0 引 言

近年来，随着多媒体技术和网络技术的高速发展，人们的工作和生活方式正在逐步发生改变。例如，人们更趋向于使用数字图像等来代替枯燥的文字，进行数据展示。在此背景下，多媒体技术和制作领域得到了迅速发展，特别是数字图像的流传和使用越来越广泛。[1]通过图像扫描、图像编辑、三维动画、图像合成、图像输出等相关技术方法的应用，给人们的生产和生活来带来很多便利，但同时也给人们带了新的问题。例如，如何保护作品的版权问题。当前，随着计算机网络的普及应用，任何人都可以利用电脑，通过网络获取他人的数字化图像、音乐、视频等原创作品，并可以未经作者同意进行复制、修改和再发布，从而形成无意或有意的侵权行为。对于网络多媒体作品的版权保护，一方面需要完善相关法律法规，另一面，也需要从技术上寻求解决方法，这也成为当前亟待解决的重要研究课题之一。在此背景下，数字水印技术便运用而生了。

数字水印技术最早可以推溯到古希腊的密写术。当时的斯巴达人为了军事情报的保密性，将情报先刻写在木板上，然后用石蜡填平，而收信一方，只要用火烤化石蜡，即可看到木板上的密信。[3]随着发展应用，之后先后出现用牛奶、白矾、果汁等密写方式，然而与密码技术相比，由于缺乏必要的理论支持，密写技术没有较大变化。现代社会，随着技术的发展更新以及人们安全意识的提高，针对多媒体数据版权和内容认证，数字水印技术越来越受到国内外学者的重视，随着研究的不断深入，也出现诸多可行方案。[4]如贾淑芸、黄荣怀等人提出的基于置乱和混沌加密的数字图像水印研究，其利用时空混沌技术对经过置换变换的二值数字图像水印进行加密，使在数字图像中嵌入的水印，无法被攻击者解读，从而起到版权及内容认证的效果。[5]如，左黎明提出的一种基于Arnold混沌映射的数字水印技术研究[6]，其先利用Arnold变换置乱原始水印数据，再通过M序列扩频，在宿主图片小波域的低频系数中嵌入处理后的水印数据，保障其稳健性。但在实际的应用中，现有方案中常因为方法单一，在安全性和保密性方面仍存在隐患[7]，易被破解。

深入分析上述用户需求调研结果，可以看出，“一般学科”的资源保障相对较弱，学科用户需求依然集中在与科学研究密切相关的学术型电子资源方面；而“高峰”“高原”学科作为学校的重点学科，形成了文献类型丰富、系统全面的资源体系，但结合当前“双一流”的建设目标，对评估型资源或新兴资源有迫切需求。因此，一方面，要构建以研究型文献为主体的多级学科资源保障体系；另一方面，针对不同层次的学科，需要形成不同的资源保障策略与建设思路。

针对方法单一和易被破解的隐患问题，本文提出了一种新的多重技术版权保护方法，即：先对图像进行DFT水印嵌入，然后再进行图像拼接，使两个图像拼成一个图像，此时如要对整幅图像提取水印，则提取不出来，提高了其保密性；然后再对整个图像使用Arnold变换，使图像从表面上无法分辨，同时还能够生成密钥Key，可以利用该密钥还原图像，再通过剪切技术处理，提取出相应水印，从而提高了该算法的安全性。实验数据也表明,与以往的算法相比,该算法具有较强的鲁棒性。

1 基于DFT技术的图像拼接和Arnold变换的数字水印算法

本文采用的基于DFT技术的图像拼接和Arnold变换的版权保护方法，整个解决方法的流程见图1所示。下面将以原始图像view1.bmp、待拼接图像view2.bmp和水印图像(山东大学文字印章)为操作实例，展开介绍。

  

图1 基于多重技术图像版权保护方法流程框图

1.1 DFT水印嵌入

由于离散傅里叶变换( DFT：Discrete Fourier Transform)可以建立离散时域和离散频域之间的相互联系，因此在数字信号处理中应用十分广泛[8]。在数字信号处理过程中，若直接使用卷积与相关运算在时域中进行处理，则会使计算机的计算量变大，计算量会随着取样点数N的平方而增加，这不仅耗费时间，而且还很难达到实时处理的要求。一般的处理方法：将信号的时域处理，转换为频域处理。这样做的好处是：降低计算量，处理更加方便(与在时域中处理相比)，处理速度也得到了提高。从物理角度来分析，傅里叶变换就是将图像从空间域转换到频率域(即把图像的灰度分布函数变换为图像的频率分布函数)，其逆变换则相反处理。从数学角度来分析，傅里叶变换就是把一个函数转换为一系列周期函数，将复杂运算转换为简单求和运算的处理方法[9]。

