CN102903071A - 水印添加方法及系统、水印识别方法及系统 - Google Patents

Abstract

本申请提供了一种水印添加方法，包括：提取待添加水印的图像的局部特征点；根据提取的局部特征点选取所述待添加水印的图像的水印添加区域；使用密钥生成符合正态分布的水印矩阵；根据生成的水印矩阵将水印添加到选取的水印添加区域。本申请还提供了一种实现前述方法的水印添加系统，以及识别按照前述方法所添加水印的水印识别方法和系统。本申请的水印添加方法及系统、水印识别方法及系统，能够解决水印的鲁棒性及不可见性的问题。

Description

水印添加方法及系统、水印识别方法及系统

技术领域

本申请涉及计算机数据安全技术领域，特别是涉及一种水印添加方法及系统、水印识别方法及系统。

背景技术

随着数字拍照、摄像技术的推广和互联网技术的发展，图像和视频的应用越来越广泛。但是，图像在互联传播的过程中，容易被复制盗用、恶意使用等，导致原作者的利益受到侵害。为了减少此种情况的出现，通常会在图像或视频中加入水印可以确定图像的归属者，当图像被修改、复制盗用时，水印便会被破坏，因此通过对水印进行识别便可以确定图像的归属。

常见的水印添加方法为全局水印法，即把水印分布到图像的所有像素点上，而对于互联网上的的图像来说，在传播过程中被切割、拼接或者其他几何变换的情况非常普遍，但是采用此种方法添加水印后，当图像被或者拼接时，因为水印分布到每一个像素点中，其切割、拼接或者其它几何变换的鲁棒性都较差，另外，因为每个像素点中都会添加水印，这就会导致水印容易被发现，影响水印的不可见性。

