CN103854249A - 基于局部指数矩特征的数字图像水印方法 - Google Patents

Abstract

本发明一种基于局部指数矩特征的数字图像水印方法，对原始图像利用亮度概率密度梯度Harris-Laplace算子进行特征点提取与筛选，得到筛选后的特征点图像；从得到的特征点图像中，以特征点为圆心的圆形区域延拓为正方形区域，构造筛选局部特征区域；计算获得的局部特征区域图像的指数矩，选取出所需的稳定指数矩，再利用量化索引调制方法修改这些指数矩的幅值，完成水印信息的嵌入；对选取的指数矩在嵌入水印信息前后分别进行重构，得到两个重构图像，对两个重构图像做差值运算，将得到的差值叠加到原始图像对应的局部特征区域，得含水印小图像；对所有局部特征区域都完成水印信息的嵌入。

Description

基于局部指数矩特征的数字图像水印方法

技术领域

本发明涉及数字多媒体防伪和信息安全保护领域，尤其是一种可有效抵抗去同步攻击的基于局部指数矩特征的数字图像水印方法。

背景技术

伴随着网络技术与数字媒体技术的飞速发展，数字信息的传输与利用日益变得频繁与广泛，由于数字信息极易被无限制任意编辑、复制与散布，因此对数字作品的加密变得日益突出。数字水印（Digital Watermarking）作为传统加密方法的有效补充手段，是一种可以在开放网络环境下保护版权和认证来源及完整性的新技术，近年来已引起人们高度重视，并已成为国际学术界研究的一个热点。所谓数字图像水印，就是将具有特定意义的标记（水印），利用数据嵌入的方法隐藏在数字图像产品中，用以证明创作者对其作品的所有权，并作为鉴定、起诉非法侵权的依据，同时通过对水印的检测和分析保证数字信息的完整可靠性，从而成为知识产权保护和数字多媒体防伪的有效手段。

去同步攻击并非指该种攻击能够从含水印对象中去除水印信息，而是指其能够破坏数字水印分量的同步（即改变水印嵌入位置），从而导致检测器找不到有效水印。去同步攻击包括简单的全局仿射变换（旋转、缩放和平移）和较为复杂的一般性去同步攻击（剪切、纵横比转换、行列去除、局部仿射扭曲等）。截止到目前，人们主要采用五种措施设计抗去同步攻击的鲁棒图像水印方案，分别为穷举搜索、扩频水印扩频码相结合、构造同步不变量、同步校正、利用原始数据重要特征等。其中，穷举搜索方案具有计算量较大、虚警率较高等弱点；扩频水印扩频码相结合方案无法实现水印信息的盲检测；构造同步不变量方案尚无法有效抵抗诸如剪切、纵横比转换、局部仿射扭曲等较为复杂的一般性去同步攻击；同步校正方案存在水印容量受到限制、时间复杂度较高等弱点；现有利用原始数据特征的数字水印方案还很不成熟，普遍存在特征点稳定性差且分布极不均匀、彩色图像特征点检测算子匮乏、所构造的局部特征区域不具有完全仿射不变性、数字水印容量太小等问题。

