CN101901470A - 基于能量域半脆弱水印的图像篡改检测及恢复方法 - Google Patents

Abstract

基于能量域半脆弱水印的图像篡改检测及恢复方法，首先在图像分块的基础上，通过提取亮度差值作为初始水印，在对该初始水印做卷积编码和置乱的基础上，将水印信息嵌入到沃尔什-哈达玛变换后的图像块中，最后对图像做沃尔什-哈达玛反变换以完成图像水印嵌入，得到含水印图片；在水印提取与检测端通过对嵌入水印的图像分块，经过沃尔什-哈达玛变换、比特反置乱和卷积编码等操作，提取图像水印，通过图像亮度等信息与水印信息的比对进行篡改初步检测和篡改精确检测，定位篡改区域；由维特比译码来恢复篡改区域。本发明可以抵抗JPEG及JPEG2000等有损压缩和高比例的有损压缩攻击，在检测时不需要额外的信息，可以实现水印的盲检测以及篡改图像的恢复。

Description

基于能量域半脆弱水印的图像篡改检测及恢复方法

技术领域

本发明涉及的是一种数字水印领域的图像篡改检测及恢复方法，具体是一种基于能量域半脆弱水印的图像篡改检测及恢复方法。

背景技术

数字图像的广泛应用带来了其内容真实性鉴别的问题。特别是随着各种高质量和高精度的图像处理设备及大量的数字图像处理软件的出现，使得对数字图像的编辑修改更加方便。当前针对图像篡改的鉴定主要采用半脆弱的数字水印技术，该技术即对合法失真具有鲁棒性，又对不合法的失真具有敏感性，并具有一定的定位能力和原图恢复能力。

经过文献检索，Yu和Lu在文章“Mean quantization blind watermarking for imageauthentication[C]”(IEEE International Conference on Image Processing，VancouverBC，Canada.2000，3：706-709)中提出了一个数字图像认证方法，具体为：通过把均值量化技术量化的小波系数的加权平均值作为嵌入水印的位置。该算法把由于恶意篡改和附带失真引起的小波系数修改量都进行建模，两者分别具有小方差和大方差的高斯分布。该文章认为小波系数的变化服从小方差高斯分布，对图像进行恶意攻击导致的小波系数变化往往具有较大的方差，而由偶然因素造成图像失真引起的系数变化往往具有较小的方差，从而将恶意篡改与非恶意篡改区分开来。此技术在鉴定中不需要借助原始图像，既可以检测恶意篡改，又可以容忍压缩附带引起的可接受的失真。但该方法不能很好的从被篡改的图像中恢复原始图像。

再经检索发现，Lan和Tewfik在文章“Robust high capacity data embedding[C]”(《高鲁棒性大容量数据嵌入》)(ICASSP 2001，Utab.April 2001)(2001年国际声学、语音和信号处理会议)中提出一种基于JPEG(联合图像专家组)编码方法的半脆弱水印技术，其方法为：先对原始图像的每个8×8图像块进行DCT(离散余弦变换)变换，接着把各个图像块的信号按顺序排列，用Hilbert扫描成向量空间，对照JPEG量化表再把向量分解成更小子向量，将该子向量纵向排列形成Hadamard矩阵，把每个块采用Zig-zag扫描法选取的DCT系数进行奇偶性量化，将调制后的DCT系数逆扫描得到嵌入水印的图像块，结合图像块形成含水印的图像。最后通过比较待测图像的量化系数与原图量化系数的奇偶性相符情况完成认证。这种方法对正常图像处理操作反应敏感。但该方法不能用于盲检测，并且不能从被篡改的图像恢复原始图像。

发明内容

本发明针对现有技术存在的上述不足，提供一种基于能量域的卷积误码的图像篡改检测及恢复方法，可以抵抗JPEG及JPEG2000等有损压缩和高比例的有损压缩攻击；以分块的方式精确的定位图像被篡改的位置，恢复原始图像像素信息；以可控的方式控制对图片质量的影响；在检测时不需要额外的信息，可以实现水印的盲检测以及篡改图像的恢复。

