CN113096671B - 一种大容量音频文件可逆信息隐藏方法及*** - Google Patents
一种大容量音频文件可逆信息隐藏方法及*** Download PDFInfo
- Publication number
- CN113096671B CN113096671B CN202010022517.6A CN202010022517A CN113096671B CN 113096671 B CN113096671 B CN 113096671B CN 202010022517 A CN202010022517 A CN 202010022517A CN 113096671 B CN113096671 B CN 113096671B
- Authority
- CN
- China
- Prior art keywords
- audio
- information
- embedding
- point
- embedded
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000002441 reversible effect Effects 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 61
- 239000011159 matrix material Substances 0.000 claims abstract description 95
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 86
- 230000008569 process Effects 0.000 claims abstract description 25
- 238000000605 extraction Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 description 61
- 230000007480 spreading Effects 0.000 description 35
- 230000005540 biological transmission Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 3
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 101150050759 outI gene Proteins 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/005—Correction of errors induced by the transmission channel, if related to the coding algorithm
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Signal Processing For Digital Recording And Reproducing (AREA)
Abstract
本发明公开了一种大容量音频文件可逆信息隐藏方法及***，包括嵌入过程：将初始文件不同音频点按照位置分为叉集合和点集合；利用相邻音频点间的局部一致性特征，采用目标音频点幅值预测算法，分别构建第一叉集合预测误差矩阵和第一点集合预测误差矩阵；将待隐藏的数据被分成相等的两半，第一部分被嵌入到叉集中，第二部分被嵌入到点集中；按照误差预测算法可逆的构建叉集合嵌密音频序列和点集合嵌密音频序列；最后合并形成载密音频文件。本发明基于扩展序列拥有相互正交的特点，将秘密信息多次嵌入到音频载体文件中，不同的扩展序列的大部分元素在信息嵌入过程中相互抵消，在增加载体音频可逆信息嵌入容量的同时提高文件音频保真能力。
Description
技术领域
本发明涉及信息隐藏技术领域，尤其涉及一种大容量音频文件可逆信息隐藏方法及***。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
信息隐藏通过将秘密信息嵌入到载体当中实现数字隐写、秘密通信、版权保护等功能。可逆信息隐藏是其中一个重要的分支，在保障完整提取所嵌隐秘信息的同时，还可以无损的恢复原始载体信号。因而，在军事、医疗等对原始图像或音视频文件要求较高的领域，基于可逆信息隐藏的版权认证与隐蔽通信算法具有广泛的应用需求。可逆信息隐藏有两个标准，即嵌入容量和失真率，优秀的可逆信息隐藏算法要求在较高的信息嵌入容量的同时，还需要保持载体文件具有较低的失真度。
近年来随着数字化社会的推进，海量的音频数据在网络上传播，音频信息隐藏技术的发展也越来越成熟。秘密信息通常以比特流的形式嵌入到载体样本的LSB(最低有效位)上，载体音频的失真在感知上几乎可以忽略不计，而通过可逆信息隐藏可以实现载体音频数据的零失真。
可逆信息隐藏(RDH)算法近年来有了很大的发展，但是，可逆信息隐藏误差预测与信息嵌入算法越来越复杂，计算代价越来越高。同时，在大多数情况下，随着有效载荷的增加，音频质量迅速下降。
发明内容
为了解决上述问题，本发明提出了一种大容量音频文件可逆信息隐藏方法及***，根据码分多址(CDMA)的原理，采用不同的正交序列表示待嵌入信息并嵌入到载体音频中；基于正交向量的线性无关特性，隐秘信息可以重叠嵌入而不相互干扰，从而可以实现大容量信息的嵌入。同时，由于不同扩展序列的大部分元素在重叠嵌入时相互抵消，在实现高容量可逆信息嵌入的同时降低音频文件失真，从而有效提升音频文件可逆信息隐藏性能。
在一些实施方式中，采用如下技术方案：
一种大容量音频文件可逆信息隐藏方法，包括嵌入过程：
将初始文件不同音频点按照位置分为叉集合和点集合；
