亚洲狠狠干,亚洲国产福利精品一区二区,国产八区,激情文学亚洲色图

基于2dpca的數(shù)字水印方法

文檔序號:6358236閱讀:171來源:國知局
專利名稱:基于2dpca的數(shù)字水印方法
技術(shù)領(lǐng)域
本發(fā)明屬于數(shù)字水印領(lǐng)域,具體涉及一種基于2DPCA的能抵抗局部非線性幾何攻擊的數(shù)字水印算法。
背景技術(shù)
魯棒數(shù)字水印算法強(qiáng)調(diào)的是算法抵抗各種攻擊的能力,即載體在歷經(jīng)了各種有意無意的操作(攻擊)之后,其中嵌入的水印仍然能夠被提取或者檢測出來。在魯棒性圖像數(shù)字水印研究方面,研究人員先后研究過濾波、加噪等常規(guī)信號處理攻擊JPEG壓縮、 JPEG2000壓縮等壓縮攻擊;旋轉(zhuǎn)、縮放、平移等全局幾何攻擊。但是在現(xiàn)實世界中,常常存在局部非線性幾何攻擊。這種攻擊用圖像處理軟件非常容易實現(xiàn),如利用Photoshop就可以輕松實現(xiàn)波紋扭曲、球面扭曲、投影變換等非線性幾何攻擊。這種攻擊在打印掃描水印,又叫印刷水印,等領(lǐng)域也經(jīng)常出現(xiàn),載體在經(jīng)過打印掃描后,由于紙張變化、掃描儀感光不均等原因使得載體中充滿了局部非線性幾何變換。因此研究抗局部非線性幾何攻擊的圖像數(shù)字水印算法,對于數(shù)字水印在版權(quán)保護(hù)、打印掃描等領(lǐng)域具有重大的現(xiàn)實意義,是數(shù)字水印技術(shù)走向?qū)嵱没仨氁鉀Q的問題。主成分分析,即PCA,是一種經(jīng)典的特征提取和降維方法,為了使其能夠更有效的處理圖像,研究人員提出了二維主成分分析,即2DPCA,該方法能夠?qū)D像的主成分提取出來。由于圖像在遭受了局部非線性幾何攻擊后,圖像的基本內(nèi)容沒有發(fā)生變化,即圖像顯示的主要內(nèi)容沒有發(fā)生變化,因此圖像的2DPCA主成分變換不大,故我們采用2DPCA方法抵抗局部非線性幾何攻擊。

發(fā)明內(nèi)容
本專利的研究目的是,研究一種數(shù)字水印算法,能夠有效抵抗各類非線性幾何攻
擊ο其原理是將訓(xùn)練圖像設(shè)置為由原始圖像和對原始圖像進(jìn)行多種非線性幾何攻擊后組成的圖像組,然后對這些訓(xùn)練圖像的均值矩陣進(jìn)行特征值計算,進(jìn)而提取出圖像的特征向量矩陣,從而得到從圖像整體角度來衡量的原始圖像主成分矩陣。然而這種圖像主成分矩陣還不足以提供能夠抵抗非線性幾何攻擊的圖像特征穩(wěn)健性,因為經(jīng)過不同非線性幾何攻擊,再對圖像進(jìn)行圖像主成分矩陣提取,兩次計算產(chǎn)生的圖像主成分矩陣數(shù)值不完全相同,發(fā)生了一定程度的變化,但是攻擊前后的圖像主成分矩陣數(shù)值有相同的趨勢。若對這種主成分矩陣進(jìn)行某種變換,如DCT、FFT等,則能將這種趨勢分離出來,在此基礎(chǔ)上進(jìn)行水印嵌入就能夠得到具有相當(dāng)穩(wěn)定性的圖像特征。本專利所提出方法的實施過程分為水印嵌入部分和水印提取部分。水印嵌入部分大體過程是基于2DPCA(二維主成分分析),提取原始圖像的主成分,并可對原始水印信息進(jìn)行糾錯編碼。將水印比特嵌入經(jīng)過頻域變換的部分圖像主成分矩陣中,形成含水印圖像。水印提取部分大體過程是對遭受非線性幾何攻擊的含水印圖像提取受攻擊圖像的的主成分,對受攻擊圖像的主成分矩陣進(jìn)行頻域變換,并按照水印提取規(guī)則提取水印信息。1.