迄今为止，还没于关于基于局部指数矩特征的数字图像水印方法的相关报道。

发明内容

本发明是为了解决现有技术所存在的上述技术问题，提供一种可有效抵抗去同步攻击的基于局部指数矩特征的数字图像水印方法。

本发明的技术解决方案是：一种基于局部指数矩特征的数字图像水印方法，其特征在于按照如下步骤进行：

a. 对原始图像利用亮度概率密度梯度Harris-Laplace算子进行特征点提取与筛选，得到筛选后的特征点图像；

b. 从得到的特征点图像中，以特征点为圆心的圆形区域进行“零延拓”处理，即将圆形区域延拓为正方形区域，构造筛选局部特征区域；

c. 计算获得的局部特征区域图像的指数矩，选取出所需的稳定指数矩，再利用量化索引调制方法修改这些指数矩的幅值，完成水印信息的嵌入；

d. 对选取的指数矩在嵌入水印信息前后分别进行重构，得到两个重构图像，对两个重构图像做差值运算，将得到的差值叠加到原始图像对应的局部特征区域，得到含水印小图像；

e. 对原始图像中的所有局部特征区域都反复进行c、d步骤，完成所有水印信息的嵌入。

所述a步骤如下：

 通过核函数估计得到图像亮度矩阵中每个点的亮度概率密度，再计算这些概率密度的一阶偏导数；

进而，图像的亮度概率密度梯度为基础，求取图像的自相关矩阵，定义如下：

其中，

表示积分尺度；

表示微分尺度；G表示高斯函数；

表示计算概率密度P在x方向上的偏导数；*表示卷积操作；

对于给定的和

，可以确定出像素点

的特征强度：

其中，表示矩阵的行列式；表示矩阵的迹；k为常数（通常取0.04）；这样，当像素点的特征强度

大于某个特定阈值T且该像素点为邻域内极值点时，则定义为该像素点为图像特征点，得到筛选后的特征点图像，最后得到的点集包含着特征点的特征强度及特征尺度信息。

所述b步骤如下：以特征点为中心，利用特征尺度倍数做半径所构造出圆形区域，再将圆形区域四周“补0”，得到外接方形子图像即局部特征区域。

所述c步骤如下：

利用密钥产生一个伪随机序列作为数字水印信息；计算局部特征区域的指数矩，选取稳定指数矩；选取稳定指数矩的规则如下：

① 

且；

② 如果，则

且

;

如果

，则且

式中，

为灰度图像的大小，

为所求指数矩的最高阶数，

分别为所选取稳定指数矩的阶数和重复度，

表示对

求取整数，即取不大于的整数，表示在

中取最小值，

顺序选取相应数量的稳定指数矩采用量化索引调制方法进行水印嵌入。

本发明利用概率密度梯度取代原来的亮度梯度的Harris算子对原始数字图像进行特征点的提取，并利用指数矩的幅值具有很好的旋转、缩放不变特性，利用量化索引调制（QIM）方法对其进行数字水印的嵌入、提取。实验结果表明，可以有效的抵抗几何攻击和常规攻击，具有很好的鲁棒性。此外，本发明设计简单、易于实现，水印检测过程无需原始数字图像信号，属于盲检测，增强了其用于数字图像作品版权保护的实用性。

附图说明

图1是本发明实施例的概率密度图像。

图2是本发明实施例概率密度梯度图像。

图3是本发明实施例基于概率密度梯度提取的特征点图像。

图4是本发明实施例稳定指数矩选取示意图。

图5是本发明实施例嵌入水印后的含水印图像。

图6是本发明实施例图像的指数矩嵌入水印前后重构差值图像。

图7是本发明实施例在未攻击下数字水印检测结果。

图8是本发明实施例经常规攻击的含水印图像中所检测的结果图。

图9是本发明实施例经几何攻击的含水印图像中所检测的结果图。

具体实施方式

一种基于局部指数矩特征的数字图像水印方法，按照如下步骤进行：

a. 对原始图像利用亮度概率密度梯度Harris-Laplace算子进行特征点提取与筛选，得到筛选后的特征点图像；

在传统的基于亮度梯度的Harris算子下对数字图像进行特征点的提取，结果发现，其提取的图像特征点分布不均匀，稳定性较差，在这样的情况下，对于水印的嵌入位置，有了很大的约束，含水印图像受到几何攻击后，直接影响了数字水印的提取效果。因此，本发明提出了一种新的基于概率密度梯度下的Harris算子对图像进行特征点的提取，有效的解决了特征点的分布不均匀和稳定性差的问题，其具体为： 

