CN103700061A - 一种基于压缩感知的数字图像水印嵌入和提取方法 - Google Patents
一种基于压缩感知的数字图像水印嵌入和提取方法 Download PDFInfo
- Publication number
- CN103700061A CN103700061A CN201310743836.6A CN201310743836A CN103700061A CN 103700061 A CN103700061 A CN 103700061A CN 201310743836 A CN201310743836 A CN 201310743836A CN 103700061 A CN103700061 A CN 103700061A
- Authority
- CN
- China
- Prior art keywords
- information
- watermark
- dimension
- discrete cosine
- cosine transform
- 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.)
- Granted
Links
Images
Landscapes
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
一种基于压缩感知的数字图像水印嵌入和提取方法,属于信息隐藏和图像处理技术领域。对二值数字图像水印信息进行稀疏化处理,得到稀疏化的一维水印信息,构造测量矩阵,将测量矩阵作为密钥;用密钥稀疏化的一维水印信息进行测量,实现维水印信息的压缩和加密;对原始载体图像信息进行离散余弦变换并对变换后得到的离散余弦变换域信息进行分块,将处理后的水印信息嵌入到载体图像中得到含水印图像。本发明采用压缩感知方法对水印进行处理,实现水印压缩和加密的双重作用,嵌入量增加,使不可见性和安全性增强,水印总体性能显著提高;应用SB字E矩阵,存储空间小,计算速度快,硬件简单;压缩感知重建过程引入稀疏度,极大提高重建准确性及效果。
Description
技术领域
本发明属于信息隐藏和图像处理技术领域,特别涉及一种基于压缩感知的数字图像水印嵌入和提取方法。
背景技术
信息隐藏是信息安全领域的一个新的研究热点,信息隐藏为在开放的网络环境下进行涉密的数据通信、数字产品的知识产权保护、重要文件和数字签名的真实性鉴别以及机密文件泄密后的消息源头追踪提供了可靠的信息安全保障。数字水印技术是信息隐藏技术的重要分支。
数字水印技术是一种有效的版权保护、内容认证以及数据完整性保护的方法,一直以来受到版权保护相关领域研究者的关注与重视。数字图像水印算法主要分为:空间域水印技术和变换域水印技术,空间域水印技术存在鲁棒性差,水印信息嵌入不均衡,抗攻击能力和安全性差等缺点,而变换域水印技术针对噪声的鲁棒性比较强,却存在嵌入容量小的缺点。
发明内容
针对现有技术存在的不足,本发明的目的是提供一种基于压缩感知的数字图像水印方法,融合了压缩感知理论,引入测量矩阵作为数字图像水印密钥,增强了数字图像水印的安全性,通过对水印信息的压缩,增加大了嵌入容量,隐藏能力更强,具有较强的鲁棒性,实现简单快速,成本低廉。
本发明的技术方案是这样实现的:一种基于压缩感知的数字图像水印嵌入方法,包括以下步骤:
步骤1:对二值数字图像水印信息进行稀疏化处理,得到稀疏化的一维水印信息;
读取二值数字图像水印信息W=(ws,q)S×Q,二值数字图像水印信息W是大小为S×Q的矩阵,其中,S表示矩阵的行,Q表示矩阵的列,ws,q为二值数字图像水印信息W的第s行、第q列位置上的元素,ws,q∈{0,1};
设定稀疏化一维水印信息的稀疏度K,0<K<<1,采样数据量为K*L,保留K值;
步骤2:构造测量矩阵,将测量矩阵作为密钥,用密钥对步骤1确定的稀疏化的一维水印信息进行测量,实现对一维水印信息的压缩和加密;
将P个大小为b×b的哈德马矩阵块HBlock按照如下公式组成H:
式中,P和b均为整数,取值满足:P*b=L;对矩阵H的列向量进行随机排序,然后对行向量进行随机排序,抽取排序后矩阵H中的任意Lcs行组成测量矩阵测量矩阵Φ是大小为Lcs×L的矩阵,为测量矩阵Φ的第lcs行、第l列位置上的元素,Lcs满足条件:Lcs<<L,Lcs∈[K*L,L);cs表示压缩感知,是Compressivesensing的缩写;
将上述测量矩阵Φ作为密钥保存;
用密钥Φ的每个行向量分别与稀疏化的一维水印信息做内积,得到一维水印信息在密钥上的投影,即测量值测量值Yw是一维列向量,共Lcs行;因为一维水印信息的总数据量为L,测量值的总数据量为Lcs,Lcs<<L,所以测量过程实现了数据压缩,又因为在未知密钥Φ的情况下,压缩过程不可逆,所以压缩过程也是对数据的加密过程;
步骤3:读取待进行版权保护的数字图像,将其作为原始载体图像信息,保留一份原始载体图像信息的备份,对原始载体图像信息进行离散余弦变换并对变换后得到的离散余弦变换域信息进行分块,将步骤2处理后的水印信息嵌入到载体图像中得到含水印图像;
读取待进行版权保护的数字图像信息,即原始载体图像信息A=(am,n)M×N,原始载体图像信息A是大小为M×N的矩阵,其中,M表示行,N表示列,am,n为原始载体图像A的第m行、第n列位置上的元素;
将原始载体图像的离散余弦变换域信息DA的低频部分分割成大小为B×1的矩阵块,式中为向下取整符号,B是矩阵块的行数,β为伸缩系数,且有β∈(代,代.5],用来调节分块的大小,原始载体图像的离散余弦变换域信息DA总共被分割成块,为向上取整符号;