圖像預(yù)處理對原始圖像進(jìn)行各種非線性幾何變換(如波紋攻擊,擠壓攻擊,球面攻擊,水波攻擊,投影攻擊,局部旋轉(zhuǎn)攻擊等使得原始圖像發(fā)生變化的變換方法)。且每次均為對原始圖像進(jìn)行非線性幾何變換,每次變換后得到一幅新的圖像。2.圖像特征向量矩陣提取及圖像主成分矩陣提取以原始圖像和經(jīng)過圖像預(yù)處理得到的多幅新圖像作為訓(xùn)練圖像,進(jìn)行圖像特征向量矩陣提取,具體過程如下(1)將所有訓(xùn)練圖像的矩陣進(jìn)行累加,求出所有訓(xùn)練圖像的均值矩陣 (averageimage) 0(2)進(jìn)行圖像特征向量矩陣提取。計算均值矩陣的特征值,將所有特征值從大到小排序組成特征值矩陣。求出每個特征值對應(yīng)的特征向量,即每個特征值求出一列特征向量。 將所有特征向量根據(jù)對應(yīng)的特征值的大小進(jìn)行排序,得到圖像特征向量矩陣(vsort),將其保留作為水印提取時的依據(jù)。最后根據(jù)特征向量矩陣提取出原始圖像主成分矩陣(proiection)。3.原始圖像主成分矩陣處理原始圖像主成分矩陣是通過特征向量矩陣所求,特征向量是通過特征值所求,特征向量矩陣是所有特征向量按照均值矩陣的所有特征值從大到小排序后所得。因此原始圖像主成分矩陣的不同列能夠反映(代表)的原始圖像信息是不同的,且位置越靠前的列所反映(代表)的原始圖像信息越強(qiáng)。原始圖像主成分矩陣中的第N列是根據(jù)特征向量矩陣中第N列所求,特征向量矩陣中第N列是根據(jù)特征值矩陣中的第N個特征值所求出,故我們稱特征向量矩陣中的第N列為第N主成分,原始圖像主成分矩陣中的第N列為第N引出主成分。用特征值矩陣中第N個特征值除以該特征值矩陣中所有特征值的累加和,即為第N 主成分反映圖像信息的權(quán)值。將之轉(zhuǎn)化為百分?jǐn)?shù),則為第N主成分反映圖像信息的百分比。 上述矩陣及術(shù)語定義間關(guān)系參見圖5及圖5說明。第N主成分反映圖像信息權(quán)值同訓(xùn)練圖像數(shù)量的多少有關(guān)。對于同一幅原始圖像,如果訓(xùn)練圖像較多,則隨著列數(shù)的增加,第N主成分反映圖像信息權(quán)值遞減的較平緩; 如果訓(xùn)練圖像較少,則隨著列數(shù)的增加,第N主成分反映圖像信息權(quán)值遞減的較明顯。對于同一幅原始圖像的同一個主成分,訓(xùn)練圖像較多的主成分反映圖像信息權(quán)值比訓(xùn)練圖像較少的主成分反映圖像信息權(quán)值要低。據(jù)此,可以根據(jù)圖像大小和需嵌入的水印數(shù)量,選取原始圖像主成分矩陣的部分或全部列作為水印載體矩陣進(jìn)行嵌入。如果圖像較小,選取的列數(shù)多,可以提高水印容量, 水印不可見性也會較強(qiáng),但是會造成水印的魯棒性降低;如果圖像較大,選取的列數(shù)少,會降低水印容量,水印不可見性也會較弱,但是水印的魯棒性會得到保證。但是非線性幾何攻擊會改變圖像任何部位的特征,因而從攻擊前后的圖像中提取出的圖像主成分矩陣中,每位數(shù)據(jù)的數(shù)值都會發(fā)生任何不確定性的改變。若想保持原始圖像主成分矩陣的特征,就要從矩陣的整體特性來進(jìn)行分析改進(jìn)。因為提取圖像主成分矩陣時用到的特征向量矩陣是不變的,故即使圖像主成分矩陣每一位的數(shù)值會發(fā)生變化,但是圖像主成分矩陣中數(shù)據(jù)間的波動幅度是近似相近的。所以選取原始圖像主成分矩陣中的i 個引出主成分,即將i個不同的主成分反映圖像信息的權(quán)值累加,其中i小于或等于N,保證累加和達(dá)到0. 4至0. 