CN101452564B - 一种改进的抖动量化调制水印方法 - Google Patents

Abstract

本发明涉及一种改进的抖动量化调制水印(DM：dither modulation)方法，属于数字水印技术领域。原始的DM比已知载体信号的统计水印方法，例如扩频水印，具有更高的水印容量，但是，其缺点是对幅值缩放攻击非常敏感。本发明构造了一种对缩放具有不变性的信号用于量化，其方法是从原始的内容中提取一个统计特征序列，该特征序列具有与原始数据一起以相同的比例因子缩放的特性，然后将载体信号与引入的特征序列对应相除得到一个对幅值缩放具有不变性的信号。水印嵌入和检测操作都是在新构造的信号上进行。采用本发明所述的方法，大大增强了DM水印对幅值缩放攻击的鲁棒性，同时在其他方面获得了与原始DM水印相近的水印性能。

Description

一种改进的抖动量化调制水印方法

技术领域

本发明属于数字水印技术领域，具体涉及一种改进的抖动量化调制水印方法。

背景技术

过去十年，数字媒体信息的使用与分布爆炸性增长。借助互联网，人们可以方便地发布和获取各种数字信息，包括图像、音频、视频和文本等，以及诸多在线服务。但同时，盗版也变得更加容易，不受限制的复制与不可控的传输使得数字内容毫无版权可言。对数字内容的管理和保护成为业界迫切需要解决的问题。数字水印是一种新兴的版权保护技术。它研究如何在原始数据中隐藏一定量的附加信息，例如作品的所有权、使用权或者公司的标识等，并通过对被隐藏信息的提取和识别达到验证版权的目的。数字水印具有保真性、鲁棒性、信息容量、可靠性、安全性、盲检测和复杂度等特征。除了版权保护，数字水印还可用于数字签名、数字指纹、广播监视、内容认证、拷贝控制和保密通信等。

学术界已经提出了大量的水印方法。基本上，可以将它们分成两类：一类是基于扩频(SS：spread spectrum)调制技术的水印方法；一类是基于剔除载体信号干扰的水印方法，例如量化索引调制水印(QIM：quantization indexmodulation)。虽然，SS水印方法具有良好的抗干扰和压缩性能，但是它不能去除载体信号的干扰，而且检测是非盲的。与此相反，QIM水印方法能剔除载体信号的干扰，具有盲检测性，而且能获得更高的信息容量，因而受到了越来越广泛的关注。

Chen等提出了QIM水印方法(见专利CN02115174.1)。设A_o表示要嵌入水印的原始内容，它可以是各种类型的信号，例如图像、音频或者视频等。经过一个信号提取过程，从原始内容A_o中提取出一个长度为的N载体信号x，

用于嵌入水印信息m，其中

表示实数集。x可以是一个由原始内容A_o的像素值组成的向量，或者由原始内容A_o的任何变换域系数组成的向量等。QIM水印的基本思想是在载体信号x的空间中定义若干个子区域，每个子区域对应一个不同水印信息，然后根据要嵌入的水印信息将x的值修改到对应的子区域内；水印检测是根据给定的载体信号所在的区域提取水印信息。

抖动量化调制水印(DM：dither modulation)是QIM水印方法的一个基本实现(B.Chen et al..Quantization index modulation：a class of provablygood methods fordigital watermarking and information embedding.IEEETrans.Inform.Theory，vol.47，no.4，pp.14231443，2001.)。DM水印方法的基本思想是利用抖动量化器量化载体信号x实现水印信息的嵌入。具体地，DM将要嵌入的信息m编码成一个长为p的G元序列b，它的每个元素b_j满足b_j∈Ω，Ω＝{0，1，…，G-1}；并且，为嵌入多位水印信息，载体信号x被分成p个子序列，即x＝x₁||x₂||…||…x_p，其中第j个子向量x_j的长度为L_j，

