一種基于特征區(qū)域幾何優(yōu)化的魯棒可逆水印嵌入和提取方法
【專利摘要】本發(fā)明提供了一種基于特征區(qū)域幾何優(yōu)化的魯棒可逆水印嵌入和提取方法，該水印嵌入方法通過獲取原始圖像的低頻子帶、獲取初始特征點(diǎn)集合、獲取候選特征點(diǎn)集合、獲取候選特征區(qū)域集合、計(jì)算選特征區(qū)域關(guān)聯(lián)矩陣、計(jì)算候選關(guān)聯(lián)權(quán)值向量、獲取篩選特征區(qū)域集合、獲取圓形特征區(qū)域集合、得到特征圖像、得到密鑰圖像和獲取密鑰信息的步驟，克服了現(xiàn)有魯棒可逆水印方法的缺陷，改善了含水印圖像的視覺質(zhì)量，提高了水印嵌入容量，增強(qiáng)了水印抵抗復(fù)雜攻擊的魯棒性，提升了水印的安全性，提高了魯棒可逆圖像水印方法的綜合性能。
【專利說明】—種基于特征區(qū)域幾何優(yōu)化的魯棒可逆水印嵌入和提取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于多媒體信息安全領(lǐng)域，涉及一種基于特征區(qū)域幾何優(yōu)化的魯棒可逆水印嵌入和提取方法，可用于網(wǎng)絡(luò)環(huán)境中數(shù)字圖像的內(nèi)容認(rèn)證、版權(quán)保護(hù)。
【背景技術(shù)】
[0002]數(shù)字圖像作為國家基礎(chǔ)設(shè)施建設(shè)的支撐性成果之一，在國民經(jīng)濟(jì)、國防建設(shè)中占有十分重要的地位和廣泛的應(yīng)用。隨著計(jì)算機(jī)技術(shù)與數(shù)碼成像設(shè)備的發(fā)展與普及，數(shù)字圖像的安全保護(hù)已成為多媒體信息安全領(lǐng)域亟待解決的重要問題之一。近年來，數(shù)字水印技術(shù)通過在宿主圖像中嵌入水印的方式為這一問題的解決提供了有效途徑，然而傳統(tǒng)方法在水印嵌入過程中常常會(huì)對(duì)宿主圖像造成不可逆失真。即使這些失真難以被人眼察覺，但卻影響了它在醫(yī)學(xué)影像、法庭證據(jù)、電子票據(jù)、軍事及遙感圖像等領(lǐng)域的實(shí)際應(yīng)用。因此，可逆水印技術(shù)應(yīng)運(yùn)而生，它利用人類感知與數(shù)字圖像自身冗余，通過可逆數(shù)字嵌入的方式將水印隱藏到宿主圖像中，在水印提取之后能(近)無損地恢復(fù)宿主圖像內(nèi)容，確保其后續(xù)應(yīng)用(如病變檢測(cè)、分類、目標(biāo)識(shí)別)不受影響。而且，通過對(duì)水印的分析，該技術(shù)能夠確定版權(quán)所有者、認(rèn)證圖像內(nèi)容以及跟蹤侵權(quán)行為，從而為數(shù)字圖像安全保護(hù)提供有力的技術(shù)支撐。同時(shí)，由于實(shí)際應(yīng)用中數(shù)字圖像往往會(huì)受到有損壓縮、噪聲干擾的影響，嵌入的水印又需要具有抵抗攻擊的魯棒性。這種水印方案稱為魯棒可逆水印，它以其特有的優(yōu)勢(shì)引起了國內(nèi)外研究者們的廣泛關(guān)注。
[0003]根據(jù)水印嵌入模型的不同，現(xiàn)有的魯棒可逆圖像水印方法可以分為三類。