9這個范圍之內(nèi),對這i個引出主成分再次進(jìn)行適當(dāng)變換,如離散余弦變換(DCT)或傅立葉變換(FFT),得到原始圖像主成分矩陣部分引出主成分的整體數(shù)量關(guān)系,即基于頻域的原始圖像主成分矩陣,亦即最終的水印嵌入載體矩陣(vector)。4.水印預(yù)處理將要嵌入的水印信息更改為二進(jìn)制數(shù)據(jù),為了降低誤碼率,可對信息進(jìn)行糾錯編碼,增強(qiáng)水印的信息強(qiáng)度。根據(jù)水印載體矩陣容量,更改要嵌入的水印信息,使之小于或等于可嵌入水印容量。在下文的實例中采用了奇偶校驗方式,也可采用其他糾錯編碼方式。5.水印嵌入按照水印嵌入規(guī)則,在第3步得到的水印嵌入載體矩陣上嵌入經(jīng)過糾錯編碼后的偽水印。在下文中的實例中采用了基于符號關(guān)系的水印嵌入規(guī)則進(jìn)行嵌入,但也可采用其他水印嵌入規(guī)則。6.圖像恢復(fù)嵌入水印后,對水印嵌入載體矩陣進(jìn)行逆離散余弦變換(idct)或逆傅立葉變換 (ifft),并且將原主成分矩陣中的i個引出主成分替換為水印嵌入載體矩陣,最后將原始圖像主成分矩陣同特征向量矩陣的轉(zhuǎn)置矩陣相乘,得到含有水印信息的圖像。7.水印提取用步驟2中保留的特征向量矩陣對經(jīng)過非線性攻擊的圖像進(jìn)行主成分提取的運算,得到受攻擊圖像的主成分矩陣。對受攻擊圖像主成分矩陣的i列引出主成分進(jìn)行逆離散余弦變換(idct)或逆傅立葉變換(ifft),得到基于頻域的受攻擊圖像主成分矩陣。按照與采用的水印嵌入規(guī)則相應(yīng)的提取方式從基于頻域的受攻擊圖像主成分矩陣中提取出偽水印信息。最后對偽水印信息進(jìn)行糾錯解碼,提取出原始水印信息。發(fā)明特點1.對主成分矩陣進(jìn)行變換得到穩(wěn)定性較強(qiáng)的水印嵌入載體。發(fā)現(xiàn)主成分矩陣的數(shù)據(jù)具有一定的波動幅度不變性,并且利用這一點對主成分矩陣進(jìn)行變換,形成可以嵌入水印的具有一定穩(wěn)健性的水印嵌入載體。2.將2DPCA技術(shù),即二維主成分分析技術(shù),應(yīng)用到數(shù)字水印領(lǐng)域中。2DPCA技術(shù)在模式識別領(lǐng)域(如人臉識別技術(shù))已得到一定的應(yīng)用,但在數(shù)字水印領(lǐng)域,尚沒有應(yīng)用這種技術(shù)的先例。本方法將2DPCA技術(shù)與數(shù)字水印技術(shù)結(jié)合起來,拓寬了 2DPCA技術(shù)的應(yīng)用范圍,也實現(xiàn)了數(shù)字水印中對非線性幾何攻擊的抵抗。 3.提出了一種能夠在保證數(shù)字水印魯棒性與不可見性的前提下,可有效抵抗非線性幾何攻擊的數(shù)字水印算法。經(jīng)測試,本算法能夠有效抵抗非線性幾何攻擊(如水波攻擊、擠壓攻擊、球面攻擊、波紋攻擊、投影攻擊、旋轉(zhuǎn)攻擊)。算法成功從遭受非線性幾何攻擊的水印圖片中提取出水印信息,誤碼率小于25%,保證了水印的魯棒性。采用此算法對原始圖像嵌入水印信息后,對圖像清晰度影響不大,保證了數(shù)字水印的不可見性。實現(xiàn)了對打印掃描過程中非線性幾何攻擊的抵抗,加強(qiáng)了數(shù)字水印技術(shù)的實用性。


