CN106384328A - 基于频域数字水印算法的图像数字版权保护方法及*** - Google Patents
基于频域数字水印算法的图像数字版权保护方法及*** Download PDFInfo
- Publication number
- CN106384328A CN106384328A CN201610975580.5A CN201610975580A CN106384328A CN 106384328 A CN106384328 A CN 106384328A CN 201610975580 A CN201610975580 A CN 201610975580A CN 106384328 A CN106384328 A CN 106384328A
- Authority
- CN
- China
- Prior art keywords
- point
- image
- watermark
- straight line
- length
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000000605 extraction Methods 0.000 claims abstract description 13
- 230000009466 transformation Effects 0.000 claims description 45
- 230000008569 process Effects 0.000 claims description 33
- 238000001514 detection method Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000013519 translation Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000013139 quantization Methods 0.000 claims description 12
- 238000000844 transformation Methods 0.000 claims description 10
- 238000012986 modification Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 230000003252 repetitive effect Effects 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000008901 benefit Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 1
- 235000019640 taste Nutrition 0.000 claims 1
- 238000005520 cutting process Methods 0.000 abstract description 12
- 238000012360 testing method Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 239000000284 extract Substances 0.000 description 9
- 230000008859 change Effects 0.000 description 4
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000010008 shearing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000274965 Cyrestis thyodamas Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
- G06F21/16—Program or content traceability, e.g. by watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0052—Embedding of the watermark in the frequency domain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0061—Embedding of the watermark in each block of the image, e.g. segmented watermarking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Technology Law (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明的基于频域数字水印算法的图像数字版权保护方法,包含版权信息的字符信息编码成由有限个2值图像模版组合而成的图像序列,并结合图像特征点和小波变换技术将2值图像序列嵌入到影像中;为了保持算法鲁棒性,计算图像序列大小,当图像序列过大时,发出提示;为了抵抗旋转和缩放攻击,在影像的SIFT特征点的圆环傅立叶变换区域中嵌入预先设置的模版直线点。提取时,通过分析模版直线点的分布来估计影像所遭受的旋转和缩放形变参数,并用此参数恢复影像再进行提取,提取所得的水印2值图像通过和预设的模版图像匹配,根据编码算法还原为水印字符序列,并利用CRC32算法校验水印序列是否完全被提取出来。此算法具有很强的鲁棒性,解决了目前影像算法无法同时抵抗多种攻击,特别是裁剪和旋转缩放几何攻击的问题。
Description
技术领域
本发明涉及地理信息版权保护技术领域,特别涉及基于频域数字水印算法的图像数字版权保护方法及***。
背景技术
影像数据作为地理底图,是重要的基础资源,影像数据的采集、存储、编辑、处理等都需要耗费大量的人力物力财力,因此很容易发生数据盗用,非法拷贝等侵权行为。谷歌推出在线电子地图服务不久后,网上就出现了很多下载谷歌电子地图影像数据的工具软件,轻易的就能获得影像数据,因此不久后,谷歌,百度等将自己公司的logo图案按照一定的排列规律可见的嵌入到发布的电子地图影像数据中,用以宣誓版权。可见影像数据必须要经过一定的版权保护技术手段的处理,才能对外公开发布。上述保护影像数据版权的方案简单易行,但是将地图放大后会很清晰的看到logo图案,对影像的视觉效果产生影响,而且有碍影像的自动化分析处理,降低了影像的实用价值。
数字水印技术是从信息隐藏技术发展而来的,它是指在数字化的数据内容中嵌入秘密水印信息,通过水印与源数据的紧密结合并隐藏其中,成为源数据不可分离的一部分,由此来确定版权拥有者、所有权认证、跟踪侵权行为、认证数字内容来源的真实性、识别购买者、提供关于数字内容的其他附加信息等。将一些标识信息直接嵌入到数字载体或是间接表示,且不影响原载体的使用价值,也不容易被探测和篡改,但可以被嵌入方识别和辨识。通过这些隐藏在载体中的信息,可以达到确认内容创建者,购买者,传送隐秘信息或判断载体是否被修改等目的。可见,采用数字水印技术来保护影像数据版权是不错的选择。
国内外对图像数字水印的研究有很多,提出了很多有价值的水印算法方案,但大多都止步于实验研究,而且往往侧重与水印技术算法鲁棒性的某一方面,实验对象一般为小幅的灰度图像。影像数据一般为航空对地观测数据,纹理丰富,存储的格式繁多,像幅很大,影像数据生产出来后,根据的应用需要,对影像地图数据会进行很多的编辑操作,最常见的有格式转换,裁剪,图像增强,坐标变换等。这要求嵌入的水印对常见的操作具有很强的鲁棒性,不然的话,就失去了意义。
目前影像算法无法同时抵抗多种攻击,特别是裁剪和旋转缩放几何攻击的问题。
CRC算法:全称为Cyclic Redundancy Check,中文名称为循环冗余校验。它是一类重要的线性分组码,编码和解码方法简单,检错和纠错能力强,在通信领域广泛地用于实现差错控制。它产生一个4字节(32位)的校验值,一般是以8位十六进制数,如FA 12 CD 45等。CRC算法的优点在于简便、速度快,严格的来说,CRC更应该被称为数据校验算法,但其功能与数据摘要算法类似,因此也作为测试的可选算法。
在WinRAR、WinZIP等软件中,也是以CRC32作为文件校验算法的。一般常见的简单文件校验(Simple File Verify–SFV)也是以CRC32算法为基础,它通过生成一个后缀名为.SFV的文本文件,这样可以任何时候可以将文件内容CRC32运算的结果与.SFV文件中的值对比来确定此文件的完整性。与SFV相关工具软件有很多,如MagicSFV、MooSFV等。