式中,α∈(0,1)是调节嵌入强度的权值,α越大嵌入强度越大,水印鲁棒性越强,嵌入水印后载体图像质量下降也越大,反之,α越小,水印鲁棒性越弱,嵌入水印后载体图像质量越好;嵌入水印后得到含水印的载体图像离散余弦变换域信息为一维列向量,行数为LA;
水印的嵌入过程结束,步骤1、步骤2和步骤3需要分别保留稀疏化一维水印信息的稀疏度K、密钥Φ、伸缩系数β、权值α以及原始载体图像的备份。
一种基于压缩感知的数字图像水印提取方法,包括以下步骤:
步骤1:分别读入含水印图像和原始载体图像备份,对两者分别做离散余弦变换,得到含水印图像离散余弦变换域信息和原始载体图像离散余弦变换域信息,计算一维水印信息测量值;
读取原始载体图像信息的备份,原始载体图像信息A=(am,n)M×N是大小为M×N的矩阵,am,n为原始载体图像信息A的第m行、第n列位置上的元素;
将原始载体图像的离散余弦变换域信息DA和含水印的载体图像离散余弦变换域信息分别进行分块,分块大小为B×1矩阵,此处B与水印嵌入过程中B的值相同,即B为矩阵块的行数,Lcs是密钥Φ的行数,可由密钥Φ求得,β为伸缩系数,β用来调节分块的大小,β的取值同嵌入过程中的β值相同;原始载体图像的离散余弦变换域信息DA和含水印的载体图像离散余弦变换域信息分别被分割成块;
将二者前Lcs个分块的每个分块第一行数据对应求差值,公式为:
步骤2:调入密钥,对一维水印信息进行解压缩;
应用子空间追踪算法对一维水印信息解压缩,重构水印信息:
步骤3:稀疏化后的一维水印信息恢复成二值数字图像水印信息;
对稀疏化的一维水印信息进行离散余弦逆变换,转换成一维水印信息,再将一维水印信息按照逐列扫描的逆过程复原成大小为M行N列的数字图像水印信息。
本发明的有益效果:
首先,传统的数字图像水印技术停留在变换域基础上,嵌入的信息量小,变换域嵌入水印不存在加密过程,容易遭受非法提取,安全性不佳。而本发明采用压缩感知算法对水印进行处理,实现了水印压缩和加密的双重作用,嵌入量增加,不可见性和安全性增强,水印总体性能显著提高。
其次,目前应用压缩感知技术处理图像时,多数采用高斯随机矩阵或贝努力随机矩阵,对图像信号进行测量需要很大的内存空间和计算量,实现困难,成本大,而本发明应用SBHE矩阵需要很小的存储空间,计算速度快,硬件简单,利于实现。
最后,压缩感知重建过程引入稀疏度,可以极大提高重建的准确性,提高重建效果。
附图说明
图1为本发明实施方式水印图像嵌入过程流程图;
图2为本发明实施方式水印图像提取过程流程图;
图3为本发明实施方式水印视觉影响比较图示意图,其中,(a)为原始图像,(b)为水印图像,(c)为含水印图像,(d)为提取的水印图像;
图4为本发明实施方式不同的采样率下含水印图像与原始图像的PSNR以及NC情况示意图,其中,(a)为不同的采样率下含水印图像与原始图像的PSNR情况,(b)为不同的采样率下含水印图像与原始图像的NC情况;
图5为本发明实施方式椒盐噪声攻击实验结果示意图,其中,(a)为椒盐噪声攻击后的含水印图像,(b)为提取的水印图像;
图6为本发明实施方式JPEG压缩攻击实验结果示意图,其中,(a)为JPEG压缩攻击后的含水印图像,(b)为提取的水印图像;
图7为本发明实施方式高斯白噪声攻击实验结果示意图,其中,(a)为高斯白噪声攻击后的含水印图像,(b)为提取的水印图像;
图8为本发明实施方式剪切攻击实验结果示意图,(a)为剪切攻击后的含水印图像,(b)为提取的水印图像。
具体实施方式
下面结合附图对本发明的实施方式作进一步详细的说明。
本发明实施方式采用基于压缩感知的数字图像水印嵌入和提取方法对图像进行处理。其中,一种基于压缩感知的数字图像水印嵌入方法,其流程如图1所示,包括如下步骤:
步骤1:对二值数字图像水印信息进行稀疏化处理,得到稀疏化的一维水印信息;
本实施方式主要融合了压缩感知理论,压缩感知理论是一种充分的利用信号稀疏性或可压缩性的全新信号采集和编解码理论;
传统方式下的信号处理,依照Shannon/Nyquist采样理论,在采样过程中产生大量的采样数据,而压缩感知理论打破了Shannon/Nyquist采样理论对信号采样的要求,其具体指:信号只要在某个正交空间具有稀疏性,就能以较低的频率对信号采样,并可以通过非线性的优化算法从采样信号中高概率重构出原信号;然而,一般的自然信号并不是绝对稀疏的,需要在某种稀疏基上进行稀疏表示,即稀疏化;
本实施方式采用二值数字图像作为水印信息,即二值数字图像水印信息,由于图像信息本身稀疏性不佳,需要稀疏变换提高图像信息稀疏性,离散余弦变换是一种很好的稀疏变换方式,对二值数字图像水印信息进行离散余弦变换可以达到很好的稀疏化效果;
首先,读取二值数字图像水印信息W=(ws,q)S×Q,二值数字图像水印信息W是大小为S×Q的矩阵,ws,q为二值数字图像水印信息W的第s行、第q列位置上的元素,wi,j∈{0,1};
设定稀疏化一维水印信息的稀疏度K,0<K<<1,采样数据量为K*L,保留K值;K值越小说明稀疏度越好,采样数据量也就越小,二值图像水印信息的可压缩性就越强,保留K值以便提取水印时使用,结束步骤1;
步骤2:构造测量矩阵,将测量矩阵作为密钥,用密钥对步骤1确定的稀疏化的一维水印信息进行测量,实现对一维水印信息的压缩和加密;
测量矩阵的作用:通过测量矩阵得到被测量信号的测量值,而这个测量值的数据量要比被测量信号小很多,从而实现压缩的目的,解压过程需要已知测量矩阵才能恢复被测量信号,因此,压缩过程也是加密过程;