    通过核函数估计得到图像亮度矩阵中每个点的亮度概率密度，再计算这些概率密度的一阶偏导数；

进而，图像的亮度概率密度梯度为基础，求取图像的自相关矩阵，定义如下：

其中，表示积分尺度；表示微分尺度；G表示高斯函数；

表示计算概率密度P在x方向上的偏导数；*表示卷积操作；

对于给定的

和，可以确定出像素点

的特征强度

：

其中，

表示矩阵的行列式；

表示矩阵的迹；k为常数（通常取0.04）；这样，当像素点的特征强度大于某个特定阈值T且该像素点为邻域内极值点时，则定义为该像素点为图像特征点，得到筛选后的特征点图像，最后得到的点集包含着特征点的特征强度及特征尺度信息。

图1(a)：概率密度图像(Lena图像)；

图1(b)：概率密度图像(Barbara图像)；

图2(a)：概率密度梯度图像(Lena图像)；

图2(b)：概率密度梯度图像(Barbara图像)；

图3：基于概率密度梯度提取的特征点图像；

b. 从得到的特征点图像中，以特征点为圆心利用特征尺度倍数做半径所构造出圆形区域，再将圆形区域四周“补0”，得到外接方形子图像即局部特征区域；

图4：稳定指数矩选取示意图；

c. 利用密钥产生一个伪随机序列作为数字水印信息；计算局部特征区域的指数矩，选取稳定指数矩；对原始图像进行不同类型的几何攻击和常规攻击，找到攻击前后指数矩幅值变化率小的矩，通过大量仿真实验，总结出选取稳定指数矩的规则如下：

① 

且

；

② 如果

，则

且

;

如果

，则

且

式中，为灰度图像的大小，

为所求指数矩的最高阶数，

分别为所选取稳定指数矩的阶数和重复度，

表示对

求取整数，即取不大于

的整数，

表示在

中取最小值，

根据要嵌入水印位数的多少，在选取稳定矩的规则之下，顺序选取相应数量的稳定指数矩采用量化索引调制（QIM）方法进行水印嵌入。

d. 对选取的指数矩在嵌入水印信息前后分别进行重构，得到两个重构图像，对两个重构图像做差值运算，将得到的差值叠加到原始图像对应的局部特征区域，得到含水印小图像；

图5(a)：嵌入水印后的含水印图像(Lena图像)；

图5(b)：嵌入水印后的含水印图像(Barbara图像)；

图6(a)：Lena图像的指数矩嵌入水印前后重构差值图像(放大20倍)；

图6(b)：Barbara图像的指数矩嵌入水印前后重构差值图像(放大20倍)。

e. 对原始图像中的所有局部特征区域都反复进行c、d步骤，完成所有水印信息的嵌入。

图7(a)：在未攻击下数字水印检测结果(Lena图像)；

图7(b)：在未攻击下数字水印检测结果(Barbara图像)；

图8(a)、(b)、(c)和(d)：以Lena图像为例，分别为经中值滤波(3×3)、JPEG压缩70、加性噪声（S=0.20）、中值滤波+ JPEG压缩90常规攻击的含水印图像中所检测的结果图；

 图9(a)、(b)、(c)、(d)、(e)、(f)、(g)和(h)：以Lena图像为例，分别为经剪切10%、缩放75%、缩放120%、旋转5度、裁剪（1%，1%）、去除5行17列、旋转5度+中心剪切5%+JPEG70 、去5行17列+JPEG70几何攻击的含水印图像中所检测的结果图。

实验：

数字水印的检测

本发明的数字水印检测过程，不需要原始图像信号，属于盲检测；数字水印检测过程如下：

1、图像特征点的提取

对所得到的含水印图像利用基于概率密度的Harris算子进行特征点提取，筛选后得到图像的特征点集；

2、局部特征区域的构造

以特征点为圆心，构造局部特征圆形区域，再将圆形区域四周“补0”，以得到外接方形子图像；

3、数字水印的提取

对于每个子图像，利用指数矩的计算方法，计算其指数矩；通过稳定指数矩的选取规则，选取出相应的指数矩，根据所需要水印位数的多少，顺序选取相应数量的指数矩。

利用量化索引调制（QIM）中的解码流程，对指数矩进行水印的提取。对含水印图像的每个局部特征区域，重复这一步骤，完成所有水印信息的提取，附图7给出了未攻击下水印检测结果图。

