CN102024249A - 基于视觉感知特性的数字图像水印方法 - Google Patents

Abstract

本发明所述的基于视觉感知特性的数字图像水印方法，涉及多媒体信息安全中信息隐藏与数字水印技术领域，主要包括五个步骤：数字图像水印预处理；提取重要区域；建立视觉感知模型；数字图像水印的嵌入；数字图像水印的检测。具体流程包括：首先利用基于矩的图像归一化技术将载体图像映射到几何不变空间内，并结合不变质心理论在归一化图像中确定重要区域。然后，根据视觉感知特性，建立视觉感知模型。最后结合视觉感知模型，利用某种特定的自适应量化调制策略，将一个大小为256-bits的可读水印自适应地嵌入到重要区域的DFT域内。水印提取时无须求助于原始载体，很好地实现了盲检测。本方法不仅具有良好的透明性，而且具有较好的鲁棒性。

Description

基于视觉感知特性的数字图像水印方法 

技术领域

本发明所述的基于视觉感知特性的数字图像水印方法涉及多媒体信息安全中信息隐藏与数字水印技术领域，具体涉及一种基于人类视觉感知的数字图像水印方法。 

背景技术

目前数字水印(Digital Watermarking)作为传统加密方法的有效补充手段，是一种可以在开放网络环境下保护版权和认证来源及完整性的新技术，近年来已引起人们高度重视，并已成为国际学术界研究的一个热点。所谓数字图像水印，就是将具有特定意义的标记(水印)，利用数据嵌入的方法隐藏在数字图像产品中，用以证明创作者对其作品的所有权，并作为鉴定、起诉非法侵权的依据，同时通过对水印的检测和分析保证数字信息的完整可靠性，从而成为知识产权保护和数字多媒体防伪的有效手段。 

近年来，数字图像水印技术研究取得了很大进展，并陆续提出了一系列数字图像水印算法。但遗憾的是，为了对抗常规信号处理(如有损压缩、低通滤波、噪声干扰等)以及诸如旋转、缩放、平移、行列去除、剪切、镜像翻转、随机扭曲等几何攻击，现有绝大多数图像水印方案将注意力放在了鲁棒性的研究上，而平衡数字水印鲁棒性和不可感知性的算法却不多。针对上述现有技术中所存在的问题，研究设计一种新型的基于视觉感知特性的数字图像水印方法， 从而克服现有技术中所存在的问题是十分必要的。 

发明内容

鉴于上述现有技术中所存在的问题，本发明的目的是研究设计一种新型的基于视觉感知特性的数字图像水印方法，从而解决现有数字图像水印技术将注重鲁棒性的研究，而对平衡数字水印鲁棒性和不可感知性的算法研究却很少等问题。本发明所述的基于视觉感知特性的数字图像水印方法主要包括以下五个步骤： 

第一步、数字图像水印预处理； 

第二步、提取重要区域； 

第三步、建立视觉感知模型； 

第四步、数字图像水印的嵌入； 

第五步、数字图像水印检测。 

一、本发明所述的数字图像水印的预处理包括以下步骤： 

第一步、将二值图像水印利用行扫描形成一维向量； 

第二步、利用logistic映射产生混沌密钥，对一维数字图像水印序列进行加密处理。 

二、本发明所述的提取重要区域包括以下步骤： 

1)、原始载体图像的归一化处理： 

第一步：坐标中心化处理； 

第二步：x-shearing归一化处理； 

第三步：缩放归一化处理； 

第四步：旋转归一化处理； 

得到相应的归一化图像； 

2)、在归一化图像中确定重要区域。 

三、本发明所述的建立视觉感知模型应掌握视觉感知特性，所述的视觉感知特性包括图像的亮度、纹理以及边缘特性；建立视觉感知模型的步骤如下： 

第一步、亮度模型的建立： 

使用亮度是因为图像的阴暗和明亮受亮度的影响；在计算时，使用大小为5*5的滑动窗口，同时亮度模型使用视频失真度测量系统；这个模型的计算如下： 

M_L(x，y)＝max{f₁(bg(x，y)，mg(x，y))，f₂(bg(x，y))} 

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

$f_2\left(\mathrm{bg}(x,y)\right)=\left\{\begin{array}{c}{T_0}^{*}(1-{\left(\frac{\mathrm{bg}(x,y)}{127}\right)}^{0.5})+3,\mathrm{bg}(x,y)\≤127\\ {\mathrm{\γ}}^{*}(\mathrm{bg}(x,y)-127)+3,\mathrm{bg}(x,y)>127\end{array}\right.$

α(bg(x，y))＝0.0001*bg(x，y)+0.115，0≤x＜H，0≤y＜W 

β(bg(x，y))＝λ-0.01*bg(x，y)，0≤x＜H，0≤y＜W 

其中M_L为亮度模型，f₁为空域掩蔽函数，f₂为基于背景亮度的可见度函数，bg(x，y)为背景亮度，mg(x，y)为像素点(x，y)周围的最大加权平均亮度差异，α和β是依据功能确定的背景亮度，T₀＝17，γ＝³/₁₂₈，λ＝¹/₂；mg(x，y)，bg(x，y)的计算如下： 

$\mathrm{mg}(x,y)=\underset{k=\mathrm{1,2,3,4}}{\max }\left\{\right|{\mathrm{grad}}_k(x,y)\left|\right\}$

${\mathrm{grad}}_k(x,y)=\frac{1}{16}\underset{i=1}{\overset{5}{\mathrm{\Σ}}}\underset{j=1}{\overset{5}{\mathrm{\Σ}}}p(x-3+i,j-3+j)G_k(i,j),$ 0≤x＜H，0≤y＜W 