构造测量矩阵必须满足两个条件:一个是测量矩阵必需满足有限等距准则(RestrictedIsometry Principle,RIP),另一个条件是测量值采样个数必须大于某一数值才能精确重构原始信号;
研究表明,如果测量矩阵与稀疏变换矩阵是不相干的,则二者乘积在很大概率上满足有限等距准则;高斯随机矩阵与贝努力随机矩阵都能保证同大部分的稀疏变换矩阵都不相干;然而,在处理数字图像压缩感知时,高斯随机矩阵或者贝努力随机矩阵并不是很适用,因为一幅图像的列向量的维数是非常大的,高斯随机矩阵或者贝努力随机矩阵构造的测量矩阵更是非常巨大,这就造成测量过程需要很大的内存空间和计算量,复杂度极高,不利于硬件设备的实现,难以实用化;
本实施方式将一种适用于图像的乱序哈德马集(Scrambled Block Hadamard Ensemble,SBHE)作为测量矩阵Φ应用于水印处理,其构造方法如下:
首先,将P个大小为b×b的哈德马矩阵块HBlock按照如下公式组成H:
式中,P和b均为整数,取值满足:P*b=L;
然后,对矩阵H的列向量进行随机排序,再对行向量进行随机排序;
将上述测量矩阵Φ作为密钥保存;
Yw=Φ·Dw
式中,测量值Yw是一维列向量,共Lcs行,密钥Φ是大小Lcs×L的矩阵,稀疏化的一维水印信息Dw是一维列向量,共有L行;
因为稀疏化的一维水印信息Dw的总数据量为L,测量值Yw的总数据量为Lcs,Lcs<<L,所以测量过程实现了数据压缩,又因为在未知密钥Φ的情况下,压缩过程不可逆,所以压缩过程也是加密过程,同时,压缩过程也是信号采样过程,采样率为
步骤3:读取待进行版权保护的数字图像,将其作为原始载体图像信息,保留一份原始载体图像信息的备份,对原始载体图像信息进行离散余弦变换并对变换后得到的离散余弦变换域信息进行分块,将步骤2处理后的水印信息嵌入到载体图像中得到含水印图像;
待进行版权保护的数字图像信息就是原始载体图像信息A=(am,n)M×N,原始载体图像信息A是大小为M×N的矩阵,am,n为原始载体图像A的第m行、第n列位置上的元素;
原始载体图像信息A逐列进行扫描,即从左面第一列信息开始,依次扫描,到右边最后一列信息为止,各列信息首尾相连转换成一维的原始载体图像CA是一维列向量,共有LA行,LA=M×N;
对一维的原始载体图像CA做离散余弦变换,得到原始载体图像的离散余弦变换域信息原始载体图像的离散余弦变换域信息DA是一维列向量,共有LA行,DA中列的位置处于低位的元素主要表现原始载体图像空间域低频信息,反之,列的位置处于高位的元素主要表现原始载体图像空间域高频信息,根据人眼视觉特性,人眼对低频信息的辨识能力低,因此,水印信息应当尽量嵌入到低频信息中;
将原始载体图像的离散余弦变换域信息DA低频部分分割成大小为B×1的矩阵块,每个矩阵块是一个列向量,B是矩阵块的行数,β为伸缩系数,β∈(代,代.5],用来调节B的大小,使得分块更加集中于低频部分,原始载体图像的离散余弦变换域信息DA总共被分割成块,分块完成之后,总块数等于Lcs+1,前Lcs个分块主要集中在低频部分,每个分块是大小为B×1的矩阵块,最后一个分块是大小为(LA-Lcs*B)×1的矩阵块,最后一块信息主要集中在高频部分,不应该在最后一块中嵌入任何信息;
式中,α∈(0,1)是调节嵌入强度的权值,α越大嵌入强度越大,对原始载体图像信息的改变也就越大,从而引起图像质量的下降也就越加严重,但水印信息的鲁棒性会增强,反之,α越小嵌入强度越小,原始载体图像信息的改变也就越小,图像更加保真,水印信息的鲁棒性减弱;由以上过程求得含水印的载体图像离散余弦变换域信息为一维列向量,行数为LA;
含水印的载体图像离散余弦变换域信息做离散余弦逆变换,得到一维含水印的图像信息一维含水印的图像信息是一维列向量,共有LA行;将一维含水印的图像信息按照逐列扫描的逆过程复原成大小为M×N的含水印图像为含水印图像的第m行、第n列位置上的元素;
水印嵌入过程结束,含水印图像可公开发布使用,将水印嵌入过程中计算和产生的数据:稀疏度K、密钥Φ、伸缩系数β、权值α以及原始载体图像的备份进行保存,版权所有者保留以上数据,在提取水印的过程中需要使用。
当出现版权纠纷等问题,版权所有者需要证明版权的合法性时,可以提取水印信息,基于压缩感知的数字图像水印提取方法,其流程如图2所示,包括以下步骤:
步骤1:分别读入含水印图像和原始载体图像的备份,对两者分别做离散余弦变换,得到含水印图像离散余弦变换域信息和原始载体图像离散余弦变换域信息,计算一维水印信息测量值;
在出现版权纠纷或者版权所有者需要提取数字图像水印信息的时候,读取含水印图像信息含水印图像信息是大小为M×N的矩阵,为含水印图像信息的第m行、第n列位置上的元素;载入原始载体图像的备份信息,即原始载体图像信息A=(am,n)M×N,原始载体图像信息A是大小为M×N的矩阵,am,n为原始载体图像信息A的第m行、第n列位置上的元素;对原始载体图像信息A逐列进行扫描,即从左面第一列信息开始,依次扫描,到右边最后一列信息为止,将原始载体图像信息A转换成一维的原始载体图像CA是一维列向量,共有LA行,LA=M×N;对含水印图像信息运用同样的方法逐列进行扫描,将其转换成一维含水印图像信息是一维列向量,共有LA行;
将原始载体图像的离散余弦变换域信息DA和含水印的载体图像离散余弦变换域信息分别进行分块,每个分块为一个行数为B的列向量,B为每个分块的行数,Lcs是密钥Φ的行数,可由密钥Φ求得,β为嵌入过程中保留的伸缩系数;原始载体图像的离散余弦变换域信息DA和含水印的载体图像离散余弦变换域信息分别被分割成块;将二者前Lcs个分块的第一个数据对应求差值,公式为:
