CN102024248A - 基于局部视觉关注的数字图像水印方法 - Google Patents

Abstract

本发明涉及多媒体信息安全中信息隐藏与数字水印技术领域，包括椭圆局部特征区域的自适应划分和基于局部视觉关注的数字图像水印的嵌入与提取。本发明结合图像局部区域自身特征，首先利用性能稳定的SIFT算子提取图像特征点，并通过基于最小生成树聚类算法的选择策略获得一组稳定且彼此独立的椭圆仿射协变特征区域，然后基于局部特征区域，利用椭圆归一化得到具有缩放和旋转不变性的圆形区域.将圆形区域进行DFT变换，最后将水印嵌入变换后中频区域中。该方法在检测数字水印时，不需要原始载体。仿真实验结果表明，该数字图像水印算法能够有效的抵抗含水印图像所受到的去同步攻击，同时对于常规攻击也有很好的鲁棒性。

Description

基于局部视觉关注的数字图像水印方法

技术领域

本发明所述的基于局部视觉关注的数字图像水印方法，属于多媒体信息安全中信息隐藏与数字水印技术领域，具体涉及一种鲁棒性图像水印新方法。

背景技术

目前加速发展的网络和多媒体数据的数字化极大地提高了信息表达的效率和准确性，随着因特网的日益普及，多媒体信息的交流已经达到前所未有的深度和广度。然而，随之出现的问题也愈加严重，不仅使数字产品安全质量得到质疑，而且严重损害了数字媒体原创者的版权和经济利益，对社会产生不良影响。因此，鲁棒的数字水印技术显得尤为重要。目前提出的水印算法一般能较好的抵抗图像常规处理，如低通滤波，JPEG压缩等；尽管如此，大多数算法仍无法很好的抵抗几何攻击，如旋转，缩放，平移等。几何攻击破坏了载体和水印之间的同步性，虽然载体中仍然含有水印，但是由此产生的同步误差使得检测器无法正确提取水印。因此，研究抵抗几何攻击的图像水印算法是一项极具挑战性的课题。

截止到目前，人们主要采用三种措施设计抗几何攻击图像水印方案，分别为构造几何不变量、隐藏模版或可识别结构、利用原始数据重要特征等。其中，前两种方案可以抵抗常规的信号处理和全局仿射变换，却无法有效抵抗局部失真、随机剪切、几何变换组合等较复杂攻击。第三类基于图像内容特征的方法，其基本思想是，利用图像中相对稳定的特征点标识水印嵌入位置，并在与每个特征点相对应的局部特征区域内独立地嵌入数字水印，同时利用特征点来定位和检测数字水印，从而有效抵抗去同步攻击。尽管如此，这类方法普遍存在局部特征区域不具有协变性，或区域虽具有协变性，但由于算子本身的不稳定性，所以对纵横比改变、剪切等几何攻击仍缺乏鲁棒性。针对上述现有技术中所存在的问题，研究设计一种新型的基于局部视觉关注的数字图像水印方法，从而克服现有技术中所存在的问题是十分必要的。

发明内容

鉴于上述现有技术中所存在的问题，本发明的目的是研究设计一种新型的基于局部视觉关注的数字图像水印方法，从而解决目前数字图像水印方法普遍存在局部特征区域不具有协变性，或区域虽具有协变性，由于算子本身的不稳定性，所以对纵横比改变、剪切等几何攻击仍缺乏鲁棒性等问题。本发明所述的基于局部视觉关注的数字图像水印方法，主要包括如下两个方面：椭圆局部特征区域的自适应划分和基于局部视觉关注的数字图像水印的嵌入与提取。

本发明所述的椭圆局部特征区域的自适应划分步骤如下：

第一步、椭圆中心位置的确定：

利用最小生成树(MST)聚类算法对特征点进行分类，将满足距离约束条件的特征点归为一类，对于同一类特征点，选择特征强度较大的特征点.以这些特征点的位置确定出椭圆形局部特征区域的中心，记为O_t(x，y)。

第二步、椭圆长短半轴的求取：

将第一步中确定的特征点O_t(x，y)所对应的特征尺度作为已知条件构造多项式，从而求得椭圆长短半轴，具体确定方法如下：

这里，A_t表示当前局部区域长轴；B_t表示当前局部区域短轴；s_t表示当前图像特征点的特征尺度；表示上取整；k，τ为自适应常数(正整数)，分别用于调节A_t，B_t的大小；A_t，B_t的上界为载体图像尺寸的一半(假设当前特征点位于图像的中心，该上界仅仅是理论上的，一般取不到)，A_t的下界为1，B_t的下界为

