CN101533506B - 一种鲁棒性的图像双水印方法 - Google Patents

Abstract

本发明公开了一种鲁棒性的图像双水印方法，主要解决现有同类方法鲁棒性差的问题，充分利用了图像固有的纹理与边缘两大特征形成双水印。水印嵌入时，利用原始宿主图像边缘特征，构造零水印；利用经验模态分解方法得到宿主图像强纹理区，在Contourlet域上选择能量最大方向嵌入二值水印。水印提取时，首先提取合成图像边缘特征，以检测零水印，然后利用特有的密钥、快速定位水印嵌入位置，提取二值水印。本发明具有强的抗几何攻击能力，透明性好，安全性高，可用于对数字多媒体产品版权的安全性保护。

Description

一种鲁棒性的图像双水印方法

技术领域

本发明属于图像信息处理领域，涉及数字图像双水印方法，可用于对数字多媒体产品的版权保护。

背景技术

图像数字水印在多媒体版权保护与信息完整性认证方面起着重要作用，是信息安全领域研究的热点，水印透明性和鲁棒性是两个关键的技术特性，是矛盾的双方，相互制约，如何在满足透明性要求前提下，最大限度嵌入水印，提高鲁棒性特征成为水印方法研究的难点。

目前基于经验模态分解的图像水印方法很少见，基于HVS的水印方法有：

[1]Autrusseau F，Le Callet P，Ninassi A.A Study of Content based WatermarkingUsing an Advanced HVS Model.Intelligent Information Hiding and Multimedia SignalProcessing.，2007，28(10)：485-488.利用HVS特性对傅里叶系数进行知觉感知能力的划分，以确定水印嵌入位置，嵌入过程没有结合人眼的视觉纹理特性。

[2]兰红星，陈松乔，胡爱娜，李陶深，基于小波域的第二代数字水印算法的研究，电子学报，2007，9(9)：1799-1803.在小波域的低频系数特征向量上嵌入水印，通过纹理特性控制水印嵌入强度，其中纹理强弱通过小波块内大系数多少确定，简单，准确性有待提高。

[3]Zolghadrasli A，Rezazadeh S.Evaluation of Spread Spectrum WatermarkingSchemes in the Wavelet Domain Using HVS Characteristics.Signal Processing and ItsApplications，IEEE Symposium，2007，15(2)：1-4.根据HVS特性计算嵌入水印小波系数的权重因子，以控制水印嵌入强度和位置。水印与图像内容无关，攻击者往往在不破坏图像质量的情况下移除水印，方法的安全性和鲁棒性有待提高。

分析表明，上述方法存在一定的局限性。

发明内容

本发明目的是针对上述已有技术的不足，提出了一种鲁棒性的图像双水印方法，以实现对数字产品版权的可靠保护。

实现本发明目的的技术关键是由两个独立的水印构成双水印，这两个水印分别是基于EMD的图像强纹理区Contourlet域水印和基于图像边缘特征的零水印。在水印嵌入时，利用EMD分解得到原始图像的强纹理区，并在相应的Contourlet域上选择能量最大的方向子带嵌入二值水印；利用抗噪型多尺度形态学边缘检测算子提取原始图像的边缘特征，构造零水印。具体方案如下：

一、水印嵌入过程

1)利用抗噪型多尺度形态学边缘检测算子提取原始宿主图像I的边缘特征，构造得到零水印，并将其作为第四密钥Key4保存，用于比较原始宿主图像是否受到攻击；

2)对原始宿主图像I进行一维行EMD和列EMD分解，得到细节特征图像块D_total(i，j)，并对该细节特征图像块D_total(i，j)进行阈值处理，得到图像的强纹理区；

3)计算细节特征图像块D_total(i，j)的归一化方差，得到水印嵌入强度的控制因子α，并将该控制因子作为第二密钥Key2保存；

4)对原始宿主图像I进行4层Contourlet分解，得到一个低频逼近子带、3个频段的中频子带和1个最高频子带，取出3个中频子带每一频段中能量最大的方向子带作为二值水印的嵌入子带，并将选择结果作为第三密钥Key3保存；

5)根据原始宿主图像强纹理块位置，提取出相对应的3个中频段能量最大的方向子带中的Contourlet系数，作为二值水印的嵌入位置；

6)将原始的二值水印图像W进行2层Contourlet分解，得到1个低频逼近子带和2个中高频子带，按从低到高的顺序将代表水印图像的Contourlet系数分层嵌入到宿主图像Contourlet分解的3个中频子带系数中；

