[发明专利]一种基于LWT-SVD-DCT算法的水印嵌入和提取方法

权利要求书

1.一种基于LWT-SVD-DCT算法的水印嵌入和提取方法，其特征在于，包括：

对尺寸为N×N像素的原始图像进行二维提升小波变换，获得提升小波变换的LL子带；

将LL子带划分为互不重叠的模块LL_ij集合，并对每一个模块LL_ij进行奇异值分解变换，获得三个分量：U_ij、S_ij、V_ij；

对分量U_ij中的正交向量u_i进行一维离散余弦变换，获得向量

通过修改中的中频系数，将每一个水印位w_ij∈{0,1}嵌入到的中频系数中，获得其中，系数修改方程为：β为控制水印位w_ij嵌入的强度系数，为嵌入水印位的向量；并对进行一维离散余弦逆变换得到向量形成

对S_ij,V_ij进行奇异值分解逆变换，获得

将所有的子模块构成LL子带，并对各子带进行提升小波逆变换，获得嵌入水印图像；

对嵌入水印图像进行二维提升小波变换，获得提升小波变换的LL′子带；

将LL′子带划分为互不相交的子模块LL′_ij集合，并对每一个子模块LL′_ij进行奇异值分解变换，获得三个分量：U′_ij、S′_ij、V′_ij；

对分量U′_ij中的正交向量u_i′进行一维离散余弦变换，获得向量

通过公式计算误差系数ε；

根据误差系数ε的范围，通过公式(1)，判别水印比特

所述公式(1)，如下所示：

其中，ε_o为判决阈值。

2.如权利要求1所述的基于LWT-SVD-DCT算法的水印嵌入和提取方法，其特征在于，所述提升小波变换，具体包括：

分裂步骤：将输入信号x(n)分解为偶点和奇点样值序列x_e(n)和x_o(n)；

预测步骤：利用偶点序列x_e(n)的预测值P[x_e(n)]来预测奇点序列x_o(n)，将差值d(n)＝x_o(n)-P[x_e(n)]定义为信号x(n)的高频分量，其中，P[·]为预测算子；

更新步骤：利用高频分量d(n)来更新偶点序列x_e(n)，近似低频分量c(n)＝x_e(n)+U[d(n)]，其中U[·]为更新算子。

3.如权利要求1所述的基于LWT-SVD-DCT算法的水印嵌入和提取方法，其特征在于，所述奇异值分解变换，具体包括：

尺寸大小为m×n像素的图像的奇异值分解变换表达式可以展成：C＝USV′，其中，U是一个正交矩阵U′U＝I，S＝diag(λ_i)为奇异值λ_i,i＝1,2...,r的对角矩阵，并且奇异值以降序排列，V也为正交矩阵V′V＝I；U矩阵的列向量u为左边奇异值向量，V矩阵的列向量v为右边奇异值向量，则图像的奇异值分解变换表达式也可以通过下式表示：

4.如权利要求1所述的基于LWT-SVD-DCT算法的水印嵌入和提取方法，其特征在于，所述离散余弦变换，具体包括：

对于向量u_i，尺寸大小为N×1，离散余弦变换表达式如下所示：

其中，