(当τ＝1时)，因此，A_t，B_t的理论取值范围是：

$1\≤A_t\≤\frac{\min (M,N)}{2}$

其中，M和N分别表示原始载体图像的长和宽；

第三步、椭圆方向角的求取：

取椭圆中心与其一片邻域的质心所确定的直线与x轴的夹角作为椭圆的方向角，记为θ_t

表示当前邻域半径，A_t，B_t为1.2中所求参数.因为几何矩m_pq(p，q＝1，2，…)定义为：

$m_{\mathrm{pq}}=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{i}^p{j}^{q}f(i,j)$

$i_c=\frac{m_{10}}{m_{00}}$

$j_c=\frac{m_{01}}{m_{00}}$

点p_t(i_c，j_c)即为质心坐标；

取得当前质心P_t点坐标后按上述方法即可求得椭圆局部特征区域的当前方向角θ_t；

第四步、协变性椭圆区域的确定；

获得参数A_t，B_t和θ_t后便可从载体图像中自适应地分割出椭圆局部特征区域.

本发明所述的基于局部视觉关注的数字图像水印的嵌入与提取步骤如下：

采用冗余嵌入策略，即将同一数字水印重复地嵌入到所有的局部特征区域内，数字图像水印的嵌入过程步骤如下：

第一步、由密钥Key产生一个大小为L的双极性序列W＝{w_i，i＝1，…，L}并作为数字水印；

第二步、利用SIFT算子从原始载体中提取图像特征点，以得到图像特征点集P＝{p_i，i＝1，…，n}；

第三步、以图像特征点为中心，从载体中自适应地划分出一系列椭圆局部特征区域O＝{o_k，k＝1，…，m}；

第四步、对每个椭圆局部特征区域O＝{o_k，k＝1，…，m}进行归一化，以方便嵌入与提取，实现水印的鲁棒性，记为O′＝{o_d，d＝1，…，m}；

第五步、对每一个o_d∈O′做“补0”操作，以得到一系列矩形子块T＝{t_d，d＝1，…，m}；对每一个t_d∈T做中心化DFT变换(变换原点为子图像中心)；

第六步、将数字水印嵌入到DFT域中；

第七步、通过IDFT变换将嵌有数字水印的矩形子块恢复到空间域，得到

再经“去0”操作后得到最后以

替换o_d；

第八步、将所得每一个嵌入水印的局部圆形区域o_d反归一化，得到含水印椭圆形局部特征区域o_c；当所有的局部特征区域o_c替换相应的o_k，即得到所需的含水印图像，完成了水印的嵌入；

数字图像水印的提取步骤如下：

第一步、使用与嵌入过程相同的密钥Key产生原始水印序列W＝{w_i，i＝1，…，L}；

第二步、利用SIFT算子从待检测图像中提取图像特征点，得到特征点集

$\tilde{P}=\{{\tilde{p}}_i,i=1,...,n\};$

第三步、以图像特征点为中心，从待检测图像中自适应地划分出一系列椭圆局部特征区域

第四步、对每个椭圆局部特征区域

进行归一化.以方便嵌入与提取，实现水印的鲁棒性.记为

第五步、对每一个

做“补0”操作，以得到一系列矩形子块再对每一个

做中心化DFT变换；

第六步、由DFT性质知，图像经历常规攻击或几何变换后，其频域上的嵌入区域大小基本保持不变；可以根据最初若干点的相对位置关系在环形区域[r₁，r_L]内选择一个与嵌入时大小位置相同的扇形区，并在其中按半径从小到大的顺序重新选择L个点

对于每一个同心圆C(r_i)，按如下规则提取水印：

${\tilde{w}}_i=\left\{\begin{array}{cc}1,& [\frac{\tilde{M}({\tilde{x}}_i,{\tilde{y}}_i)}{\tilde{M}({\tilde{y}}_i,-{\tilde{x}}_i)\·Q}+0.5]\%2=1\\ -1,& [\frac{\tilde{M}({\tilde{x}}_i,{\tilde{y}}_i)}{\tilde{M}({\tilde{y}}_i,-{\tilde{x}}_i)\·Q}+0.5]\%.2=0\end{array}\right.$