7)对嵌入二值水印后的图像进行Contourlet重构，得到合成图像I′，完成二值水印的嵌入。

二、水印提取过程

a)利用与零水印构造中相同的多尺度形态学边缘算子，对合成图像I′进行零水印的检测；

b)对合成图像I′进行4层Contourlet分解，得到一个低频逼近子带、3个频段的中频子带和1个最高频子带；

c)利用密钥Key1和Key3找到3个中频子带中能量最大的方向子带里嵌入了水印信息的Contourlet系数；

d)通过公式W_i，j＝(C′_i，j-C_i，j)/α提取水印信息，其中，W_i，j为提取的水印图像的Contourlet变换系数，C′_i，j为合成图像的Contourlet变换系数，C_i，j为原始宿主图像的Contourlet变换系数，α为嵌入强度控制因子，由第二密钥Key2得到；

e)将提取出的水印信息进行Contourlet重构，得到提取出的水印图像W′。

本发明具有如下优点：

1.本发明采用一维EMD提取图像的强纹理区域，将图像的每行每列均视为一维信号，分别提取最小尺度的内蕴核函数，然后叠加确定图像的强纹理区域，缩短了时间、提高了效率，避免了二维EMD许多尚未解决的问题。

2.本发明采用基于Contourlet域的有意义二值水印逐层嵌入。Contourlet变换具有良好的图像轮廓边缘捕捉特性，仅用少量系数就可重构边缘轮廓能力，方法具有良好的鲁棒性。

3.本发明采用抗噪型多尺度形态学边缘检测算子提取图像边缘特征构造零水印，多尺度形态学在小尺度上具有很好的边缘检测能力，在大尺度上又具有优良的去噪能力，提高了零水印方法的鲁棒性。

4.本发明同时将图像的纹理特征和边缘特征结合到水印嵌入方法中，在系统上构造了图像双水印，从整体上提升了方法的安全性和鲁棒性。

附图说明

图1是本发明水印嵌入过程框图；

图2是本发明水印提取过程框图；

图3是本发明从未遭受攻击的合成图像中提取的二值水印和零水印结果图；

图4是本发明从遭受滤波攻击的合成图像中提取的二值水印和零水印结果图；

图5是本发明从遭受噪声攻击的合成图像中提取的二值水印和零水印结果图；

图6是本发明从遭受JPEG压缩攻击的合成图像中提取的二值水印和零水印结果图；

图7是本发明从遭受剪切攻击的合成图像中提取的二值水印和零水印结果图。

具体实施方式

一.基础理论介绍

1.1 EMD的理论基础

1998年Huang等人提出了一种新的信号处理方法，即经验模态分解(EmpiricalMode Decomposition，EMD)方法，以进行非平稳、非线性信号的处理。EMD方法可以根据信号的局部特征，自适应地将其分解成频率由高到低，局部窄带的各个分量，即内蕴核函数IMF(Intrinsic Mode Function)，这个分解算法就是Huang等人提出的“筛”法，称为筛分过程。之后将信号x(t)分解为多个局部窄带的IMF和一个单调的残差趋势函数的和。

关于信号x(t)的EMD分解可以表示为公式：

$x\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{imf}}_i\left(t\right)+r_n\left(t\right)$

其中，imf_i(t)就是所得的各个IMF，而r_n(t)就是单调的残差趋势函数。

筛分过程中的IMF具有两个特点：

(1)在整个数据集中，各个IMF函数的零点数目与极值点的数目相等，或者至多相差一个。

(2)各个IMF函数关于局部零均值对称，即IMF的各点在局部极大值定义的上包络与局部极小值定义的下包络上，对应值之和接近为零。

1.2基于EMD的图像强纹理区域提取

由于EMD分解得到的第一个IMF在任何局部都对应于最小尺度，体现了信号的最小细节特征，尺度越小，对应的细节就越重要。需要提取的图像强纹理区域正是包含了较多重要细节特征的区域，因此，应用EMD分解提取图像强纹理区域是比较合适的方法。

1.3多尺度形态学边缘检测算子

小尺寸的结构元素去噪声能力弱，但检测的边缘细节较好，大尺寸的结构元素去噪声能力强，但检测的边缘较粗糙。为了有效克服噪声的影响，得到准确的边缘检测信息，必须合理调整结构元素尺度的大小。

