基于小波包最优基的音频内容软认证算法

音频认证可以分为硬认证、基于质量和基于内容的软认证等三种.硬认证只允许格式转换和无损压缩,基于质量和内容的软认证则分别允许一些保持听觉质量或语义的音频处理.在绝大多数应用环境下,需要对音频进行与人类听觉感知系统特性相符合的基于内容(语义)的软认证.音频认证可采用数字水印或数字签名,提出一种基于小波包最优基分解的数字签名算法,利用与音频内容密切相关的小波包系数作为特征进行语义级的认证.实验结果表明该算法对常见的信号处理MP3、WMA、RM等中等强度的有损压缩、添加噪声、重采样等保持内容操作具有很强的鲁棒性,而对局部替换、修改、删除、复制音频等恶意操作脆弱,并能准确定位被篡改的位置.     

基于音频特征MFCC的零水印算法

利用小波域的低频部分的奇异值具有比较稳定的性能,设计一种以音频特征为基础的零水印方案。该方案利用原始音频特征——Mel频率倒谱系数(MFCC),一方面来构造水印,另一方面还被用于音频内容认证。先将原始音频做分段操作,取各分段进行DWT变换;选取小波域的低频部分,并做SVD操作;最后利用奇异值平均值实现水印的"嵌入",获得一个位置索引向量并据此提取水印信息。仿真实验显示,该方案在完全不影响音频听觉质量的前提下,在抵抗常见音频攻击时有很强的鲁棒性,并能进行恶意篡改定位。     

基于DWT和DCT的自适应双重音频水印

针对数字音频版权保护和内容认证的问题, 提出了一种用于版权保护和内容认证的自适应双重音频水印算法。算法对每段原始音频信号进行离散小波变换和离散余弦变换, 分别提取混合变换域的低频系数和中低频系数作为水印的构造和嵌入域, 利用音频载体的统计特性自适应地构造零水印和嵌入半脆弱水印, 实现音频版权保护和内容认证。实验结果表明, 该算法的不可感知性很好, 在抵抗多种攻击时具有良好的鲁棒性, 并且能够对恶意窜改进行定位。     

数字音频认证研究综述

现代音频信号处理技术使得对音频内容的篡改、替换,对时间序列的调换顺序等恶意操作可以以极低的代价进行,对音频完整性和真实性进行认证变得日益重要。对人类听觉系统来讲,音频认证技术需要保护的是音频内容而不是比特流本身,因此它应该能够容忍一些保持音频听觉质量或者语义的正常信号处理操作而不触发检测器。介绍了音频内容认证技术的产生背景、典型应用场合、需满足的必要性质、硬认证与软认证的特点、保持内容操作和恶意操作的划分,综述了典型的音频内容认证算法,最后总结并讨论了该研究领域的技术特点并提出了可能的解决方案。     

基于图像特征和超混沌迭代的图像认证算法

提出了一种基于图像特征和超混沌迭代的图像认证算法．该算法从原始图像的小波分解中提取低频分量,并从其边缘中找出稳定的特征点,结合水印图像信息进行超混沌迭代得到索引集,版权者和第三信任方用私钥将索引集进行数字签名和加盖时间戳．水印的认证利用了第三信任方和版权者的公钥,而不需要原始图像参与．研究结果表明：该算法对噪声、滤波、压缩、旋转等图像处理方法具有较好的鲁棒性．     

一种新的用于音频认证数字水印算法

为确保数字音频数据感知意义上的完整性,提出了一种新的音频认证水印算法。该算法把原始音频分帧,每帧分为两节,在第一节时域中嵌入同步码,将第二节进行DCT变换,计算邻帧关系向量,并将其作为水印信息嵌入其他帧第二节的DCT中频系数。认证时,计算邻帧关系误差,据事先设定的阈值来判断音频是否被窜改,若遭受窜改,可进行窜改定位。仿真实验表明,该算法在无原始水印参与的情况下,不仅可以实现音频媒体的完整性认证,而且窜改定位准确。     

基于音频特征的自嵌入数字水印技术

论文提出一种用于音频数据内容认证与恢复的数字水印算法。该算法基于音频主要特征生成水印,并自嵌入到原始音频数据,使得水印能检测和定位对音频的篡改,并能对篡改部分进行近似恢复。其基本思路是把音频分段,每段的主要DCT系数经过量化和加密后,作为水印嵌入另一个音频段的LSB最低位之中。这样能保证音频恢复时有较好的质量。水印是使用音频的主要特征DCT系数及其位置,故能实现盲提取。     

