載體數(shù)據(jù)(如音頻信號)中嵌入秘密信息以達到版權宣告及保護的目的。數(shù)字水印技術的關鍵就是工作域和嵌入策略的選取，從某種程度上說，工作域和嵌入策略選取的好壞從根本上決定了整個數(shù)字水印系統(tǒng)的優(yōu)劣。而近年發(fā)展起來的小波變換是一種新

3、型的時頻分析方法，具有很多良好的性質(zhì)，特別適合于音頻信號的處理。本文正是將小波變換應用到音頻信號的數(shù)字水印系統(tǒng)中，提出一種小波域上基于機器學習方法的新的數(shù)字音頻盲水印算法，使其能在水印的魯棒性和不可感知性之間尋找到合理的平衡點，從而具有更良好透明性和魯棒性，并在音頻作品的版權保護中能有一定的實用性。 本文的主要貢獻如下： (1)提出一種基于支持向量回歸機(Support Vector：Regression，SVR)的魯棒

4、數(shù)字音頻水印算法。算法的基本思想是先對整段音頻信號進行分抽樣處理，然后對所有的子音頻分別進行小波變換，水印信號則嵌入到其中一個子音頻信號的小波變換后的低頻系數(shù)中，水印提取時不需要原始音頻信號。由于不同子音頻信號之間的高度相關性，相應的DWT分解后的各小波低頻系數(shù)分布也具有相似性。利用這種高度相關性，在嵌入和提取的過程應用SVR具有的非線性逼近能力，建立待嵌入的子音頻信號與其他子音頻信號之間的對應模板關系，再利用訓練好的SVR提取水印，實

5、現(xiàn)盲檢測。 (2)針對數(shù)字音頻水印的魯棒性和不可感知性兩者之間是相互制約問題，提出一種采用遺傳算法(Genetic Algorithms，GA)來解決最優(yōu)嵌入能量的優(yōu)化水印方案。遺傳算法是通過群體進化來隨機搜索目標函數(shù)的最優(yōu)化問題，對于前述基于支持向量回歸機的小波域數(shù)字音頻盲水印算法，進一步地探討采用遺傳算在嵌入強度集合中搜索對抗攻擊能力適應度較高的個體，從而得到最佳嵌入強度的一個優(yōu)化方案，以實現(xiàn)自適應策略，也使本算法能在水印