利用相邻音频点间的局部一致性特征，采用目标音频点幅值预测算法，分别构建第一叉集合预测误差矩阵和第一点集合预测误差矩阵；
将待隐藏的数据被分成相等的两半，第一部分被嵌入到叉集中，第二部分被嵌入到点集中；
按照误差预测算法可逆的构建叉集合嵌密音频序列和点集合嵌密音频序列；最后合并形成载密音频文件。
进一步地，还包括提取过程：
将载密音频文件分为叉集合和点集合；
根据目标误差预测算法，分别构建第二点集合预测误差矩阵和第二叉集合预测误差矩阵；
分别恢复点集合预测误差矩阵和叉集合预测误差矩阵中嵌入的附件信息，按照码分多址可逆信息嵌入算法提取误差矩阵中嵌入的秘密信息，并恢复目标音频点原始幅值；
将提取的秘密信息相连接重建隐藏的秘密信息序列，并采用恢复的目标音频点原始幅值矩阵无损恢复原始音频文件。
在另一些实施方式中，采用如下技术方案：
一种大容量音频文件可逆信息隐藏***，包括：
用于将初始文件中不同音频点按照位置分为叉集合和点集合的装置；
用于利用相邻音频点间的局部一致性特征，采用目标音频点幅值预测算法，分别构建第一叉集合预测误差矩阵和第一点集合预测误差矩阵的装置；
用于将待隐藏的数据被分成相等的两半，第一部分被嵌入到叉集中，第二部分被嵌入到点集中的装置；
用于按照误差预测算法可逆的构建叉集合嵌密音频序列和点集合嵌密音频序列；最后合并形成载密音频文件的装置。
进一步地，还包括：
用于将载密音频文件分为叉集合和点集合的装置；
用于根据目标误差预测算法，分别构建第二点集合预测误差矩阵和第二叉集合预测误差矩阵的装置；
用于分别恢复点集合预测误差矩阵和叉集合预测误差矩阵中嵌入的附件信息，按照码分多址可逆信息嵌入算法提取误差矩阵中嵌入的秘密信息，并恢复目标音频点原始幅值的装置；
用于将提取的秘密信息相连接重建隐藏的秘密信息序列，并采用恢复的目标音频点原始幅值矩阵无损恢复原始音频文件的装置。
在另一些实施方式中，采用如下技术方案：
一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行上述的大容量音频文件可逆信息隐藏方法。
在另一些实施方式中，采用如下技术方案：
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的大容量音频文件可逆信息隐藏方法。
与现有技术相比，本发明的有益效果是：
本发明基于码分多址的音频可逆信息隐藏方法，首先设计目标音频点预测算法，形成原始音频文件的预测误差矩阵，然后采用不同的正交扩展序列实现秘密数据的可逆信息隐藏；在解码的过程中，不仅可以无损的提取嵌入的机密信息，而且能够完全恢复原始音频。基于扩展序列拥有相互正交的特点，将秘密信息多次嵌入到音频载体文件中，不同的扩展序列的大部分元素在信息嵌入过程中相互抵消，在增加载体音频可逆信息嵌入容量的同时提高文件音频保真能力。
附图说明
图1(a)-(f)分别表示本发明实施例中6段测试音频预测误差直方图；
图2是本发明实施例中大容量音频文件可逆信息隐藏方法流程图；
图3(a)-(f)分别表示本发明实施例中不同嵌入强度下6段音频文件嵌入率(BPP)与信噪比(SNR)；
图4(a)-(f)分别表示本发明实施例中不同长度扩展序列下6段音频文件嵌入率(BPP)与信噪比(SNR)；
图5是本发明实施例中不同音频文件在4种嵌入率下的SNR值；
图6(a)-(f)分别表示本发明实施例中针对数据库中6段代表性测试音频在不同嵌入率下的测试结果。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
在一个或多个实施方式中，公开了一种大容量音频文件可逆信息隐藏方法，包括嵌入过程和提取过程，其中，嵌入过程具体包括：
将初始文件中不同音频点按照位置分为叉集合和点集合；
利用相邻音频点间的局部一致性特征，采用目标音频点幅值预测算法，分别构建第一叉集合预测误差矩阵和第一点集合预测误差矩阵；
将待隐藏的数据被分成相等的两半，第一部分被嵌入到叉集中，第二部分被嵌入到点集中；
按照误差预测算法可逆的构建叉集合嵌密音频序列和点集合嵌密音频序列；最后合并形成载密音频文件。
提取过程具体包括：
将载密音频文件分为叉集合和点集合；
根据目标误差预测算法，分别构建第二点集合预测误差矩阵和第二叉集合预测误差矩阵；
分别恢复点集合预测误差矩阵和叉集合预测误差矩阵中嵌入的附件信息，按照码分多址可逆信息嵌入算法提取误差矩阵中嵌入的秘密信息，并恢复目标音频点原始幅值；
将提取的秘密信息相连接重建隐藏的秘密信息序列，并采用恢复的目标音频点原始幅值矩阵无损恢复原始音频文件。
下面对本实施例公开的方法进行详细说明。
1、基于码分多址(CDMA)的音频可逆信息隐藏
音频信号是一种典型的一维非平稳信号，其自相关函数和均值函数会随时间的变化而变化，信号具有缓变性的特征。在某些时段中音频信号表现出随机噪声的特性，在另一些时间段又会表现出周期信号的特性，或表现为两者的混合特性。在实际的处理过程中一般首先对音频信号进行逐段的分割，然后对分段对样本进行处理。根据音频信号连续相关性特性，将可逆信息隐藏与码分多址相结合，充分利用相邻音频样本间的一致相关性，将水印信息嵌入到样本向量中，可实现音频文件的可逆信息隐藏。
码分多址(CDMA)是一种频谱扩展算法，用于无线通信中的信息安全传输和信道复用。基于CDMA的通信***被认为是一种非常安全的通信***，它通过一个预定的正交扩展序列载波待发送信息，将被传输的信号嵌入到不同的正交扩展序列当中进行传输，只有采用相同扩展序列才可以正确解码和提取被传输的秘密信息，因而***拥有非常高的安全性；并且基于码分多址的扩频传输特性，秘密信息可以在相同信道传播且互不干扰，极大地节省了频率资源。