发明内容
有鉴于此,本发明为影像数据提供一种基于小波和傅立叶变换,并结合图像特征的影像地图盲水印方法。本方法对数据的正常使用没有影响,可以抵御常见的图像信号处理、平移、裁剪、旋转和缩放等多种单一或复合攻击。
基于频域数字水印算法的图像数字版权保护方法,其包括水印嵌入步骤:
S1、生成水印信息,计算所述水印信息大小和所述水印信息的CRC值,当所述水印信息过大影响水印鲁棒性时产生提示信息:
将总长度不超过第一字符串长度的水印字符序列中的每个字符,编码成像素大小为第一长度乘以第一宽度的2值图像,该图像是在预定义的第一预设个数的第二长度乘以第二宽度模版图像集合中根据编码算法选取的第二预设个数的模版图像拼接而成,得到一组2值图像集合W,将该集合中的每张2值图像采用Arnold算法进行置乱处理,该集合就是待嵌入的水印信息。可选地,第一字符串长度为16。第一长度为40、第二宽度为20。第一长度、第二宽度及以下长度、宽度的单位均为像素。第一预设个数为26。第二预设个数为8。
计算所述水印信息大小,当所述水印信息过大时,将所述水印信息嵌入地图块,所述水印信息鲁棒性会受到较大影响,此时产生提示信息;
使用CRC32算法计算所述水印信息CRC值并保存;
S2、将影像地图分块成像素大小为第三长度乘以第三宽度的块图像,得到块图像集合Block;可选地,第三长度为480,第三宽度为160。
S3、将Block中图像块作以下处理:在块图像右上角第四长度乘以第四宽度的区域中检测harris角点,选择强度最大的一个点,得到其像素坐标p(x,y),以点p1(x+第四长度,y)为左上角,选取大小为第四长度乘以第四宽度的矩形图像块区域I,该区域即为每个图像块中水印图像的载体区域;可选地,第四长度为160、第四宽度为80。
S4、将集合W中水印2值图像wi,采用抖动量化算法,取量化步长为nStep,将wi量化到区域I的2级小波变换的逼近子图中,然后逆变换恢复区域I,放回影像原来的位置中;水印的嵌入采用冗余嵌入策略,重复嵌入;
S5、将影像地图进行分块SIFT特征点检测,并筛选得到特征点坐标集合pSift;集合中的点要满足以下两个条件:(1).任意两点间的像素距离大于预设距离值;(2).点个数量尽可能多;可选地,预设距离值为360,单位为像素。
S6、在极坐标系中,生成两条直线模版点集,记作Line1,Line2;生成Line1的参数为:角度θ1,半径r∈[r11,r12],其中半径步长为len1,则Line1中的点个数为n1=(r12-r11)/len1+1;生成Line2的参数为:角度θ2,半径r∈[r21,r22],其中半径步长为len2,则Line2中的点个数为n2=(r22-r21)/len2+1;其中,直线点的半径要小于预设半径值;将每条直线中的每个点关于原点对称的对称点加入到相应的直线集合中;可选地,预设半径值为180,单位为像素。
S7、取出集合pSift中的还未处理的点为圆心,预设半径值为半径,取得影像地图中的一块区域,将RGB色彩空间转换成YUV,对Y分量进行傅立叶变换,并计算出图像幅值矩阵并进行中心化变换得到Fabs;
S8、根据模版直线Line1,Line2中的点坐标对应到Fabs中,在以对应点为中心的第五长度乘以第五宽度区域中,构造峰值,修改对应点的幅值为峰值;可选地,第五长度为11、第五宽度为11。
S9、将修改后的Fabs还原为实部和虚部,然后再进行傅立叶反变换得到修改后的Y分量;将修改后的Y分量与原来的U、V分量反变换到RGB色彩空间中,最后放回原影像地图中;
S10、重复执行S8至S10,直到集合pSift中所有的点处理完成。
在本发明所述的基于频域数字水印算法的图像数字版权保护方法中,
S01、将待提取水印的影像地图分块检测SIFT特征点,得到点集合pSift;
S02、取出集合pSift中的还未处理的点为圆心,预设半径值为半径,取得影像地图中的一块区域,将RGB色彩空间转换成YUV,对Y分量进行傅立叶变换,并计算出图像幅值矩阵并进行平移变换得到Fabs;
S03、在Fabs中以第六长度乘以第六宽度的窗口大小搜索峰值点,得到点的坐标,并以Fabs的几何中心为原点,建立极坐标系,将峰值点的坐标换算成极坐标,组成集合Peak;可选地,第六长度为5、第六宽度为5。
S04、将Fabs极坐标区域按照4度为一带,分成90个扇形区域带,将Peak中的点极坐标按照角度划分到不同的扇形区域中;并在每个扇形区域中根据模版直线Line1,Line2分别尝试拟合出一条直线,根据直线Line1拟合出的加入到集合L1中,根据直线Line2拟合出的加入到集合L2中;
S05、依次循环取出集合L1中一条直线,直线含有至少5个点的坐标,在L2中寻找与该直线夹角为θ2-θ1的另一条直线,若找到,则根据两条直线的点坐标和模版直线的坐标,用最小二乘法计算出旋转角度α,和缩放系数κ,若没找到,则取出L1中的下一条直线,重复本步骤计算过程;
S06、重复执行步骤S02至步骤S05,直到所有的SIFT特征点处理完成,这样就得到一系列的旋转角度和缩放系数集合;
S07、根据步骤S05中得到的一系列旋转和缩放系数,对待提取水印的影像地图进行反旋转和反缩放变换,得到新影像ImgTrans
S08、将ImgTrans分块成像素大小为第三长度、第三宽度的块图像,得到块图像集合Block;
S09、将Block中图像块作以下处理:在块图像右上角第四长度乘以第四宽度的区域中检测harris角点,选择强度最大的一个点,得到其像素坐标p(x,y),以点p1(x+第四长度,y)为右上角,选取大小为第四长度乘以第四宽度的矩形图像块区域I,该区域即为待提取水印信息的区域;
S010、对步骤S09中的矩形块进行2级小波变换,根据嵌入时选择的量化步长值反量化,反置乱得到像素大小为第一长度乘以第一宽度的水印图像,将其拆分为第二预设个数个第二长度乘以第二宽度的图像,并分别和第一预设个数个模版图像计算相关系数,相关系数最大的作为水印子图像;
S011、根据水印信息编码规则解析出该图像块的信息,计算解析出来的所述水印信息CRC值,并将其与S1中的CRC值比较;
S012、重复执行步骤S08至步骤S011,直到成功解析出嵌入的水印信息,或者所有的矩形块处理完;
S013、步骤重复执行步骤S07至步骤S012反复执行,直到成功解析出嵌入的水印信息,或者有所的旋转缩放系数都经过验证。
在本发明所述的基于频域数字水印算法的图像数字版权保护方法中,
所述步骤S1中水印字符信息转换成模版图像包括:
根据影像地图数据实际使用流程,将水印字符信息分为3段:
第1段为:数据发布方不超过7个字符;
第2段为:数据授权使用方不超过6个字符;
第3段为:数据的发布日期;如:2012-12-10
在编码的过程中增加信息头,用于在水印信息流中区分第1段和第2段。数据发布方和数据授权使用方信息中每个字符为一个编码单元,对应一张40x20大小的2值图像,数据发布日期中年信息和日期信息部分分别对应一张40x20大小的2值图像,如“2012-12-10”,则2012编码成一张图像,12-10编码成另一张图像。
11 | 12 | 13 | 14 |
21 | 22 | 23 | 24 |
表1
表1为40x20的水印图像的示意图,由8张10x10的模版图像组成,26个模版图像见附图1。为了便于说明问题,8个方位子块用字符B11,B12,B13B14,B21,B22,B23,B24,表示。
表2表示各方位子块的含义和计算公式:(公式中ch1,ch2的含义根据编码单元的类型不同而不同,后面将具体说明)
表2
表2计算公式中子块数值表示26个模版图像中的序号,例如:若B11为1,则表示B11应该为1.bmp,也即字母“B”的图像。
ch1,ch2的具体含义如下表3:
表3
例如:2012-12-10,则年份中ch1=20,ch2=12,日期中ch1=12,ch2=10
在本发明所述的基于频域数字水印算法的图像数字版权保护方法中,
所述步骤S5中筛选SIFT特征点包括:
(1)、根据特征点坐标集pSift计算出点与点之间的距离矩阵Distance:
其中dij表示第i个点与第j个点之间的距离,矩阵第i行表示点集中第i个特征点与集合中所有点之间的距离;
(2)、按行统计Distance中dij>256的元素,并组成集合:
vi={k|dik>256,k=1,2,3,…n}
vi表示第i个点与pSift中所有其它点距离大于256的点的序号集合;计算每个集合vi中元素的个数,组成集合
Count={numi|numi=count(vi),i=1,2,3,…n}