其中，

和

分别为点

和点

的幅值。

本发明所述的基于局部视觉关注的数字图像水印方法，结合椭圆特征区域的仿射协变性特征，提出了一种基于局部视觉特征的数字水印新方法。仿真实验结果表明，本方法不仅具有较好的不可感知性，且对常规图像处理及旋转、缩放、剪切、其他几何攻击和组合攻击均具有较好的鲁棒性。

本发明是结合图像局部区域自身特征，提出的图像数字水印嵌入方法.首先利用性能稳定的SIFT算子提取图像特征点，并通过基于最小生成树聚类算法的选择策略获得一组稳定且彼此独立的椭圆仿射协变特征区域，然后基于局部特征区域，利用椭圆归一化得到具有缩放和旋转不变性的圆形区域.将圆形区域进行DFT变换，最后将水印嵌入变换后中频区域中.该方法在检测数字水印时，不需要原始载体.达到了盲检测.仿真实验结果表明，该数字图像水印算法不仅能够有效的抵抗含水印图像在各种状态下所受到的去同步攻击，同时对于常规攻击也有很好的鲁棒性，此外该方法还具有计算简单、容易实现等特点，这大大增强了其用于数字水印作品版权保护的实用性.

本发明所述的基于局部视觉关注的数字图像水印方法，基本工作原理为：利用性能稳定的SIFT算子提取图像特征点，并通过基于最小生成树聚类算法的选择策略获得一组稳定且彼此独立的椭圆仿射协变特征区域，然后基于局部特征区域，利用椭圆归一化得到具有缩放和旋转不变性的圆形区域.将圆形区域进行DFT变换，最后将水印嵌入变换后中频区域中.该方法在检测数字水印时，不需要原始载体.达到了盲检测.

本发明是结合图像局部区域自身特征，提出的图像数字水印嵌入方法.能够有效的抵抗含水印图像在各种状态下所受到的去同步攻击，同时对于常规攻击也有很好的鲁棒性，此外该算法还具有计算简单、容易实现、抽取水印时无需原始载体图像等特点，这大大增强了其用于数字水印作品版权保护的实用性.

附图说明

本发明共有六组附图，其中：

图1：椭圆局部特征区域的自适应确定图(协变特性)

图2：椭圆归一化过程示意图.

图3：原始载体图像.

图4：嵌入水印后的含水印图像.

图5：未攻击图像检测效果图.

图6：受攻击图像检测效果图.

具体实施方式

本发明的具体实施例如附图所示，基于局部视觉关注的数字图像水印方法，主要包括如下两个方面：椭圆局部特征区域的自适应划分和基于局部视觉关注的数字图像水印的嵌入与提取。

1、椭圆局部特征区域的自适应划分

局部特征区域(LFRs)，是指以图像特征点为标识，从载体图像中分割出的一部分子图像.由于这些子图像反映了载体图像最重要的语义信息，故以之作为数字水印的嵌入和检测区域，即相当于把数字水印与载体图像的内容特征捆绑在一起，可以获得较好的鲁棒性.本文采用具有良好方向性的椭圆局部特征区域，并且利用特征尺度和图像内容自适应的确定局部特征区域大小与方向.具体方法如下：

1.1椭圆中心位置的确定

由于特征尺度仅取决于图像局部特性，且其大小随图像局部特性改变而改变.但特征尺度小的特征点，其稳定性较低；而特征尺度大的特征点形成的特征区域交叠严重，因此我们完全可以选取一部分中间尺度范围内的特征点.对于相互交叠的特征区域，采用距离约束调整特征点的分布，利用最小生成树(MST)聚类算法对特征点进行分类，将满足距离约束条件的特征点归为一类，对于同一类特征点，选择特征强度较大的特征点.以这些特征点的位置确定出椭圆形局部特征区域的中心，记为O_t(x，y).

1.2椭圆长短半轴的求取

将1.1中确定的特征点O_t(x，y)所对应的特征尺度作为已知条件构造多项式，从而求得椭圆长短半轴，具体确定方法如下：

这里，A_t表示当前局部区域长轴；B_t表示当前局部区域短轴；s_t表示当前图像特征点的特征尺度；

表示上取整；k，τ为自适应常数(正整数)，分别用于调节A_t，B_t的大小.A_t，B_t的上界为载体图像尺寸的一半(假设当前特征点位于图像的中心，该上界仅仅是理论上的，一般取不到)，A_t的下界为1，B_t的下界为

(当τ＝1时).因此，A_t，B_t的理论取值范围是：

$1\≤A_t\≤\frac{\min (M,N)}{2}$

其中，M和N分别表示原始载体图像的长和宽.