[0004]第一類是基于直方圖旋轉(zhuǎn)的方法，該方法是基于Patchwork理論，利用數(shù)字圖像相鄰像素間的相關(guān)性生成質(zhì)心向量，并沿不同方向旋轉(zhuǎn)質(zhì)心向量來嵌入水印，見文獻(xiàn)“De Vleeschouwer C，Delaigle J, and Macq B.Circular interpretation of bijectivetransformationsin lossless watermarking for media asset management.1EEE Trans.Multimedia, 5(1):97-105, 2003”。該方法雖然對(duì)聯(lián)合圖像專家組JPEG壓縮具有魯棒性，但由于水印圖像存在嚴(yán)重的“椒鹽”噪聲，
[0005]顯著降低了含水印圖像的視覺質(zhì)量。
[0006]第二類是基于直方圖分布約束的方法，見文獻(xiàn)“Zou D K, Shi Y Q，Ni Z C，and Suff.A sem1-fragile lossless digital watermarking scheme based on integer wavelettransform.1EEE Trans.Circuits and Systems for Video Technology, 16(10):1294-1300，2006”和“Ni Z C, Shi Y Q, Ansari N, Su ff, Sun Q B, and Lin X.Robust lossless imagedata hiding designed for sem1-fragile image authentication.1EEE Trans.Circuitsand Systems for Video Technology, 18 (4): 497-509，2008”。此類方法根據(jù)數(shù)字圖像的直方圖分布，有規(guī)則地修改圖像的統(tǒng)計(jì)特性來實(shí)現(xiàn)水印嵌入與提取。與基于直方圖旋轉(zhuǎn)的方法相比，該類方法克服了含水印圖像的“椒鹽”噪聲，提高了水印圖像的視覺質(zhì)量，但卻存在容量低、可逆性與魯棒性不穩(wěn)定的缺陷。[0007]第三類方法是基于廣義統(tǒng)計(jì)量直方圖與聚類的方法，見文獻(xiàn)“An L L, GaoX B，Yuan Y，and Tao D C.Robust lossless data hiding using clustering andstatistical quantity histogram.Neurocomputing，77 (I): 1-11，2012，，和“Li X L，Tao DC，Deng C and Li J.Robust reversible watermarking via clustering and enhancedpixel-wise masking.1EEE Transactions on Image Processing，21 (8): 3598-3611，2012，，。該類方法基于廣義統(tǒng)計(jì)量直方圖平移與聚類算法實(shí)現(xiàn)了水印的無損嵌入與魯棒提取，增強(qiáng)了水印抗攻擊的魯棒性。雖然該類方法與前兩類方法相比，提升了水印抵抗JPEG壓縮與加性高斯噪聲的魯棒性，但其抵抗復(fù)雜攻擊的魯棒性欠缺，而且在容量、不可感知性及魯棒性三方面的綜合性能有待進(jìn)一步提高。

【發(fā)明內(nèi)容】

[0008]本發(fā)明目的是增強(qiáng)目前數(shù)字圖像水印技術(shù)對(duì)于復(fù)雜攻擊的魯棒性的抵抗性能，提高魯棒可逆水印方法在容量、不可感知性及魯棒性三方面的綜合性能，提供一種基于特征區(qū)域幾何優(yōu)化的魯棒可逆水印嵌入和提取方法。
[0009]為達(dá)上述目的，本發(fā)明技術(shù)方案是:一種基于特征區(qū)域幾何優(yōu)化的魯棒可逆水印嵌入方法，包括如下步驟: [0010]I)、獲取原始圖像的低頻子帶:對(duì)原始圖像I進(jìn)行三級(jí)提升小波變換，得到其第三級(jí)小波分解尺度下的低頻子帶R3，a ；