对于G元DM，需组建G个

抖动量化器

b_j∈Ω。如果使用量化步长为Δ的均匀量化器，对于L维的输入向量，抖动量化器

的中心点可定义为

其中，

表示整数集，I^L是每个元素都为1的L维向量，

为一随机向量用于提升水印的安全性。水印嵌入时根据要嵌入的信息选择对应的量化器，对于b_j，j＝1，…，p，选择量化器

修改x_j，即 $y_j=Q_{b_j}\left(x_j\right),$ 其中y_j表示含有水印的向量y的第j个子向量。使用y代替x，然后利用载体信号的逆提取过程得到添加水印后的内容A_w。对于一个要检测水印的数据内容A_u，DM水印检测器使用与水印嵌入相同的载体信号提取过程得到一个可能失真的待检测信号z，并和嵌入时一样将其分成p个子向量，再使用最小距离准则从每个子向量中提取隐藏信息，即 ${\hat{b}}_j=\arg \underset{b_j\∈\mathrm{\Ω}}{\min }\left|\right|z_j-Q_{b_j}\left(z_j\right)\left|\right|,$ j＝1，…，p，其中||·||表示欧拉范数。

如前所述，DM具有许多优越的性能，但是量化水印的一个主要弱点是对幅值缩放攻击非常敏感。这是由于当待检测信号的幅值被缩放时，用于检测的量化步长并没有做相应的缩放，因而在水印嵌入器和检测器之间产生了匹配错误，大大降低了水印的性能。

J.J.埃格斯等提出了一种量化步长的估计方法(见专利CN 02824865.1)。该方法根据信号采样的直方图估计出经过缩放攻击后的量化步长用于提取水印信息。但是，要做到准确估计需要的数据样本量很大，而且可能引入安全的脆弱性。

A.A.C.M.卡克发明了另一种量化步长的估计方法(见专利CN02824950.X)。该方法引入了一个特征参数，具有与载体信号同时缩放相同倍数的特征，然后利用特征参数估计经过缩放攻击后的量化。然而，这种方法即使在没有攻击的条件下检测的错误率也不为零。

一种称为Rational Dithered Modulation(RDM)的水印方法(F.Perez-Gonz`alez et al..Rational dither modulation：A high-ratedata-hiding method invariant to gain attacks.IEEE Trans.SignalProcessing，vol.53，no.10，pp.39603975，2005.)在嵌入器和检测器端采用了一个对幅值缩放具有不变性的量化步长。虽然，RDM获得了对缩放攻击的鲁棒性，但是它的性能依赖于系统的记忆量，并随着记忆量的增大而逼近DM的性能，此时，系统计算量也增加了。

Q.李等提出了应用改进的Watson视觉模型提供QIM对幅值缩放攻击的抵抗能力(Q.Li et al..Using perceptual models to improve fidelity and provideresistance to valumetric scaling for quantization index modulationwatermarking.IEEE Transactions on Information Forensics and Security，vol.2，no.2，pp.127139，Jun.2007.)。该方法的性能依赖于人类感知模型，因而不够灵活，而且感知模型的修改比不修改的情况损失了载体信号的质量。

综上，在已知的量化水印技术中，幅值缩放攻击问题并没有得到很好的解决，已经有的几种方法都存在相应的不足。

发明内容

针对现有技术中存在的缺陷，本发明的目的是提供一种改进的DM水印方法，该方法对幅值缩放攻击具有不变性，同时在其他方面可获得与原始DM水印近似相同的性能。

为达到以上目的，本发明采用的技术方案是：一种改进的DM水印方法，水印嵌入方法是构造一个对幅值缩放变换具有不变性的信号并在其上应用DM嵌入水印信息，水印检测方法是利用DM水印检测器从一个与水印嵌入采用相同方法构造的信号上提取水印信息。其特征在于，水印嵌入方法和水印检测方法都包括一个对幅值缩放变换具有不变性的信号构造步骤。

进一步，构造一个对幅值缩放变换具有不变性的信号采用的方法是将载体信号x与一个特征序列s的元素对应相除，特征序列s满足如下的性质：当载体信号的幅值被缩放时，s随之一起被缩放相同的倍数。

更进一步，使用DM方法操作构造的信号嵌入水印信息，然后将得到的信号与特征序列s的对应元素相乘，得到嵌入水印的载体信号y。

更进一步，水印检测的方法是使用与水印嵌入相同的信号提取方法从一个可能失真的内容中提取载体信号z和特征序列s′，然后将二者的对应元素相除，并使用DM检测器从得到的信号中提取水印信息。

更进一步，使用载体信号x或其子向量的某种统计量，例如平均值、标准偏差值、Minkowski范数值等组成一个与载体信号等长的序列，设计特征序列s的方法是使其与前述序列成正比例。