1.3椭圆方向角的求取

与圆形特征区域相比，椭圆的优点在于其存在方向角，这也使得它具有了仿射协变性，所以方向角的确定尤为重要.考虑到鲁棒性的需求，本文选用图像内容作为方向角确定的方法，即取椭圆中心与其一片邻域的质心所确定的直线与x轴的夹角作为椭圆的方向角，记为θ_t.步骤如下：

表示当前邻域半径，A_t，B_t为1.2中所求参数.因为几何矩m_pq(p，q＝1，2，…)定义为：

$m_{\mathrm{pq}}=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{i}^p{j}^{q}f(i,j)$

$i_c=\frac{m_{10}}{m_{00}}$

$j_c=\frac{m_{01}}{m_{00}}$

点p_t(i_c，j_c)即为质心坐标.

取得当前质心P_t点坐标后按上述方法即可求得椭圆局部特征区域的当前方向角θ_t.

1.4协变性椭圆区域的确定

获得参数A_t，B_t和θ_t后便可从载体图像中自适应地分割出椭圆局部特征区域.为了保持局部特征区域的独立性，必须使得所有椭圆片不能重叠.假若，

一个特征点处于另一个已确定的特征点的局部特征区域内，则该特征点将被剔除.为此，我们选择含有特征点数目较多的椭圆片作为局部特征区域，因为这样区域属于纹理区，可以更好地满足数字水印的透明性.提取的椭圆局部特征区域协变于各类攻击，使得该区域包含相同的图像内容，效果如图1所示，其中包括(a)原始图像(b)未攻击特征区域(c)中值滤波处理特征区域(d)JPEG30％压缩特征区域(e)高斯噪声处理特征区域(f)旋转30度特征区域(g)旋转45度特征区域(h)放大1.5倍后特征区域.因此，在局部协变区域上进行水印嵌入和提取可以有效抵抗常规图像处理和几何攻击.

2数字水印的嵌入

本发明将采用冗余嵌入策略，即将同一数字水印重复地嵌入到所有的局部特征区域内.整个数字水印的嵌入过程(关键步骤)可描述如下：

1)由密钥Key产生一个大小为L的双极性序列W＝(w_i，i＝1，…，L}并作为数字水印.

2)利用SIFT算子从原始载体中提取图像特征点，以得到图像特征点集P＝{p_i，i＝1，…，n}.其中原始载体图像如图3所示，包括(a)Baboon，(b)Lena，(c)Peppers，(d)Plane.

3)以图像特征点为中心，从载体中自适应地划分出一系列椭圆局部特征区域O＝{o_k，k＝1，…，m}(见第1节).

4)对每个椭圆局部特征区域O＝{o_k，k＝1，…，m}进行归一化，如图2所示.以方便嵌入与提取，实现水印的鲁棒性.记为O′＝{o_d，d＝1，…，m}.

5)对每一个o_d∈O′做“补0”操作，以得到一系列矩形子块T＝{t_d，d＝1，…，m}.对每一个t_d∈T做中心化DFT变换(变换原点为子图像中心).

6)将数字水印嵌入到DFT域中.

7)通过IDFT变换将嵌有数字水印的矩形子块恢复到空间域，得到

再经

“去0”操作后得到

最后以

替换o_d.

8)将所得每一个嵌入水印的局部圆形区域o_d反归一化，得到含水印椭圆形局部特征区域o_c.当所有的局部特征区域o_c替换相应的o_k，即得到所需的含水印图像，完成了水印的嵌入.其中含水印图像如图4所示(PSNR值分别为：41.32，47.85，49.55，49.59).包括(a)含水印图像Baboon，(b)含水印图像Lena，(c)含水印图像Peppers，(d)含水印图像Plane.

3数字水印的检测

由于水印信息被重复地嵌入到各个独立的椭圆局部特征区域中.因此，可采用与嵌入时相同的方法将待检测图像划分成若干个局部特征区域.整个数字水印的检测过程如下：

1)使用与嵌入过程相同的密钥Key产生原始水印序列W＝{w_i，i＝1，…，L}.

2)利用SIFT算子从待检测图像中提取图像特征点，得到特征点集

$\tilde{P}=\{{\tilde{p}}_i,i=1,...,n\}\·$

3)以图像特征点为中心，从待检测图像中自适应地划分出一系列椭圆局部特征区域

4)对每个椭圆局部特征区域

进行归一化.以方便嵌入与提取，实现水印的鲁棒性.记为

5)对每一个做“补0”操作，以得到一系列矩形子块

再对每一个做中心化DFT变换.