[0011]2)、獲取初始特征點(diǎn)集合:利用多尺度Harris特征檢測(cè)算子Harris-Affine在低頻子帶R3，a中提取仿射不變特征點(diǎn)，得到初始特征點(diǎn)集合A:利用多尺度Harris特征檢測(cè)算子Harris-Affine在低頻子帶R3，a中提取仿射不變特征點(diǎn)，得到初始特征點(diǎn)集合A =(Ai, i = l,2,…mj ,其中Ai表示第i個(gè)特征點(diǎn),初始特征點(diǎn)集合A的五個(gè)屬性包括特征點(diǎn)
的橫坐標(biāo)特征點(diǎn)的縱坐標(biāo)為特征點(diǎn)的強(qiáng)度 <，特征點(diǎn)的特征尺度岑，特征點(diǎn)橢圓參數(shù)4*、4*與為c ’ mi表示初始特征點(diǎn)的個(gè)數(shù)；
[0012]3)、獲取候選特征點(diǎn)集合:選取初始特征點(diǎn)集合A中滿足特征尺度向量ξ要求的中間尺度特征點(diǎn)，得到候選特征點(diǎn)集合B:將初始特征點(diǎn)集合A中每個(gè)特征點(diǎn)的特征尺度
與特征尺度向量ξ = [I1, I2]進(jìn)行比較，選取滿足條件的中間尺度特征點(diǎn)，得到候選特征點(diǎn)集合B = (Bi, i = l,2, ---1ii2I,其中m2表示候選特征點(diǎn)的個(gè)數(shù)；
[0013]4)、獲取候選特征區(qū)域集合:利用候選特征點(diǎn)集合B中的每個(gè)特征點(diǎn)，分別構(gòu)造其仿射協(xié)變特征區(qū)域，得到候選特征區(qū)域集合S:對(duì)候選特征點(diǎn)集合B中的每個(gè)特征點(diǎn)Bi，利用公式
[0014]K [、..():'.4 ^r1-V - B: ){y - B: ), B: (y - B: ):、<1
[0015]構(gòu)造其仿射協(xié)變特征區(qū)域，得到候選特征區(qū)域集合S =味，i = 1，2，…m2}，其中X與y分別表示低頻子帶R3，a中任意滿足上述不等式約束的元素橫坐標(biāo)與縱坐標(biāo)，焉1表示
特征點(diǎn)Bi的橫坐標(biāo)，表示特征點(diǎn)Bi的縱坐標(biāo),B':'、β!: 1J 表示特征點(diǎn)Bi橢圓參數(shù)；
[0016]5)、計(jì)算候選特征區(qū)域關(guān)聯(lián)矩陣:根據(jù)候選特征區(qū)域集合S，計(jì)算候選特征區(qū)域關(guān)聯(lián)矩陣P ；
[0017]6)、計(jì)算候選關(guān)聯(lián)權(quán)值向量:利用候選特征區(qū)域關(guān)聯(lián)矩陣P，計(jì)算候選關(guān)聯(lián)權(quán)值向量L ；
[0018]7)、獲取篩選特征區(qū)域集合:從候選關(guān)聯(lián)權(quán)值向量L中查找出最大權(quán)值的位置索引k，更新候選特征區(qū)域關(guān)聯(lián)矩陣P和候選關(guān)聯(lián)權(quán)值向量L，得到篩選特征區(qū)域集合H ；
[0019]8)、獲取圓形特征區(qū)域集合:對(duì)篩選特征區(qū)域集合H進(jìn)行歸一化處理，得到圓形特征區(qū)域集合Q = (Qi, i = l,2,…m3}, m3表示篩選特征區(qū)域的個(gè)數(shù)；