本发明是通过以下技术方案实现的，首先在图像分块的基础上，通过提取亮度差值作为初始水印，在对该初始水印做卷积编码和置乱的基础上，将水印信息嵌入到沃尔什—哈达玛变换后的图像块中，最后对图像做沃尔什—哈达玛反变换以完成图像水印嵌入，得到含水印图片；

在水印提取与检测端通过对嵌入水印的图像分块，经过沃尔什-哈达玛变换、比特反置乱和卷积编码等操作，提取图像水印，通过图像亮度等信息与水印信息的比对进行篡改初步检测和篡改精确检测，定位篡改区域；

由维特比译码来恢复篡改区域。

所述的图像水印嵌入的过程如下：

将水印载体图片以8×8的大小进行分块，计算相邻图像块之间亮度的绝对差值作为水印内容，用二个二进制比特表示，用卷积码(12，1，2)对所得到的全部水印内容进行卷积编码；将该卷积编码组成矩阵，利用反复的对角线方式扫描来形成置乱结果，以得到嵌入比特值；

对水印载体图片进行大小为4×4的分块，分别对每个块进行沃尔什—哈达玛变换，变换公式为F＝H_M×f×H_N，其中变换矩阵为：

${H^{\′}}_8=\frac{1}{2\sqrt{2}}\left[\begin{array}{cccccccc}1& 1& 1& 1& 1& 1& 1& 1\\ 1& 1& 1& 1& -1& -1& -1& -1\\ 1& 1& -1& -1& -1& -1& 1& 1\\ 1& 1& -1& -1& 1& 1& -1& -1\\ 1& -1& -1& 1& 1& -1& -1& 1\\ 1& -1& -1& 1& -1& 1& 1& -1\\ 1& -1& 1& -1& -1& 1& -1& 1\\ 1& -1& 1& -1& 1& -1& 1& -1\end{array}\right]$

并提取变换后的直流分量，根据嵌入比特量化沃尔什—哈达玛变换的直流分量，最后，将4×4大小图像块再进行沃尔什—哈达玛变换，变换公式为f＝H_M×F×H_N，用以上方法依次对每个4×4大小图像块嵌入水印，直到所有的块都已经完成嵌入；

其中：

卷积码(12，1，2)代表：卷积编码，它是一个由线性的、有限状态的移位寄存器而产生的编码，该移位寄存器由12级(每级1比特)和2个线性的代数函数生成器构成。即该编码器将12组，每组1个比特的比特组通过移位产生两个比特的编码结果；

f：以矩阵形式表述的原始数据信号；

H_M：沃尔什-哈达玛矩阵，其中M取值为8；

H_N：沃尔什-哈达玛矩阵，其中N取值为8；

F：原始信号经过沃尔什-哈达玛变换后的矩阵信号；

H’₈：N＝8时的沃尔什-哈达玛变换矩阵H_N，即本方法采用的沃尔什-哈达玛矩阵。

上述的量化方法如下：

在X轴的正坐标区以Δq的间隔划分为若干个区间，区间的每一个端点都代表一个二进制比特，相邻的端点之间代表的比特不同：奇数倍的Δq的端点代表比特1；而偶数倍的Δq的端点代表比特0；在建立量化区间图以后，对介于i*Δq和(i+1)*Δq之间的待量化的值，比较嵌入比特与i*Δq代表的比特，二者相同的，以i*Δq代替被量化值，二者不同的，以(i+1)*Δq代替被量化值。