申请内容

本申请所要解决的技术问题是提供一种水印添加方法及系统、水印识别方法及系统，能够解决水印的鲁棒性及不可见性的问题。

为了解决上述问题，本申请公开了一种水印添加方法，包括以下步骤：

提取待添加水印的图像的局部特征点；

根据提取的局部特征点选取所述待添加水印的图像的水印添加区域；

使用密钥生成符合正态分布的水印矩阵；

根据生成的水印矩阵将水印添加到选取的水印添加区域。

进一步地，所述根据提取的局部特征点选取所述待添加水印的图像的水印添加区域包括：

设定水印添加区域块的大小；

将每一个局部特征点位置作为一个水印添加区域块的中心；

将所述水印添加区域块组成水印添加区域。

进一步地，所述根据提取的局部特征点选取所述待添加水印的图像的水印添加区域还包括：

丢弃白色面积比例大于阈值的水印添加区域块；和/或

丢弃标准方差小于阈值的水印添加区域块；和/或

丢弃中心距离小于阈值的两个水印添加区域块中的一个。

进一步地，所述水印添加区域块为正方形，所述正方形的边长为2的指数倍。

进一步地，所述使用密钥生成符合正态分布的水印矩阵包括：

使用密钥生成两个尺度为w×w的随机矩阵，所述w为水印添加区域块的边长；

对所述两个随机矩阵分别进行QR分解得到两个正交矩阵；

使用密钥生成一个对角系数按从大到小排列的正交矩阵；

将前述两个步骤中的三个正交矩阵相乘得到水印矩阵。

进一步地，所述根据生成的水印矩阵将水印添加到选取的水印添加区域包括：

将待添加水印的图像从RGB颜色空间转化到HSV颜色空间，获取图像的强度量；

对图像的强度量矩阵进行离散小波变换；

将离散小波变换后的第三层低频小波系数加上加权水印矩阵，所述加权水印矩阵为水印矩阵与加权系数矩阵的乘积；

对加入加权水印矩阵的第三层低频小波系数进行逆离散小波变换，得到添加水印后的图像强度量；

用所述添加水印后的图像强度量替换原始的图像强度量，并将图像从HSV颜色空间转化到RGB颜色空间，得到添加水印后的图像。

为了解决上述问题，本申请还公开了一种水印添加系统，包括：

局部特征点提取模块，提取待添加水印的图像的局部特征点；

水印添加区域选取模块，用于根据提取的局部特征点选取所述待添加水印的图像的水印添加区域；

水印矩阵生成模块，用于使用密钥生成符合正态分布的水印矩阵；

水印添加模块，根据生成的水印矩阵将水印添加到选取的水印添加区域。

为了解决上述问题，本申请还公开了一种水印识别方法，包括以下步骤：

根据待识别水印的图像获取水印原图；

提取待识别水印的图像和水印原图的局部特征点；

对提取的待识别水印的图像的局部特征点和水印原图的局部特征点进行匹配，确定待识别水印的图像与水印原图中互相匹配的局部特征点；

根据所述待识别水印的图像与水印原图互相匹配的局部特征点分别确定待识别水印的图像和水印原图中的水印添加区域；

使用密钥生成符合正态分布的水印矩阵；

计算待识别水印的图像和原图中的水印添加区域的差值矩阵，比较水印矩阵与差值矩阵的相关系数，实现水印识别。

进一步地，所述对提取的待识别水印的图像的局部特征点和水印原图的局部特征点进行匹配包括：

计算其中一个图像的一个局部特征点与另一个图像的所有局部特征点之间的最小距离和第二小距离；

若所获取的最小距离与第二小距离的比值小于或等于第一阈值，则进行下一步骤，反之，则确定该局部特征点与另一个图像的所有局部特征点都不匹配；

若所获取的最小距离小于或等于第二阈值，则确定有最小距离的两个局部特征点互相匹配，反之，则确定该局部特征点与另一个图像的所有局部特征点都不匹配；

重复前述三个步骤，直到待识别水印的图像的局部特征点和原图的局部特征点是否匹配全部确认完成；

获取待识别水印的图像和水印原图的互相匹配的局部特征点。

进一步地，所述差值矩阵的计算过程包括：

将待识别水印的图像中的水印添加区域和原图中的局部图像区域分别从RGB颜色空间转化到HSV颜色空间，获取水印添加区域和局部图像区域的强度量；

对二者的强度量矩阵分别进行离散小波变换；

提取二者离散小波变换后的第三层低频小波系数矩阵，进行差值计算得到差值矩阵。

进一步地，所述方法还包括在确定待识别水印的图像与水印原图中互相匹配的局部特征点之后增加如下步骤：

对待识别水印的图像进行校正，重新确定匹配的局部特征点。

进一步地，所述对待识别水印的图像进行校正，重新确定匹配的局部特征点包括：

选取待识别水印的图像中的匹配局部特征点的几何坐标确定函数模型的参数；

选定待识别水印的图像所对应的函数模型；

确定满足选定的函数模型的局部特征点为最终的匹配局部特征点；

根据选定的函数模型对待识别水印的图像进行几何校正，得到校正图像。

进一步地，在所述根据待识别水印的图像获取水印原图之前还包括：

对待识别水印的图像进行切割。

为了解决上述问题，本申请还公开了一种水印识别系统，包括：

水印原图获取模块，用于根据待识别水印的图像获取水印原图；

局部特征点提取模块，用于提取待识别水印的图像和水印原图的局部特征点；

局部特征点确定模块，用于对提取的待识别水印的图像的局部特征点和水印原图的局部特征点进行匹配，确定待识别水印的图像与水印原图中互相匹配的局部特征点；

水印添加区域确定模块，用于根据所述待识别水印的图像与水印原图互相匹配的局部特征点分别确定待识别水印的图像和水印原图中的水印添加区域；

水印矩阵生成模块，用于使用密钥生成符合正态分布的水印矩阵；

水印识别模块，用于计算待识别水印的图像和原图中的水印添加区域的差值矩阵，比较水印矩阵与差值矩阵的相关系数，实现水印识别。

与现有技术相比，本申请包括以下优点：

采用本申请的水印添加方法和系统实现的基于图像局部特征的水印添加，在水印添加过程中通过局部特征点来确定水印添加区域，无需全局添加，从而可以使水印具有较好的不可见性，另外，在水印添加的过程中采用符合正态分布的水印矩阵，也保证水印的不可以见性，同时增强了水印的鲁棒性。

进一步地，在水印添加的过程中，采用以局部特征点为中心，选定边长的正方形来作为水印添加区域块，由水印添加块组成水印添加区域，因为每个水印添加块都是规则的形状，因此在添加过程中无需对水印进行几何关系计算及归一化处理，避免在水印添加阶段引入误差，从而提高水印添加的准确性，且减少水印添加的时间。

采用本申请的水印识别方法和系统实现的基于图像局部特征的水印识别，在水印识别过程中通过与水印原图比较的方式来确定二者之间的相互匹配的局部特征点来确定准确的水印添加区域，避免盲识别所带来的误差，可以提高识别的准确性。另外，在水印识别过程中，通过符合正态分布的水印矩阵与待识别图像和水印原图的水印添加区域的差值矩阵进行比较来实现水印识别，也可以提高识别的准确性。