[0020]9)、得到特征圖像:利用圓形特征區(qū)域集合Q對(duì)低頻子帶R3，a進(jìn)行系數(shù)置零化處理，得到特征圖像C ;
[0021]10)、得到密鑰圖像:將灰度水印圖像W和特征圖像C進(jìn)行按位異或運(yùn)算，得到密鑰圖像D ；
[0022]11)、獲取密鑰信息:利用可逆元胞自動(dòng)機(jī)對(duì)密鑰圖像D與特征尺度向量ξ進(jìn)行加密得到密鑰信息G。
[0023]上述步驟5)具體包括以下子步驟:
[0024]5.1)計(jì)算候選特征區(qū)域集合S中每個(gè)候選特征區(qū)域Si對(duì)應(yīng)特征點(diǎn)的二階矩陣Gi,i = 1，2，...m2:
【權(quán)利要求】
1.一種基于特征區(qū)域幾何優(yōu)化的魯棒可逆水印嵌入方法，其特征在于，包括如下步驟: 1)、獲取原始圖像的低頻子帶:對(duì)原始圖像I進(jìn)行三級(jí)提升小波變換，得到其第三級(jí)小波分解尺度下的低頻子帶R3，a; 2)、獲取初始特征點(diǎn)集合:利用多尺度Harris特征檢測(cè)算子Harris-Affine在低頻子帶rU中提取仿射不變特征點(diǎn)，得到初始特征點(diǎn)集合A:利用多尺度Harris特征檢測(cè)算子Harris-Affine在低頻子帶R3，a中提取仿射不變特征點(diǎn)，得到初始特征點(diǎn)集合A = (Ai, i=I, 2，…mj ,其中Ai表示第i個(gè)特征點(diǎn),初始特征點(diǎn)集合A的五個(gè)屬性包括特征點(diǎn)的橫ΨΜ ?，特征點(diǎn)的縱坐標(biāo)」特征點(diǎn)的強(qiáng)度」.特征點(diǎn)的特征尺度」.特征點(diǎn)橢圓參數(shù).: ?與4、IH1表示初始特征點(diǎn)的個(gè)數(shù)； 3)、獲取候選特征點(diǎn)集合:選取初始特征點(diǎn)集合A中滿足特征尺度向量ξ要求的中間尺度特征點(diǎn)，得到候選特征點(diǎn)集合B:將初始特征點(diǎn)集合A中每個(gè)特征點(diǎn)的特征尺度4*’與特征尺度向量ξ = [L，I2]進(jìn)行比較，選取滿足A條件的中間尺度特征點(diǎn)，得到候選特征點(diǎn)集合B = (Bi, i = l,2, ---1ii2I,其中m2表示候選特征點(diǎn)的個(gè)數(shù)； 4)、獲取候選特征區(qū)域集合:利用候選特征點(diǎn)集合B中的每個(gè)特征點(diǎn)，分別構(gòu)造其仿射協(xié)變特征區(qū)域，得到候選特征區(qū)域集合S:對(duì)候選特征點(diǎn)集合B中的每個(gè)特征點(diǎn)Bi,利用公式
2.如權(quán)利要求1所述的魯棒可逆水印嵌入方法，其特征在于，所述步驟5)具體包括以下子步驟:`5.1)計(jì)算候選特征區(qū)域集合S中每個(gè)候選特征區(qū)域Si對(duì)應(yīng)特征點(diǎn)的二階矩陣Gi, i =
3.如權(quán)利要求1所述的魯棒可逆水印嵌入方法，其特征在于，所述步驟6)的具體過程是:利用候選特征區(qū)域關(guān)聯(lián)矩陣P，計(jì)算候選關(guān)聯(lián)權(quán)值向量L，其第i個(gè)候選特征點(diǎn)的關(guān)聯(lián)權(quán)值計(jì)算規(guī)則如下:

4.如權(quán)利要求1所述的魯棒可逆水印嵌入方法，其特征在于，所述步驟7)具體包括以下步驟: `7.1)從候選關(guān)聯(lián)權(quán)值向量L中查找出最大權(quán)值的位置索引k，利用如下公式更新候選特征區(qū)域關(guān)聯(lián)矩陣P和候選關(guān)聯(lián)權(quán)值向量L ；