本文案例中，选取400×480像素view1.bmp灰度图像作为原始图像，170×128像素的山东大学文字印章灰度图像作为水印图像，采用的是DFT幅度谱水印算法将水印图像嵌入原始图像中，其算法流见图2所示[10]。

  

图2 DFT幅度谱水印嵌入算法流程示意图

unsigned int unit_h=unit_up+(left_endY-left_starY)/*重叠部分的高*/+unit_down；

Step1.原始图像子块划分：先将原始图像分为8×8的没有交叉区域的图像子块；

 

(1)

Step2. DFT变换：逐一对每一图像子块进行DFT变换；

(2)

Step3. 确定重要系数：相对于一个预先指定的阈值t选择其相应重要系数。如果存在：

 

(3)

则Fk(r,c)相对于一个预先指定的阈值t是重要系数。其中，在确定重要系数的过程中，会利用所选却嵌入数字水印信息的位置和频谱分量，生成提取水印信息的密钥(嵌入的信息)。

Step4. 最后对频谱分量作相应的修改。为了保持DFT域幅度谱的对称性，以及确保所恢复图像像素值为实数，采用对称方式嵌入水印，即

←Amplitude(Fk(7-r,7-c))+αmi

(4)

其中Amplitude(为相应频谱分量的幅度，mi为水印信息，α为常数代表水印嵌入幅度的强度。在此水印信息选取验证水印图像像素点为40×40，这里若载体图像像素点为384×384，那么就可以得到1600个像素点的因数矩阵，而且因数矩阵的左上角是低频分量部分，右下角是高频分量部分，最终得到载有双重水印的复载体图像。

Q=imread(Image);

  

(a) (b) (c)

 

(a)原始图像；(b)水印图像；(c)含水印的载体图像

 

图3 水印嵌入效果图

1.2 图像拼接

为了加强图像的安全性，需要再进行图像的拼接。图像拼接要求：拼接图像与使用的载体图像要具有空间的连续性，以确保拼接后人眼无法直接分辨出来。[11]选用大小为400×480像素的view2.bmp灰度图像，拼接效果图见图4所示，使用VC++ 6.0编程软件，拼接程序核心代码如下，

void CDlgMosaics::MergeDIB(CDib *bmp1, CDib *bmp2)

{

BYTE* unitbuff；

unitbuff=NULL；

unsigned int w1=bmp1->m_lpBMIH->biHeight；

unsigned int w2=bmp2->m_lpBMIH->biHeight；unsigned int unit_w=bmp2->m_lpBMIH->biWidth+

为进一步表征PAPP的结构，表2将PAPP的理论元素含量和实验测得的元素含量进行了对比。通过计算可知，PAPP的理论C、H、N和P质量分数分别为18.18 %、5.30 %、10.61 %和23.48 %。从表2可以看出，PAPP的实际C、H、N和P质量分数分别为17.79 %、4.66 %、10.55 %和23.28 %。理论元素含量与实验元素含量绝对误差在1%质量分数以内。综上所述，PAPP的实际结构与理论结构是相互吻合的。

left_starX； //新图像的宽

unsigned int unit_up=(left_starY>right_starY)?left_st

arY:right_starY；

DFT幅度谱水印算法具体如下。

int byte_w=unit_w*(bmp1->m_lpBMIH->biBitCoun

t/8)； //得到每行实际占的字节数

两个案例都有明显的合院特征。其中，民宿的院落（能指）、大理州典型住屋形式的院落（对象）与院落类型传达的地方性（所指）形成了完整的语义三角形，这种构成形成了具有表义特点的建筑符号。当然，院落地方性“所指”之下存在着多层含义，比如大理民居曾受汉式合院文化的影响，民居回应地域气候的方式，居民已形成的生活流线等内容。