其中：

i：表示正整数，可取1、2、3....I，其中，I表示所分量化区间数量；

Δq：为量化间隔，即将一个数值区间分成I份，其中每一份的长度为Δq。

本发明所述的定位篡改区域的过程如下：

首先将待检测的含水印图片以4×4的大小进行分块，对每一个图像块进行沃尔什—哈达玛变换，并提取其直流分量，然后对该直流分量进行反量化，通过反量化提取出嵌入水印比特，并将所有提取的比特进行反置乱，然后经过维特比译码后，解码出原始水印内容，再将这个水印内容进行卷积编码，将该卷积编码的结果和从沃尔什—哈达玛变换中提取的水印比特比对进行篡改初步检测和篡改精确检测，从而定位篡改区域。

其中，所述的篡改初步检测和篡改精确检测的过程如下：

篡改初步检测：对提取的水印内容卷积编码的结果和从沃尔什—哈达玛变换中提取的水印比特进行比对，标出比对后比特位不相符的位置的图像块；

篡改精确检测：将含水印图片以8×8的大小进行分块，对相邻图像块的亮度进行差分编码，并将编码结果与维特比译码结果进行比对，标出比对后比特位不相同的图像块；

最后将篡改初步检测中的检测结果与篡改精确检测结果进行叠加，输出最后的篡改检测结果。

上述的反量化方法如下：

用与量化方法相同的划分区间的方法产生量化区间，比较嵌入的水印数据与量化区间，如果嵌入的水印数据介于i*Δq和(i+1)*Δq之间时，分别计算嵌入的水印数据与两个端点的距离长度，取更近的端点值代表的比特为所要提取的比特。

其中：

i：表示正整数，可取1、2、3…I，其中，I表示所分量化区间数量，该值由Δq决定；

Δq：为量化间隔，即将一个数值区间分成I份，其中每一份的长度为Δq。

本发明所述的恢复篡改区域方法如下：

对于检测到受到篡改的图像，根据篡改初步检测和篡改精确检测的结果，定位出的受到篡改的区域，利用含水印图片取得图像亮度的初始值，然后利用维特比译码解码出的原图亮度差分值，通过迭代累加恢复出被篡改位置原像素的亮度信息。

本发明的图像的篡改初步检测和篡改精确检测及恢复篡改是在通用PC机上使用C++编程语言进行。

本发明结合传统的半脆弱水印图像防篡改的方法，利用某些能量域变换如沃尔什-哈达玛变换速度快、复杂度低、变换后能量集中性高的特点以及卷积编码速度快，抗干扰能力强的特点，创新性的采用卷积码误码来实现水印篡改检测，可以非常有效的抵抗住各种有损压缩，并可由原始图像和水印信息对被篡改的图像进行恢复。