5.如權(quán)利要求1所述的魯棒可逆水印嵌入方法，其特征在于，步驟11)的具體過程是: .11.1)依次將密鑰圖像D中每個(gè)灰度值轉(zhuǎn)換成8位二進(jìn)制序列，其中密鑰圖像D中第(i，j)位置的灰度值D(i，j)所轉(zhuǎn)換成的二進(jìn)制序列表示為
6.如權(quán)利要求1至5中任一權(quán)利要求所述的魯棒可逆水印嵌入方法，其特征在于，還包括步驟12)、將密鑰信息G注冊(cè)到知識(shí)產(chǎn)權(quán)信息數(shù)據(jù)庫中。
7.一種基于特征區(qū)域幾何優(yōu)化的魯棒可逆水印提取方法，其特征在于，包括如下步驟: a)、利用可逆元胞自動(dòng)機(jī)對(duì)密鑰信息G進(jìn)行解密，得到密鑰圖像D與特征尺度向量ξ； b)、將待檢測(cè)圖像GAMMA進(jìn)行三級(jí)提升小波變換，得到其第三級(jí)小波分解尺度下的低頻子帶 R' 3,a: 將大小為MXN的原始圖像I'進(jìn)行三級(jí)提升小波變換，得到一組小波分解子帶序列R' = {R, t，a，R' t，h，R' t，v，R' t，d}，其中，整數(shù)t為分解尺度，I≤t≤3，R' t，a為第t級(jí)小波分解尺度下的低頻子帶，V t，h為第t級(jí)小波分解尺度下的水平子帶，R' t，v為第t級(jí)小波分解尺度下的垂直子帶，Ri t；d為第t級(jí)小波分解尺度下的對(duì)角子帶，從子帶序列R'中選擇大小為
8.如權(quán)利要求7所述的魯棒可逆水印提取方法，其特征在于，步驟a)包括以下子步驟: al)將密鑰信息G和共享特征向量作為可逆元胞自動(dòng)機(jī)的初始狀態(tài)，利用可逆元胞自動(dòng)機(jī)解密方法對(duì)其進(jìn)行解密，得到密鑰圖像二進(jìn)制序列Db和特征尺度向量二進(jìn)制序列W，其中可逆元胞自動(dòng)機(jī)規(guī)則為41R，迭代次數(shù)為10。 a2)從特征尺度向量二進(jìn)制序列Ib,中首先提取出第I到第8位二進(jìn)制值
9.如權(quán)利要求7所述的魯棒可逆水印提取方法，其特征在于，步驟f )包括以下子步驟: fl)計(jì)算候選特征區(qū)域集合S'中每個(gè)候選特征區(qū)域Si'對(duì)應(yīng)特征點(diǎn)的二階矩矩陣
10.如權(quán)利要求7所述的魯棒可逆水印提取方法，其特征在于，所述步驟g)的具體過程是:利用候選特征區(qū)域關(guān)聯(lián)矩陣P,，計(jì)算候選關(guān)聯(lián)權(quán)值向量L,，其第i個(gè)候選特征點(diǎn)的關(guān)聯(lián)權(quán)值計(jì)算規(guī)則如下:
11.如權(quán)利要求7所述的魯棒可逆水印提取方法，其特征在于，所述步驟h)包括以下子步驟: hi)從候選關(guān)聯(lián)權(quán)值向量L'中查找出最大權(quán)值的位置索引k'，利用如下公式更新候選特征區(qū)域關(guān)聯(lián)矩陣P,和候選義.聯(lián)權(quán)伯1.'；
【文檔編號(hào)】G06T1/00GK103927709SQ201410102739
【公開日】2014年7月16日 申請(qǐng)日期:2014年3月19日 優(yōu)先權(quán)日:2014年3月19日
【發(fā)明者】安玲玲, 尹廣學(xué), 吳卿, 高新波, 萬波, 王泉 申請(qǐng)人:西安電子科技大學(xué)昆山創(chuàng)新研究院, 西安電子科技大學(xué)