上式中count(vi)表示集合vi中的元素个数,也即与点i距离大于256的点的个数,以下简称点的count值;并且pSift中第i个点与点i等价;
(3)、令初始点集为P={i|i=1,2,3,…n}
(4)、根据点集P中每个点的count值,找到最大的count值对应的点j,加入到最终集合Res中,并令P=P∩vj
(5)、循环执行步骤(4),直到集合集合Res即为所求。
在本发明所述的基于频域数字水印算法的图像数字版权保护方法中,
所述步骤S05包括:
(1)、在给定的扇形区域带中取出一个还未验证的点pi(ri,θi)的极半径ri,与模版直线中每个点的极半径作比值,得到比值集合K={k1,k2,…,kn},剔除掉不在[0.5,2]范围内的值;模版直线点中角度小于π的点参与本次计算;
(2)、对于集合K中的每个值,如果扇形区域中至少有5个点满足公式:|rIi-k*rTj|<0.05,式中rIi为扇形区域中点的极半径,rTj为模版直线中点的极半径;则说明成功找到一条直线;
(3)、重复执行步骤(1)、(2),直到扇形区域中的每个点都验证过。
本发明还提供基于频域数字水印算法的图像数字版权保护***,其包括水印嵌入模块:
水印信息转换单元,用于将总长度不超过第一字符串长度的水印字符序列中的每个字符,编码成像素大小为第一长度乘以第一宽度的2值图像,该图像是在预定义的第一预设个数的第二长度乘以第二宽度模版图像集合中根据编码算法选取的第二预设个数的模版图像拼接而成,得到一组2值图像集合W,将该集合中的每张2值图像采用Arnold算法进行置乱处理,该集合就是待嵌入的水印信息;
第一块图像集合获取单元,用于将影像地图分块成像素大小为第三长度乘以第三宽度的块图像,得到块图像集合Block;
载体区域获取单元,用于将Block中图像块作以下处理:在块图像右上角第四长度乘以第四宽度的区域中检测harris角点,选择强度最大的一个点,得到其像素坐标p(x,y),以点p1(x+第四长度,y)为左上角,选取大小为第四长度乘以第四宽度的矩形图像块区域I,该区域即为每个图像块中水印图像的载体区域;
水印嵌入单元,用于将集合W中水印2值图像wi,采用抖动量化算法,取量化步长为nStep,将wi量化到区域I的2级小波变换的逼近子图中,然后逆变换恢复区域I,放回影像原来的位置中;水印的嵌入采用冗余嵌入策略,重复嵌入;
特征点检测单元,用于将影像地图进行分块SIFT特征点检测,并筛选得到特征点坐标集合pSift;集合中的点要满足以下两个条件:(1).任意两点间的像素距离大于预设距离值;(2).点个数量尽可能多;
直线集合获取单元,用于在极坐标系中,生成两条直线模版点集,记作Line1,Line2;生成Line1的参数为:角度θ1,半径r∈[r11,r12],其中半径步长为len1,则Line1中的点个数为n1=(r12-r11)/len1+1;生成Line2的参数为:角度θ2,半径r∈[r21,r22],其中半径步长为len2,则Line2中的点个数为n2=(r22-r21)/len2+1;其中,直线点的半径要小于预设半径值;将每条直线中的每个点关于原点对称的对称点加入到相应的直线集合中;
第一傅立叶变换单元,用于取出集合pSift中的还未处理的点为圆心,预设半径值为半径,取得影像地图中的一块区域,将RGB色彩空间转换成YUV,对Y分量进行傅立叶变换,并计算出图像幅值矩阵并进行中心化变换得到Fabs;
对应点的幅值修改单元,用于根据模版直线Line1,Line2中的点坐标对应到Fabs中,在以对应点为中心的第五长度乘以第五宽度区域中,构造峰值,修改对应点的幅值为峰值;
反变换单元,用于将修改后的Fabs还原为实部和虚部,然后再进行傅立叶反变换得到修改后的Y分量;将修改后的Y分量与原来的U、V分量反变换到RGB色彩空间中,最后放回原影像地图中;
第一重复单元,用于重复执行对应点的幅值修改单元、反变换单元、第一重复单元,直到集合pSift中所有的点处理完成。
在本发明所述的基于频域数字水印算法的图像数字版权保护***中,
点集合获取单元,用于将待提取水印的影像地图分块检测SIFT特征点,得到点集合pSift;
第二傅立叶变换单元,用于取出集合pSift中的还未处理的点为圆心,预设半径值为半径,取得影像地图中的一块区域,将RGB色彩空间转换成YUV,对Y分量进行傅立叶变换,并计算出图像幅值矩阵并进行平移变换得到Fabs;
坐标换算单元,用于在Fabs中以第六长度乘以第六宽度的窗口大小搜索峰值点,得到点的坐标,并以Fabs的几何中心为原点,建立极坐标系,将峰值点的坐标换算成极坐标,组成集合Peak;
直线拟合单元,用于将Fabs极坐标区域按照4度为一带,分成90个扇形区域带,将Peak中的点极坐标按照角度划分到不同的扇形区域中;并在每个扇形区域中根据模版直线Line1,Line2分别尝试拟合出一条直线,根据直线Line1拟合出的加入到集合L1中,根据直线Line2拟合出的加入到集合L2中;
直线查询单元,用于依次循环取出集合L1中一条直线,直线含有至少5个点的坐标,在L2中寻找与该直线夹角为θ2-θ1的另一条直线,若找到,则根据两条直线的点坐标和模版直线的坐标,用最小二乘法计算出旋转角度α,和缩放系数κ,若没找到,则取出L1中的下一条直线,重复本单元计算过程;
第二重复单元,用于重复执行第二傅立叶变换单元至直线查询单元,直到所有的SIFT特征点处理完成,这样就得到一系列的旋转角度和缩放系数集合;
反旋转缩放单元,用于根据直线查询单元中得到的一系列旋转和缩放系数,对待提取水印的影像地图进行反旋转和反缩放变换,得到新影像ImgTrans
第二块图像集合获取单元,用于将ImgTrans分块成像素大小为第三长度、第三宽度的块图像,得到块图像集合Block;
待提取区域确定单元,用于将Block中图像块作以下处理:在块图像右上角第四长度乘以第四宽度的区域中检测harris角点,选择强度最大的一个点,得到其像素坐标p(x,y),以点p1(x+第四长度,y)为右上角,选取大小为第四长度乘以第四宽度的矩形图像块区域I,该区域即为待提取水印信息的区域;
水印子图像确定单元,用于对待提取区域确定单元中的矩形块进行2级小波变换,根据嵌入时选择的量化步长值反量化,反置乱得到像素大小为第一长度乘以第一宽度的水印图像,将其拆分为第二预设个数个第二长度乘以第二宽度的图像,并分别和第一预设个数个模版图像计算相关系数,相关系数最大的作为水印子图像;
解析单元,用于根据水印信息编码规则解析出该图像块的信息。
第三重复单元,用于重复执行第二块图像集合获取单元至解析单元,直到成功解析出嵌入的水印信息,或者所有的矩形块处理完。
第四重复单元,用于步骤重复执行反旋转缩放单元至第三重复单元反复执行,直到成功解析出嵌入的水印信息,或者有所的旋转缩放系数都经过验证。
在本发明所述的基于频域数字水印算法的图像数字版权保护***中,
所述水印信息转换单元中水印字符信息转换成模版图像包括:
根据影像地图数据实际使用流程,将水印字符信息分为3段:
第1段为:数据发布方不超过7个字符;
第2段为:数据授权使用方不超过6个字符;
第3段为:数据的发布日期;
在编码的过程中增加信息头,用于在水印信息流中区分第1段和第2段。
在本发明所述的基于频域数字水印算法的图像数字版权保护***中,
所述特征点检测单元中筛选SIFT特征点包括:
(1)、根据特征点坐标集pSift计算出点与点之间的距离矩阵Distance:
其中dij表示第i个点与第j个点之间的距离,矩阵第i行表示点集中第i个特征点与集合中所有点之间的距离;
(2)、按行统计Distance中dij>256的元素,并组成集合:
vi={k|dik>256,k=1,2,3,…n}
vi表示第i个点与pSift中所有其它点距离大于256的点的序号集合;计算每个集合vi中元素的个数,组成集合
Count={numi|numi=count(vi),i=1,2,3,…n}
上式中count(vi)表示集合vi中的元素个数,也即与点i距离大于256的点的个数,以下简称点的count值;并且pSift中第i个点与点i等价;
(3)、令初始点集为P={i|i=1,2,3,…n}
(4)、根据点集P中每个点的count值,找到最大的count值对应的点j,加入到最终集合Res中,并令P=P∩vj
(5)、循环执行步骤(4),直到集合集合Res即为所求。
在本发明所述的基于频域数字水印算法的图像数字版权保护***中,
所述直线查询单元包括:
(1)、在给定的扇形区域带中取出一个还未验证的点pi(ri,θi)的极半径ri,与模版直线中每个点的极半径作比值,得到比值集合K={k1,k2,…,kn},剔除掉不在[0.5,2]范围内的值;模版直线点中角度小于π的点参与本次计算;
