CN111127291B - 基于空频域jnd转换的图像水印嵌入、提取方法及*** - Google Patents
基于空频域jnd转换的图像水印嵌入、提取方法及*** Download PDFInfo
- Publication number
- CN111127291B CN111127291B CN201911395370.9A CN201911395370A CN111127291B CN 111127291 B CN111127291 B CN 111127291B CN 201911395370 A CN201911395370 A CN 201911395370A CN 111127291 B CN111127291 B CN 111127291B
- Authority
- CN
- China
- Prior art keywords
- watermark
- image
- coefficient
- embedded
- frequency domain
- 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.)
- Active
Links
Images
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
-
- 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
- G06T1/0028—Adaptive watermarking, e.g. Human Visual System [HVS]-based 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
- G06T2201/0051—Embedding of the watermark in the spatial 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
- G06T2201/0052—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
- G06T2201/0203—Image watermarking whereby the image with embedded watermark is reverted to the original condition before embedding, e.g. lossless, distortion-free or invertible watermarking
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
本发明公开了基于空频域JND转换的图像水印嵌入、提取方法及***,获取原始图像,将原始图像划分为若干图像块,计算每个图像块中待嵌入水印的DC系数;对DC系数进行对数转换,得到对数转换后的数据;根据最优量化步长,对对数转换后的数据进行抖动调制嵌入水印信息;对抖动调制后的数据,进行对数域逆变换,得到更新后的嵌入水印的DC系数;根据更新后的嵌入水印的DC系数,计算DC系数的修改量;对频域JND模型进行修正,将修正后的频域JND模型进行频域‑空域转换,得到空域JND模型;根据空域JND模型引导像素修改量,对空域中的像素值进行更新,实现水印信息的嵌入。
Description
技术领域
本公开涉及图像水印技术领域,特别是涉及基于空频域JND转换的图像水印嵌入、提取方法及***。
背景技术
本部分的陈述仅仅是提到了与本公开相关的背景技术,并不必然构成现有技术。
随着多媒体技术的飞速发展,各种多媒体信息服务更加普及,使得数字多媒体的存储、复制和传播变得更加容易,严重威胁了版权所有者的合法权益。数字水印技术作为信息隐藏技术的重要分支,可以有效的保护多媒体数字版权信息。它将一些标志信息(数字水印)以隐藏的方式嵌入到数字多媒体数据中,实现保护信息内容安全保护的目的,具有广阔的应用前景。
近年来,在鲁棒的图像水印算法中,水印通常嵌入到DCT域中的直流(DC:DirectCurrent)系数中,因为DC系数幅值远大于交流(AC:Alternating Current)系数,可以提供更大的水印容量,同时DC系数对JPEG压缩、低通滤波、噪声等常见的图像处理运算具有较好的鲁棒性。J.Huang等提出了一种根据人类视觉掩蔽特性自适应地将水印嵌入到DC系数的数字水印算法,并通过实验证明,该水印方法具有较好的鲁棒性。G.Zeng等人考虑了DC系数来权衡鲁棒性和不可见性,提出了一种基于量化索引调制(QIM:Quantization IndexModulation)技术的盲水印方案,该方案对图像块DCT域的DC系数进行QIM水印嵌入,获得了较好的鲁棒性能。Q.Su等提出了一种联合空间域嵌入和图像块DC系数量化的图像水印方法,利用水印嵌入的DC系数修改量,在空间域对图像块的像素进行调整。其中,对于固定的图像块,每个像素值具有相同的修改量,该方案没有有效利用人类视觉***的视觉冗余特性,无法实现更好的感知失真—鲁棒性之间的权衡。
