CN102646259A - 一种抗攻击的鲁棒多倍零水印方法 - Google Patents

Abstract

一种抗攻击的鲁棒多倍零水印版权认证方案，采用Harris角点检测去提取载体图像的特征点，然后将这些特征点扩展成半径为R的特征域。特征域的Zernike矩不变量被用来构造特征向量，并且将这些特征向量二值化以形成多倍零水印。在水印检测阶段，通过正确检测出的水印数量与阀值的比较来证明检测图像的版权属性。该发明能拒绝各种攻击，包括模糊、噪声、中值滤波、JPEG压缩、旋转、缩放、剪切及StirmarkRBA攻击。与同类方案相比，本发明所提方法具有更好的性能。

Description

一种抗攻击的鲁棒多倍零水印方法

技术领域

本发明设计一种抗攻击的鲁棒多倍零水印方案，用于解决图像的版权认证，特别是用来验证不允许有半点修改的一类图像(遥感图像和医疗图像)的版权归属问题，该技术属于信息安全领域。 

背景技术

目前，为了避免盗版行为，数字水印技术被广泛地应用在数字图像的版权认证。现有的大多数水印方案会在空域或频域修改图像内容，这些方法不能被直接应用来保护遥感图像和医疗图像的版权，因为这类图像的内容不允许有半点修改。近来，一种被称为零水印的无损水印技术被提出，这种零水印不会修改被保护图像的内容，因而非常适合用作对遥感图像和医疗图像版权的认证。 

零水印的概念最早由吉林大学温泉博士在全国第三届信息隐藏学术研讨会上发表的论文中提出，他把零水印定义为水印信息由图像的重要特征来构造，而不是修改图像的这些特征。并在文中提出了一种在DCT域中构造零水印的方法。温泉利用三阶及三阶以上高阶累积量进行零水印的构造，并将高阶累积量和DCT方法进行了比较，结果表明基于高阶累积量的零水印算法弥补了DCT域零水印算法的不足。基于高阶累积量的零水印不仅可以抵抗图像的噪声、直方图均衡等常规信号处理，而且能抵抗小角度旋转及压缩攻击，而DCT域零水印算法不具备抵抗旋转及压缩攻击的能力。但基于高阶累积量的零水印算法非常复杂，计算量过大，因此不宜推广到实用。 

2007年，法国国立信息与自动化研究院的TEMICS项目着重研究了零水印构造的统一框架问题。他们把零水印看作是嵌入进载体图像内容的没有携带任何隐藏信息的水印，在检测端，检测器对收到的图像内容进行特殊的弱信号识别，以发现零水印的存在，并认为水印信号对应于载体图像内容的某个函数。在此基础上，他们提出了一个基本的偏微分方程去表示最佳水印嵌入和提取函数，进而引出零水印构造统一框架。但遗憾的是该框架只给出了模型，并未实现具体的算法。 

混沌系统由于具有随机性、规律性和初值极端敏感性的特点，近年得到了广泛的应用。高山青等提出了一种基于混沌阵列的鲁棒零水印算法，利用加扰和扩散的混沌系统生成一个0，1混沌阵列，并用此阵列来调制图像的最高位平面矩阵，得到最终水印矩阵。宋伟等描述了一种基于混沌理论和奇异值分解(SVD)的零水印方案。利用Logistic混沌系统的初值敏感性映射信息隐藏的位置，增强了算法的安全性；采用奇异值的不变特性构造注册中心的水印，保证了在不改变宿主图像任何信息的同时进行有效地版权保护；同时深入分析了水印容量和算法安全性之间的关系。 

台湾中兴大学计算机学院的研究者们提出了一种用于公共版权认证的零水印系统。该系统中共有三个角色，即签名者、验证者和可以信赖的认证机构TA(trusted authority)。该算法从原始图像小波域低频系数中提取特征矩阵作为水印矩阵，然后将水印矩阵和一些参数加密后传送给一个可信的第三方认证机构TA，并加盖时间戳，原始图像作品便在水印的保护之下，且能够有效地抵抗解释攻击，弥补了传统零水印系统的不足。但算法通过比较小波低频系数与系数平均值的大小来生成图像特征，这种方法容易受到直方图均衡、亮度变换、剪切等信号处理的影响。基于上述考虑，台湾逢甲大学信息工程和计算机系的研究者在该算法的基础上对特征提取方法进行了改进，采用对载体图像的低尺度近似图像进行Sobel边缘检测，然后提取特征矩阵，收到了较好的效果。 