(2)、对于集合K中的每个值,如果扇形区域中至少有5个点满足公式:|rIi-k*rTj|<0.05,式中rIi为扇形区域中点的极半径,rTj为模版直线中点的极半径;则说明成功找到一条直线;
(3)、重复执行步骤(1)、(2),直到扇形区域中的每个点都验证过。
本发明是基于图像特征与小波变换的影像地图水印,同时通过傅立叶变换域直线模版估计图像形变的方法具有以下优点:
(1)、水印信息与具体的影像数据格式无关,也即格式转换水印不会丢失
(2)、该发明嵌入水印方法结合了图像特征点技术,属于第二代数字水印技术,影像的局部块携带水印信息,使得具有很好的抗裁剪,平移能力
(3)、本方案通过选择SIFT特征点,以SIFT特征点为中心的圆环区域的DFT幅值域中嵌入预设的模版直线点,能够估计图像的任意角度的旋转和缩放程度在[0.5,2]区间中形变,使得本方案能有效抵抗图像的几何形变攻击。
(4)、较强的鲁棒性。将文字水印信息编码成图像,然后将2值图像作为水印嵌入,这种编码方式改变了传统的直接将字符的2进制01序列量化到宿主图像中的方法。提取时进行图像相关系数匹配,保证了即使图像遭受较大的破坏,也能提取出水印信息。选择小波逼近子图的系数来量化水印更进一步加强了水印的抗攻击性。经过测试,本方案嵌入的水印能够抵抗jpg压缩,旋转,格式转换,平移,裁剪,剪切,及常见的图像信号处理攻击
(5)、较好的视觉不可见性,本方案中嵌入水印前后影像视觉上无明显变化,遥感影像一般纹理丰富,本方案用于遥感影像的水印添加具有很好的视觉效果。
附图说明
图1为水印信息编码方案使用的26个像素大小为10x10的模版图像;
图2为水印嵌入时,用户设置水印信息的操作界面;
图3为测试本发明抗jpg压缩能力所选用的影像,该影像的格为tiff,尺寸为3888x2592,文件大小为29525KB;
图4为测试抗裁剪攻击所使用的裁剪块影像;
图5为测试抗平移攻击所使用的平移影像;
图6是顺时针旋转32.6度,缩放1.2倍后的含水印影像;
图7为生成的相应水印2值图像;
图8为本发明基于频域数字水印算法的图像数字版权保护***结构框图;
图9为水印嵌入模块的结构框图;
图10为水印提取模块的结构框图。
具体实施方式
本发明实施例的本发明是基于图像特征与小波变换的影像地图水印方法,同时通过傅立叶变换域直线模版估计图像形变。采用该方法已经开发实现了基于数字水印技术的遥感影像地图数据的版权保护***。该***能够对常见的地图影像文件格式img、geotiff、tiff、bmp、jpg、png等进行水印添加和提取。开发环境为vs2005,采用遥感影像库gdal,和计算机视觉库OpenCV来实现。下面结合该***对本发明做进一步的详细描述。
根据本发明方法的技术原理,对于能添加和提取水印的影像地图文件做以下限制:
1、本发明只能处理RGB 3通道的影像地图,若是单通道灰度影像,本方法会将单通道灰度影像转换成3通道,然后再进行处理。以简化方法实际实施的复杂度
2、本发明只能处理像素尺寸大于2000x2000的影像,小于此尺寸的影像不给与支持。如果将大影像进行水印添加之后,进行了切片处理;提取水印时,将切片拼接起来进行水印检测,是可以检测到水印信息的。
实施方式主要包括3个方面:1.影像地图文件的读取和存储2.水印的嵌入3.水印的提取。
1、影像地图文件的读取和存储:
读取影像时,使用gdal库函数按照3840x3840的大小进行分块读取,如果读取是jpg,png等压缩数据格式,则先转换成tiff格式的中间影像,然后再分块读取。将读取的影像转换成OpenCv的IplImage数据结构格式,然后再进行水印的添加或者提取操作。
存储影像时,将OpenCv的IplImage数据块按照读取时的块坐标和大小使用gdal库函数存储到原地图影像中。若用户给定的是jpg,png格式的影像,则存储影像的整个过程完成后,需要将中间转换的tiff格式影像转换回原格式。
通过上述方式的读取和存储操作,就可以实现对大数据量的各种影像地图格式的数据进行处理。
2、水印信息的嵌入过程:
(1)、由用户选择预先存储在硬件狗中的数据发布方名称,输入数据授权使用方的信息,并选择数据发布日期。输入界面见附图2。
(2)、根据用户输入的水印信息编码成待嵌入的水印2值图像序列,并进行Anrold置乱处理,记为集合,将水印2值图像序列拼接,并计算拼接后图像大小,如果过大,则产生提示信息;计算该集合的CRC值。
例如:若用户选择的发布方名称为:圆周率,授权使用者名称为:wH武汉,选择的发布日期为:2012-12-12。则生成的相应水印2值图像见下附图7。实际过程中,生成的水印图像对用户是不可见的,这里为了理解方法原理,在此展现出来。计算所述水印信息大小,当所述水印信息过大时,将所述水印信息嵌入地图块,所述水印信息鲁棒性会受到较大影响,此时产生提示信息;使用CRC32算法计算所述水印信息CRC值并保存。
(3)、将读入的3840x3840的块图像进一步分块成1920x1920的子图像,采用多线程技术给每个子块图像进行水印的添加。每个线程的工作流程为:
①、将子图像按照480x160的大小进行分块,依次在每个块的右上角160x80的区域内进行harris特征点检测,选出强度最大的一个特征点p(x,y),以点p1(x+160,y)为右上角,选取大小为160x80的矩形图像块区域,该区域即待嵌入水印图像的载体区域。记该区域集合为embed_Block。
②、从集合W中选取一个还未处理的水印2值图像Wi,并从集合embed_Block中取出一个还未处理的块图像embed_Blockj,采用抖动量化取步长为20,将Wi量化到区域embed_Blockj的2级小波变换的逼近子图中,然后逆变换恢复区域embed_Blockj,放回原块中。重复以上过程,直到集合embed_Block中的每个块图像都被处理,这样,同一个水印图像都被嵌入多次,以增强水印的鲁棒性。
③、在1920x1920的子图像中进行SIFT特征点检测,得到特征点集合pSift,并采用前面发明说明书的筛选方法筛选出点间间距大于256的点集P={pi,i=1,…,n}
④、在极坐标系中,生成两条直线模版点集,记作Line1,Line2。生成Line1的参数为:角度75°,半径r∈[10,118],其中半径步长为18;生成Line2的参数为:角度105°,半径r∈[20,104],中半径步长为14。将每条直线中的7个点关于原点对称的另7个点加入到集合中,这样每条直线集合由14个点组成。
⑤、取出集合P={pi,i=1,…,n}中的还未处理的点为圆心,180为半径,取得影像地图中的一块区域,将RGB色彩空间转换成YUV,对Y分量进行傅立叶变换,并计算出图像幅值矩阵并进行中心平移变换得到Fabs。
⑥、根据模版直线line1,line2中的点坐标对应到Fabs中,在以对应点为中心的11x11区域中,构造峰值,修改对应点的幅值为峰值。
⑦、将修改后的Fabs还原为实部和虚部,然后再进行反中心平移,傅立叶反变换得到修改后的Y分量。将修改后的Y分量与原来的U、V分量反变换到RGB色彩空间中,最后放回原影像地图中。
⑧、步骤④~⑦反复执行,直到所有的特征点都被处理。
(4)、给块图像添加完水印后调用存储过程将块图像写回原地图影像中
3、水印信息的提取过程:
由于本方法抗旋转和缩放的技术原理是首先估计图像旋转和缩放的参数,然后将图像进行反变换恢复。因此在提取水印之前,需要提取和识别模版直线点,进行计算得到旋转和缩放参数。由于嵌入时并不是所有的SIFT特征点的圆环区域都嵌入了模版点直线,因此提取过程采用多线程技术并行处理。线程分为两类:一类是提取水印线程,一类是估计图像旋转和缩放参数线程。估计旋转和缩放参数线程将估计出的变换参数传递给提取水印线程,提取水印线程先对图像进行恢复变换,然后再提取水印。以下分别说明两类线程的工作原理:
(1)、图像旋转和缩放参数估计线程:
①、在极坐标系中,生成两条直线模版点集,记作Line1,Line2。生成Line1的参数为:角度75°,半径r∈[10,118],,其中半径步长为18;生成Line2的参数为:角度105°,半径r∈[20,104],,其中半径步长为14。
②、对图像块进行SIFT特征点检测,得到特征点集合P={pi,i=1,…,n}
③、从集合中选出一个还未处理的点,以该点为圆心,180为半径,将该圆形区域从RGB色彩空间转换成YUV,对Y分量进行傅立叶变换。并计算出图像的幅值矩阵并进行中心平移变换得到
④、在Fabs中以5x5的窗口大小搜索峰值点,得到点的坐标,并以Fabs的几何中心为原点,建立极坐标系,将峰值点的坐标换算成极坐标,组成集合Peak。