由于可逆信息隐藏***基于载体音频实现秘密信息的传递，基于码分多址的可逆信息隐藏***可以类比为一个隐蔽通信***，其中，载体为公开传输信道，秘密信息为编码传输的内容。在基于码分多址的可逆信息隐藏***中，一般采用Walsh Hardmard矩阵的行(列)来产生正交扩展序列，正交序列的元素由“1”或“-1”组成，由于每个序列中“1”和“-1”的数量相等，因而还具有零均值的特点。在基于码分多址的可逆信息隐藏传输过程中，为发送方分配正交扩展序列，二进制位“1”用序列本身表示，二进制位“0”代表对应的负序列，基于载秘序列的正交特性和0均值特征，可以实现秘密信息的叠加传送，同时，在信息叠加传送过程中，不同序列元素间产生相互抵消，保障基于码分多址的音频可逆信息隐藏***取得更好的安全性和更高的可逆信息隐藏性能。
1.1嵌入信息
设嵌入的秘密信息W＝[b1,b2,b3,····,bk](bi∈{1,0}，1≤i≤n},基于公式(1)可以将秘密信息bi转化为嵌入的水印信息ωi。
ωi＝-cosπbi (1)
经过转化后的隐秘信息变为W＝[ω1,ω2,ω3,····,ωk](ωi∈{1,-1}，1≤i≤k},在Walsh Hadamard矩阵中选择k个行生成相互正交的扩展序列Si～Sk，构建扩展序列矩阵E：
令序列Si＝{ti1,ti2,ti3,····til}(1≤i≤k)的长度为l(偶数)，其中“1”和“-1”的数量是相等的，扩展序列具有零均值和相互正交的特点。
设A是一个长度为N的初始音频序列，选择A中目标样本构建载体向量矩阵X：
其中，载体向量Vj＝[u1,u2,u3,….,ul](1≤j≤k)长度l与扩展序列Si的长度相同。按照公式(4)将水印信息嵌入到载体向量Vj中,嵌入信息后的向量矩阵
如式(5)所示。
公式(5)中的
是嵌入信息后的第j个载体向量，ω1,ω2,…,ωk是嵌入的秘密信息，S1,S2,…,Sk是正交扩展序列，k为嵌入信息位数，每个扩展序列都和一位嵌入信息相关。
当需要嵌入大量水印信息(例如n·k位)Wn＝[ω11,ω12,ω3,····,ω1k,ω21,ω22,····,ω2k,····ωn1,ωn2,····,ωnk]时，可以将水印信息序列进行分段处理，按照WM所示的形式分组进行嵌入，如式(6)所示，同时，基于传播序列的正交性，还可以通过多级嵌入将转化后的水印信息序列Wn嵌入到同一个向量矩阵中X中实现大容量可逆信息嵌入，如式(7)所示。
其中E1～E1为每次嵌入对应的扩展序列矩阵，
为多次嵌入后的向量矩阵，n为嵌入的次数，n·k为嵌入信息的比特数，α为正整数，代表嵌入过程中的嵌入强度，α越大，可以嵌入的向量个数越多，嵌入容量越高，对样本的改变程度也会越大，相对应的也会带给音频较大的失真。
1.2提取信息
设嵌入信息后的向量矩阵为
嵌入的水印信息可以通过计算向量矩阵
和扩展序列矩阵E的内积提取出来，如式(8)所示：
当需要提取第i位秘密信息时，可以通过下式(9)进行计算
如式(9)所示，α为正整数，
的计算结果也是正整数，所以表达式
的正负由ωi决定，由于ωi的取值只有1和-1两种可能，因此当满足条件
嵌入的信息可以通过公式(10)进行提取：
式(9)和(10)可以进一步转化得到公式(11)判断载体是否有信息嵌入。
由以上分析可知，当满足公式(10)时，可以通过
将嵌入到载体向量Vj中的秘密信息ωi提取出来，因为扩展序列Si具有零均值的特点，
运算等同于计算载体向量Vj中相邻元素之间的差值的和。因此嵌入强度α的值越大、音频数据越平滑，可以嵌入到载体音频中的信息就越多。
另一方面，如当
时，载体向量Vj不满足可逆信息嵌入条件，为了区分不可嵌入信息向量，可以将一个伪信息位嵌入到不满足条件的向量中，在解码阶段通过提取向量中的伪位，判断一个向量是否嵌入了水印信息，具体处理如表1所示：
表1对于不满足条件的向量处理
1.3原始音频文件恢复
根据码分多址嵌入序列的正交特性，从嵌入信息后的载体提取原始水印信息后，可以通过公式(11)获取原始载体向量矩阵X，并重构初始载体音频。
本算法利用嵌入向量正交特性实现多级信息叠加嵌入以增加载体音频可逆信息嵌入能力。由于嵌入向量Si中元素仅由“1”和“-1”组成，多数嵌入向量中的元素在多级信息嵌入过程中相互抵消，因而，即使在增大数据嵌入容量的情况下，本算法仍可以获得较高的听觉质量。
1.4CDMAA具体计算实例
设音频载体样本A＝[15,15,16,16,14,14,13,15]，基于其构建向量矩阵
令扩展序列矩阵
嵌入强度α＝1。待嵌入的秘密信息W＝[1,0]，根据公式(1)得出将秘密信息转化为对应位水印信息序列W＝[1,-1]进行嵌入。在嵌入过程中，先计算
和
的值，满足条件
待嵌信息ω1＝1，通过
嵌入到向量V1中，嵌入信息后的向量变为
同理，可将水印信息ω2＝-1嵌入到向量V2中，修改后的向量矩阵
二次嵌入信息后的载体向量变为A′＝[16,14,17,15,15,13,12,16]。当接收方获取嵌入信息的载体向量后，通过sign(<Vj·Si>)分别提取出嵌入到两个向量中的水印信息1和-1，并采用
计算出向量V，构建出原始向量矩阵
得到初始样本序列A＝[15,15,16,16,14,14,13,15]。
当待嵌入的信息量较大，需要多级嵌入时，可以按照以下方法叠加嵌入信息。假设需要嵌入的隐秘信息序列为W＝[1,0,1,1]，通过式(1)将隐秘信息转化为对应位信息序列W＝[1,-1,1,1]，构建待嵌信息矩阵
嵌入向量矩阵
将W1嵌入到向量矩阵X中，经过嵌入后向量矩阵转变为
再将W2嵌入到向量矩阵
中，最终得到嵌秘向量矩阵
在解码端，嵌入的水印信息和原始向量矩阵可以按照如下方法进行恢复(如表2所示)：
表2详细的信息提取阶段的多级信息提取
在这个过程中，针对初始向量V1与嵌入后的
嵌入两位比特信息后，初始向量V1中只有两个元素值发生改变，两个扩展序列的第一个和第四个元素经过两次信息嵌入后相互抵消；对于初始向量V2与嵌入后的
两个扩展序列的第二个和第四个元素经过两次信息嵌入后相互抵消。实际上，由于不同扩展序列的大部分元素在多级信息嵌入中是相互抵消的，使得本方法能够在大容量可逆信息嵌入的同时，将失真抑制在较低水平。