附图说明

图1为本发明的流程图。

图2为本发明的水印嵌入流程图。

图3为本发明的篡改初步检测与篡改精确检测流程图。

图4为本发明的恢复篡改图像流程图。

图5为本发明应用于名为飞机的512×512灰度(原图是彩色，递交的打印图为黑白)图片的效果图，其中：

a.是篡改图片；

b.是初步检测结果；

c.是精确检测结果；

d.是恢复结果。

图6为本发明应用于有损压缩攻击试验的效果图，其中：

a1是原始图像；

a2是篡改图像；

b1是JPEG85％质量的篡改检测结果；

b2是JPEG85％质量的恢复结果；

c1是JPEG65％质量的篡改检测结果；

c2是JPEG85％质量的恢复结果；

d1是JPEG45％质量的篡改检测结果；

d2是JPEG45％质量的恢复结果；

e1是JPEG25％质量的篡改检测结果；

e2是JPEG25％质量的恢复结果；

f1是JPEG2000压缩比10∶1的篡改检测结果；

f2是JPEG2000压缩比10∶1的恢复结果；

g1是JPEG2000压缩比15∶1的篡改检测结果；

g2是JPEG2000压缩比15∶1的恢复结果；

h1是JPEG2000压缩比20∶1的篡改检测结果；

h2是JPEG2000压缩比20∶1的恢复结果。

具体实施方式

下面结合附图以实施例对本发明作详细说明，实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例1

本实施例采用静态图像灰度图片LENA作为水印载体图片，在该实例中，

第一步：参见图2，将水印载体图片LENA以8×8的大小进行分块，计算相邻图像块之间亮度的绝对差值作为水印内容。用二个二进制比特表示。用卷积码(12，1，2)对所得到的全部水印内容进行卷积编码。将该卷积编码组成矩阵，利用反复的对角线方式扫描来形成置乱结果，以得到嵌入比特值。对水印载体图片进行大小为4×4的分块，分别对每个块进行沃尔什—哈达玛变换(图2简称沃尔什变换)，变换公式为F＝H_M×f×H_N，其中变换矩阵为

${H^{\′}}_8=\frac{1}{2\sqrt{2}}\left[\begin{array}{cccccccc}1& 1& 1& 1& 1& 1& 1& 1\\ 1& 1& 1& 1& -1& -1& -1& -1\\ 1& 1& -1& -1& -1& -1& 1& 1\\ 1& 1& -1& -1& 1& 1& -1& -1\\ 1& -1& -1& 1& 1& -1& -1& 1\\ 1& -1& -1& 1& -1& 1& 1& -1\\ 1& -1& 1& -1& -1& 1& -1& 1\\ 1& -1& 1& -1& 1& -1& 1& -1\end{array}\right]$

并提取变换后的直流分量。根据嵌入比特量化沃尔什—哈达玛变换的直流分量，量化方法如下：在X轴的正坐标区以Δq＝12的间隔划分区间，区间的每一个端点都代表一个二进制比特，相邻的端点之间代表的比特不同。例如，奇数倍的Δq(Δq，3Δq，5Δq，…)的端点代表比特1；而偶数倍的Δq(2Δq，4Δq，6Δq，…)的端点代表比特0。在建立量化区间图以后，如果待量化的值介于i*Δq和(i+1)*Δq之间时，此时看要嵌入的水印比特，如果嵌入的比特与i*Δq代表的比特相同，则以i*Δq代替被量化值，否则以(i+1)*Δq代替被量化值。通过以上的量化过程完成嵌入操作。最后，将4×4大小图像块再进行沃尔什—哈达玛变换，变换公式为f＝H_M×F×H_N。用以上方法依次对每个4×4大小图像块嵌入水印，直到所有的块都已经完成嵌入。

最后对图像做沃尔什-哈达玛反变换以完成图像水印嵌入，得到含水印图片。

嵌入完成后对含水印的图片按照峰值信噪比(PSNRP，即Peak Signal Noise Ratio)的公式计算其值。计算公式如下：

$\mathrm{PSNR}=10{\log }_{10}\frac{{255}^2}{\frac{1}{\mathrm{MN}}\underset{m=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{[f(m,n)-g(m,n)]}^2}$

令e(m，n)＝f(m，n)-g(m，n)

$\mathrm{PSNR}=10{\log }_{10}\frac{{255}^2}{E\left(e{(m,n)}^2\right)}$

$=10{\log }_{10}\frac{{255}^2}{D\left(e(m,n)\right)+E{\left(e(m,n)\right)}^2}$

其中：E(.)表示均值，D(.)表示方差。对于嵌入水印后的LENA图像，其峰值信噪比为43.0948，表明本方法嵌入的水印数据对原始图像的效果影响不大。

其中：

卷积码(12，1，2)代表：卷积编码，它是一个由线性的、有限状态的移位寄存器而产生的编码，该移位寄存器由12级(每级1比特)和2个线性的代数函数生成器构成。即该编码器将12组，每组1个比特的比特组通过移位产生两个比特的编码结果；