多尺度结构元素定义为：

$b_n=b\⊕b\⊕b\⊕\·\·\·\⊕b$

式中n为尺度参数，是一正整数。b为有限结构元素。

表示膨胀运算。上式的含义即大尺度的结构元素由小尺度的结构元素多次膨胀得到。

抗噪型多尺度形态学边缘检测算子的表达式为：

$\mathrm{MG}(x,y)=1/n{\mathrm{\Σ}}_{i=1}^n{G}_i(x,y)---\left(1\right)$

其中，

$(i=\mathrm{1,2}\·\·\·n)$

n为尺度参数，是一正整数，f表示灰度图像函数，b为给定的结构元素，o表示开运算，·表示闭运算，

表示膨胀运算，

表示腐蚀运算。

二、相关符号说明

I：原始宿主图像

W：原始水印图像

I′：合成图像

W′：提取的水印图像

D_r：行细节特征图像

D_c：列细节特征图像

D_total：总的细节特征图像

D_total(i，j)：细节特征图像块

F：原始图像强纹理块的标志矩阵

α：水印嵌入强度的控制因子

C_i，j：原始宿主图像的Contourlet变换系数

W_i，j：原始水印图像的Contourlet变换系数

C′_i，j：嵌入水印后的Contourlet变换系数

三.水印嵌入

参照图1，本发明的数字水印嵌入步骤如下：

步骤1，构造基于图像边缘特征的零水印。

选择半径＝2的圆盘形结构元素b作为最小结构元素，对b进行3次膨胀，形成4个尺度的结构元素，对原始宿主图像I用公式(1)的抗噪型多尺度形态学边缘检测算子进行边缘检测，对检测后得到的图像进行阈值化处理，形成边缘图像E，将边缘图像E作为第四密钥key4保存。

步骤2，确定原始宿主图像的强纹理区。

2.1对原始宿主图像的每一行进行一维EMD分解，取出每一行的第一个IMF分量所对应的行细节信息，得到最小尺度的行细节特征图像D_r；

2.2对原始宿主图像的每一列进行一维EMD分解，取出每一列的第一个IMF分量所对应的列细节信息，得到最小尺度的列细节特征图像D_c；

2.3将行细节特征图像D_r与列细节特征图像D_c叠加，得到总的细节特征图像D_total，并对该细节特征图像D_total进行8×8分块，得到某一总的细节特征图像块D_total(i，j)；

2.4将细节特征图像块D_total(i，j)的数值大小与阈值进行比较，若某一细节特征图像块D_total(i，j)大于阈值，则为丰富细节特征图像块，对应的原始宿主图像块I_(i，j)就是强纹理图像块，标记为F(i.j)＝1，则所有F(i.j)＝1的图像块所组成的区域就为图像的强纹理区；否则，就是弱纹理图像块，标记为F(i.j)＝0，并将得到的F(i.j)作为第一密钥Key1保存。

步骤3，确定二值水印的嵌入强度控制因子α。

计算步骤2中得到的细节特征图像块D_total(i，j)的归一化方差，作为水印嵌入强度的控制因子α，即密钥Key2。

步骤4，对原始宿主图像I进行Contourlet分解。

将原始的宿主图像进行4层Contourlet分解，得到一个低频逼近子带、3个频段的中频子带和1个高频子带。

步骤5，对原始的二值水印图像W进行Contourlet分解。

将原始的二值水印图像W进行2层Contourlet分解，得到1个低频逼近子带和2个中高频子带。

步骤6，确定二值水印的嵌入位置。

6.1由如下公式计算Contourlet分解的3个中频子带每一频段中能量最大的方向子带：

$E_{j,k}=\frac{1}{\mathrm{MN}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left|d_{j,k}^{l_j}(m,n)\right|}^2$

其中，

$k=\mathrm{0,1},\·\·\·2^{l_j}-1,$ j＝1，2，…J表示带通子带，j表示第j级LP分解，k表示由l_j级DFB分解得到的第k个带通方向性子带，M和N分别表示子图像

的宽度和高度；

6.2将该能量最大的方向子带作为第三密钥Key3保存；

6.3由key1得到代表原始宿主图像强纹理块的标志矩阵F，提取出该强纹理区相对应的3个中频段能量最大的方向子带中的Contourlet系数，作为二值水印的嵌入位置。

步骤7，嵌入二值水印信息。

按从低到高的顺序将代表水印图像的Contourlet系数分层嵌入到宿主图像Contourlet分解的3个中频子带系数中。

嵌入原则为：C′_i，j＝C_i，j+αTW_i，j’

式中C_i，j为原始宿主图像的Contourlet变换系数，C′_i，j为嵌入二值水印后图像的Contourlet变换系数，W_i，j为原始二值水印图像的Contourlet变换系数，α为水印嵌入强度控制因子，T为常数，通常取0.3。

