CN109493271A - 图像差值量化水印嵌入方法、提取方法、设备及存储介质 - Google Patents
图像差值量化水印嵌入方法、提取方法、设备及存储介质 Download PDFInfo
- Publication number
- CN109493271A CN109493271A CN201811366097.2A CN201811366097A CN109493271A CN 109493271 A CN109493271 A CN 109493271A CN 201811366097 A CN201811366097 A CN 201811366097A CN 109493271 A CN109493271 A CN 109493271A
- Authority
- CN
- China
- Prior art keywords
- watermark
- image
- quantization
- feature vector
- watermarking
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000013139 quantization Methods 0.000 claims abstract description 78
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 13
- 230000037431 insertion Effects 0.000 claims description 53
- 238000003780 insertion Methods 0.000 claims description 43
- 239000011159 matrix material Substances 0.000 claims description 39
- 230000009466 transformation Effects 0.000 claims description 25
- 238000010276 construction Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 7
- 102220588439 Keratin, type I cytoskeletal 18_S10A_mutation Human genes 0.000 claims description 3
- 102220588441 Keratin, type I cytoskeletal 18_S30A_mutation Human genes 0.000 claims description 3
- 102220477667 Mitochondrial inner membrane protease subunit 2_S40T_mutation Human genes 0.000 claims description 3
- 102220470087 Ribonucleoside-diphosphate reductase subunit M2_S20A_mutation Human genes 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 9
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000017105 transposition Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003321 amplification Effects 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000007480 spreading Effects 0.000 description 3
- 238000003892 spreading Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006854 communication Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Classifications
-
- 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
- G06T1/005—Robust watermarking, e.g. average attack or collusion attack resistant
- G06T1/0078—Robust watermarking, e.g. average attack or collusion attack resistant using multiple thresholds
-
- 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
- G06T1/005—Robust watermarking, e.g. average attack or collusion attack resistant
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像差值量化水印嵌入方法和提取方法、设备及计算机可读存储介质,本发明方法利用DCT变换域中某些系数之间差值的稳定性,设计了一个差值量化方案,能够有效克服量化方法难以抵抗缩放攻击的缺陷;理论推导出量化阈值与峰值信噪比之间的关系,利用所述关系式,可根据不同的载体图像自适应地调节量化阈值,使每幅图像在嵌入水印前后都能获得指定的峰值信噪比,这不仅最大化了水印方法的鲁棒性还能同时保证每幅图像中水印的不可见性。本发明执行高效,不仅能够克服量化方法难以抵抗缩放攻击的缺陷,对各种常见的攻击也能够表现出很好的鲁棒性,并且还能使所有嵌入图像中的水印都获得良好的不可见性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像差值量化水印嵌入方法、提取方法、设备及存储介质。