⑤、将Fabs极坐标区域按照4度为一带,分成90个扇形区域带,将Peak中的点极坐标按照角度划分到不同的扇形区域中。并在每个扇形区域中根据模版直线line1,line2分别尝试拟合出一条直线,根据直线line1拟合出的加入到集合L1中,根据直线line2拟合出的加入到集合L2中。
⑤、依次循环取出集合L1中一条直线(含有至少5个点的坐标),在L2中寻找与该直线夹角为30°的另一条直线,若找到,则根据两条直线的点坐标和模版直线的坐标,用最小二乘法计算出旋转角度α,和缩放系数κ,并将参数传递给水印提取线程的参数队列中,若没找到,则取出L1中的下一条直线,重复上述计算过程。
(2)、水印提取线程:
①、从参数队列中取出一对参数,对待提取的图像块进行反变换,得到图像块Img_trans
②、对图像块Img_trans按照480x160的大小分块,得到块集合Block
③、取出Block中还未处理的一个图像块Blocki在块图像右上角160x80的区域中检测harris角点,为了增强鲁棒性和提取水印的成功率,选取出强度最大的4个harris点,将特征点的向右偏移160像素,以偏移后的点为左上角点,选取出160x80的矩形图像块I1、I2、I3、I4
④、分别对区域I1、I2、I3、I4进行2级小波变换,采用步长为20,从2级小波逼近子图中反量化,反Anrold置乱得到40x20的水印图像,并将水印图像拆分为8个10x10的水印子图像,然后将8个水印子图像分别和26个模版图像进行相关系数匹配识别,相关系数最大的模版图像为水印子图像。最后通过编码规则进行校验。计算编码规则解析出来的水印信息CRC值,并将其与水印嵌入时的CRC值比较。若CRC值相同,则代表校验成功,水印信息被成功提取出来。
⑤、步骤③,④反复执行,直到水印正确的被全部提取出或所有的图像块处理完
⑥、若通过本次的旋转和缩放参数没有提取到水印,则回到步骤①,循环处理
4、测试与分析
(1)、格式转换攻击
将包含水印的bmp图像另存为.GIF或.img或.png格式的数据,数据的容量大小、数据的存储格式都发生了改变。由于本发明的水印方案是针对地图影像像素的。因而各种格式的转换对水印的提取没有影响。实验结果,该方法可以有效抵抗格式转换攻击。
(2)、抗jpg压缩能力
本项测试选用的影像为附图3,该影像的格为tiff,尺寸为3888x2592,文件大小为29525KB。发布的水印版权信息为:发布者:圆周率,授权使用单位为:wu武汉,发布时间为:2012-12-12。将水印添加完成后在PhostShop中打开,另存为jpg格式的图像,压缩的品质参数依次为:8,7,6,5,4,得到5张jpg影像,分别进行水印提取,结果如下表4:
表4
上表中提取结果“~”表示该位信息未被正确解析出。从上表4可知,压缩品质在6以上的,水印信息可以被完整的提取出,压缩品质为5时,“武”没有被解析出来,但是通过其他的信息,足以证明影像的版权信息。可见,本发明对图像的JPG压缩有较强的鲁棒性。
(3)、裁剪抗击
本项测试选用的影像为附图3,该影像的格为tiff,尺寸为3888x2592,文件大小为29525KB。根据本发明的技术原理,裁剪的影像片尺寸越大,提取成功的概率就越高,测试将随机裁剪出2000x2000大小的影像,此大小为本发明支持的影像尺寸的最低限制。附图4为裁剪出的4张影像,进行水印提取,实验结果表明,均能提取出完整的水印信息,可见,本发明对影像的裁剪具备抗攻击性。
(4)、平移攻击
平移和裁剪都是破坏了水印信息与嵌入位置的同步关系,从这个意义上来将,这两种攻击方式是一样的。所以本方法可以有效的抵抗平移攻击。对含水印的影像进行了不同方向,不同强度的平移操作,实验结果表明,本方法能够有效抵抗平移攻击。
(5)、旋转和缩放攻击
为了抗旋转和缩放攻击,本发明在影像中嵌入了预设的模版直线点,提取时检测模版直线点,然后估计出图像遭受的旋转和缩放的参数,然后根据计算的参数恢复嵌入水印时的影像,再进行提取。实验结果表明,对含有水印的图像进行任意角度的旋转,无论角度和缩放参数是整数还是含有小数,提取时都能准确的估计出。附图6是顺时针旋转32.6度,缩放1.2倍后的含水印影像。进行模版估计时估计出的角度为32.649度,缩放系数为1.199。提取水印时完全提取水印信息。
(6)、其他测试
对含水印的影像进行对比度,亮度,滤波,加噪声等处理操作,水印能全部或部分提取成功。可见本发明对图像信号处理方法也有很强的鲁棒性。
可以理解的是,对于本领域的普通技术人员来说,可以根据本发明的技术构思做出其它各种相应的改变与变形,而所有这些改变与变形都应属于本发明权利要求的保护范围。
Claims (10)
1.基于频域数字水印算法的图像数字版权保护方法,其特征在于,其包括水印嵌入步骤:
S1、生成水印信息,计算所述水印信息大小和所述水印信息的CRC值,当所述水印信息过大影响水印鲁棒性时产生提示信息:
将总长度不超过第一字符串长度的水印字符序列中的每个字符,编码成像素大小为第一长度乘以第一宽度的2值图像,该图像是在预定义的第一预设个数的第二长度乘以第二宽度模版图像集合中根据编码算法选取的第二预设个数的模版图像拼接而成,得到一组2值图像集合W,将该集合中的每张2值图像采用Arnold算法进行置乱处理,该集合就是待嵌入的所述水印信息;
计算所述水印信息大小,当所述水印信息过大时,将所述水印信息嵌入地图块,所述水印信息鲁棒性会受到较大影响,此时产生提示信息;
使用CRC32算法计算所述水印信息CRC值并保存;
S2、将影像地图分块成像素大小为第三长度乘以第三宽度的块图像,得到块图像集合Block;
S3、将Block中图像块作以下处理:在块图像右上角第四长度乘以第四宽度的区域中检测harris角点,选择强度最大的一个点,得到其像素坐标p(x,y),以点p1(x+第四长度,y)为左上角,选取大小为第四长度乘以第四宽度的矩形图像块区域I,该区域即为每个图像块中水印图像的载体区域;
S4、将集合W中水印2值图像wi,采用抖动量化算法,取量化步长为nStep,将wi量化到区域I的2级小波变换的逼近子图中,然后逆变换恢复区域I,放回影像原来的位置中;水印的嵌入采用冗余嵌入策略,重复嵌入;
S5、将影像地图进行分块SIFT特征点检测,并筛选得到特征点坐标集合pSift;集合中的点要满足以下两个条件:(1).任意两点间的像素距离大于预设距离值;(2).点个数量尽可能多;
S6、在极坐标系中,生成两条直线模版点集,记作Line1,Line2;生成Line1的参数为:角度θ1,半径r∈[r11,r12],其中半径步长为len1,则Line1中的点个数为n1=(r12-r11)/len1+1;生成Line2的参数为:角度θ2,半径r∈[r21,r22],其中半径步长为len2,则Line2中的点个数为n2=(r22-r21)/len2+1;其中,直线点的半径要小于预设半径值;将每条直线中的每个点关于原点对称的对称点加入到相应的直线集合中;
S7、取出集合pSift中的还未处理的点为圆心,预设半径值为半径,取得影像地图中的一块区域,将RGB色彩空间转换成YUV,对Y分量进行傅立叶变换,并计算出图像幅值矩阵并进行中心化变换得到Fabs;
S8、根据模版直线Line1,Line2中的点坐标对应到Fabs中,在以对应点为中心的第五长度乘以第五宽度区域中,构造峰值,修改对应点的幅值为峰值;
S9、将修改后的Fabs还原为实部和虚部,然后再进行傅立叶反变换得到修改后的Y分量;将修改后的Y分量与原来的U、V分量反变换到RGB色彩空间中,最后放回原影像地图中;
S10、重复执行S8至S10,直到集合pSift中所有的点处理完成。
2.如权利要求1所述的基于频域数字水印算法的图像数字版权保护方法,其特征在于,其还包括水印提取步骤:
S01、将待提取水印的影像地图分块检测SIFT特征点,得到点集合pSift;
S02、取出集合pSift中的还未处理的点为圆心,预设半径值为半径,取得影像地图中的一块区域,将RGB色彩空间转换成YUV,对Y分量进行傅立叶变换,并计算出图像幅值矩阵并进行平移变换得到Fabs;
S03、在Fabs中以第六长度乘以第六宽度的窗口大小搜索峰值点,得到点的坐标,并以Fabs的几何中心为原点,建立极坐标系,将峰值点的坐标换算成极坐标,组成集合Peak;
S04、将Fabs极坐标区域按照4度为一带,分成90个扇形区域带,将Peak中的点极坐标按照角度划分到不同的扇形区域中;并在每个扇形区域中根据模版直线Line1,Line2分别尝试拟合出一条直线,根据直线Line1拟合出的加入到集合L1中,根据直线Line2拟合出的加入到集合L2中;
S05、依次循环取出集合L1中一条直线,直线含有至少5个点的坐标,在L2中寻找与该直线夹角为θ2-θ1的另一条直线,若找到,则根据两条直线的点坐标和模版直线的坐标,用最小二乘法计算出旋转角度α,和缩放系数κ,若没找到,则取出L1中的下一条直线,重复本步骤计算过程;
