[发明专利]一种基于DWT‑SVD和粒子群优化的音频水印方法

说明书

技术领域

本发明涉及一种音频水印算法。特别是涉及一种用于音频作品版权管理的基于DWT-SVD和粒子群优化的音频水印方法。

背景技术

数字水印技术利用多媒体数据本身存在的冗余特性以及人类感知系统的特性，在不影响载体数据信息的前提下将水印嵌入到多媒体数据中。数字水印信息可以是标识原作者、拥有者以及发行者信息的序列号，用来识别多媒体数字作品的版权归属，同时也可以追溯非法拷贝和篡改等。数字水印技术最初主要用来解决数字作品的版权归属问题，随着水印技术的不断发展，现如今它已被广泛应用在数字指纹、完整性校验、广播监控、使用控制和隐秘通信等领域。

粒子群优化(Particle Swarm Optimization,PSO)算法是Kennedy和Eberhart博士于1995年提出的，PSO起源于对一个简单社会模型的仿真，它和人工生命理论以及鸟类或鱼类的群集现象有十分明显的联系，动物行为学家曾仔细观察过蚂蚁的觅食行为，发现不管初始时同一蚁巢的蚂蚁从蚁巢到食物的觅食路径是如何的随机，随着觅食的蚂蚁往返次数的增加，蚁群总能找到最短的觅食路径，著名的蚁群算法正是受蚁群觅食行为的启发而产生的。同样，粒子群算法也是源于对鸟类捕食行为的研究而提出的。

小波变换的基本思想是将原始信号经伸缩及平移后(即将原始信号用一组不同尺度的带通滤波器进行滤波)，将信号分解为一系列具有不同空间分辨率(不同通道)、不同频率特性和方向特性的子带信号，这些子带信号具有良好的时域、频域等局部特性，这些特征可用来表示原始信号的局部特征，进而实现对信号时间、频率的局部化分析。将小波变换扩展到二维的情形，即可以得到原始图像在不同尺度、不同方向上的近似分量和细节分量。

信号经过多尺度小波变换后，系数呈现金字塔式的结构。且图像能量重新分配，绝大部分能量分布在最低频的小波系数上，和高频系数相比，最低频的小波系数具有系数绝对值较大，变化范围大等特点，因此也具有更大的更改空间.可以嵌入更多的水印信息。

SVD变换具有能量聚集和扰动稳定性，在统计学、信号处理等领域都有着有广泛的应用。由于它能将信号的最大能量用极少的系数表示。刘瑞帧等人最早将它应用在图像水印算法中，取得了较好的鲁棒性。近年来，陆续有学者将SVD变换引进音频水印算法中，提高了音频水印算法的抗攻击能力。

给定一个m×n的矩阵M，则存在两个正交矩阵，m阶矩阵U和n阶矩阵V使得M可以表示为：

M＝USV^T

其中，S＝diag(λ₁,λ₂,...,λ_r)，对角线元素满足：λ₁≥λ₂≥...≥λ_r≥λ_r+1...＝0。

SVD有三个关键特性：(1)扰动稳定性，当载体信号遭受攻击时，其值变化很小。(2)矩阵的奇异值表示信号矩阵的能量，矩阵的最大奇异值表示信号的最大能量。其中，最大奇异值在水印算法中常用来进行水印信息嵌入。由于SVD算法具有上述优点，使得采用SVD变换的音频水印算法具有较好的鲁棒性和水印嵌入容量。

发明内容

本发明所要解决的技术问题是，提供一种能够使水印具有较好鲁棒性的基于DWT-SVD和粒子群优化的音频水印方法，

本发明所采用的技术方案是：一种基于DWT-SVD和粒子群优化的音频水印方法，包括如下步骤：

1)对原始音频信号进行水印嵌入，包括：

(1)对原始音频信号进行分块处理；

(2)对分块后的音频信号中的每一个块c_i，1≤i≤n1，采用公式c_i＝U_i×S_i×V_i^T进行SVD分解，分解后得到矩阵U_i，S_i和V_i；

(3)将每个块分解后得到的矩阵S_i中的最大值s_i构建向量L＝[s₁,s₂,...,s_n1]，并对向量L进行三级小波分解，得到近似分量L³和细节分量H^r，1≤r≤3；

(4)对得到的近似分量L³嵌入水印信息；