CN102760280B - 一种大容量可逆水印的嵌入和提取方法及其实现系统 - Google Patents

Abstract

本发明公开了一种大容量可逆水印嵌入方法，主要包括：计算图像中所有像素点的像素预测值的预测误差；根据预测误差构造统计直方图，根据统计直方图将图像中的像素点划分为嵌入水印数据的可嵌入点集合以及平移的可移动点集合；对确定出的预测误差低于设定门限值的像素点进行水印数据嵌入处理，在嵌入时，根据图像的纹理复杂度在单个像素点中自适应地嵌入一比特或多比特水印信息，使得单遍嵌入率可以达到2BPP（bitsperpixel）以上，有效的提高了嵌入容量。此外，即使在单个像素点嵌入多比特水印信息，所使用的预测误差仍为原始预测误差，从而有效的降低了嵌入失真，也就是说在有效提高嵌入容量的同时仍可保持较高的图像质量。

Description

一种大容量可逆水印的嵌入和提取方法及其实现系统

技术领域

本发明涉及一种数字多媒体的可逆水印技术领域，尤其涉及一种大容量可逆的水印嵌入、提取方法及其实现系统。

背景技术

近年来，随着数字化技术和网络的飞速发展，图像、视频等数字多媒体都能以数字形式获得，对其拷贝和复制非常容易，多媒体数字作品被侵权者非法利用的事例层出不穷。这种情况下，多媒体数字作品的版权保护不仅仅是一个立法的问题，也是一个技术的问题，如何对多媒体数字作品进行安全有效的版权保护成为目前亟需解决的一个问题。传统加密方法对多媒体内容的保护和完整性认证具有一定的局限性。这样，数字版权管理（Digital Rights Management，DRM）和数字水印技术作为加密技术的补充，在多媒体信息的版权保护与完整性认证方面得到了迅猛的发展。其中，数字水印技术通过在载体数据（例如图像、视频、音频等）中嵌入能证明作者所有权或产品版权的信息来解决版权保护问题。相对于DRM来说，其优点在于成本低，不需要额外的服务器支持。

目前，数字水印技术作为信息安全技术研究领域中的一个热点方向得到了广泛的研究。然而数字水印的嵌入通常会引起原始数据发生不可恢复的变形，虽然这种变形通常很小，但对医学图像或者在某些军事应用上有很高战略意义的重要图像，这些变形是不可接受的。传统的数字水印方法无法解决这个问题，而新兴的可逆数字水印方法正是解决该问题的最好途径。可逆数字水印处理技术的主要思想是，在原始宿主信息中嵌入数据或加入水印，得到嵌入有用信息的宿主信息。在解码端，用户不但可以从嵌入数据或加入水印的宿主信号中无失真地提取所嵌入的有用信息，而且还可以无失真地恢复出原始宿主信号。

现有可逆水印方案可以分为基于整数变换和基于直方图平移两种，由于基于直方图平移的可逆水印技术具有较好的容量控制能力，因此，这种技术得到了广泛的应用。传统的基于直方图平移的可逆水印嵌入过程，主要包括如下步骤：

Step-1：计算图像中所有像素点的像素预测值的预测误差；

Step-2：根据预测误差构造统计直方图，根据统计直方图将图像中的像素点划分为嵌入水印数据的可嵌入点集合以及平移的可移动点集合。

Step-3：对可嵌入点集合中的所有像素点执行水印嵌入处理，对可移动点集合中的所有像素点执行平移处理。

传统的基于直方图平移的可逆水印算法的单遍嵌入过程在每个像素点中至多只能嵌一比特水印信息，为了达到更高的嵌入量必须使用多遍嵌入。但在第二遍以及其后的嵌入过程中，所计算预测误差将受到嵌入的水印信息影响，极大的降低了嵌入效率。

发明内容

鉴于上述现有技术存在的缺陷，本发明的目的是提出一种大容量可逆水印的嵌入和提取方法及其实现系统，解决在单个像素中自适应地嵌入一比特或多比特水印信息的问题，以提高数字多媒体作品的版权管理能力。