6)由DFT性质知，图像经历常规攻击或几何变换后，其频域上的嵌入区域大小基本保持不变.故我们可以根据最初若干点的相对位置关系在环形区域[r₁，r_L]内选择一个与嵌入时大小位置相同的扇形区，并在其中按半径从小到大的顺序重新选择L个点

对于每一个同心圆C(r_i)，按如下规则提取水印：

${\tilde{w}}_i=\left\{\begin{array}{cc}1,& [\frac{\tilde{M}({\tilde{x}}_i,{\tilde{y}}_i)}{\tilde{M}({\tilde{y}}_i,-{\tilde{x}}_i)\·Q}+0.5]\%2=1\\ -1,& [\frac{\tilde{M}({\tilde{x}}_i,{\tilde{y}}_i)}{\tilde{M}({\tilde{y}}_i,-{\tilde{x}}_i)\·Q}+0.5]\%.2=0\end{array}\right.$

其中，

和

分别为点

和点

的幅值.提取结果可由图5看出，其中(a)为图4(a)的检测结果，(b)为图4(b)的检测结果，(c)为图4(c)的检测结果，(d)为图4(d)的检测结果.

4、仿真实验

为了验证本发明的高效性，以下分别给出了检测性能测试、抗攻击能力测试的实验结果，并与文献[2]方法进行了对比，其中包括：JPEG压缩、加性噪声、中值滤波+JPEG、旋转、X，Y轴裁剪、平移和去除行列+压缩、旋转+剪切+压缩等.实验中，所选用的原始载体为512×512×8bit标准灰度图像Baboon、Lena、Peppers和Plane.数字水印采用了16bits的二元随机序列.另外，使用到的参数赋值k＝55，τ＝5.

(1)JPEG压缩.对待检测图像进行70％的JPEG压缩.

(2)加性噪声.对待检测图像加入强度为0.20的加性噪声.

(3)中值滤波+JPEG.将待检测图像进行中值滤波处理并压缩70％.

(4)X，Y轴分别裁剪.将待检测图像的X，Y轴分别裁剪0％，5％.

(5)旋转.将待检测图像逆时针旋转30度.

(6)中心剪切.将待检测图像中心剪切10％.

(7)去除行列+压缩.首先将待检测图像去除5行17列，再将所得图像进行70％的JPEG压缩.

(8)旋转+剪切+压缩.将待检测图像首先旋转5度，再中心剪切5％，最后进行70％的JPEG压缩.

受攻击图像检测效果如图6所示，以Lena图像为例，分别为经JPEG(70)压缩、加性噪声(0.20)、中值滤波+JPEG(90)、旋转30度、X，Y轴分别裁剪(50％)、中心剪切10％、去除5行17列+JPEG(70)压缩和旋转5度+中心剪切5％+JPEG(70)压缩攻击的含水印图像中所检测的结果图.重构率分别＝7/9，8/9，6/9，9/9，7/9，8/9，5/9，6/9.

表1和表2给出了两种图像水印方法的对比实验结果。

    表1含水印图像与原始载体间的峰值信噪比(dR)

图像	本发明	文献[2]法
			Baboon	41.32	39.1
Lena	47.85	47
			Peppers	49.55	40.9
Plane	49.59	44.8

Claims (3)

1.一种基于局部视觉关注的数字图像水印方法，其特征在于主要包括如下两个方面：椭圆局部特征区域的自适应划分和基于局部视觉关注的数字图像水印的嵌入与提取。

2.根据权利要求是1所述的基于局部视觉关注的数字图像水印方法，其特征在于所述的椭圆局部特征区域的自适应划分步骤如下：

第一步、椭圆中心位置的确定：

利用最小生成树(MST)聚类算法对特征点进行分类，将满足距离约束条件的特征点归为一类，对于同一类特征点，选择特征强度较大的特征点；以这些特征点的位置确定出椭圆形局部特征区域的中心，记为O_t(x，y)；

第二步、椭圆长短半轴的求取：

将第一步中确定的特征点O_t(x，y)所对应的特征尺度作为已知条件构造多项式，从而求得椭圆长短半轴，具体确定方法如下：

这里，A_t表示当前局部区域长轴；B_t表示当前局部区域短轴；s_t表示当前图像特征点的特征尺度；

表示上取整；k，τ为自适应常数(正整数)，分别用于调节A_t、B_t的大小；A_t、B_t的上界为载体图像尺寸的一半(假设当前特征点位于图像的中心，该上界仅仅是理论上的，一般取不到)，A_t的下界为1，B_t的下界为