圖1 嵌入過程圖2:圖像預(yù)處理圖3 原始圖像主成分處理圖4 水印預(yù)處理圖5 矩陣關(guān)系 以及術(shù)語定義關(guān)系說明圖1是嵌入過程。首先對圖像進(jìn)行預(yù)處理,對圖像進(jìn)行各種非線性幾何攻擊,產(chǎn)生訓(xùn)練圖像。訓(xùn)練圖像計算特征值,進(jìn)而提取出特征向量矩陣。根據(jù)提取出的特征向量矩陣, 提取原始圖像主成分矩陣,從中選取部分列或全部列對其進(jìn)行頻域變換,得到水印嵌入載體矩陣。然后根據(jù)水印嵌入算法在水印嵌入載體矩陣上進(jìn)行水印嵌入。水印嵌入后,對水印嵌入載體矩陣進(jìn)行逆變換,并且替換原始圖像主成分矩陣中的相應(yīng)部分,利用特征向量矩陣的轉(zhuǎn)置矩陣重構(gòu)圖像,得到已嵌入水印的圖像。圖2是圖像預(yù)處理的過程。此過程比較簡單,對原始圖像進(jìn)行適當(dāng)強(qiáng)度的非線性幾何攻擊(如波紋攻擊,擠壓攻擊,球面攻擊,水波攻擊,投影攻擊,局部旋轉(zhuǎn)攻擊等非線性攻擊方法),得到訓(xùn)練圖像后,將所有圖像讀入。圖3是原始圖像主成分矩陣的處理過程。將所有訓(xùn)練圖像的矩陣進(jìn)行累加,求出所有訓(xùn)練圖像的均值矩陣。根據(jù)均值矩陣計算特征值,進(jìn)而提取出特征向量矩陣。通過特征向量矩陣提取原始圖像主成分矩陣,從原始圖像主成分矩陣中選取部分列或全部列進(jìn)行頻域變換,得到水印嵌入載體矩陣。圖4是水印預(yù)處理的過程。根據(jù)水印嵌入載體矩陣的大小計算可嵌入的水印容量,將原始水印信息轉(zhuǎn)化為二進(jìn)制格式,并可對其進(jìn)行糾錯編碼。根據(jù)水印容量調(diào)整水印信息,確保經(jīng)過糾錯編碼后的偽水印長度小于或等于水印容量,保證信息的準(zhǔn)確嵌入。圖5是矩陣運算關(guān)系以及術(shù)語定義關(guān)系說明。圖中說明了在算法實施過程中涉及的不同矩陣之間的推導(dǎo)關(guān)系,以及實施過程中定義的術(shù)語之間關(guān)系。
具體實施例方式一.水印嵌入1.圖像預(yù)處理選取一幅400*400的原始圖像。對原始圖像進(jìn)行預(yù)處理,得到原始圖像分別遭受波紋攻擊、擠壓攻擊、水波攻擊、球面攻擊、投影攻擊、局部旋轉(zhuǎn)攻擊等非線性幾何攻擊后的圖像,將它們和原始圖像一同作為訓(xùn)練圖像讀入。2.圖像特征向量矩陣提取及圖像主成分矩陣提取讀取所有訓(xùn)練圖像,累加所有訓(xùn)練圖像的矩陣,求出每個像素點的平均值,即所有訓(xùn)練圖像的均值矩陣。進(jìn)行圖像特征向量矩陣提取。首先計算均值矩陣的所有特征值,參見表1及說明。根據(jù)特征值求出相應(yīng)得特征向量,進(jìn)而求出特征向量矩陣(vsort),參見表2及說明。 最后利用特征向量矩陣對原始圖像進(jìn)行圖像主成分矩陣提取,得到原始圖像主成分矩陣 (projection),參見表3及說明。表1 案例中涉及的特征值矩陣
權(quán)利要求
1.基于2DPCA的數(shù)字水印方法,其特征在于,步驟如下1)圖像預(yù)處理對原始圖像進(jìn)行各種非線性幾何變換,每次變換后得到一幅新的圖像;2)圖像特征向量矩陣提取及圖像主成分矩陣提取以原始圖像和經(jīng)過圖像預(yù)處理得到的多幅新圖像作為訓(xùn)練圖像,進(jìn)行圖像特征向量矩陣提取,具體過程如下·2.1將所有訓(xùn)練圖像的矩陣進(jìn)行累加,求出所有訓(xùn)練圖像的均值矩陣;·2. 2進(jìn)行圖像特征向量矩陣提?。