步骤2:调入密钥,对一维水印信息进行解压缩;
一维水印信息测量值解压的过程即公式:Yw=Φ·Dw中,已知一维水印信息测量值Yw和密钥Φ,求原稀疏化一维水印信息Dw的过程;该解压过程需要应用子空间追踪算法,子空间追踪算法作为一种解压缩算法,有着计算速度快,恢复精度高的优点,需要输入信号为:一维水印信息测量值密钥Φ、稀疏化一维水印信息的稀疏度K;具体描述如下;
(1)初始化;索引Γ(0)={ΦTYw中绝对值最大K个元素所对应的索引集},
(5)更新残量
应用以上描述的子空间追踪算法解压信息,解压完成后,重构出稀疏化的一维水印信息为一维列向量,行数为L;
步骤3:稀疏化后的一维水印信息恢复成二值数字图像水印信息;
将一维水印信息按照逐列扫描的逆过程还原成二值数字图像水印信息二值数字图像水印信息是大小为S×Q的矩阵,为二值数字图像水印信息的第s行、第q列位置上的元素,由于重构过程中,二值数字图像水印信息可能出现误差,为此,可以设置适当阈值,对误差进行校正,如设定阈值为0.5,当时,将0赋值于当将1赋值于ws,q,得到最终结果至此,水印的提取过程结束,提取出的二值数字图像水印即可用来证明版权所有者的合法性,
下面结合实验数据和实验结果以及附图来说明本实施方式的优越性:
实验采用5令该×5令该lena灰度图像作为原始载体图像,如附图3(a)所示,水印图像采用二值字母图像,如附图3(b)所示,信号采样率为0.7,由本实施方式算法嵌入水印后得到的含水印图像如附图3(c)所示,直接从中提取水印如附图3(d)所示;
计算含水印图像与原始图像的PSNR(最大峰值信噪比)为:44.1289dB,直接从中提取水印的NC(归一化相关系数)值为:1。
在水印技术领域,通常PSNR值大于36dB被认作图像质量保真效果好,本实施方式的PSNR在44.1289dB,已经达到了很好的图像保真效果,人眼无法直接辨识含水印图像与原始载体图像的差异;
附图4(a)和附图4(b)是在不同的采样率下含水印图像与原始图像的PSNR以及NC情况;
由图可以看出在采样率小于0.4之后NC值才开始出现缓慢下降,但NC值始终能维持在0.98以上,具有很强的可压缩能力;采样率越小,压缩后的水印信息对原始载体图像的图像质量影响越小,当采样率为0.4时,PSNR已经达到47dB以上,分别高出文献“TsaiP,HuYC,andYeh H L.Reversible image hiding scheme using predictive coding and histogram shifting[J].SignalProcessing,2009,89(6):1129-1143”与文献“Jun Lang,Zheng-Guang Zhang.Blind digitalwatermarking method in the fractional Fourier transform domain[J].Optics and Lasers inEngineering,2013,4(53):112-121”中描述的算法10dB和7dB,由此可见,本实施方式含水印图像的图像质量比其他算法显著增强。
下面分别用多种常见的攻击方式对含水印图像进行攻击实验:
对含水印图像进行0.005(密度)的椒盐噪声攻击,攻击后的含水印图像如图5(a),攻击后的图像与原始图像的PSNR下降为:27.6366dB,提取水印的NC值为:0.98769,如图5(b)所示。
对含水印图像进行70(品质因数)的JPEG压缩攻击,攻击后的含水印图像如图6(a),攻击后的图像与原始图像的PSNR下降为:31.9435dB,提取水印的NC值为:0.96705,如图6(b)所示。
对含水印图像进行0.005(均方差)的高斯白噪声攻击,攻击后的含水印图像如图7(a),攻击后的图像与原始图像的PSNR下降为:23.1053dB,提取水印的NC值为:0.96024,如图7(b)所示。
对含水印图像进行64×64(像素)的剪切攻击,攻击后的含水印图像如图8(a),攻击后的图像与原始图像的PSNR下降为:20.4162dB,提取水印的NC值为:0.95671,如图8(b)所示。
由以上实验结果可知,本实施方式的水印算法对多种常见攻击方式都有较好的抵抗能力,具有一定的鲁棒性,而目前采用压缩感知理论的数字图像水印算法如文献“赵春辉,刘巍.基于压缩感知的交互支持双水印算法[J].电子学报,2012,40(4):609-617”,文献“林婉娟.压缩感知重建算法及其在数字水印中的应用[D].北京:北京交通大学,2011.”及文献“陈国法,郭树旭,李杨等.基于压缩感知的数字图像水印算法[J].现代电子技术,2012,35(13):98-100”中均未实现对多种常见攻击方式的全面抵抗。由此可见,本算法比现有压缩感知水印算法存在优越性;
对含水印图像进行噪声、压缩、剪切等多种类型,多种强度的攻击,测试鲁棒性,实验结果汇总如表1所示:
表1为实验结果汇总表
从实验结果可以看出,本算法对各种常见攻击方式都可以保证提取的水印NC值在0.9以上,甚至绝大多数的NC值高于0.95,具有较好的鲁棒性。
虽然以上描述了本发明的具体实施方式,但是本领域内的熟练的技术人员应当理解,这些仅是举例说明,可以对这些实施方式做出多种变更或修改,而不背离本发明的原理和实质,本发明的范围仅由所附权利要求书限定。
Claims (2)
1.一种基于压缩感知的数字图像水印嵌入方法,其特征在于:包括以下步骤:
步骤1:对二值数字图像水印信息进行稀疏化处理,得到稀疏化的一维水印信息;
