CN102184520A - 一种完全盲检测鲁棒量化水印方法 - Google Patents

Abstract

现有鲁棒量化水印方法无法实现完全盲检测。为解决这一问题，引入自嵌入思想提出一种完全盲检测鲁棒量化水印方法。在嵌入端，对原始图像进行离散小波变换，将小波低频子带划分为互不重叠的子块，对每个子块进行离散余弦变换，通过判断每个子块直流系数的最高位数字奇偶性产生特征水印，然后将特征水印利用量化规则自嵌入小波细节子带的每个子块，最后进行逆离散小波变换得到含水印图像。在检测端，特征水印提取与嵌入端特征水印产生类似，认证水印实现盲提取。本发明通过结合自嵌入特征水印和盲提取认证水印达到完全盲检测。本发明在抵抗添加噪声、剪切、重采样、平滑和几何攻击如随机删除列、随机删除行、向右偏移列上表现出很强的鲁棒性。

Description

一种完全盲检测鲁棒量化水印方法

技术领域

本发明涉及图像处理和信息安全领域。本发明设计一种完全盲检测鲁棒量化水印方法，改善现有鲁棒量化水印方法的实用性，更有效地对数字图像进行版权保护。

背景技术

根据检测端是否需借助原始载体，数字水印技术分为盲水印技术和非盲水印技术。非盲水印技术往往需借助原始载体的相关信息进行水印检测；盲水印技术则不需借助原始载体的任何信息，所以更具实用性。

鲁棒数字水印技术在检测端往往通过计算原始水印与提取的水印之间的相关度认证版权。在检测端，零水印技术^[1]需把嵌入端存储在第三方公证中心的原始零水印取出来计算与提取的零水印之间的相关度以认证版权；盲无意义鲁棒水印技术^[2]从攻击载体提取水印时不需借助原始载体的任何信息，但要借助密钥产生原始伪随机水印序列以计算与提取的水印之间的相关度来认证版权；盲有意义鲁棒水印技术^[3-10]从攻击载体提取水印时不需借助原始载体的任何信息，但需要将原始水印从嵌入端传输过来以计算与提取的水印之间的相关度来认证版权。

以上三种技术检测水印时虽然都无需借助原始载体的任何信息，但还需借助原始水印或其相关信息。那么，这样会带来两个问题：(1)嵌入端传输原始水印或其相关信息到检测端(或第三方公证中心)进行存储需要一定的传输 和存储成本。如果水印数据是海量的，那么检测实时性也会是很大的问题。(2)传输过程很难完全防止互联网上的被动攻击。例如，攻击者如果“偷听”成功所传递的原始水印或其相关信息，可进一步伪造水印并最终传递给检测端，使检测端把伪造水印当成真实原始水印，从而破坏版权认证，此时无法抵抗解释攻击^[11]。本发明认为一个实用的鲁棒水印技术应该在检测水印时不需要借助原始载体和原始水印的任何信息，也就是可以实现完全盲检测，从而避免出现上述问题。然而，目前的盲鲁棒水印技术仍无法实现完全盲检测。

自嵌入脆弱水印技术^[12-14]的特点是脆弱水印由嵌入端通过提取原始载体的特征产生并被自嵌入原始载体以实现内容完整性认证。目前，“自嵌入”思想仅仅被应用到脆弱水印技术领域。量化方法是一种有效的鲁棒水印嵌入方法，可以实现盲检测^[6-10]。然而，由于检测端往往需要计算原始水印和提取的水印之间的相关度，目前的鲁棒量化水印方法无法实现完全盲检测。本发明试图将“自嵌入”思想引入到鲁棒量化水印方法，设计出检测端无需借助原始载体和原始水印任何信息的完全盲检测鲁棒量化水印方法，以改善现有鲁棒量化水印方法的实用性。

参考文献

[1]温泉，孙锬锋，王树勋.零水印的概念与应用[J].电子学报，2003，31(2)：214-216.

[2]Wang Xiang-yang，Hou Li-min，and Wu Jun.A feature-based robust digital image watermarking against geometric attacks[J].Image and Vision Computing，2008，26：980-989.

[3]许文丽，李磊，王育民.抗噪声、几何失真和JPEG压缩攻击的鲁棒数字水印方案[J].电子与信息学报，2008，30(4)：933-936.

[4]Wang Xiang-yang and Cui Chang-ying.A novel image watermarking scheme against desynchronization attacks by SVR revision[J].Journal of Visual Communication and Image Representation，2008，19(5)：334-342.

[5]Leida Li，Jiansheng Qian，Jeng-Shyang Pan.Characteristic region based watermark embedding with RST invariance and high capacity.International Journal of Electronics and communications，2011，65：435-442.

[6]李旭东.基于奇异值分解的灰度级数字水印算法[J].武汉大学学报(信息科学版)，2010，35(11)：1305-1308，1359.

[7]李旭东，张振跃.图像双层划分和奇异值分解的数字水印算法[J].浙江大学学报(工学版)，2006，40(12)：2088-2092.

[8]李旭东.基于小波变换和相对量化的图像数字水印算法[J].光电子.激光，2010，21(9)：1378-1382.

[9]李旭东.抗几何攻击的空间域图像数字水印算法[J].自动化学报，2008，34(7)：832-837.

[10]李雷达，郭宝龙，表金峰.基于奇偶量化的空域抗几何攻击图像水印算法[J].电子与信息学报，2009，31(1)：134-138.

[11]李庆诚，窦毅.数字水印的解释攻击与关联性特征[J].计算机应用，2005(5)：115-117.

[12]张宪海，杨永田.基于脆弱水印的图像认证算法研究[J].电子学报，2007，35(1)：34-39.

[13]王国栋，刘粉林，刘媛，姚刚.一种能区分水印或内容篡改的脆弱水印算法[J].电子学报，2008，36(7)：1349-1354.

[14]和红杰，张家树.对水印信息篡改鲁棒的自嵌入水印算法[J].软件学报，2009，20(2)：437-450.

发明内容

本发明的目的是设计一种完全盲检测鲁棒量化水印方法，改善现有鲁棒量化水印方法的实用性，更有效地对数字图像进行版权保护。

一种完全盲检测鲁棒量化水印方法，包括以下四个过程：

A、特征水印产生。

B、特征水印自嵌入。

C、特征水印提取。

D、认证水印盲提取。

步骤A进一步包括以下内容：

A1：将大小为N×N的原始图像OI进行n级离散小波变换(Discrete wavelet transformation，DWT)，将产生的第n级小波低频子带记为LL^OI。

A2：将LL^OI划分为不重叠的m×m子块。

A3：对每个子块进行离散余弦变换(Discrete Cosine transformation，DCT)，第i个子块的直流(Direct Current，DC)系数记为 

A4：判断 

的最高位数字奇偶性产生特征水印W。如果 

的最高位数字为奇数，则W_i＝1；否则，W_i＝0，W_i为W的第i bit。

步骤B进一步包括以下内容：

B1：将原始图像OI进行n级DWT，将产生的第n级三个细节子带分别记为LH^OI、HL^OI和HH^OI。

B2：将其中一个细节子带划分为不重叠的m×m子块。为方便下文说明，将LH^OI划分为不重叠的子块。

B3：使用下述方法将W自适应量化自嵌入LH^OI的各个子块：

$\left\{\begin{array}{cc}{\mathrm{LH}}_i^{\′\mathrm{OI}}(r,t)=({\mathrm{\λ}}_i-1/2)\×\mathrm{\δ},& \mathrm{mod}(W_i+{\mathrm{\λ}}_i,2)=1\\ {\mathrm{LH}}_i^{\′\mathrm{OI}}(r,t)=({\mathrm{\λ}}_i+1/2)\×\mathrm{\δ},& \mathrm{mod}(W_i+{\mathrm{\λ}}_i,2)=0\end{array}\right.,$

其中， round(·)为舍入取整运算；mod(·)为求模运算； 

为LH^OI的第i个子块位于(r，t)的系数， 

为修改后的 

1≤r≤m和1≤t≤m；δ为量化步长，根据实际应用对鲁棒性和 不可见性的要求折中选取。

B4：各子块重组并进行n级逆离散小波变换(Inverse Discrete wavelet transformation，IDWT)得到含水印图像。

步骤C进一步包括以下内容：

C1：将大小为N×N的攻击图像AI进行n级DWT，将产生的第n级小波低频子带记为LL^AI。

C2：将LL^AI划分为不重叠的m×m子块。

C3：对每个子块进行DCT，第i个子块的DC系数记为 

$i=\mathrm{1,2},...,{\left(\frac{N}{2^n\×m}\right)}^2.$

C4：判断 

的最高位数字奇偶性提取特征水印W′。如果 

的最高位数字为奇数，则W′_i＝1；否则，W′_i＝0，W′_i为W′的第i bit。

步骤D进一步包括以下内容：

D1：将大小为N×N的攻击图像AI进行n级DWT，将产生的第n级三个细节子带分别记为LH^AI、HL^AI和HH^AI。

D2：将LH^AI划分为不重叠的m×m子块。

D3：使用下述方法从每个子块提取认证水印W″：

$W_i^{\′\′}=\left\{\begin{array}{cc}1,& \mathrm{mod}({\mathrm{\λ}}_i^{\′},2)=1\\ 0,& \mathrm{mod}({\mathrm{\λ}}_i^{\′},2)=0\end{array}\right.,$

其中，W″_i是W″的第i bit； floor(·)为向下取整运算； 

为LH^AI的第i个子块位于(r，t)的系数。

D4：计算W′和W″之间的归一化相关度(Normalized Correlation，NC)以认证版权。NC定义为：

$\mathrm{NC}=\left(\underset{i=1}{\overset{{\left(\frac{N}{2^n\×m}\right)}^2}{\mathrm{\Σ}}}(W_i^{\′}\×W_i^{\′\′})\right)/(\sqrt{\underset{i=1}{\overset{{\left(\frac{N}{2^n\×m}\right)}^2}{\mathrm{\Σ}}}{\left(W_i^{\′}\right)}^2}\×\sqrt{\underset{i=1}{\overset{{\left(\frac{N}{2^n\×m}\right)}^2}{\mathrm{\Σ}}}{\left(W_i^{\′\′}\right)}^2}).$

本发明引入自嵌入思想提出一种完全盲检测鲁棒量化水印方法。在嵌入端，对原始图像进行DWT，将小波低频子带划分为互不重叠的子块，对每个子块进行DCT，通过判断每个子块DC系数的最高位数字奇偶性产生特征水印，然后将特征水印利用量化规则自嵌入小波细节子带的每个子块，最后进行IDWT得到含水印图像。在检测端，特征水印提取与嵌入端特征水印产生类似，认证水印实现盲提取。本发明具有很好的不可见性，而且通过结合自嵌入特征水印和盲提取认证水印达到完全盲检测。本发明提出的完全盲检测鲁棒量化方法在抵抗添加噪声、剪切、重采样、平滑和几何攻击如随机删除列、随机删除行、向右偏移列上表现出比较强的鲁棒性。

附图说明

图1是特征水印产生的流程图，图2是特征水印自嵌入的流程图，图3是特征水印提取的流程图，图4是认证水印盲提取的流程图。

图5是原始Lena图像，图6是原始Elain图像，图7是原始Zelda图像，图8是含水印Lena图像，图9是含水印Elain图像，图10是含水印Zelda图像。

具体实施方式

下面结合附图和实施例对本发明的技术方案做进一步描述。

1特征水印产生

DWT具有“能量集中”特性，经过DWT后，图像的主要能量集中在小波低频子带。DCT也具有“能量集中”特性，经过DCT后，图像的绝大部分能量集中在DC系数。本发明利用这些性质从原始图像的小波低频子带DC系数产生特征水印，有利于保证特征水印具有良好的抗攻击鲁棒性。

图1是特征水印产生的流程图，包括以下几个过程：

A1：将大小为N×N的原始图像OI进行n级DWT，将产生的第n级小波低频子带记为LL^OI。

A2：将LL ^OI划分为不重叠的m×m子块。

A3：对每个子块进行DCT，第i个子块的DC系数记为 

$i=\mathrm{1,2},...,{\left(\frac{N}{2^n\×m}\right)}^2.$

A4：判断 

的最高位数字奇偶性产生特征水印W。如果 

的最高位数字为奇数，则W_i＝1；否则，W_i＝0，W_i为W的第ibit。例如，如果 

由于其最高位是8，为偶数，所以W_i＝0。

由以上过程可知，W的长度为 

由于W不是外在的水印，而是由原始图像本身的特征产生，本发明把W称为特征水印。

2特征水印自嵌入

图2是特征水印自嵌入的流程图，包括以下几个过程：

B1：将原始图像OI进行n级DWT，将产生的第n级三个细节子带分别记为LH^OI、HL^OI和HH^OI。

B2：将其中一个细节子带划分为不重叠的m×m子块。为方便下文说明，将LH^OI划分为不重叠的子块。

B3：使用下述方法将W自适应量化自嵌入LH^OI的各个子块：

$\left\{\begin{array}{cc}{\mathrm{LH}}_i^{\′\mathrm{OI}}(r,t)=({\mathrm{\λ}}_i-1/2)\×\mathrm{\δ},& \mathrm{mod}(W_i+{\mathrm{\λ}}_i,2)=1\\ {\mathrm{LH}}_i^{\′\mathrm{OI}}(r,t)=({\mathrm{\λ}}_i+1/2)\×\mathrm{\δ},& \mathrm{mod}(W_i+{\mathrm{\λ}}_i,2)=0\end{array}\right.,---\left(1\right)$