在实现本公开的过程中,发明人发现现有技术中存在以下技术问题:
通常人类视觉***在感知图像质量失真时,存在视觉掩蔽效应,因此有效度量视觉冗余信息,可以提高数字水印图像的视觉感知质量。其中视觉最小可觉差(JND:JustNoticeable Difference)模型可以有效描述人类视觉掩蔽特性。目前,JND模型的研究包括空域JND模型和频域JND模型。由于大多数媒体压缩方案都是在DCT域中实现的,因此基于DCT频域的JND模型应用领域更加广泛。因此如何将JND模型有效应用于空间嵌入框架中亟待解决。同时,在传统的水印嵌入算法中,抖动调制(DM:Dither Modulation)水印算法能够根据不同的水印信息采用不同的量化器对原始信号进行量化,实现水印信息的嵌入以及盲提取,在计算复杂度与算法实现上的具有显著的优势。然而,使用传统的DM算法采用固定的量化步长,对于图像亮度线性增强攻击不具有鲁棒性。因此设计自适应量化步长对于DM算法针对图像亮度线性增强攻击的鲁棒性也是至关重要的。
发明内容
为了解决现有技术的不足,本公开提供了基于空频域JND转换的图像水印嵌入、提取方法及***;
第一方面,本公开提供了基于空频域JND转换的图像水印嵌入方法;
基于空频域JND转换的图像水印嵌入方法,包括:
获取原始图像,将原始图像划分为若干图像块,计算每个图像块中待嵌入水印的DC系数;
对DC系数进行对数转换,得到对数转换后的数据;
根据最优量化步长,对对数转换后的数据进行抖动调制嵌入水印信息;
对抖动调制后的数据,进行对数域逆变换,得到更新后的嵌入水印的DC系数;根据更新后的嵌入水印的DC系数,计算DC系数的修改量;
对频域JND模型进行修正,将修正后的频域JND模型进行频域-空域转换,得到空域JND模型;根据空域JND模型引导像素修改量,对空域中的像素值进行更新,实现水印信息的嵌入。
第二方面,本公开还提供了基于空频域JND转换的图像水印嵌入***;
基于空频域JND转换的图像水印嵌入***,包括:
DC系数计算模块,其被配置为:获取原始图像,将原始图像划分为若干图像块,计算每个图像块中待嵌入水印的DC系数;
第一对数转换模块,其被配置为:对DC系数进行对数转换,得到对数转换后的数据;
抖动调制模块,其被配置为:根据最优量化步长,对对数转换后的数据进行抖动调制嵌入水印信息;
逆变换模块,其被配置为:对抖动调制后的数据,进行对数域逆变换,得到更新后的嵌入水印的DC系数;根据更新后的嵌入水印的DC系数,计算DC系数的修改量;
水印嵌入模块,其被配置为:对频域JND模型进行修正,将修正后的频域JND模型进行频域-空域转换,得到空域JND模型;根据空域JND模型引导像素修改量,对空域中的像素值进行更新,实现水印信息的嵌入。
第三方面,本公开提供了图像水印提取方法;
图像水印提取方法,包括:
将嵌入水印的载体图像分成若干个图像块,计算每个图像块中待检测水印的DC系数;
对DC系数进行对数转换;
根据最优的量化步长,利用抖动调制的最小距离检测法对对数转换结果进行检测提取,提取过程中不需要计算JND模型,检测出图像块的水印值;
待所有分块都检测结束后,获得提取的水印信息。
第四方面,本公开还提供了图像水印提取***;
图像水印提取***,包括:
图像块分割模块,其被配置为:将嵌入水印的载体图像分成若干个图像块,计算每个图像块中待检测水印的DC系数;
第二对数转换模块,其被配置为:对DC系数进行对数转换;
水印检测模块,其被配置为:根据最优的量化步长,利用抖动调制的最小距离检测法对对数转换结果进行检测提取,提取过程中不需要计算JND模型,检测出图像块的水印值;
水印提取模块,其被配置为:待所有分块都检测结束后,获得提取的水印信息。
第五方面,本公开还采用了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成第一或第三方面所述方法的步骤。
第六方面,本公开还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一或第三方面所述方法的步骤。
与现有技术相比,本公开的有益效果是:
根据自适应的量化步长Delta,利用频域转换得到的空域JND模型进行引导,对每个像素的修改量进行自适应调整,使得水印图像更符合人类视觉***感知特性,有效提升了水印图像的视觉感知质量。