本实施例公开的大容量音频文件可逆信息隐藏方法中，首先构建载体向量；
由以上分析可知，当载体向量满足条件
时，可以在向量Vj中嵌入信息。由于嵌入向量中1和-1个数相同且分布均匀，计算
等于对向量Vj中相邻元素的差值进行求和，所以，载体向量Vj中的元素值越相近，
会更小。即载体向量中的元素值越近似，满足嵌入条件的载体向量越多，信息嵌入生成的音频失真越小，音频文件的嵌入能力越强。
因此，根据音频文件的时序相关性，利用相邻音频点间的局部一致性特征，采用目标音频点幅值预测算法，构建目标音频点幅值预测误差载体矩阵，并以此形成载体向量实现音频文件可逆信息嵌入，可有效提升音频文件的可逆信息隐藏性能。根据音频文件特性，相邻音频样本点之间的数值具有较强的相似性，本实施例采用最近邻均值预测的方法对目标音频点进行预测，产生预测误差，如公式(12)所示：
其中x′i为样本点xi的预测值，xi-1和xi+1为样本点xi左侧和右侧的样本，所以预测误差dj＝x′j-xj，由于音频相邻样本点之间密切相关，本算法可产生很小的预测误差，最终形成紧密分布在“0”值附近的陡峭直方图(如图1所示)。保障基于预测误差矩阵构建载体向量元素具有更小的数值和一致相似性特征，有效提升载体音频文件可逆信息隐藏的性能。
图1(a)-(f)分别为Clip27、Clip40、Clip51、Clip58、Clip66和Clip70预测误差直方图，由直方图可以清楚的观察到基于本算法的预测误差紧密地分布在“0”值附近，因而，基于此误差预测算法生成的载体矩阵实现可逆信息嵌入，在取得较高的信息嵌入容量的同时也可以保持相对较低的音频失真率。
嵌入过程
信息的嵌入和提取过程示意图如图2所示，下面是嵌入过程和提取过程的描述：
1)将音频文件内容按照顺序分为两组:奇数音频点(点集合)和偶数音频点(叉集合)。根据音频文件中相邻音频点的密切相关性，首先采用均值预测算法，利用偶数音频点两侧的奇数点对其进行预测，计算音频点实际幅值与预测之间的误差，生成叉集合误差矩阵；此后，采用相同的策略对奇数音频点进行预测，并生成点集合预测误差矩阵。将待隐藏的数据被分成相等的两半，第一部分被嵌入到叉集中，第二部分被嵌入到点集中。
2)将叉集合中的样本序列分为嵌入区E和保留区S，仅在预留的嵌入区E中使用每个音频点承载秘密信息，而在预留的保存区S中每个音频字节的后三位(最低有效位LSB)中存放信息嵌入过程中的附加信息，如嵌入序列，嵌入强度，嵌入信息的数量等。数据保存区S中的信息长度预设为4096个二进制位，其中前12位用来表示保存区S的长度并设置标识符用于确定保存区的位置，其他位用于保存附加信息。并将S区中每个音频字节的后三位原始信息与秘密信息一起形成待嵌信息流。
3)同理，采用相同的策略将待嵌入的另一部分秘密信息嵌入到点集合对应的误差矩阵中。
4)将基于码分多址的可逆信息隐藏算法所需要的辅助信息通过LSB替换嵌入到保留区中。
5)基于嵌入信息后的误差矩阵与目标音频点的值，按照误差预测算法可逆的构建嵌密音频序列。按照误差预测顺序，首先构建叉集合嵌密音频序列，然后构建点集合嵌密音频序列，最后合并形成载密音频文件。
其中，目标音频点的值为：基于预测算法利用前后音频样本的幅值线性组合，得出当前目标样本的预测值，预测值为预测算法求取出来的幅值，与样本实际幅值相近似，利用预测值和真实值产生的误差值嵌入数据。
利用点集合预测叉集合的样本，求出预测样本值，计算预测误差，通过基于CDMA的可逆信息隐藏算法，将秘密信息嵌入到预测误差中，得到嵌入信息后改变的预测误差，将改变后的预测误差与预测值相加，得到嵌入信息后样本值，便求出叉集合嵌密音频序列。
提取过程
接收方在收到在载密的音频文件后，按照以下步骤无损的提取嵌入的秘密信息并恢复原始音频文件：
1)首先将嵌密的音频样本分为叉集合和点集合。按照信息嵌入的逆序，首先采用叉集合中的数据与点集合中的目标音频点，根据目标误差预测算法预测目标样本点构建预测误差矩阵。提取点集合预测误差矩阵中保留区音频点后三位(LSB)值，恢复信息嵌入的附件信息。根据附加信息，按照码分多址可逆信息嵌入算法提取误差矩阵种所嵌入的秘密信息，并恢复目标音频点原始幅值。
2)按照同样的方法，提取叉集合中所嵌入的秘密信息，并恢复目标音频点原始幅值。
3)使用点集合和叉集合中所恢复的数据，将提取的秘密信息相连接重建隐藏的秘密信息序列，并采用恢复的原始音频点幅值矩阵无损恢复原始音频文件。
下面通过实验对本实施例方法进行验证分析。
本实验采用包含70个标准音频文件的测试数据库，音频文件采样频率为44.1KHz，16位采样位数，测试文件包括人工合成信号、单乐器、声乐、语言等多个类型。选取不同音频信号特征的音频文件进行实验结果，已验证所提算法的详细性能。并分别采用嵌入强度和扩展序列长度两种参数进行性能评价。
1、不同嵌入强度的实验结果
实验首先选择具有不同音频特性的6段测试音频包含Clip27、Clip40、Clip51、Clip58、Clip66和Clip70进行算法性能验证。所选6段音频分别是单乐器高音、单乐器低音、中文语音、独奏乐器、管弦音乐和流行音乐，因而可以从不同的方面验证所提算法的可行性。实验结果采用SNR-BPP关系曲线进行描述，信噪比(SNR)和嵌入率(BPP)分别是是衡量音频失真与可逆信息嵌入的容量标准参数，有利于实现与其他算法的性能比较。图3(a)-(f)分别表示6段音频文件在不同的嵌入强度下信噪比(SNR)随嵌入率(BPP)的变化关系。由于实验所选取的音频文件的长度不一样，最短为18秒，最长为2分17秒，同时，因为不同的音频类型不一致，其波形走向差异也比较大，为了更好的验证算法性能，本文针对不同的音频文件自适应选择不同的嵌入强度可逆的嵌入信息，检验不同音频文件在不同嵌入强度α时音频文件的嵌入率和信噪比之间的关系。
