CN111984943B - 一种基于人工蜂群算法的dwt-svd数字水印方法 - Google Patents
一种基于人工蜂群算法的dwt-svd数字水印方法 Download PDFInfo
- Publication number
- CN111984943B CN111984943B CN202010744201.8A CN202010744201A CN111984943B CN 111984943 B CN111984943 B CN 111984943B CN 202010744201 A CN202010744201 A CN 202010744201A CN 111984943 B CN111984943 B CN 111984943B
- Authority
- CN
- China
- Prior art keywords
- image
- watermark
- embedding
- sub
- block
- 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 28
- 230000009466 transformation Effects 0.000 claims abstract description 30
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 15
- 238000005516 engineering process Methods 0.000 abstract description 6
- 241000257303 Hymenoptera Species 0.000 description 13
- 238000005457 optimization Methods 0.000 description 12
- 235000013305 food Nutrition 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000002245 particle Substances 0.000 description 7
- 230000002068 genetic effect Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 235000002566 Capsicum Nutrition 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 239000006002 Pepper Substances 0.000 description 3
- 241000722363 Piper Species 0.000 description 3
- 235000016761 Piper aduncum Nutrition 0.000 description 3
- 235000017804 Piper guineense Nutrition 0.000 description 3
- 235000008184 Piper nigrum Nutrition 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000002028 premature Effects 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
- 240000008574 Capsicum frutescens Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241001504519 Papio ursinus Species 0.000 description 1
- 241000208422 Rhododendron Species 0.000 description 1
- 208000024780 Urticaria Diseases 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000981 bystander Effects 0.000 description 1
- 239000001390 capsicum minimum Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000007704 transition 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
- 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]
- G06F21/106—Enforcing content protection by specific content processing
- G06F21/1063—Personalisation
-
- 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
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2107—File encryption
-