将自适应量化步长Δ'应用于水印信息提取方案中,水印提取阶段不再需要视觉JND的参与,避免了盲提取算法中常见的参考信息误差,降低了算法复杂性。
水印的提取不需要原始载体图像和原始水印,也不需要构建视觉JND模型,直接采用抖动调制中的最小距离检测,完成水印信息的提取,方法简单快捷,具有较好的视觉感知质量和较高的鲁棒性,适用于数字图像内容安全保护方案。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1是本公开实施例一的水印嵌入和检测方法的原理示意框图。
图2(a)-图2(f)是本公开实施例一的六张512×512的灰度宿主图像。图3(a)和图3(b)是本公开实施例一的嵌入图像2(b)水印信息的水印图像以及提取出的水印信息。
图4(a)-图4(d)是本公开实施例一的针对高斯噪声,JPEG压缩,中值滤波以及图像线性增强攻击的仿真实验结果。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一,本实施例提供了基于空频域JND转换的图像水印嵌入方法;
基于空频域JND转换的图像水印嵌入方法,包括:
S1:获取原始图像,将原始图像划分为若干图像块,计算每个图像块中待嵌入水印的DC系数;
S2:对DC系数进行对数转换,得到对数转换后的数据;
S3:根据最优量化步长,对对数转换后的数据进行抖动调制嵌入水印信息;
S4:对抖动调制后的数据,进行对数域逆变换,得到更新后的嵌入水印的DC系数;根据更新后的嵌入水印的DC系数,计算DC系数的修改量;
S5:对频域JND模型进行修正,将修正后的频域JND模型进行频域-空域转换,得到空域JND模型;根据空域JND模型引导像素修改量,对空域中的像素值进行更新,实现水印信息的嵌入。
进一步地,所述最优量化步长的获取步骤包括:
计算原始图像的图像块的交流系数;根据图像块的交流系数计算图像块的边缘强度;根据图像块的边缘强度,计算图像块的边缘密度;根据图像块的边缘密度得到图像块的类型,根据图像块的类型获得最优的量化步长。
进一步地,所述S1中,获取原始图像,将原始图像划分为若干图像块,计算每个图像块中待嵌入水印的DC系数;具体步骤包括:
对原始图像分成不重叠的N×N图像块,计算每个块中待嵌入水印的DC系数X,采用公式为:
其中B(i,j)表示图像块内在(i,j)位置处的像素值。
进一步地,所述S2中,对DC系数进行对数转换,得到转换后的待嵌入载体的水印数据;具体步骤包括:
其中,Y为转换后要作为水印嵌入载体的数值,Xm为载体图像的平均亮度(图像像素的平均值),μ为密钥参数,对数域变换对图像线性增强攻击具有鲁棒性。
进一步地,所述S3中,根据最优量化步长,对待嵌入载体的水印数值进行抖动调制;具体步骤包括:
利用抖动调制嵌入水印信息m,采用公式为:
其中,Yw是转换后的数值,Y通过抖动调制嵌入水印信息的值,dm是对应于水印信息m的抖动信号,Δ'是最优量化步长。
进一步地,所述S4中,对抖动调制后的数据,进行对数域逆变换,得到更新后的嵌入水印的DC系数;根据更新后的嵌入水印的DC系数,计算DC系数的修改量;具体步骤包括:
E=Xw-X (12)
其中,Xw是经过对数函数逆变换得到的嵌入水印的DC系数,E是DC系数的修改量。
进一步地,所述S5中,对频域JND模型进行修正,将修正后的频域JND模型进行频域-空域转换,得到空域JND模型;根据空域JND模型引导像素修改量,对空域中的像素值进行更新,实现水印信息的嵌入;具体步骤包括:
TJND(i,j)=Tbase(i,j)·FLA·FCM (5)
其中,TJND是对应的DCT域中块的JND阈值,Tbase是基于空间对比敏感函数的基本阈值,FLA是亮度适应因子,FCM是对比度掩蔽因子,(i,j)是块内的位置;
应理解的,该算法介绍了一种鲁棒的频域JND模型,该模型被提出作为对比敏感度函数,亮度自适应掩蔽,对比度掩蔽,以及低频系数的鲁棒性修正的联合效应模型,该模型针对水印嵌入引起的像素偏移具有鲁棒性。对于固定大小为8×8的DCT块,所提JND模型的定义见公式(5);
水印嵌入会引起像素值变化,为了避免提取端对图像块类型分类出现误差,引起量化步长在嵌入前后的不一致,对上述计算得到的JND模型进行修正,将用于图像块类型分类的三个低频AC值对应位置的TJND值设置为0,保证了量化步长的鲁棒性。
本发明将公式(6)进行频域-空域转换,有效地为图像块的单像素值计算满足视觉冗余特性的改变量,同时将公式(6)得到的鲁棒的JND模型进行跨域转换,用来引导像素修改量,对空域中的像素值进行更新,以实现水印的嵌入,通过空域JND模型的引导,对每个像素的修改量进行自适应调整,使得水印图像更符合人类视觉***感知特性,有效提高了水印图像的视觉感知质量。