步骤8，重构含二值水印图像。

对嵌入二值水印后的图像进行Contourlet重构，得到合成图像I′，最终完成二值水印的嵌入。

四.水印提取

参照图2，本发明的数字水印提取步骤如下：

步骤1，对零水印进行检测。

选择半径＝2的圆盘形结构元素b作为最小结构元素，对b进行3次膨胀，形成4个尺度的结构元素，对合成图像进行与零水印构造中相同的多尺度形态学边缘检测，将检测到的边缘图像E′与密钥E进行比较，计算相关系数，检测零水印。

步骤2，对合成图像进行4层Contourlet分解。

对合成图像进行4层Contourlet分解，得到一个低频逼近子带、3个频段的中频子带和1个高频子带。

步骤3，确定水印嵌入位置。

利用水印嵌入过程中保存的第一密钥Key1和第三密钥Key3找到3个中频子带中能量最大的方向子带里嵌入了水印信息的Contourlet系数，从而确定了水印的嵌入位置。

步骤4，提取水印信息。

通过公式W_i，j＝(C′_i，j-C_i，j)/α提取水印信息，其中，W_i，j为提取的水印图像的Contourlet变换系数，C′_i，j为合成图像的Contourlet变换系数，C_i，j为原始宿主图像的Contourlet变换系数，α为嵌入强度控制因子，由第二密钥Key2得到。

步骤5，还原水印图像。

将提取出的水印信息进行Contourlet重构，得到提取出的水印图像。

本发明的效果可通过以下实验仿真进一步说明。

1、仿真条件

选用512*512的lena.bmp图像作为宿主图像，如图3a所示，选取64*64的二值图像进行试验，如图3b所示。实验软件环境为Matlab7.1。设计了一系列攻击测试，包括高斯滤波、维纳滤波、中值滤波、椒盐加噪、高斯加噪、JPEG攻击、剪切等，在最大攻击强度情况下，对提取的水印通过归一化相关系数NC、峰值信噪比PSNR及均方误差MSE进行质量评价。

2、仿真结果

仿真结果分别如：图3c、图3d、图3e、图3f、图4、图5、图6、图7。

图3c为由原始宿主图像构造出的零水印图像。

图3d为嵌入水印后合成图像结果，可以看出其具有良好的视觉效果和隐蔽性。

图3e为未加攻击情况下提取的二值水印结果，可见二值水印完好无损。

图3f为未加攻击情况下检测的零水印结果，可见零水印完好无损。

图4、图5、图6、图7均体现了水印抵抗各种攻击的能力。

参照图4，其中图4a和图4d分别为受窗口大小为3*3的高斯滤波攻击时提取出的二值水印和零水印，可见水印仍能清楚的识别，二值水印的NC值为0.9609，零水印的NC值为0.9378；图4b和图4e分别为受窗口大小为3*3的维纳滤波攻击时提取的二值水印和零水印结果，其二值水印NC值为0.9453，零水印NC值为0.9088；图4c和图4f分别为受窗口大小为3*3的中值滤波攻击时二值水印和零水印提取结果，二值水印NC值为0.9219，零水印NC值为0.8980；由图4可见，经各种滤波攻击后，水印的NC值均保持在0.9左右，可清楚识别。

参照图5，其中图5a和图5c为椒盐加噪，均方值为0.01时攻击下二值水印和零水印提取结果，图5b和图5d为高斯加噪，均方值为0.01时攻击下二值水印和零水印的提取结果。由图5可见，经噪声攻击过，二值水印的NC值均保持在0.9以上。

参照图6，其中图6a和图6c分别为Q＝70的JPEG攻击后二值水印和零水印的提取结果，图6b和图6d分别为Q＝20的JPEG攻击后二值水印和零水印的提取结果。由图6可见，在遭受JPEG攻击后，提取出的水印仍清晰可辨，即使压缩的质量因子下降很大，仍可准确提取出水印。

参照图7，图7a和图7b分别为遭受100*100剪切攻击后二值水印和零水印提取结果图，二值水印的NC值为0.8008，可见对于剪切攻击的鲁棒性相对较弱，这是因为图像经Contourlet分解后的系数相当稀疏，绝大部分系数幅值接近零，幅值较大的系数往往聚集在轮廓边缘等图像的细节信息附近，图像遭受剪切攻击后，可能会引起某些幅值较大的Contourlet系数完全丢失，对图像重构造成一定影响。

以上所有攻击后对水印提取结果的实验数据如表1所示：

表1二值水印方法和零水印方法遭受攻击后的评价参数计算结果

由表1可见，本发明提出的二值水印方法具有较高的鲁棒性，提取的水印清晰可辨，尤其对JPEG压缩鲁棒性更强，即使压缩的质量因子下降很大，仍能准确提取出水印图像。零水印方法也具有较强的鲁棒性，在各种攻击下水印检测的NC值也比较高。

