CN101650823A - 基于混沌序列和奇异值分解的图像真伪检测方法 - Google Patents

Abstract

一种图像识别技术领域的基于混沌序列和奇异值分解的图像真伪检测方法，首先利用图片所有者相关的密钥信息作为初始值，产生一个混沌序列；将载体图片分块并做SVD(奇异值分解)；提取其中的最大奇异值，根据混沌序列中的比特，对最大奇异值进行量化，完成水印的嵌入，检验图片是否受到篡改时，先提取出子图像块的最大奇异值，通过与量化表做一定规则下的对比，得出嵌入的水印比特，再利用与嵌入端相同的密钥产生混沌序列；通过提取的水印比特与混沌序列比特的比较就可以得到图像是否篡改以及篡改的区域。本发明以可控的方式控制嵌入的水印对图片质量的影响，在检测时不需要额外的信息即可实现盲检测。

Description

基于混沌序列和奇异值分解的图像真伪检测方法

技术领域

本发明涉及的是一种图像识别技术领域的方法，具体是一种基于混沌序列和奇异值分解的图像真伪检测方法。

背景技术

数字图像的广泛应用带来了其内容真实性鉴别的问题。特别是随着各种高质量和高精度的图像处理设备及大量的数字图像处理软件的出现，使得对数字图像的编辑修改更加方便。针对图像真伪鉴别问题，主要采用半脆弱数字水印技术作为信息完整性的鉴别工具。但是，目前实际应用中的很多图像都经过了JPEG(联合图像专家组)和JPEG2000的格式压缩，现有的数字水印图像真伪检测方法很少能够抵抗这两种压缩造成的失真。

经过对现有技术的检索发现，Lin和Chang在文章“Semi-fragilewatermarking for authenticating JPEG visual content”(《基于JPEG图像内容鉴定的半脆弱数字水印》)(Proceeding of the SPIE InternationalConference on Security and Watermarking of Multimedia Contents II，SanJose，USA.2000，3971：140-151)(国际光学工程学会学报多媒体内容安全与数字水印版)中提出了一种可以在一定程度上抵抗JPEG压缩、剪裁与替换操作的半脆弱水印技术，该技术可以识别被篡改的图像块的位置。所提出的算法基于JPEG压缩前后DCT系数的两个不变特性：一、如果DCT系数被修改为JPEG量化步长的倍数，那么在未来的JPEG压缩中，该系数可以被确切重构，即预量化理论；二、JPEG变换前后两个8×8子块相同位置的系数关系保持不变。整个算法实现过程中只是改变嵌入域的DCT系数，且可同时在DCT域嵌入认证信息和用于恢复被篡改部分的信息。在认证时，只利用压缩的比特流来重构量化的DCT系数，而无需回到产生水印的像素域。此算法虚警率近似为零，抗JPEG压缩能力较强，但是安全性不高。

再经检索发现，刘瑞祯、谭铁牛在文章“An SVD-based watermarking schemefor protecting rightful ownership”(《一种基于SVD的版权保护数字水印机制》)(Multimedia IEEE Transactions on Volume 4，Issue1.March2002：121-128)(IEEE多媒体学报)中借鉴鲁棒水印领域的方法，将奇异值分解的方法应用于半脆弱水印领域。将水印信息放在奇异值分解的酉矩阵和奇异矩阵中，可以在一定程度上实现半脆弱水印。但是这种方法将绝大部分的水印信息存放在酉矩阵中，而这些酉矩阵要在含水印图片外传输，因此产生的水印检测的额外信息比载体图片还要大，不能实现盲检测；并且由于载体图片中的水印信息很少，此载体图片与其他无关的含水印酉矩阵相乘甚至可以得到完全不同的水印信息，因此该方法很难实际应用。

发明内容

本发明针对现有技术存在的上述不足，提供一种基于混沌序列和奇异值分解的图像真伪检测方法，能够很好地抵抗JPEG及JPEG2000等有损压缩；基于4×4图像块的大小进行防篡改检测并能够精确地定位图像被篡改的区域；以可控的方式控制嵌入的水印对图片质量的影响，在检测时不需要额外的信息即可实现盲检测。