挥嬎憔稻仃嚨奶卣髦?,將所有特征值從大到小排序組成特征值矩陣;求出特征值矩陣中每個特征值對應(yīng)的特征向量,即每個特征值求出一列特征向量,將所有的特征向量根據(jù)對應(yīng)的特征值的大小進(jìn)行排序,得到圖像特征向量矩陣并保留,作 為水印提取時的依據(jù);根據(jù)圖像特征向量矩陣對原始圖像進(jìn)行圖像主成分矩陣提取得到原始圖像主成分矩陣;3)圖像主成分矩陣處理原始圖像主成分矩陣是通過特征向量矩陣所求,特征向量是通過特征值所求,特征向量矩陣是所有特征向量按照均值矩陣的所有特征值從大到小排序后所得;原始圖像主成分矩陣中的第N列是根據(jù)特征向量矩陣中第N列所求,特征向量矩陣中第N列是根據(jù)特征值矩陣中的第N個特征值所求出,稱特征向量矩陣中的第N列為第N主成分,原始圖像主成分矩陣中的第N列為第N引出主成分;用特征值矩陣中第N個特征值除以特征值矩陣中所有特征值的累加和,即為特征向量矩陣中第N主成分反映圖像信息的權(quán)值;將權(quán)值轉(zhuǎn)化為百分?jǐn)?shù),則為第N主成分反映圖像信息的百分比;選取原始圖像主成分矩陣的部分或全部列,將i個不同的主成分反映圖像信息的權(quán)值累加,其中i小于或等于N,保證累加和達(dá)到0. 4至0. 9這個范圍之內(nèi),再對原始圖像主成分矩陣中的i個引出主成分進(jìn)行離散余弦變換或傅立葉變換,得到i列原始圖像主成分矩陣的整體數(shù)量關(guān)系,即水印嵌入載體矩陣;4)水印預(yù)處理將要嵌入的水印信息更改為二進(jìn)制數(shù)據(jù),對信息進(jìn)行糾錯編碼,并根據(jù)水印嵌入載體矩陣容量,更改要嵌入的水印信息,使之小于或等于可嵌入的水印容量;5)水印嵌入按照水印嵌入規(guī)則,在第3)步得到的水印嵌入載體矩陣上嵌入經(jīng)過水印預(yù)處理后的偽水印;6)圖像恢復(fù)嵌入水印后,對水印嵌入載體矩陣進(jìn)行逆離散余弦變換或逆傅立葉變換,將原始圖像主成分矩陣中的i個引出主成分替換為經(jīng)過逆變換的水印嵌入載體矩陣,最后將原始圖像主成分矩陣同特征向量矩陣的轉(zhuǎn)置矩陣相乘,得到含有水印信息的圖像;7)水印提取用步驟2. 2中保留的特征向量矩陣對經(jīng)過非線性攻擊的圖像進(jìn)行主成分提取的運算, 得到受攻擊圖像的主成分矩陣;對受攻擊圖像的主成分矩陣的i列進(jìn)行逆離散余弦變換或逆傅立葉變換,其中i小于或等于N,得到基于頻域的受攻擊圖像主成分矩陣;然后按照與采用的水印嵌入規(guī)則相應(yīng)的提取方式從基于頻域的受攻擊圖像主成分矩陣中提取出偽水印信息;對偽水印信息進(jìn)行糾錯解 碼,提取出原始水印信息。
全文摘要
基于2DPCA的數(shù)字水印方法屬于數(shù)字水印領(lǐng)域。本發(fā)明步驟如下圖像預(yù)處理對原始圖像進(jìn)行各種非線性幾何變換,每次變換后得到一幅新的圖像;圖像特征向量矩陣提取及圖像主成分矩陣提??;水印預(yù)處理;水印嵌入;圖像恢復(fù);水印提取。因為提取圖像主成分矩陣時用到的特征向量矩陣是不變的,故即使圖像主成分矩陣每一位的數(shù)值會發(fā)生變化,但是圖像主成分矩陣中數(shù)據(jù)間的波動幅度是近似相近的。所以選取原始圖像主成分矩陣中的i個引出主成分,即將i個不同的主成分反映圖像信息的權(quán)值累加,保證累加和達(dá)到0.4至0.9這個范圍之內(nèi),對這i個引出主成分離散余弦變換或傅立葉變換。本發(fā)明能夠在保證數(shù)字水印魯棒性與不可見性的前提下,有效抵抗非線性幾何攻擊。
文檔編號G06T1/00GK102184516SQ20111009721
公開日2011年9月14日 申請日期2011年4月18日 優(yōu)先權(quán)日2011年4月18日
發(fā)明者姜廣智, 姜楠, 張錫川, 楊宇澤 申請人:北京工業(yè)大學(xué)
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1