Claims (4)

1.一种鲁棒性的图像双水印嵌入方法，包括如下过程：

1)利用抗噪型多尺度形态学边缘检测算子提取原始宿主图像I的边缘特征，构造得到零水印，并将其作为第四密钥Key4保存，用于比较原始宿主图像是否受到攻击；

2)对原始宿主图像I进行一维行EMD和列EMD分解，得到细节特征图像块D_total(i，j)，并对该细节特征图像块D_total(i，j)进行阈值处理，得到图像的强纹理区：

2a)对原始宿主图像的每一行进行一维EMD分解，取出每一行的第一个IMF分量所对应的行细节信息，得到最小尺度的行细节特征图像D_r；

2b)对原始宿主图像的每一列进行一维EMD分解，取出每一列的第一个IMF分量所对应的列细节信息，得到最小尺度的列细节特征图像D_c；

2c)将行细节特征图像D_r与列细节特征图像D_c叠加，得到总的细节特征图像D_total，并对该细节特征图像D_total进行8×8分块，得到某一总的细节特征图像块D_total(i，j)；

2d)用D_total(i，j)的数值大小与阈值进行比较，若某一图像块D_total(i，j)大于阈值，则为丰富细节特征图像块，对应的原始宿主图像块I_(i，j)就是强纹理图像块，标记为F(i，j)＝1；否则，就是弱纹理图像块，标记为F(i，j)＝0，并将得到的F(i，j)作为第一密钥Key1保存，得到图像的强纹理区；

3)计算细节特征图像块D_total(i，j)的归一化方差，得到水印嵌入强度的控制因子α，并将该控制因子作为第二密钥Key2保存；

4)对原始宿主图像I进行4层Contourlet分解，得到一个低频逼近子带、3个频段的中频子带和1个最高频子带，取出3个中频子带每一频段中能量最大的方向子带作为二值水印的嵌入子带，并将选择结果作为第三密钥Key3保存；

5)根据原始宿主图像强纹理块位置，提取出相对应的3个中频段能量最大的方向子带中的Contourlet系数，作为二值水印的嵌入位置；

6)将原始的二值水印图像W进行2层Contourlet分解，得到1个低频逼近子带和2个中高频子带，按从低到高的顺序将代表水印图像的Contourlet系数分层嵌入到宿主图像Contourlet分解的3个中频子带系数中； 

7)对嵌入二值水印后的图像进行Contourlet重构，得到合成图像I′，完成二值水印的嵌入。

2.根据权利要求1所述水印嵌入方法，其中步骤1)所述的利用抗噪型多尺度形态学边缘检测算子提取原始宿主图像的边缘特征，构造得到零水印，按如下步骤进行：

(1a)选择半径＝2的圆盘形结构元素b作为最小结构元素；

(1b)对圆盘形结构元素b进行3次膨胀，形成4个尺度的结构元素；

(1c)对原始宿主图像用抗噪型多尺度形态学边缘检测算子进行边缘检测；

(1d)对检测后得到的图像进行阈值化处理，形成边缘图像E，作为零水印。

3.一种对权利要求1鲁棒性的图像双水印嵌入进行提取的方法，包括如下过程：

a)利用与零水印构造中相同的多尺度形态学边缘算子，对合成图像I′进行零水印的检测；

b)对合成图像I′进行4层Contourlet分解，得到一个低频逼近子带、3个频段的中频子带和1个最高频子带；

c)利用密钥Key1和Key3找到3个中频子带中能量最大的方向子带里嵌入了水印信息的Contourlet系数；

d)通过公式W_i，j＝(C′_i，j-C_i，j)/α提取水印信息，其中，W_i，j为提取的水印图像的Contourlet变换系数，C′_i，j为合成图像的Contourlet变换系数，C_i，j为原始宿主图像的Contourlet变换系数，α为嵌入强度控制因子，由第二密钥Key2得到；

e)将提取出的水印信息进行Contourlet重构，得到提取出的水印图像W′。

4.根据权利要求3所述的水印提取方法，其中步骤a)所述的利用与零水印构造中相同的抗噪型多尺度形态学边缘算子，对合成图像进行零水印的检测，是按以下步骤进行的：

a1)选择半径＝2的圆盘形结构元素b作为最小结构元素；

a2)对圆盘形结构元素b进行3次膨胀，形成4个尺度的结构元素；

a3)对合成图像进行抗噪型多尺度形态学边缘检测，得到零水印图像。 

Images