读取二值数字图像水印信息W=(ws,q)S×Q,二值数字图像水印信息W是大小为S×Q的矩阵,其中,S表示矩阵的行,Q表示矩阵的列,ws,q为二值数字图像水印信息W的第s行、第q列位置上的元素,ws,q∈{0, 1};
设定稀疏化一维水印信息的稀疏度K,0<K<<1,采样数据量为K*L,保留K值;
步骤2:构造测量矩阵,将测量矩阵作为密钥,用密钥对步骤1确定的稀疏化的一维水印信息进行测量,实现对一维水印信息的压缩和加密;
将P个大小为b×b的哈德马矩阵块HBlock按照如下公式组成H:
式中,P和b均为整数,取值满足:P*b=L;对矩阵H的列向量进行随机排序,然后对行向量进行随机排序,抽取排序后矩阵H中的任意Lcs行组成测量矩阵测量矩阵Φ是大小为Lcs×L的矩阵,为测量矩阵Φ的第lcs行、第l列位置上的元素,Lcs满足条件:Lcs<<L,Lcs∈[K*L,L);cs表示压缩感知,是Compressivesensing的缩写;
将上述测量矩阵Φ作为密钥保存;
用密钥Φ的每个行向量分别与稀疏化的一维水印信息做内积,得到一维水印信息在密钥上的投影,即测量值测量值Yw是一维列向量,共Lcs行;因为一维水印信息的总数据量为L,测量值的总数据量为Lcs,Lcs<<L,所以测量过程实现了数据压缩,又因为在未知密钥Φ的情况下,压缩过程不可逆,所以压缩过程也是对数据的加密过程;
步骤3:读取待进行版权保护的数字图像,将其作为原始载体图像信息,保留一份原始载体图像信息的备份,对原始载体图像信息进行离散余弦变换并对变换后得到的离散余弦变换域信息进行分块,将步骤2处理后的水印信息嵌入到载体图像中得到含水印图像;
读取待进行版权保护的数字图像信息,即原始载体图像信息A=(am,n)M×N,原始载体图像信息A是大小为M×N的矩阵,其中,M表示行,N表示列,am,n为原始载体图像A的第m行、第n列位置上的元素;
将原始载体图像的离散余弦变换域信息DA的低频部分分割成大小为B×1的矩阵块,式中为向下取整符号,B是矩阵块的行数,β为伸缩系数,且有β∈(0,0.5],用来调节分块的大小,原始载体图像的离散余弦变换域信息DA总共被分割成块,为向上取整符号;
式中,α∈(0,1)是调节嵌入强度的权值,α越大嵌入强度越大,水印鲁棒性越强,嵌入水印后载体图像质量下降也越大,反之,α越小,水印鲁棒性越弱,嵌入水印后载体图像质量越好;嵌入水印后得到含水印的载体图像离散余弦变换域信息为一维列向量,行数为LA;
水印的嵌入过程结束,步骤1、步骤2和步骤3需要分别保留稀疏化一维水印信息的稀疏度K、密钥Φ、伸缩系数β、权值α以及原始载体图像的备份。
2.一种基于压缩感知的数字图像水印提取方法,对权利要求1处理得到的数字水印图像进行处理,其特征在于:包括以下步骤:
步骤1:分别读入含水印图像和原始载体图像备份,对两者分别做离散余弦变换,得到含水印图像离散余弦变换域信息和原始载体图像离散余弦变换域信息,计算一维水印信息测量值;
读取原始载体图像信息的备份,原始载体图像信息A=(am,n)M×N是大小为M×N的矩阵,am,n为原始载体图像信息A的第m行、第n列位置上的元素;
将原始载体图像的离散余弦变换域信息DA和含水印的载体图像离散余弦变换域信息分别进行分块,分块大小为B×1矩阵,此处B与水印嵌入过程中B的值相同,即B为矩阵块的行数,Lcs是密钥Φ的行数,可由密钥Φ求得,β为伸缩系数,β用来调节分块的大小,β的取值同嵌入过程中的β值相同;原始载体图像的离散余弦变换域信息DA和含水印的载体图像离散余弦变换域信息分别被分割成块;
将二者前Lcs个分块的每个分块第一行数据对应求差值,公式为:
步骤2:调入密钥,对一维水印信息进行解压缩;
应用子空间追踪算法对一维水印信息解压缩,重构水印信息:
步骤3:稀疏化后的一维水印信息恢复成二值数字图像水印信息;
对稀疏化的一维水印信息进行离散余弦逆变换,转换成一维水印信息,再将一维水印信息按照逐列扫描的逆过程复原成大小为M行N列的数字图像水印信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310743836.6A CN103700061B (zh) | 2013-12-30 | 2013-12-30 | 一种基于压缩感知的数字图像水印嵌入和提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310743836.6A CN103700061B (zh) | 2013-12-30 | 2013-12-30 | 一种基于压缩感知的数字图像水印嵌入和提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103700061A true CN103700061A (zh) | 2014-04-02 |
CN103700061B CN103700061B (zh) | 2016-08-17 |
Family
ID=50361580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310743836.6A Expired - Fee Related CN103700061B (zh) | 2013-12-30 | 2013-12-30 | 一种基于压缩感知的数字图像水印嵌入和提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103700061B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996165A (zh) * | 2014-05-30 | 2014-08-20 | 东北大学 | 一种基于压缩感知特征的数字图像零水印嵌入和提取方法 |