进一步，在水印识别过程中还加入了对识别图像进行几何校正的过程，可以对被编辑(水印攻击)的图像进行校正后再识别，也进一步地提高了水印识别的准确性和效率。

同时，本申请的水印添加方法和水印识别方法的实现过程较为简单，缩短了水印添加和识别的时间，从而能实现快速有效的添加和识别。进一步地，在水印识别的过程中会利用水印添加过程中的相关条件来进行识别，也提高了识别的效率和准确性。

当然，实施本申请的任一产品不一定需要同时达到以上所述的所有优点。

附图说明

图1是本申请的水印添加方法实施例的流程图；

图2是本申请的水印添加系统实施例的结构示意图；

图3是本申请的水印识别方法实施例一的流程图；

图4是本申请的水印识别方法实施例二的流程图；

图5是本申请的水印识别系统实施例一的结构示意图；

图6是本申请的水印识别系统实施例二的结构示意图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

参照图1，示出本申请的一种水印添加方法实施例一，包括以下步骤：

步骤101，提取待添加水印的图像的局部特征点。

提取图像的局部特征点可以根据现有的特征算法，如Harris角点、SIFT(尺度不变特征变换)算法、MSER算法等方式来实现，本申请对此并不限制。

步骤102，根据提取的局部特征点，选取所述待添加水印的图像的水印添加区域。

其中，水印添加区域由若干个水印添加区域块组成，可以根据待添加的水印数量和图像的大小来确定。其中，水印添加区域块的形状并无限制，例如圆形、矩形等等。为了简化计算过程，本申请将每一个水印添加区域块都设定为正方形，可以根据待添加的水印数量和图像大小设定其边长为w，并以每个局部特征点位置为中心。为了符合小波变换，每个水印添加区域块的边长可以为2的指数倍，例如4、8、16、32等。

为保证特征的稳定性，可以选取合适尺度范围的局部特征，例如尺度为2～13的局部特征。

进一步地，为了保证所添加水印的不可见性，可以通过以下方式来实现：

丢弃白色面积比例大于阈值的水印添加区域块。其中，白色面积比例指白色面积在整个水印添加区域块中的比例，阈值可以根据需要来设定，如0.6等。

丢弃标准方差小于阈值的水印添加区域块。标准方差为

n表示该水印添加区域块的像素总数，x_i表示某个像素点的像素值，x_i ⁰表示某个像素相对于邻近像素的平均像素值。

为了保障水印块之间互不干扰，且又有足够的水印添加区域块，还可以丢弃中心距离小于阈值的两个水印添加区域块中的一个。也即，在所有的水印添加区域块中，尽量筛选相互重叠大于等于阈值的水印添加区域块来组成水印添加区域。其中，阈值可以根据实际情况来确定，本申请对此并不限制，在本实施例中，将阈值设定为2w的平方根，即当两个水印添加区域块的中心距离大于等于2w的平方根时，认为两者不会互相干扰。

步骤103，使用密钥生成符合正态分布的水印矩阵。

密钥为预先设定的针对不同图像或者不同类图像的唯一的标识码，在使用时，可以直接获取。使用密钥生成符合正态分布的水印矩阵的具体过程为：

A1，使用密钥生成两个尺度为w×w的随机矩阵。

其中，w为前述所确定的水印添加区域块的边长。此处假设两个随机矩阵分别为U和V。

A2，对两个随机矩阵分别进行QR分解得到两个正交矩阵。

QR分解指将把矩阵分解成一个正交矩阵Q与一个上三角矩阵R的积。假设随机矩阵U分解得到的正交矩阵为Uq，随机矩阵V分解得到的正交矩阵为Vq。

A3，使用密钥生成一个对角系数按从大到小排列的正交矩阵。

具体的，使用密钥生成随机矢量1×w，将该随机矢量的值从大到小排列，并将排序后的矢量作为正交矩阵的对角值，其余值用零补充，即得到尺度为w×w的正交矩阵S。

A4，将前述的步骤D2和D3中得到的三个正交矩阵相乘得到水印矩阵。

如前所述，最后得到的水印矩阵为Wmat＝Uq*S*Vq。

步骤104，根据生成的水印矩阵将水印添加到选取的水印添加区域。

具体的包括以下步骤：

步骤B1，将待添加水印的图像从RGB颜色空间转化到HSV颜色空间，获取图像的强度量。

其中，RGB颜色空间指由红(R)、绿(G)、蓝(B)三个颜色通道的变化和叠加构成的颜色空间。HSV颜色空间：由色调(H)、饱和度(S)、亮度(V)来表示各种颜色所构成的颜色空间。