本发明是通过以下技术方案实现的，首先利用图片所有者相关的密钥信息作为初始值，产生一个混沌序列；将载体图片分块并做SVD(奇异值分解)；提取其中的最大奇异值，根据混沌序列中的比特，对最大奇异值进行量化，完成水印的嵌入。检验图片是否受到篡改时，先提取出子图像块的最大奇异值，通过与量化表做一定规则下的对比，得出嵌入的水印比特。再利用与嵌入端相同的密钥产生混沌序列；通过提取的水印比特与混沌序列比特的比较就可以得到图像是否篡改以及篡改的区域。

本发明包括以下步骤：

第一步、在图像水印嵌入端：首先将水印载体图片以4×4的像素大小进行分块，以A_k表示每个子块，k＝(1K K)，K是总的块数，对每个块进行奇异值分解，提取出奇异值的对角矩阵Sk，针对每一个奇异矩阵S_k，记其最大的奇异值为S_k，max；然后利用密钥产生混沌序列X，每个块A_k嵌入混沌序列X的一个比特x_k；之后，通过比较S_k，max与量化表中的q_i，使得q_i≤S_k，max＜q_i+1，通过q_i和q_i+1代表的比特与嵌入水印比特x_k的对比，如果q_i代表的比特与x_k一样，则将q_i代替S_k，max，反之用q_i+1代替S_k，max，使之成为新的S_k，max，用S_k，max ^*表示，并对每个图像子块作奇异值分解反变换，得到水印嵌入后的图像子块；对每一个4×4的子块重复以上步骤嵌入水印，直到所有的子块都已经完成类似的嵌入。

所述的量化表的构成如下：

量化表是将一个值划分为若干量化区间，区间上的端点值表示不同的二进制比特，以q_i表示区间端点的点，即…q_i，q_i+1，q_i+2，q_i+3，q_i+4…i∈(0～I)，I是所分量化区间数量，不同的q_i表示不同的二进制比特，并且相邻的区间值q_i表示不同的比特。量化表中量化区间的划分方法如下：取一个数值C，这里C大于每个块的S_max，将C划分为若干个区间，每个区间的端点用q_i表示，i∈(0～I)，I是所分量化区间数量。对于q_i可以采用不同的策略来划分，例如等长距离划分C，或者采用等长比例来划分。这里区间长度Δq_i＝|q_i-q_i+1|应该大于S_max变化范围的两倍，以便抵抗住有损压缩的影响。

第二步、在图像水印提取端将待检测含水印图片以4×4的大小进行分块，对每个块进行奇异值分解，提取出奇异值的对角矩阵

然后将

的最大的奇异值

提取出来，通过比较

与嵌入端所述的相同量化表中的q_i，使得 $q_i\&le;{\tilde{S}}_{k,\max }<q_{i+1},$ 分别计算

与q_i和q_i+1的距离d_i和d_i+1，并根据划分比例判决嵌入比特，直到所有的子块中嵌入的比特都提取出来。

所述的

与q_i和q_i+1的距离d_i和d_i+1满足以下关系： $d_i={\tilde{S}}_{k,\max }-q_i,$ $d_{i+1}=q_{i+1}-{\tilde{S}}_{k,\max }.$

所述的判决嵌入比特是指：

当d_i≥a×d_i+1，其中：a为比例系数；则取q_i+1代表的比特为所取出的水印比特，反之取q_i代表的比特；

当a＝1则为平均判决。

第三步、在图像水印提取端：利用与嵌入相对应的密钥产生一组混沌序列X，并通过比对混沌序列X和从含水印图片中提取的水印信息进行检测比较。

所述的检测比较是指：当某一位的比特不一致，则可以判断相应块受到篡改并将其标识出。

本发明结合传统的半脆弱水印图像防篡改的方法，通过利用混沌系统和奇异值分解的特点，可以很好地抵抗JPEG和JPEG2000等有损压缩，因此具有很好的鲁棒性；并可在此基础上对基于4×4大小的像素块进行防篡改检测，从而精确定位图像被篡改区域；同时以可控的方式控制嵌入的水印对图片质量的影响；在检测时不需要额外信息，可以实现盲检测。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本实施例采用LENA格式图片，设置区间的大小Δq_i＝17；和STUFF图片，设置区间的大小Δq_i＝12的512×512灰度(彩色)图片为水印载体图片；为了精确定位图像篡改位置，分块的大小为4×4；以PSNR(峰值信噪比)和MSE(均方误差)来衡量图片质量的变化，本实施例具体包括以下步骤：

第一步、在图像水印嵌入端：首先将水印载体图片以4×4的像素大小进行分块，以A_k表示每个子块，k＝(1K K)，K是总的块数，对每个块进行奇异值分解，提取出奇异值的对角矩阵S_k；并将S_k的最大奇异值S_k，max提取出来；然后利用密钥产生混沌序列X，每个块A_k嵌入混沌序列X的一个比特x_k；之后通过比较S_k，max与量化表中的q_i，使得q_i≤S_k，max＜q_i+1，通过q_i和q_i+1代表的比特与嵌入水印比特x_k的对比，如果q_i代表的比特与x_k一样，则将q_i代替S_k，max，反之用q_i+1代替S_k，max，使之成为新的S_k，max，用S_k，max ^*表示，并对每个块作奇异值分解反变换，最后对每一个4×4的子块按以上步骤嵌入水印，直到所有的子块都已经完成类似的嵌入。

所述的量化表的构成如下：

量化表是将一个值划分为若干量化区间，区间上的端点值表示不同的二进制比特，以q_i表示区间端点的点，即…q_i，q_i+1，q_i+2，q_i+3，q_i+4…i∈(0～I)，I是所分量化区间数量，不同的q_i表示不同的二进制比特，并且相邻的区间值q_i表示不同的比特。量化表中量化区间的划分方法如下：取一个数值C，这里C大于每个块的S_max，将C划分为若干个区间，每个区间的端点用q_i表示，i∈(0～I)，I是所分量化区间数量。对于q_i可以采用不同的策略来划分，例如等长距离划分C，或者采用等长比例来划分。这里区间长度Δq_i＝|q_i-q_i+1|应该大于S_max变化范围的两倍，以便抵抗住有损压缩的影响。

第二步、在图像水印提取端将待检测含水印图片以4×4的大小进行分块，对每个块进行奇异值分解，提取出奇异值的对角矩阵

然后将

的最大的奇异值

提取出来，通过比较

与嵌入端所述的相同量化表中的q_i，使得 $q_i\&le;{\tilde{S}}_{k,\max }<q_{i+1},$ 分别计算

与q_i和q_i+1的距离d_i和d_i+1，并根据划分比例判决嵌入比特，直到所有的子块中嵌入的比特都提取出来。

所述的

与q_i和q_i+1的距离d_i和d_i+1满足以下关系： $d_i={\tilde{S}}_{k,\max }-q_i,$ $d_{i+1}=q_{i+1}-{\tilde{S}}_{k,\max }.$

所述的判决嵌入比特是指：

当d_i≥a×d_i+1，其中：a为比例系数；则取q_i+1代表的比特为所取出的水印比特，反之取q_i代表的比特；

当a＝1则为平均判决。

第三步、在图像水印提取端：利用与嵌入相对应的密钥产生一组混沌序列X，并通过比对混沌序列X和从含水印图片中提取的水印信息进行检测比较。

所述的检测比较是指：当某一位的比特不一致，则可以判断相应块受到篡改并将其标识出。

由以上实施例结果可以得知，嵌入水印后的图片其PSNR＝40.142dB，与原始图片几乎没有变化。将本方法应用于STUFF图片，从实际检测效果来看，即使JPEG压缩质量只有40％，仍然可以比较明显的看出并精确定位被修改的地方，方法误差率为0.03064。从而证明了本方法的有效性。

Claims (7)

1、一种基于混沌序列和奇异值分解的图像真伪检测方法，其特征在于，首先利用图片所有者相关的密钥信息作为初始值，产生一个混沌序列；将载体图片分块并做奇异值分解；提取其中的最大奇异值，根据混沌序列中的比特，对最大奇异值进行量化，完成水印的嵌入，检验图片是否受到篡改时，先提取出子图像块的最大奇异值，通过与量化表做一定规则下的对比，得出嵌入的水印比特，再利用与嵌入端相同的密钥产生混沌序列；通过提取的水印比特与混沌序列比特的比较就可以得到图像是否篡改以及篡改的区域。

2、根据权利要求1所述的基于混沌序列和奇异值分解的图像真伪检测方法，其特征是，所述的图像真伪检测方法包括以下步骤：

第一步、在图像水印嵌入端：首先将水印载体图片以4×4的像素大小进行分块，以A_k表示每个子块，k＝(1K K)，K是总的块数，对每个块进行奇异值分解，提取出奇异值的对角矩阵S_k；再将S_k的最大奇异值S_k，max提取出来；然后每个块A_k嵌入混沌序列X的一个比特x_k；通过比较S_k，max与量化表中的q_i，使得q_i≤S_k，max＜q_i+1，通过q_i和q_i+1代表的比特与嵌入水印比特x_k的对比，如果q_i代表的比特与x_k一样，则将q_i代替S_k，max，反之用q_i+1代替S_k，max，使之成为新的S_k，max，用S_k，max ^*表示，并对每个图像子块作奇异值分解反变换，得到水印嵌入后的图像子块；最后对每一个4×4的子块重复以上步骤嵌入水印，直到所有的子块都已经完成类似的嵌入；

第二步、在图像水印提取端：将待检测含水印图片以4×4的大小进行分块，对每个块进行奇异值分解，提取出奇异值的对角矩阵然后将

的最大的奇异值提取出来，通过比较

与嵌入端所述的相同量化表中的q_i，使得

分别计算

与q_i和q_i+1的距离d_i和d_i+1，并根据划分比例判决嵌入比特，直到所有的子块中嵌入的比特都提取出来；

第三步、在图像水印提取端：利用与嵌入相对应的密钥产生一组混沌序列X，并通过比对混沌序列X和从含水印图片中提取的水印信息进行检测比较。

3、根据权利要求2所述的基于混沌序列和奇异值分解的图像真伪检测方法，其特征是，所述的量化表如下：

  量化值   代表比特   M   M   q_i+3   1   q_i+2   0   q_i+1   1   q_i   0   M   M

量化表是将一个值划分为若干量化区间，区间上的端点值表示不同的二进制比特，以q_i表示区间端点的点，即…q_i，q_i+1，q_i+2，q_i+3，q_i+4…i∈(0～I)，I是所分量化区间数量，不同的q_i表示不同的二进制比特，并且相邻的区间值q_i表示不同的比特。

4、根据权利要求3所述的基于混沌序列和奇异值分解的图像真伪检测方法，其特征是，所述的量化表中量化区间的划分方法如下：取一个数值C，这里C大于每个块的S_max，将C划分为若干个区间，每个区间的端点用q_i表示，i∈(0～I)，I是所分量化区间数量，对于q_i可以采用不同的策略来划分，例如等长距离划分C，或者采用等长比例来划分，这里区间长度Δq_i＝|q_i-q_i+1|应该大于S_max变化范围的两倍，以便抵抗住有损压缩的影响。

5、根据权利要求2所述的基于混沌序列和奇异值分解的图像真伪检测方法，其特征是，所述的

与q_i和q_i+1的距离d_i和d_i+1满足以下关系：

6、根据权利要求2所述的基于混沌序列和奇异值分解的图像真伪检测方法，其特征是，所述的判决嵌入比特是指：

当d_i≥a×d_i+1，其中：a为比例系数；则取q_i+1代表的比特为所取出的水印比特，反之取q_i代表的比特；

当a＝1则为平均判决。

7、根据权利要求2所述的基于混沌序列和奇异值分解的图像真伪检测方法，其特征是，所述的检测比较是指：当某一位的比特不一致，则可以判断相应块受到篡改并将其标识出。