本发明的上述第一个目的，将通过以下技术方案得以实现：一种大容量可逆水印的嵌入和提取方法，其特征在于，包括在多媒体数字作品的宿主图像中嵌入水印和在嵌有水印的多媒体数字作品中恢复和提取还原宿主图像两部分，其中所述嵌入水印方法包括步骤：S1：采用GAP算子根据像素的局部纹理信息自适应地计算宿主图像中所有像素点的像素预测值的预测误差                                                ，根据预测误差构造预测误差统计直方图；S2：构建位置地图M，假设其长度为。对所有像素点分成三部分：，，。其中，中包含个可嵌入点，包含最后的个像素点，其它的像素点为，通过替换把位置地图嵌入到中，记录原始序列为；S3：根据步骤S4把和水印信息嵌入到中。如果在一个像素值中可嵌入比特，那么只在最后一比特嵌入，剩余的比特嵌入水印信息；S4：对、中的每一个像素点，计算其前向方差的值，在给定像素值最大修改量时，根据计算像素选择门限值，当时保持像素点的值不变，否则对该像素点执行S5；S5：计算预测误差的平均值和嵌入的水印信息比特数，，如果该像素点的预测误差,则对其进行水印嵌入操作，此时 ，如果该像素点的预测误差，则对其进行平移操作，此时；

所述恢复和提取方法包括步骤：S6：通过读取最后的个像素点提取位置地图。根据位置地图，确定嵌入端被修改过的可嵌入点；S7：在所有的可嵌入像素中，确定嵌入了水印信息的像素点，根据步骤S8和S9提取出水印信息，读取这些水印信息的LSB提取出序列，把序列中相应值的原始LSB的最后个像素点替换回去；S8：采用GAP算子根据像素的局部纹理信息自适应地计算宿主图像中所有像素点的像素预测值的预测误差；S9：对每一个像素点，计算其前向方差的值，在给定像素值最大修改量时，根据计算像素选择门限值，当时保持像素点的值不变，否则对该像素点执行S10；S10：计算预测误差的平均值和嵌入的水印信息比特数，，根据公式恢复出该像素点的原始值。

进一步地，所述根据单个像素上嵌入水印信息的比特容量确定门限值T划分原始像素的方法基于宿主图像在嵌入和提取过程中保持不变的前向方差，计算任一像素点前向方差和预测误差的平均值；并根据平均值计算该任一像素点嵌入的水印比特位。

本发明的上述第二个目的，将通过以下技术方案得以实现：一种大容量可逆水印的嵌入和提取的实现系统，其特征在于：包括在多媒体数字作品的宿主图像中嵌入水印的嵌入单元和在嵌有水印的多媒体数字作品中恢复和提取还原宿主图像的恢复提取单元，其中所述嵌入单元包括：像素预测误差计算模块，用于采用GAP算子根据像素的局部纹理信息自适应地计算宿主图像中所有像素点的像素预测值的预测误差；原始像素划分模块，用于根据预测误差构造预测误差统计直方图；对每一个像素点，计算其前向方差的值，在给定像素值最大修改量时，容易计算像素选择门限值，当时保持像素点的值不变，当时，计算预测误差的平均值和嵌入的水印信息比特数，如果该像素点的预测误差,则该原始像素为可嵌入点集合，如果该像素点的预测误差，则该原始像素为可平移点集合；水印嵌入及平移模块，如果该像素点的预测误差,则对其进行水印嵌入操作，此时 ，如果该像素点的预测误差，则对其进行平移操作，此时；

所述恢复提取单元包括：水印嵌入点集发现模块，对每一个像素点，如果该像素点的预测误差，则该点为已嵌入水印信息的可嵌入点集合；

水印平移点集发现模块，对每一个像素点，如果该像素点的预测误差，则该点为已嵌入水印信息的可平移点集合；

水印恢复模块，计算预测误差的平均值和嵌入的水印信息比特数。根据公式恢复出该像素点的原始值。

进一步地，还包括水印比特位求值模块，用以基于宿主图像在嵌入和提取过程中保持不变的前向方差，计算任一像素点前向方差和预测误差的平均值；并根据平均值计算该任一像素点嵌入的水印比特位。

与现有技术相比，本发明的有益效果在于：可以根据图像的纹理复杂度在单个像素中自适应地嵌入一比特或多比特水印信息，单遍嵌入量从而达到2BPP（bits per pixel）以上，也就是说有效的提高了嵌入容量。而且在单个像素点嵌入多比特水印信息时，由于所使用的预测误差仍为原始预测误差，这有效的降低了嵌入失真。实现了大容量嵌入的可逆水印技术，具有广泛的应用前景。

附图说明

图1是GAP预测算法中本发明所用参考像素示意图。

图2是本发明针对数字多媒体作品进行可逆水印嵌入的流程图。

图3是本发明针对已修改的数字多媒体作品进行恢复的流程图。

附图说明

在本发明中，单遍嵌入多比特的可逆水印嵌入方法如下：

S1：采用GAP算子根据像素的局部纹理信息自适应地计算宿主图像中所有像素点的像素预测值的预测误差，根据预测误差构造预测误差统计直方图；

S2：构建位置地图M，假设其长度为。对所有像素点分成三部分：，，。其中，中包含个可嵌入点，包含最后的个像素点，其它的像素点为，通过替换把位置地图嵌入到中，记录原始序列为；

S3：根据步骤S4把和水印信息嵌入到中。如果在一个像素值中可嵌入比特，那么只在最后一比特嵌入，剩余的比特嵌入水印信息；

S4：对、中的每一个像素点，计算其前向方差的值，在给定像素值最大修改量时，根据计算像素选择门限值，当时保持像素点的值不变，否则对该像素点执行S5；

S5：计算预测误差的平均值和嵌入的水印信息比特数，。如果该像素点的预测误差,则对其进行水印嵌入操作，此时 ，如果该像素点的预测误差，则对其进行平移操作，此时；

在本发明中，单遍嵌入多比特的可逆水印恢复和提取方法如下：

S6：通过读取LSB最后的个像素点提取位置地图。根据位置地图，确定嵌入端被修改过的可嵌入点；

S7：在所有的可嵌入像素中，确定嵌入了水印信息的像素点，根据步骤S8和S9提取出水印信息，读取这些水印信息的LSB提取出序列，把序列中相应值的原始LSB的最后个像素点替换回去；

S8：采用GAP算子根据像素的局部纹理信息自适应地计算宿主图像中所有像素点的像素预测值的预测误差；

S9：对每一个像素点, 计算其前向方差的值，在给定像素值最大修改量时，根据计算像素选择门限值，当时保持像素点的值不变，否则对该像素点执行S10；

S10：计算预测误差的平均值和嵌入的水印信息比特数，。根据公式恢复出该像素点的原始值。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

具体实施方式

以下便结合实施例附图，对本发明的具体实施方式作进一步的详述，以使本发明技术方案更易于理解、掌握。

本发明实施例提供一种可逆水印嵌入方法、提取方法。可在单个像素中自适应地嵌入一比特或多比特水印信息，使得单遍嵌入量可以达到2BPP（bits per pixel）以上，从而有效的提高了嵌入容量。而且由于在单个像素点嵌入多比特水印信息时所使用的预测误差仍为原始预测误差，这也有效地降低了嵌入失真。以下结合说明书附图对本发明进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

GAP算子是一个简单，自适应，非线性的预测算子。它可以获得非常高的预测精度，同时具有较低的时间和空间复杂度。GAP根据一个像素的局部纹理信息自适应的计算预测值。考虑一个像素点，我们根据下式计算其纹理特性：

。

如图1所示，现假设是一副大小为的原始图像，和是像素点在水平和垂直方向上的纹理信息，根据和， 的预测值计算如下：

。

其中，，，表示预测误差。根据嵌入容量，容易确定门限值。我们为了获得整数预测误差，需要把预测值四舍五入：。其中表示四舍五入操作。

传统的直方图平移方法只能在原始像素中嵌入一比特水印信息。为了在原始像素中单遍嵌入多比特水印信息，本发明对传统的直方图平移方法做如下推广。当时，原始像素中嵌入水印信息，如下式定义：。

式中为水印比特位，为要嵌入的水印信息。当预测误差时，原始像素中不嵌入水印信息而是进行平移操作，如下式定义：。

这样做的好处就是在在容量比较大时，不用用到预测误差大的哪些像素，从而减小了像素值的最大修改量，进而减小了嵌入失真。

为了论证本发明提出的单遍嵌入多比特相比于多遍嵌入的优势，在这里我们以两遍嵌入为例。假设对一个原始像素分两遍分别嵌入水印信息和，根据公式迭代计算两次可知：基于传统直方图扩展方案的像素失真为；根据公式，对一个原始像素单遍嵌入2比特水印信息，基于广义的直方图扩展方案的预测误差失真为。在传统的直方图平移扩展中，在单遍嵌入和两遍嵌入过程中有不同的预测值，这个差值是在第一遍嵌入过程中产生的，它减小了像素间的相关性。在大多数情况下，是正值。通常随着嵌入次数的增大而增大。因此，对于可移动的像素来说，广义的直方图平移扩展方案的优势所在就是所使用的预测误差仍为原始的预测误差，有效的降低了嵌入失真。

在提取时，我们可以如下恢复出原始预测误差和嵌入的水印信息。

当时，恢复出原始预测误差如下式所示：。

这里为向下取整符号。当时，恢复出的原始预测误差如下式所示：。

自适应嵌入方式充分考虑宿主图像的局部特征，使得水印的嵌入位置、嵌入强度、嵌入信息量随着局部特征的不同而自适应改变。

根据公式某像素点的平均失真如下式计算：。

在这里，我们仍以两遍嵌入为例论证本发明提出的单遍嵌入多比特相比于多遍嵌入的优势。现假设对某一原始像素点分两遍分别嵌入水印信息和，此时，两遍嵌入后某点的额外平均失真：。

明显可以看出，对于两个预测误差和，如果比足够大，则大于。也就是说，在预测误差很大的像素中嵌入一比特和在预测误差较小的像素中再嵌入一比特相比，前者的失真更大。所以，多遍嵌入比特的效果不如单遍嵌入比特好。

因此，在原始图像的所有像素值中均匀的嵌入相同比特水印信息并不是最优化的策略。为保证在嵌入大容量水印信息后图像的质量，我们需选择嵌入数据后对图像修改量小的像素点。我们在选取嵌入像素对时，首选差值小的像素对嵌入数据，这样扩展后的差值才不会太大，这样得到的预测误差直方图更尖锐，直方图中可扩展的预测误差增多，可移动像素减少，那么失真小，图像质量才更高。

但是解码器如何知道某个像素点到底嵌入了多少比特水印信息呢，本发明采用在自适应嵌入和提取过程中都保持不变的量来解决这个问题。如图1所示，被称为前向方差，它反映了的纹理复杂度，是指与相邻的四个相邻像素点的均方差。本文选择前向方差满足（是门限值）的像素值嵌入，并且只在这些像素值中嵌入水印信息。在这样的方法下，只有被选择的像素值才被扩展和平移而其余的像素值保持不变。假定不变，选择一个适当的。我们最好把定义为一个关于的单调递增函数。在我们的方法中这样定义：。

据图1可知下式成立：。判断的步骤如下：首先，对于每一个像素值，依据自适应嵌入的门限值，也就是最大修改量，可以计算嵌入比特数；接着，计算像素值的前向方差，依据前向方差和门限值可判断像素值中是嵌入信息还是进行直方图平移；最后，通过修改预测误差直方图自适应的嵌入水印信息。

数据嵌入过程描述如下：扫描宿主图像中的每个原始像素值并计算其嵌入水印信息后的预测误差。对宿主图像中的每个像素值，重复以下的步骤直到水印信息被嵌入为止。计算前向方差和预测误差的平均值，。

如果，则这个像素值保持不变，即不嵌入水印信息，计算它的下一个像素值的；如果，则这个像素值将进行平移或者嵌入水印信息。然后根据相邻像素预测误差的平均值来计算该像素点嵌入的比特数目：。

对于传统的差值扩展我们做了以下的推广：。

式中由公式确定，为要嵌入的水印信息。当进行平移操作时，公式如下所示：。

解码端的恢复过程如下所示：

。

与现有技术相比，本发明的有益效果在于：采用本发明，可以根据图像的纹理复杂度在单个像素中自适应地嵌入一比特或多比特水印信息，单遍嵌入量从而达到2BPP（bits per pixel）以上，也就是说有效的提高了嵌入容量。而且在单个像素点嵌入多比特水印信息时，由于所使用的预测误差仍为原始预测误差，这有效的降低了嵌入失真。因此，本方法是一种实现大容量嵌入的可逆水印技术，具有广泛的应用前景。

Claims (2)

1.一种大容量可逆水印的嵌入和提取方法，其特征在于，包括在多媒体数字作品的宿主图像中嵌入水印和在嵌有水印的多媒体数字作品中恢复和提取还原宿主图像两部分，其中所述嵌入水印方法包括步骤：

S1：采用GAP算子根据像素的局部纹理信息自适应地计算宿主图像中所有像素点的像素预测值的预测误差d(i，j)＝I(i，j)-I′(i，j)，其中I(i，j)为原始像素值；I′(i，j)为预测像素值，根据预测误差构造预测误差统计直方图；

S2：构建位置地图M，定义长度为m，对所有像素点分成I₁、I₂、I₃三部分，其中I₁中包含m个可嵌入点，I₃包含最后的m个像素点，剩余像素点为I₂，通过LSB替换把位置地图M嵌入到I₃中，记录原始LSB序列为L；

S3：根据步骤S4把L和水印信息嵌入到I₁中，对于具有n比特容量的一个像素值，在最后1比特嵌入L，剩余的n-1比特嵌入水印信息；

S4：对I₁、I₂中的每一个像素点，计算其前向方差的值Dis_F，在给定像素值最大修改量T_max时，根据 $T=\left\{\begin{array}{cc}3T_{\max }& T_{\max }\≤9\\ 2T_{\max }& T_{\max }>9\end{array}\right.$ 计算像素选择门限值T，当Dis_F≥T时保持像素点的值不变，否则对该像素点执行S5；

S5：计算预测误差的平均值ε和嵌入的水印信息比特数n，

$\left\{\begin{array}{c}\mathrm{\ϵ}=(d(i-1,j)+d(i,j-1)+d(i-1,j-1)+d(i-1,j+1))/4\\ n={\log }_2(T_{\max }/(\mathrm{\ϵ}+1))+1\end{array}\right.,$ 当该像素点的预测误差d(i，j)∈[-T，T)，则对其进行水印嵌入操作，此时d^w(i，j)＝d(i，j)×2ⁿ+b，其中b为要嵌入的水印信息，d^w(i，j)为与水印嵌入相关的预测误差值，当该像素点的预测误差d(i，j)∈(-∞，-T)∪[T，+∞)，则对其进行平移操作，此时：

$d^w(i,j)=\left\{\begin{array}{c}d(i,j)+(2^n-1)T,d(i,j)\&GreaterEqual;T\\ d(i,j)-(2^n-1)T,d(i,j)<-T\end{array}\right.;$

所述恢复和提取方法包括步骤：

S6：通过读取LSB最后的m个像素点提取位置地图M，根据位置地图，确定嵌入端被修改过的可嵌入点；

S7：在所有的可嵌入像素中，确定嵌入了水印信息的像素点，根据步骤S8和S9提取出水印信息，读取这些水印信息的LSB提取出序列L，把序列L中相应值的原始LSB的最后m个像素点替换回去；

S8：采用GAP算子根据像素的局部纹理信息自适应地计算宿主图像中所有像素点的像素预测值的预测误差d(i，j)＝I(i，j)-I′(i，j)；

S9：对每一个像素点，计算其前向方差的值Dis_F，在给定像素值最大修改量T_max时，根据 $T=\left\{\begin{array}{cc}3T_{\max }& T_{\max }\&le;9\\ 2T_{\max }& T_{\max }>9\end{array}\right.$ 计算像素选择门限值T，当Dis_F≥T时保持像素点的值不变，否则对该像素点执行S10；

S10：计算预测误差的平均值ε和嵌入的水印信息比特数n，

$\left\{\begin{array}{c}\mathrm{\&epsiv;}=(d(i-1,j)+d(i,j-1)+d(i-1,j-1)+d(i-1,j+1))/4\\ n={\log }_2(T_{\max }/(\mathrm{\&epsiv;}+1))+1\end{array}\right.,$

根据公式 $d^w(i,j)=\left\{\begin{array}{ccc}d(i,j)\&times;2^n+b& \mathrm{if}& d(i,j)\&Element;[-T/(2^n-1),T/(2^n-1))\\ d(i,j)+T& \mathrm{if}& d(i,j)\&GreaterEqual;T/(2^n-1)\\ d(i,j)-T& \mathrm{if}& d(i,j)<-T/(2^n-1)\end{array}\right.$ 恢复出该像素点的原始值。

2.一种大容量可逆水印的嵌入和提取的实现系统，其特征在于：包括在多媒体数字作品的宿主图像中嵌入水印的嵌入单元和在嵌有水印的多媒体数字作品中恢复和提取还原宿主图像的恢复提取单元，其中所述嵌入单元包括：

像素预测误差计算模块，用于采用GAP算子根据像素的局部纹理信息自适应地计算宿主图像中所有像素点的像素预测值的预测误差d(i，j)＝I(i，j)-I′(i，j)，其中I(i，j)为原始像素值；I′(i，j)为预测像素值；

原始像素划分模块，用于根据预测误差构造预测误差统计直方图；对每一个像素点，计算其前向方差的值Dis_F，在给定像素值最大修改量T_max时，根据 $T=\left\{\begin{array}{cc}3T_{\max }& T_{\max }\&le;9\\ 2T_{\max }& T_{\max }>9\end{array}\right.$ 计算像素选择门限值T，当Dis_F≥T时保持像素点的值不变，当Dis_F＜T时，根据公式 $\left\{\begin{array}{c}\mathrm{\&epsiv;}=(d(i-1,j)+d(i,j-1)+d(i-1,j-1)+d(i-1,j+1))/4\\ n={\log }_2(T_{\max }/(\mathrm{\&epsiv;}+1))+1\end{array}\right.$ 计算预测误差的平均值ε和嵌入的水印信息比特数n，如果该像素点的预测误差d(i，j)∈[-T，T)，则该原始像素为可嵌入点集合，如果该像素点的预测误差d(i，j)∈(-∞，-T)∪[T，+∞)，则该原始像素为可平移点集合；

水印嵌入及平移模块，用于当该像素点的预测误差d(i，j)∈[-T，T)，则对其进行水印嵌入操作，此时d^w(i，j)＝d(i，j)×2ⁿ+b，d^w(i，j)为与水印嵌入相关的预测误差值，其中b为要嵌入的水印信息，用于当该像素点的预测误差d(i，j)∈(-∞，-T)∪[T，+∞)，则对其进行平移操作，此时： $d^w(i,j)=\left\{\begin{array}{c}d(i,j)+(2^n-1)T,d(i,j)\&GreaterEqual;T\\ d(i,j)-(2^n-1)T,d(i,j)<-T\end{array}\right.;$

且所述恢复提取单元包括：

水印嵌入点集发现模块，对每一个像素点，如果该像素点的预测误差d(i，j)∈[-T，T)，则该点为已嵌入水印信息的可嵌入点集合；

水印平移点集发现模块，对每一个像素点，如果该像素点的预测误差d(i，j)∈(-∞，-T)∪[T，+∞)，则该点为已嵌入水印信息的可平移点集合；

水印恢复模块，计算预测误差的平均值ε和嵌入的水印信息比特数n，

根据公式 $d^w(i,j)=\left\{\begin{array}{ccc}d(i,j)\&times;2^n+b& \mathrm{if}& d(i,j)\&Element;[-T/(2^n-1),T/(2^n-1))\\ d(i,j)+T& \mathrm{if}& d(i,j)\&GreaterEqual;T/(2^n-1)\\ d(i,j)-T& \mathrm{if}& d(i,j)<-T/(2^n-1)\end{array}\right.$ 恢复出该像素点的原始值。