隨著農業(yè)科技服務知識體系的研究與知識系統(tǒng)的構建，我們構建了農業(yè)科技服務系統(tǒng)，針對農業(yè)科技信息的保護方面，我們提出—種基于復合混沌系統(tǒng)加密的數(shù)字水印嵌入算法，嵌入過程在要保護圖像的RCB色彩空間經Contourlet變換后的域內進行。該方法在水印提取時不需要原始圖像，可以根據規(guī)則分別從R、G、B各顏色分量的Contourlet變換域系數(shù)中提取水印，然后根據密鑰恢復水印信息。通過此方法可以降低提取水印的錯誤比特，提高水印的恢復質量。

一、雙混沌加密系統(tǒng)

1、2種典型混沌系統(tǒng)

通過研究表明，Chen系統(tǒng)是一個易被電路實現(xiàn)的三階系統(tǒng)，其有以下特點：

①在相空間有比Lonenz系統(tǒng)和Chua系統(tǒng)更復雜的拓撲結構和動力學行為，這使得輸出的序列更難預測。

②3個輸出序列若同時應用，使加密序列的設計更加靈活；

③系統(tǒng)的初值（x0，y0，z0）和3個參數(shù)構成的密鑰空間大大高于低維混沌系統(tǒng)。

Chen氏系統(tǒng)描述如下：

當參數(shù)取典型值a=35，b=3，c=28時，Chen系統(tǒng)產生混沌吸引子加圖1所示。

另一個混沌系統(tǒng)就是典型的一維Logislic混沌映射，其表達式為：

其中，xk+1∈(-1，1)，0≤μ≤4稱為分枝參數(shù)?；煦鐒恿ο到y(tǒng)的研究表明，當35699456K<μ≤4時，Logistic映射處于混沌態(tài)。也就是說，由初始條件曷在Logstic映射的作用下所產生的序列{K；k=0，1，2，…}是非周期的、不收斂的并對初始值非常敏感。

在Logistic映射的混沌區(qū)選取初值x0就可以得到—運動軌跡，由于該軌跡是非周期的所以整個軌跡中沒有2個相同的狀態(tài)。任意選取—有限長宇列琪長度與欲嵌入的二值圖像水印像素數(shù)相同然后按狀態(tài)的數(shù)值大小在序列中的位置對其編號測每—個狀態(tài)可以獲得一個唯一的編號，這樣就可以將隨機的實數(shù)轉化為隨機的整數(shù)編號。在將二值圖像水印轉換為一維序列后根上述編號即可將該一維水印序列作相應的置亂加密萁中初始值曷和分枝參數(shù)Li均作為密鑰。

2 、Contourle變換

Contourlet變換(CT)也稱塔形方向濾波器組(FD FB)，是由拉普拉斯塔形濾波器結構(LP)和二維方向濾波器組(DFB)結合形成的。它是小波變換的一種新擴展，具有多分辨率、局部定位、多方向性、近鄰界采樣和各向異性等性質。其基函數(shù)分布于多尺度、多方向上，少量系數(shù)即可有效地捕捉圖像中的邊緣輪廓，而邊緣輪廓正是圖像中的主要特征。Conlourlet變換的主要思想是使用一個類似小波的多尺度分解捕捉奇異點，再根據方向信息將位置相近的奇異點匯集成輪廓段。FDFB是以輪廓段的方式逼近原始圖像，因此也稱為離散Contourlet變換。圖2a給出了Conburlet；變換的濾波器組結構，圖像經FDFB分解，得到一個低通圖像和分布于多尺度、多方向上的高頻分量。由圖2b可知，方向數(shù)隨尺度增大而增多。圖像經Conburlet分解后的系數(shù)相當稀疏，絕大部分系數(shù)幅值接近零，幅值較大的系數(shù)往往聚集在輪廓邊緣且在尺度間有一定的相關性和延續(xù)性。

二、基于復合混沌系統(tǒng)的圖像加密

復合混沌加密系統(tǒng)加密規(guī)則如下：

(1)混沌系統(tǒng)I由Chen系統(tǒng)構成，n時刻生成混沌序列C1(n)：

(2)混沌系統(tǒng)Ⅱ由Logstic系統(tǒng)構成，n時刻生成混沌序列C2(n)：

式中的xn、yn、zn是Chen系統(tǒng)的3個狀態(tài)變量在第n時刻的值，on為Log stic系統(tǒng)在第n時刻的值，K和λ為控制參數(shù)。圖像中的像素p1和D1分別表示原始圖像和加密圖像的第n個像素。

加密過程：

解密過程：

加密系統(tǒng)的密鑰用一六元數(shù)組表示，即Key=（xo、y0、z0、θ0、K、λ），其中xo、y0、z0為Chen系統(tǒng)變量初始值，θ0為Logstic系統(tǒng)初始值，K和入為控制參數(shù)，當k直取較大時，加密系統(tǒng)對密鑰更敏感。