背景技术
随着互联网多媒体技术的发展,人们可以方便地利用数字设备制作、处理和存储文本、图像、语音和视频等媒体信息,并且使得信息的发布与传输都实现了“数字化”和“网络化”。数字多媒体技术相比模拟技术带来了数不胜数的优势,但也导致了数字信息传输的安全问题以及数字产品的版权保护问题。数字版权保护技术是我国信息化建设的重要内容,《国家“十一五”文化发展规划纲要》中,把“数字版权保护技术”作为重大文化技术专项列入科技创新的重点。数字图像水印技术作为一种保护数字图像版权的有效手段,已被广泛地应用于对数字图像版权保护的任务中,也成为近几年来学术界的一个前沿研究领域。
图像水印是一个标识图像版权信息的标记,可以是二值序列、二值图像、灰度图像甚至彩色图像等等。图像水印技术将水印信息不可察觉且永久地嵌入到图像中,当图像发生版权纠纷时,可以提取出其中的水印来声明图像的所有权。图像在嵌入水印后,不能影响图像本身的质量和使用,这就要求水印必须具备不可见性。嵌入水印的图像在传播过程中,可能会经历很多有意或无意的攻击,比如叠加噪声、JPEG压缩、尺寸变化、旋转、剪切等等,因此,还要求水印必须对所有这些可能的攻击保持鲁棒性。不可见性和鲁棒性是数字水印最重要的两大属性,然而,它们之间是相互制约的:增加水印的容量或强度可以增加水印的鲁棒性,但会影响水印的不可见性,反之亦然。一个好的水印技术一方面要尽可能地提高水印的鲁棒性,同时还要使其具有良好的不可见性。
数字图像水印技术主要分为两类:空间域水印技术和变换域水印技术。空间域水印技术直接修改原始图像的像素来嵌入水印,该技术实现简单,执行快速,具有较低的时间复杂度,但难以有效地抵抗图像处理攻击及几何攻击;而变换域水印技术首先执行域变换,再通过修改变换域中某些位置的系数来嵌入水印,虽然域变换会带来额外的时间开销,并且实现起来更加复杂,但变换域水印技术相比空间域水印技术会具有更好的不可见性和鲁棒性,因此更适合于实际应用。常用的域变换方法有离散余弦变换 (Discrete CosineTransformation,DCT)、离散小波变换(Discrete Wavelet Transformation,DWT)和离散傅里叶变换(Discrete Fourier Transformation, DFT)等,在这些变换中,DCT具有优异的能量压缩的优势,在DCT域中嵌入水印能够获得较好的不可见性。水印的嵌入位置依赖于嵌入域的选择,通常通过挖掘嵌入域系数矩阵某些稳定的特性来确定嵌入位置,使得将水印嵌入到这些位置能够具有一定的同步性。
水印嵌入和提取方法的设计是水印技术的核心,它与水印的鲁棒性和不可见性紧密相关。目前最常见的嵌入方法有扩频方法和量化方法,扩频方法采用叠加嵌入,难以避免主机信号干扰,即图像自身的信息对水印提取造成的影响,这会导致扩频方法的水印提取性能下降。而量化方法实质上类似于索引方法,不存在主机信号干扰,它根据待嵌入的水印信息,使用不同的量化器对原始图像的变换域系数进行量化,使得该系数值落入与嵌入水印信息相对应的区间上,从而产生包含水印的量化图像。在提取时,通过计算嵌入水印的系数所落入的区间来获得相应的水印。关于量化方法的研究主要包括三个方面:1、待量化值的选择,通常选择具有某些稳定特征的变换域系数进行量化。2、量化表的确定,确定嵌入和提取时水印不同的分量分别对应的区间。3、量化器的设计,设计方法将待量化值调整到它在量化表中应该对应的区间。量化方案实现简单,计算复杂度低,并且可以做到无原始图像参与的完全盲提取。但是,当对含水印图像进行缩放时,缩放会导致量化值发生变化,而量化表是固定的,不会随之改变,这样在提取时,量化值与量化表之间失去同步性,从而导致提取错误。因此,量化方法在缩放攻击下很难表现出色。
为提高量化方法的鲁棒性,在确定量化表时,通常让嵌入时水印分量对应的区间比提取时其对应的区间小,两区间之间的差距一般利用一个叫做量化阈值的参数来控制,量化阈值决定了水印方法的鲁棒性,增大该值可以提高鲁棒性,但同时增加了待量化值的修改量,从而导致不可见性降低;反之亦然。量化阈值的设定需要同时兼顾鲁棒性和不可见性。现有大多数量化方法在为每幅图像嵌入水印时都使用一个固定的量化阈值,它们只顾及了水印方法的鲁棒性而无法保证每幅图像中的水印都具有良好的不可见性,因为不可见性依赖于待量化值的修改量,待量化值的修改量还与图像本身有关,针对不同图像,修改量不同,因此每幅图像中水印的不可见性存在差异,这也加剧了鲁棒性和不可见性之间的矛盾。
鉴于上述原因,提出一种图像差值量化水印嵌入方法。
发明内容
为了解决上述技术问题,即为了解决量化方法难以抵抗缩放攻击以及使用固定的量化阈值无法兼顾鲁棒性和不可见性的问题,本发明提出了一种图像差值量化水印嵌入方法、提取方法、设备及存储介质。
本发明的一方面,提供了一种图像差值量化水印嵌入方法,所述方法包括如下步骤:
步骤S10,对载体图像进行离散余弦变换,得到离散余弦变换矩阵;
步骤S20,根据所得到的离散余弦变换矩阵构建特征向量;
步骤S30:根据构建的特征向量,并结合原始水印构建量化表。
步骤S40:根据量化阈值与峰值信噪比的相关关系,调节不同待嵌入水印图像的量化阈值;
步骤S50,调整所述特征向量相邻的两个系数,使其差值落入量化表中待嵌入水印分量对应的区间;
步骤S60,根据量化后的特征向量更新所述离散余弦变换矩阵,在对系数矩阵进行反离散余弦变化,得到嵌入水印后的图像。
优选地,所述步骤S20包括:
根据所得到的变换系数矩阵,选取前2m个具有稳定特性的离散余弦变换域系数组成特征向量,特征向量表示为V=[v0,v1,…,v2m-1],其中 m表示待嵌入的水印的长度。
优选地,所述步骤S30中所述量化表,其构建方法为:
设原始水印序列为W=[w0,w1,…,wm-1],长度为m, wi∈{0,1},i=0,1,…,m-1,在嵌入水印时,要求特征向量相邻系数的差值满足:
其中T表示量化阈值,满足T≥0。