S06、重复执行步骤S02至步骤S05,直到所有的SIFT特征点处理完成,这样就得到一系列的旋转角度和缩放系数集合;
S07、根据步骤S05中得到的一系列旋转和缩放系数,对待提取水印的影像地图进行反旋转和反缩放变换,得到新影像ImgTrans
S08、将ImgTrans分块成像素大小为第三长度、第三宽度的块图像,得到块图像集合Block;
S09、将Block中图像块作以下处理:在块图像右上角第四长度乘以第四宽度的区域中检测harris角点,选择强度最大的一个点,得到其像素坐标p(x,y),以点p1(x+第四长度,y)为右上角,选取大小为第四长度乘以第四宽度的矩形图像块区域I,该区域即为待提取水印信息的区域;
S010、对步骤S09中的矩形块进行2级小波变换,根据嵌入时选择的量化步长值反量化,反置乱得到像素大小为第一长度乘以第一宽度的水印图像,将其拆分为第二预设个数个第二长度乘以第二宽度的图像,并分别和第一预设个数个模版图像计算相关系数,相关系数最大的作为水印子图像;
S011、根据水印信息编码规则解析出该图像块的信息,计算解析出来的所述水印信息CRC值,并将其与S1中的CRC值比较;
S012、重复执行步骤S08至步骤S011,直到成功解析出嵌入的水印信息,或者所有的矩形块处理完;
S013、步骤重复执行步骤S07至步骤S012反复执行,直到成功解析出嵌入的水印信息,或者有所的旋转缩放系数都经过验证。
3.如权利要求1所述的基于频域数字水印算法的图像数字版权保护方法,其特征在于,
所述步骤S1中水印字符信息转换成模版图像包括:
根据影像地图数据实际使用流程,将水印字符信息分为3段:
第1段为:数据发布方不超过7个字符;
第2段为:数据授权使用方不超过6个字符;
第3段为:数据的发布日期;
在编码的过程中增加信息头,用于在水印信息流中区分第1段和第2段。
4.如权利要求1所述的基于频域数字水印算法的图像数字版权保护方法,其特征在于,
所述步骤S5中筛选SIFT特征点包括:
(1)、根据特征点坐标集pSift计算出点与点之间的距离矩阵Distance:
其中dij表示第i个点与第j个点之间的距离,矩阵第i行表示点集中第i个特征点与集合中所有点之间的距离;
(2)、按行统计Distance中dij>256的元素,并组成集合:
vi={k|dik>256,k=1,2,3,…n}
vi表示第i个点与pSift中所有其它点距离大于256的点的序号集合;计算每个集合vi中元素的个数,组成集合
Count={numi|numi=count(vi),i=1,2,3,…n}
上式中count(vi)表示集合vi中的元素个数,也即与点i距离大于256的点的个数,以下简称点的count值;并且pSift中第i个点与点i等价;
(3)、令初始点集为P={i|i=1,2,3,…n}
(4)、根据点集P中每个点的count值,找到最大的count值对应的点j,加入到最终集合Res中,并令P=P∩vj
(5)、循环执行步骤(4),直到集合集合Res即为所求。
5.如权利要求2所述的基于频域数字水印算法的图像数字版权保护方法,其特征在于,
所述步骤S05包括:
(1)、在给定的扇形区域带中取出一个还未验证的点pi(ri,θi)的极半径ri,与模版直线中每个点的极半径作比值,得到比值集合K={k1,k2,…,kn},剔除掉不在[0.5,2]范围内的值;模版直线点中角度小于π的点参与本次计算;
(2)、对于集合K中的每个值,如果扇形区域中至少有5个点满足公式:|rIi-k*rTj|<0.05,式中rIi为扇形区域中点的极半径,rTj为模版直线中点的极半径;则说明成功找到一条直线;
(3)、重复执行步骤(1)、(2),直到扇形区域中的每个点都验证过。
6.基于频域数字水印算法的图像数字版权保护***,其特征在于,其包括水印嵌入模块:
水印信息转换单元,用于将总长度不超过第一字符串长度的水印字符序列中的每个字符,编码成像素大小为第一长度乘以第一宽度的2值图像,该图像是在预定义的第一预设个数的第二长度乘以第二宽度模版图像集合中根据编码算法选取的第二预设个数的模版图像拼接而成,得到一组2值图像集合W,将该集合中的每张2值图像采用Arnold算法进行置乱处理,该集合就是待嵌入的水印信息;
第一块图像集合获取单元,用于将影像地图分块成像素大小为第三长度乘以第三宽度的块图像,得到块图像集合Block;
载体区域获取单元,用于将Block中图像块作以下处理:在块图像右上角第四长度乘以第四宽度的区域中检测harris角点,选择强度最大的一个点,得到其像素坐标p(x,y),以点p1(x+第四长度,y)为左上角,选取大小为第四长度乘以第四宽度的矩形图像块区域I,该区域即为每个图像块中水印图像的载体区域;
水印嵌入单元,用于将集合W中水印2值图像wi,采用抖动量化算法,取量化步长为nStep,将wi量化到区域I的2级小波变换的逼近子图中,然后逆变换恢复区域I,放回影像原来的位置中;水印的嵌入采用冗余嵌入策略,重复嵌入;
特征点检测单元,用于将影像地图进行分块SIFT特征点检测,并筛选得到特征点坐标集合pSift;集合中的点要满足以下两个条件:(1).任意两点间的像素距离大于预设距离值;(2).点个数量尽可能多;
直线集合获取单元,用于在极坐标系中,生成两条直线模版点集,记作Line1,Line2;生成Line1的参数为:角度θ1,半径r∈[r11,r12],其中半径步长为len1,则Line1中的点个数为n1=(r12-r11)/len1+1;生成Line2的参数为:角度θ2,半径r∈[r21,r22],其中半径步长为len2,则Line2中的点个数为n2=(r22-r21)/len2+1;其中,直线点的半径要小于预设半径值;将每条直线中的每个点关于原点对称的对称点加入到相应的直线集合中;
第一傅立叶变换单元,用于取出集合pSift中的还未处理的点为圆心,预设半径值为半径,取得影像地图中的一块区域,将RGB色彩空间转换成YUV,对Y分量进行傅立叶变换,并计算出图像幅值矩阵并进行中心化变换得到Fabs;
对应点的幅值修改单元,用于根据模版直线Line1,Line2中的点坐标对应到Fabs中,在以对应点为中心的第五长度乘以第五宽度区域中,构造峰值,修改对应点的幅值为峰值;
反变换单元,用于将修改后的Fabs还原为实部和虚部,然后再进行傅立叶反变换得到修改后的Y分量;将修改后的Y分量与原来的U、V分量反变换到RGB色彩空间中,最后放回原影像地图中;
第一重复单元,用于重复执行对应点的幅值修改单元、反变换单元、第一重复单元,直到集合pSift中所有的点处理完成。
7.如权利要求6所述的基于频域数字水印算法的图像数字版权保护***,其特征在于,其还包括水印提取模块,包括:
点集合获取单元,用于将待提取水印的影像地图分块检测SIFT特征点,得到点集合pSift;
第二傅立叶变换单元,用于取出集合pSift中的还未处理的点为圆心,预设半径值为半径,取得影像地图中的一块区域,将RGB色彩空间转换成YUV,对Y分量进行傅立叶变换,并计算出图像幅值矩阵并进行平移变换得到Fabs;
坐标换算单元,用于在Fabs中以第六长度乘以第六宽度的窗口大小搜索峰值点,得到点的坐标,并以Fabs的几何中心为原点,建立极坐标系,将峰值点的坐标换算成极坐标,组成集合Peak;
直线拟合单元,用于将Fabs极坐标区域按照4度为一带,分成90个扇形区域带,将Peak中的点极坐标按照角度划分到不同的扇形区域中;并在每个扇形区域中根据模版直线Line1,Line2分别尝试拟合出一条直线,根据直线Line1拟合出的加入到集合L1中,根据直线Line2拟合出的加入到集合L2中;
直线查询单元,用于依次循环取出集合L1中一条直线,直线含有至少5个点的坐标,在L2中寻找与该直线夹角为θ2-θ1的另一条直线,若找到,则根据两条直线的点坐标和模版直线的坐标,用最小二乘法计算出旋转角度α,和缩放系数κ,若没找到,则取出L1中的下一条直线,重复本单元计算过程;
第二重复单元,用于重复执行第二傅立叶变换单元至直线查询单元,直到所有的SIFT特征点处理完成,这样就得到一系列的旋转角度和缩放系数集合;
反旋转缩放单元,用于根据直线查询单元中得到的一系列旋转和缩放系数,对待提取水印的影像地图进行反旋转和反缩放变换,得到新影像ImgTrans
第二块图像集合获取单元,用于将ImgTrans分块成像素大小为第三长度、第三宽度的块图像,得到块图像集合Block;
待提取区域确定单元,用于将Block中图像块作以下处理:在块图像右上角第四长度乘以第四宽度的区域中检测harris角点,选择强度最大的一个点,得到其像素坐标p(x,y),以点p1(x+第四长度,y)为右上角,选取大小为第四长度乘以第四宽度的矩形图像块区域I,该区域即为待提取水印信息的区域;