CN105678699A (zh) * | 2015-05-06 | 2016-06-15 | 西安电子科技大学 | 基于测量域分块显著性检测的压缩感知图像重构方法 |
CN106339978A (zh) * | 2016-08-24 | 2017-01-18 | 湖南工业大学 | 一种基于压缩感知的彩色数字图像水印嵌入及提取方法 |
CN106961602A (zh) * | 2017-03-30 | 2017-07-18 | 福建北卡科技有限公司 | 一种基于rs和汉明码的跨平台抗压缩彩色图像信息隐藏算法 |
CN107784286A (zh) * | 2017-10-27 | 2018-03-09 | 济南大学 | 基于竞争码和bloom滤波器的掌纹识别方法 |
CN108599773A (zh) * | 2018-04-16 | 2018-09-28 | 兰州理工大学 | 一种基于确定性测量矩阵的振动信号数据压缩采集方法 |
CN108596823A (zh) * | 2018-04-28 | 2018-09-28 | 苏州大学 | 一种基于稀疏变换的数字盲水印的嵌入和提取方法 |
CN108615217A (zh) * | 2018-03-22 | 2018-10-02 | 西安电子科技大学 | 一种基于量化的抗jpeg压缩的鲁棒可逆水印方法 |
CN108632256A (zh) * | 2018-04-10 | 2018-10-09 | 宁波工程学院 | 一种信号压缩、重构方法及装置与压缩感知*** |
CN108711130A (zh) * | 2018-04-24 | 2018-10-26 | 东南大学 | 基于压缩感知噪声重构的图像水印***与方法 |
CN108765255A (zh) * | 2018-05-31 | 2018-11-06 | 东南大学 | 基于压缩感知技术的角度量化索引调制图像水印***与方法 |
CN108765248A (zh) * | 2018-05-16 | 2018-11-06 | 西安理工大学 | 基于人眼视觉特性的压缩感知标识的彩色图像水印方法 |
CN108880805A (zh) * | 2018-07-18 | 2018-11-23 | 北京理工大学 | 基于压缩测量涨落的网络密钥分发方法、装置和*** |
CN108986008A (zh) * | 2017-06-01 | 2018-12-11 | ***通信集团重庆有限公司 | 图像数据处理方法、装置和设备 |
CN111340675A (zh) * | 2020-02-12 | 2020-06-26 | 中南林业科技大学 | 一种基于稀疏表示的彩色图案水印嵌入和提取方法 |
CN111614455A (zh) * | 2020-04-30 | 2020-09-01 | 河南大学 | 基于二维压缩感知和忆阻混沌***的彩色图像压缩加密方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090226056A1 (en) * | 2008-03-05 | 2009-09-10 | International Business Machines Corporation | Systems and Methods for Metadata Embedding in Streaming Medical Data |
CN102073980A (zh) * | 2011-01-06 | 2011-05-25 | 哈尔滨工程大学 | 基于压缩感知理论的交互支持双水印生成与检测方法 |
CN102903076A (zh) * | 2012-10-24 | 2013-01-30 | 兰州理工大学 | 数字图像可逆水印嵌入方法及其提取方法 |
-
2013
- 2013-12-30 CN CN201310743836.6A patent/CN103700061B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090226056A1 (en) * | 2008-03-05 | 2009-09-10 | International Business Machines Corporation | Systems and Methods for Metadata Embedding in Streaming Medical Data |
CN102073980A (zh) * | 2011-01-06 | 2011-05-25 | 哈尔滨工程大学 | 基于压缩感知理论的交互支持双水印生成与检测方法 |
CN102903076A (zh) * | 2012-10-24 | 2013-01-30 | 兰州理工大学 | 数字图像可逆水印嵌入方法及其提取方法 |
Non-Patent Citations (2)
Title |
---|
张秋余等: "基于分块自适应压缩感知的可逆水印算法", 《电子与信息学报》, vol. 35, no. 4, 30 April 2013 (2013-04-30), pages 797 - 804 * |