一种新的音频内容认证算法

多媒体数据的可信度经常受到置疑，没有法律效应，原因在于数字产品的可编辑性，需要一个安全的认证系统来确定其内容是否被伪造或特殊处理过。该文提出了一种音频内容认证系统，在原始音频的离散小波域中嵌入认证信息，采用相关检测。该算法在抵抗中等强度的MP3有损压缩、上下行采样等保持内容的音频信号处理的同时，能够检测出恶意篡改等攻击，并精确定位篡改位置，还能对被篡改的音频片段进行近似恢复。     

基于DWT域的脆弱性音频水印算法研究

为认证音频内容的完整性,提出了一种基于DWT脆弱性音频水印算法。该算法首先将音频信息分段并进行三级小波变换。然后将嵌入的水印图像通过Arnold转换进行加密,采用量化方法嵌入水印信息。仿真结果表明,提出的算法对常规信号处理操作和恶意替换、随机剪切等去同步攻击非常敏感。     

一种基于数字签名的二值图像认证算法

为了实现对二值文本图像内容的全面保护,提出一种新的基于数字签名的二值图像认证算法。算法用数字签名实现对均匀块的认证,用归一化预处理实现对非均匀块的认证,通过两者联合认证来消除虚警。理论分析和实验结果表明,该算法仅需要附加极短的签名信息,就可以实现对二值文本图像内容的全面保护,在保证良好视觉效果的前提下,具有良好的窜改检测和窜改定位能力。     

基于小波变换的语音隐藏算法

提出了一种基于小波变换的语音隐藏方法,把一段语音作为秘密信息嵌入一段数字音频信号中,其目的是用音频信号作伪装来传递秘密的语音信息或把语音信息作为一种标记来保护音频作品。这种方法根据人类听觉系统的特点,利用小波对语音信号进行压缩,增加了数据的嵌入量。载体音频信号小波变换后,选择部分小波系数用适当的嵌入参数嵌入信息。实验表明该算法的隐蔽性好,隐藏的数据量大,对常见的信号处理操作具有较强的稳健性,符合掩蔽通信的要求。     

稳健局部特征非下采样小波域数字水印

目的 基于数字水印技术的音乐作品版权保护是学术界的研究热点之一,多数数字音频水印方案仅仅能够对抗简单的常规信号处理,无法有效抵抗破坏性较强的一般性去同步攻击。为此,提出了一种基于稳健局部特征的非下采样小波域数字水印算法。方法 利用非下采样小波域平滑梯度检测算子从载体音频中提取稳定的音频特征点,结合数字音频样本响应确定局部特征音频段,采用量化调制策略将数字水印信号重复嵌入局部特征音频段中。结果 选取4段典型的采样频率为44.1 kHz、量化精度为16 bit、长度为15 s的单声道数字音频信号作为原始载体进行测试,并与经典算法在不可感知性和鲁棒性两方面进行对比。结果表明,本文算法在含水印音频与原始载体音频间的信噪比平均提升了5.7 dB,同时常规攻击和去同步攻击下的平均检测率分别保持在0.925和0.913,高于大多数传统算法,表明了本文算法具有较好的不可感知性。在常规信号处理（MP3压缩、重新量化、重新采样等）和去同步攻击（幅度缩放、随机剪切、音调伸缩、DA/AD转换、抖动等）方面均具有较好的鲁棒性。结论 本文利用描述能力强且性能稳定的平滑梯度刻画局部数字音频性质,提出一种基于平滑梯度的非下采样小波域音频特征点提取方法,有效解决了音频特征点稳定性差且分布极不均匀的缺点,提高了数字音频水印对音调伸缩、随机剪切、抖动等攻击的抵抗能力。     

A New Adaptive Digital Audio Watermarking Based on Support Vector Regression

On the basis of support vector regression (SVR), a new adaptive blind digital audio watermarking algorithm is proposed. This algorithm embeds the template information and watermark signal into the original audio by adaptive quantization according to the local audio correlation and human auditory masking. The procedure of watermark extraction is as follows. First, the corresponding features of template and watermark are extracted from the watermarked audio. Then, the corresponding feature of template is selected as training sample to train SVR and an SVR model is returned. Finally, the actual outputs are predicted according to the corresponding feature of watermark, and the digital watermark is recovered from the watermarked audio by using the well-trained SVR. Experimental results show that our audio watermarking scheme is not only inaudible, but also robust against various common signal processing (such as noise adding, resampling, requantization, and MP3 compression), and also has high practicability. In addition, the algorithm can extract the watermark without the help of the original digital audio signal, and the performance of it is better than other SVM audio watermarking schemes.     