其中， 

round(·)为舍入取整运算；mod(·)为求模运算； 

为LH^OI的第i个子块位于(r，t)的系数， 

为修改后的 

1≤r≤m和1≤t≤m；δ为量化步长，根据实际应用对鲁棒性和不可见性的要求折中选取。

B4：各子块重组并进行n级IDWT得到含水印图像。

上述过程选择细节子带量化自嵌入特征水印的原因是小波低频子带聚集了原始图像的绝大部分能量，对其进行量化自嵌入特征水印容易使得含水印图像产生小方块，从而影响不可见性。

3特征水印提取

图3是特征水印提取的流程图，包括以下几个过程：

C1：将大小为N×N的攻击图像AI进行n级DWT，将产生的第n级小波低频子带记为LL^AI。

C2：将LL^AI划分为不重叠的m×m子块。

C3：对每个子块进行DCT，第i个子块的DC系数记为 

$i=\mathrm{1,2},...,{\left(\frac{N}{2^n\×m}\right)}^2.$

C4：判断 

的最高位数字奇偶性提取特征水印W′。如果 

的最高位数字为奇数，则W′_i＝1；否则，W′_i＝0，W′_i为W′的第ibit。

根据以上过程，检测端从攻击图像提取特征水印与嵌入端从原始图像产生特征水印的过程类似。

4认证水印盲提取

图4是认证水印盲提取的流程图，包括以下几个过程：

D1：将大小为N×N的攻击图像AI进行n级DWT，将产生的第n级三个细节子带分别记为LH^AI、HL^AI和HH^AI。

D2：将LH^AI划分为不重叠的m×m子块。

D3：使用下述方法从每个子块提取认证水印W″：

$W_i^{\′\′}=\left\{\begin{array}{cc}1,& \mathrm{mod}({\mathrm{\λ}}_i^{\′},2)=1\\ 0,& \mathrm{mod}({\mathrm{\λ}}_i^{\′},2)=0\end{array}\right.,---\left(2\right)$

其中，W″_i是W″的第ibit； 

floor(·)为向下取整运算； 

为LH^AI的第i个子块位于(r，t)的系数。

D4：计算W′和W″之间的NC以认证版权。NC定义为：

$\mathrm{NC}=\left(\underset{i=1}{\overset{{\left(\frac{N}{2^n\×m}\right)}^2}{\mathrm{\Σ}}}(W_i^{\′}\×W_i^{\′\′})\right)/(\sqrt{\underset{i=1}{\overset{{\left(\frac{N}{2^n\×m}\right)}^2}{\mathrm{\Σ}}}{\left(W_i^{\′}\right)}^2}\×\sqrt{\underset{i=1}{\overset{{\left(\frac{N}{2^n\×m}\right)}^2}{\mathrm{\Σ}}}{\left(W_i^{\′\′}\right)}^2}).---\left(3\right)$

根据上述过程，认证水印提取时无需借助原始图像，实现了盲提取。由于W″将用于认证版权，本发明将它称为认证水印。

根据第3和4部分，检测端只利用攻击图像就可分别提取特征水印和认证水印计算NC值来认证版权，整个过程没有借助原始图像和原始水印的任何信息。因此，本发明达到完全盲检测。

实施例：

以512×512的256灰度级bmp图像Lena、Elain和Zelda为测试图像，分别如图5、6和7所示。图像进行3级DWT，第3级小波低频子带和细节子带的分块大小都为8×8，所以特征水印W为64bit。W被量化自嵌入在第3级小波细节子带LH^OI每个子块处于(7，7)的系数，量化步长δ为45。含水印Lena、Elain和Zelda bmp图像分别如图8、9和10所示，与相应原始图像之间的PSNR分别为47.1095、46.9069和44.6541，所以此时本发明提出的完全盲检测鲁棒量化水印方法具有很好的不可见性。