从图3(a)-(f)中的6幅图中可以看出，随着嵌入率的增加，不同音频文件的SNR随之下降。如图3(a)所示，在嵌入容量为0.1BPP时，嵌入强度α＝14对应的信噪比为40.12dB，嵌入强度α＝16时对应的信噪比为38.14dB。实验结果表明:在相同嵌入容量下，随着嵌入强度α的增加，SNR随之下降,音频文件质量下降明显。这是因为随着嵌入强度的增加，满足迁入调教的音频点比较多，大量的信息可以一次性嵌入到音频文件中；同时，信息嵌入对原始音频文件的修改程度增大，信息嵌入造成原始文件的失真比较明显。但当嵌入强度较小时，满足可逆信息嵌入条件的载体向量不多，单次信息嵌入的容量较小，为增加嵌入容量，信息需要多次嵌入。在多次信息嵌入过程中，基于码分多址的特点，不同正交序列的元素在叠加嵌入过程中互相抵消，随着嵌入容量的增加原始音频文件的质量下降曲线变缓，保障原始音频文件失真变小。所以，在基于码分多址的音频文件可逆信息嵌入过程中，当嵌入容量较大时，采用合适的可逆信息嵌入强度进行多次重叠信息嵌入，可使嵌密文件取得更好的可逆信息嵌入性能，在大量秘密信息嵌入的同时保障原始音频文件具有较小的失真。如图3(b)所示，在嵌入强度α＝4，嵌入容量为0.1BPP时，SNR为53.12dB，嵌入容量增加到0.2BPP时，载体音频的SNR下降到47.52dB；然而，当嵌入强度为6时，载体音频的嵌入容量在0.1BPP对应的SNR为46.1dB，在0.2BPP下对应的SNR为44.8dB，SNR的下降程度曲线大于嵌入强度为4时表现，所以在较高的嵌入容量下，采用较小的嵌入强度多次嵌入可取得更好的可逆信息嵌入性能。
2、不同长度的扩展序列的实验结果
不同长度的扩展序列也会对算法的性能产生影响。如图4(a)所示，当序列长度为2时，一次信息嵌入的最大容量为0.13bpp；但当序列长度为4时，单次嵌入的最大容量仅为0.087bpp，长度较短的传播序列对于音频载体文件的修改程度小(当扩展序列的长度为2时，嵌入1bit信息需要修改两个音频预测误差点的值；而当扩展序列的长度为4时，嵌入1bit的信息则需要修改四个预测误差点的值)。同时，根据相邻音频点之间的密切相关性，较短的载体向量比较长载体向量更容易满足码分多址算法可逆信息嵌入的条件。为了深入探究相邻音频点之间的关联性，本实施例通过构建4种不同长度的载体向量探究不同长度的扩展序列对于算法性能的影响。
由图4(a)-(f)可以看出，当信息嵌入容量不大时，短扩展序列的嵌入性能明显优于较长的扩展序列，当长度为8扩展序列(1×8个载体音频预测误差点组成)时，嵌入性能相比长度为2的扩展序列显著下降。原因分析如下：一方面，采用长度为8扩展序列每嵌入1bit的信息需要修改8个样本；另一方面，在同样的嵌入强度下，基于载体文件相邻音频点间的相似性关系，满足嵌入条件的长度为1×8个载体向量的个数较少，因此当嵌入容量不高时，SNR-BPP曲线低于其余三种长度较短的扩展序列的曲线。然而，随着有效载荷的增加，需要采用多级叠加信息嵌入来扩大嵌入容量，不同扩展序列的大部分元素在可逆信息嵌入过程中相互抵消，不同长度扩展序列的嵌入性能差异逐渐减小。
由图4(a)-(f)可知，随着嵌入容量增加，扩展序列长度为4和2的嵌密载体信噪比(SNR)的差异逐渐减小，尤其是音频文件Clip 40和Clip 66中，当嵌入容量大于0.9时，长度为4的扩展序列嵌入性能优于长度为2的扩展序列。这是因为在音频文件中4位相邻音频点之间的相关性还比较强，满足码分多址可逆信息嵌入条件的载体向量比较多，载体向量中的元素在多次嵌入后相互抵消的数量优于长度为2的扩展序列，因而，在大容量可逆信息嵌入过程中，载体向量长度为4时一般可取得最优的可逆信息嵌入性能。然而，当扩展序列的长度为6和8时，如图4(a)-(f)所示，载体音频SNR随着嵌入容量的增大快速下降，远远低于长度为4的扩展序列的嵌入性能。这是由于音频文件一维性和瞬时突变性的特点，使得较长的扩展序列需要对应更大的嵌入强度才能满足可逆信息嵌入的条件，随着嵌入容量的增大，较长的扩展序在信息嵌入式会造成原始音频发生较大幅度的形变，音频质量下降明显。
为进一步探究基于码分多址的可逆信息隐藏算法在高嵌入容量下的音频文件失真程度，本文测试了数据库所有70段音频文件在嵌入容量为1.0BPP、1.1BPP、1.2BPP和1.3BPP时的嵌入失真率，不同音频文件在4种嵌入率下的SNR值如图5所示。
由图5可以知，当嵌入率大于1.0BPP，本文算法仍可以保障原始音频文件具有较高SNR数值。对于大部分音频文件而言，即便嵌入容量达到1.3BPP时，仍然可以保持较低的声音失真度。这是因为基于码分多址的可逆信息隐藏算法在多级嵌入的过程中，由于扩展序列的正交特性，嵌入向量中的大部分元素相互抵消，锁着嵌入容量的增加，SNR曲线下降程度逐渐变换，原始音频文件即使在大容量可逆信息嵌入的同时仍能保持很高的声音保真度。
3、与其他方法进行对比
为了进一步评价该方法的性能优越性，将本算法与其他两个最新的高性能音频文件可逆信息隐藏那个算法进行对比，本实施例将上述的两个最新的算法分别简称为Ref.[30]算法和Ref.[32]算法；其中，Ref.[30]算法利用左右两侧的音频样本预测目标音频点的值，并采用直方图平移技术嵌入有效信息，算法耗费时间短，尤其在高嵌入容量的时候，原始音频文件质量下降很快。Ref.[32]算法首先计算预测点与目标音频点间的距离，并根据距离确定预测系数以减低目标音频点预测误差的值，然后采用差值扩展算法实现可逆信息嵌入，此算法较大程度上提高了目标音频样本的信息隐藏能力，但当嵌入容量较大时，仍会造成音频文件失真严重。
本实验中仍然采用SNR-BPP作为衡量可逆信息隐藏性能评价标准，图6(a)-(f)为针对数据库中6段代表性测试音频Clip27、Clip40、Clip51、Clip58、Clip66和Clip70在不同嵌入率下的测试结果：