再进一步，为提升水印的性能，选择绝对值较大的那种统计量来构造特征序列s。

再进一步，为提升水印的性能，设计一个与载体信号等长的权重序列υ，使用1-υ加权原始载体信号与加水印的载体信号之间的误差信号x-y，并将加权后的误差信号再与加水印的载体信号y叠加生成一个新的加水印的载体信号y_c。

再进一步，设计权重序列υ的方法是使从加水印的载体信号y_c与原始载体信号x提取出的特征序列之差尽可能逼近零，且υ的每个元素都在0和1之间取值。

本发明的效果在于：采用本发明所述的方法，在没有攻击的情况下，水印检测可以获得零错误率；在理论上可以抵抗任何程度的幅值缩放攻击，对幅值缩放攻击具有不变性；此种不变性的获得不依赖于感知模型，因而更加灵活；同时，对于其他攻击，可以获得与原始DM相近的性能。

附图说明

图1——一种改进的抖动量化调制水印方法的水印嵌入装置结构图。

图2——一种改进的抖动量化调制水印方法的水印检测装置结构图。

图3——幅值缩放攻击实验示意图。

图4——修改直流分量攻击实验示意图。

图5——高斯噪声攻击实验示意图。

图6——JPEG压缩攻击实验示意图。

具体实施方式

下面结合附图描述本发明的一个具体实施例，并进一步说明本发明的效果。

以水印载体A_o为一图像信号，实现一种改进的DM水印方法，水印嵌入过程如图1所示，包括以下步骤：

1)从A_o的块DCT(DCT：Discrete Cosine Transform)域抽取载体信号x。先将A_o分成多个不重叠的子块，每块含8×8个象素点，然后对每块进行DCT变换。对每块内的64个DCT系数进行之字形排序，选取序数3到64之间的62个DCT系数。将所有抽取的DCT系数排成一个大的序列作为载体信号。再对抽取的载体信号按某个随机顺序置乱，生成最终的载体信号记为x，其长度为N。这一步由载体信号抽取装置实现。

2)将要嵌入的信息m表达成一个长为p的二元序列b，其中每个元素b_j∈Ω，Ω＝{0，1}，j＝1，…，p。这一步由信息表示与编码装置实现。

3)为简单起见，本实施例将载体信号x分成p个等长的子序列，记为x＝x₁||x₂||…||x_p，其中L为每个子序列的长度。这里，假定水印嵌入位率为R＝1/L。

4)计算特征序列s。本实施例采用每个子向量x_j的平均值的绝对值构建特征序列s。设函数E{·}表示向量的平均值操作子。具体地，特征序列s的第j个子向量s_j取为

s_j＝|E{x_j}|I^L(1)

这一步由特征序列生成装置实现。

5)将载体信号x的每个元素除以特征序列s的对应元素构造一个对幅值缩放变换具有不变性的信号，记为

$\tilde{x}=x./s---\left(2\right)$

这一步由载体信号变换装置实现。

6)利用DM方法将序列b的每个元素嵌入到信号

的对应子向量中得到加水印的信号

表示为

${\tilde{y}}_j=Q_{b_j}\left({\tilde{x}}_j\right),j=1,\·\·\·,p---\left(3\right)$

这一步信息嵌入装置实现。

7)将信号

与特征序列s的对应元素相乘得到嵌入水印的信号y，即

$y=\tilde{y}\·s---\left(4\right)$

这一步由载体信号逆变换装置实现。

8)计算原始载体信号x与加水印的载体信号y之间的误差，记为e＝x-y。设计一个权重序列υ，它的每个元素都在0和1之间取值。用1-υ加权误差信号e，并把所得的加权信号叠加到加水印的载体信号y上得到一个新的加水印的载体信号y_c，即

y_c＝y+e·(1-υ)(5)

选择υ使

E{y_cj}-E{x_j}＝0，j＝1，…，p(6)

成立或近似成立。这一步由失真调整与补偿装置实现。

9)用y_c代替x，并实行逆抽取操作，包括逆置乱，逆之字形排序和逆块DCT变换，最后得到含水印的图像记为A_w。这一步由载体信号逆抽取装置实现。

给定一个待检测的图像信号A_u，水印提取过程如图2所示，包括以下步骤：

1)从A_u的块DCT(DCT：Discrete Cosine Transform)域抽取载体信号z。这一步与水印嵌入过程的步骤1相同，由载体信号抽取装置实现。

2)与水印嵌入过程的步骤3相同，将载体信号z分成p个等长的子序列，记为z＝z₁||z₂||…||z_p。

3)计算特征序列s′。采用与水印嵌入过程的步骤4相同的方法提取特征序列。具体地，特征序列s′的第j个子向量s′_j取为

s′_j＝|E{z_j}|I^L(7)

这一步由特征序列生成装置实现。

4)将载体信号z的每个元素除以特征序列s′的对应元素构造一个对幅值缩放变换具有不变性的信号，记为

$\tilde{z}=z./s^{\′}---\left(8\right)$

这一步由载体信号变换装置实现。

5)利用DM方法的水印检测器从信号

的每个子向量中提取隐藏的水印信息表示为

${\hat{b}}_j=\arg \underset{b_j\∈\mathrm{\Ω}}{\min }\left|\right|{\tilde{z}}_j-Q_{b_j}\left({\tilde{z}}_j\right)\left|\right|,j=1,\·\·\·,p---\left(9\right)$

这一步信息提取装置实现。

6)将提取出的水印序列经过解码得到水印信息这一步由信息解码装置实现。

下面通过本实施例对本发明提出的水印方法的性能从原理上加以说明。

当加水印的图像没有遭到任何攻击时，则通过载体信号提取装置得到的信号z，满足z＝y_c。在此条件下，联合(1)-(8)得

${\tilde{z}}_j=Q_{b_j}\left({\tilde{x}}_j\right)+({\tilde{x}}_j-Q_{b_j}\left({\tilde{x}}_j\right))(1-v_j),j=1,\·\·\·,p---\left(10\right)$

方程(10)事实上是一种带补偿失真的DM水印嵌入表达式，将其代入(9)，当权重向量υ选择合适时，必然有 ${\hat{b}}_j=b_j,$ 即水印检测器的错误率为零。

化简(6)得

$e_j^T{v}_j=0,j=1,\·\·\·,p---\left(11\right)$

解此方程组得到υ。首先，方程组(11)为线性方程组，很容易求解；其次，如果向量υ_j的长度L大于1，这一条件在实际应用中通常是成立的，则(11)有无数组解，可以从中选择一组解令水印的性能最优。

现在来看为何本发明提出的方法对幅值缩放攻击是不敏感的。当载体信号被放大β倍，即z_j＝βy_j，将其与(7)和(8)一起代入(9)，可以看出因子β被抵消，水印信息的提取与β无关。因此，在理论上本发明提出的方法对幅值缩放攻击具有不变性，能抵抗任何程度的幅值缩放操作。

为了显示本发明的显著效果，本实施例给出一些实验结果。从Corel数据库中选择4000幅图像用于测试，每幅图像的尺寸为256×384。因此，对于每幅图像，在水印嵌入步骤1中可提取一个总长度为N＝95232的载体信号x。一个随机产生的长度为p＝3072的二进制序列b作为水印信息m嵌入到每一幅图像中，其中，每31个DCT系数嵌入1比特信息，即L＝31。测量嵌入水印的图像质量用尖峰信噪比(PSNR，peak signal-to-noise ratio)。通过几种典型的攻击实验测试实施例提供的水印方法的性能。为了便于描述，将实施例提供的水印方法简称为IM-DM。同时，为了比较的目的，也给出了带补偿失真的DM水印方法(简称为DC-DM，请参考文献B.Chen et al..Quantization index modulation：aclass of provably good methods fordigital watermarking and informat ionembedding.IEEE Trans.Inform.Theory，vol.47，no.4，pp.14231443，2001.)和两种改进的DM水印方法，即基于改进的Watson视觉模型的DM与基于改进的Watson视觉模型的RDM(分别简称为DM-MW与RDM-MW，请参考文献Q.Liet al..Using perceptual models to improve fidelity and provide resistanceto valumetric scaling for quantization index modulation watermarking.IEEE Transactions on Information Forensics and Security，vol.2，no.2，pp.127139，Jun.2007.)。由于IM-DM方法的步骤8具有失真补偿的效果，所以此处选择将IM-DM与DC-DM比较，而不是与DM自身比较。在所有的实验里，PSNR被取为35dB，这可以通过调整量化步长实现，DC-DM的失真补偿因子取为0.66。附图中给出的位错误率是在所有图像上所得测试结果的平均值。