目前提出的这些零水印方案对模糊、噪声、滤波、压缩等常见信号处理攻击以及缩放等攻击具有很好的鲁棒性，但对剪切、大尺度旋转和Stirmark RBA(random bending attack)攻击很敏感。已有的抗剪切、大尺度旋转和Stirmark RBA攻击的研究主要集中在嵌入式水印，而这方面的零水印研究开展的不多。 

发明内容

技术问题：为了增强零水印对剪切、大尺度旋转和Stirmark RBA(random bending attack)攻击的鲁棒性，本发明提出一种抗攻击的鲁棒多倍零水印方案。本发明使用Harris角点检测获取图像的特征域，利用特征域的Zernike矩不变量来构造特征向量，并且将这些特征向量进行量化以形成多倍零水印。提出的多倍零水印版权认证方案不仅能抵抗常见信号处理攻击，而且对剪切、大尺度旋转和Stirmark RBA攻击也具有较好的鲁棒性。 

技术方案：采用图像的局部自相关函数和2阶对称矩阵，Harris检测器可以提取一副图像的特征点。图像点的特征值H(x，y)的计算式定义为： 

H(x，y)＝det(S)-k·trace²(S)      (1) 

式中det(.)和trace(.)分别表示图像的2阶对称矩阵S(x，y)的行列式和迹，k是一个常量。首先将H(x，y)大于阀值τ的对应点记为候选点，然后将候选点中具有局部最大特征值的点作为角点，这些角点被认为是局部最稳健的特征点。特征域是以这些特征点为中心的圆形区域，这些特征区域对大多数图像变换来说具有很好的鲁棒性。 

矩函数能提供描述对象的丰富几何信息和全局特征，Zernike矩是具有良好性能的一种矩函数。设f^r(ρ，θ)表示图像f(ρ，θ)旋转α度得到的图像，有：f^r(ρ，θ)＝f(ρ，θ-α)。设φ＝θ-α，旋转图像的Zernike矩表示为： 

$Z_{\mathrm{nm}}^{\′}=\frac{n+1}{\mathrm{\π}}\underset{0}{\overset{2\mathrm{\π}}{\∫}}\underset{0}{\overset{1}{\∫}}f(\mathrm{\ρ},\mathrm{\φ})R_{\mathrm{nm}}\left(\mathrm{\ρ}\right)\exp (-\mathrm{jm}(\mathrm{\φ}+\mathrm{\α}))\mathrm{\ρd\ρd\φ}$

$=\left[\frac{n+1}{\mathrm{\π}}\underset{0}{\overset{2\mathrm{\π}}{\∫}}\underset{0}{\overset{1}{\∫}}f(\mathrm{\ρ},\mathrm{\φ})R_{\mathrm{nm}}\left(\mathrm{\ρ}\right)\exp (-\mathrm{jm\φ})\mathrm{\ρd\ρd\φ}\right]\exp (-\mathrm{jm\α})---\left(2\right)$

$=Z_{\mathrm{nm}}\exp (-\mathrm{jm\α})$

从公式(2)可知图像旋转α度仅仅导致Zernike矩相位的平移，因而有下式成立： 

|Z_nm|＝|Z′_nm|     (3) 

式中|·|表示幅度运算符。因此，Zernike矩的幅度具有旋转不变性。 

在多倍零水印构造阶段，首先将载体图像进行规范化处理以获得平移、缩放不变性，然后利用Harris(人名)角点检测去提取载体图像的特征点，并进而将这些特征点扩展成半径为R的特征域，对特征域进行补零操作，产生大小为2R×2R的特征块，最后利用计算得出的特征块的Zernike(人名)矩不变量来构造特征向量，将这些特征向量二值化以形成多倍零水印，并且把多倍零水印进行加密后保存在注册中心； 

在多倍零水印检测阶段，首先对经过平移、缩放不变规范化处理后的检测图像进行Harris角点检测以及补零操作生成特征块，并计算每个特征块的特征向量；然后对所有特征向量进行二值化处理，得到检测图像的二值多倍零水印；最后将检测图像的二值多倍零水印与从注册中心取出并解密的原始多倍零水印进行比较，设detect_num表示正确检测到的水印个数，当detect_num大于一个阀值时，就认为检测图像处于水印保护之下。 

有益效果：本发明是针对目前零水印方案存在的不足，基于特征域和Zernike矩不变量提出的一种多倍零水印版权认证方案。该方案优于传统的版权保护方法，能抵抗常见信号处理、剪切、大尺度旋转及Stirmark RBA等攻击，其特点如下： 

1)通过Harris角点检测提取的特征域对几何变换有很好的不敏感性。 

2)稳定的Zernike矩不变量增强了算法抗各种攻击的性能。 

3)零水印的多倍性提高了水印检测的可靠性。 

由仿真可以更直观的看出其有益效果： 

利用标准灰度Lena图像(512×512×8bit，如图3(a)所示)作为版权保护图像对提出的多倍零水印方案进行了测试。用AR(accuracy rate)衡量原始图像与检测图像的两个水印信息的一致性，如果AR＞λ，则认为正确检测到一个水印，这里λ为检测阀值，设为0.8，并用最大的AR表示从检测图像中提取水印的AR值。 

A.图3(b)显示了Lena图像的特征域，其特征点数为M＝5，零水印个数为5。以没有受到攻击的Lena图像作为检测图像，测试结果为正确检测到的水印个数detect_num＝5，AR＝1。可见在检测图像没有受到攻击的情况下，提出的方案能正确检测水印。 

B.表1显示了常见信号处理攻击下的检测结果，可以看出提出的方案对常见信号处理攻击有良好的鲁棒性。 

C.表2显示了各种JPEG压缩攻击下的检测结果，QF(quality factor)表示JPEG压缩效果，QF越小，则压缩尺度越大，压缩后图像的质量越差。从表1可以看出即使在最大的压缩尺度下(QF＝10)，仍有很好的检测效果。 

D.对遭受旋转、缩放、剪切、Unzign及Stirmark RBA等几何攻击的检测图像进行了测试，测试结果如表3所示。从表3可以看出，提出的零水印方案对各种几何攻击具有良好的鲁棒性，这主要得益于特征域和Zernike矩不变量对几何变换的不敏感性。此外，多倍水印的引入增强了检测的可靠性，尤其在剪切攻击情况下。 

E.组合攻击。对遭受一些组合攻击的检测图像进行了测试，测试结果如表4所示。从表4可以看出提出的零水印方案对各种组合攻击具有良好的鲁棒性。 

F.表5显示了高阶累积量、混沌奇异值分解、Sobel特征矩阵等零水印方案 及本发明提出的方法抗各种攻击能力的对比结果。可以看出，同这些零水印方案相比，本发明提出的方法具有更好的性能。 

附图说明

图1是多倍零水印的构造过程原理图。 

图2是多倍零水印的检测过程原理图。 

图3是版权保护测试图像及提取的特征域示意图。 

具体实施方式

在多倍零水印构造的过程中，首先对经过平移、缩放不变规范化后的图像进行Harris角点检测以获得半径为R的特征区域；然后采用补零操作，将特征域映射为大小为2R×2R的图像块，计算每个特征块的Zernike矩幅度并构成造特征向量，对这些特征向量进行二值化处理形成多倍零水印；最后对多倍零水印进行加密处理，增强零水印方案的安全性，将加密后的多倍零水印存入注册中心作为版权判定依据。多倍零水印的构造过程如图1所示。 

在多倍零水印检测的过程中，类似于多倍零水印构造过程，首先对经过平移、缩放不变规范化后的检测图像进行Harris角点检测以及补零操作生成特征块，并计算每个特征块的特征向量；然后对所有特征向量进行二值化处理，得到检测图像的二值多倍零水印；最后将检测图像的二值多倍零水印与从注册中心取出并解密的原始多倍零水印进行比较，设detect_num表示正确检测到的水印个数，当detect_num大于一个阀值时，就认为检测图像处于水印保护之下。多倍零水印的检测过程如图2所示。 

多倍零水印构造的具体步骤为： 

1)将载体图像进行规范化处理以获得平移、缩放不变性。 

2)对规范化图像进行Harris角点检测以获得特征区域。首先，通过对阀值τ进行自适应调整，使得特征点数M∈[5，10]。设τ₀是阀值τ的初始值，M₀是基于τ₀获得的特征点数。如果M₀＜5，则τ＝0.5×τ₀；否则如果M₀＞10，则τ＝1.5×τ₀。这个过程被迭代执行直到特征点数M∈[5，10]。最后，把特征点扩展为以特征点为中心，半径为R的圆盘区域(特征域)。 

3)采用补零操作，特征域被映射为大小为2R×2R的图像块。然后，计算每个特征块的Zernike矩幅度，并按下式构造特征向量。 

(4) 

式中i∈[1，M]， 

是第i个特征块的特征向量，N是特征向量的长度，n_max为Zernike矩的最大阶数，在本发明试验中，n_max设为10。 

4)按照公式(5)对特征向量进行二值化。 

$w_{\mathrm{ij}}=\left\{\begin{array}{ccc}0,& \mathrm{if}& q_{\mathrm{ij}}<T\\ 1& \mathrm{if}& q_{\mathrm{ij}}\&GreaterEqual;T\end{array}\right.---\left(5\right)$

式中T是量化阀值，设为6×10³。W_i＝{w_i，j，i∈[1，M]，j∈[1，N]}，W₁，W₂，L，W_M-1和W_M称为多倍水印，分别对应于每个特征域。然后将W₁，W₂，L，W_M-1和W_M合并成二值水印序列W＝{w(m)，m＝1，2，L，M×N}。 

5)考虑到加强零水印方案的安全性，需对水印序列W进行加密处理。首先，利用密钥k生成长度为M×N的序列S： 

S＝{s(m)∈[1，M×N]，s(m)≠s(n)，m，n＝1，2，L，M×N}   (6) 

然后，把S中的元素作为W中元素的索引，产生置乱后的特征水印序列 

被存入注册中心作为版权判定依据。 

多倍零水印检测的具体步骤为： 

1)类似于多倍零水印构造过程，首先将检测图像进行规范化处理，然后对规范图像进行Harris角点检测以生成特征域。设特征域的个数为 

如果检测图像是原始图像的受攻击版本，那么由于图像内容的扭曲， 

有可能不等于原始图像的特征域数M。 

2)对特征域进行补零操作，产生大小为2R×2R的特征块，然后计算每个特征块的特征向量 

3)对所有特征向量 进行二值化处理，得到二值水印序列 

由 

和 

组成，且 ${\hat{W}}_i=\{{\hat{w}}_{i,j},i\&Element;[1,\hat{M}],j\&Element;[1,N\left]\right\}.$

4)将存储在注册中心的置乱水印信息 

用密钥k进行解密，得到水印W， 然后与 

进行比较，并根据比较结果判定检测图像是否存在水印。由于检测图像与原始图像特征域之间的差别， 

与W_j(j∈[1，M])并不一定都存在一一对应关系，因而每个提取水印 

需要与所有W_j进行比较。采用AR(accuracy rate)衡量两个水印信息的一致性，其定义为： 

$\mathrm{AR}=1-\frac{\min (\mathrm{errnum}\_\mathrm{mat})}{N}---\left(8\right)$

式中N为W_j的长度，errnum_mat为大小为 

的矩阵，矩阵中元素errnum_mat(i，j)表示提取水印 

与原始水印W_j的不同比特个数，min(·)是对矩阵errnum_mat的第i行元素取最小值的函数。如果AR＞λ，则认为正确检测到一个水印，λ为检测阀值，设为0.8。设detect_num表示正确检测到的水印个数，综合考虑误警率和漏警率，当detect_num≥2时，可认为检测图像处于水印保护之下，并用最大的AR表示从检测图像中提取水印的AR值。上述过程的伪代码描述如下： 

表1常见信号处理攻击下的检测结果 

表2各种JPEG压缩攻击下的检测结果 

表3各种几何攻击下的检测结果 

表4组合攻击下的检测结果 

表5几种零水印方法的性能比较 

。

Claims (1)

1.  一种抗攻击的鲁棒多倍零水印方法，对受到各种攻击的图像进行版权认证，其特征是：在多倍零水印构造阶段，首先将载体图像进行规范化处理以获得平移、缩放不变性，然后利用Harris角点检测去提取载体图像的特征点，并进而将这些特征点扩展成半径为R的特征域，对特征域进行补零操作，产生大小为                                                

的特征块，最后利用计算得出的特征块的Zernike矩不变量来构造特征向量，将这些特征向量二值化以形成多倍零水印，并且把多倍零水印进行加密后保存在注册中心；

在多倍零水印检测阶段，首先对经过平移、缩放不变规范化处理后的检测图像进行Harris角点检测以及补零操作生成特征块，并计算每个特征块的特征向量；然后对所有特征向量进行二值化处理，得到检测图像的二值多倍零水印；最后将检测图像的二值多倍零水印与从注册中心取出并解密的原始多倍零水印进行比较，设detect_num表示正确检测到的水印个数，当detect_num大于一个阀值时，就认为检测图像处于水印保护之下。

Images