f：以矩阵形式表述的原始数据信号；

H_M：沃尔什-哈达玛矩阵，其中M＝8；

H_N：沃尔什-哈达玛矩阵，其中M＝8；

F：经过沃尔什-哈达玛变换后的矩阵信号；

H’₈：N＝8时的沃尔什-哈达玛变换矩阵H_N；

i：正整数，f∈(0～I)，I是所分量化区间数量。

第二步：参见图3，首先将待检测的含水印图片以4×4的大小进行分块，对每一个图像块进行沃尔什—哈达玛变换(图3简称沃尔什变换)，并提取其直流分量，然后对该直流分量进行反量化，通过反量化提取出嵌入水印比特，并将所有提取的比特进行反置乱，然后经过维特比译码后，解码出原始水印内容，再将这个水印内容进行卷积编码。利用该卷积编码的结果和从沃尔什—哈达玛变换中提取的水印比特可以进行篡改初步检测和篡改精确检测。

所述的反量化是指：用水印嵌入端相同的划分方法产生量化区间，取量化区间为Δq＝12，将嵌入的水印数据与量化区间比较，如果嵌入的水印数据介于i*Δq和(i+1)*Δq之间时，分别计算嵌入的水印数据与两个端点的距离长度，取更近的端点值代表的比特为所要提取的比特。

其中：

i：表示正整数，可取1、2、3…I，其中，I表示所分量化区间数量，该值由Δq决定。

Δq：为量化间隔，即将一个数值区间分成I份，其中每一份的长度为Δq。

所述篡改初步检测是指：提取的水印内容卷积编码的结果和从沃尔什—哈达玛变换中提取的水印比特进行比对，如果比特位不相符，则说明此位置的图像块受到篡改，将其标出。

所述的精确检测是指：将含水印图片以8×8的大小进行分块，对相邻图像块的亮度进行差分编码，并将编码结果与维特比译码结果(水印内容)进行比对，如果有比特位不相同，则说明此图像块的图像受到篡改，将其标出。

最后将篡改初步检测中的检测结果与精确检测结果进行叠加，输出最后的篡改检测结果。

第三步：参见图4。根据篡改初步检测和精确篡改检测的结果，在受到篡改的区域，利用含水印图片取得图像亮度的初始值，然后利用维特比解码出的原图亮度差分值，通过迭代累加恢复出被篡改位置原像素的亮度信息。

本发明的图像的篡改初步检测和精确篡改检测及恢复篡改是在通用PC机上使用C++编程语言进行。

实施例2

将以上的方法应用于名为飞机的512×512灰度(彩色)图片作为水印载体图片，并在原图像飞机的上方再添加一架飞机(如图5.a所示)。为了精确定位图像篡改位置，分块的大小为4×4。将图片应用于以上篡改检测流程。篡改检测的结果如图5.b所示，可以清晰地看到图像被篡改的区域；精确检测的结果如图5.c所示，原图恢复结果如图5.d。

实施例3

将本方法应用于LENA图片，作有损压缩攻击试验。实验效果图如图6所示，从实际效果来看，取Δq＝17然后分别列出在各种情况下，包括：JPEG85％、65％、40％、25％质量，JPEG2000压缩比分别为10∶1、15∶1、20∶1时的篡改检测结果，并对篡改区域的进行原图恢复，其结果如图6所示。

以上实验使用典型测试图片，分别从水印的构造与嵌入、静态图像的篡改的检测与恢复等方面对本发明进行了检测，从而证明了本方法的有效性。

Claims (5)

1.一种基于能量域半脆弱水印的图像篡改检测及恢复方法，其特征在于：

首先在图像分块的基础上，通过提取亮度差值作为初始水印，在对该初始水印做卷积编码和置乱的基础上，将水印信息嵌入到沃尔什-哈达玛变换后的图像块中，最后对图像做沃尔什-哈达玛反变换以完成图像水印嵌入，得到含水印图片；

在水印提取与检测端通过对嵌入水印的图像分块，经过沃尔什-哈达玛变换、比特反置乱和卷积编码等操作，提取图像水印，通过图像亮度等信息与水印信息的比对进行篡改初步检测和篡改精确检测，定位篡改区域；