步骤B2，对图像的强度量矩阵进行离散小波(DWT，Discrete WaveletTransform)变换。

步骤B3，将离散小波变换后的第三层低频小波系数加上加权水印矩阵。

加权水印矩阵为水印矩阵与加权系数矩阵的乘积，其中，加权系数矩阵根据实际水印的可见性和抗干扰性来选取，一般情况下，加权系数矩阵的系数值在0.1到0.2之间。

步骤B4，对加入加权水印矩阵的第三层低频小波系数进行逆离散小波(IDWT)变换，得到添加水印后的图像强度量。

步骤B5，用步骤S4中得到的图像强度量替换步骤S1中的图像强度量，并将图像从HSV颜色空间转化到RGB颜色空间，得到添加水印后的图像。

参照图2，示出本申请的水印添加系统实施例，包括局部特征点提取模块10、水印添加区域选取模块20、水印矩阵生成模块30和水印添加模块40。

局部特征点提取模块10，提取待添加水印的图像的局部特征点。

水印添加区域选取模块20，用于根据提取的局部特征点选取所述待添加水印的图像的水印添加区域。

水印矩阵生成模块30，用于使用密钥生成符合正态分布的水印矩阵。

水印添加模块40，根据生成的水印矩阵将水印添加到选取的水印添加区域。

其中，水印添加区域选取模块20包括水印添加区域块大小确定单元、水印添加区域块中心确定单元和水印添加区域确定单元。水印添加区域块大小确定单元，用于设定水印添加区域块的大小。水印添加区域块中心确定单元，用于将每一个局部特征点位置作为一个水印添加区域块的中心。水印添加区域确定单元，用于将水印添加区域块组成水印添加区域。

进一步地，水印添加区域选取模块20还包括水印添加区域块筛选单元，用于对水印添加区域块进行筛选。筛选包括以下一种或多种情况：丢弃白色面积比例大于阈值的水印添加区域块；丢弃标准方差小于阈值的水印添加区域块；丢弃中心距离小于阈值的两个水印添加区域块中的其中一个。

水印矩阵生成模块30包括随机矩阵生成单元、分解单元、随机正交矩阵生成单元和水印矩阵生成单元。随机矩阵生成单元，用于使用密钥生成两个尺度为w×w的随机矩阵，所述w为水印添加区域块的边长。分解单元，用于对所述两个随机矩阵分别进行QR分解得到两个正交矩阵。随机正交矩阵生成单元，用于使用密钥生成一个对角系数按从大到小排列的正交矩阵。水印矩阵生成单元，用于将前述的三个正交矩阵相乘得到水印矩阵。

水印添加模块40包括第一颜色空间转化单元、第一变换单元、第二变换单元、第三变换单元和第二颜色空间转化单元。第一颜色空间转化单元，用于将待添加水印的图像从RGB颜色空间转化到HSV颜色空间，获取图像的强度量。第一变换单元，用于对图像的强度量矩阵进行离散小波变换。第二变换单元，用于将离散小波变换后的第三层低频小波系数加上加权水印矩阵，所述加权水印矩阵为水印矩阵与加权系数矩阵的乘积。第三变换单元，用于对加入加权水印矩阵的第三层低频小波系数进行逆离散小波变换，得到添加水印后的图像强度量。第二颜色空间转化单元，用于将所述添加水印后的图像强度量替换原始的图像强度量，并将图像从HSV颜色空间转化到RGB颜色空间，得到添加水印后的图像。

参照图3，示出本申请的水印识别方法实施例一，包括以下步骤：

步骤301，根据待识别水印的图像获取水印原图。

此处的水印原图是指为添加水印后没有被修改的原始图像，因为添加过水印的图像来说，都会在图像库中存储其原图。在获取待识别水印的图像之后，首先需要从图像库中查找原图，如果能查找到，才进行后续步骤，反之，则无需再识别。这是因为对于水印的添加属于图像所有者为了保护其图像而所作的加密操作，只有对其进行水印添加后才需要识别水印，如果查找不到原图，则可以确定待识别水印并不是图像所有者所拥有的图像，所以无需再进行识别。如何根据待识别水印的图像获取水印原图，可以采用现有的图像相似度比较等方法来实现，本申请并不限制。

步骤302，提取待识别水印的图像和水印原图的局部特征点。

具体的，提取待识别水印的图像和水印原图的局部特征点也可以根据现有的特征算法来实现。在识别的过程中，首先需要获取添加水印时所采取的局部特征点提取方法，然后用同样的方法来提取待识别水印的图像和水印原图的局部特征点，从而便于后续的特征点的匹配等等。