进一步地,根据图像块的交流系数计算图像块的边缘强度;具体步骤包括:
SAC=sum(|A(i,j)|),|i+j|∈(0,2] (1)
其中,SAC表示图像块的边缘强度;A(i,j)是图像块内在(i,j)位置处的交流系数,(i,j)表示图像块内像素点的位置;
进一步地,根据图像块的边缘强度,计算图像块的边缘密度;具体步骤包括:
其中,ue表示图像块的边缘密度,c是一个常数,是为了防止分母为零。
进一步地,根据图像块的边缘密度得到图像块的类型,根据图像块的类型获得最优的量化步长;具体步骤包括:
其中,Δ′表示最优的量化步长。
应理解的,因为图像块可以分为不同的块类型:光滑块,边缘块和纹理块。由于人类视觉***对不同类型的图像块存在视觉感知的差异性,因此为了进一步提高图像的视觉质量,使其更好地符合人类视觉的感知特性,我们按照公式(4)对固定量化步长进行自适应地调整,得到符合人类视觉特性的量化步长,同时,针对图像线性增强攻击,公式(4)计算得到的自适应的量化步长对其具有鲁棒性。
图1给出了本发明的鲁棒的JND的感知水印嵌入和检测的原理步骤。下面的仿真试验是本发明方法的一个具体例子,通过此例可对本发明方法的性能进行验证。与使用固定量化步长的空间域的水印方法包括DC-Q方法(Qingtang Su and Beijing Chen,“Robustcolor image watermarking technique in the spatial domain,”Soft Computing,vol.22,no.1,pp.91–106,2018.),和Schur-Q方法(Qingtang Su,Zihan Yuan,and DechengLiu,“An approximate schur decomposition-based spatial domain color imagewatermarking method,”IEEE Access,vol.7,pp.4358–4370,2018.)进行对比,仿真使用六幅512×512的原始灰度图像,如图2(a)-图2(f)所示,为了保证公平性分别对其嵌入一幅32×32的二值水印图像,并对实验结果取平均。具体水印嵌入过程如下:
(1)对原始图像进行8×8分块DCT变换,得到所需的DC系数和AC系数。共有4096个DC系数,按照水印信息是32×32,选取1024个块中的DC系数作为嵌入载体。
(2)根据公式(9)对DC系数X进行对数变换,得到转换后的数值Y(密钥参数μ取值为0.02)。
(3)根据公式(1)和(2)(常数c的取值为10-8)使用AC系数计算边缘强度SAC和边缘密度ue,根据公式(3)对图像块进行分类,根据块的类型,使用公式(4)计算自适应的最优的量化步长Δ'。
(4)根据公式(10)使用最优的量化步长,利用抖动调制的方法对Y嵌入水印信息m得到数值Yw。
(5)根据公式(11)计算嵌入水印信息的DC系数Xw。根据公式(12)计算嵌入水印后DC系数的修改量E。为了保证量化步长的不变性,使用公式(6)对JND进行修改,得到鲁棒的JND模型。根据公式(7)使用修改后的空间域的鲁棒JND模型对修改量进行引导,自适应调整每个像素的修改量。重复操作,得到嵌入水印的图像。
为了显示本发明中水印方法的鲁棒性,采用常见的图像处理方式对水印图像进行了处理,包括均值为0标准差不同的高斯噪声攻击,不同JPEG压缩质量下的JPEG压缩攻击,不同滤波因子下的中值滤波攻击,不同因子下的图像线性增强攻击。同时为了比较的目的,给出了本发明与几种相关方法的测试结果,包括DC-Q方法,Schur-Q方法。在所有的仿真里,通过调整水印嵌入强度将PSNR统一取为42dB,实验结果为平均值。
在受到高斯噪声为0.0005,0.0010,0.0015攻击下,DC-Q方法得到的误码率分别为:0.0322,0.0704,0.1021;Schur-Q方法得到的误码率分别是:0.0003,0.0102,0.0364;本发明得到的误码率分别是:0.0009,0.0084,0.0322。
在受到JPEG压缩为30,50,70的攻击下,DC-Q方法得到的误码率分别为:0.0613,0.0268,0.0055;Schur-Q方法得到的误码率分别是:0.0030,0.0003,0;本发明得到的误码率分别是:0.0029,0,0。
在受到中值滤波为2×2,3×3,4×4攻击下,DC-Q方法得到的误码率分别为:0.1615,0.0799,0.2212;Schur-Q方法得到的误码率分别是:0.1991,0.0864,0.3021;本发明得到的误码率分别是:0.1216,0.0442,0.1805。