魏丰等: "基于压缩感知观测值的数字图像水印算法", 《安徽大学学报(自然科学版)》, vol. 37, no. 3, 31 May 2013 (2013-05-31), pages 61 - 68 * |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996165B (zh) * | 2014-05-30 | 2017-09-19 | 东北大学 | 一种基于压缩感知特征的数字图像零水印嵌入和提取方法 |
CN103996165A (zh) * | 2014-05-30 | 2014-08-20 | 东北大学 | 一种基于压缩感知特征的数字图像零水印嵌入和提取方法 |
CN105678699A (zh) * | 2015-05-06 | 2016-06-15 | 西安电子科技大学 | 基于测量域分块显著性检测的压缩感知图像重构方法 |
CN105678699B (zh) * | 2015-05-06 | 2019-03-26 | 西安电子科技大学 | 基于测量域分块显著性检测的压缩感知图像重构方法 |
CN106339978A (zh) * | 2016-08-24 | 2017-01-18 | 湖南工业大学 | 一种基于压缩感知的彩色数字图像水印嵌入及提取方法 |
CN106339978B (zh) * | 2016-08-24 | 2019-08-13 | 湖南工业大学 | 一种基于压缩感知的彩色数字图像水印嵌入及提取方法 |
CN106961602A (zh) * | 2017-03-30 | 2017-07-18 | 福建北卡科技有限公司 | 一种基于rs和汉明码的跨平台抗压缩彩色图像信息隐藏算法 |
CN106961602B (zh) * | 2017-03-30 | 2019-10-18 | 北卡科技有限公司 | 一种基于rs和汉明码的跨平台抗压缩彩色图像信息隐藏算法 |
CN108986008A (zh) * | 2017-06-01 | 2018-12-11 | ***通信集团重庆有限公司 | 图像数据处理方法、装置和设备 |
CN107784286A (zh) * | 2017-10-27 | 2018-03-09 | 济南大学 | 基于竞争码和bloom滤波器的掌纹识别方法 |
CN108615217B (zh) * | 2018-03-22 | 2021-09-10 | 西安电子科技大学 | 一种基于量化的抗jpeg压缩的鲁棒可逆水印方法 |
CN108615217A (zh) * | 2018-03-22 | 2018-10-02 | 西安电子科技大学 | 一种基于量化的抗jpeg压缩的鲁棒可逆水印方法 |
CN108632256A (zh) * | 2018-04-10 | 2018-10-09 | 宁波工程学院 | 一种信号压缩、重构方法及装置与压缩感知*** |
CN108599773A (zh) * | 2018-04-16 | 2018-09-28 | 兰州理工大学 | 一种基于确定性测量矩阵的振动信号数据压缩采集方法 |
CN108599773B (zh) * | 2018-04-16 | 2020-04-10 | 兰州理工大学 | 一种基于确定性测量矩阵的振动信号数据压缩采集方法 |
CN108711130B (zh) * | 2018-04-24 | 2022-03-08 | 东南大学 | 基于压缩感知噪声重构的图像水印***与方法 |
CN108711130A (zh) * | 2018-04-24 | 2018-10-26 | 东南大学 | 基于压缩感知噪声重构的图像水印***与方法 |
CN108596823A (zh) * | 2018-04-28 | 2018-09-28 | 苏州大学 | 一种基于稀疏变换的数字盲水印的嵌入和提取方法 |
CN108596823B (zh) * | 2018-04-28 | 2022-06-07 | 苏州大学 | 一种基于稀疏变换的数字盲水印的嵌入和提取方法 |
CN108765248A (zh) * | 2018-05-16 | 2018-11-06 | 西安理工大学 | 基于人眼视觉特性的压缩感知标识的彩色图像水印方法 |
CN108765248B (zh) * | 2018-05-16 | 2022-06-17 | 陕西云宝影视文化传播有限公司 | 基于人眼视觉特性的压缩感知标识的彩色图像水印方法 |
CN108765255A (zh) * | 2018-05-31 | 2018-11-06 | 东南大学 | 基于压缩感知技术的角度量化索引调制图像水印***与方法 |
CN108765255B (zh) * | 2018-05-31 | 2022-04-29 | 东南大学 | 基于压缩感知的角度量化索引调制图像水印***与方法 |
CN108880805A (zh) * | 2018-07-18 | 2018-11-23 | 北京理工大学 | 基于压缩测量涨落的网络密钥分发方法、装置和*** |
CN111340675A (zh) * | 2020-02-12 | 2020-06-26 | 中南林业科技大学 | 一种基于稀疏表示的彩色图案水印嵌入和提取方法 |
CN111340675B (zh) * | 2020-02-12 | 2023-04-25 | 中南林业科技大学 | 一种基于稀疏表示的彩色图案水印嵌入和提取方法 |
CN111614455A (zh) * | 2020-04-30 | 2020-09-01 | 河南大学 | 基于二维压缩感知和忆阻混沌***的彩色图像压缩加密方法 |