从图6(a)-(f)中可以看到，本方案在低载荷的情况下可逆信息隐藏性能与其他两种算法相比并没有太大优势。然而，随着有效载荷的增加，本算法适用于大容量信息隐藏的优越性也得以表现出来。在音频文件Clip27、Clip40、Clip66和Clip70中，当嵌入率分别大于0.38bpp、0.56bpp、0.39bpp和0.40bpp时，本算法的SNR值开始超越其他两种音频文件可逆信息隐藏算法。而对于音频文件Clip51和Clip58来说，当嵌入率达到0.95bpp和0.79bpp时，本文算法的性能开始超越其它两种算法。实验结果表明本算法在大容量可逆信息隐藏方面性能明显优于其它算法。其原因如下：一方面，当嵌入载荷较小时，本算法至少需要修改两个样本才能嵌入一个信息比特位，因而在低嵌入容量下相对其它两种算法性能表现一般。然而，随着嵌入容量的增加，本算法可以采用多级嵌入来扩大嵌入容量，不同扩展序列的大部分元素相互抵消，原始音频文件的失真相对于其它算法明显减小。因此，在中到高嵌入容量的情况下本方案具有更高的信噪比(SNR)。另一方面，如图1(c)和图1(d)所示，由于音频Clip51和Clip58的变化比较剧烈，其预测误差直方图左右分布均匀，需要较大的嵌入强度才可以实现秘密信息的嵌入，信息嵌入导致原文件的失真较大，因而需要多次信息叠加嵌入后，本算法的性能才能逐渐超过其他两种算法，这与以上理论分析是一致的。
实施例二
在一个或多个实施方式中，公开了一种大容量音频文件可逆信息隐藏***，包括：
将初始文件不同音频点按照位置分为叉集合和点集合；
用于利用相邻音频点间的局部一致性特征，采用目标音频点幅值预测算法，分别构建第一叉集合预测误差矩阵和第一点集合预测误差矩阵的装置；
用于将待隐藏的数据被分成相等的两半，第一部分被嵌入到叉集中，第二部分被嵌入到点集中的装置；
用于按照误差预测算法可逆的构建叉集合嵌密音频序列和点集合嵌密音频序列；最后合并形成载密音频文件的装置。
还包括：
用于将载密音频文件分为叉集合和点集合的装置；
用于根据目标误差预测算法，分别构建第二点集合预测误差矩阵和第二叉集合预测误差矩阵的装置；
用于分别恢复点集合预测误差矩阵和叉集合预测误差矩阵中嵌入的附件信息，按照码分多址可逆信息嵌入算法提取误差矩阵中嵌入的秘密信息，并恢复目标音频点原始幅值的装置；
用于将提取的秘密信息相连接重建隐藏的秘密信息序列，并采用恢复的目标音频点原始幅值矩阵无损恢复原始音频文件的装置。
上述装置的具体工作过程均采用实施例一中公开的方法，在此不再赘述。
实施例三
在一个或多个实施方式中，公开了一种终端设备，包括服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例一中的大容量音频文件可逆信息隐藏方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的大容量音频文件可逆信息隐藏方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (7)
1.一种大容量音频文件可逆信息隐藏方法，其特征在于，包括嵌入过程：
将初始文件不同音频点按照位置分为叉集合和点集合；
所述叉集合为偶数音频点，点集合为奇数音频点；
利用相邻音频点间的局部一致性特征，采用目标音频点幅值预测算法，分别构建第一叉集合预测误差矩阵和第一点集合预测误差矩阵；
将待隐藏的数据被分成相等的两半，第一部分被嵌入到叉集中，第二部分被嵌入到点集中；
按照误差预测算法可逆的构建叉集合嵌密音频序列和点集合嵌密音频序列；最后合并形成载密音频文件；
构建叉集合预测误差矩阵，具体为：利用偶数音频点两侧的奇数点对偶数音频点进行预测，计算偶数音频点实际幅值与预测之间的误差，生成第一叉集合误差矩阵；
构建点集合预测误差矩阵，具体为：利用奇数音频点两侧的偶数点对奇数音频点进行预测，计算奇数音频点实际幅值与预测之间的误差，生成第一点集合误差矩阵；
按照误差预测算法可逆的构建叉集合嵌密音频序列，具体为：
将叉集合中的样本序列分为嵌入区E和保留区S，仅在预留的嵌入区E中使用每个音频点承载秘密信息，而在预留的保存区S中每个音频点的后三位中存放信息嵌入过程中的附加信息；将S区中每个音频点的后三位原始信息与秘密信息一起形成待嵌信息流；
将基于码分多址的可逆信息隐藏算法所需要的辅助信息通过LSB替换嵌入到保留区S中；
基于嵌入信息后的误差矩阵与目标音频点的值，按照误差预测算法可逆的构建叉集合嵌密音频序列。
2.如权利要求1所述的一种大容量音频文件可逆信息隐藏方法，其特征在于，采用最近邻均值预测的方法对目标音频点进行预测，产生预测误差，具体为：
其中，x′i为样本点xi的预测值，xi-1和xi+1为样本点xi左侧和右侧的样本，所以预测误差di＝x′i-xi。
3.如权利要求1所述的一种大容量音频文件可逆信息隐藏方法，其特征在于，
还包括提取过程：
将载密音频文件分为叉集合和点集合；
根据目标误差预测算法，分别构建第二点集合预测误差矩阵和第二叉集合预测误差矩阵；
分别恢复点集合预测误差矩阵和叉集合预测误差矩阵中嵌入的附件信息，按照码分多址可逆信息嵌入算法提取误差矩阵中嵌入的秘密信息，并恢复目标音频点原始幅值；
将提取的秘密信息相连接重建隐藏的秘密信息序列，并采用恢复的目标音频点原始幅值矩阵无损恢复原始音频文件。
4.一种大容量音频文件可逆信息隐藏***，其特征在于，包括：
用于将初始文件中不同音频点按照位置分为叉集合和点集合的装置；
所述叉集合为偶数音频点，点集合为奇数音频点；
用于利用相邻音频点间的局部一致性特征，采用目标音频点幅值预测算法，分别构建第一叉集合预测误差矩阵和第一点集合预测误差矩阵的装置；
用于将待隐藏的数据被分成相等的两半，第一部分被嵌入到叉集中，第二部分被嵌入到点集中的装置；
用于按照误差预测算法可逆的构建叉集合嵌密音频序列和点集合嵌密音频序列；最后合并形成载密音频文件的装置；
构建叉集合预测误差矩阵，具体为：利用偶数音频点两侧的奇数点对偶数音频点进行预测，计算偶数音频点实际幅值与预测之间的误差，生成第一叉集合误差矩阵；