步骤303，对提取的待识别水印的图像的局部特征点和水印原图的局部特征点进行匹配，确定待识别水印的图像与水印原图中互相匹配的局部特征点。

其中，匹配的方法为：将其中一个图像的每一个局部特征点都与另一个图像的所有局部特征点进行匹配。具体的过程可以包括以下步骤：

步骤C1，计算其中一个图像的一个局部特征点与另一个图像的所有局部特征点之间的最小距离和第二小距离。

其中，每一个局部特征点都可以用一个特征矩阵来表示，特征矩阵中的数值表示局部特征的属性值，两个局部特征点之间的距离即为两个特征矩阵之间的距离。

步骤C2，若所获取的最小距离与第二小距离的比值小于或等于第一阈值，则进行下一步骤，反之，则确定该局部特征点与另一个图像的所有局部特征点都不匹配。

步骤C3，若所获取的最小距离小于或等于第二阈值，则确定有最小距离的两个局部特征点互相匹配，反之，则确定该局部特征点与另一个图像的所有局部特征点都不匹配。

步骤C4，重复前述三个步骤，直到待识别水印的图像的局部特征点和原图的局部特征点是否匹配全部确认完成。

步骤C5，获取待识别水印的图像和水印原图的互相匹配的局部特征点。

若互相匹配的局部特征点的数量大于等于第三阈值，则认定待识别水印的图像和水印原图匹配，反之，则认定二者不匹配。

其中，前述的第一阈值、第二阈值和第三阈值都可以根据实际情况事先设定，一般情况下，为了保证识别的效果，可以取经验值，例如，第一阈值为0.6，第二阈值为400，第三阈值为6等等，当然也可以修改，具体的取值并不限制。

进一步地，若匹配的局部特征点的数量小于第三阈值，也可以适当的增大第一阈值和第二阈值，以增加匹配的局部特征点数量。

步骤304，根据确定的待识别水印的图像与水印原图互相匹配的局部特征点分别确定待识别水印的图像的水印添加区域以及水印原图中与水印添加区域对应的局部图像区域。

其中，待识别水印的图像的水印添加区域的确定与前述步骤102中相同，即以每一个确定的局部特征点位置为中心，边长为w的正方形为水印添加区域块，这些水印添加区域块组成水印添加区域。

步骤305，使用密钥生成符合正态分布的水印矩阵。

其中，水印矩阵的生成过程与前述步骤103的过程相同，在此不再叙述。

步骤306，计算待识别水印的图像和原图中的水印添加区域的差值矩阵，比较水印矩阵与差值矩阵的相关系数，实现水印识别。

其中，差值矩阵的计算过程如下：

D1，将待识别水印的图像中的水印添加区域和原图中的局部图像区域分别从RGB颜色空间转化到HSV颜色空间，获取水印添加区域和局部图像区域的强度量。

D2，对二者的强度量矩阵分别进行离散小波变换。

D3，提取二者离散小波变换后的第三层低频小波系数矩阵，进行差值计算得到差值矩阵。

可以事先设定水印矩阵与差值矩阵的相关系数阈值，然后将计算出的相关系数与阈值进行比较，若相关系数大于等于阈值，则认为待识别水印的图像的水印添加区域为水印原图中的局部图像区域，从而可以确定待识别水印的图像是否为水印图像，实现水印识别。

可以理解，前述实施例的步骤之间的相互顺序也可以互相调换，例如，使用密钥生成正态分布的水印矩阵可以在所有步骤进行之前就生成，也可以在各步骤进行中生成，只要能在最后与差值矩阵进行比较即可。

参照图4，示出本申请的水印识别方法实施例二，进一步地，在前述实施例一的步骤303与步骤304之间还包括：

步骤401，对待识别水印的图像进行校正，重新确定匹配的局部特征点。

因为待识别水印的图像可能会经过某些用户的编辑，例如放大、缩小、旋转、剪切等等操作，这就会与水印原图出现一些差异，为了保证识别的有效性，在进行水印识别区域选取之前，首先需要对待识别水印的图像进行几何校正，使其恢复为编辑前的尺寸，此时确定的匹配局部特征点能较好的保证识别的有效性和准确性。

具体包括以下步骤：

S1，设定针对各种编辑的函数模型。

例如，针对旋转、平移、缩放的函数模型，针对投影的函数模型等等。

S2，选取待识别水印的图像中的匹配局部特征点的几何坐标确定函数模型的参数。

其中，匹配局部特征点的选取数量需要根据函数模型所需要计算的参数来确定，计算出函数模型的参数需要几个局部特征点几何坐标就选取几个局部特征点来进行计算。例如，以旋转、平移、缩放的函数模型为例，其函数模型的表达式为： $\left[\begin{array}{c}{x}^{\′}\\ y^{\′}\end{array}\right]=\left[\begin{array}{ccc}\mathrm{\κ}\cos \mathrm{\Θ}& -\mathrm{\κ}\sin \mathrm{\Θ}& t_1\\ \mathrm{\κ}\sin \mathrm{\Θ}& \mathrm{\κ}\cos \mathrm{\Θ}& t_2\end{array}\right]\left[\begin{array}{c}x\\ y\\ 1\end{array}\right].$ 其中，(x，y)表示变换前，点的几何坐标位置；(x′，y′)表示变换后，点的几何坐标位置；κ表示图像尺度变化系数；t₁和t₂表示点在x方向和y方向的移位量；Θ为旋转变换的旋转角度。其模型参数为κ、Θ、t₁、t₂，计算该模型参数需要两个局部特征点，因此选取两个局部特征点的几何坐标计算函数模型参数。

S3，选定待识别水印的图像所对应的函数模型。

在计算出各函数模型的参数之后，可以将余下的匹配局部特征点的几何坐标带入各函数模型中进行计算，确定各匹配局部特征点的几何坐标能否使函数模型成立，统计使每个函数模型成立的局部特征点的数量，局部特征点的数量最多的函数模型则为待识别水印的图像所对应的函数模型。

S4，确定满足选定的函数模型的局部特征点为最终的匹配局部特征点。

S5，根据选定的函数模型对待识别水印的图像进行几何校正，得到校正图像。

可以理解，为了使识别效果更好，本方法实施例中，在重新确定匹配的局部特征点和校正图像后，则需要采用重新确定的匹配局部特征点和校正图像来进行后续的水印识别过程。

进一步地，在前述的水印识别方法实施例一和实施例二中，因为待识别水印的图像可能是多个水印原图的组合，为了获取较好的识别效果，在进行水印识别之前，可以首选对待识别水印的图像进行判定，如果包含为多个图的组合，则先将待识别水印的图像进行切割之后，再进行前述方法实施例中的各步骤。

参照图5，示出本申请的水印识别系统实施例一，包括水印原图获取模块61、局部特征点提取模块62、局部特征点确定模块63、水印添加区域确定模块64、水印矩阵生成模块65和水印识别模块66。

水印原图获取模块61，用于根据待识别水印的图像获取水印原图。

局部特征点提取模块62，用于提取待识别水印的图像和水印原图的局部特征点。优选地，在进行局部特征点提取之前，首先需要确定水印添加时的局部特征点提取方法，然后采用相同的方法提取识别水印的图像和水印原图的局部特征点。

局部特征点确定模块63，用于对提取的待识别水印的图像的局部特征点和水印原图的局部特征点进行匹配，确定待识别水印的图像与水印原图中互相匹配的局部特征点。

水印添加区域确定模块64，用于根据所述待识别水印的图像与水印原图互相匹配的局部特征点分别确定待识别水印的图像和水印原图中的水印添加区域。

水印矩阵生成模块65，用于使用密钥生成符合正态分布的水印矩阵。

水印识别模块66，用于计算待识别水印的图像和原图中的水印添加区域的差值矩阵，比较水印矩阵与差值矩阵的相关系数，实现水印识别。

其中，局部特征点确定模块63包括局部特征点距离计算单元和判断单元。局部特征点距离计算单元，用于计算其中一个图像的一个局部特征点与另一个图像的所有局部特征点之间的最小距离和第二小距离。判断单元，用于判断最小距离和第二小距离的大小，若所获取的最小距离与第二小距离的比值小于或等于第一阈值，且最小距离否小于等等第二阈值则确定有最小距离的两个局部特征点互相匹配，反之，则确定该局部特征点与另一个图像的所有局部特征点都不匹配。

水印识别模块66包括颜色空间转化单元、变换单元和差值矩阵计算单元。颜色空间转化单元，用于将待识别水印的图像中的水印添加区域和原图中的局部图像区域分别从RGB颜色空间转化到HSV颜色空间，获取水印添加区域和局部图像区域的强度量。变换单元，用于对二者的强度量矩阵分别进行离散小波变换。差值矩阵计算单元，用于提取二者离散小波变换后的第三层低频小波系数矩阵，进行差值计算得到差值矩阵。

参照图6，进一步地，水印识别系统还包括图像校正模块67，用于对待识别水印的图像进行校正，重新确定匹配的局部特征点。

其中，图像校正模块67包括函数模型参数确定单元、函数模型确定单元、匹配局部特征点确定单元和图像校正单元。函数模型参数确定单元，用于选取待识别水印的图像中的匹配局部特征点的几何坐标确定函数模型的参数。函数模型确定单元，用于选定待识别水印的图像所对应的函数模型。匹配局部特征点确定单元，用于确定满足选定的函数模型的局部特征点为最终的匹配局部特征点。图像校正单元，用于根据选定的函数模型对待识别水印的图像进行几何校正，得到校正图像。

优选地，水印识别系统还包括图像切割模块，用于在对水印识别之前对拼接的图像进行切割，从而提高识别的准确性。

采用本申请的水印添加方法和系统实现的基于图像局部特征的水印添加，在水印添加过程中通过对水印添加区域筛选，使水印具有较好的不可见性，另外，在水印添加的过程中采用符合正态分布的水印矩阵，增强了水印的鲁棒性。

采用本申请的水印识别方法和系统实现的基于图像局部特征的水印识别，在水印识别过程中通过与水印原图比较的方式来确定二者之间的相互匹配的局部特征点来确定准确的水印添加区域，可以提高识别的准确性。另外，在水印识别过程中，通过符合正态分布的水印矩阵与待识别图像和水印原图的水印添加区域的差值矩阵进行比较来实现水印识别，也可以提高识别的准确性。

进一步，在水印识别过程中还加入了对识别图像进行几何校正的过程，可以对被编辑(水印攻击)的图像进行校正后再识别，也进一步地提高了水印识别的准确性和效率。

同时，本申请的水印添加方法和水印识别方法的实现过程较为简单，缩短了水印添加和识别的时间，从而能实现快速有效的添加和识别。进一步地，在水印识别的过程中会利用水印添加过程中的相关条件来进行识别，也提高了识别的效率和准确性。

在测试过程中，采用本申请的水印添加方法和系统、水印识别方法和系统对72000张图像(图片尺度范围为400-2000)进行测试，测试结果表明，本申请的水印添加平均耗时在50ms以内，水印识别平均耗时在80ms以内(上述时间都不包括局部特征提取时间，这部分时间视具体的局部特征算法而定)。本发明的准确率达到99.98％，准确率指一旦检测出相关水印可确认是之前加入的信息的比率，对常见的水印攻击如旋转、加入logo、图像编码压缩、尺度压缩等都有较高的召回率，详情见下表。

水印攻击内容	准确率	召回率
			加入20x20的logo	＞99.98％	99.77％
压缩率0.85的jpg图像压缩	＞99.98％	97.30％
			尺度扩大两倍	＞99.98％	98.77％
尺度压缩两倍	＞99.98％	92.51％
			图像旋转10°	＞99.98％	92.73％
图像拼接	＞99.98％	97.47％
			图像切割(中心向外取70％)	＞99.98％	92.02％

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于系统实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上对本申请所提供的水印添加方法及系统、水印识别方法及系统进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (14)

1.一种水印添加方法，其特征在于，包括以下步骤：

提取待添加水印的图像的局部特征点；

根据提取的局部特征点选取所述待添加水印的图像的水印添加区域；

使用密钥生成符合正态分布的水印矩阵；

根据生成的水印矩阵将水印添加到选取的水印添加区域。

2.如权利要求1所述的水印添加方法，其特征在于，所述根据提取的局部特征点选取所述待添加水印的图像的水印添加区域包括：

设定水印添加区域块的大小；

将每一个局部特征点位置作为一个水印添加区域块的中心；

将所述水印添加区域块组成水印添加区域。

3.如权利要求2所述的水印添加方法，其特征在于，所述根据提取的局部特征点选取所述待添加水印的图像的水印添加区域还包括：

丢弃白色面积比例大于阈值的水印添加区域块；和/或

丢弃标准方差小于阈值的水印添加区域块；和/或

丢弃中心距离小于阈值的两个水印添加区域块中的一个。

4.如权利要求2所述的水印添加方法，其特征在于，所述水印添加区域块为正方形，所述正方形的边长为2的指数倍。

5.如权利要求4所述的水印添加方法，其特征在于，所述使用密钥生成符合正态分布的水印矩阵包括：

使用密钥生成两个尺度为w×w的随机矩阵，所述w为水印添加区域块的边长；

对所述两个随机矩阵分别进行QR分解得到两个正交矩阵；

使用密钥生成一个对角系数按从大到小排列的正交矩阵；

将前述两个步骤中的三个正交矩阵相乘得到水印矩阵。

6.如权利要求1所述的水印添加方法，其特征在于，所述根据生成的水印矩阵将水印添加到选取的水印添加区域包括：

将待添加水印的图像从RGB颜色空间转化到HSV颜色空间，获取图像的强度量；

对图像的强度量矩阵进行离散小波变换；

将离散小波变换后的第三层低频小波系数加上加权水印矩阵，所述加权水印矩阵为水印矩阵与加权系数矩阵的乘积；

对加入加权水印矩阵的第三层低频小波系数进行逆离散小波变换，得到添加水印后的图像强度量；

用所述添加水印后的图像强度量替换原始的图像强度量，并将图像从HSV颜色空间转化到RGB颜色空间，得到添加水印后的图像。

7.一种水印添加系统，其特征在于，包括：

局部特征点提取模块，提取待添加水印的图像的局部特征点；

水印添加区域选取模块，用于根据提取的局部特征点选取所述待添加水印的图像的水印添加区域；

水印矩阵生成模块，用于使用密钥生成符合正态分布的水印矩阵；

水印添加模块，根据生成的水印矩阵将水印添加到选取的水印添加区域。

8.一种水印识别方法，其特征在于，包括以下步骤：

根据待识别水印的图像获取水印原图；

提取待识别水印的图像和水印原图的局部特征点；

对提取的待识别水印的图像的局部特征点和水印原图的局部特征点进行匹配，确定待识别水印的图像与水印原图中互相匹配的局部特征点；

根据所述待识别水印的图像与水印原图互相匹配的局部特征点分别确定待识别水印的图像和水印原图中的水印添加区域；

使用密钥生成符合正态分布的水印矩阵；

计算待识别水印的图像和原图中的水印添加区域的差值矩阵，比较水印矩阵与差值矩阵的相关系数，实现水印识别。

9.如权利要求8所述的水印识别方法，其特征在于，所述对提取的待识别水印的图像的局部特征点和水印原图的局部特征点进行匹配包括：

计算其中一个图像的一个局部特征点与另一个图像的所有局部特征点之间的最小距离和第二小距离；

若所获取的最小距离与第二小距离的比值小于或等于第一阈值，则进行下一步骤，反之，则确定该局部特征点与另一个图像的所有局部特征点都不匹配；

若所获取的最小距离小于或等于第二阈值，则确定有最小距离的两个局部特征点互相匹配，反之，则确定该局部特征点与另一个图像的所有局部特征点都不匹配；

重复前述三个步骤，直到待识别水印的图像的局部特征点和原图的局部特征点是否匹配全部确认完成；

获取待识别水印的图像和水印原图的互相匹配的局部特征点。

10.如权利要求8所述的水印识别方法，其特征在于，所述差值矩阵的计算过程包括：

将待识别水印的图像中的水印添加区域和原图中的局部图像区域分别从RGB颜色空间转化到HSV颜色空间，获取水印添加区域和局部图像区域的强度量；

对二者的强度量矩阵分别进行离散小波变换；

提取二者离散小波变换后的第三层低频小波系数矩阵，进行差值计算得到差值矩阵。

11.如权利要求8所述的水印识别方法，其特征在于，所述方法还包括在确定待识别水印的图像与水印原图中互相匹配的局部特征点之后增加如下步骤：

对待识别水印的图像进行校正，重新确定匹配的局部特征点。

12.如权利要求11所述的水印识别方法，其特征在于，所述对待识别水印的图像进行校正，重新确定匹配的局部特征点包括：

选取待识别水印的图像中的匹配局部特征点的几何坐标确定函数模型的参数；

选定待识别水印的图像所对应的函数模型；

确定满足选定的函数模型的局部特征点为最终的匹配局部特征点；

根据选定的函数模型对待识别水印的图像进行几何校正，得到校正图像。

13.如权利要求8所述的水印识别方法，其特征在于，在所述根据待识别水印的图像获取水印原图之前还包括：

对待识别水印的图像进行切割。

14.一种水印识别系统，其特征在于，包括：

水印原图获取模块，用于根据待识别水印的图像获取水印原图；

局部特征点提取模块，用于提取待识别水印的图像和水印原图的局部特征点；

局部特征点确定模块，用于对提取的待识别水印的图像的局部特征点和水印原图的局部特征点进行匹配，确定待识别水印的图像与水印原图中互相匹配的局部特征点；

水印添加区域确定模块，用于根据所述待识别水印的图像与水印原图互相匹配的局部特征点分别确定待识别水印的图像和水印原图中的水印添加区域；

水印矩阵生成模块，用于使用密钥生成符合正态分布的水印矩阵；

水印识别模块，用于计算待识别水印的图像和原图中的水印添加区域的差值矩阵，比较水印矩阵与差值矩阵的相关系数，实现水印识别。

Images