CN111614455B (zh) * | 2020-04-30 | 2021-11-19 | 河南大学 | 一种彩色图像压缩加密方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103700061B (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103700061A (zh) | 一种基于压缩感知的数字图像水印嵌入和提取方法 | |
Qin et al. | Perceptual image hashing via dual-cross pattern encoding and salient structure detection | |
CN101847251B (zh) | 一种基于混沌序列的数字水印嵌入和提取方法 | |
Luo et al. | A multi-scale image watermarking based on integer wavelet transform and singular value decomposition | |
CN111968025A (zh) | 基于Bandelet-DCT医学图像鲁棒零水印方法 | |
CN103996165B (zh) | 一种基于压缩感知特征的数字图像零水印嵌入和提取方法 | |
Liu et al. | A Robust Zero-Watermarking Based on SIFT-DCT for Medical Images in the Encrypted Domain. | |
Liu et al. | Robust blind image watermarking based on chaotic mixtures | |
Ashwin et al. | Novel and secure encoding and hiding techniques using image steganography: A survey | |
Xia et al. | Novel quaternion polar complex exponential transform and its application in color image zero-watermarking | |
Xiao et al. | A reversible image authentication scheme based on compressive sensing | |
Kang et al. | A digital watermarking approach based on DCT domain combining QR code and chaotic theory | |
CN103500350B (zh) | 一种基于汉信码与数字水印的防伪方法 | |
Lu et al. | Multiple Watermark Scheme based on DWT-DCT Quantization for Medical Images. | |
Wang et al. | RD-IWAN: Residual dense based imperceptible watermark attack network | |
CN106097236B (zh) | 基于非负矩阵分解的频域鲁棒图像可逆水印方法 | |
Ayad et al. | Qam-dwt-svd based watermarking scheme for medical images | |
Yang et al. | Robust Watermarking Algorithm for Medical Images Based on Non-Subsampled Shearlet Transform and Schur Decomposition. | |
Saneie et al. | Introducing a new method of robust digital image watermarking against cropping and salt & pepper noise using Sudoku | |
Liao et al. | A novel watermark embedding scheme using compressive sensing in wavelet domain | |
Lin et al. | An Electronic Bill Encryption Algorithm Based on Multiple Watermark Encryption. | |
Cui et al. | A Zero Watermarking Scheme for Encrypted Medical Images Based on Tetrolet-DCT | |
Xuesong et al. | A dual digital audio watermarking algorithm based on LWT | |
CN112907428A (zh) | 基于条带变换处理的加密图像水印处理方法及*** | |
Shi | DWT and SVD based Watermarking Scheme with Circulation. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160817 Termination date: 20211230 |