构建点集合预测误差矩阵，具体为：利用奇数音频点两侧的偶数点对奇数音频点进行预测，计算奇数音频点实际幅值与预测之间的误差，生成第一点集合误差矩阵；
按照误差预测算法可逆的构建叉集合嵌密音频序列，具体为：
将叉集合中的样本序列分为嵌入区E和保留区S，仅在预留的嵌入区E中使用每个音频点承载秘密信息，而在预留的保存区S中每个音频点的后三位中存放信息嵌入过程中的附加信息；将S区中每个音频点的后三位原始信息与秘密信息一起形成待嵌信息流；
将基于码分多址的可逆信息隐藏算法所需要的辅助信息通过LSB替换嵌入到保留区S中；
基于嵌入信息后的误差矩阵与目标音频点的值，按照误差预测算法可逆的构建叉集合嵌密音频序列。
5.如权利要求4所述的一种大容量音频文件可逆信息隐藏***，其特征在于，还包括：
用于将载密音频文件分为叉集合和点集合的装置；
用于根据目标误差预测算法，分别构建第二点集合预测误差矩阵和第二叉集合预测误差矩阵的装置；
用于分别恢复点集合预测误差矩阵和叉集合预测误差矩阵中嵌入的附件信息，按照码分多址可逆信息嵌入算法提取误差矩阵中嵌入的秘密信息，并恢复目标音频点原始幅值的装置；
用于将提取的秘密信息相连接重建隐藏的秘密信息序列，并采用恢复的目标音频点原始幅值矩阵无损恢复原始音频文件的装置。
6.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-3任一项所述的大容量音频文件可逆信息隐藏方法。
7.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-3任一项所述的大容量音频文件可逆信息隐藏方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010022517.6A CN113096671B (zh) | 2020-01-09 | 2020-01-09 | 一种大容量音频文件可逆信息隐藏方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010022517.6A CN113096671B (zh) | 2020-01-09 | 2020-01-09 | 一种大容量音频文件可逆信息隐藏方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113096671A CN113096671A (zh) | 2021-07-09 |
| CN113096671B true CN113096671B (zh) | 2022-05-13 |
Family
ID=76663680
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010022517.6A Active CN113096671B (zh) | 2020-01-09 | 2020-01-09 | 一种大容量音频文件可逆信息隐藏方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113096671B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114466112A (zh) * | 2022-01-11 | 2022-05-10 | 山东师范大学 | 基于多重直方图自适应修改的可逆数据隐藏方法及*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103050120A (zh) * | 2012-12-28 | 2013-04-17 | 暨南大学 | 大容量数字音频可逆水印处理方法 |
| CN105900169A (zh) * | 2014-01-09 | 2016-08-24 | 杜比实验室特许公司 | 音频内容的空间误差度量 |
| CN106205627A (zh) * | 2016-07-14 | 2016-12-07 | 暨南大学 | 基于边信息预测和直方图平移的数字音频可逆水印算法 |
| CN109617682A (zh) * | 2018-12-12 | 2019-04-12 | 北京邮电大学 | 一种基于直方图左右移位的密文域可逆信息隐藏方法 |
| CN110110318A (zh) * | 2019-01-22 | 2019-08-09 | 清华大学 | 基于循环神经网络的文本隐写检测方法及*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6065452B2 (ja) * | 2012-08-14 | 2017-01-25 | 富士通株式会社 | データ埋め込み装置及び方法、データ抽出装置及び方法、並びにプログラム |
-
2020
- 2020-01-09 CN CN202010022517.6A patent/CN113096671B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103050120A (zh) * | 2012-12-28 | 2013-04-17 | 暨南大学 | 大容量数字音频可逆水印处理方法 |
| CN105900169A (zh) * | 2014-01-09 | 2016-08-24 | 杜比实验室特许公司 | 音频内容的空间误差度量 |
| CN106205627A (zh) * | 2016-07-14 | 2016-12-07 | 暨南大学 | 基于边信息预测和直方图平移的数字音频可逆水印算法 |
| CN109617682A (zh) * | 2018-12-12 | 2019-04-12 | 北京邮电大学 | 一种基于直方图左右移位的密文域可逆信息隐藏方法 |
| CN110110318A (zh) * | 2019-01-22 | 2019-08-09 | 清华大学 | 基于循环神经网络的文本隐写检测方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 音频中的信息隐藏和隐藏分析技术研究;魏一方;《中国优秀硕士学位论文全文数据库 信息科技辑》;20111015(第10期);第1-53页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113096671A (zh) | 2021-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AlSabhany et al. | Digital audio steganography: Systematic review, classification, and analysis of the current state of the art | |
| Xiang et al. | Histogram-based audio watermarking against time-scale modification and cropping attacks | |
| JP3508146B2 (ja) | ディジタル信号符号化復号化装置、ディジタル信号符号化装置及びディジタル信号復号化装置 | |
| JP3986150B2 (ja) | 一次元データへの電子透かし | |
| KR20050046815A (ko) | 지문 추출 | |
| Bazyar et al. | A new method to increase the capacity of audio steganography based on the LSB algorithm | |
| Ahmad et al. | Enhancing the performance of audio data hiding method by smoothing interpolated samples | |
| CN113096671B (zh) | 一种大容量音频文件可逆信息隐藏方法及*** | |
| Attari et al. | Robust audio watermarking algorithm based on DWT using Fibonacci numbers | |
| Xiang et al. | Time-scale invariant audio watermarking based on the statistical features in time domain | |
| Lee et al. | Em estimation of scale factor for quantization-based audio watermarking | |
| Wang et al. | A new audio watermarking based on modified discrete cosine transform of MPEG/audio layer III | |
| Amrulloh et al. | Utilizing Fuzzy Logic in Developing Reversible Data Hiding Method. | |
| Bazyar et al. | A recent review of MP3 based steganography methods | |
| CN111755018B (zh) | 基于小波变换及量化嵌入密钥的音频隐藏方法及装置 | |
| Mushgil et al. | An efficient selective method for audio watermarking against de-synchronization attacks | |
| US20050137876A1 (en) | Apparatus and method for digital watermarking using nonlinear quantization | |
| Shah et al. | Adaptive wavelet packet based audio steganography using data history | |
| Pooyan et al. | Adaptive and robust audio watermarking in wavelet domain | |
| Kuriakose et al. | A novel method for MP3 steganalysis | |
| Peng et al. | Optimal audio watermarking scheme using genetic optimization | |
| CN113362835B (zh) | 音频水印处理方法、装置、电子设备及存储介质 | |
| Singh et al. | Multiplicative watermarking of audio in DFT magnitude | |
| Setiawan et al. | Improving the Performance of Data Hiding by Designing Three Samples-based Smoothing in Audio. | |
| US20070286450A1 (en) | Method and apparatus for detecting a watermark in a signal |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |