基于DWT-JND模型与DCT变换的图像水印系统

资 源 简 介

本项目设计并开发一套完善的数字图像水印处理系统，旨在解决水印透明性与鲁棒性之间的矛盾。核心功能主要包含四个方面：首先，重点实现离散小波变换（DWT）域下的恰可察觉失真（JND）模型计算。该模块通过分析DWT子带系数的亮度掩蔽特性（Luminance Masking）和纹理掩蔽特性（Texture Masking），结合人类视觉系统（HVS）的对比度敏感函数，精确计算出每个小波系数的视觉冗余阈值（JND Profile）。其次，利用计算得到的JND值作为自适应因子，控制水印信号嵌入到图像DWT域中高频子带的强度，确保嵌入的水印在人眼无法察觉的前提下具备最强的能量，从而提高抵抗攻击的能力。再次，为了进行算法性能对比，项目还包含了一套标准的基于分块离散余弦变换（DCT）的扩频水印算法实现，支持在中频系数中嵌入伪随机序列水印。最后，系统集成了完整的水印攻击测试平台，能够模拟JPEG压缩、高斯噪声、椒盐噪声、滤波、裁剪等常见图像处理攻击，并自动计算峰值信噪比（PSNR）、结构相似性（SSIM）以及提取水印的归一化相关系数（NC），以量化评估算法的性能。

详 情 说 明

基于DWT-JND模型与DCT变换的自适应图像水印系统

项目介绍

本项目设计并实现了一套基于Matlab的数字图像水印系统。系统核心在于融合了DWT（离散小波变换）域的JND（恰可察觉失真）感知模型，实现了水印的自适应嵌入，以平衡水印的不可见性（透明性）与鲁棒性。此外，为了评估算法性能，系统还并行实现了一套基于DCT（离散余弦变换）扩频的水印算法作为对比组，并集成了多种常见的图像攻击模拟与性能评价指标计算功能。

功能特性

• 自适应DWT-JND水印嵌入：利用人类视觉系统（HVS）特性，在小波域计算JND阈值，根据图像的亮度掩蔽和纹理掩蔽特性动态调整水印嵌入强度。
• 对比算法实现：提供基于分块DCT的扩频水印算法作为性能参照。
• 鲁棒性测试平台：内置自动化攻击模拟模块，支持高斯噪声、椒盐噪声、JPEG压缩、中值滤波及裁剪攻击。
• 多维性能评估：自动计算并输出峰值信噪比（PSNR）、结构相似性（SSIM）以及归一化相关系数（NC），量化评估图像质量与水印提取效果。
• 可视化展示：直观展示攻击后的图像、提取的水印图案、差值图以及JND阈值图。

系统要求

• MATLAB (推荐 R2016b 或更高版本)
• Image Processing Toolbox (图像处理工具箱)

使用方法

直接运行主脚本 main 即可启动系统。程序将按以下流程自动执行：

1. 加载图像：尝试读取名为 cameraman.tif 的图像，若不存在则自动生成一幅合成灰度图像，并统一调整尺寸为 512x512。
2. 水印生成：创建一个 64x64 大小的二值“方框”图案作为原始水印。
3. 算法执行：分别执行DWT-JND嵌入和DCT扩频嵌入。
4. 攻击与测试：对两种水印图像依次施加预设的攻击干扰。
5. 结果输出：弹出图像窗口展示视觉效果，并在控制台打印详细的性能评估报表。

代码实现逻辑详解

主程序主要由以下几个核心步骤构成：

1. 初始化与数据准备

系统首先清理环境，加载或生成宿主图像并转为灰度图。同时构建一个中心带有镂空方框的 64x64 二值矩阵作为数字水印。

2. DWT-JND 水印嵌入

调用 dwt_jnd_embed 函数处理图像：

• 变换：对图像进行单层 Haar 小波变换，得到 LL, LH, HL, HH 子带。
• JND计算：利用子带系数计算视觉阈值，作为嵌入强度的权重。
• 序列化：将二维水印拉伸为一维向量，并映射为 {-1, 1} 的伪随机序列。
• 嵌入：在 HL（水平高频）子带中，按照随机选定的位置，结合计算出的 JND 阈值和全局强度因子（alpha=0.8）进行加性嵌入。
• 重构：执行逆小波变换得到含水印图像。

3. DCT 扩频水印嵌入 (对比组)

调用 dct_spread_embed 函数：

• 分块：将图像分为 8x8 的非重叠块。
• 变换：对每个块进行 DCT 变换。
• 嵌入：随机选择图像块，修改其中频系数（位置坐标 (5,5)），采用加性规则嵌入水印信息，强度系数设为 alpha=15。
• 重构：执行分块逆 DCT 变换。

4. 攻击模拟与提取评估

程序遍历预定义的攻击类型列表（无攻击、噪声、压缩、滤波、裁剪）：

• 模拟攻击：对 DWT 和 DCT 处理后的图像施加不同程度的破坏。
• 水印提取：

* DWT提取：采用非盲提取策略（依赖原始图像）。计算攻击后图像与原图在 HL 子带的差值，通过判断差值的符号来还原水印比特。 * DCT提取：采用盲提取策略（不依赖原图）。通过检测中频系数值的正负符号来判决水印信息（假设原始系数均值接近0）。

• 指标计算：分别计算两组算法的 PSNR（图像保真度）、SSIM（结构相似度）和 NC（水印提取准确度）。

5. 结果可视化与报告

• 绘图：创建一个包含多子图的窗口，重点展示“无攻击”和“JPEG压缩”下的受攻击图像及对应的提取水印。特别地，在无攻击状态下，还会显示 DWT 嵌入造成的差值图和计算出的 JND 视觉阈值图。
• 终端输出：格式化打印表格，列出每种攻击下 DWT-JND 方案与 DCT 方案的 PSNR 和 NC 值对比。

关键算法实现细节

JND 模型计算 (compute_jnd_dwt)

该函数实现了基于小波域的视觉感知模型，通过以下两个特性合成最终的阈值：

1. 亮度掩蔽 (Luminance Masking)：利用 LL 子带（低频背景）估算局部亮度。使用分段线性函数模型，对于过暗或过亮的区域通过赋予较高的阈值权重（人眼对这些区域的噪声不敏感）。
2. 纹理掩蔽 (Texture Masking)：计算高频子带（LH, HL, HH）绝对值之和的局部标准差（3x3窗口），作为纹理复杂度的度量。纹理越复杂的区域，掩蔽效应越强，允许嵌入的强度越大。
3. 阈值合成：将亮度掩蔽因子、纹理掩蔽因子和小波层级权重相乘，并进行归一化和幅度限制，防止嵌入过强导致明显失真。

水印同步与扩频

在嵌入过程中，为了增强安全性与抗干扰能力，代码中使用了 randperm 生成随机位置索引，并将二进制水印 {0, 1} 映射双极性序列 {-1, 1} 进行扩频处理。这要求提取端必须拥有相同的随机数种子或索引序列（Key）才能正确恢复水印。