[发明专利]基于边信息预测和直方图平移的数字音频可逆水印算法有效

专利信息
申请号: 201610559953.0 申请日: 2016-07-14
公开(公告)号: CN106205627B 公开(公告)日: 2019-10-18
发明(设计)人: 项世军;陈肇龙 申请(专利权)人: 暨南大学
主分类号: G10L19/018 分类号: G10L19/018
代理公司: 广州市华学知识产权代理有限公司 44245 代理人: 陈宏升
地址: 510632 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开的基于边信息预测和直方图平移的数字音频可逆水印算法,包含以下步骤:计算该段音频数据的预测系数以及该样本的预测值;将预测值和该样本值相减,得到预测误差,再根据边信息预测算法的两种形式,建立两个不同的直方图,然后将水印信息嵌入到预测误差,得到含水印的预测误差;将含水印预测误差嵌入到目前样本的下一个样本值,得到含水印的音频值;在接收端接收含水印的音频信号,然后将预测值和样本值做差,利用预测误差直方图平移特性,提取嵌入信号,无损恢复原始音频信号。本发明的算法,与原有的预测算法相比,提升了预测的性能,而且还将非因果与直方图平移结合起来,在低嵌入率的时候,本发明具有较好的嵌入性能和较低失真率。
搜索关键词: 基于 信息 预测 直方图 平移 数字音频 可逆 水印 算法
【主权项】:
1.基于边信息预测和直方图平移的数字音频可逆水印算法,其特征在于,包含以下步骤:1)通过计算机读取一段wav格式的音频数据,然后通过统计的方法计算该段音频数据的预测系数,即边信息,再结合该样本和该样本前后样本之间的大小关系,利用边信息预测算法,计算出该样本的预测值;2)将预测值和该样本值相减,得到预测误差,再根据边信息预测算法的两种形式,建立两个不同的直方图,然后将水印信息通过直方图平移方式嵌入到预测误差,得到含水印的预测误差;3)利用非因果预测算法的逆转变公式,将含水印预测误差嵌入到目前样本的下一个样本值,得到含水印的音频值;4)在接收端接收含水印的音频信号,然后通过边信息预测算法,将预测值和样本值做差,利用预测误差直方图平移特性,提取嵌入信号,无损恢复原始音频信号;所述步骤1),具体如下:101、利用统计方法,求出该段音频信号的预测系数,如下公式:其中,xi是第i个音频值,a是该段音频信号的预测系数,ai是第i段音频信号的预测系数;102、根据边信息预测算法预测当前的音频值,公式如下:其中,i=2,3,4…,是第i个音频数据的预测值,从第二个音频数据开始,得到一系列的音频预测值;所述步骤2),具体如下:201、用当前的音频值减去该样本的预测值,得到当前音频数据的预测误差,公式如下:其中,i=2,3,4…,ei是第i个音频数据的预测误差,从第二个音频数据开始得到一系列的预测误差,保留第一第二个音频值和所有音频数据的预测误差;202、利用直方图平移特性,将水印信息嵌入到预测误差,得到含水印的预测误差,公式如下:其中是第i个音频数据嵌入信息后的预测误差,Ta和T1‑a分别是|xi‑xi‑1|<|xi‑xi+1|和|xi‑xi‑1|≥|xi‑xi+1|这两种情况的嵌入区域范围,w是嵌入水印信息,n是一个整数;所述步骤3),具体如下:其中是第i+1个音频数据嵌入水印后的音频值;所述步骤4),具体如下:401、根据边信息预测算法,得出带有水印信息的音频值,公式如下:其中,是第i个带有水印的音频数据;402、将音频值减去带有水印信息的预测值,得到带有水印的预测误差值,公式如下:403、利用直方图平移特性,提取水印信息,恢复原始的预测误差和原始的音频数据,公式如下:根据所述无损恢复原始音频数据,具体如下:根据上述式子,最终得到下式:利用保留第一第二个原始音频数据以及得到一系列的预测误差,就能完全的恢复原始的音频数据。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于暨南大学,未经暨南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201610559953.0/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top