【技术实现步骤摘要】
本专利技术涉及音频数据处理领域,特别涉及基于边信息预测和直方图平移的数字音频可逆水印算法。
技术介绍
音频可逆水印是多媒体信息安全和隐藏方向的一个重要分支,其特性主要有两个:第一个是水印可认证音频的完整性和真实性,并定位篡改;第二是载体可无损恢复,也就是说水印算法可逆。而可逆水印作为一种音频数据的处理方法,主要是将隐藏信息嵌入到音频里面,然后在接收端提取出隐藏信息,最后无损恢复音频值。判断可逆水印嵌入算法的好坏标准,主要从几个方面来衡量:嵌入容量是指一段音频信号平均每比特所能嵌入的信息量;嵌入失真是指嵌入信息后音频信号的失真大小,通常用峰值信噪比来衡量,嵌入容量越大,嵌入失真越小,可逆水印嵌入算法越好。现有好多种处理音频可逆水印的算法,如差值预测算法,此算法是最简单的数字音频预测算法,根据相邻样本之间的高度相关性,把前一个样本值当成是当前样本值的预测值,然后求出预测误差,再进行差分扩张嵌入。差分预测只能利用到该音频数据的前一个数据,而忽视了该数据后一个数据与该音频值的相关性,而前后预测,一种简单的非因果预测,正好是利用到了该音频值的前后音频数据来预测该音频数据,该方法包括以下步骤:步骤一:利用样本值的前后样本来预测当前样本,公式如下: x ‾ i = x i - 1 + ...
【技术保护点】
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。
【技术特征摘要】
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。2.根据权利要求1所述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,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: a = a v e r a g e ( Σ 2 N - 1 a i ) a i = min ( | x i - x i - 1 | , | x i - x i + 1 | ) | x i + 1 - x i - 1 | , i f | x i + 1 - x i - 1 | ≠ 0 a n d min ( x i - 1 , x i + 1 ) ≤ x i ≤ max ( x i - 1 , x i + 1 ) 0.25 , i f | x i + 1 - x i - 1 | = 0 0 , o t h e r w i s e a ∈ [ 0 , 0.5 ) , i = 2 , 3 , 4 ... ]]>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: x ‾ i = a × x i - 1 + ( 1 - a ) × x i + 1 , i f | x i - x i - 1 | ≥ | x i - x i + 1 | ( 1 - a ) × x i - 1 + a × x i + 1 , i f | x i - x i - 1 | < | x i - x i + 1 | ]]>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。3.根据权利要求2所述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,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: e i = x i - x ‾ i = x i - a × x i - 1 - ( 1 - a ) × x i + 1 , i f | x i - x i - 1 | ≥ | x i - x i + 1 | x i - ( 1 - a ) × x i - 1 - a × x i + 1 , i f | x i - x i - 1 | < | x i - x i + 1 | ]]>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: e i w = e i - s i g n ( x i + 1 - x i - 1 ) × T a × w , e i ∈ [ - T a 2 , T a 2 ) o r ( - T a 2 , T a 2 ] | x i - 1 - x i | < | x i + 1 - x i | e i + s i g n ( e i ) × T a , o t h e r w i s e e i + s i g n ( x i + 1 - x i - 1 ) × T 1 - a × w , e i ∈ [ - T 1 - a 2 , T 1 - a 2 ) o r ( - T 1 - a 2 , T 1 - a 2 ] | x i - 1 - x i | ≥ | x i + 1 - x i | e i + s i g n ( e i ) × T 1 - a , o t h e r w i s e ]]> T a = n × a , | x i - x i - 1 | < | x i - x i + 1 | T 1 - a = n × ( 1 - a ) , | x i - x i - 1 | ≥ | x i - x i + 1 | ]]> s i g n ( x ) = 1 , x > 0 0 , x = 0 - 1 , x < 0 ]]>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。4.根据权利要求3所述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,所述步骤3),具体如下: x w i + 1 = x i + 1 + s i g n ( x i + 1 - x i - 1 ) × n × w , e i ∈ [ - T a 2 , T a 2 ) o r ∈ ( - T a 2 , T a 2 ] | x i - 1 - x i | < | x i + 1 - x i | x i + 1 - s i g n ( e i ) × n , o t h e r w i s e x i + 1 - s i g n ( x i + 1 - x i - 1 ) × n × w , e i ∈ [ - T a 2 , T a 2 ) o r ∈ ( - T a 2 , T a 2 ] | x i - 1 - x i | < | x i + 1 - x i | x i + 1 - s i g n ( e i ) × n , o t h e r w i s e ]]>其中是第i+1个音频数据嵌入水印后的音频值。5.根据权利要求4所述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,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: x ‾ i w = a × x i - 1 + ( 1 - a ) × x w i + 1 , | x i - x i - 1 | ≥ | x i - x w i + 1 | o r | x w i + 1 | ≤ n i = 2 , 3 , 4...... ( 1 - a ) × x i - 1 + a × x w i + 1 , | x i - x i - 1 | < | x i - x w i + 1 | ]]>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: e w i = x i - a × x i + 1 ...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。