if(byte_w%4)byte_w=byte_w+(4-byte_w%4)；

int imagedata=byte_w*unit_h；

m_pDibResult = new CDib(CSize(unit_w,unit_h), 8)； // 将此图像用CDib类封装

CSize sizeSaveResult；

sizeSaveResult = m_pDibResult->GetDibSaveDim()；

LPBYTE lpImgResult；

lpImgResult = (LPBYTE)new unsigned char[sizeSav

剩下的路程里，沈侯没有再和颜晓晨说话，一直默默地开着车。到了商场，沈侯直接领着颜晓晨去女装部看职业套装，颜晓晨像刘姥姥进大观园，有些眼花缭乱，不知从何下手。

eResult.cx * si

BYTE *p1,*p2,*p3；

（1）由教育部或政府部门成立虚拟仿真实验协会，规范和监管仿真实验平台建设。主持制定仿真实验研发标准，约束平台建设的规范性，为平台建设的验收和评估提供依据。主持安排高端实验项目的研发工作，协调资源分配与共享，评估平台建设质量和水平。监督检查平台的运维与持续发展。调研中发现不少仿真实验平台缺乏专人维管，信息常年不更新，电子档案残缺不全，仿真实验设而不开，投入的资金没能起到应有的作用。有协会监管、评估可促使仿真平台的健康持续发展。统一接口技术，利于二次开发。

p1=bmp1->m_lpImage+left_starY*bmp1->GetDibSaveDim().cx； //数据1起始地址

p2=bmp2->m_lpImage+right_starY*bmp2->GetDibSaveDim().cx； //数据2起始地址

p3=lpImgResult

//保存图像的数据，先把第一幅图像的第一行存进去，再存第二幅图像的第一行，然后依次类推

for(unsigned int i=0;i

{

memcpy(p3,p1,left_starX*(bmp1->m_lpBMIH->biBitCount/8))；

p1+=bmp1->GetDibSaveDim().cx；

memcpy(p3,p2,bmp2->m_lpBMIH->biWidth*(bmp2->m_lpBMIH->biBitCount/8))；

p3+=bmp2->m_lpBMIH->biWidth*(bmp2->m_lpBMIH->biBitCount/8)；

for i = 1:K

p3+=4-(unsigned int)((p3-unitbuff)%4)；

}

m_pDibResult->m_lpImage = lpImgResult；

CDlgMosaicRes* pDlg； //创建拼接图像对话框

pDlg = new CDlgMosaicRes(NULL, m_pDi bResult)；

pDlg->DoModal()；

AfxMessageBox(“图像拼接完成!”,0,0)；

return

}

 

(a)

(a)含水印的载体图像

(b) (c)

(b)待拼接图像；(c)拼接后的图像

图4 图像拼接效果图

1.3 Arnold置乱变换

在遍历理论研究中提出的Arnold变换(俗称猫脸变换，即“cat mapping”)，也属于一种图像加密技术。[12]其利用数字图像的数字陈列特征，调整图像中像素位置或颜色，使其杂乱无章，最终达到无法辨认原图的目的。根据其选择不同的相位空间可分为二维、三维、四维直至N维的Arnold变换。本文针对的研究对象因为是二维图像，故采用的是二维Arnold变换。Arnold置乱变换程序核心代码及效果图如下：

function Arnold(Image,key)

适当、合理的运动能加快胃肠蠕动，促进消化吸收，从而改善孕妇食欲不振、消化不良、便秘等症状，有利于孕妈妈吸收充足的营养，保证宝宝健康发育的需求。

M1_t(mod(i+j-2,K)+1,mod(i+2*j-3,K)+1) = c;

return;

end

词数统计：指系统在根据用户条件进行语料统计时符合条件要求的语料的出现次数。满足指定条件的语料记录的词数。

Size_Q = size(Q);

美国还十分注重资产评估师的后续教育。资产评估师每年大概要接受30～40小时的后续教育，并参加一定时间的职业道德教育。美国资产评估协会对此进行监管，对未能按照要求参加后续教育的资产评估师下发通知，要求其在下一年度补齐上一年度的课时；如果继续未能完成，则取消其会员资格。由于美国对于后续教育的重视保证了资产评估师个人综合分析评估能力的不断提升，并且会经常举办研讨会来加强行业内部外部交流，使其资产评估行业始终走在世界最前列。

K = Size_Q(1);

M1_t = Q;

老虎很贪婪、很凶猛，但将其“关”进笼子，就会变得俯首帖耳，十分的温顺和老实。据此，桀骜不驯、野性十足之权力，要想使其循规蹈矩，不至于专横跋扈、胡作非为，看来也只有将其“关”进制度的笼子而别无他法。

for s = 1:key

if mod(n,2) == 0

10月22日中国复合肥零售价格指数 （CCRI） 为 2499.54点，环比上涨28.24点，涨幅为1.14%；同比上涨211.78点，涨幅为9.26%；比基期上涨52.83点，涨幅为2.16%。

for i = 1:K

if nargin<2

for j = 1:K

c = M2_t(i,j);

disp('请按程序的输入参数格式输入参数！！！');