新的特征点强鲁棒音频水印技术

以均值量化索引调制（MQIM）、特征点为理论基础,提出一种新颖的强鲁棒性数字音频水印技术。该算法选取数字音频的局部能量峰值点作为特征,提取稳定的特征点;以特征点为标记,对特征点后的区域进行分段,利用均值量化索引调制将水印嵌入到原始音频的小波域中。水印提取时无需原始图像。仿真实验表明,提出的算法对常规信号处理（MP3压缩、叠加噪声、重新采样、重新量化等）和去同步攻击（随机剪切、幅度缩放、变调、抖动等）均具有较好的鲁棒性。     

基于小波包最优基的音乐指纹提取算法

数字音乐指纹提取的主要目的是建立一种有效机制,用于比较2个音乐文件的听觉质量。提出一种基于小波包最优基分解的音乐指纹提取算法,利用与音频内容密切相关的小波包系数,将其作为特征进行指纹提取。实验结果表明,该算法对MP3,WMA和RM压缩、噪声、Stirmark for audio工具中常见的音频信号处理具有强鲁棒性,且在不同音乐之间具有较高可区分性。     

用于在线签名认证的特征提取和个性化特征选择方法

提出一种在线签名认证中的特征提取和特征选择的方法.采用一种F-Tablet手写板采集签名数据.该手写板的特点是不仅可记录签名时的字形信息(x,y)序列,还可记录签名时的五维力信息(F_x,F_y,F_z,M_x,M_y)序列.从每个签名中提取3个等级共188个特征,接着定义特征重要性函数F,然后根据特征的重要性函数F的值对选取的188个特征进行排序,对F设不同的阈值就可完成不同的特征选择.在认证过程中使用SVM算法对选取的特征进行训练,然后用训练所得的模型进行验证.该方法的错误拒绝率为1.2%,错误接受率为3.7%.     

对谱弯折DCT音频水印算法的再研究

近几年,音频数字水印技术越来越引起了人们的极大兴趣,各种新方法和技术不断提出,如何将这些方法和技术应用于实际音频作品的版权保护中,并非易事。文章在借助Choi等犤1犦的谱弯折音频水印算法解决版权保护的实际问题时,经大量的实验验证和理论分析,认为谱弯折方法对信号处理类(包括MP3压缩、重采样等)的攻击相当脆弱,不具备鲁棒性。     

一种新的SVM数字音频水印嵌入算法

为了取得鲁棒性与不可感知性的良好平衡,提出一种新的SVM数字音频水印嵌入算法.该算法以回归型支持向量机(SVR)理论及同步码技术为基础,首先结合数字音频内容,选取稳定的能量、过零率作为特征向量并获得SVR训练模型,然后利用SVR训练模型自适应确定嵌入位置,最后采纳量化调制策略,分别在空间域和频率域内将同步码和数字水印嵌入到音频载体内.仿真实验表明,本文算法不仅具有较好的不可感知性,而且对诸如叠加噪声、重新采样、重新量化、低通滤波、MP3压缩、随机剪切等攻击均具有较好的鲁棒性.     

Pattern classification models for classifying and indexing audio signals

In the age of digital information, audio data has become an important part in many modern computer applications. Audio classification and indexing has been becoming a focus in the research of audio processing and pattern recognition. In this paper, we propose effective algorithms to automatically classify audio clips into one of six classes: music, news, sports, advertisement, cartoon and movie. For these categories a number of acoustic features that include linear predictive coefficients, linear predictive cepstral coefficients and mel-frequency cepstral coefficients are extracted to characterize the audio content. The autoassociative neural network model (AANN) is used to capture the distribution of the acoustic feature vectors. Then the proposed method uses a Gaussian mixture model (GMM)-based classifier where the feature vectors from each class were used to train the GMM models for those classes. During testing, the likelihood of a test sample belonging to each model is computed and the sample is assigned to the class whose model produces the highest likelihood. Audio clip extraction, feature extraction, creation of index, and retrieval of the query clip are the major issues in automatic audio indexing and retrieval. A method for indexing the classified audio using LPCC features and k-means clustering algorithm is proposed.     

数字音频与录制设备的相关性研究

提出一种在没有数字水印和数字签名的情况下,依据数字音频文件本身的特性鉴定其真实性的方法。利用小波降噪得到音频的噪声,以该噪声作为设备的特征本底噪声,与需要检测的音频本底噪声做比对,以检测该音频文件中是否被篡改入由其他种类设备录制的音频,从而为司法鉴定提供判断的依据。