优选地,步骤S40中所述量化阈值与峰值信噪比之间的相关关系为:
其中,T为量化阈值,PSNR为峰值信噪比,M×N为载体图像尺寸。
优选地,所述步骤S50包括:
采用预设规则对特征向量进行修正,得到量化后的特征向量。
优选地,步骤S50采用的所述预设规则为:
若嵌入水印后的特征向量表示为V′=[v′0,v′1,…,v′2m-1],
当Wi=1并且v2i-v2i+1<T,则Δ1=T-(v2i-v2i+1), v′2i=v2i+aΔ1,v′2i+1=v2i+1-βΔ1;
当Wi=0并且v2i-v2i+1>-T,则Δ0=v2i-v2i+1-(-T), v′2i=v2i-aΔ0,v′2i+1=v2i+1+βΔ0;
否则v′2i=v2i;v′2i+1=v2i+1;
其中a和β为权重参数,满足a≥0,β≥0且a+β=1,T 为量化阈值,W=[w0,w1,…,wm-1]为原始水印序列,长度为m。
本发明的另一方面,提出了一种图像差值量化水印提取方法,所述方法包括:
步骤S10A,对载体图像进行离散余弦变换,得到离散余弦变换矩阵;
步骤S20A,选择与嵌入过程位置相同的系数构建特征向量;
步骤S30A,根据量化表,求取特征向量相邻的两个系数差值落入的区间;
步骤S40A,提取对应的水印分量。
本发明的第三方面,提出一种计算机设备,所述计算机设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像差值量化水印嵌入程序,所述图像差值量化水印嵌入程序被所述处理器执行时实现如上所述的方法的步骤。
本发明的第四方面,提出一种计算机可读存储介质,所述计算机可读存储介质上存储有图像差值量化水印嵌入程序,所述图像差值量化水印嵌入程序被处理器执行时实现如上所述的方法的步骤。
本发明方法利用DCT变换域中某些系数之间差值的稳定性,设计了一个差值量化方案,能够有效克服量化方法难以抵抗缩放攻击的缺陷;理论推导出量化阈值与峰值信噪比之间的关系,利用所述关系式,可根据不同的载体图像自适应地调节量化阈值,使每幅图像在嵌入水印前后都能获得指定的峰值信噪比,这不仅最大化了水印方法的鲁棒性还能同时保证每幅图像中水印的不可见性。本发明执行高效,不仅能够克服量化方法难以抵抗缩放攻击的缺陷,对各种常见的攻击也能够表现出很好的鲁棒性,并且还能使所有嵌入图像中的水印都获得良好的不可见性。
附图说明
附图作为本发明的一部分,用来提供对本发明的进一步的理解,本发明的示意性实施例及其说明用于解释本发明,但不构成对本发明的不当限定。显然,下面描述中的附图仅仅是一些实施例,对于本领域普通技术人员来说,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。在附图中:
图1为本发明一实施例的图像差值量化水印嵌入方法一实施例的流程示意图;
图2为特征向量相邻分量的相位差值性质的示意图;
图3a为本发明一实施例中嵌入水印之前的图像;
图3b为本发明一实施例中嵌入水印后的图像;
图4为本发明一实施例中分别采用固定的量化阈值和自适应量化阈值进行水印嵌入得到的嵌入水印前后图像的峰值信噪比对比示意图;
图5为本发明一实施例的图像差值量化水印提取方法的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面结合附图以及具体实施例对本发明实施例解决的技术问题、所采用的技术方案以及实现的技术效果进行清楚、完整的描述。显然,所描述的实施例仅仅是本申请的一部分实施例,并不是全部实施例。基于本申请中的实施例,本领域普通技术人员在不付出创造性劳动的前提下,所获得的所有其它等同或明显变型的实施例均落在本发明的保护范围内。本发明实施例可以按照权利要求中限定和涵盖的多种不同方式来具体化。
需要说明的是,在下面的描述中,为了方便理解,给出了许多具体细节。但是很明显,本发明的实现可以没有这些具体细节。
需要说明的是,在没有明确限定或不冲突的情况下,本发明中的各个实施例及其中的技术特征可以相互组合而形成技术方案。
本发明提出一种图像差值量化水印嵌入方法,旨在解决量化方法难以抵抗缩放攻击以及使用固定的量化阈值无法兼顾鲁棒性和不可见性的问题。
为了更清晰地对本发明技术方案进行说明,将以下需要或已经嵌入水印的图像作为载体图像,分为待嵌入水印的载体图像、包含水印的载体图像。
在本发明一实施例中,参照图1,所述图像差值量化水印嵌入方法包括如下步骤:
步骤S10,对载体图像进行离散余弦变换,得到离散余弦变换矩阵。此时的载体图像为待嵌入水印的载体图像。
在一个优选的实施例中,对载体图像进行两级离散余弦变换,具体地,本步骤可以包括:
步骤S101,对所述载体图像进行预设要求的放大。使其满足高度和宽度均大于k×K,且能够被K整除,其中,k∈N+,K∈N+且K2≥8m, m表示原始水印的长度;
步骤S102,对按照预设要求放大后的图形执行分块离散余弦变换操作,分块的个数为K×K,选取分块离散余弦变换矩阵中第i行第i列的系数组成一个K×K的一级离散余弦变换矩阵,其中,i≥0;并对该一级离散余弦变换矩阵进行全局离散余弦变换处理,最终得到K×K的两级离散余弦变换矩阵。为了简化描述,下文在各个步骤的细化描述中将离散余弦变换矩阵简化描述为DCT系数矩阵。
需要说明的是本发明不仅限于两级离散余弦变换,只要是采用离散余弦变换,本发明方法均适用,均属于本发明保护范围。
步骤S20,根据所得到的离散余弦变换矩阵构建特征向量;
本实施例中,选择具有稳定特性的系数作为待量化值,并构建特征向量。
其中,所述特征向量的构建过程如下:
选取两级DCT系数矩阵行号和列号均为偶数的系数组成特征向量,系数排列顺序为:先提取两级DCT系数矩阵中的主对角线上的系数;再以主对角线为对称轴,先提取主对角线右上方的一个系数,再提取主对角线左下方的一个系数,如此交替进行;将以上两步提取到的系数连接起来,选取前2m个系数组成特征向量,特征向量表示为V=[v0,v1,…,v2m-1],其中m 表示待嵌入的水印的长度。
如此构建特征向量的原因如下:
