CN109685711B - 一种在特征区域嵌入周期图的抗旋转水印方法 - Google Patents

Abstract

本发明提供一种在特征区域嵌入周期图的抗旋转水印方法，包括水印嵌入方法和水印提取方法，水印嵌入方法通过提取出图像的红色通道分量和蓝色通道分量，对红色通道分量做特征点检测，确定水印待嵌入区域，选择蓝色通道分量进行预处理计算图像嵌入系数JND，生成处理后的蓝色通道分量AII，进而得到彩色水印图像；同理，通过水印提取方法可提取出水印。本发明提供的一种特征区域嵌入周期图的抗旋转水印方法，有效结合了特征点定位的周期图水印算法，更好地抵抗旋转攻击，在旋转角较大时，仍然能够准确定位到嵌有水印的图像区域，从而检测出水印信息，提高水印算法的鲁棒性。

Description

一种在特征区域嵌入周期图的抗旋转水印方法

技术领域

本发明涉及数字水印领域，更具体的，涉及一种在特征区域嵌入周期图的抗旋转水印方法。

背景技术

数字水印技术是通过把数字、序列号、文字、图像标志等各类能表示版权的信息隐藏到宿主文件中，基于图像的数字水印，通常具有鲁棒性，即非法用户对图像做一些无意修改和有针对性的恶意攻击后，仍可提取出水印进行版权认证；透明性，再宿主图像中嵌入标示版权的水印信息后，不会引起图像质量的失真和影响图像的使用价值和安全性，对于非授权用户来说，水印信息是不易被阅读、修改和伪造的。

一般的水印嵌入方案都包含两个系统，一个是水印嵌入系统，另一个是水印检测或者提取系统。水印嵌入系统一般包括水印信息、原始的载体作品以及嵌入水印信息需要使用的密钥，这些密钥可以是私钥，也可以是公钥，它是用来确保水印系统的安全性，防止水印被恶意修改或擦除。水印信息可以是各种各样的数据，如文本、图像、音频、视频或者比特序列。水印检测或者提取系统的模型是根据密钥和水印载体数据通过提取算法将水印提取出来，不需要原始载体参与的提取算法叫盲提取。

现有的水印检测方法一般是将待测图片采样至原图大小，再对图像进行均分，分别检测划分后的每一块均分图像的水印内容。当图像旋转时，均分后的每一块图像包含的像素内容与原先相比发生改变，并且因为旋转角度的增大，包含了更多无关像素，影响周期图的检出，导致水印检测失败。