- 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Technology Law (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Bioethics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于人工蜂群算法的DWT‑SVD数字水印方法,属于信息安全领域。该方法包括如下步骤:(1)利用Arnold变换对水印图像进行加密;(2)利用离散小波变换和奇异值分解将加密后的水印图像以某一强度嵌入到载体图像中;(3)对嵌入水印的载体图像进行十种图像攻击,再进行嵌入过程的逆向操作来提取出水印图像,计算峰值信噪比和归一化相关系数;(4)利用人工蜂群算法不断调整水印的嵌入强度寻找到最优解并最终得到最佳嵌入强度;(5)以最佳嵌入强度在载体图像中嵌入水印。本发明优化后的水印技术达到的效果远高于其他非多目标的水印方案,特别是在数字水印的鲁棒性上表现更强。
Description
技术领域
本发明涉及一种基于人工蜂群算法的DWT-SVD数字水印方法,属于信息安全领域。
背景技术
现代互联网的蓬勃发展,使数字媒体与信息的使用和分布出现了指数级的增长,信息的安全保护问题日益突出。人们通过计算机、手机、扫描仪等数字设备,可以轻松方便地制作多种诸如图像、音视频类的数字成品。与此同时,网络时代的人们可以轻易地获取互联网上的各种数字化媒体数据资源,也常常在未经作品或数据所有者认可授权的情况下肆意转发,盗用,篡改数字作品,以致盗版现象的大量出现,数字媒体的版权保护毫无安全可言,其他信息安全也是漏洞百出。数字内容的管理和保护越发成为互联网时代急需解决的问题。在当今的数字信息时代,诸多过去用以保护模拟信息的方案对数字信息安全的保护毫无作用,而那些依赖硬件设备的媒体保护方案所具备的有效性在带有通用目的的处理器出现后荡然无存。并且一般的加密技术只注重信息传输过程的安全与否,对信息被接收后是否被篡改或非法使用是完全不考虑的。因而,以计算机信息内容隐藏为主,而非密码加密解密的数字水印成为当下保护数字作品版权,防备盗版侵权等领域的不二之选和重要的研究方向。
数字水印是将水印的数字信息直接嵌入到数字化的如图像、音视频文件等的数字载体当中,或者是修改宿主的特征信息抑或信息结构,依然具有较高的实用性,即不容易被检测出也不会被篡改,而且能够被原产权方提取识别出来。
A Digital Watermark(一种数字水印)一文开辟了“数字水印”研究领域,使数字水印的概念正式面世。此后国内外纷纷提出了诸多数字水印方面的算法方案,主要为“空域”和“频域”两大部分。借由人眼视觉在载体图像最不敏感的地方是最低有效位,通过在载体图像的最低有效位上修改其空间上的像素值嵌入水印,获得了较好的人眼视觉上的效果的最低有效位(LSB)算法,虽然鲁棒性较差,但其计算复杂度较低,属于空域的水印算法。
离散小波变换(DWT)、奇异值分解(SVD)、离散余弦变换(DCT)等技术都是频域上的。如Amit Singh提出将SVD、DCT、DWT相结合的图像水印嵌入技术,Sajjad Dadkhah的基于奇异值分解(SVD)的有效篡改检测和自恢复算法。Jagdish设计的DCT(离散余弦变换)域CRT(中国剩余定理)的新水印方案,可在JPEG压缩下进行图像认证。
各种频域上的数字水印嵌入方式被创造出来,而其中依靠嵌入强度和选择水印最佳嵌入域等的水印方案单单依靠经验去估计或是手动估量选择往往无法发挥这些方案最强的性能且过于耗费精力,于是通过仿生的多目标优化算法成为当前水印研究的一个方向。同时因为鲁棒性和不可见性的矛盾是影响数字水印嵌入效果的关键,为平衡二者间的关系,结合多目标优化算法的数字水印研究趋势愈盛。如Abdelhakim A M提出的在基于SVD的优化鲁棒水印算法,由于FRFT(分数阶傅里叶变换)的分式功率参数可以提供图像的空间频率表示,可以充分利用空域和频域的优势,利用人工蜂群(ABC)优化算法在水印质量和鲁棒性方面能够寻找到最佳分数功率,再用SVD对变换后的图像的奇异值进行嵌入修正,进一步增强了图像的安全性和鲁棒性。同样为提高水印鲁棒性,Feng Sha研究如何应用人工蜂群ABC算法更有效的将水印嵌入到原始图像灰度。Kumar Aditya则提出了基于Lévy Flight(莱维飞行)机制的DWT杜鹃搜索的图像水印研究,还有一些如Zhang Lina的基于粒子群算法的双重DCT-DWT-SVD数字水印算法。
以上多种方法大多以灰度图像进行研究,而现时中最多也最常见的为彩色数字图像作品。
发明内容
针对目前图像水印算法存在的不可见性和鲁棒性之间的矛盾难以协调的问题,以往由人工手动调校参数的做法,太过费事耗力而且无法发挥数字水印算法最佳的性能。为获得理想的图像数字水印效果,获取最好的水印算法性能,本发明提出了一种基于人工蜂群算法的DWT-SVD数字水印方法,借由人工蜂群算法来高效地寻找到平衡二者间矛盾的最优解的水印技术,使数字水印获得可接受的不可见性和较强的鲁棒性之间最佳的平衡,能够经受多种图像攻击后提取出有效的数字水印,更好的保护数字图像版权。
本发明为解决其技术问题采用如下技术方案:
一种基于人工蜂群算法的DWT-SVD数字水印方法,包括如下步骤:
(1)利用Arnold变换对水印图像进行加密;
(2)利用离散小波变换和奇异值分解将加密后的水印图像以某一强度嵌入到载体图像中;
(3)对嵌入水印的载体图像进行十种图像攻击,再进行嵌入过程的逆向操作来提取出水印图像,计算峰值信噪比和归一化相关系数;
(4)利用人工蜂群算法不断调整水印的嵌入强度寻找到最优解并最终得到最佳嵌入强度;
(5)以最佳嵌入强度在载体图像中嵌入水印。
步骤(1)所述Arnold变换的公式为如下:
上式中a和b为两个由水印嵌入者自己选定的任意常数,xi,yi分别为水印图像像素横坐标和纵坐标;xc,yc为像素点(x,y)变换后的像素坐标,mod指的是求余数,N是阶数,即图像的长或者宽。
本发明的有益效果如下:
相对于粒子群算法会陷入局部最优解而无法取得最佳嵌入强度的全局最优解和遗传算法出现早熟现象从而无法达到不可见性与鲁棒性平衡优化的最优值的问题,本发明采用的人工蜂群算法能够更优的找到全局最优解且解的精度也是最细的,最终获得的水印不可见性与鲁棒性平衡的效果最好。同时本发明优化后的水印技术达到的效果远高于其他非多目标的水印方案,特别是在数字水印的鲁棒性上表现更强。充分说明了本发明的实用性与高效性。
附图说明
图1(a)是本发明数字水印的嵌入优化流程图,图1(b)是数字水印的提取流程图。
图2人工蜂群算法优化数字水印的具体流程图。
图3(a)是对水印图像进行Arnold变换后的效果图,图3(b)是对进行Arnold变换后进行逆变换来还原水印后的效果图。
图4(a)是DWT离散小波变换的一级变换图,图4(b)是DWT离散小波变换的二级变换图。
图5(a)是载体图像lena(莱娜图),图5(b)是载体图像mandril(狒狒图),图5(c)是载体图像pepper(辣椒图)。
图6(a)是水印图像nuist(南京信息工程大学校徽),图6(b)是水印图像logo(中国结标志)。
图7(a)是载体图像lena和水印图像nuist一组在ABC(人工蜂群算法)、PSO(粒子群算法)和GA(遗传算法)三种优化算法10种攻击下的NC值折线图比较,图7(b)是将图7(a)叠合在一起的折线进行平移显示,图7(c)是载体图像lena和水印图像logo一组在ABC、PSO和GA三种优化算法10种攻击下的NC值折线图比较,图7(d)是将图7(c)叠合在一起的折线进行平移显示,图7(e)是载体图像mandril和水印图像nuist一组在ABC、PSO和GA三种优化算法10种攻击下的NC值折线图比较,图7(f)是将图7(e)叠合在一起的折线进行平移显示,图7(g)是载体图像mandril和水印图像nuist一组在ABC、PSO和GA三种优化算法10种攻击下的NC值折线图比较,图7(h)是将图7(g)叠合在一起的折线进行平移显示,图7(i)是载体图像pepper和水印图像nuist一组在ABC、PSO和GA三种优化算法10种攻击下的NC值折线图比较,图7(j)是将图7(i)叠合在一起的折线进行平移显示,图7(k)是载体图像pepper和水印图像logo一组在ABC、PSO和GA三种优化算法10种攻击下的NC值折线图比较,图7(l)是将图7(k)叠合在一起的折线进行平移显示。
具体实施方式
下面结合附图对本发明创造做进一步详细说明
基于人工蜂群算法的DWT-SVD数字水印方法的框架见图1。首先对原始载体图像进行离散小波变换,选择水印嵌入的区域,并将水印嵌入区域划为多个子块;然后采用奇异值分解算法对子块进行处理,建立奇异值矩阵,并对水印和水印嵌入区域子块进行融合生成水印矩阵;最后采用人工蜂群算法对嵌入水印的载体图像进行攻击和调试嵌入强度,最终确定水印嵌入的强度,得到理想的水印嵌入效果,使水印的不可见性较好,人眼不能感觉出水印嵌入的影响,
同时水印对各种攻击具有较强的鲁棒性,满足现实的应用需求。
本发明设计的数字水印方法主要分为三个部分:水印图像的加密解密、数字水印的嵌入与提取、人工蜂群算法的优化。下面将详细介绍三个部分的具体计算流程。
水印图像的加密解密:对于嵌入载体水印图像,我们需要对其进行加密操作,以保证即使侵权者提取出水印,也无法分辨到底提取出来的是什么,是有效提取还是无效提取;只有真正知晓解密密钥的版权方才能真正提取出有效水印。本发明采用Arnold变换来对嵌入的水印图像进行加密解密操作。Arnold置乱又名猫脸置乱。能够打乱图像内容,同时也能够根据打乱的密钥信息还原经过Arnold变换的图像。但此种变换不能是想当然的随心所欲的变换,它的变换通常需要具有两个硬性要求:
(1)变换即是加密,所以必须要存在相应的逆变换即—解密。
(2)进行的变换要能够彻底打乱所处理图像的像素,保证人眼无法识别加密变换后图像内所包含的信息。其公式为如下式(1)所示:
上式中a和b(两个由水印嵌入者自己选定的任意常数)为两个可以自己确定数值的参数,可以用来作为密钥。xi,yi分别为水印图像像素横坐标和纵坐标;xc,yc为像素点(x,y)变换后的像素坐标,mod指的是求余数,N意思是阶数,即图像的长或者宽。
相应的解密变换即逆变换,是求矩阵的逆,对按照上式(1)进行Arnold变换的图像的矩阵进行下式(2)的计算,就可以得到进行Arnold变换前的初始图像。
Arnold变换还具有周期性,可将原始水印图像的置乱周期记作T;a,b(值同式(1)中的a,b)为两个密钥,在水印进行嵌入前置乱k次生成Arnold置乱后的水印图,再从嵌入水印的宿主图像中将提取出来的水印利用a和b的值进行T-K次置乱,便可恢复处被提取的水印原本该有的模样如图3,而不知道密钥的提取者即便能够检测提取到水印,也无法进行水印的有效性判断。不同阶数图像相应的Arnold置乱周期如下表1所示.
表1图像阶数对应的Arnold变换周期
水印的嵌入与提取:本发明利用二维的离散小波和奇异值分解对载体图像进行处理,来嵌入水印信息。
在本发明中我们通过二维haar变换处理图像。从水平方向对预备处理的图像进行低通滤波,从竖直方向进行高通滤波,来对图像多尺度地进行处理,经过一级DWT变换的结果用图像表述如图4(a),cA表示低频信息保存原始图像主要内容信息,cH、cV、cD三个子带分别为水平、竖直和对角方向的细节。同时每个频带还能再次进行DWT变换,即二级DWT变换。图4(b)为对LL子带(即cA子带)进行DWT变换。
奇异值分解将一个M×N矩阵B分成正交矩阵U叉乘对角矩阵S叉乘转置矩阵VT,如下公式(3)所示:
其中:b11为B矩阵第一行第一列元素,b1N为B矩阵第一行第N列元素,bM1为B矩阵第M行第一列元素,bMN为B矩阵第M行第N列元素;u11为U矩阵第一行第一列元素,u1N为U矩阵第一行第N列元素,uM1为U矩阵第M行第一列元素,uMN为U矩阵第M行第N列元素;S11为对角矩阵S第一行第一列元素,SMN为对角矩阵S第M行第N列元素;v11为转置矩阵VT第一行第一列元素,v1N为转置矩阵VT第一行第N列元素,vM1为转置矩阵VT第M行第一列元素,vMN为转置矩阵VT第M行第N列元素。
嵌入水印,如图1(a):
(1)选取大小为N×N的载体图像I(本发明为512×512的如图5的三种载体图像:lena、mandril和pepper)以及M×M的水印图像W(本发明为128×128,采用了图6所示的nuist校徽水印和中国结logo水印)。对载体图像和水印图像分别进行三通道分解并对水印图像进行Arnold变换加密得到I0、I1、I2和W0、W1、W2,在接下来的嵌入中,将水印图像三通道分别嵌入对应宿主图像三通道中。
(2)对每个载体单个通道图像(I0、I1、I2)分别进行二维的haar离散小波变换得到四个子带cA、cH、cV、cD,对cA再次进行DWT变换得到cA2、cH2、cV2、cD2,选择其低频子带cA2作为水印的嵌入域,大小为(N/2)×(N/2),记为k×k。
(3)将cA2子带划分为2×2个不重合的子块,得到的每个子块blocki(i=1,2,3,4)大小为(k/2)×(k/2),此时每个子块的大小与待嵌入的水印信息图像大小的1/2相等,即k/2=M/2。
(4)对每个子块blocki进行奇异值分解处理,每个块得到Ui、Si、Vi T三个矩阵,Si对角矩阵,Ui和Vi T为正交矩阵,他们的关系如下式(6)所示:
blocki=Ui×Si×Vi T (6)
(5)图像W的三通道分别进行Arnold置乱来加密处理,然后采用二维haar离散小波对处理后的图像进行一级变换,得到四个一级子带cAw、cHw、cVw、cDw,记为Wi(i=1,2,3,4),大小为(M/2)×(M/2)记为m×m。随机初始化生成α作为水印嵌入强度,在子块blocki的对角矩阵Si中嵌入水印信息,生成一个新的矩阵B,见式(7)。此后再通过多目标算法进行进行优化处理,最终确定一个最优的嵌入强度进行最终的嵌入。
Bi=Si+α·wi (7)
其中:Bi为进行嵌入后得到的新的第i个子块,Si为第i个子块的对角矩阵,α为嵌入强度,wi为第i个一级子带;
(6)对新的矩阵B再次进行奇异值分解操作,获取B的对角矩阵Si',再结合式(7)中的两个直角矩阵进行逆奇异值分解,得到一个全新的载体图像子块blocki',如式(8)
block'i=UiS'i×Vi T (8)
(7)对block'i子块进行分块合并重构,得到一个新的含有嵌入水印信息的图像子带,并将其替换掉原始宿主图像的cA2,与原始图像中的另外六个子带cH2、cV2、cD2、cH、cV、cD进行二级逆离散小波变换,这样就能得到我们所需要的含有水印信息的单通道宿主图像I'。
(8)将三个通道嵌入水印信息得到的三个不同的I'进行通道合并,至此,就能得到符合我们要求的含有水印信息的彩色宿主图像。
提取水印,如图1(b):
(1)将已经嵌水印的载体图像三通道进行分离,对每个通道运用DWT变换,得到各通道低频子带LL。
(2)对低频子带进行2×2分块,对每个分块进行奇异值分解,生成对角矩阵Sed。
(3)将Sed和之前彩色图像嵌入流程中分离出的Ui和Vi T结合进行逆奇异值分解操作,得到新的水印子块Wed-i。
(4)将子块Wed-i结合原先嵌入流程的Si和水印强度α按照式(9)所示进行初始嵌入的水印信息的提取,这样将得到新的水印图像Wnew-i。
Wnew-i=(Wed-i-Si)/α (9)
(5)对新生成的水印信息图像进行逆向的DWT变换来进行重构,更近一步得到完整的被加密的数字水印图像。
(6)对加密的水印信息图像进行逆Arnold变换来解密,至此就能提取出被嵌入在载体图像中的水印。
优化:
将嵌入与提取过程中间加上对已嵌入水印的载体图像的多种攻击(攻击情形和提取的水印的效果如表2所示),再在提取出水印后计算PSNR值和NC值按照下式(10)组成人工蜂群算法的适应度值函数,按照设定的参数通过人工蜂群算法进行优化,如图2,得到最佳嵌入强度,嵌入水印。
其中:PSNR表示实际的峰值信噪比,PSNRneed表示需要达到的峰值信噪比,NCi表示第种攻击后计算得到的归一化相关系数;
表2被攻击的lena载体图像及对应提取的水印
人工蜂群算法优化:ABC算法优化是在2005年由Karaboga提出的一种基于种群规模的进化算法。这种优化是由自然界中蜜蜂的活动所启发的。为了最小化或最大化给定的代价函数,在给定的搜索空间中寻找到变量的最优值。在ABC算法中,蜜蜂被分为三组:雇佣蜂、观察蜂和侦察蜂。ABC算法通过重复迭代来寻找最优解。步骤如下,流程图见图2.
(1)初始化阶段:
在初始化过程中,随机选取N个大小的解的总体,其中每个解xi(i=1,2,…,N)为D维向量。其中D为优化所用变量的个数,xi为式(4)中所述第j维的第i个食物来源,表示为xi,j。
xi,j=xmin,j+rand(0,1)(xmax,j-xmin,j) (4)
其中:xi,j为第j维的第i个解,xmin,j为第j维的xi,j的最小边界值,xmax,j为第j维的xi,j的最大边界值,而rand(0,1)是一个取值介于0和1之间的随机变量。运行所有N个解后得到适应度值。按照表3所示参数对人工蜂群进行初始化。
表3人工蜂群算法参数
(2)雇佣蜂阶段:雇佣蜂通过获取新解决方案的适应度值和个体经验,不断地更新解决方案(食物来源)。雇佣蜂保持更新的适应度值的同时丢弃使用式(5)的老蜜蜂。
x'i,j=xi,j+Φi,j(xi,j-xk,j) (5)
其中:x'i,j为新的第j维的第i个解,xi,j为第j维的第i个解,k∈1,2,…,N和j∈1,2,…,D指数随机选择,必须选择k这样,除了i,Φi,j是一个随机数在于范围(-1,1)。
(3)观察蜂阶段:
雇佣蜂在蜂巢中共享新的解决方案(食物来源)获得的新更新的适应度值。
(4)侦查蜂阶段:
持位置不变的废弃方案(食物源)的蜂成为侦察蜂,并随种群中含有的随机方案(食物源)而改变。为了确定放弃,使用一个预定义的极限值。假设Xi是被放弃的食物来源,然后侦察蜂用公式(10)随机选择的食物源(方案)代替它。
(5)最终阶段:ABC有三个主要的控制参数,即解决方案的数量(食物来源)、即旁观者或受雇蜜蜂的数量、极限值和最大迭代次数。ABC迭代执行上述步骤(2)雇佣蜂阶段、(3)观察蜂阶段和(4)侦查蜂阶段,直到得到最优解。
表4和表5分别为需要和人工蜂群算法进行比较的粒子群算法和遗传算法的相关参数。
表4粒子群算法参数
表5遗传算法参数
本发明通过离散小波变换对载体图像进行多尺度的处理,并利用奇异值分解分解得到图像的S矩阵,同时嵌入水印图像形成新的S矩阵再嵌回原图像矩阵当中,完成图像的嵌入,提取水印则是嵌入的逆过程。同时通多人工蜂群算法对嵌入策略进行优化,得到最佳的嵌入效果。
表6不同多目标算法优化后的PSNR值
本发明实验结果如图7(a)(b)(c)(d)(e)(f)(g)(h)(i)(j)(k)(l)三种多目标算法十二种攻击实验对比结果、表6、7、8、9所见。由图7(a)和表6可见粒子群PSO优化算法会陷入局部最优解而无法取得最优的全局最优解即最佳嵌入强度,由图7(g)和表(6)可见遗传算法GA出现了早熟现象,对不可见性与鲁棒性的平衡优化没有达到最佳值,而根据图7(a)(b)(c)(d)(e)(f)(g)(h)(i)(j)(k)(l)和表6,本发明采用的人工蜂群算法相对于其他两种优化算法能够更优的找到全局最优解且解的精度也是最细的,最终获得的水印不可见性与鲁棒性平衡的效果最好。同时通过表10和表11与其他数字水印方案进行对比,可以发现本专利优化后的水印技术达到的效果远高于其他水印方案,特别是在数字水印的鲁棒性上表现更强。
表7以ABC优化的数字水印受到十二种攻击后的鲁棒性(只取小数点后5位)
表8以PSO优化的数字水印受到十二种攻击后的鲁棒性(只取小数点后5位)
表9以GA优化的数字水印受到十二种攻击后的鲁棒性(只取小数点后5位)
实验具体结果如下,表6为三种优化算法对应三种载体图像两种水印图像共6组实验的不同多目标算法优化后的PSNR值。表7、表8和表9则分别为与图7相对应的人工蜂群算法、粒子群算法和遗传算法三种多目标算法经过十二种攻击对水印嵌入强度进行优化后最终得到的具体实验数据。表10和表11则为本发明方法与其他文献方案就评价水印不可见性和鲁棒性的PSNR(峰值信噪比)和NC(归一化相关系数)的值的比较。
表10与其他算法PSNR值的比较
算法 | 本专利 | 文献11 | 文献12 | 文献13 | 文献14 |
PSNR | 39.9999 | 38.2232 | 40.0315 | 40.201 | 40.483 |
表11与其他算法NC值的比较
攻击\算法 | 本专利 | 文献11 | 文献12 | 文献13 | 文献14 |
中值滤波 | 0.98928 | 0.9340 | 0.9291 | 0.8780 | 0.8582 |
高斯噪声 | 0.98469 | 0.8142 | 0.8339 | 0.8736 | 0.8892 |
椒盐噪声 | 0.94680 | 0.8050 | 0.8145 | 0.7237 | 0.7129 |
垂直翻转 | 1.00000 | - | - | 0.9207 | 0.8570 |
裁剪 | 0.99950 | 0.8129 | 0.8945 | 0.8344 | 0.805 |
均值滤波 | 0.97123 | 0.9522 | 0.9451 | - | - |
Claims (2)
1.一种基于人工蜂群算法的DWT-SVD数字水印方法,其特征在于,包括如下步骤:
(1)、利用Arnold变换对水印图像进行加密;
(2)、利用离散小波变换和奇异值分解将加密后的水印图像以某一强度嵌入到载体图像中;具体步骤为:
(201)选取大小为N×N的载体图像I以及M×M的水印图像W,对载体图像和水印图像分别进行三通道分解并对水印图像进行Arnold变换加密得到I0、I1、I2和W0、W1、W2,在接下来的嵌入中,将水印图像三通道分别嵌入对应宿主图像三通道中;
(202)对每个载体单个通道图像(I0、I1、I2)分别进行二维的haar离散小波变换得到四个子带cA、cH、cV、cD,对cA再次进行DWT变换得到cA2、cH2、cV2、cD2,选择其低频子带cA2作为水印的嵌入域,大小为(N/2)×(N/2),记为k×k;
(203)将cA2子带划分为2×2个不重合的子块,得到的每个子块blocki,大小为(k/2)×(k/2),i=1,2,3,4;此时每个子块的大小与待嵌入的水印信息图像大小的1/2相等,即k/2=M/2;
(204)对每个子块blocki进行奇异值分解处理,每个块得到Ui、Si、Vi T三个矩阵,Si对角矩阵,Ui和Vi T为正交矩阵,关系如下式所示:
blocki=Ui×Si×Vi T (1)
(205)对图像W的三通道分别进行Arnold置乱来加密处理,然后采用二维haar离散小波对处理后的图像进行一级变换,得到四个一级子带cAw、cHw、cVw、cDw,记为Wi,大小为(M/2)×(M/2)记为m×m;随机初始化生成α作为水印嵌入强度,在子块blocki的对角矩阵Si中嵌入水印信息,生成一个新的矩阵B,此后再通过多目标算法进行优化处理,最终确定一个最优的嵌入强度进行最终的嵌入;
Bi=Si+α·wi (2)
其中:Bi为进行嵌入后得到的新的第i个子块,Si为第i个子块的对角矩阵,α为嵌入强度,wi为第i个一级子带;
(206)对新的矩阵B再次进行奇异值分解操作,获取B的对角矩阵Si',再结合式(2)中的两个直角矩阵进行逆奇异值分解,得到一个全新的载体图像子块blocki',如式(3)
block'i=UiS'i×Vi T (3)
(207)对blocki'子块进行分块合并重构,得到一个新的含有嵌入水印信息的图像子带,并将其替换掉原始宿主图像的cA2,与原始图像中的另外六个子带cH2、cV2、cD2、cH、cV、cD进行二级逆离散小波变换,得到所需要的含有水印信息的单通道宿主图像I';
(208)将三个通道嵌入水印信息得到的三个不同的I'进行通道合并,得到符合要求的含有水印信息的彩色宿主图像;
(3)、对嵌入水印的载体图像进行十种图像攻击,再进行嵌入过程的逆向操作来提取出水印图像,计算峰值信噪比和归一化相关系数;
(4)、利用人工蜂群算法不断调整水印的嵌入强度寻找到最优解并最终得到最佳嵌入强度;
(5)、以最佳嵌入强度在载体图像中嵌入水印。
2.根据权利要求1所述的一种基于人工蜂群算法的DWT-SVD数字水印方法,其特征在于,步骤(1)所述Arnold变换的公式为如下:
上式中a和b为两个由水印嵌入者自己选定的任意常数,xi,yi分别为水印图像像素横坐标和纵坐标;xc,yc为像素点(x,y)变换后的像素坐标,mod指的是求余数,N是阶数,即图像的长或者宽。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010744201.8A CN111984943B (zh) | 2020-07-29 | 2020-07-29 | 一种基于人工蜂群算法的dwt-svd数字水印方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010744201.8A CN111984943B (zh) | 2020-07-29 | 2020-07-29 | 一种基于人工蜂群算法的dwt-svd数字水印方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111984943A CN111984943A (zh) | 2020-11-24 |
CN111984943B true CN111984943B (zh) | 2023-08-22 |
Family
ID=73445941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010744201.8A Active CN111984943B (zh) | 2020-07-29 | 2020-07-29 | 一种基于人工蜂群算法的dwt-svd数字水印方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111984943B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034128B (zh) * | 2021-03-16 | 2022-07-01 | 昆明理工大学 | 一种基于区块链的数据交易及确权的方法 |
CN113688848B (zh) * | 2021-08-30 | 2023-09-05 | 重庆大学 | 基于分数阶傅里叶变换的早期胃癌目标特征提取系统 |
CN113691885B (zh) * | 2021-09-09 | 2024-01-30 | 深圳万兴软件有限公司 | 视频水印的去除方法、装置、计算机设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1467316A1 (fr) * | 2003-04-11 | 2004-10-13 | France Telecom | Insertion adaptive aux couleurs de filigrane dans des images dans un espace d'ondelettes |
CN101273367A (zh) * | 2005-07-19 | 2008-09-24 | 美国唯美安视国际有限公司 | 用于媒体鉴别的隐蔽且鲁棒的标记 |
CN103955878A (zh) * | 2014-04-11 | 2014-07-30 | 杭州电子科技大学 | 基于sift的dwt-svd抗几何攻击盲水印方法 |
CN104680470A (zh) * | 2013-11-26 | 2015-06-03 | 上海宝钢包装股份有限公司 | 一种基于dwt-svd的强鲁棒性全息水印嵌入和提取方法 |
CN105427231A (zh) * | 2015-11-26 | 2016-03-23 | 南京林业大学 | 一种避免误警的svd双层数字水印方法 |
CN106228241A (zh) * | 2016-07-24 | 2016-12-14 | 江西理工大学 | 适应性人工蜂群优化的矿岩强度软测量方法 |
CN106845172A (zh) * | 2015-12-07 | 2017-06-13 | 迪斯尼企业公司 | 用于创建基于时间的动态水印的系统和方法 |
CN109544436A (zh) * | 2018-10-26 | 2019-03-29 | 天津大学 | Evd-hg和dwt-svd自适应水印图像处理方法 |
CN110309632A (zh) * | 2019-06-28 | 2019-10-08 | 中国石油大学(华东) | 基于多通道变换域特征的零水印算法 |
CN110728614A (zh) * | 2019-09-27 | 2020-01-24 | 天津大学 | 灰狼优化算法和完全三叉树结构小波域彩色多水印方法 |
-
2020
- 2020-07-29 CN CN202010744201.8A patent/CN111984943B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1467316A1 (fr) * | 2003-04-11 | 2004-10-13 | France Telecom | Insertion adaptive aux couleurs de filigrane dans des images dans un espace d'ondelettes |
CN101273367A (zh) * | 2005-07-19 | 2008-09-24 | 美国唯美安视国际有限公司 | 用于媒体鉴别的隐蔽且鲁棒的标记 |
CN104680470A (zh) * | 2013-11-26 | 2015-06-03 | 上海宝钢包装股份有限公司 | 一种基于dwt-svd的强鲁棒性全息水印嵌入和提取方法 |
CN103955878A (zh) * | 2014-04-11 | 2014-07-30 | 杭州电子科技大学 | 基于sift的dwt-svd抗几何攻击盲水印方法 |
CN105427231A (zh) * | 2015-11-26 | 2016-03-23 | 南京林业大学 | 一种避免误警的svd双层数字水印方法 |
CN106845172A (zh) * | 2015-12-07 | 2017-06-13 | 迪斯尼企业公司 | 用于创建基于时间的动态水印的系统和方法 |
CN106228241A (zh) * | 2016-07-24 | 2016-12-14 | 江西理工大学 | 适应性人工蜂群优化的矿岩强度软测量方法 |
CN109544436A (zh) * | 2018-10-26 | 2019-03-29 | 天津大学 | Evd-hg和dwt-svd自适应水印图像处理方法 |
CN110309632A (zh) * | 2019-06-28 | 2019-10-08 | 中国石油大学(华东) | 基于多通道变换域特征的零水印算法 |
CN110728614A (zh) * | 2019-09-27 | 2020-01-24 | 天津大学 | 灰狼优化算法和完全三叉树结构小波域彩色多水印方法 |
Non-Patent Citations (1)
Title |
---|
Artificial bee colony optimizated robust-reversible image watermarking;Irshad Ahmad Ansari 等;Multimedia Tools and Applications;第76卷;18001-18025 * |
Also Published As
Publication number | Publication date |
---|---|
CN111984943A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Singh et al. | DWT-SVD and DCT based robust and blind watermarking scheme for copyright protection | |
Hamidi et al. | Hybrid blind robust image watermarking technique based on DFT-DCT and Arnold transform | |
Ou et al. | High payload image steganography with minimum distortion based on absolute moment block truncation coding | |
Ernawan et al. | An improved image watermarking by modifying selected DWT-DCT coefficients | |
Thanki et al. | Hybrid and blind watermarking scheme in DCuT–RDWT domain | |
Ali et al. | A robust image watermarking technique using SVD and differential evolution in DCT domain | |
CN111984943B (zh) | 一种基于人工蜂群算法的dwt-svd数字水印方法 | |
Singh et al. | Reversible data hiding based on Shamir’s secret sharing for color images over cloud | |
Li et al. | Blind and safety-enhanced dual watermarking algorithm with chaotic system encryption based on RHFM and DWT-DCT | |
Bhatnagar et al. | A new robust adjustable logo watermarking scheme | |
CN107240061B (zh) | 一种基于动态bp神经网络的水印嵌入、提取方法与装置 | |
Arya et al. | A secure non-blind block based digital image watermarking technique using DWT and DCT | |
Giri et al. | A block based watermarking approach for color images using discrete wavelet transformation | |
Patel et al. | Secure and authentic DCT image steganography through DWT-SVD based digital watermarking with RSA encryption | |
Liu et al. | Robust blind image watermarking based on chaotic mixtures | |
Zhang et al. | Image watermarking scheme based on Arnold transform and DWT-DCT-SVD | |
Bekkouch et al. | Robust and reversible image watermarking scheme using combined DCT-DWT-SVD transforms | |
Shahadi et al. | A novel robust approach for image copyright protection based on concentric rectangles | |
Huang et al. | A robust watermarking technique for copyright protection using discrete wavelet transform | |
Ye et al. | Joint fingerprinting and encryption in hybrid domains for multimedia sharing in social networks | |
Devi et al. | A copyright protection scheme for digital images based on shuffled singular value decomposition and visual cryptography | |
Kumar et al. | RGB image watermarking on video frames using DWT | |
Czaplewski et al. | Digital fingerprinting for color images based on the quaternion encryption scheme | |
Eltoukhy et al. | Robust watermarking method for securing color medical images using Slant-SVD-QFT transforms and OTP encryption | |
Rao et al. | PSO based lossless and robust image watermarking using integer wavelet transform |
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 |