水印子图像确定单元,用于对待提取区域确定单元中的矩形块进行2级小波变换,根据嵌入时选择的量化步长值反量化,反置乱得到像素大小为第一长度乘以第一宽度的水印图像,将其拆分为第二预设个数个第二长度乘以第二宽度的图像,并分别和第一预设个数个模版图像计算相关系数,相关系数最大的作为水印子图像;
解析单元,用于根据水印信息编码规则解析出该图像块的信息。
第三重复单元,用于重复执行第二块图像集合获取单元至解析单元,直到成功解析出嵌入的水印信息,或者所有的矩形块处理完。
第四重复单元,用于步骤重复执行反旋转缩放单元至第三重复单元反复执行,直到成功解析出嵌入的水印信息,或者有所的旋转缩放系数都经过验证。
8.如权利要求6所述的基于频域数字水印算法的图像数字版权保护方法,其特征在于,
所述水印信息转换单元中水印字符信息转换成模版图像包括:
根据影像地图数据实际使用流程,将水印字符信息分为3段:
第1段为:数据发布方不超过7个字符;
第2段为:数据授权使用方不超过6个字符;
第3段为:数据的发布日期;
在编码的过程中增加信息头,用于在水印信息流中区分第1段和第2段。
9.如权利要求6所述的基于频域数字水印算法的图像数字版权保护方法,其特征在于,
所述特征点检测单元中筛选SIFT特征点包括:
(1)、根据特征点坐标集pSift计算出点与点之间的距离矩阵Distance:
其中dij表示第i个点与第j个点之间的距离,矩阵第i行表示点集中第i个特征点与集合中所有点之间的距离;
(2)、按行统计Distance中dij>256的元素,并组成集合:
vi={k|dik>256,k=1,2,3,…n}
vi表示第i个点与pSift中所有其它点距离大于256的点的序号集合;计算每个集合vi中元素的个数,组成集合
Count={numi|numi=count(vi),i=1,2,3,…n}
上式中count(vi)表示集合vi中的元素个数,也即与点i距离大于256的点的个数,以下简称点的count值;并且pSift中第i个点与点i等价;
(3)、令初始点集为P={i|i=1,2,3,…n}
(4)、根据点集P中每个点的count值,找到最大的count值对应的点j,加入到最终集合Res中,并令P=P∩vj
(5)、循环执行步骤(4),直到集合集合Res即为所求。
10.如权利要求7所述的基于频域数字水印算法的图像数字版权保护方法,其特征在于,
所述直线查询单元包括:
(1)、在给定的扇形区域带中取出一个还未验证的点pi(ri,θi)的极半径ri,与模版直线中每个点的极半径作比值,得到比值集合K={k1,k2,…,kn},剔除掉不在[0.5,2]范围内的值;模版直线点中角度小于π的点参与本次计算;
(2)、对于集合K中的每个值,如果扇形区域中至少有5个点满足公式:|rIi-k*rTj|<0.05,式中rIi为扇形区域中点的极半径,rTj为模版直线中点的极半径;则说明成功找到一条直线;
(3)、重复执行步骤(1)、(2),直到扇形区域中的每个点都验证过。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610975580.5A CN106384328A (zh) | 2016-11-07 | 2016-11-07 | 基于频域数字水印算法的图像数字版权保护方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610975580.5A CN106384328A (zh) | 2016-11-07 | 2016-11-07 | 基于频域数字水印算法的图像数字版权保护方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106384328A true CN106384328A (zh) | 2017-02-08 |
Family
ID=57956821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610975580.5A Pending CN106384328A (zh) | 2016-11-07 | 2016-11-07 | 基于频域数字水印算法的图像数字版权保护方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106384328A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107341759A (zh) * | 2017-07-17 | 2017-11-10 | 惠州Tcl移动通信有限公司 | 一种给图像加盲水印的方法、存储介质及电子设备 |
CN107358569A (zh) * | 2017-06-28 | 2017-11-17 | 中国地质大学(武汉) | 一种基于数字水印技术的地质体三维模型版权保护的方法 |
CN107945097A (zh) * | 2017-12-18 | 2018-04-20 | 辽宁师范大学 | 基于联合统计模型校正的鲁棒图像水印方法 |
CN108416722A (zh) * | 2018-01-17 | 2018-08-17 | 深圳壹账通智能科技有限公司 | 一种图像显示方法、存储介质及终端设备 |
CN108648132A (zh) * | 2018-04-16 | 2018-10-12 | 深圳市联软科技股份有限公司 | 根据图形生成水印的方法、***、终端及介质 |
CN108682425A (zh) * | 2018-05-11 | 2018-10-19 | 复旦大学 | 一种基于恒定水印的鲁棒数字音频水印嵌入*** |
CN109671011A (zh) * | 2018-11-29 | 2019-04-23 | 深圳企业云科技股份有限公司 | 版权信息的嵌入方法、提取方法及电子设备 |
CN109886856A (zh) * | 2019-02-21 | 2019-06-14 | 中国科学技术大学 | 对屏幕拍摄过程鲁棒的数字水印方法 |
CN110675304A (zh) * | 2018-07-03 | 2020-01-10 | 山东华软金盾软件股份有限公司 | 一种图片水印编码方法 |
CN110796586A (zh) * | 2019-10-29 | 2020-02-14 | 中国人民解放军63850部队 | 一种基于数字点阵的盲水印方法、***及可读存储介质 |
CN111932432A (zh) * | 2020-10-14 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 盲水印的植入方法、检测方法、装置、设备及存储介质 |
CN112949773A (zh) * | 2021-04-13 | 2021-06-11 | 山东全影网络科技股份有限公司 | 基于大数据的美术摄影版权分析*** |
CN113450243A (zh) * | 2020-03-24 | 2021-09-28 | 北京四维图新科技股份有限公司 | 水印添加方法和设备 |
CN115393151A (zh) * | 2022-08-19 | 2022-11-25 | 淮阴工学院 | 基于iwt和预测差值直方图平移的可逆水印算法 |
CN116630125A (zh) * | 2023-04-20 | 2023-08-22 | 淮阴工学院 | 基于SIFT和Harris角点检测的鲁棒可逆水印算法 |
CN117235689A (zh) * | 2023-11-16 | 2023-12-15 | 中国农业科学院农业资源与农业区划研究所 | 一种基于几何特征的轨迹数据版权保护方法 |
-
2016
- 2016-11-07 CN CN201610975580.5A patent/CN106384328A/zh active Pending
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358569A (zh) * | 2017-06-28 | 2017-11-17 | 中国地质大学(武汉) | 一种基于数字水印技术的地质体三维模型版权保护的方法 |
CN107358569B (zh) * | 2017-06-28 | 2018-07-31 | 中国地质大学(武汉) | 一种基于数字水印技术的地质体三维模型版权保护的方法 |