(当τ＝1时)，因此，A_t、B_t的理论取值范围是：

$1\≤A_t\≤\frac{\min (M,N)}{2}$

其中，M和N分别表示原始载体图像的长和宽；

第三步、椭圆方向角的求取：

取椭圆中心与其一片邻域的质心所确定的直线与x轴的夹角作为椭圆的方向角，记为θ_t

表示当前邻域半径，A_t、B_t为1.2中所求参数；因为几何矩m_pq(p，q＝1，2，Λ)定义为：

$m_{\mathrm{pq}}=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{i}^p{j}^{q}f(i,j)$

$i_c=\frac{m_{10}}{m_{00}}$

$j_c=\frac{m_{01}}{m_{00}}$

点p_t(i_c，j_c)即为质心坐标；

取得当前质心P_t点坐标后按上述方法即可求得椭圆局部特征区域的当前方向角θ_t；

第四步、协变性椭圆区域的确定；

获得参数A_t、B_t和θ_t后便可从载体图像中自适应地分割出椭圆局部特征区域。

3.根据权利要求是1所述的基于局部视觉关注的数字图像水印方法，其特征在于所述的基于局部视觉关注的数字图像水印的嵌入与提取步骤如下：

采用冗余嵌入策略，即将同一数字水印重复地嵌入到所有的局部特征区域内，数字图像水印的嵌入过程步骤如下：

第一步、由密钥Key产生一个大小为L的双极性序列W＝{w_i，i＝1，Λ，L}并作为数字水印；

第二步、利用SIFT算子从原始载体中提取图像特征点，以得到图像特征点集P＝{p_i，i＝1，Λ，n}；

第三步、以图像特征点为中心，从载体中自适应地划分出一系列椭圆局部特征区域O＝{o_k，k＝1，Λ，m}；

第四步、对每个椭圆局部特征区域O＝{o_k，k＝1，Λ，m}进行归一化，以方便嵌入与提取，实现水印的鲁棒性，记为O′＝{o_d，d＝1，Λ，m}；

第五步、对每一个o_d∈O′做“补0”操作，以得到一系列矩形子块T＝{t_d，d＝1，Λ，m}；对每一个t_d∈T做中心化DFT变换(变换原点为子图像中心)；

第六步、将数字水印嵌入到DFT域中；

第七步、通过IDFT变换将嵌有数字水印的矩形子块恢复到空间域，得到

再经“去0”操作后得到

最后以

替换od；

第八步、将所得每一个嵌入水印的局部圆形区域o_d反归一化，得到含水印椭圆形局部特征区域o_c；当所有的局部特征区域o_c替换相应的o_k，即得到所需的含水印图像，完成了水印的嵌入；

数字图像水印的提取步骤如下：

第一步、使用与嵌入过程相同的密钥Key产生原始水印序列W＝{w_i，i＝1，Λ，L}；

第二步、利用SIFT算子从待检测图像中提取图像特征点，得到特征点集

$\tilde{P}=\{{\tilde{p}}_i,i=1,\mathrm{\Λ},n\};$

第三步、以图像特征点为中心，从待检测图像中自适应地划分出一系列椭圆局部特征区域

第四步、对每个椭圆局部特征区域

进行归一化；以方便嵌入与提取，实现水印的鲁棒性；记为

第五步、对每一个做“补0”操作，以得到一系列矩形子块

再对每一个

做中心化DFT变换；

第六步、由DFT性质知，图像经历常规攻击或几何变换后，其频域上的嵌入区域大小基本保持不变；可以根据最初若干点的相对位置关系在环形区域[r₁，r_L]内选择一个与嵌入时大小位置相同的扇形区，并在其中按半径从小到大的顺序重新选择L个点

对于每一个同心圆C(r_i)，按如下规则提取水印：

${\tilde{w}}_i=\left\{\begin{array}{cc}1,& [\frac{\tilde{M}({\tilde{x}}_i,{\tilde{y}}_i)}{\tilde{M}({\tilde{y}}_i,-{\tilde{x}}_i)\·Q}+0.5]\%2=1\\ -1,& [\frac{\tilde{M}({\tilde{x}}_i,{\tilde{y}}_i)}{\tilde{M}({\tilde{y}}_i,-{\tilde{x}}_i)\·Q}+0.5]\%2=0\end{array}\right.$

其中，

和

分别为点

和点

的幅值。

Images