三、水印的嵌入與提取

1、水印的嵌入設原始彩色圖像I大小為M×N×3，二值水印圖像W大小為m×n。．其中，M、N、m、n均是2的整數(shù)冪的倍數(shù)，且滿足log[ (M×N)×(m×n)}=2L（L是自然數(shù)）。

水印嵌入步驟具體如下：

(1)水印預處理

首先將水印W采用復合混沌系統(tǒng)對水印序列進行置亂加密，再將置亂后的水印W轉化為一維水印序列水印序列為wl。

(2)圖像分解

提取彩色圖像的R、G 、B分量，對這些分量分別作尺度為L，方向均為4的Conrburlet變換（圖2示），得到各自的低頻系數(shù)f1、f2、f3。

(3)嵌入

分別對R、G、B分量的低頻系數(shù)從左到右進行行掃描，將它們轉換為一維序列fi(i=-1，2，3)，再按照十位 數(shù)規(guī)則對fi1(1)、fi2(1)別是|fi1(1)|的個位數(shù)、十位數(shù)，即：

按如下規(guī)則修改系數(shù)

其中，||表示取絕對值，pi2’(1)表示修改后的十位數(shù)，f'i（1)表示修改后的系數(shù)，+_表示f'i（1)與fi（1)同號，wl（1）是對應的水印值，1=0，1，…，m×n -1。然后將f'i（1)轉換成二維形式，得到新的低頻系數(shù)。

(4)圖像重構

分別對R、G、B分量的所有系數(shù)進行尺度為L、方向均為4的Contourlet逆變換，得到新的含有水印信息的R、G.B分量，進行重組便得到水印化彩色圖像I’。

2、水印的提取

水印的提取與嵌入是一對互逆過程。首先提取水印化彩色圖像的R、G、B分量，再對這些分量分別進行尺度為L，方向均為4的Contourlet變換，提取各自的低頻分量fl' i(i=1，2 3)。然后對f'i進行十位數(shù)判定，以提取水印信息，其判定規(guī)則如下：

其中，pi2”(1)是f'i(1)絕對值的十位數(shù)，w12(1)是提取出的水印信息。接著對所得的wi2(D、w22(D、w32(1)進行“2/3規(guī)則”判定，即：

緊接著根據密鑰Key=（xo、y0、z0、θ0、K、λ），對w3進行混沌序列反置亂解密，得到一維水印序列，最后將該一維序列轉化為二維矩陣，最終恢復出二值水印W'。

四、試驗結果與分析

為了驗證本文所討論水印算法的性能以及通用性，在MArILAB R2006a中進行了大量仿真實驗。試驗中，選擇大小為512×512×24bit的真彩色小麥圖像和傳統(tǒng)圖像處理用圖像lena圖作為載體圖像，64×64的二值圖像作為水印信息。結合近年提出來的新型混沌加密算法RSES算法，文中的試驗用密鑰Key=(10，10, 10,0387 1，3000, 127)。Contourlet變換的LP采用“9/7’金字塔濾波器，其原因是線性相位且近似滿足正交性的特點使得“9/7”濾波器更適合于圖像信號的處理。Contourlet變換的DFB采用ccpkva8’方向濾波器。

試驗中采用峰值信噪比(PSNR)來客觀評價水印的透明性，采用相似度(NC)和誤差率(MSE)來客觀評價水印的魯棒性。圖3分別給出了原始載體圖像、水印圖像、水印化圖像及提取的水印圖像。從圖中可以看出，水印的嵌入沒有明顯降低圖像質量，且從水印化圖像中提取的水印高度清晰。

通過一系列水印攻擊來檢測本算法的魯棒性。圖4分別為經過剪切、旋轉并剪切到原始大小等攻擊后的水印化圖像。

圖5是從攻擊后水印化圖像中提取出的水印圖像，其中a～d分別為水印化圖像經過品質因子為60的JPEG壓縮、5×5的中值濾波、迭加(0，0001)的高斯噪聲、迭加1%的椒鹽噪聲等攻擊后提取的水印圖像，圖5e～h分別是從圖4a～d中提取出的水印。從圖4、5可知，該水印算法能夠有效地抵抗JPEG壓縮、中值濾波、加噪咖高斯和椒鹽）、剪切、旋轉剪切等攻擊，具有很強的魯棒性畝即使剪切50%，依然可以從水印化圖像中提取出可識別的水印信息。與傳統(tǒng)水印嵌入方法相比，嵌入的水印信息量更大。

原始水印與攻擊后提取的水印圖像之間的相似度、誤差率見表1。

在上述水印攻擊下，從水印化圖像中提取出的水印與原始水印的相似度還是較大，誤差率還是較小。當剪切50%時，相似度最小，誤差率最大，但還能從視覺上辨別出提取的水印圖像(圖5f)，這證明了采用混沌置亂加密能提高提取的水印圖像的視覺質量。

admin

收藏 海報分享