CN107341759A (zh) * | 2017-07-17 | 2017-11-10 | 惠州Tcl移动通信有限公司 | 一种给图像加盲水印的方法、存储介质及电子设备 |
CN107945097A (zh) * | 2017-12-18 | 2018-04-20 | 辽宁师范大学 | 基于联合统计模型校正的鲁棒图像水印方法 |
CN107945097B (zh) * | 2017-12-18 | 2021-02-19 | 辽宁师范大学 | 基于联合统计模型校正的鲁棒图像水印方法 |
CN108416722B (zh) * | 2018-01-17 | 2020-04-17 | 深圳壹账通智能科技有限公司 | 一种图像显示方法、存储介质及终端设备 |
CN108416722A (zh) * | 2018-01-17 | 2018-08-17 | 深圳壹账通智能科技有限公司 | 一种图像显示方法、存储介质及终端设备 |
CN108648132A (zh) * | 2018-04-16 | 2018-10-12 | 深圳市联软科技股份有限公司 | 根据图形生成水印的方法、***、终端及介质 |
CN108648132B (zh) * | 2018-04-16 | 2020-08-14 | 深圳市联软科技股份有限公司 | 根据图形生成水印的方法、***、终端及介质 |
CN108682425A (zh) * | 2018-05-11 | 2018-10-19 | 复旦大学 | 一种基于恒定水印的鲁棒数字音频水印嵌入*** |
CN108682425B (zh) * | 2018-05-11 | 2020-12-18 | 复旦大学 | 一种基于恒定水印的鲁棒数字音频水印嵌入*** |
CN110675304A (zh) * | 2018-07-03 | 2020-01-10 | 山东华软金盾软件股份有限公司 | 一种图片水印编码方法 |
CN109671011B (zh) * | 2018-11-29 | 2023-01-17 | 深圳企业云科技股份有限公司 | 版权信息的嵌入方法、提取方法及电子设备 |
CN109671011A (zh) * | 2018-11-29 | 2019-04-23 | 深圳企业云科技股份有限公司 | 版权信息的嵌入方法、提取方法及电子设备 |
CN109886856A (zh) * | 2019-02-21 | 2019-06-14 | 中国科学技术大学 | 对屏幕拍摄过程鲁棒的数字水印方法 |
CN110796586A (zh) * | 2019-10-29 | 2020-02-14 | 中国人民解放军63850部队 | 一种基于数字点阵的盲水印方法、***及可读存储介质 |
CN110796586B (zh) * | 2019-10-29 | 2022-10-04 | 中国人民解放军63850部队 | 一种基于数字点阵的盲水印方法、***及可读存储介质 |
CN113450243A (zh) * | 2020-03-24 | 2021-09-28 | 北京四维图新科技股份有限公司 | 水印添加方法和设备 |
CN111932432B (zh) * | 2020-10-14 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 盲水印的植入方法、检测方法、装置、设备及存储介质 |
CN111932432A (zh) * | 2020-10-14 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 盲水印的植入方法、检测方法、装置、设备及存储介质 |
CN112949773A (zh) * | 2021-04-13 | 2021-06-11 | 山东全影网络科技股份有限公司 | 基于大数据的美术摄影版权分析*** |
CN112949773B (zh) * | 2021-04-13 | 2023-03-17 | 山东全影网络科技股份有限公司 | 基于大数据的美术摄影版权分析*** |
CN115393151A (zh) * | 2022-08-19 | 2022-11-25 | 淮阴工学院 | 基于iwt和预测差值直方图平移的可逆水印算法 |
CN116630125A (zh) * | 2023-04-20 | 2023-08-22 | 淮阴工学院 | 基于SIFT和Harris角点检测的鲁棒可逆水印算法 |
CN117235689A (zh) * | 2023-11-16 | 2023-12-15 | 中国农业科学院农业资源与农业区划研究所 | 一种基于几何特征的轨迹数据版权保护方法 |
CN117235689B (zh) * | 2023-11-16 | 2024-02-20 | 中国农业科学院农业资源与农业区划研究所 | 一种基于几何特征的轨迹数据版权保护方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106384328A (zh) | 基于频域数字水印算法的图像数字版权保护方法及*** | |
Fang et al. | Deep template-based watermarking | |
CN110084733B (zh) | 文本图像水印的嵌入方法及***、提取方法及*** | |
US8538068B2 (en) | Embedding and detecting hidden information | |
Daraee et al. | Watermarking in binary document images using fractal codes | |
CN102156955B (zh) | 基于直方图邻域的鲁棒可逆水印嵌入与提取方法 | |
CN105224974B (zh) | 一种矩阵式二维码中隐藏信息的方法和防伪方法 | |
CN109859093A (zh) | 一种基于变参数混沌映射的混合变换域图像零水印方法 | |
Liu et al. | Robust blind image watermarking based on chaotic mixtures | |
Nie et al. | The use of least significant bit (LSB) and knight tour algorithm for image steganography of cover image | |
CN113160029A (zh) | 一种基于感知哈希和数据增强的医学图像数字水印方法 | |
CN110223213B (zh) | 一种gd-pbibd编码的矢量空间数据数字指纹方法 | |
CN109886856A (zh) | 对屏幕拍摄过程鲁棒的数字水印方法 | |
CN112085643B (zh) | 图像脱敏处理方法、验证方法及装置、设备及介质 | |
Lu et al. | Multiple Watermark Scheme based on DWT-DCT Quantization for Medical Images. | |
Duan et al. | A novel comprehensive watermarking scheme for color images | |
Dong et al. | Watermark-preserving keypoint enhancement for screen-shooting resilient watermarking | |
CN114998080A (zh) | 人脸防篡改水印生成方法、篡改检测方法及属性检测方法 | |
CN105741222B (zh) | 一种基于像素子集嵌入率估计的隐写信息定位方法 | |
CN110516775A (zh) | 基于qr码用户秘密信息隐藏方法 | |
CN106097238B (zh) | 影像数据的版权保护方法及*** | |
CN106600516B (zh) | 基于数字指纹的图像嵌入方法 | |
Dutta et al. | An efficient and secure digital image watermarking using features from iris image | |
Hisham et al. | Numbering with spiral pattern to prove authenticity and integrity in medical images | |
CN114078071A (zh) | 图像溯源方法、装置及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170208 |