在受到图像线性增强因子为0.55,0.85,1.15攻击下,DC-Q方法得到的误码率分别为:0.3841,0.3564,0.3498;Schur-Q方法得到的误码率分别是:0.4810,0.4762,0.4738;本发明得到的误码率分别是:0,0,0。
以图3(a)为例,图3(a)是图2(b)嵌入水印信息得到的水印图像。在PSNR=42的情况下,可以看出嵌入的水印有很好的不可见性。在未受到攻击的情况下,从图3(a)提取出的水印是图3(b)。其误码率为0,可以看出提出的水印算法有较好的有效性。
同时,图4(a)、4(b)、4(c)、4(d)是将图3(a)依次进行高斯噪声(0,0.0001)、JPEG压缩(50)、中值滤波(2×2)、图像(0.85)提取的数字水印图像,其误码率分别是0.0107、0、0.0664、0。
实施例二,本实施例还提供了基于空频域JND转换的图像水印嵌入***;
基于空频域JND转换的图像水印嵌入***,包括:
DC系数计算模块,其被配置为:获取原始图像,将原始图像划分为若干图像块,计算每个图像块中待嵌入水印的DC系数;
第一对数转换模块,其被配置为:对DC系数进行对数转换,得到对数转换后的数据;
抖动调制模块,其被配置为:根据最优量化步长,对对数转换后的数据进行抖动调制嵌入水印信息;
逆变换模块,其被配置为:对抖动调制后的数据,进行对数域逆变换,得到更新后的嵌入水印的DC系数;根据更新后的嵌入水印的DC系数,计算DC系数的修改量;
水印嵌入模块,其被配置为:对频域JND模型进行修正,将修正后的频域JND模型进行频域-空域转换,得到空域JND模型;根据空域JND模型引导像素修改量,对空域中的像素值进行更新,实现水印信息的嵌入。
实施例三,本实施例提供了图像水印提取方法;
图像水印提取方法,包括:
A1:将嵌入水印的载体图像分成若干个图像块,计算每个图像块中待检测水印的DC系数;
A2:对DC系数进行对数转换;
A3:根据最优的量化步长,利用抖动调制的最小距离检测法对对数转换结果进行检测提取,提取过程中不需要计算JND模型,检测出图像块的水印值;
A4:待所有分块都检测结束后,获得提取的水印信息。
进一步地,所述A1中,将嵌入水印的载体图像分成若干个图像块,计算每个图像块中待检测水印的DC系数;具体步骤包括:
将嵌入水印的载体图像分成不重叠的N×N图像块,计算每个块中待检测水印的DC系数X1,采用公式如下:
其中,BW(i,j)表示图像块内(i,j)位置处的像素值。
进一步地,所述A2中,对DC系数进行对数转换;具体步骤包括:
利用对数函数,对DC系数进行对数转换,采用公式如下:
其中,Y1为转换后要作为水印提取的数值,Xm为载体图像的平均亮度,μ为密钥参数。
将自适应量化步长Δ'应用于水印信息提取方案中,水印提取阶段不再需要视觉JND的参与,避免了盲提取算法中常见的参考信息误差,降低了算法复杂性。
嵌入水印后的图像,在传输的过程中,可能会经历某些信号处理的操作,比如图像线性增强、高斯噪声、及JPEG压缩等,实验表明,嵌入的水印仍旧可以较好的检测出来。水印提取阶段不再需要视觉JND的参与,避免了盲提取算法中常见的参考信息偏移,降低了算法复杂性,具体水印检测过程如下:
(1)对待检测的图像进行8×8分块DCT变换,计算所需的DC系数和AC系数。共有4096个DC系数,按照嵌入选取的方式,选取1024个块的DC系数。
(2)根据公式(14)对DC系数X1进行对数变换,获得转换后的数值Y1(密钥参数μ取值为0.02)。
(3)根据公式(1)和(2)(常数c的取值为10-8),使用AC系数计算嵌入水印图像块的边缘强度SAC和边缘密度ue,按照公式(3)对图像块进行分类,根据块类型的不同,使用公式(4)计算自适应的最优的量化步长Δ'。
(4)利用抖动调制水印检测器独立检测出水印信息。待所有分块提取完成后,将检测出的水印序列重组成32×32水印图像。
实施例四,本实施例还提供了图像水印提取***;
图像水印提取***,包括:
图像块分割模块,其被配置为:将嵌入水印的载体图像分成若干个图像块,计算每个图像块中待检测水印的DC系数;
第二对数转换模块,其被配置为:对DC系数进行对数转换;
水印检测模块,其被配置为:根据最优的量化步长,利用抖动调制的最小距离检测法对对数转换结果进行检测提取,提取过程中不需要计算JND模型,检测出图像块的水印值;
水印提取模块,其被配置为:待所有分块都检测结束后,获得提取的水印信息。
实施例五,本实施例还提供了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成实施例一或三所述方法的步骤。
实施例六,本实施例还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例一或三所述方法的步骤。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.基于空频域JND转换的图像水印嵌入方法,其特征是,包括:
获取原始图像,将原始图像划分为若干图像块,计算每个图像块中待嵌入水印的DC系数;
对DC系数进行对数转换,得到对数转换后的数据;
根据最优量化步长,对对数转换后的数据进行抖动调制嵌入水印信息;
对抖动调制后的数据,进行对数域逆变换,得到更新后的嵌入水印的DC系数;根据更新后的嵌入水印的DC系数,计算DC系数的修改量;具体步骤包括:
E=Xw-X(12)
其中,Xw是经过对数函数逆变换得到的嵌入水印的DC系数,E是DC系数的修改量;
对频域JND模型进行修正,将修正后的频域JND模型进行频域-空域转换,得到空域JND模型;根据空域JND模型引导像素修改量,对空域中的像素值进行更新,实现水印信息的嵌入;具体步骤包括:
TJND(i,j)=Tbase(i,j)·FLA·FCM(5)
其中,TJND是对应的DCT域中块的JND阈值,Tbase是基于空间对比敏感函数的基本阈值,FLA是亮度适应因子,FCM是对比度掩蔽因子,(i,j)是块内的位置;
2.如权利要求1所述的方法,其特征是,所述最优量化步长的获取步骤包括:
计算原始图像的图像块的交流系数;根据图像块的交流系数计算图像块的边缘强度;根据图像块的边缘强度,计算图像块的边缘密度;根据图像块的边缘密度得到图像块的类型,根据图像块的类型获得最优的量化步长。
6.基于空频域JND转换的图像水印嵌入***,采用如权利要求1-5任一项所述的基于空频域JND转换的图像水印嵌入方法,其特征是,包括:
DC系数计算模块,其被配置为:获取原始图像,将原始图像划分为若干图像块,计算每个图像块中待嵌入水印的DC系数;
第一对数转换模块,其被配置为:对DC系数进行对数转换,得到对数转换后的数据;
抖动调制模块,其被配置为:根据最优量化步长,对对数转换后的数据进行抖动调制嵌入水印信息;
逆变换模块,其被配置为:对抖动调制后的数据,进行对数域逆变换,得到更新后的嵌入水印的DC系数;根据更新后的嵌入水印的DC系数,计算DC系数的修改量;
水印嵌入模块,其被配置为:对频域JND模型进行修正,将修正后的频域JND模型进行频域-空域转换,得到空域JND模型;根据空域JND模型引导像素修改量,对空域中的像素值进行更新,实现水印信息的嵌入。
7.图像水印提取方法,基于如权利要求1-5任一项所述的基于空频域JND转换的图像水印嵌入方法,其特征是,包括:
将嵌入水印的载体图像分成若干个图像块,计算每个图像块中待检测水印的DC系数;
对DC系数进行对数转换;
根据最优的量化步长,利用抖动调制的最小距离检测法对对数转换结果进行检测提取,提取过程中不需要计算JND模型,检测出图像块的水印值;
待所有分块都检测结束后,获得提取的水印信息。
8.图像水印提取***,采用如权利要求7所述的图像水印提取方法,其特征是,包括:
图像块分割模块,其被配置为:将嵌入水印的载体图像分成若干个图像块,计算每个图像块中待检测水印的DC系数;
第二对数转换模块,其被配置为:对DC系数进行对数转换;
水印检测模块,其被配置为:根据最优的量化步长,利用抖动调制的最小距离检测法对对数转换结果进行检测提取,提取过程中不需要计算JND模型,检测出图像块的水印值;
水印提取模块,其被配置为:待所有分块都检测结束后,获得提取的水印信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911395370.9A CN111127291B (zh) | 2019-12-30 | 2019-12-30 | 基于空频域jnd转换的图像水印嵌入、提取方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911395370.9A CN111127291B (zh) | 2019-12-30 | 2019-12-30 | 基于空频域jnd转换的图像水印嵌入、提取方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111127291A CN111127291A (zh) | 2020-05-08 |
CN111127291B true CN111127291B (zh) | 2023-06-20 |
Family
ID=70505062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911395370.9A Active CN111127291B (zh) | 2019-12-30 | 2019-12-30 | 基于空频域jnd转换的图像水印嵌入、提取方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111127291B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112070650B (zh) * | 2020-09-15 | 2023-12-22 | 中国科学院信息工程研究所 | 一种针对全景图像的水印嵌入及检测方法 |
CN112565780B (zh) * | 2020-12-18 | 2023-08-15 | 咪咕互动娱乐有限公司 | 游戏状态信息共享方法、网络设备、存储介质 |
CN113034335B (zh) * | 2021-03-29 | 2024-01-05 | 杨帆 | 水印嵌入方法、***及含水印图像的水印提取方法、*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021516A (zh) * | 2014-06-09 | 2014-09-03 | 河海大学 | 基于韦布尔模型的dct直流系数上图像水印方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE69739017D1 (de) * | 1996-11-28 | 2008-11-13 | Nec Corp | Kartenartiges Registriermittel, Beglaubigungsverfahren und -vorrichtung für das Registriermittel, System zum Erzeugen eines solchen Registriermittels, Chiffriersystem und Dekodierer dazu, und Registriermittel |
KR100576802B1 (ko) * | 2003-10-29 | 2006-05-10 | 한국전자통신연구원 | 인간시각시스템 모델과 웨이블릿 변환을 이용한 블라인드방식의 워터마크 삽입 및 추출 방법 |
CN100586181C (zh) * | 2006-01-18 | 2010-01-27 | 华中科技大学 | 一种图像数据水印信息的嵌入、检测方法及*** |
CN100594514C (zh) * | 2006-10-16 | 2010-03-17 | 北京大学 | 一种自适应的扩展变换抖动调制水印方法 |
CN101004830A (zh) * | 2006-12-20 | 2007-07-25 | 北京理工大学 | 一种空域图像选择的鲁棒数字图像水印技术 |
CN101493928B (zh) * | 2009-02-10 | 2011-06-15 | 国网信息通信有限公司 | 数字水印嵌入、提取和量化步长协调因子优化方法及装置 |
CN102722857A (zh) * | 2012-05-24 | 2012-10-10 | 河海大学 | 一种基于视觉注意机制的数字图像水印方法 |
CN103247018A (zh) * | 2013-05-20 | 2013-08-14 | 山东大学 | 基于对数域视觉模型的扩展变换抖动调制水印方法 |
CN105761199B (zh) * | 2016-03-25 | 2018-10-12 | 鲁东大学 | 一种基于组合域的鲁棒彩色图像水印方法 |
CN107977921B (zh) * | 2017-12-08 | 2021-04-30 | 上饶师范学院 | 基于对数量化的信息隐藏方法、提取方法及相关装置 |
CN108648134B (zh) * | 2018-05-21 | 2022-06-14 | 鲁东大学 | 一种融合离散小波变换的空域彩色数字图像盲水印方法 |
-
2019
- 2019-12-30 CN CN201911395370.9A patent/CN111127291B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021516A (zh) * | 2014-06-09 | 2014-09-03 | 河海大学 | 基于韦布尔模型的dct直流系数上图像水印方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111127291A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111127291B (zh) | 基于空频域jnd转换的图像水印嵌入、提取方法及*** | |
US6707930B2 (en) | Method and arrangement for embedding a watermark in an information signal | |
CN110232650B (zh) | 一种彩色图像水印嵌入方法、检测方法及*** | |
JP2004304834A (ja) | ロバストなデジタル電子透かし入れ信号の挿入方法および電子透かし検出方法 | |
US8351644B2 (en) | Image data processing systems for hiding secret information and data hiding methods using the same | |
KR100523978B1 (ko) | 웨이블릿 기반의 디지털 워터마크 삽입/추출장치 및 방법 | |
TWI395484B (zh) | 使用半色調技術以隱藏多色階或雙色階浮水印的方法 | |
CN105160619B (zh) | 一种图像水印检测方法 | |
Li et al. | Improved spread transform dither modulation using a perceptual model: robustness to amplitude scaling and JPEG compression | |
EP2154649A1 (en) | An adaptive watermarking system and method | |
Kim et al. | An entropy masking model for multimedia content watermarking | |
CN109493270B (zh) | 一种基于slt-dm的水印图像还原方法 | |
Arab et al. | A framework to evaluate the performance of video watermarking techniques | |
CN114363719B (zh) | 一种基于Bessel-Fourier矩的内容自适应鲁棒性视频水印方法 | |
Okagaki et al. | Robustness evaluation of digital watermarking based on discrete wavelet transform | |
Zhang et al. | A novel look-up table design method for data hiding with reduced distortion | |
Al-Otum et al. | Color image watermarking based on self-embedded color permissibility with preserved high image quality and enhanced robustness | |
KR101321896B1 (ko) | 스테레오 영상의 소유권 보호를 위한 폐색 영역 기반 스테레오 영상의 워터마킹 방법 | |
Yang et al. | High‐Quality and Robust Reversible Data Hiding by Coefficient Shifting Algorithm | |
Hung et al. | Automatic image authentication and recovery using multiple watermarks | |
Yoo et al. | Classification-based image watermarking using wavelet DC components | |
Thanh et al. | Extended DCT domain for improving the quality of watermarked image | |
Bahrushin et al. | Robust blind image watermarking based on a new modulation mode of low frequency DCT coefficients | |
Liu et al. | An improved spatial spread-spectrum video watermarking | |
JP4271018B2 (ja) | 電子透かし埋め込み方法、電子透かし検出方法及び装置並びにプログラム |
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 |