图3给出了一组幅值缩放攻击测试结果。在所有的攻击参数下，IM-DM获得了零位错误率，表明IM-DM对幅值缩放操作具有不变性。在这方面，IM-DM大大改进了DC-DM的性能，而且也优于DM-MW与RDM-MW。

图4给出了一组修改直流分量攻击测试结果。直流分量被修改通过把图像每个象素点的值增加/减少相同的量。从图上可以看出，对这种攻击操作，IM-DM与DC-DM的性能完全相同，且都大大优于DM-MW与RDM-MW。这是因为IM-DM与DC-DM的水印嵌入和检测过程都与图像直流分量无关，而DM-MW与RDM-MW使用了图像的直流分量来获得对幅值缩放攻击的鲁棒性，结果损失了在这方面的性能。

图5给出了一组高斯噪声攻击测试结果。图5显示IM-DM获得了与DC-DM相近的性能，但是DM-MW与RDM-MW在这方面的性能更佳。这是因为后二者使用了人类感知模型，提升了水印抵抗高斯噪声攻击的能力。

图6给出了一组JPEG压缩攻击测试结果。图6表明DC-DM的性能优于IM-DM与另外两种改进的DM方法。原因是DC-DM使用了一个较低的失真补偿因子，所以获得了更好的水印性能。但是，注意到对于质量因子较大的JPEG压缩操作，IM-DM的位错误率与DC-DM的位错误率是相近的。

本实施例获得的实验结果可以说明，使用本发明所述的方法不但实现了对幅值缩放攻击的鲁棒性，而且在其他几种典型攻击操作中获得了与DM水印近似相同的性能。

本实施例给出了图像水印的实施效果，但本发明不限于图像水印处理，本发明同样适用于数字音乐、视频等多媒体的数字水印处理。

本发明可以用其它具体形式来实施，而不脱离其精神或本质特征。所描述的实施例在所有方面都被认为仅是说明性的而非限制性的，例如：

1)载体信号类型不限于图像、音频以及视频等；

2)嵌入域不限于DCT域、Fourier变换域、空间域以及小波域等；

3)特征序列的设计不限于使用平均值，标准偏差，以及各种范数等函数；

4)各种参数的选择等。

因此，本发明的范围由所附权利要求书而非上述描述来指示。落入权利要求的等效技术方案的意义和范围中的所有变化都包含在其范围之中。

Claims (5)

1.一种改进的抖动量化调制水印方法，水印嵌入方法是构造一个对幅值缩放变换具有不变性的信号并在其上应用抖动量化调制嵌入水印信息，水印检测方法是利用抖动量化调制水印方法的检测器从一个与水印嵌入采用相同方法构造的信号上提取水印信息，其特征在于：水印嵌入方法和水印检测方法都包括一个对幅值缩放变换具有不变性的信号构造步骤，即构造一个对幅值缩放变换具有不变性的信号采用的方法是将载体信号x与一个特征序列s的元素对应相除，特征序列s满足如下的性质：当载体信号的幅值被缩放时，s随之一起被缩放相同的倍数；使用抖动量化调制方法操作构造的信号嵌入水印信息，然后将得到的信号与特征序列s的对应元素相乘，得到嵌入水印的载体信号y；水印检测的方法是使用与水印嵌入相同的信号提取方法从一个可能失真的内容中提取载体信号z和特征序列s′，然后将二者的对应元素相除，并使用抖动量化调制水印方法的检测器从得到的信号中提取水印信息。

2.如权利要求1所述的一种改进的抖动量化调制水印方法，其特征在于：使用载体信号x或其子向量的平均值、标准偏差值、Minkowski范数值来组成一个与载体信号等长的序列，设计特征序列s的方法是使其与前述序列成正比例。

3.如权利要求2所述的一种改进的抖动量化调制水印方法，其特征在于：为提升水印的性能，选择绝对值较大的那种统计量来构造特征序列s。

4.如权利要求1所述的一种改进的抖动量化调制水印方法，其特征在于：为提升水印的性能，设计一个与载体信号等长的权重序列v，使用1-v加权原始载体信号与加水印的载体信号之间的误差信号x-y，并将加权后的误差信号再与加水印的载体信号y叠加生成一个新的加水印的载体信号y_c。

5.如权利要求4所述的一种改进的抖动量化调制水印方法，其特征在于：设计权重序列v的方法是使从加水印的载体信号y_c与原始载体信号x提取出的特征序列之差尽可能逼近零，且v的每个元素都在0和1之间取值。

Images