两个译者的译文中，很明显，都采用了归化的手法来翻译。都是为了用带有文化色彩的表达方式来更换掉对原文的字面翻译，一个“呸”字非常传神，中文中这为妇孺皆知的表现不屑和不满的表达方式，这可以引起人们对于老克劳雷形象的生动的联想，有效地填补了这种文化预设的“不定点”，而“管他娘的”为一个粗语，虽然也可以表现出人物的不羁，不畏人言的特点，但是文中人物是具有头衔和地位的老绅士，尽管吝啬，口出脏话似乎也有伤大雅。故本文作者斗胆认为，此处归化确实走得太远了一些，因为该表达方式在读者中引起的预设与原文的确有出入。

end

else

其实，何良诸没有被案子缠上，是狗仔记者嗅到他的。记者跟他掏弄事件背景，何良诸算他妈什么背景。何良诸至今不明案情。刚才，文化厅领导通知他去公安厅。领导没有多讲什么，何良诸没有多问什么。赵集怎么样了？！

if((unsigned int)(p3-unitbuff)%4!=0)

for j = 1:K

鼻内镜手术后，术后护理主要包括填塞护理、健康教育、饮食护理、出院指导。患者鼻腔烧灼创面敷以涂好金霉素眼膏的明胶海绵，嘱咐患者明胶海绵可以保护创面，防止鼻腔粘连。明胶海绵可以自行吸收，患者无需将其取出。告知患者出院后需要规律服药，控制血压，根据心内科医生的建议积极治疗高血压，预防并发症。保持良好心情，避免心情波幅太大[5]。健康合理饮食，建议低脂低盐饮食，富含维生素及纤维素清淡易消化的软食。保持大便通畅，避免用力排便而引起再次出血。戒烟戒酒，不剧烈运动，注意休息[6]。由于老年患者记忆力较差，我们制作了鼻出血出院指导手册，增强患者的依从性，提高手术疗效。

M2_t(mod(i+j-2,K)+1,mod(i+2*j-3,K)+1) = c;

end

imwrite( double(M)/255,strcat( 'Arnold_',num2str(key

),'_',Image ),'bmp' );

figure; imshow(M);title('图像置乱成功！')；

需要说明的是，由于Arnold变换只能对正方形图像进行置乱，置乱过程中获取置乱密钥Key(即图像置乱的次数)，在此需利用ACDsee软件，将640×480像素的合成图像调整为512×512像素，然后再进行Arnold置乱变换，转换及置乱效果见下图。

 

(a)

(a)640×480像素的合成图像

(b) (c)

(b) 512×512像素的合成图像；(c)置乱后的图像

图5 对合成图像进行Arnold变换

1.4 水印提取

经过DFT嵌入、图像拼接、Arnold置乱变换等处理后，所得图像已无法辨认其原貌。在接收终端，为了验证图像的来源及安全性，也需要对合成图像进行水印提取。水印图像提取方法：先进行Arnold逆变换，通过输入密钥key，恢复合成图像；再使用ACDsee软件进行剪切，剪切下左侧图像(使其大小为400×480像素)；最后，再进行DFT逆变换，提取出相应水印图像。

 

(a)

(a)Arnold逆变换后的合成图像

(b) (c)

(b)剪切后的载体图像；(c)提取的水印图像

图6 水印图像的提取

2 计算机仿真实验

山东某软件公司通过网络向安徽一家公司传送图像(密钥key双方提前约定)。MATLAB 7.0仿真软件平台，VC++ 6.0软件编程平台。选用两幅均为400×480像素的bmp灰度图像，水印图像选用170×128像素的bmp灰度图像，多台计算机接入网络，且配置皆为Windows XP系统，Processor 1.70GHz，512MB内存。实验数据来源，从该公司传送的图像中选取实验要求的图像(如过大，可对其作适当处理)，通过MATLAB的编程仿真实验，对上述方法进行数据验证。并引入归一化相关系数NC进行判断，辅之以峰值信噪比作为参考。归一化相关系数NC(Normalized Correlation)计算如下：

 

(5)

其中，W(i,j)和W′(i,j)分别表示提取的水印图像与存档的水印图像，m、n分别表示水印图像的宽、高。通过比较NC系数的值，可以得到该方法检测真伪的能力，根据NC系数值的变化可以给出一个比较客观的评价准则。