发明内容

本发明为克服上述现有技术的水印检测方法因为旋转角度的增大，存在水印检测失败的技术缺陷，提供一种在特征区域嵌入周期图的抗旋转水印方法。

为解决上述技术问题，本发明的技术方案如下：

一种在特征区域嵌入周期图的抗旋转水印方法，包括水印嵌入方法A和水印提取方法B；其中，所述水印嵌入方法A包括以下步骤：

AS1：提取RGB图像的红色通道分量A和蓝色通道分量A；

AS2：对红色通道分量A进行Harris特征点检测，计算，确定水印待嵌入区域；

AS3：选择蓝色通道分量A作为嵌入水印的宿主图像，对其进行预处理以减少图像自带的随机周期性并计算图像的最小可视差，得到嵌入系数JND；

AS4：生成周期模板图，根据确定的待嵌入区域和嵌入系数JND，将旋转后的周期模板图分别嵌入到宿主图像中，生成处理后的蓝色通道分量AII；

AS5：将嵌入水印后的蓝色通道分量AII替换原先的蓝色通道分量，即可得到最终的彩色水印图像；

所述水印提取方法B包括以下步骤：

BS1：提取待测图像的红色通道分量B和蓝色通道分量B；

BS2：将红色通道分量B进行Harris特征点检测，确定待检测水印区域；

BS3：在蓝色通道分量B对应的n个待测水印区域上，分别进行滤波预处理，提取周期图信号Ipre；

BS4：对周期图信号Ipre进行自相关操作，得到图像R_Ipre，并利用高斯滤波器对自相关矩阵图像进行二值化；

BS5：利用hough直线检测，将二值化后的每一块待测区域的点连接成线，确定每一块待测区域检测出的直线角度；

BS6：将得到的直线角度信息转化为比特位信息，最终通过Hamming解码为水印信息。

其中，将步骤AS1红色通道分量A表示为I_R，蓝色通道分量A表示为I_B；所述步骤AS2具体为：

AS21：计算图像I_R(x,y)在X和Y两个方向的梯度I_x和I_y，具体为：

AS22：计算图像两个方向梯度的乘积，有：

I_xI_y＝I_x·I_y；

使用高斯核对

和I_xI_y进行高斯加权，生成由J，K和L组成的矩阵M，其中：

其中：

其中，W表示高斯滤波器；计算I_R每个像素的响应值R，即：

R＝detM-α(traceM)²；

其中，detM和traceM分别为：

detM＝JK-L²；

traceM＝J+K；

α为常数，取值为0.04～0.06；

AS23：设定阈值T，将小于阈值T的响应值R置零；选定窗口大小，在选定窗口大小的领域内进行非极大值抑制，将局部极大值点作为备选特征点，根据水印信息的大小提取响应值R最显著的前n个特征点，特征点的坐标为：

(x_i,y_i)(1≤i≤n)；

设两个特征点的最小间距为m，即两个特征点的欧式距离d为：

其中，d≤m；

AS24：在红色通道分量I_R上得到n个距离大于等于m得特征点，对其像素进行增强，最后将以(x_i,y_i)(1≤i≤n)为中心的m*m正方形的区域作为水印待嵌入区域。

其中，在步骤AS3中，所述嵌入系数JND的具体计算公式为：

JND＝λ₁×(f₁(bg(x,y),mg(x,y))+λ₂)+f₂(bg(x,y))；

其中：

f₁(bg(x,y),mg(x,y))＝mg(x,y)×α(bg(x,y))+β(bg(x,y))；

a(bg(x,y))＝bg(x,y)×0.0001+0.115；

β(bg(x,y))＝λ-(bg(x,y))×0.1；

其中，f₁(x,y)是空间掩蔽分量函数，bg(x,y)和mg(x,y)分别表示在像素点(x,y)处的平均背景亮度和最大加权亮度，α(x,y)和β(x,y)分别表示f₁(x,y)函数的斜率和截距，f₂(x,y)表示背景亮度函数，取决于背景亮度bg(x,y)；λ₁、λ₂、T₀、γ和λ是常数系数；其中：

其中，所述AS4具体为：

生成周期模板图W(x,y)，满足以下条件：

W(x+q₀N₀,y)＝W(x,y),q₀,N₀＞1；

W(x,y+q₁N₁)＝W(x,y),q₁,N₁＞1；

将比特序列水印信息进行Hamming和Gray编码后转换为n个角度信息，根据角度信息分别旋转随机生成的周期模板W^θ，根据确定的待嵌入区域和嵌入系数JND，将旋转后的周期模板图分别嵌入到宿主图像中，生成处理后的蓝色通道分量AII，表示为I'_B(x,y)，具体为：

其中，δ₁、δ₂是常数系数。

其中，在所述步骤BS3中，提取周期图信号Ipre具体表示为：

Ipre(x,y)ⁱ＝I_B(x,y)ⁱ-Iwiener(x,y)ⁱ,(1≤i≤n)；

其中，Iwiener(x,y)ⁱ是对I_B(x,y)进行维纳滤波得到的图像。

上述方案中，本发明通过改进水印算法在周期图嵌入水印时的嵌入位置，结合特征点检测技术进行嵌入区域定位；而在提取水印时，利用特征点进行定位，对特征点周围区域进行水印检测。

与现有技术相比，本发明技术方案的有益效果是：

本发明提供的一种在特征区域嵌入周期图的抗旋转水印方法，有效结合了特征点定位的周期图水印算法，更好地抵抗选择攻击，在旋转角较大时，仍然能够准确定位到嵌有水印的图像区域，从而检测出水印信息，提高水印算法的鲁棒性。

附图说明

图1为水印嵌入方法流程图；

图2为水印提取方法流程图；

图3为对图像进行特征点检测示意图；

图4为图像蓝色通道分量特征点依次嵌入0°，22.5°和45°的周期图水印示意图；

图5为生成的带有水印的图像；

图6为将生成的带水印图像进行hough直线检测示意图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

如图1所示，一种在特征区域嵌入周期图的抗旋转水印方法，包括水印嵌入方法A和水印提取方法B；其中，所述水印嵌入方法A包括以下步骤：

AS1：提取RGB图像的红色通道分量A和蓝色通道分量A；

AS2：对红色通道分量A进行Harris特征点检测，计算，确定水印待嵌入区域；

AS3：选择蓝色通道分量A作为嵌入水印的宿主图像，对其进行预处理以减少图像自带的随机周期性并计算图像的最小可视差，得到嵌入系数JND；

AS4：生成周期模板图，根据确定的待嵌入区域和嵌入系数JND，将旋转后的周期模板图分别嵌入到宿主图像中，生成处理后的蓝色通道分量AII；

AS5：将嵌入水印后的蓝色通道分量AII替换原先的蓝色通道分量，即可得到最终的彩色水印图像；

如图2所示，所述水印提取方法B包括以下步骤：

BS1：提取待测图像的红色通道分量B和蓝色通道分量B；

BS2：将红色通道分量B进行Harris特征点检测，确定待检测水印区域；

BS3：在蓝色通道分量B对应的n个待测水印区域上，分别进行滤波预处理，提取周期图信号Ipre；

BS4：对周期图信号Ipre进行自相关操作，得到图像R_Ipre，并利用高斯滤波器对自相关矩阵图像进行二值化；

BS5：利用hough直线检测，将二值化后的每一块待测区域的点连接成线，确定每一块待测区域检测出的直线角度；

BS6：将得到的直线角度信息转化为比特位信息，最终通过Hamming解码为水印信息。

更具体的，将步骤AS1红色通道分量A表示为I_R，蓝色通道分量A表示为I_B；所述步骤AS2具体为：

AS21：计算图像I_R(x,y)在X和Y两个方向的梯度I_x和I_y，具体为：

AS22：计算图像两个方向梯度的乘积，有：

I_xI_y＝I_x·I_y；

使用高斯核对

和I_xI_y进行高斯加权，生成由J，K和L组成的矩阵M，其中：

其中：

其中，W表示高斯滤波器；计算I_R每个像素的响应值R，即：

R＝detM-α(traceM)²；

其中，detM和traceM分别为：

detM＝JK-L²；

traceM＝J+K；

α为常数，取值为0.04～0.06；

AS23：设定阈值T，将小于阈值T的响应值R置零；选定窗口大小，在选定窗口大小的领域内进行非极大值抑制，将局部极大值点作为备选特征点，根据水印信息的大小提取响应值R最显著的前n个特征点，特征点的坐标为：

(x_i,y_i)(1≤i≤n)；

设两个特征点的最小间距为m，即两个特征点的欧式距离d为：

其中，d≤m；

AS24：在红色通道分量I_R上得到n个距离大于等于m得特征点，对其像素进行增强，最后将以(x_i,y_i)(1≤i≤n)为中心的m*m正方形的区域作为水印待嵌入区域。

更具体的，在步骤AS3中，所述嵌入系数JND的具体计算公式为：

JND＝λ₁×(f₁(bg(x,y),mg(x,y))+λ₂)+f₂(bg(x,y))；

其中：

f₁(bg(x,y),mg(x,y))＝mg(x,y)×α(bg(x,y))+β(bg(x,y))；

a(bg(x,y))＝bg(x,y)×0.0001+0.115；

β(bg(x,y))＝λ-(bg(x,y))×0.1；

其中，f₁(x,y)是空间掩蔽分量函数，bg(x,y)和mg(x,y)分别表示在像素点(x,y)处的平均背景亮度和最大加权亮度，α(x,y)和β(x,y)分别表示f₁(x,y)函数的斜率和截距，f₂(x,y)表示背景亮度函数，取决于背景亮度bg(x,y)；λ₁、λ₂、T₀、γ和λ是常数系数；其中：

其中，所述AS4具体为：

生成周期模板图W(x,y)，满足以下条件：

W(x+q₀N₀,y)＝W(x,y),q₀,N₀＞1；

W(x,y+q₁N₁)＝W(x,y),q₁,N₁＞1；

将比特序列水印信息进行Hamming和Gray编码后转换为n个角度信息，根据角度信息分别旋转随机生成的周期模板W^θ，根据确定的待嵌入区域和嵌入系数JND，将旋转后的周期模板图分别嵌入到宿主图像中，生成处理后的蓝色通道分量AII，表示为I'_B(x,y)，具体为：

其中，δ₁、δ₂是常数系数。

更具体的，在所述步骤BS3中，提取周期图信号Ipre具体表示为：

Ipre(x,y)ⁱ＝I_B(x,y)ⁱ-Iwiener(x,y)ⁱ,(1≤i≤n)；

其中，Iwiener(x,y)ⁱ是对I_B(x,y)进行维纳滤波得到的图像。

在具体实施过程中，本发明通过改进水印算法在周期图嵌入水印时的嵌入位置，结合特征点检测技术进行嵌入区域定位；而在提取水印时，利用特征点进行定位，对特征点周围区域进行水印检测。

在具体实施过程中，本发明提供的一种在特征区域嵌入周期图的抗旋转水印方法，有效结合了特征点定位的周期图水印算法，更好地抵抗选择攻击，在旋转角较大时，仍然能够准确定位到嵌有水印的图像区域，从而检测出水印信息，提高水印算法的鲁棒性。

在具体实施过程中，本方法通过处理如图3所示的图片，在其蓝色通道分量特征点依次嵌入0°，22.5°和45°的周期图水印，具体如图4所示，最后得到图5所示的图像；将生成的图像进行hough直线检测，得到如图6所示的结果图。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (5)

1.一种在特征区域嵌入周期图的抗旋转水印方法，其特征在于：包括水印嵌入方法A和水印提取方法B；其中，所述水印嵌入方法A包括以下步骤：

AS1：提取RGB图像的红色通道分量A和蓝色通道分量A；

AS2：对红色通道分量A进行Harris特征点检测，计算，确定水印待嵌入区域；

AS3：选择蓝色通道分量A作为嵌入水印的宿主图像，对其进行预处理以减少图像自带的随机周期性并计算图像的最小可视差，得到嵌入系数JND；

AS4：生成周期模板图，根据确定的待嵌入区域和嵌入系数JND，将旋转后的周期模板图分别嵌入到宿主图像中，生成处理后的蓝色通道分量AII；

AS5：将嵌入水印后的蓝色通道分量AII替换原先的蓝色通道分量，即可得到最终的彩色水印图像；

所述水印提取方法B包括以下步骤：

BS1：提取待测图像的红色通道分量B和蓝色通道分量B；

BS2：将红色通道分量B进行Harris特征点检测，确定待检测水印区域；

BS3：在蓝色通道分量B对应的n个待测水印区域上，分别进行滤波预处理，提取周期图信号Ipre；

BS4：对周期图信号Ipre进行自相关操作，得到图像R_Ipre，并利用高斯滤波器对自相关矩阵图像进行二值化；

BS5：利用hough直线检测，将二值化后的每一块待测区域的点连接成线，确定每一块待测区域检测出的直线角度；

BS6：将得到的直线角度信息转化为比特位信息，最终通过Hamming解码为水印信息。

2.根据权利要求1所述的一种在特征区域嵌入周期图的抗旋转水印方法，其特征在于：将步骤AS1红色通道分量A表示为I_R，蓝色通道分量A表示为I_B；所述步骤AS2具体为：

AS21：计算图像I_R(x,y)在X和Y两个方向的梯度I_x和I_y，具体为：

AS22：计算图像两个方向梯度的乘积，有：

I_xI_y＝I_x·I_y；

使用高斯核对

和I_xI_y进行高斯加权，生成由J，K和L组成的矩阵M，其中：

其中：

其中，W表示高斯滤波器；计算I_R每个像素的响应值R，即：

R＝detM-α(traceM)²；

其中，detM和traceM分别为：

detM＝JK-L²；

traceM＝J+K；

α为常数，取值为0.04～0.06；

AS23：设定阈值T，将小于阈值T的响应值R置零；选定窗口大小，在选定窗口大小的领域内进行非极大值抑制，将局部极大值点作为备选特征点，根据水印信息的大小提取响应值R最显著的前n个特征点，特征点的坐标为：

(x_i,y_i)(1≤i≤n)；

设两个特征点的最小间距为m，即两个特征点的欧式距离d为：

其中，d≤m；

AS24：在红色通道分量I_R上得到n个距离大于等于m得特征点，对其像素进行增强，最后将以(x_i,y_i)(1≤i≤n)为中心的m*m正方形的区域作为水印待嵌入区域。

3.根据权利要求2所述的一种在特征区域嵌入周期图的抗旋转水印方法，其特征在于：在步骤AS3中，所述嵌入系数JND的具体计算公式为：

JND＝λ₁×(f₁(bg(x,y),mg(x,y))+λ₂)+f₂(bg(x,y))；

其中：

f₁(bg(x,y),mg(x,y))＝mg(x,y)×α(bg(x,y))+β(bg(x,y))；

a(bg(x,y))＝bg(x,y)×0.0001+0.115；

β(bg(x,y))＝λ-(bg(x,y))×0.1；

其中，f₁(x,y)是空间掩蔽分量函数，bg(x,y)和mg(x,y)分别表示在像素点(x,y)处的平均背景亮度和最大加权亮度，α(x,y)和β(x,y)分别表示f₁(x,y)函数的斜率和截距，f₂(x,y)表示背景亮度函数，取决于背景亮度bg(x,y)；λ₁、λ₂、T₀、γ和λ是常数系数；其中：

4.根据权利要求3所述的一种在特征区域嵌入周期图的抗旋转水印方法，其特征在于：所述AS4具体为：

生成周期模板图W(x,y)，满足以下条件：

W(x+q₀N₀,y)＝W(x,y),q₀,N₀＞1；

W(x,y+q₁N₁)＝W(x,y),q₁,N₁＞1；

将比特序列水印信息进行Hamming和Gray编码后转换为n个角度信息，根据角度信息分别旋转随机生成的周期模板W^θ，根据确定的待嵌入区域和嵌入系数JND，将旋转后的周期模板图分别嵌入到宿主图像中，生成处理后的蓝色通道分量AII，表示为I'_B(x,y)，具体为：

其中，δ₁、δ₂是常数系数。

5.根据权利要求4所述的一种在特征区域嵌入周期图的抗旋转水印方法，其特征在于：在所述步骤BS3中，提取周期图信号Ipre具体表示为：

Ipre(x,y)ⁱ＝I_B(x,y)ⁱ-Iwiener(x,y)ⁱ,(1≤i≤n)；

其中，Iwiener(x,y)ⁱ是对I_B(x,y)进行维纳滤波得到的图像。

Images