$\mathrm{bg}(x,y)=\frac{1}{32}\underset{i=1}{\overset{5}{\mathrm{\Σ}}}\underset{j=1}{\overset{5}{\mathrm{\Σ}}}p(x-3+i,j-3+j)B(i,j),$ 0≤x＜H，0≤y＜W 

其中p(x，y)为像素点(x，y)的像素值，G₁，G₂，G₃，G₄，B的值如下： 

$G_1=\left(\begin{array}{ccccc}0& 0& 0& 0& 0\\ 1& 3& 8& 3& 1\\ 0& 0& 0& 0& 0\\ -1& -3& -8& -3& -1\\ 0& 0& 0& 0& 0\end{array}\right),$ $G_2=\left(\begin{array}{ccccc}0& 0& 1& 0& 0\\ 0& 8& 3& 0& 0\\ 1& 3& 0& -3& -1\\ 0& 0& -3& -8& 0\\ 0& 0& -1& 0& 0\end{array}\right),$

$G_3=\left(\begin{array}{ccccc}0& 0& 1& 0& 0\\ 0& 0& 3& 8& 0\\ -1& -3& 0& 3& 1\\ 0& -8& -3& 0& 0\\ 0& 0& -1& 0& 0\end{array}\right),$ $G_2=\left(\begin{array}{ccccc}0& 1& 0& -1& 0\\ 0& 3& 0& -3& 0\\ 0& 8& 0& -8& 0\\ 0& 3& 0& -3& 0\\ 0& 1& 0& -1& 0\end{array}\right),$

$B=\left(\begin{array}{ccccc}1& 1& 1& 1& 1\\ 1& 2& 2& 2& 1\\ 1& 2& 0& 2& 1\\ 1& 2& 2& 2& 1\\ 1& 1& 1& 1& 1\end{array}\right)$

第二步、纹理模型的建立： 

在此提出一种纹理模型的建立，它使用每一个像素和滑动窗口内部所有像素的平均值的插值的绝对值，滑动窗口的大小为3*3，计算公式如下： 

$M_T=|x(i,j)-\stackrel{-}{x}(i,j)|$

$\stackrel{-}{x}(i,j)=\frac{1}{{(2L+1)}^2}\underset{k=-L}{\overset{L}{\mathrm{\Σ}}}\underset{l=-L}{\overset{L}{\mathrm{\Σ}}}x(i+k,j+l)$

x(i，j)为在(i，j)位置的像素值，M_T为纹理模型，(2L+1)²代表图像块像素的数量； 

第三步、边缘模型的建立： 

边缘模型的建立主要分为以下两个步骤： 

首先使用Cnnny算子进行边缘检测，这是因为Cnnny算子能够很好的检测到弱边缘； 

其次采用扩张的边缘处理，它可以用作滤波器来去除非边缘区域的影响； 

计算公式为：M_E＝E_D2(E_D1(I)) 

其中I为原始载体图像，E_D1为边缘检测操作，E_D2为扩张的边缘处理，M_E为边缘模型； 

第四步、HVS模型的建立： 

首先将纹理模型与边缘模型结合起来，在两者之间选择最小像素值是因为较活动性高的区域，边缘的覆盖能力低； 

其次将亮度模型与先前得到的值结合，选择最大像素值是因为，在平滑的区域，模型像素值是由亮度所决定的； 

HVS模型的建立采用公式为： 

HVS＝max(M_L，P*min(M_T，M_E)) 

P为权值，取值在0.4到0.5之间，用来矫正扭曲；M_L为亮度模型，M_T为纹理模型，M_E为边缘模型； 

四、本发明所述的数字图像水印的嵌入首先将原始数字图像水印信息转化为二进制序列m＝(m₁，m₂，…，m_M)，其中m_i∈{0，1}；嵌入数字图像水印信息时，首先密钥的控制下在DFT中频区域坐标轴的第一象限内随机选择一组坐标点(u₁，v₁)，(u₂，v₂)，…，(u_Mc，v_Mc)，这里的坐标点u_i，v_i必须满足 

对于数字图像水印序列中的每一个比特的信息m_i∈{0，1}，同时修改坐标点(u_i，v_i)以及坐标点(-v_i，u_i)的DFT系数的幅度值，即修改两个成90°角的系数的幅度值： 

|F′(u_i，v_i)|-|F′(-v_i，u_i)|≥α，如果m_i＝1 

|F′(u_i，v_i)|-|F′(-v_i，u_i)|≤-α，如果m_i＝0 

α＝k*log(HVS)，k为常数 

α为量化步长，由于选择α时，必须在数字图像水印的鲁棒性和不可见性之 间折中；所以等价公式是在仿真实验中通过多次调试得出；在此，k取之为2*10³；根据每一比特水印信息m_i对坐标点(u_i，v_i)和(-v_i，u_i)上的系数幅度值做如下处理： 

第一步、求出两坐标点(u_i，v_i)和(-v_i，u_i)的系数幅度值之差Δ 

Δ＝|F(u_i，v_i)|-|F(-v_i，u_i)| 

第二步、如果m_i等于1，，判断Δ是否大于α，如果是，不需修改两点系数幅度值，直接按下面步骤6进行处理； 

第三步、如果m_i等于1且Δ小于α，按下列修改两点的幅度值，然后按步骤6进行处理； 

$\left|F^{\′}(u_i,v_i)\right|=\left|F(u_i,v_i)\right|+(\frac{\mathrm{\α}}{2}-\frac{\mathrm{\Δ}}{2})$

$\left|F^{\′}(-v_i,u_i)\right|=\left|F({-v}_i,u_i)\right|-(\frac{\mathrm{\α}}{2}-\frac{\mathrm{\Δ}}{2})$

第四步、如果m_i等于0，判断Δ是否小于-α，如果是，不需修改两点系数幅度值，直接按第六步处理； 

第五步、如果m_i等于0且Δ大于-α，按照下式修改两点的幅度值，然后按第六步进行处理； 

$\left|F^{\′}(u_i,v_i)\right|=\left|F(u_i,v_i)\right|-(\frac{\mathrm{\α}}{2}-\frac{\mathrm{\Δ}}{2})$

$\left|F^{\′}(-v_i,u_i)\right|=\left|F({-v}_i,u_i)\right|+(\frac{\mathrm{\α}}{2}+\frac{\mathrm{\Δ}}{2})$

第六步、读入下一比特数字图像水印信息m_i+1，重复上述过程，直到所有数字图像水印序列全部嵌入图像的中频系数上； 

由于图像的DFT系数的幅度值是关于原点对称的，为了使经过DFT反变换得到的是实数矩阵，必须对另一个半平面的系数进行同样的修改，即修改相应 的幅度值使之满足下式： 

|F′(-u_i，-v_i)|＝|F′(u_i，v_i)| 

|F′(v_i，-u_i)|＝|F(-v_i，u_i)| 

这样，待数字图像水印信息全部嵌入后，经过二维离散傅立叶变换反变换(IDFT)便可得到含水印的图像.其变换公式如下： 

$f(k,l)=\frac{1}{n}\underset{\mathrm{im}=0}{\overset{n-1}{\mathrm{\Σ}}}\underset{n=1}{\overset{n-1}{\mathrm{\Σ}}}F(i,j)e^{-J2\mathrm{\π}(i\frac{k}{n}*j\frac{l}{n})},$ 0≤k≤M，0≤l＜N 

第七步、采用预失真补偿策略，处理含水印的归一化图像以获取含水印图像F′，其能够有效提高数字水印的透明性。具体操作为： 

①、计算原始归一化图像I与含水印归一化图像I′间的差值图像D＝I-I′ 

②、对差值图像D做逆归一化操作，得到逆差值图像D′； 

将逆差值图像D′直接叠加于原始载体图像F上，即可得到含水印图像F′； 

五、本发明所述的数字水印的检测过程包括以下步骤： 

第一步、矩的图像归一化技术，对待检测图像为F^*进行归一化处理，以得到相应的归一化图像I^*； 

第二步、域不变质心理论，从归一化图像I^*中提取出重要区域O^*； 

第三步、含水印图像进行二维DFT变换，选取DFT的中频区域，在密钥的控制下在嵌入水印的位置按照下面的公式提取水印信息； 

$\left|F^{\&prime;\&Prime;}(u_i,v_i)\right|-\left|F^{\&prime;\&prime;}(-v_i,u_i)\right|\left\{\begin{array}{cc}\&GreaterEqual;0& {\hat{m}}_i=1\\ <0& {\hat{m}}_i=0\end{array}\right.$

这里，F″(u_i，v_i)是水印图像的傅立叶变换系数， 

是嵌入在图像中水印信号的估计值； 

结合系数相关性，利用自适应调制策略对水印信息进行检测； 

第四步、按照水印信息加密原理，选用同样的初值X₁和参数μ生成掩蔽向量MS，并对VM^*进行解密处理，即 

$V^{*}=V{M}^{*}\&CirclePlus;\mathrm{MS}$ ( 

为异或运算)； 

第五步、对所提取出的一维二进制序列V^*进行升维处理(按照水印嵌入过程的相反操作)，便可得到二值水印图像W^*＝{w^*(i，j)，1≤i≤P，1≤j≤Q}。 

本发明所述的基于视觉感知特性的数字图像水印方法，基本工作原理为：该算法首先利用基于矩的图像归一化技术将载体图像映射到几何不变空间内，并结合不变质心理论在归一化图像中确定重要区域。然后，根据视觉感知特性(亮度、边缘、纹理特性)，建立视觉感知模型。最后结合视觉感知模型，利用某种特定的自适应量化调制策略，将一个大小为256-bits的可读水印自适应地嵌入到重要区域的DFT域内。水印提取时无须求助于原始载体，很好地实现了盲检测。 

本发明结合人类视觉感知，提出的数字图像水印嵌入算法，能够有效的提高数字水印透明性，同时对于常规信号处理和大部分几何攻击均具有较好的鲁棒性，此外该算法还具有计算简单、容易实现、抽取水印时无需原始载体等特点，这大大增强了其用于数字图像作品版权保护的实用性，具有一定的应用价值。 

附图说明

本发明共有13幅附图，其中： 

图1：水印嵌入流程图； 

图2：原始载体图像； 

图3：归一化图像； 

图4：重要区域； 

图5：HVS模型建立流程图； 

图6：亮度模型； 

图7：纹理模型； 

图8：边缘模型； 

图9：HVS模型； 

图10：原始载体图像； 

图11：原始水印图像； 

图12：嵌入水印后的数字图像； 

图13：提取的水印信息。 

具体实施方式

本发明的具体实施例如附图所示，附图1所示基于视觉感知特性的数字图像水印方法的流程图，包括以下五个步骤：数字图像水印预处理；提取重要区域；建立视觉感知模型；数字图像水印的嵌入；数字图像水印检测。 

1、数字图像水印预处理 

第一步、将二值水印图像利用行扫描形成一维向量； 

第二步、利用logistic映射产生混沌密钥，对一维数字图像水印序列进行加密处理。 

2、提取重要区域 

(1)原始载体图像的归一化处理 

基于矩的图像归一化技术基本工作原理为：首先利用图像中对仿射变换具有不变性的矩来确定变换函数的参数，然后利用此参数确定的变换函数把原始图像变换为一个标准形式的图像(该图像与仿射变换无关)。本方案通过坐标中心化、x-shearing归一化、缩放归一化和旋转归一化四个步骤对原始载体图像F进行归一化处理，以得到相应的归一化图像，见附图3。 

(2)在归一化图像中确定重要区域 

由基于矩的图像归一化理论知，归一化图像普遍具有冗余特性(即归一化图像的“黑边”部分，参见附图3)。因此，若直接将水印信号嵌入到整个归一化图像内，则逆归一化过程势必导致部分水印信息丢失，从而严重影响数字水印的隐藏效果.为此，本文将利用区域不变质心理论，从归一化图像中提取出重要区域，参见附图4(并用于水印嵌入)。 

3、建立视觉感知模型 

视觉感知特性包括图像的亮度、纹理以及边缘特性，附图5为视觉感知模型即HVS模型的建立步骤。 

(1)亮度模型 

使用亮度是因为图像的阴暗和明亮受亮度的影响。在空域，亮度阈值的可见度由两个因素所决定：平均背景亮度和非均匀背景亮度。所有的计算都是基于5*5的图像块，因此在执行时，使用大小为5*5的滑动窗口，同时亮度模型使用视频失真度测量系统。这个模型的计算如下： 

M_L(x，y)＝max{f₁(bg(x，y)，mg(x，y))，f₂(bg(x，y))} 

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

$f_2\left(\mathrm{bg}(x,y)\right)=\left\{\begin{array}{c}{T_0}^{*}(1-{\left(\frac{\mathrm{bg}(x,y)}{127}\right)}^{0.5})+3,\mathrm{bg}(x,y)\&le;127\\ {\mathrm{\&gamma;}}^{*}(\mathrm{bg}(x,y)-127)+3,\mathrm{bg}(x,y)>127\end{array}\right.$

α(bg(x，y))＝0.0001*bg(x，y)+0.115，0≤x＜H，0≤y＜W 

β(bg(x，y))＝λ-0.01*bg(x，y)，0≤x＜H，0≤y＜W 

其中M_L为亮度模型，f₁为空域掩蔽函数，f₂为基于背景亮度的可见度函数，bg(x，y)为背景亮度，mg(x，y)为像素点(x，y)周围的最大加权平均亮度差异，α和β是依据功能确定的背景亮度，T₀＝17，γ＝³/₁₂₈，λ＝¹/₂。mg(x，y)，bg(x，y)的计算如下： 

$\mathrm{mg}(x,y)=\underset{k=\mathrm{1,2,3,4}}{\max }\left\{\right|\mathrm{gra}{d}_k(x,y)\left|\right\}$

${\mathrm{grad}}_k(x,y)=\frac{1}{16}\underset{i=1}{\overset{5}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{5}{\mathrm{\&Sigma;}}}p(x-3+i,y-3+j)G_k(i,j),$ 0≤x＜H，0≤y＜W 

$\mathrm{bg}(x,y)=\frac{1}{32}\underset{i=1}{\overset{5}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{5}{\mathrm{\&Sigma;}}}p(x-3+i,y-3+j)B(i,j),$ 0≤x＜H，0≤y＜W 

其中p(x，y)为像素点(x，y)的像素值，G₁，G₂，G₃，G₄，B的值如下： 

$G_1=\left(\begin{array}{ccccc}0& 0& 0& 0& 0\\ 1& 3& 8& 3& 1\\ 0& 0& 0& 0& 0\\ -1& -3& -8& -3& -1\\ 0& 0& 0& 0& 0\end{array}\right),$ $G_2=\left(\begin{array}{ccccc}0& 0& 1& 0& 0\\ 0& 8& 3& 0& 0\\ 1& 3& 0& -3& -1\\ 0& 0& -3& -8& 0\\ 0& 0& -1& 0& 0\end{array}\right),$

$G_3=\left(\begin{array}{ccccc}0& 0& 1& 0& 0\\ 0& 0& 3& 8& 0\\ -1& -3& 0& 3& 1\\ 0& -8& -3& 0& 0\\ 0& 0& -1& 0& 0\end{array}\right),$ $G_2=\left(\begin{array}{ccccc}0& 1& 0& -1& 0\\ 0& 3& 0& -3& 0\\ 0& 8& 0& -8& 0\\ 0& 3& 0& -3& 0\\ 0& 1& 0& -1& 0\end{array}\right),$

$B=\left[\begin{array}{ccccc}1& 1& 1& 1& 1\\ 1& 2& 2& 2& 1\\ 1& 2& 0& 2& 1\\ 1& 2& 2& 2& 1\\ 1& 1& 1& 1& 1\end{array}\right]$

(2)纹理模型 

在此提出一种纹理模型的建立，它使用每一个像素和滑动窗口内部所有像素的平均值的插值的绝对值，滑动窗口的大小为3*3，计算公式如下： 

$M_T=|x(i,j)-\stackrel{-}{x}(i,j)|$

$\stackrel{-}{x}(i,j)=\frac{1}{{(2L+1)}^2}\underset{k=-L}{\overset{L}{\mathrm{\&Sigma;}}}\underset{l=-L}{\overset{L}{\mathrm{\&Sigma;}}}x(i+k,j+l)$

x(i，j)为在(i，j)位置的像素值，M_T为纹理模型，(2L+1)²代表图像块像素的数量。 

(3)边缘模型 

边缘模型的建立主要分为以下两个步骤： 

首先使用Cnnny算子进行边缘检测，这是因为Cnnny算子能够很好的检测到弱边缘。 

其次采用扩张的边缘处理，它可以用作滤波器来去除非边缘区域的影响。 

计算公式为：M_E＝E_D2(E_D1(I)) 

其中I为原始载体图像，E_D1为边缘检测操作，E_D2为扩张的边缘处理，M_E为边缘模型。 

(4)HVS模型 

首先将纹理模型与边缘模型结合起来，在两者之间选择最小像素值是因为较活动性高的区域，边缘的覆盖能力低。其次将亮度模型与先前得到的值结合，选择最大像素值是因为，在平滑的区域，模型像素值是由亮度所决定的。 

HVS模型的建立采用公式为： 

HVS＝max(ML，P*min(MT，ME)) 

P为权值，取值在0.4到0.5之间，用来矫正扭曲。对确定的重要区域分别得出的亮度模型、纹理模型、边缘模型以及HVS模型分别参见附图6，7，8，9。 

4、数字水印的嵌入 

(1)数字水印的预处理 

为了消除二值水印图像的像素空间相关性，提高整个数字水印系统的安全性能，确保数字图像某一部分受到破坏后仍能全部或部分地恢复水印，宜首先对二值水印图像进行预处理加密。 

首先将二值水印图像利用行扫描形成一维向量，并依次标号为1到P×Q，即得到由原二值水印图像W转换而来的一维数字水印序列V 

V＝{v(k)，1≤k≤P×Q，v(k)∈{0，1}}. 

然后利用logistic映射产生混沌密钥，对一维数字水印序列进行加密处理，其工作步骤为： 

①利用logistic映射产生伪随机序列，即 

X_k+1＝μX_k(1-X_k)＝f(μ，X_k) 

其中，参数1≤μ≤4.实验证明，当μ∈(3.9，4.0]时，系统将进入混沌状态，产生具有0均值、互相关性为0的混沌序列，且该序列具有白噪声的统计特性。显然，只要使用不同的初值X₁，并采用不同的参数μ，就可以得到不同的伪随机序列。 

②将上述伪随机序列二值化成掩蔽模版MS，并利用其加密一维数字水印序列V(通过按位异或操作)，即 

$\mathrm{VM}=V\&CirclePlus;\mathrm{MS}$

(2)数字水印的嵌入 

将原始水印信息转化为二进制序列m＝(m₁，m₂，…，mM)，其中m_i∈{0，1}。嵌入水印信息时，首先密钥的控制下在DFT中频区域坐标轴的第一象限内随机选择一组坐标点(u₁，v₁)，(u₂，v₂)，…，(u_Mc，v_Mc)，这里的坐标点u_i，v_i必须满足 

对于水印序列中的每一个比特的信息m_i∈{0，1}，同时修改坐标点(u_i，v_i)以及坐标点(-v_i，u_i)的DFT系数的幅度值，即修改两个成90°角的系数的幅度值： 

|F′(u_i，v_i)|-|F′(-v_i，u_i)|≥α，如果m_i＝1 

|F′(u_i，v_i)|-|F′(-v_i，u_i)|≤-α，如果m_i＝0 

α＝k*log(HVS)，k为常数 

α为量化步长，由于选择α时，必须在水印的鲁棒性和不可见性之间折中。所以等价公式是在仿真实验中通过多次调试得出。在此，k取之为2*10³。根据每一比特水印信息m_i对坐标点(u_i，v_i)和(-v_i，u_i)上的系数幅度值做如下处理： 

①求出两坐标点(u_i，v_i)和(-v_i，u_i)的系数幅度值之差Δ 

Δ＝|F(u_i，v_i)|-|F(-v_i，u_i)| 

②如果m_i等于1，，判断Δ是否大于α，如果是，不需修改两点系数幅度值，直接按⑥进行处理。 

③如果m_i等于1且Δ小于α，按下列修改两点的幅度值，然后按⑥进行处理。 

$\left|F^{\&prime;}(u_i,v_i)\right|=\left|F(u_i,v_i)\right|+(\frac{\mathrm{\&alpha;}}{2}-\frac{\mathrm{\&Delta;}}{2})$

$\left|F^{\&prime;}(-v_i,u_i)\right|=\left|F(-v_i,u_i)\right|-(\frac{\mathrm{\&alpha;}}{2}-\frac{\mathrm{\&Delta;}}{2})$

④如果m_i等于0，判断Δ是否小于-α，如果是，不需修改两点系数幅度值，直接按⑥处理。 

⑤如果m_i等于0且Δ大于-α，按照下式修改两点的幅度值，然后按⑥进行处理。 

$\left|F^{\&prime;}(u_i,v_i)\right|=\left|F(u_i,v_i)\right|-(\frac{\mathrm{\&alpha;}}{2}+\frac{\mathrm{\&Delta;}}{2})$

$\left|F^{\&prime;}(-v_i,u_i)\right|=\left|F(-v_i,u_i)\right|+(\frac{\mathrm{\&alpha;}}{2}+\frac{\mathrm{\&Delta;}}{2})$

⑥读入下一比特水印信息m_i+1，重复上述过程，直到所有水印序列全部嵌入图像的中频系数上。 

由于图像的DFT系数的幅度值是关于原点对称的，为了使经过DFT反变换得到的是实数矩阵，必须对另一个半平面的系数进行同样的修改，即修改相应的幅度值使之满足下式： 

|F′(-u_i，-v_i)|＝|F′(u_i，v_i)| 

|F′(v_i，-u_i)|＝|F(-v_i，u_i)| 

这样，待水印信息全部嵌入后，经过二维离散傅立叶变换反变换(IDFT)便可得到含水印的图像.其变换公式如下： 

$f(k,l)=\frac{1}{n}\underset{\mathrm{im}=0}{\overset{n-1}{\mathrm{\&Sigma;}}}\underset{n=0}{\overset{n-1}{\mathrm{\&Sigma;}}}F(i,j)e^{-J2\mathrm{\&pi;}(i\frac{k}{n}*j\frac{l}{n})},$ 0≤k≤M，0≤l＜N 

(3)得到带有水印的载体图像 

采用预失真补偿策略获取含水印图像F′，其能够有效提高数字水印的透明性。具体操作为： 

①计算原始归一化图像I与含水印归一化图像I′间的差值图像D＝I-I′； 

②对差值图像D做逆归一化操作，得到逆差值图像D′； 

将逆差值图像D′直接叠加于原始载体图像F上，即可得到含水印图像F′。 

5、数字水印的检测 

本发明讨论的基于视觉感知特性的数字图像水印方法属于盲水印算法，即检测数字水印信号时不需要原始载体的参与。数字水印的检测过程如下： 

(1)矩的图像归一化技术，对待检测图像为F^*进行归一化处理，以得到相应的归一化图像I^*。 

(2)域不变质心理论，从归一化图像I^*中提取出重要区域O^*。 

(3)含水印图像进行二维DFT变换，选取DFT的中频区域，在密钥的控制下在嵌入水印的位置按照下面的公式提取水印信息； 

$\left|F^{\&prime;\&prime;}(u_i,v_i)\right|\left|F^{\&prime;\&prime;}(-v_i,u_i)\right|\left\{\begin{array}{cc}\&GreaterEqual;0& {\hat{m}}_i=1\\ <0& {\hat{m}}_i=0\end{array}\right.$

这里，F″(u_i，v_i)是水印图像的傅立叶变换系数， 

是嵌入在图像中水印信号的估计值。 

结合系数相关性，利用自适应调制策略对水印信息进行检测。 

(4)按照水印信息加密原理，选用同样的初值X₁和参数μ生成掩蔽向量MS，并对VM^*进行解密处理，即 

$V^{*}={\mathrm{VM}}^{*}\&CirclePlus;\mathrm{MS}$ ( 

为异或运算). 

(5)对所提取出的一维二进制序列V^*进行升维处理(按照水印嵌入过程的相反操作)，便可得到二值水印图像W^*＝{w^*(i，j)，1≤i≤P，1≤j≤Q} 

6、抗攻击能力测试 

为了验证本文数字图像水印算法的有效性，以下分别给出了透明性测试、抗攻击能力(鲁棒性)测试的实验结果。 

实验中，所选用的原始载体分别为512×512×8bit标准灰度图像Lena、Mandrill和Barb，数字水印采用了16×16写有“辽”字样的二值图像(256-bit)。归一化图像中的重要区域的大小设置为S₁＝S₂＝256，混沌加密的初值X₁＝0.1，参数μ＝4。对比文献为： 

Niu Pan-pan，Yang Hong-ying，Wu Jun，Wang Xiang-yang，“Robust DigitalWatermarking based on Significant Region of Normalized Image，”Joumalof Image and Graphics，2007.12(10)：1774-1777. 

(1)透明性对比 

本实验最重要的目的是平衡数字水印鲁棒性和不可感知性。首先选用原始载体分别为512×512×8bit标准灰度图像Lena、Mandrill和Barb，进行透明性对比。表1给出了本文算法与对比文献中的算法进行透明性对比实验结果。 

从表1可以看出在透明性方面，对于相同的载体图像，本文算法有一定程度的提高。 

(2)鲁棒性对比 

为了检测本文算法的鲁棒性能，分别对嵌有256-bit信息的水印图像(以Lena为例)进行一系列攻击(包括常规信号处理和几何攻击)并与对比文献进行比较。 

·缩放：(a)2.0、(b)4.0，其中小数表示缩放尺度。 

·长宽比改变：(a)(1.1，1.0)、(b)(1.0，0.8)，其中每一组数字分别表示x方向和y方向上改变的尺度。 

·旋转：(a)70、(b)90，其中数字表示旋转角度. 

·镜像翻转：(a)和(b)分别表示水平和垂直方向的镜像反转。 

·常规信号处理：(a)3×3中值滤波、(b)3×3高斯滤波。 

·噪声叠加：(a)椒盐噪声(0，0.01)、(b)椒盐噪声(0，0.04)。 

·JPEG压缩：(a)90、(b)20，其中数字表示品质因子。 

测试结果如表2所示。表3给出从遭受各种攻击的水印图像中提取的二值水印信息(部分结果，每种攻击只举一例)。从表2可以看出在抵抗几何攻击方面，本文算法有一定程度的改善(特别是对行列移除、缩放、剪切和镜像翻转等几种攻击而言)。 

Claims (6)

1.一种基于视觉感知特性的数字图像水印方法，其特征在于主要包括以下五个步骤：

第一步、数字图像水印预处理；

第二步、提取重要区域；

第三步、建立视觉感知模型；

第四步、数字图像水印的嵌入；

第五步、数字图像水印的检测。

2.根据权利要求1所述的基于视觉感知特性的数字图像水印方法，其特征在于所述的数字图像水印的预处理包括以下步骤：

第一步、将二值图像水印利用行扫描形成一维向量；

第二步、利用logistic映射产生混沌密钥，对一维数字图像水印序列进行加密处理。

3.根据权利要求1所述的基于视觉感知特性的数字图像水印方法，其特征在于所述的提取重要区域包括以下步骤：

1)、原始载体图像的归一化处理：

第一步：坐标中心化处理；

第二步：x-shearing归一化处理；

第三步：缩放归一化处理；

第四步：旋转归一化处理；

得到相应的归一化图像；

2)、在归一化图像中确定重要区域。

4.根据权利要求1所述的基于视觉感知特性的数字图像水印方法，其特征在于所述的建立视觉感知模型，应掌握视觉感知特性，所述的视觉感知特性包括图像的亮度、纹理以及边缘特性；建立视觉感知模型的步骤如下：

第一步、亮度模型的建立：

使用亮度是因为图像的阴暗和明亮受亮度的影响；在计算时，使用大小为5*5的滑动窗口，同时亮度模型使用视频失真度测量系统；这个模型的计算如下：

M_L(x，y)＝max{f₁(bg(x，y)，mg(x，y))，f₂(bg(x，y))}

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

$f_2\left(\mathrm{bg}(x,y)\right)=\left\{\begin{array}{c}{T_0}^{*}(1-{\left(\frac{\mathrm{bg}(x,y)}{127}\right)}^{0.5})+3,\mathrm{bg}(x,y)\&le;127\\ {\mathrm{\&gamma;}}^{*}(\mathrm{bg}(x,y)-127)+3,\mathrm{bg}(x,y)>127\end{array}\right.$

α(bg(x，y))＝0.0001*bg(x，y)+0.115，0≤x＜H，0≤y＜W

β(bg(x，y))＝λ-0.01*bg(x，y)，0≤x＜H，0≤y＜W

其中M_L为亮度模型，f₁为空域掩蔽函数，f₂为基于背景亮度的可见度函数，bg(x，y)为背景亮度，mg(x，y)为像素点(x，y)周围的最大加权平均亮度差异，α和β是依据功能确定的背景亮度，T₀＝17，γ＝³/₁₂₈，λ＝¹/₂；mg(x，y)，bg(x，y)的计算如下：

$\mathrm{mg}(x,y)=\underset{k=\mathrm{1,2,3,4}}{\max }\left\{\right|\mathrm{gra}{d}_k(x,y)\left|\right\}$

${\mathrm{grad}}_k(x,y)=\frac{1}{16}\underset{i=1}{\overset{5}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{5}{\mathrm{\&Sigma;}}}p(x-3+i,j-3+j)G_k(i,j),$ 0≤x＜H，0≤y＜W

$\mathrm{bg}(x,y)=\frac{1}{32}\underset{i=1}{\overset{5}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{5}{\mathrm{\&Sigma;}}}p(x-3+i,j-3+j)B(i,j),$ 0≤x＜H，0≤y＜W

其中p(x，y)为像素点(x，y)的像素值，G₁，G₂，G₃，G₄，B的值如下：

$G_1=\left(\begin{array}{ccccc}0& 0& 0& 0& 0\\ 1& 3& 8& 3& 1\\ 0& 0& 0& 0& 0\\ -1& -3& -8& -3& -1\\ 0& 0& 0& 0& 0\end{array}\right),$ $G_2=\left(\begin{array}{ccccc}0& 0& 1& 0& 0\\ 0& 8& 3& 0& 0\\ 1& 3& 0& -3& -1\\ 0& 0& -3& -8& 0\\ 0& 0& -1& 0& 0\end{array}\right),$

$G_3=\left(\begin{array}{ccccc}0& 0& 1& 0& 0\\ 0& 0& 3& 8& 0\\ -1& -3& 0& 3& 1\\ 0& -8& -3& 0& 0\\ 0& 0& -1& 0& 0\end{array}\right),$ $G_2=\left(\begin{array}{ccccc}0& 1& 0& -1& 0\\ 0& 3& 0& -3& 0\\ 0& 8& 0& -8& 0\\ 0& 3& 0& -3& 0\\ 0& 1& 0& -1& 0\end{array}\right),$

$B=\left(\begin{array}{ccccc}1& 1& 1& 1& 1\\ 1& 2& 2& 2& 1\\ 1& 2& 0& 2& 1\\ 1& 2& 2& 2& 1\\ 1& 1& 1& 1& 1\end{array}\right)$

第二步、纹理模型的建立：

在此提出一种纹理模型的建立，它使用每一个像素和滑动窗口内部所有像素的平均值的插值的绝对值，滑动窗口的大小为3*3，计算公式如下：

$M_T=|x(i,j)-\stackrel{-}{x}(i,j)|$

$\stackrel{-}{x}(i,j)=\frac{1}{{(2L+1)}^2}\underset{k=-L}{\overset{L}{\mathrm{\&Sigma;}}}\underset{l=-L}{\overset{L}{\mathrm{\&Sigma;}}}x(i+k,j+l)$

x(i，j)为在(i，j)位置的像素值，M_T为纹理模型，(2L+1)²代表图像块像素的数量；

第三步、边缘模型的建立：

边缘模型的建立主要分为以下两个步骤：

首先使用Cnnny算子进行边缘检测，这是因为Cnnny算子能够很好的检测到弱边缘；

其次采用扩张的边缘处理，它可以用作滤波器来去除非边缘区域的影响；

计算公式为：M_E＝E_D2(E_D1(I))

其中I为原始载体图像，E_D1为边缘检测操作，E_D2为扩张的边缘处理，M_E为边缘模型；

第四步、HVS模型的建立：

首先将纹理模型与边缘模型结合起来，在两者之间选择最小像素值是因为较活动性高的区域，边缘的覆盖能力低；

其次将亮度模型与先前得到的值结合，选择最大像素值是因为，在平滑的区域，模型像素值是由亮度所决定的；

HVS模型的建立采用公式为：

HVS＝max(M_L，P*min(M_T，M_E))

P为权值，取值在0.4到0.5之间，用来矫正扭曲；M_L为亮度模型，M_T为纹理模型，M_E为边缘模型；

5.根据权利要求1所述的基于视觉感知特性的数字图像水印方法，其特征在于所述的数字图像水印的嵌入首先将原始数字图像水印信息转化为二进制序列m＝(m₁，m₂，…，m_M)，其中m_i∈{0，1}；嵌入数字图像水印信息时，首先密钥的控制下在DFT中频区域坐标轴的第一象限内随机选择一组坐标点(u₁，v₁)，(u₂，v₂)，…，(u_Mc，v_Mc)，这里的坐标点u_i，v_i必须满足

对于数字图像水印序列中的每一个比特的信息m_i∈{0，1}，同时修改坐标点(u_i，v_i)以及坐标点(-v_i，u_i)的DFT系数的幅度值，即修改两个成90°角的系数的幅度值：

|F′(u_i，v_i)|-|F′(-v_i，u_i)|≥α，如果m_i＝1

|F′(u_i，v_i)|-|F′(-v_i，u_i)|≤-α，如果m_i＝0

α＝k*log(HVS)，k为常数

α为量化步长，由于选择α时，必须在数字图像水印的鲁棒性和不可见性之间折中；所以等价公式是在仿真实验中通过多次调试得出；在此，k取之为2*10³；根据每一比特水印信息m_i对坐标点(u_i，v_i)和(-v_i，u_i)上的系数幅度值做如下处理：

第一步、求出两坐标点(u_i，v_i)和(-v_i，u_i)的系数幅度值之差Δ

Δ＝|F(u_i，v_i)|-|F(-v_i，u_i)|

第二步、如果m_i等于1，，判断Δ是否大于α，如果是，不需修改两点系数幅度值，直接按下面步骤6进行处理；

第三步、如果m_i等于1且Δ小于α，按下列修改两点的幅度值，然后按步骤6进行处理；

$\left|F^{\&prime;}(u_i,v_i)\right|=\left|F(u_i,v_i)\right|+(\frac{\mathrm{\&alpha;}}{2}-\frac{\mathrm{\&Delta;}}{2})$

$\left|F^{\&prime;}(-v_i,u_i)\right|=\left|F({-v}_i,u_i)\right|-(\frac{\mathrm{\&alpha;}}{2}-\frac{\mathrm{\&Delta;}}{2})$

第四步、如果m_i等于0，判断Δ是否小于-α，如果是，不需修改两点系数幅度值，直接按第六步处理；

第五步、如果m_i等于0且Δ大于-α，按照下式修改两点的幅度值，然后按第六步进行处理；

$\left|F^{\&prime;}(u_i,v_i)\right|=\left|F(u_i,v_i)\right|-(\frac{\mathrm{\&alpha;}}{2}+\frac{\mathrm{\&Delta;}}{2})$

$\left|F^{\&prime;}(-v_i,u_i)\right|=\left|F({-v}_i,u_i)\right|+(\frac{\mathrm{\&alpha;}}{2}+\frac{\mathrm{\&Delta;}}{2})$

第六步、读入下一比特数字图像水印信息m_i+1，重复上述过程，直到所有数字图像水印序列全部嵌入图像的中频系数上；

由于图像的DFT系数的幅度值是关于原点对称的，为了使经过DFT反变换得到的是实数矩阵，必须对另一个半平面的系数进行同样的修改，即修改相应的幅度值使之满足下式：

|F′(-u_i，-v_i)|＝|F′(u_i，v_i)|

|F′(v_i，-u_i)|＝|F(-v_i，u_i)|

这样，待数字图像水印信息全部嵌入后，经过二维离散傅立叶变换反变

换(IDFT)便可得到含水印的图像.其变换公式如下：

$f(k,l)=\frac{1}{n}\underset{\mathrm{im}=0}{\overset{n-1}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{n-1}{\mathrm{\&Sigma;}}}F(i,j)e^{-J2\mathrm{\&pi;}(i\frac{k}{n}*j\frac{l}{n})},$ 0≤k≤M，0≤l＜N

第七步、采用预失真补偿策略，处理含水印的归一化图像以获取含水印图像F′，其能够有效提高数字水印的透明性。具体操作为：

①、计算原始归一化图像I与含水印归一化图像I′间的差值图像D＝I-I′

②、对差值图像D做逆归一化操作，得到逆差值图像D′；

将逆差值图像D′直接叠加于原始载体图像F上，即可得到含水印图像F′；

6.根据权利要求1所述的基于视觉感知特性的数字图像水印方法，其特征在于所述的数字水印的检测过程包括以下步骤：

第一步、矩的图像归一化技术，对待检测图像为F^*进行归一化处理，以得到相应的归一化图像I^*；

第二步、域不变质心理论，从归一化图像I^*中提取出重要区域O^*；

第三步、含水印图像进行二维DFT变换，选取DFT的中频区域，在密钥的控制下在嵌入水印的位置按照下面的公式提取水印信息；

$\left|F^{\&prime;\&Prime;}(u_i,v_i)\right|-\left|F^{\&prime;\&prime;}(-v_i,u_i)\right|\left\{\begin{array}{cc}\&GreaterEqual;0& {\hat{m}}_i=1\\ <0& {\hat{m}}_i=0\end{array}\right.$

这里，F″(u_i，v_i)是水印图像的傅立叶变换系数，

是嵌入在图像中水印信号的估计值；

结合系数相关性，利用自适应调制策略对水印信息进行检测；

第四步、按照水印信息加密原理，选用同样的初值X₁和参数μ生成掩蔽向量MS，并对VM^*进行解密处理，即

$V^{*}=V{M}^{*}\&CirclePlus;\mathrm{MS}$ (

为异或运算)；

第五步、对所提取出的一维二进制序列V^*进行升维处理(按照水印嵌入过程的相反操作)，便可得到二值水印图像W^*＝{w^*(i，j)，1≤i≤P，1≤j≤Q}。

Images