利用峰值信噪比PSNR(Peak Signal-to-Noise Ratio)来衡量所处理图像的质量，其计算如下：

 

(6)

其中，f0(x,y)是原始图像的像素值，fw(x,y)是处理后图像的像素值，m、n表示图像的宽、高，MSE是均方差。现将图像遭受噪声、剪切、旋转攻击后提取的水印进行归一化相关系数比较(包括对应的峰值信噪比)分析，实验结果见表1所示。

 

(a)

(b) (c)

 

(d)

(e) (f)

(a) 叠加0.05椒盐噪声后的载体图像；(b)剪切20%后的载体图像；(c)旋转90度后的载体图像；(d) 在叠加0.05椒盐噪声的载体图像中提取水印；(e)从剪切20%的载体图像中提取水印；(f)从旋转90度后的载体图像中提取水印

 

图7 实验结果

 

表1 该算法的实验数据

  

攻击类型椒盐噪声0.05剪切20%旋转90度PSNR17.394910.97049.0159NC0.98150.99490.9996

 

表2 其他算法的实验数据

  

攻击类型椒盐噪声0.05剪切20%旋转90度PSNR10.23566.78235.3498NC0.59340.58360.5289

通过与其它算法(表2)进行实验数据比较，发现该算法具有明显的优势(数据皆远远大于其他算法值)。对该算法进行效果分析：从实验数据得到的归一化相关系数NC的值和参考的PSNR的值，可鉴别出图像的真伪程度，从而达到保护其版权目的；同时也说明了该方法对解决此类问题是有效、准确的。

3 结 论

本文提出了一种基于多重技术对图像进行加密的版权保护方法，利用DFT技术先对图像进行变换并嵌入水印，使用VC++软件编程将两个图像拼接成一个图像，扩大了图像面积，使其难以被直接提取出水印；同时对整个图像使用Arnold变换，使人眼无法分辨，同时还能够生成密钥Key，作为双方约定合成图像还原密码，从而多次对图像进行加密，起到了多重版权保护目的。最后通过实验数据分析，从而得出该图像是否被侵权的结论。实验结果证明了本文方法的鲁棒性、准确性和安全性，具有较强的实用性和广阔的应用前景。

参考文献:

[1] Cheung S C ,Curreem H. Rights Protection for Digital Contents Redistribution over the Internet[C]//Proceedings of the 26th Annual International Computer Software and Applications Conference(COMPSAC′02),2004.

[2] Alexander S, Scott D, Ahmet E. Robust DFT-SVD Domain Image Watermarking for Copyright Protection:Embedding data in all Frequencies[C]//13th Euorpean Signal Processing Conference. Antalya, Turkey:EUSIPCO2005, 2005.

[3] Xu X Y, Li Y. A Digital Watermarking Algorithm Based on the Combination of DFT and SVD[J].Journal of Southwest University for Nationalities’Natural Science Edition,2007,33(5):1032-1033.

[4] Ganic E,Eskicioglu A M. Robust DFT-SVD Domain Image WatermarkIng[J].Embedding Data in All Frequencies. ACM,2004,9:166-174.

[5] 贾淑云, 黄荣怀. 基于置乱与混沌加密的数字图像水印技术研究[J].北京师范大学学报(自然科学版),2015,4(2):146-149.

[6] 左黎明. 一种基于Arnold混沌映射的数字水印技术研究[J]. 华东交通大学学报, 2016,10(5):54-58.

[7] Liu R Z,Tan T N. An SVD-based Watermarking Scheme for Protecting Rightful Ownership[J]. IEEE Transactions on Multimedia, 2017, 4(1):124-128.

[8] Liu Q, Ai Q S. A Combination of DFT-Based and SVD-Based Watermarking scheme[J].IEEE Transactions On Multimedia. 2015, 4(1):121-128．

[9] Wu Y D. On the Security of an DFT-based Ownership Watermarking[J]. IEEE Transactions on Multimedia, 2015, 7(4):624-627．

[10] Tang X H,Yang L J,Yue H L. A Watermarking Algorithm Based on the DFT and Hadamard Transform[J].IEEE Transactions on Multimedia, 2015,874-877.

[11] Chang C C, Tsaip Y, Lin C C. SVD-based Digital Image Watermarking Scheme[J]. Pattern Recognition Letters, 2015, 26:1577-1586.

[12] Tang X H,Yang L J,Yue H A. A Watermarking Algorithm Based on the DFT and Hadamard Transform[J].IEEE Transactions on Multimedia, 2015,804-837.