CN102034219A - 一种利用上下文建模和泛化扩展的图像可逆水印方法 - Google Patents

Abstract

本发明公开了一种利用上下文建模和泛化扩展的图像可逆水印方法，属于多媒体信息安全领域，该图像可逆水印方法包含水印嵌入和水印提取以及图像恢复；采用上下文建模获取图像的预测误差，泛化扩展机制完成水印嵌入，从而实现对图像内容的认证和保护。其水印嵌入步骤有：(1)利用上下文建模获取预测误差，并决定泛化扩展的相关参数；(2)利用泛化扩展机制对载体图像进行水印嵌入，并记录恢复辅助信息；(3)利用LSB替换方法来处理恢复辅助信息以便水印提取和图像恢复。其水印提取步骤有：(1)提取泛化扩展的相关参数和恢复辅助信息；(2)利用泛化扩展的相关参数和恢复辅助信息进行泛化扩展逆运算，得到嵌入的水印信息和恢复后图像。

Description

一种利用上下文建模和泛化扩展的图像可逆水印方法

技术领域

本发明涉及一种多媒体信息安全领域，更特别地说，是指一种可逆图像水印的嵌入和提取方法，从而实现对图像内容的认证和保护。

背景技术

随着多媒体与数字化技术的发展，数字图像与数字视频日益成为航空航天领域重要的信息获取途径。在航空航天领域中，这些大量的通过情报收集以及航天探索过程所拍摄的数字图像与视频信息伴随着大量的元数据，例如，图像和视频拍摄的时间、经纬度、海拔高度、照相机/摄像机的角度等重要参数，以及飞行器的速度等重要状态参数。这些元数据对分析所获取的图像和视频信息至关重要，如果这些关键元数据丢失，则与之关联的图像和视频将会失去部分、甚至是全部的使用价值。传统的保持图像、视频与其元数据关联的方法是将元数据保存在一个图像、视频文件的头部或者作为一个独立的文件保存。当查看或处理图像、视频时，头部信息或者单独的文件很容易被去除、改动甚至丢失。此外，即使利用关系数据库系统来维护这种关联性也难以彻底解决元数据的丢失问题。

使用数字水印技术将元数据嵌入到数字图像和视频中是一种十分有效的方法。现有的数字水印研究，大部分文献提出的方法都不具有可逆性，会对原始的宿主数据信息造成永久的改变。这在如航空航天这样的敏感领域中，往往是难以接受的，存在同样情况的领域还有法律、医学、政府机要多媒体信息等。为此，可逆水印技术随之产生。可逆水印技术又称可擦除水印技术，含有水印的载体信息传送给检测方之后，首先提取出水印信息，并在确定了载体信息的完整性和可靠性之后，将按照嵌入水印过程的逆操作，在提取水印的同时，来实现原始载体信息的精准恢复。已有的可逆水印算法基本上包括两种方式，即在空域中嵌入和在频域中嵌入，而在空域中嵌入可逆水印，实现相对简单，嵌入容量较大，从而成为最近研究的热点。

空域中的可逆水印主要可以分为三类：基于数据压缩、基于差值扩展和基于直方图修改。在这几类中，第一类方法具有较高的算法复杂度，且其容量十分有限，而其他两类方法在这两方面都有所改进。

差值扩展(Difference Expansion，DE)是一种整数小波变换，它扩展小波变换的高频部分，并将水印信息嵌入其中，由Tian(参见J.Tian，“Reversible data embedding using a difference expansion，”IEEE Trans.Circuits and System for Video Technology，vol.13，no.8，pp.890-896，2003)提出。在他的算法中，首先按水平或垂直方向将图片分成不交迭的像素对，求出像素对的平均值和差值，然后将差值乘以2加上要嵌入的比特位以形成新的差值。Alattar(参见A.M.Alattar，“Reversible watermark using difference expansion of a generalized integer transform，”IEEE Trans.Image Process，vol.3，no.8，pp.1147-1156，Aug.2004)采用了一种泛化的整数小波变换来进行差值扩展和水印嵌入，这样一来加大了可扩展的差值数，二来减少了Location Map所占的空间。此外，Tsai等人将图像分成四个像素组成的像素块，计算出每个像素块的平均值，然后利用平均值与每个像素的差值来进行扩展以嵌入水印(参见H.M.Tsai et al.“Adaptive Multilayer Reversible Data Hiding using the Mean-to-Pixel Difference Modification，”2007IEEE International Conference on Multimedia and Expo，pp.2102-2105，July 2007)。在Thodi等人的方法中(参见D.M.Thodi et al.“Expansion embedding techniques for reversible watermarking，”IEEETrans.Image Processing，vol.16，no.3，pp.721-730，Mar.2007)，进一步利用了相邻像素的相关性，它们使用像素的预测误差——也就是像素值与其预测值之间的差——来进行扩展。

现有的差值扩展方法主要存在两个方面的不足，一方面是差值的分布不太集中，从而在一定程度上限制了水印的嵌入容量；另一方面用于可逆水印提取的额外开销信息过大，相对减小了方法的嵌入容量。

发明内容

针对上述两方面的不足，本发明利用上下文建模获取预测误差，通过探究图像中的结构冗余信息，使差值分布更加集中；采用泛化扩展来进行水印嵌入，减小了额外开销信息所占的空间，从而有效的提高了水印的嵌入容量。该方法包含水印嵌入和水印提取以及图像恢复。

本发明的一种利用上下文建模和泛化扩展的图像可逆水印方法，包括有水印嵌入步骤和水印提取步骤，而水印提取步骤伴随着图像恢复的过程；

步骤一：在水印嵌入步骤中，对载体图像采用上下文建模获取图像预测误差e；

步骤二：在水印嵌入步骤中，根据步骤一中的图像预测误差e来决定泛化扩展参数P(Tr，Tl，n，c)，其中Tl表示控制水印嵌入容量的左阈值，Tr表示控制水印嵌入容量的右阈值，n表示嵌入水印的基，c表示常数，并利用该扩展参数P对图像预测误差e进行泛化扩展处理得到扩展误差e′；

步骤三：在水印嵌入步骤中，利用步骤二中的扩展误差e′对载体图像进行水印信息W的嵌入，并利用边界图B记录恢复辅助信息F；

步骤四：在水印嵌入步骤中，利用LSB替换处理步骤二中的扩展参数P和步骤三中的边界图B，以便后来的水印提取和图像恢复；

步骤五：在水印提取过程中，利用LSB替换提取扩展参数P和恢复辅助信息F；

步骤六：在水印提取过程中，根据步骤四中的扩展参数P和恢复辅助信息F，进行泛化扩展的逆运算，得到嵌入的水印信息和恢复后图像。

本发明利用上下文建模和泛化扩展的图像可逆水印方法的优点在于：

①在水印嵌入过程中，采用上下文建模探究了图像中的结构冗余信息，如边缘和纹理，使预测误差的分布更加集中，从而有效地提高了嵌入容量。

②在水印嵌入过程中，采用泛化扩展来进行水印嵌入，一方面通过决定泛化扩展的相关参数能有效的调节嵌入容量，另一方面减小了恢复辅助信息大小，相对提高了嵌入容量。

③在水印嵌入过程中，使用边界图来解决扩展中的溢出问题，有效地减少了恢复辅助信息所占的空间，从而相对的提高了嵌入容量。

④在水印提取和图像恢复过程中，采用泛化扩展的逆运算来进行水印提取和图像恢复，有效的避免了反复提取操作，从而有效的提高了方法的时间效率。

附图说明

图1是本发明中边界处理流程图。

图2是本发明中通过LSB替换后的载体图像。

具体实施方式

下面将结合附图对本发明做进一步的详细说明。

本发明提出的图像可逆水印方法主要包括水印嵌入和水印提取两部分。在水印嵌入过程中，首先利用带上下文建模的预测模型计算预测误差和决定泛化扩展的相关参数；然后利用泛化扩展对载体图像进行水印嵌入，并记录相关恢复辅助信息以便后来的水印提取和图像恢复；最后处理恢复辅助信息并进行嵌入；在水印提取过程中，首先提取泛化扩展参数和恢复辅助信息；然后利用获取到的数据和泛化扩展的逆运算，对水印信息进行提取并无损恢复图像。

本发明是一种利用上下文建模和泛化扩展的图像可逆水印方法，包括有水印嵌入步骤和水印提取步骤，而水印提取步骤伴随着图像恢复的过程。

步骤一：在水印嵌入步骤中，对载体图像采用上下文建模获取图像预测误差e；

步骤二：在水印嵌入步骤中，根据步骤一中的图像预测误差e来决定泛化扩展参数P(Tr，Tl，n，c)(其中Tl表示控制水印嵌入容量的左阈值，Tr表示控制水印嵌入容量的右阈值，n表示嵌入水印的基，c表示常数)，并利用该扩展参数P对图像预测误差e进行泛化扩展处理得到扩展后的图像误差e′(简称为扩展误差e′)；

步骤三：在水印嵌入步骤中，利用步骤二中的扩展误差e′对载体图像进行水印信息W的嵌入，并利用边界图B记录恢复辅助信息F；

步骤四：在水印嵌入步骤中，利用LSB(Least Significant Bit，译文为最低有效位)替换处理步骤二中的扩展参数P和步骤三中的边界图B，以便后来的水印提取和图像恢复；

步骤五：在水印提取过程中，利用LSB替换提取扩展参数P和恢复辅助信息F；

步骤六：在水印提取过程中，根据步骤四中的扩展参数P和恢复辅助信息F，进行泛化扩展的逆运算，得到嵌入的水印信息和恢复后图像。

在本发明的步骤一中，上下文建模是指带有错误反馈机制的预测模型，该模型主要包括GAP预测和错误反馈两个部分。GAP预测指的是自适应梯度预测，不同于传统的线性预测器，它根据图像的邻域梯度变化来估计当前像素的预测值，在结构复杂的图像中，该GAP预测相对于线性预测器更具有鲁棒性和准确性。而错误反馈主要通过两参数来实现，能量估计C_v和纹理估计C_t。

对C_v和C_t进行量化，得到复合上下文C(δ，β)，

(0≤δ＜4)且0≤δ＜4；β＝Q(C_t)且0≤β＜2⁸；δ表示能量值，β表示纹理值，Q表示量化函数。上下文建模的错误反馈就是求基于C(δ，β)来计算图像预测误差e的数学期望E(e|C(δ，β))，它近似于样本均值

其步骤有：

步骤1-1：初始化复合上下文中的预测误差总和S(δ，β)＝1及每个复合上下文的出现次数N(δ，β)＝0；

步骤1-2：利用GAP预测得到预测误差，并确定C_v和C_t；

步骤1-3：计算样本均值从而确定反馈后的图像预测误差e；

步骤1-4：同时调整S(δ，β)＝S(δ，β)+e与N(δ，β)＝N(δ，β)+1；当N(δ，β)≥128时，则

且N(δ，β)＝64。

在本发明的步骤二中，泛化扩展是指一种通用泛化的差值扩展算法，通过扩展参数P能有效的调节嵌入容量和处理恢复辅助信息F；

若Tl≤e≤Tr时，水印b嵌入公式为：

e′＝e×n+(b)_n+c                                            (1)

(b)_n表示水印b的n进制。

若Tl≤e≤Tr时，水印b提取和图像恢复公式为：

在本发明中，公式(1)只是扩展了处在[Tl，Tr]的图像预测误差e，为了保证可逆性，其他部分的图像预测误差按照公式(3)对做直方图移动，从而在水印b提取时能有效地区分e′是否进行了扩展。

$e^{\&prime;}=\left\{\begin{array}{c}e+(\mathrm{Tr}+1)\&times;(n-1)+c,e>\mathrm{Tr}\\ e+\mathrm{Tl}\&times;(n-1)+c,e<\mathrm{Tl}\end{array}\right.---\left(3\right)$

在水印b提取过程中，所述其他部分的图像预测误差对应的恢复操作为：

$e=\left\{\begin{array}{c}{e}^{\&prime;}-(\mathrm{Tr}+1)\&times;(n-1)-c\\ e^{\&prime;}-\mathrm{Tl}\&times;(n-1)-c\end{array}\right.---\left(4\right)$

另外，在扩展过程中，如公式(1)和公式(3)分别对预测误差e进行了处理，必须满足公式(5)来防止图像像素值溢出；

$\left\{\begin{array}{c}x+(\mathrm{Tr}+1)\&times;(n-1)+c\&le;255\\ x+\mathrm{Tl}\&times;(n-1)+c\&GreaterEqual;0\end{array}\right.---\left(5\right)$

其中x为载体图像中的原始像素值。

在本发明的步骤三中，利用边界图B来解决图像像素值溢出问题。定义与公式(5)相冲突的像素为边界像素，在水印b嵌入过程中，对边界像素不做处理；但一些其他像素在泛化扩展时可能变为边界像素，导致在水印b提取时出现歧义，由此针对这些像素给出另一定义：伪边界像素：

255-2(Tr+1)×(n-1)-2c＜x≤255-(Tr+1)×(n-1)-c

或者-Tr×(n-1)-c≤x＜-2Tl×(n-1)-2c                            (6)

在本发明中，边界图就是用来记录边界像素和伪边界像素，也就是步骤三中的恢复辅助信息F，从而消除水印提取时的歧义性，具体实现是：在嵌入过程中，遇到边界像素时则在边界图中记录为“0”，遇到伪边界像素时则在边界图中记录为“1”；其详细步骤为(如图1所示)：

步骤3-1：扫描原始图像，判断当前像素是否为边界像素，是则往边界图放入“0”，并跳到步骤4继续执行；

步骤3-2：检查对应的预测误差e是否位于[Tl，Tr]，若是更新其嵌入容量。然后看当前像素是否为伪边界像素，是则执行步骤3，否则跳到步骤4继续执行；

步骤3-3：对当前像素应用泛化扩展进行水印嵌入，若嵌入之后像素变为边界像素，则往边界图中放入“1”；

步骤3-4：判断是否满足预设的嵌入容量，若是，过程结束并记录嵌入的结束位置，否则返回步骤1继续执行。

在本发明的步骤四中，通过LSB替换将扩展参数P和边界图B嵌入到载体图像的边缘位置(灰色表示)，而替换出来的信息则作为水印数据嵌入到载体图像非边缘位置中，如图2所示。

本发明属于多媒体信息安全领域，是一种利用上下文建模和泛化扩展的图像可逆水印方法，包含水印嵌入和水印提取以及图像恢复；采用上下文建模获取图像的预测误差，泛化扩展机制完成水印嵌入，从而实现对图像内容的认证和保护。其中在嵌入过程中，使用边界图来处理像素溢出问题。另外，可通过泛化扩展逆运算来完成水印的提取和图像恢复。

Claims (5)

1.一种利用上下文建模和泛化扩展的图像可逆水印方法，其特征在于：包括有水印嵌入步骤和水印提取步骤，而水印提取步骤伴随着图像恢复的过程；

步骤一：在水印嵌入步骤中，对载体图像采用上下文建模获取图像预测误差e；

步骤二：在水印嵌入步骤中，根据步骤一中的图像预测误差e来决定泛化扩展参数P(Tr，Tl，n，c)，其中Tl表示控制水印嵌入容量的左阈值，Tr表示控制水印嵌入容量的右阈值，n表示嵌入水印的基，c表示常数，并利用该扩展参数P对图像预测误差e进行泛化扩展处理得到扩展误差e′；

步骤三：在水印嵌入步骤中，利用步骤二中的扩展误差e′对载体图像进行水印信息W的嵌入，并利用边界图B记录恢复辅助信息F；

步骤四：在水印嵌入步骤中，利用LSB替换处理步骤二中的扩展参数P和步骤三中的边界图B，以便后来的水印提取和图像恢复；

步骤五：在水印提取过程中，利用LSB替换提取扩展参数P和恢复辅助信息F；

步骤六：在水印提取过程中，根据步骤四中的扩展参数P和恢复辅助信息F，进行泛化扩展的逆运算，得到嵌入的水印信息和恢复后图像。

2.根据权利要求1所述的利用上下文建模和泛化扩展的图像可逆水印方法，其特征在于：在步骤一中，上下文建模是指带有错误反馈机制的预测模型，该模型主要包括GAP预测和错误反馈两个部分；GAP预测指的是自适应梯度预测，不同于传统的线性预测器，它根据图像的邻域梯度变化来估计当前像素的预测值，在结构复杂的图像中，该GAP预测相对于线性预测器更具有鲁棒性和准确性；而错误反馈主要通过两参数来实现，能量估计C_v和纹理估计C_t；

对C_v和C_t进行量化，得到复合上下文C(δ，β)，

(0≤δ＜4)且0≤δ＜4；β＝Q(C_t)且0≤β＜2⁸；δ表示能量值，β表示纹理值，Q表示量化函数。上下文建模的错误反馈就是求基于C(δ，β)来计算图像预测误差e的数学期望E(e|C(δ，β))，它近似于样本均值

其步骤有：

步骤1-1：初始化复合上下文中的预测误差总和S(δ，β)＝1及每个复合上下文的出现次数N(δ，β)＝0；

步骤1-2：利用GAP预测得到预测误差，并确定C_v和C_t；

步骤1-3：计算样本均值

从而确定反馈后的图像预测误差e；

步骤1-4：同时调整S(δ，β)＝S(δ，β)+e与N(δ，β)＝N(δ，β)+1；当N(δ，β)≥128时，则

且N(δ，β)＝64。

3.根据权利要求1所述的利用上下文建模和泛化扩展的图像可逆水印方法，其特征在于：在步骤二中，泛化扩展是指一种通用泛化的差值扩展算法，通过扩展参数P能有效的调节嵌入容量和处理恢复辅助信息F；

若Tl≤e≤Tr时，水印b嵌入公式为：

e′＝e×n+(b)_n+c                                        (1)

(b)_n表示水印b的n进制。

若Tl≤e≤Tr时，水印b提取和图像恢复公式为：

公式(1)只是扩展了处在[Tl，Tr]的图像预测误差e，为了保证可逆性，其他部分的图像预测误差按照公式(3)对做直方图移动，从而在水印b提取时能有效地区分e′是否进行了扩展。

$e^{\&prime;}=\left\{\begin{array}{c}e+(\mathrm{Tr}+1)\&times;(n-1)+c,e>\mathrm{Tr}\\ e+\mathrm{Tl}\&times;(n-1)+c,e<\mathrm{Tl}\end{array}\right.---\left(3\right)$

在水印b提取过程中，所述其他部分的图像预测误差对应的恢复操作为：

$e=\left\{\begin{array}{c}{e}^{\&prime;}-(\mathrm{Tr}+1)\&times;(n-1)-c\\ e^{\&prime;}-\mathrm{Tl}\&times;(n-1)-c\end{array}\right.---\left(4\right)$

另外，在扩展过程中，如公式(1)和公式(3)分别对预测误差e进行了处理，必须满足公式(5)来防止图像像素值溢出；

$\left\{\begin{array}{c}x+(\mathrm{Tr}+1)\&times;(n-1)+c\&le;255\\ x+\mathrm{Tl}\&times;(n-1)+c\&GreaterEqual;0\end{array}\right.---\left(5\right)$

其中x为载体图像中的原始像素值。

4.根据权利要求1所述的利用上下文建模和泛化扩展的图像可逆水印方法，其特征在于：在本发明的步骤三中，利用边界图B来解决图像像素值溢出问题。定义与公式(5)相冲突的像素为边界像素，在水印b嵌入过程中，对边界像素不做处理；但一些其他像素在泛化扩展时可能变为边界像素，导致在水印b提取时出现歧义，由此针对这些像素给出另一定义：伪边界像素：

255-2(Tr+1)×(n-1)-2c＜x≤255-(Tr+1)×(n-1)-c

或者-Tr×(n-1)-c≤x＜-2Tl×(n-1)-2c

5.根据权利要求1所述的利用上下文建模和泛化扩展的图像可逆水印方法，其特征在于：步骤三中的恢复辅助信息F是在嵌入过程中，遇到边界像素时则在边界图中记录为“0”，遇到伪边界像素时则在边界图中记录为“1”；其详细步骤为：

步骤3-1：扫描原始图像，判断当前像素是否为边界像素，是则往边界图放入“0”，并跳到步骤4继续执行；

步骤3-2：检查对应的预测误差e是否位于[Tl，Tr]，若是更新其嵌入容量。然后看当前像素是否为伪边界像素，是则执行步骤3，否则跳到步骤4继续执行；

步骤3-3：对当前像素应用泛化扩展进行水印嵌入，若嵌入之后像素变为边界像素，则往边界图中放入“1”；

步骤3-4：判断是否满足预设的嵌入容量，若是，过程结束并记录嵌入的结束位置，否则返回步骤1继续执行。

Images