一个好的量化方法要求待量化的值应该比较稳定,即在各种攻击的作用下,要尽可能地保持不变。根据DCT的性质,当图像经过翻转或旋转180度,其DCT系数矩阵中行号和列号为偶数的位置系数保持不变;当图像经过转置或旋转90度(顺/逆时针),其DCT系数矩阵中主对角线上的行号和列号为偶数的位置系数保持不变,而非主对角线上的行号和列号为偶数的位置系数发生转置。
基于此,如果按照上述顺序构建特征向量,如图2所示,当图像经过上下翻转(关于水平轴对称),或左右翻转(关于垂直轴对称),或旋转180度(关于对角线对称),图像特征向量不变,相邻分量的相位差值保持不变;当图像经过转置或旋转90度(顺/逆时针),特征向量前位的相邻分量的相位差值保持不变;后位的相邻分量的相位差值变为其相反数,其中表示下取整符号。即特征向量相邻分量的相位差值在数值上是保持不变的,符号的变化能够很容易被纠正。
在图2中,原始的DCT系数矩阵的图像特征向量:(10,-20,54,-38),相邻分量的相位差(-30,92);当图像经过翻转(包括上下翻转或左右翻转)或旋转180度,图像特征向量不变依然为(10,-20,54,-38),相邻分量的相位差值保持不变;当图像经过转置或旋转90度(顺/逆时针),图像特征向量为(10,-20,-38,54),特征向量前2位的相邻分量的相位差值保持不变,依然为-30;后2位的相邻分量的相位差值变为其相反数,为 -92。
步骤S30,根据构建的特征向量,并结合原始水印构建量化表;
本实施例中,所述量化表的构建如下:
设原始水印序列为W=[w0,w1,…,wm-1],长度为m, wi∈{0,1},i=0,1,…,m-1,在嵌入水印时,要求特征向量相邻系数的差值满足公式(1):
其中T表示量化阈值,满足T≥0,用于决定量化方法的鲁棒性。原始水印为记录的版权信息,其表现形式多样化,均可转化为由0和1 组成的二值序列。
优选地,本实施例中的原始水印采用长度为128比特(bits)的 0-1序列,其中前120位为随机产生的二值序列,表示有意义的水印信息,其基本可以实现对版权信息较全面的描述。后8位作为标记全设置为1,用以纠正特征向量中位于非主对角线上的相邻分量的相位差值的符号。在提取时,若这8位水印提取出来绝大多数位为0,说明图像发生90度的逆时针或顺时针旋转或转置,那么改变从特征向量中位于非主对角线上的相邻分量的相位差值中提取出来的水印(0变为1,或1变为0)。选8位做标记是为了更精确的判别,因为其他攻击也有可能导致某一位水印的提取结果相反,但是要同时导致相邻的8位结果都相反的几率很小。
当对含水印图像进行缩放时,缩放会导致变换域系数发生变化,而量化表已定,不会随之改变,这样在提取时,量化值与量化表之间失去同步性,导致提取错误。经实验发现,缩放对特征向量相邻分量的相位差值的影响是单调的,基本上不会改变差值的正负符号。表1示出了原始图像和缩放图像的特征向量的前八个分量,以及相邻分量的相位差值。因此,在设计量化表时,将水印分量0和1分别对应正负两个区间,特征向量两个相邻分量的相位差值即便在被缩放攻击后,仍有很大概率落入原有的区间,从而有效抵抗了缩放攻击。
表1
步骤S40:根据量化阈值与峰值信噪比的相关关系,调节不同待嵌入水印图像的量化阈值。
该步骤中,量化阈值T与峰值信噪比PSNR之间的相关关系如式 (2)所示:
其中,M×N为载体图像尺寸。
给定PSNR的值,所述关系式的左边是一个关于量化阈值(T) 的增函数,采用折半查找法求解所述关系式,能够快速求得量化阈值T的最大值。在所述关系式中,(v2i-v2i+1)为载体图像的信息,因此,通过所述关系式,给定峰值信噪比值,可根据不同载体图像自适应地调整所述量化阈值,并且使每幅图像在水印嵌入前后都能获得指定的峰值信噪比。在最大化水印鲁棒性的同时还能使所有嵌入水印的图像中的水印都达到一致的不可见性。优选地,令PSNR=45dB。
需要说明的是:
对于尺寸不满足要求的载体图像需要进行放大操作(步骤S101) 以及域变换过程中(步骤S102)存在精度损失,这都会对图像质量带来些许影响,因此给定的峰值信噪比需要略微大于图像在嵌入水印后要求达到的峰值信噪比。在本优选的实施例中,即便在没有嵌入任何水印的情况下,100幅经过处理后的图像的平均峰值信噪比最高为46.64dB;嵌入水印后,平均峰值信噪比为40.56dB。通常,峰值信噪比大于40dB代表具有非常不错的视觉质量。如图3a和3b所示,图3a示例性地示出了嵌入水印之前的图像;图3b 示例性地示出了嵌入水印后的图像。两幅图像在嵌入水印前后人眼看不出来差异。
为体现自适应调整量化阈值能够保证每幅图像中水印的不可见性,在本优选实施例中,还尝试直接将量化阈值T设置为固定值85,以获得与采用自适应量化阈值的相同的平均峰值信噪比,并比较采用固定量化阈值和采用自适应量化阈值得到的每幅图像的峰值信噪比,同时比较它们偏离平均峰值信噪比的程度。为避免图像的放大操作(步骤S101)对峰值信噪比造成影响,本实施例从100幅图像中选出了32幅不需要进行放大操作的图像,图4示出了这32幅图像嵌入水印前后的峰值信噪比,其中AveragePSNR为峰值信噪比PSNR的平均数,noAQT表示使用固定的量化阈值,AQT表示使用自适应量化阈值,可以看出,使用固定的量化阈值,会存在许多图像的峰值信噪比低于平均值(期望值),这意味着嵌入的水印有可能被察觉,使用自适应量化阈值可以确保所有图像的峰值信噪比基本上接***均值,从而保证了不可见性。
步骤S50,调整所述特征向量相邻的两个系数,使其差值落入量化表中待嵌入水印分量对应的区间;
所述调整所述特征向量相邻的两个系数具体包括:
若嵌入水印后的特征向量表示为V′=[v′0,v′1,…,v′2m-1],
当Wi=1并且v2i-v2i+1<T,则Δ1=T-(v2i-v2i+1), v′2i=v2i+aΔ1,v′2i+1=v2i+1-βΔ1;
当Wi=0并且v2i-v2i+1>-T,则Δ0=v2i-v2i+1-(-T), v′2i=v2i-aΔ0,v′2i+1=v2i+1+βΔ0;
否则v′2i=v2i;v′2i+1=v2i+1;
其中a和β为权重参数,满足a≥0,β≥0且a+β=1。
为最大限度地保证水印的不可见性,则要使水印嵌入前后图像的均方误差最小,如公式(3)所示:
在本发明一实施例中可根据公式(3)解得a=β=1/2,此时可使水印嵌入前后图像的均方误差最小,从而最大限度地保证不可见性。
步骤S40中的量化阈值T与峰值信噪比PSNR之间的关系式的推导过程如下:
图像质量的客观评价方法是根据人眼的主观视觉***建立数学模型,并通过具体的公式评估图像的质量。峰值信噪比是一种评估图像质量的客观标准。假设载体图像尺寸为M×N,原始图像(嵌入水印前的载体图像)用I表示,含水印图像(嵌入水印后的载体图像)用I′表示,原始图像与含水印图像之间的均方误差(MSE)与峰值信噪比(PSNR)分别表示为式(4)、式(5):
其中,MAXI表示原始图像中像素的最大灰度值,一般采用 255;I'(i,j)表示嵌入水印后的载体图像位于第i行第j列的像素值,I(i,j)表示嵌入水印前的载体图像位于第i行第j列的像素值。
均方误差是反映原始图像与含水印图像之间差异程度的一种度量。从上述等式中可以看出,峰值信噪比是测量两个图像之间的差异的另一种表达。峰值信噪比的值越大,图像间差异越小,水印的不可见性就越好。因此,峰值信噪比可以作为衡量水印不可见性的适当的客观指标。
在量化方法中,量化阈值用于确定量化区间的大小,其决定了水印方法的鲁棒性,增大该值可以提高鲁棒性,但由于同时增加了待量化值的修改量,从而导致不可见性降低;反之亦然。因此,量化阈值可用于调节水印方法的鲁棒性和不可见性。
基于离散余弦变换的水印方法,首先将载体图像转换到DCT域,再通过修改DCT系数将水印嵌入,最后将修改后的DCT系数经过反向DCT得到嵌入水印的图像。鉴于DCT的能量守恒的特性,嵌入水印前后的DCT系数与嵌入水印前后的载体图像像素之间的关系如公式(6)所示:
其中,D'(i,j)为水印嵌入后位于第i行第j列的DCT系数, D(i,j)表示水印嵌入前位于第i行第j列的DCT系数。
在所述优选的实施例中执行了两级DCT操作(在第一次DCT变换的系数上再进行一次DCT变换),根据所述嵌入规则(步骤S50)可得第二次DCT操作后所得系数的修改量为其通过式(7)计算:
其中,D2'(i,j)表示水印嵌入后位于第二次DCT操作后系数矩阵中第i行第j列的系数,D2(i,j)表示水印嵌入前位于第二次DCT操作后系数矩阵中第i行第j列的系数。
根据DCT的能量守恒的特性,嵌入水印前后的DCT系数与嵌入水印前后的载体图像像素之间的关系如式(8)所示:
其中,D1'(i,j)表示水印嵌入后位于第一次DCT操作后系数矩阵中第i行第j列的系数,D1(i,j)表示水印嵌入前位于第一次DCT操作后系数矩阵中第i行第j列的系数。
峰值信噪比的表达式可变换为式(9):
结合以上两个等式,可得量化阈值T与峰值信噪比(PSNR)之间的关系,如式(2)所示。
所述关系式建立起了鲁棒性(量化阈值决定了鲁棒性)和不可见性(峰值信噪比反映了不可见性)之间的关系。
步骤S60,根据量化后的特征向量更新所述离散余弦变换矩阵,在对系数矩阵进行反离散余弦变化,得到嵌入水印后的图像。
具体包括:
步骤S61:用量化后的特征向量中的系数替换两级DCT系数矩阵中相应位置上的系数,确定嵌入水印后的两级DCT系数矩阵。
步骤S62:对嵌入水印后的两级DCT系数矩阵进行全局反离散余弦变换处理,得到一级DCT系数矩阵,并用一级DCT系数矩阵中的每个系数分别替换每个分块DCT系数矩阵中第i行第i列的系数,对更新后的每个分块DCT系数矩阵进行分块反离散余弦变换处理,确定嵌入水印的(放大)图像。
步骤S63:将嵌入水印后的(放大)图像缩小至与原始载体图像相同的尺寸,从而确定嵌入水印的图像。
与现有技术相比,上述技术方案至少具有以下有益效果:
一种图像差值量化水印嵌入方法,利用DCT变换域中某些系数之间差值的稳定性,设计了一个差值量化方案,能够有效克服量化方法难以抵抗缩放攻击的缺陷;理论推导出量化阈值与峰值信噪比之间的关系,利用所述关系式,可根据不同的载体图像自适应地调节量化阈值,使每幅图像在嵌入水印前后都能获得指定的峰值信噪比,这不仅最大化了水印方法的鲁棒性还能同时保证每幅图像中水印的不可见性;同时采用折半查找法来获得所述量化阈值,大大加快了求解速度。本发明执行高效,不仅能够克服量化方法难以抵抗缩放攻击的缺陷,对各种常见的攻击也能够表现出很好的鲁棒性,并且还能使所有嵌入图像中的水印都获得良好的不可见性。本发明可被应用于各种基于离散余弦变换的水印技术中。
此外,本发明还提出一种差值量化水印提取方法,参照图5,所述方法包括如下步骤:
步骤S10A,对载体图像进行离散余弦变换,得到离散余弦变换矩阵;此时的载体图像为包含水印的载体图像;
步骤S20A,选择与嵌入过程位置相同的系数构建特征向量;
步骤S30A,根据量化表,求取特征向量相邻的两个系数差值落入的区间;
步骤S40A,提取对应的水印分量。
所述量化表的构造如下:
由于图像在提取水印时可能已经遭受了某些攻击,特征向量表示为V*=[v* 0,v* 1,…,v* 2m-1],长度为2m,提取出的水印序列表示为 W*=[w* 0,w* 1,…,w* 2m-1],长度为m,按照式(10)的规则提取水印:
水印方法的鲁棒性通常用比特错误率(Bit Error Rate,BER) 来评估,比特错误率是将提取出的水印与原始水印相比较,错误的比特数与总比特数的比值,比特错误率越低,水印的鲁棒性越好。原始水印序列 W=[w0,w1,…,wm-1]与提取出的水印序列W*=[w* 0,w* 1,…,w* 2m-1]之间的比特错误率的计算方式如式(11)所示:
对上述水印嵌入方法实施例得到的100幅嵌入水印的图像,分别实施多种图像处理攻击,具体攻击类型及参数设置如表二所示,再利用差值量化水印提取方法的实施例来提取攻击后的含水印图像中的水印,并与原始水印进行比较,得到100个提取的水印的平均比特错误率见表2:
表2
对上述水印嵌入方法实施例得到的100幅嵌入水印的图像,实施多种几何攻击,具体攻击类型及参数设置如表3所示,再利用差值量化水印提取方法实施例来提取攻击后的含水印图像中的水印,并与原始水印进行比较,得到100个提取的水印的平均比特错误率见表3:
表3
从表2、表3及图5所示结果可以看出,在面对常见的图像处理攻击和几何攻击,本发明实施例基本能够将水印100%的提取出来,并且还能保证每幅图像在水印嵌入前后都有40dB左右的高峰值信噪比,由此可证明本发明不仅能够有效抵抗多种图像处理攻击和几何攻击,具有较强的鲁棒性,还能保证每幅图像中水印的不可见性。
本领域技术人员应能理解,上述假设仅仅为举例,不应视为对本发明的不当限定。
上述实施例中虽然将各个步骤按照上述先后次序的方式进行了描述,但是本领域技术人员可以理解,为了实现本实施例的效果,不同的步骤之间不必按照这样的次序执行,其可以同时(并行)执行或以颠倒的次序执行,这些简单的变化都在本发明的保护范围之内。
需要说明的是,本发明所述的图像差值量化水印嵌入方法可以被应用于各种基于离散余弦变换的水印技术中,任何采用本发明所述的具有图像差值量化水印嵌入方法实现的基于DCT的图像水印技术,均因包含在本发明的保护范围内。
以上对本发明实施例所提供的技术方案进行了详细的介绍。虽然本文应用了具体的个例对本发明的原理和实施方式进行了阐述,但是,上述实施例的说明仅适用于帮助理解本发明实施例的原理;同时,对于本领域技术人员来说,依据本发明实施例,在具体实施方式以及应用范围之内均会做出改变。
此外,本发明还提出一种计算机设备,所述计算机设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像差值量化水印嵌入程序,所述图像差值量化水印嵌入程序被所述处理器执行时实现如上所述的方法。
此外,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有图像差值量化水印嵌入程序,所述图像差值量化水印嵌入程序被处理器执行时实现如上所述的方法。
需要说明的是,本文中涉及到的流程图或框图不仅仅局限于本文所示的形式,其还可以进行划分和/或组合。
需要说明的是:附图中的标记和文字只是为了更清楚地说明本发明,不视为对本发明保护范围的不当限定。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
本发明的各个步骤可以用通用的计算装置来实现,例如,它们可以集中在单个的计算装置上,例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备或者多处理器装置,也可以分布在多个计算装置所组成的网络上,它们可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。因此,本发明不限于任何特定的硬件和软件或者其结合。
本发明提供的方法可以使用可编程逻辑器件来实现,也可以实施为计算机程序软件或程序模块(其包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件或数据结构等等),例如根据本发明的实施例可以是一种计算机程序产品,运行该计算机程序产品使计算机执行用于所示范的方法。所述计算机程序产品包括计算机可读存储介质,该介质上包含计算机程序逻辑或代码部分,用于实现所述方法。所述计算机可读存储介质可以是被安装在计算机中的内置介质或者可以从计算机主体上拆卸下来的可移动介质(例如:采用热插拔技术的存储设备)。所述内置介质包括但不限于可重写的非易失性存储器,例如:RAM、ROM、快闪存储器和硬盘。所述可移动介质包括但不限于:光存储介质(例如:CD-ROM和DVD)、磁光存储介质(例如:MO)、磁存储介质(例如:磁带或移动硬盘)、具有内置的可重写非易失性存储器的媒体(例如:存储卡)和具有内置ROM的媒体(例如: ROM盒)。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种图像差值量化水印嵌入方法,其特征在于,所述方法包括如下步骤:
步骤S10,对载体图像进行离散余弦变换,得到离散余弦变换矩阵;
步骤S20,根据所得到的离散余弦变换矩阵构建特征向量;
步骤S30:根据构建的特征向量,并结合原始水印构建量化表。
步骤S40:根据量化阈值与峰值信噪比的相关关系,调节不同待嵌入水印图像的量化阈值;
步骤S50,调整所述特征向量相邻的两个系数,使其差值落入量化表中待嵌入水印分量对应的区间;
步骤S60,根据量化后的特征向量更新所述离散余弦变换矩阵,在对系数矩阵进行反离散余弦变化,得到嵌入水印后的图像。
2.根据权利要求1所述的图像差值量化水印嵌入方法,其特征在于,所述步骤S20包括:
根据所得到的变换系数矩阵,选取前2m个具有稳定特性的离散余弦变换域系数组成特征向量,特征向量表示为V=[v0,v1,…,v2m-1],其中m表示待嵌入的水印的长度。
3.根据权利要求2所述的图像差值量化水印嵌入方法,其特征在于,所述步骤S30中所述量化表,其构建方法为:
设原始水印序列为W=[w0,w1,…,wm-1],长度为m,wi∈{0,1},i=0,1,…,m-1,在嵌入水印时,要求特征向量相邻系数的差值满足:
其中T表示量化阈值,满足T≥0。
4.根据权利要求3所述的图像差值量化水印嵌入方法,其特征在于,步骤S40中所述量化阈值与峰值信噪比之间的相关关系为:
其中,T为量化阈值,PSNR为峰值信噪比,M×N为载体图像尺寸。
5.根据权利要求4所述的图像差值量化水印嵌入方法,其特征在于,所述步骤S50包括:
采用预设规则对特征向量进行修正,得到量化后的特征向量。
6.根据权利要求5所述的图像差值量化水印嵌入方法,其特征在于,步骤S50采用的所述预设规则为:
若嵌入水印后的特征向量表示为V′=[v′0,v′1,…,v′2m-1],其中m表示待嵌入的水印的长度;
当Wi=1并且v2i-v2i+1<T,则Δ1=T-(v2i-v2i+1),v′2i=v2i+aΔ1,v′2i+1=v2i+1-βΔ1;
当Wi=0并且v2i-v2i+1>-T,则Δ0=v2i-v2i+1-(-T),v′2i=v2i-aΔ0,v′2i+1=v2i+1+βΔ0;
否则v′2i=v2i;v′2i+1=v2i+1;
其中a和β为权重参数,满足a≥0,β≥0且a+β=1,T为量化阈值,W=[w0,w1,…,wm-1]为原始水印序列,长度为m。
7.一种图像差值量化水印提取方法,其特征在于,所述方法包括:
步骤S10A,对载体图像进行离散余弦变换,得到离散余弦变换矩阵;
步骤S20A,选择与嵌入过程位置相同的系数构建特征向量;
步骤S30A,根据量化表,求取特征向量相邻的两个系数差值落入的区间;
步骤S40A,提取对应的水印分量。
8.一种计算机设备,其特征在于,所述计算机设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像差值量化水印嵌入程序,所述图像差值量化水印嵌入程序被所述处理器执行时实现如权利要求1-7任一项所述的方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有图像差值量化水印嵌入程序,所述图像差值量化水印嵌入程序被处理器执行时实现如权利要求1-7任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811366097.2A CN109493271B (zh) | 2018-11-16 | 2018-11-16 | 图像差值量化水印嵌入方法、提取方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811366097.2A CN109493271B (zh) | 2018-11-16 | 2018-11-16 | 图像差值量化水印嵌入方法、提取方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109493271A true CN109493271A (zh) | 2019-03-19 |
CN109493271B CN109493271B (zh) | 2020-12-01 |
Family
ID=65695080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811366097.2A Active CN109493271B (zh) | 2018-11-16 | 2018-11-16 | 图像差值量化水印嵌入方法、提取方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109493271B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062853A (zh) * | 2019-12-20 | 2020-04-24 | 中国科学院自动化研究所 | 自适应图像水印嵌入方法及***、提取方法及*** |
CN112070648A (zh) * | 2020-09-04 | 2020-12-11 | 上海蓝书信息科技有限公司 | 水印嵌入、提取方法、装置及电子设备 |
CN113179407A (zh) * | 2021-04-23 | 2021-07-27 | 山东大学 | 基于帧间dct系数相关性的视频水印嵌入和提取方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103533343A (zh) * | 2013-09-29 | 2014-01-22 | 宁波大学 | 一种基于数字水印的立体图像质量客观评价方法 |
CN104063832A (zh) * | 2013-03-19 | 2014-09-24 | 北大方正集团有限公司 | 一种水印嵌入和提取方法及装置 |
US20160098810A1 (en) * | 2008-12-18 | 2016-04-07 | Vmware, Inc. | Watermarking and Scalability Techniques for a Virtual Desktop Planning Tool |
CN106097237A (zh) * | 2016-05-25 | 2016-11-09 | 中国科学院自动化研究所 | 图像水印的嵌入方法和提取方法以及相关方法 |
CN106530196A (zh) * | 2016-09-26 | 2017-03-22 | 上海理工大学 | 一种基于jpeg2000的多尺度拉普拉斯金字塔水印方法 |
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 |
-
2018
- 2018-11-16 CN CN201811366097.2A patent/CN109493271B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160098810A1 (en) * | 2008-12-18 | 2016-04-07 | Vmware, Inc. | Watermarking and Scalability Techniques for a Virtual Desktop Planning Tool |
CN104063832A (zh) * | 2013-03-19 | 2014-09-24 | 北大方正集团有限公司 | 一种水印嵌入和提取方法及装置 |
CN103533343A (zh) * | 2013-09-29 | 2014-01-22 | 宁波大学 | 一种基于数字水印的立体图像质量客观评价方法 |
CN106097237A (zh) * | 2016-05-25 | 2016-11-09 | 中国科学院自动化研究所 | 图像水印的嵌入方法和提取方法以及相关方法 |
CN106530196A (zh) * | 2016-09-26 | 2017-03-22 | 上海理工大学 | 一种基于jpeg2000的多尺度拉普拉斯金字塔水印方法 |
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 |
Non-Patent Citations (2)
Title |
---|
CHENG WANG: "A Robust Scalable Spatial Spread-Spectrum Video Watermarking Scheme Based on a Fast Downsampling Method", 《JOURNAL OF COMPUTERS》 * |
关虎: "基于二维码的鲁棒图像水印技术及应用研究", 《有线电视技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062853A (zh) * | 2019-12-20 | 2020-04-24 | 中国科学院自动化研究所 | 自适应图像水印嵌入方法及***、提取方法及*** |
CN112070648A (zh) * | 2020-09-04 | 2020-12-11 | 上海蓝书信息科技有限公司 | 水印嵌入、提取方法、装置及电子设备 |
CN113179407A (zh) * | 2021-04-23 | 2021-07-27 | 山东大学 | 基于帧间dct系数相关性的视频水印嵌入和提取方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN109493271B (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109300078B (zh) | 一种具有自适应嵌入强度的图像扩频水印嵌入方法 | |
Sun | A novel edge based image steganography with 2k correction and Huffman encoding | |
CN109493271A (zh) | 图像差值量化水印嵌入方法、提取方法、设备及存储介质 | |
CN111311472B (zh) | 一种图像处理模型与图像处理算法的产权保护方法 | |
WO2022048330A1 (zh) | 视频的水印添加和提取方法、装置、设备及存储介质 | |
CN113379584A (zh) | 一种基于残差学习的不可感知水印攻击方法、存储介质及电子装置 | |
CN106097237A (zh) | 图像水印的嵌入方法和提取方法以及相关方法 | |
Chen et al. | JSNet: a simulation network of JPEG lossy compression and restoration for robust image watermarking against JPEG attack | |
CN102917227A (zh) | 基于压缩感知的自适应视频信息隐藏方法 | |
CN108280797A (zh) | 一种基于纹理复杂度和jnd模型的图像数字水印算法*** | |
Kasana et al. | Reference based semi blind image watermarking scheme in wavelet domain | |
CN114626967A (zh) | 一种数字水印嵌入与提取方法、装置、设备及存储介质 | |
Jiang et al. | Adaptive spread transform QIM watermarking algorithm based on improved perceptual models | |
CN104766263A (zh) | 基于四元数Legendre矩校正的彩色图像水印嵌入及检测方法 | |
CN113628090B (zh) | 抗干扰消息隐写与提取方法、***、计算机设备、终端 | |
Jaiswal et al. | Linear discriminate analysis based robust watermarking in dwt and lwt domain with pca based statistical feature reduction | |
CN116205776A (zh) | 一种基于半脆弱可逆水印的篡改定位方法 | |
Kekre et al. | Robust Watermarking Technique using Hybrid Wavelet Transform Generated from Kekre Transform and Discrete Cosine Transform | |
Naik et al. | Robust digital image watermarking using DWT+ SVD approach | |
Chhikara | Performance evaluation of first and second order features for steganalysis | |
Wang et al. | Blind photograph watermarking with robust defocus‐based JND model | |
Jaiswal et al. | Deep artificial neural network based blind color image watermarking in YCbCr color domain using statistical features | |
Jia-Fa et al. | Research of spatial domain image digital watermarking payload | |
Liu et al. | T2IW: Joint Text to Image & Watermark Generation | |
Hilal | Digital Watermarking Under DCT Domain According to Image Types. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |