CN116485623B - 基于十六元数快速精确矩的多光谱图像灰度特征水印方法 - Google Patents
基于十六元数快速精确矩的多光谱图像灰度特征水印方法 Download PDFInfo
- Publication number
- CN116485623B CN116485623B CN202310735591.6A CN202310735591A CN116485623B CN 116485623 B CN116485623 B CN 116485623B CN 202310735591 A CN202310735591 A CN 202310735591A CN 116485623 B CN116485623 B CN 116485623B
- Authority
- CN
- China
- Prior art keywords
- gray
- sixteen
- image
- watermark
- multispectral image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 238000012795 verification Methods 0.000 claims abstract description 9
- 238000010276 construction Methods 0.000 claims abstract description 7
- 238000013507 mapping Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000021615 conjugation Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000739 chaotic effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010008 shearing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000008092 positive effect 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
- G06T1/0064—Geometric transfor invariant watermarking, e.g. affine transform invariant
-
- 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
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0064—Image watermarking for copy protection or copy management, e.g. CGMS, copy only once, one-time copy
-
- 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
- G06T2201/0065—Extraction of an embedded watermark; Reliable detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本发明公开基于十六元数快速精确矩的多光谱图像灰度特征水印方法,涉及图像处理领域,特征在于,包括以下步骤:S1:灰度特征水印构造;通过计算原始多光谱图像的FASRHFMs构造灰度特征水印;S11:快速精确计算原始多光谱图像的FASRHFMs,通过快速精确计算方法计算内切圆内原始多光谱图像的最大矩阶为的FASRHFMs。本发明要解决的技术问题是提供基于十六元数快速精确矩的多光谱图像灰度特征水印方法,方便多光谱图像灰度特征水印验证。
Description
技术领域
本发明涉及图像处理领域,具体地讲,涉及基于十六元数快速精确矩的多光谱图像灰度特征水印方法。
背景技术
随着互联网的不断发展和数据开放共享的普及,保护数字资源在存储和传播中的安全呈现出越来越重要的意义。然而,在这个过程中版权侵权问题也变得越来越严重。目前,加密和签名技术曾被广泛用于数字图像版权保护,但是这两种技术都存在无法解决解密后图像非法拷贝、篡改以及再次传播等问题。数字水印技术的出现为图像版权保护问题提供了新思路,并成为了当前研究的热点领域。
数字水印技术是将水印信息隐藏到需要保护的图像内容中,现有的图像特征水印大都将图像特征二值化,导致不同图像之间的特征水印区分较小,不利于图像版权保护。目前数字水印的研究已经有灰度图像、彩色图像、立体图像等类型。但是,对于多光谱图像水印技术的研究,目前还没有成熟的方案。且在利用矩计算原始多光谱图像和待验证多光谱图像矩值时存在时间慢,精度低缺点。多光谱图像是由多个波段和宽度的光谱组成的图像,每个波段所捕获的图像信息可以提供有关被拍摄对象的特定属性和特征的详细信息,这些图像通常是使用特殊的传感器或摄像机来获取的,这些设备可以同时记录许多波段的光谱,被广泛应用于航空测绘、卫星遥感和气象学。多光谱图像相关领域的研究十分广泛,但是却没有行之有效的版权保护策略。
现有的图像特征水印大都将图像特征二值化,导致不同图像之间的特征水印区分较小,不利于图像版权保护。目前数字水印的研究已经有灰度图像、彩色图像、立体图像等类型。但是,对于多光谱图像水印技术的研究,目前还没有成熟的方案。在利用矩对获取的原始多光谱图像和待验证多光谱图像计算矩值时存在时间慢,精度低缺点。
发明内容
本发明要解决的技术问题是提供基于十六元数快速精确矩的多光谱图像灰度特征水印方法,方便多光谱图像灰度特征水印验证。
本发明采用如下技术方案实现发明目的:
基于十六元数快速精确矩的多光谱图像灰度特征水印方法,其特征在于,包括以下步骤:
S1:灰度特征水印构造;通过计算原始多光谱图像的FASRHFMs构造灰度特征水印;
S11:计算原始多光谱图像的FASRHFMs,通过计算内切圆内原始多光谱图像的最大矩阶为/>的FASRHFMs,获得/>个矩值;
S12:幅值序列构造,将所述S11得到的个矩值复制扩展,可以得到长度为P×Q的矩值序列/>;
S13:灰度映射;将原始多光谱图像空间的幅值比例映射到0-255范围内,完成大空间到小空间的映射;
S14:对灰度特征水印加密;利用Henon算法映射生成混沌序列;
S2:灰度特征水印验证;
S21:计算待验证多光谱图像的FASRHFMs,通过计算内切圆内待验证多光谱图像的最大矩阶为/>的FASRHFMs,获得/>个矩值;
S22:幅值序列构造;将所述S21得到的个矩值复制扩展,可以得到长度为P×Q的矩值序列/>;
S23:灰度映射;将待验证多光谱图像空间的幅值比例映射到0-255范围内,得到一个P×Q的待验证多光谱图像的灰度特征水印;
S24:对原始灰度特征水印解密;使用Henon算法生成的密钥对原始灰度特征水印进行解密;
S25:验证灰度特征水印,使用正码率用于衡量待验证灰度特征水印和原始灰度特征水印的一致性,验证图像版权所有;
基于十六元数理论和RHFMs以及八路对称快速计算方法与高斯积分精确计算方法可以构造十六元数快速精确圆谐-傅里叶矩即FASRHFMs,因为十六元数的乘法不满***换律,而和/>均为十六元数,所以FASRHFMs的定义方式有两种:
(9)
(10)
其中:为FARHFMs的径向基函数;
为阶数;
为重复度;
为内切圆内像素点极坐标的半径;
为内切圆内像素点极坐标的角度;
为单位纯十六元数,可以表示为:/>(11)
是虚数单位;
同一组图像的右FASRHFMs和左FASRHFMs可以相互推导,其关系可表示为:
(12)
因为是纯十六元数矩阵,则/>,所以:
(13)
用和/>重构图像的公式可分别表示为:
(14)
(15);
利用八路对称快速计算方法,根据图像上八个对称点的关系,可知八个点的半径相同,角度存在对应关系,因此计算出单位圆内任一点的基函数值就有一个与之对应点的基函数值,基于此算法的积分区域变成传统算法积分区域的八分之一。
作为本技术方案的进一步限定,将多光谱图像生成极坐标图像,其圆谐-傅里叶矩即RHFMs为:
(1)
其中:为RHFMs;
为计算的虚部;
(2)
在/>范围内正交,其正交性关系可以表示为:
(3)
其中:为克罗内克函数;
RHFMs的基函数定义为:
(4)
由角向傅里叶因子共轭的性质和径向基函数/>的正交性可推得,基函数在单位圆内是正交的,其正交性关系可以表示为:
(5)
其中:为/>的共轭,/>,/>,/>为归一化因子;
为克罗内克符号;
由于RHFMs的基函数具有正交性,原图像可以使用RHFMs进行重构,的图像重构函数可表示为:
(6)
复数可以扩展到十六维,被称为十六元数,十六元数由一个实部和十五个虚部组成:
(7)
其中:是实部;
一幅包含5个视角的多光谱图像可以表示为一组纯十六元数,具体表示方法如下:
(8)
其中:为/>的极坐标形式;
、/>、…、/>、/>、/>分别代表多光谱图像/>的5个视角的红色、绿色和蓝色分量。
作为对本技术方案的进一步限定,原始多光谱图像 。
作为对本技术方案的进一步限定,所述S13的具体流程如下:
S131:先将幅值设置两个阈值,幅值的最大值为,最小值为/>, 用原始多光谱图像输出的幅值与最小幅值作差再进行阈值差的相除;
S132:用原始多光谱图像输出的幅值与最小幅值作差再进行阈值差的相除;
S133:用所得结果再乘255,完成灰度映射,生成一个P×Q的灰度特征水印;
灰度映射公式如下所示:
(16)
其中:代表小空间作为输出的像素灰度值;
代表原始多光谱图像空间的输入像素灰度值;
是函数映射公式,将/>的值四舍五入到最接近的整数位置。
作为对本技术方案的进一步限定,所述S23的具体流程与所述S13相同。
作为对本技术方案的进一步限定,Henon算法映射定义如下所示:
(17)
其中:和/>是两个实数参数;
和/>代表第/>个时刻的状态变量。
作为对本技术方案的进一步限定,在验证时,将原始灰度特征水印与待验证灰度特征水印的灰度值转化为二进制,进行逐像素逐位对比,完成验证,正码率的计算公式为:
(18)
其中:为检测的灰度特征水印中正确的位数;
P×Q为灰度特征水印的尺寸;
BCR的值在0与1之间,值越大,检测的灰度特征水印与原始灰度特征水印越相似,算法的鲁棒性越好。
与现有技术相比,本发明的优点和积极效果是:1、将十六元数快速精确矩理论应用于多光谱图像灰度特征水印。灰度特征水印技术的原理是利用矩值构造的幅值特征信息映射到灰度空间,而不是将图像特征二值化,灰度特征水印区分度比较大,有利于版权保护。十六元数矩结合快速与精确的计算方法组成十六元数快速精确矩,十六元数快速精确矩具备高效计算、极高精度、强稳定性和卓越的图像重构能力,是出色的图像特征,保证构造的灰度特征水印与原始多光谱图像的关联性,可以有效抵抗旋转、缩放、剪切、长宽比改变等几何攻击以及各种噪声攻击、滤波攻击,具有很好的鲁棒性。当图像受到攻击后,依然可以通过计算待验证多光谱图像的十六元数快速精确矩来验证原始多光谱图像的灰度特征水印和待验证多光谱图像的灰度特征水印之间的一致性,完成版权保护。2、对多光谱图像使用灰度特征水印技术,将置乱加密后的幅值特征信息映射到灰度空间,不进行将计算出矩值后的图像特征二值化,构成的灰度特征水印区分度比较大,有利于版权保护。灰度特征水印算法主要包括两个过程,灰度特征水印的构造和灰度特征水印的验证,在利用十六元数矩计算原始多光谱图像和待验证多光谱图像的矩值时,会存在时间慢,精度低缺点,利用八路对称快速计算方法与高斯积分精度计算方法,大大提高了计算矩值时的速度与精度。将十六元数矩与快速、精确组合称为十六元数快速精确矩阵,十六元数快速精确矩具备高效计算、极高精度、强稳定性和卓越的图像重构能力,是出色的图像特征,保证构造的灰度特征水印与原始多光谱图像的关联性,可以有效抵抗旋转、缩放、剪切、长宽比改变等几何攻击以及各种噪声攻击、滤波攻击,具有很好的鲁棒性。
附图说明
图1为本发明的多光谱图像灰度特征水印流程。
具体实施方式
下面结合附图,对本发明的一个具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
将多光谱图像生成极坐标图像,其圆谐-傅里叶矩即RHFMs为:
(1)
其中:为RHFMs;
为阶数;
为重复度;
为径向基函数;
为内切圆内像素点极坐标的半径;
为内切圆内像素点极坐标的角度;
为计算的虚部;
(2)
在/>范围内正交,其正交性关系可以表示为:
(3)
其中:为克罗内克函数;
RHFMs的基函数定义为:
(4)
由角向傅里叶因子共轭的性质和径向基函数的正交性可推得,基函数在单位圆内是正交的,其正交性关系可以表示为:
(5)
其中:为/>的共轭,/>,/>,/>为归一化因子;
为克罗内克符号;
由于RHFMs的基函数具有正交性,原图像可以使用RHFMs进行重构,的图像重构函数可表示为:
(6)
复数可以扩展到十六维,被称为十六元数,十六元数由一个实部和十五个虚部组成:
(7)
其中:是实部;/>是虚数单位;
一幅包含5个视角的多光谱图像可以表示为一组纯十六元数,具体表示方法如下:
(8)
其中:为/>的极坐标形式;
、/>、…、/>、/>、/>分别代表多光谱图像/>的5个视角的红色、绿色和蓝色分量。
基于十六元数理论和RHFMs以及八路对称快速计算方法与高斯积分精确计算方法可以构造十六元数快速精确圆谐-傅里叶矩即FASRHFMs,因为十六元数的乘法不满***换律,而和/>均为十六元数,所以FASRHFMs的定义方式有两种:
(9)
(10)
其中:为FARHFMs的径向基函数;
为单位纯十六元数,可以表示为:
(11)
同一组图像的右FASRHFMs和左FASRHFMs可以相互推导,其关系可表示为:
(12)
因为是纯十六元数矩阵,则/>,所以:
(13)
用和/>重构图像的公式可分别表示为:
(14)
(15)
原始多光谱图像。
在求图像矩值时,会存在误差,误差有两个因素,图像函数是离散的,传统的计算方法采用双重积分的零阶近似,会产生数值积分误差。其次,在定义图像的域的正方形域被转换成单位圆,图像不能完美映射到圆形域内,仅那些中心落在圆上或圆内的像素参与矩计算,会产生几何误差。因此为了减少误差,利用高斯积分精确计算方法,采用5个已知权重参数以及5个采样点,生成5*5个图像,由高斯积分的约束条件确保仅位于单位圆上或者单位圆内的采样点参与矩计算,从而导致几何误差的减少,且由于高斯积分的约束条件对内切圆零阶近似进行了改进和多个采样点参与矩值计算,数值积分误差也大幅减少,同时减少了数值积分误差与几何误差,完成精确计算。
在精确计算时,由于需要计算5*5个图像的矩值,会出现速度变慢的问题,利用八路对称快速计算方法,根据图像上八个对称点的关系,可知八个点的半径相同,角度存在对应关系,因此利用公式计算出单位圆内任一点的基函数就有个与之对应的点的基函数值可以通过关系式直接得到,基于此算法的积分区域变成直接算法利用公式直接计算的方法的八分之一,大大提升了计算速度。发明者通过结合精确与快速的计算方法,既保证了图像矩值的准确又提升了计算图像矩值的速度。
S11:快速精确计算原始多光谱图像的FASRHFMs,通过快速精确计算方法计算内切圆内原始多光谱图像的最大矩阶为/>的FASRHFMs,获得/>个矩值;
S12:幅值序列构造,将所述S11得到的个矩值复制扩展,可以得到长度为P×Q的矩值序列/>;
S13:灰度映射;将原始多光谱图像空间的幅值比例映射到0-255范围内,完成大空间到小空间的映射;
所述S13的具体流程如下:
S131:先将幅值设置两个阈值,幅值的最大值为,最小值为/>, 用原始多光谱图像输出的幅值与最小幅值作差再进行阈值差的相除;
S132:用原始多光谱图像输出的幅值与最小幅值作差再进行阈值差的相除;
S133:用所得结果再乘255,完成灰度映射,生成一个P×Q的灰度特征水印;
灰度映射公式如下所示:(16)
其中:代表小空间作为输出的像素灰度值;
代表原始多光谱图像空间的输入像素灰度值;
是函数映射公式,将/>的值四舍五入到最接近的整数位置。
S14:对灰度特征水印加密;Henon算法映射定义如下所示:
(17)
其中:和/>是两个实数参数;
和/>代表第/>个时刻的状态变量。
通过对序列进行循环移位、S盒等操作生成密钥,完成对灰度特征水印的加密,可以有效地提高灰度特征水印的保密性和安全性。
S2:灰度特征水印验证;
S21:快速精确计算待验证多光谱图像的FASRHFMs,通过快速精确计算方法计算内切圆内待验证多光谱图像的最大矩阶为/>的FASRHFMs,获得/>个矩值;
S22:幅值序列构造;将所述S21得到的个矩值复制扩展,可以得到长度为P×Q的矩值序列/>;
S23:灰度映射;将待验证多光谱图像空间的幅值比例映射到0-255范围内,得到一个P×Q的待验证多光谱图像的灰度特征水印;
S24:对原始灰度特征水印解密;使用Henon算法生成的密钥对原始灰度特征水印进行解密;
S25:验证灰度特征水印,使用正码率用于衡量待验证灰度特征水印和原始灰度特征水印的一致性,验证图像版权所有。
在验证时,将原始灰度特征水印与待验证灰度特征水印的灰度值转化为二进制,进行逐像素逐位对比,完成验证,正码率的计算公式为:
(18)
其中:为检测的灰度特征水印中正确的位数;
P×Q为灰度特征水印的尺寸;
BCR的值在0与1之间,值越大,检测的灰度特征水印与原始灰度特征水印越相似,算法的鲁棒性越好。
以上公开的仅为本发明的具体实施例,但是,本发明并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (7)
1.基于十六元数快速精确矩的多光谱图像灰度特征水印方法,其特征在于,包括以下步骤:
S1:灰度特征水印构造;通过计算原始多光谱图像的FASRHFMs构造灰度特征水印;
S11:计算原始多光谱图像的FASRHFMs,通过计算内切圆内原始多光谱图像的最大矩阶为/>的FASRHFMs,获得/>个矩值;
S12:幅值序列构造,将所述S11得到的个矩值复制扩展,可以得到长度为P×Q的矩值序列/>;
S13:灰度映射;将原始多光谱图像空间的幅值比例映射到0-255范围内,完成大空间到小空间的映射;
S14:对灰度特征水印加密;利用Henon算法映射生成混沌序列;
S2:灰度特征水印验证;
S21:计算待验证多光谱图像的FASRHFMs,通过计算内切圆内待验证多光谱图像的最大矩阶为/>的FASRHFMs,获得/>个矩值;
S22:幅值序列构造;将所述S21得到的个矩值复制扩展,可以得到长度为P×Q的矩值序列/>;
S23:灰度映射;将待验证多光谱图像空间的幅值比例映射到0-255范围内,得到一个P×Q的待验证多光谱图像的灰度特征水印;
S24:对原始灰度特征水印解密;使用Henon算法生成的密钥对原始灰度特征水印进行解密;
S25:验证灰度特征水印,使用正码率用于衡量待验证灰度特征水印和原始灰度特征水印的一致性,验证图像版权所有;
基于十六元数理论和RHFMs以及八路对称快速计算方法与高斯积分精确计算方法可以构造十六元数快速精确圆谐-傅里叶矩即FASRHFMs,因为十六元数的乘法不满***换律,而和/>均为十六元数,所以FASRHFMs的定义方式有两种:
(9)
(10)
其中:为FARHFMs的径向基函数;
为阶数;
为重复度;
为内切圆内像素点极坐标的半径;
为内切圆内像素点极坐标的角度;
为单位纯十六元数,可以表示为:
(11)
是虚数单位;
同一组图像的右FASRHFMs和左FASRHFMs可以相互推导,其关系可表示为:
(12)
因为是纯十六元数矩阵,则/>,所以:
(13)
用和/>重构图像的公式可分别表示为:
(14)
(15);
利用八路对称快速计算方法,根据图像上八个对称点的关系,可知八个点的半径相同,角度存在对应关系,因此计算出单位圆内任一点的基函数值就有一个与之对应点的基函数值,基于此算法的积分区域变成传统算法积分区域的八分之一。
2.根据权利要求1所述的基于十六元数快速精确矩的多光谱图像灰度特征水印方法,其特征在于:将多光谱图像生成极坐标图像,其圆谐-傅里叶矩即RHFMs为:
(1)
其中:为RHFMs;
为计算的虚部;
(2)
在/>范围内正交,其正交性关系可以表示为:
(3)
其中:为克罗内克函数;
RHFMs的基函数定义为:
(4)
由角向傅里叶因子共轭的性质和径向基函数的正交性可推得,基函数在单位圆内是正交的,其正交性关系可以表示为:
(5)
其中:为/>的共轭,/>,/>,/>为归一化因子;
为克罗内克符号;
由于RHFMs的基函数具有正交性,原图像可以使用RHFMs进行重构,/>的图像重构函数可表示为:
(6)
复数可以扩展到十六维,被称为十六元数,十六元数由一个实部和十五个虚部组成:
(7)
其中:是实部;
一幅包含5个视角的多光谱图像可以表示为一组纯十六元数,具体表示方法如下:
(8)
其中:为的极坐标形式;
、/>、…、/>、/>、/>分别代表多光谱图像/>的5个视角的红色、绿色和蓝色分量。
3.根据权利要求2所述的基于十六元数快速精确矩的多光谱图像灰度特征水印方法,其特征在于:原始多光谱图像 。
4.根据权利要求3所述的基于十六元数快速精确矩的多光谱图像灰度特征水印方法,其特征在于:所述S13的具体流程如下:
S131:先将幅值设置两个阈值,幅值的最大值为,最小值为/>, 用原始多光谱图像输出的幅值与最小幅值作差再进行阈值差的相除;
S132:用原始多光谱图像输出的幅值与最小幅值作差再进行阈值差的相除;
S133:用所得结果再乘255,完成灰度映射,生成一个P×Q的灰度特征水印;
灰度映射公式如下所示:(16)
其中:代表小空间作为输出的像素灰度值;
代表原始多光谱图像空间的输入像素灰度值;
是函数映射公式,将/>的值四舍五入到最接近的整数位置。
5.根据权利要求4所述的基于十六元数快速精确矩的多光谱图像灰度特征水印方法,其特征在于:所述S23的具体流程与所述S13相同。
6.根据权利要求4所述的基于十六元数快速精确矩的多光谱图像灰度特征水印方法,其特征在于:Henon算法映射定义如下所示:
(17)
其中:和/>是两个实数参数;
和/>代表第/>个时刻的状态变量。
7.根据权利要求6所述的基于十六元数快速精确矩的多光谱图像灰度特征水印方法,其特征在于:在验证时,将原始灰度特征水印与待验证灰度特征水印的灰度值转化为二进制,进行逐像素逐位对比,完成验证,正码率的计算公式为:
(18)
其中:为检测的灰度特征水印中正确的位数;
P×Q为灰度特征水印的尺寸;
BCR的值在0与1之间,值越大,检测的灰度特征水印与原始灰度特征水印越相似,算法的鲁棒性越好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310735591.6A CN116485623B (zh) | 2023-06-21 | 2023-06-21 | 基于十六元数快速精确矩的多光谱图像灰度特征水印方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310735591.6A CN116485623B (zh) | 2023-06-21 | 2023-06-21 | 基于十六元数快速精确矩的多光谱图像灰度特征水印方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116485623A CN116485623A (zh) | 2023-07-25 |
CN116485623B true CN116485623B (zh) | 2023-09-01 |
Family
ID=87219921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310735591.6A Active CN116485623B (zh) | 2023-06-21 | 2023-06-21 | 基于十六元数快速精确矩的多光谱图像灰度特征水印方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116485623B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117541580B (zh) * | 2024-01-08 | 2024-03-19 | 天津市肿瘤医院(天津医科大学肿瘤医院) | 一种基于深度神经网络的甲状腺癌图像比对模型建立方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030073686A (ko) * | 2002-03-12 | 2003-09-19 | (주)디지탈이노텍 | 이중스펙트럼의 불변성을 사용한 특징-기초의 강건한이미지 워터마킹 알고리즘 |
CN104504643A (zh) * | 2014-12-25 | 2015-04-08 | 辽宁师范大学 | 基于局部内容特征的鲁棒数字水印嵌入及检测方法 |
CN107067415A (zh) * | 2017-03-21 | 2017-08-18 | 南京航空航天大学 | 一种基于图像匹配的目标快速精确定位方法 |
WO2019061185A1 (zh) * | 2017-09-28 | 2019-04-04 | 深圳传音通讯有限公司 | 对图片进行数字签名的方法及终端 |
CN113077376A (zh) * | 2021-04-21 | 2021-07-06 | 齐鲁工业大学 | 一种基于三元数小数阶极复指数变换的彩色图像零水印算法 |
CN113409184A (zh) * | 2021-04-21 | 2021-09-17 | 齐鲁工业大学 | 一种基于十六元数极谐-傅里叶矩的彩色图像描述方法 |
CN113592698A (zh) * | 2021-08-16 | 2021-11-02 | 齐鲁工业大学 | 基于十六元数矩的多视角彩色图像零水印处理方法及*** |
CN114742690A (zh) * | 2022-04-26 | 2022-07-12 | 齐鲁工业大学 | 基于十六元数矩的多视角彩色图像水印处理方法及*** |
CN115358906A (zh) * | 2022-07-11 | 2022-11-18 | 湖州师范学院 | 一种面向彩色图像版权保护的彩色图像零水印方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010091208A1 (en) * | 2009-02-04 | 2010-08-12 | William Charles Fisher | Digital watermarking system and method |
-
2023
- 2023-06-21 CN CN202310735591.6A patent/CN116485623B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030073686A (ko) * | 2002-03-12 | 2003-09-19 | (주)디지탈이노텍 | 이중스펙트럼의 불변성을 사용한 특징-기초의 강건한이미지 워터마킹 알고리즘 |
CN104504643A (zh) * | 2014-12-25 | 2015-04-08 | 辽宁师范大学 | 基于局部内容特征的鲁棒数字水印嵌入及检测方法 |
CN107067415A (zh) * | 2017-03-21 | 2017-08-18 | 南京航空航天大学 | 一种基于图像匹配的目标快速精确定位方法 |
WO2019061185A1 (zh) * | 2017-09-28 | 2019-04-04 | 深圳传音通讯有限公司 | 对图片进行数字签名的方法及终端 |
CN113077376A (zh) * | 2021-04-21 | 2021-07-06 | 齐鲁工业大学 | 一种基于三元数小数阶极复指数变换的彩色图像零水印算法 |
CN113409184A (zh) * | 2021-04-21 | 2021-09-17 | 齐鲁工业大学 | 一种基于十六元数极谐-傅里叶矩的彩色图像描述方法 |
CN113592698A (zh) * | 2021-08-16 | 2021-11-02 | 齐鲁工业大学 | 基于十六元数矩的多视角彩色图像零水印处理方法及*** |
CN114742690A (zh) * | 2022-04-26 | 2022-07-12 | 齐鲁工业大学 | 基于十六元数矩的多视角彩色图像水印处理方法及*** |
CN115358906A (zh) * | 2022-07-11 | 2022-11-18 | 湖州师范学院 | 一种面向彩色图像版权保护的彩色图像零水印方法 |
Non-Patent Citations (1)
Title |
---|
多视角彩色图像的十六元数分数阶切比雪夫-傅里叶矩;王春鹏;《计算机学报》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116485623A (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hosny et al. | Robust color images watermarking using new fractional-order exponent moments | |
Lefebvre et al. | RASH: Radon soft hash algorithm | |
Wang et al. | Reversible fragile watermarking for 2-D vector map authentication with localization | |
Peng et al. | A semi-fragile watermarking algorithm for authenticating 2D CAD engineering graphics based on log-polar transformation | |
Ma et al. | Local geometric distortions resilient watermarking scheme based on symmetry | |
CN104166955B (zh) | 基于保角变换图像哈希生成及图像篡改检测定位方法 | |
Wang et al. | A high capacity reversible data hiding method for 2D vector maps based on virtual coordinates | |
CN1838172A (zh) | 数字图像水印的方法及相应装置和可添加水印的数码相机 | |
CN116485623B (zh) | 基于十六元数快速精确矩的多光谱图像灰度特征水印方法 | |
CN110430337B (zh) | 图像伪装及图像恢复的方法、设备和存储介质 | |
CN109919824B (zh) | 基于快速四元数广义极复指数变换的彩色图像零水印方法 | |
Pal et al. | A secure reversible color image watermarking scheme based on LBP, lagrange interpolation polynomial and weighted matrix | |
CN113592698B (zh) | 基于十六元数矩的多视角彩色图像零水印处理方法及*** | |
CN110211020B (zh) | 基于swt-dft的图像水印嵌入与提取方法 | |
CN102956025B (zh) | 一种图像水印检测方法及其*** | |
Hosny et al. | Reversible color image watermarking using fractional-order polar harmonic transforms and a chaotic sine map | |
CN104504645A (zh) | 基于圆谐傅里叶矩的鲁棒图像水印嵌入及检测方法 | |
Kukreja et al. | Curvelet transform based robust copyright protection scheme for color images using extended visual cryptography | |
Yang et al. | An efficient and robust zero watermarking algorithm | |
Saikia et al. | Image authentication under geometric attacks via concentric square partition based image hashing | |
Vybornova et al. | Method for Vector Map Protection based on using of a Watermark Image as a Secondary Carrier. | |
Wang et al. | RST invariant fragile watermarking for 2D vector map authentication | |
CN116805069B (zh) | 轨迹数据零水印生成方法、检测方法及装置和存储介质 | |
Kumar et al. | Digital image steganography based on combination of DCT and DWT | |
Lin et al. | Applying projection and B-spline to image authentication and remedy |
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 |