由维特比译码来恢复篡改区域。

2.根据权利要求1所述的基于能量域半脆弱水印的图像篡改检测及恢复方法，其特征是：所述的图像水印嵌入的过程如下：

将水印载体图片以8×8的大小进行分块，计算相邻图像块之间亮度的绝对差值作为水印内容，用二个二进制比特表示，用卷积码(12，1，2)对所得到的全部水印内容进行卷积编码；将该卷积编码组成矩阵，利用反复的对角线方式扫描来形成置乱结果，以得到嵌入比特值；

对水印载体图片进行大小为4×4的分块，分别对每个块进行沃尔什-哈达玛变换，变换公式为F＝H_M×f×H_N，其中变换矩阵为：

并提取变换后的直流分量，根据嵌入比特量化沃尔什-哈达玛变换的直流分量，最后，将4×4大小图像块再进行沃尔什-哈达玛变换，变换公式为f＝H_M×F×H_N，用以上方法依次对每个4×4大小图像块嵌入水印，直到所有的块都已经完成嵌入；

其中：

卷积码(12，1，2)代表：卷积编码，它是一个由线性的、有限状态的移位寄存器而产 生的编码，该移位寄存器由12级(每级1比特)和2个线性的代数函数生成器构成。即该编码器将12组，每组1个比特的比特组通过移位产生两个比特的编码结果；

f：以矩阵形式表述的原始数据信号；

H_M：沃尔什-哈达玛矩阵，其中M取值为8；

H_N：沃尔什-哈达玛矩阵，其中N取值为8；

F：原始信号经过沃尔什-哈达玛变换后的矩阵信号；

H’₈：N＝8时的沃尔什-哈达玛变换矩阵H_N，即本方法采用的沃尔什-哈达玛矩阵。

3.根据权利要求2所述的基于能量域半脆弱水印的图像篡改检测及恢复方法，其特征是：量化方法如下：

在X轴的正坐标区以Δq的间隔划分为若干个区间，区间的每一个端点都代表一个二进制比特，相邻的端点之间代表的比特不同：奇数倍的Δq的端点代表比特1；而偶数倍的Δq的端点代表比特0；在建立量化区间图以后，对介于i*Δq和(i+1)*Δq之间的待量化的值，比较嵌入比特与i*Δq代表的比特，二者相同的，以i*Δq代替被量化值，二者不同的，以(i+1)*Δq代替被量化值；

其中：

i：表示正整数，可取1、2、3....I，其中，I表示所分量化区间数量；

Δq：为量化间隔，即将一个数值区间分成I份，其中每一份的长度为Δq。

4.根据权利要求1所述的基于能量域半脆弱水印的图像篡改检测及恢复方法，其特征是：所述的定位篡改区域的过程如下：

首先将待检测的含水印图片以4×4的大小进行分块，对每一个图像块进行沃尔什-哈达玛变换，并提取其直流分量，然后对该直流分量进行反量化，通过反量化提取出嵌入水印比特，并将所有提取的比特进行反置乱，然后经过维特比译码后，解码出原始水印内容，再将这个水印内容进行卷积编码，将该卷积编码的结果和从沃尔什-哈达玛变换中提取的水印比特比对进行篡改初步检测和篡改精确检测，从而定位篡改区域。

5.根据权利要求1或4所述的基于能量域半脆弱水印的图像篡改检测及恢复方法，其特征是：所述的篡改初步检测和篡改精确检测的过程如下：

篡改初步检测：对提取的水印内容卷积编码的结果和从沃尔什-哈达玛变换中提取的水印比特进行比对，标出比对后比特位不相符的位置的图像块；

篡改精确检测：将含水印图片以8×8的大小进行分块，对相邻图像块的亮度进行差分编码，并将编码结果与维特比译码结果进行比对，标出比对后比特位不相同的图像块；

最后将篡改初步检测中的检测结果与篡改精确检测结果进行叠加，输出最后的篡改检测结果。 

Images