抗攻击能力测试

为了检测本发明算法的鲁棒性能，分别对四幅含水印图像进行了一系列的攻击，包括两大类：⑴常规攻击，如中值滤波（3×3）、高斯滤波、JPEG压缩90、JPEG压缩30、加性噪声、中值滤波（3×3）+ JPEG压缩90、高斯滤波 + JPEG压缩90等；⑵几何攻击，如剪切10%、缩放75%、缩放120%、旋转20度、长宽比1.0 : 1.1、裁剪（1%，1%）、去除5行17列、旋转5度+中心剪切5%+JPEG压缩70、去除5行17列+JPEG压缩70等；附图8和附图9分别给出了在几种常规攻击和几何攻击下水印的检测结果图，“白点”表示成功从特征区域中检测到数字水印信息。

Claims (4)

1.一种基于局部指数矩特征的数字图像水印方法，其特征在于按照如下步骤进行：

a. 对原始图像利用亮度概率密度梯度Harris-Laplace算子进行特征点提取与筛选，得到筛选后的特征点图像；

b. 从得到的特征点图像中，以特征点为圆心的圆形区域进行“零延拓”处理，即将圆形区域延拓为正方形区域，构造筛选局部特征区域；

c. 计算获得的局部特征区域图像的指数矩，选取出所需的稳定指数矩，再利用量化索引调制方法修改这些指数矩的幅值，完成水印信息的嵌入；

d. 对选取的指数矩在嵌入水印信息前后分别进行重构，得到两个重构图像，对两个重构图像做差值运算，将得到的差值叠加到原始图像对应的局部特征区域，得到含水印小图像；

e. 对原始图像中的所有局部特征区域都反复进行c、d步骤，完成所有水印信息的嵌入。

2.根据权利要求1所述基于局部指数矩特征的数字图像水印方法，其特征在于所述a步骤如下：

 通过核函数估计得到图像亮度矩阵中每个点的亮度概率密度，再计算这些概率密度的一阶偏导数；

进而，图像的亮度概率密度梯度为基础，求取图像的自相关矩阵，定义如下：

其中，

表示积分尺度；

表示微分尺度；G表示高斯函数；表示计算概率密度P在x方向上的偏导数；*表示卷积操作；

对于给定的

和

，可以确定出像素点

的特征强度

：

其中，表示矩阵的行列式；

表示矩阵的迹；k为常数（通常取0.04）；这样，当像素点

的特征强度

大于某个特定阈值T且该像素点为邻域内极值点时，则定义为该像素点为图像特征点，得到筛选后的特征点图像，最后得到的点集包含着特征点的特征强度及特征尺度信息。

3.根据权利要求2所述基于局部指数矩特征的数字图像水印方法，其特征在于所述b步骤如下：以特征点为中心，利用特征尺度倍数做半径所构造出圆形区域，再将圆形区域四周“补0”，得到外接方形子图像即局部特征区域。

4.根据权利要求3所述基于局部指数矩特征的数字图像水印方法，其特征在于所述c步骤如下：

利用密钥产生一个伪随机序列作为数字水印信息；计算局部特征区域的指数矩，选取稳定指数矩；选取规则如下：① 

且

；

② 如果，则

且;

如果

，则

且

式中，

为灰度图像的大小，

为所求指数矩的最高阶数，分别为所选取稳定指数矩的阶数和重复度，表示对

求取整数，即取不大于的整数，

表示在

中取最小值，

顺序选取相应数量的稳定指数矩采用量化索引调制方法进行水印嵌入。

Images