1抗攻击鲁棒性实验

随机删除列指从被删除列的右边第一列开始逐列向左移动，空余列补全黑。随机删除行指从被删除行的下边第一行开始逐行向上移动，空余行补全黑。 向右偏移列指整个图像右移，前几列补全黑，后几列舍弃。重采样都采用nearest插值法。各表中“/”下方为攻击含水印图像与原始图像之间的PSNR，“/”上方为两个水印序列之间的NC值。

(1)W′和W″之间的NC值

无攻击时，从图8、9和10提取的特征水印W′和认证水印W″之间的NC值分别为0.9868、0.9785和0.9868。表1、2和3的“W′和W″”栏分别列出三幅攻击含水印图像提取的W′和W″之间的NC值。在这些攻击中，三幅图像W′和W″之间的NC值比较高，所以本发明提出的完全盲检测鲁棒量化水印方法在这些攻击都表现出比较强的鲁棒性。

(2)W和W′之间的NC值

无攻击时，从图8、9和10提取的特征水印W′和原始特征水印W之间的NC值分别为0.9868、0.9785和0.9868。表1、2和3的“W和W′”栏分别列出三幅攻击含水印图像提取的W′和W之间的NC值。由表中相应数据可知，特征水印产生算法在这些攻击中表现出很强的鲁棒性。比较表1、2和3的“W′和W″”栏与“W和W′”栏，特征水印产生算法在这些攻击中表现出的鲁棒性总体上稍好于本发明提出的完全盲检测鲁棒量化水印方法。

(3)W和W″之间的NC值

无攻击时，从图8、9和10提取的认证水印W″和原始特征水印W之间的NC值都为1.0000。表1、2和3的“W和W″”栏列出三幅攻击含水印图像提取的W″和W之间的NC值。由表中相应数据可知，特征水印自嵌入算法在这些攻击中表现出很强的鲁棒性。比较表1、2和3的“W′和W″”栏与“W和W″”栏，特征水印自嵌入算法在这些攻击中表现出的鲁棒性总体上稍好于本发明提出的完全盲检测鲁棒量化水印方法。

2实验结果分析

无攻击时，三幅图像的W′和W″、W和W′之间的NC值都没有达到1.0000。这是因为：(1)特征水印自嵌入会对产生特征水印的DC系数最高位有一定的影响，从而使W′无法与W″和W完全一致；(2)特征水印自嵌入原始图像并进行IDWT后的数据类型为Double类型，转化成bmp格式的含水印图像后的数据类型为unit8类型，这个转化过程存在舍入误差。

表1Lena抗攻击实验

存在上述攻击时，本发明提出的完全盲检测鲁棒量化水印方法表现出较强的鲁棒性。这是因为特征水印产生和自嵌入算法在上述攻击本身就具有很强的鲁棒性。本发明提出的完全盲检测鲁棒量化水印方法在上述攻击具有的鲁棒性稍差于特征水印产生和自嵌入算法的原因也在于特征水印自嵌入会对产生特征水印的DC系数最高位有一定的影响。

本发明实现完全盲检测的原因在于：(1)不是将外在水印嵌入到原始图像，而是提取原始图像特征产生特征水印自嵌入原始图像；(2)由于采用量 化规则，特征水印自嵌入算法在检测端本身就能实现盲提取认证水印。

表2Elain抗攻击实验

3总结

现有鲁棒量化水印方法无法实现完全盲检测。为解决这一问题，本发明引入自嵌入思想提出一种完全盲检测鲁棒量化水印方法。在嵌入端，对原始图像进行DWT，将小波低频子带划分为互不重叠的子块，对每个子块进行DCT，通过判断每个子块DC系数的最高位数字奇偶性产生特征水印，然后将特征水印利用量化规则自嵌入小波细节子带的每个子块，最后进行IDWT得到含水印图像。在检测端，特征水印提取与嵌入端特征水印产生类似，认证水印实现盲提取。本发明通过结合自嵌入特征水印和盲提取认证水印达到完全盲检测。本发明提出的完全盲检测鲁棒量化水印方法在抵抗添加噪声、剪切、重采样、平滑和几何攻击如随机删除列、随机删除行、向右偏移列上表现出很强的鲁棒性。

表3Zelda抗攻击实验

Claims (5)

1.一种完全盲检测鲁棒量化水印方法，改善现有鲁棒量化水印方法的实用性，更有效地对数字图像进行版权保护，包括以下四个过程：

A、特征水印产生。

B、特征水印自嵌入。

C、特征水印提取。

D、认证水印盲提取。

2.根据权利要求1所述的一种完全盲检测鲁棒量化水印方法，步骤A进一步包括以下内容：

A1：将大小为N×N的原始图像OI进行n级离散小波变换，将产生的第n级小波低频子带记为LL^OI。

A2：将LL^OI划分为不重叠的m×m子块。

A3：对每个子块进行离散余弦变换，第i个子块的直流系数记为

$i=\mathrm{1,2},...,{\left(\frac{N}{2^n\×m}\right)}^2.$

A4：判断

的最高位数字奇偶性产生特征水印W。如果

的最高位数字为奇数，则W_i＝1；否则，W_i＝0，W_i为W的第ibit。

3.根据权利要求1所述的一种完全盲检测鲁棒量化水印方法，步骤B进一步包括以下内容：

B1：将原始图像OI进行n级离散小波变换，将产生的第n级三个细节子带分别记为LH^OI、HL^OI和HH^OI。

B2：将其中一个细节子带划分为不重叠的m×m子块。为方便下文说明，将LH^OI划分为不重叠的子块。

B3：使用下述方法将W自适应量化自嵌入LH^OI的各个子块：

$\left\{\begin{array}{cc}{\mathrm{LH}}_i^{\′\mathrm{OI}}(r,t)=({\mathrm{\λ}}_i-1/2)\×\mathrm{\δ},& \mathrm{mod}(W_i+{\mathrm{\λ}}_i,2)=1\\ {\mathrm{LH}}_i^{\′\mathrm{OI}}(r,t)=({\mathrm{\λ}}_i+1/2)\×\mathrm{\δ},& \mathrm{mod}(W_i+{\mathrm{\λ}}_i,2)=0\end{array}\right.,$

其中，

round(·)为舍入取整运算；mod(·)为求模运算；为LH^OI的第i个子块位于(r，t)的系数，为修改后的

1≤r≤m和1≤t≤m；δ为量化步长，根据实际应用对鲁棒性和不可见性的要求折中选取。

B4：各子块重组并进行n级逆离散小波变换得到含水印图像。

4.根据权利要求1所述的一种完全盲检测鲁棒量化水印方法，步骤C进一步包括以下内容：

C1：将大小为N×N的攻击图像AI进行n级离散小波变换，将产生的第n级小波低频子带记为LL^AI。

C2：将LL^AI划分为不重叠的m×m子块。

C3：对每个子块进行离散余弦变换，第i个子块的直流系数记为

$i=\mathrm{1,2},...,{\left(\frac{N}{2^n\×m}\right)}^2.$

C4：判断

的最高位数字奇偶性提取特征水印W′。如果

的最高位数字为奇数，则W′_i＝1；否则，W′_i＝0，W′_i为W′的第ibit。

5.根据权利要求1所述的一种完全盲检测鲁棒量化水印方法，步骤D进一步包括以下内容：

D1：将大小为N×N的攻击图像AI进行n级离散小波变换，将产生的第n级三个细节子带分别记为LH^AI、HL^AI和HH^AI。

D2：将LH^AI划分为不重叠的m×m子块。

D3：使用下述方法从每个子块提取认证水印W″：

$W_i^{\′\′}=\left\{\begin{array}{cc}1,& \mathrm{mod}({\mathrm{\λ}}_i^{\′},2)=1\\ 0,& \mathrm{mod}({\mathrm{\λ}}_i^{\′},2)=0\end{array}\right.,$

其中，W″_i是W″的第ibit；floor(·)为向下取整运算；

为LH^AI的第i个子块位于(r，t)的系数。

D4：计算W′和W″之间的归一化相关度以认证版权。归一化相关度定义为：

$\mathrm{NC}=\left(\underset{i=1}{\overset{{\left(\frac{N}{2^n\×m}\right)}^2}{\mathrm{\Σ}}}(W_i^{\′}\×W_i^{\′\′})\right)/(\sqrt{\underset{i=1}{\overset{{\left(\frac{N}{2^n\×m}\right)}^2}{\mathrm{\Σ}}}{\left(W_i^{\′}\right)}^2}\×\sqrt{\underset{i=1}{\overset{{\left(\frac{N}{2^n\×m}\right)}^2}{\mathrm{\Σ}}}{\left(W_i^{\′\′}\right)}^2}).$

Images