CN102956025B - 一种图像水印检测方法及其系统 - Google Patents

Abstract

本发明公开了一种图像水印检测方法及其系统，该方法包括：提取待检测图像中包含的水印信号，作为第一水印信号；对所述第一水印信号进行自相关函数计算，以生成自相关函数图像；将参考布局信息与所述自相关函数图像分别映射到对数极坐标系中，获得使得二者线性相关值最大的最大坐标点；根据所述最大坐标点的坐标值，对待检测图像进行恢复以得到校正图像；基于在所述校正图像中各与基准水印模板所构成的图像形状大小相一致的区域、与基准水印模板之间的各相关值中的最大相关值，判断该校正图像中是否包含基准水印信号。本发明的图像数字水印检测方法能够抵抗合理范围内的旋转、剪切和缩放等复合几何攻击，安全性高。

Description

一种图像水印检测方法及其系统

技术领域

本发明涉及一种图像数字水印技术，尤其涉及一种图像水印检测方法及其系统。

背景技术

伴随着数字拍照技术的发展和电子商务、数字出版、新闻门户和社交网站等互联网应用的普及，数字图片已成为人们日常生活的一部分。数字图片的一个基本属性是非常容易复制，因此带来了严重的数字版权盗版威胁。

保护数字图片版权的一种技术方法是采用数字版权管理(Digital RightsManagement，简称DRM)系统。DRM工作原理是数字图片提供者利用密钥对图片进行加密保护，同时建立授权中心控制数字图片的传播。这意味着DRM保护数字图片版权需要在一个相对封闭的环境中进行，假如有DRM系统内的恶意用户将数字图片传播到系统之外，DRM系统就无能为力了。可见，DRM技术难以应用在当今社会的开放环境中。

保护数字图片版权另一种有效的方法是采用图像数字水印技术，版权所有者首先将版权所有者信息嵌入到图片中，在发现侵权后可提请第三方检测侵权图片所包含的版权所有者信息，从而达到震慑版权侵权的作用。

在图像数字水印技术具体应用中，在检测某个数字图片是否包含水印信息或者水印信息的部分内容时，一般难以获得该图片对应的原始图片。这就要求所采用的图像数字水印技术可以进行盲检测，即便在不使用原始图片信息的情况下也能够进行检测。

图像数字水印盲检测所面临的最大挑战一般是几何攻击，即对包含水印的图片进行旋转、缩放、剪切等操作以期使图片可能包含的版权水印信息无法检测出来。针对几何攻击，图像水印检测算法的对策一般是先检测出图像载体包含的模板水印，通过模板水印信息确定图像可能遭受的几何攻击参数，然后恢复出未受几何攻击的原始图像载体再进行下一步的水印信息检测。

目前已有的盲检测图像数字水印算法大多无法有效解决几何裁剪攻击，尤其是在裁剪攻击和旋转、缩放攻击结合的情况下。

发明内容

本发明所要解决的技术问题是需要提供一种抵抗几何攻击图像水印检测方法及其系统。

为了解决上述技术问题，本发明提供了一种图像水印检测方法及其系统。

根据本发明的一方面，提供了一种图像水印检测方法。该图像水印检测方法包括：步骤一，提取待检测图像中包含的水印信号，作为第一水印信号；步骤二，对所述第一水印信号进行自相关函数计算，以生成自相关函数图像；步骤三，将参考布局信息与所述自相关函数图像分别映射到对数极坐标系中，获得使得二者线性相关值最大的最大坐标点；步骤四，根据所述最大坐标点的坐标值，对待检测图像进行恢复以得到校正图像；以及步骤五，基于在所述校正图像中各与基准水印模板所构成的图像形状大小相一致的区域、与基准水印模板之间的各相关值中的最大相关值，判断该校正图像中是否包含基准水印信号，其中，所述参考布局信息是在图像的水印信号嵌入过程中附加至图像的具有设定规则的信息。

根据本发明另一方面的图像水印检测方法，还包括：在所述步骤一中，将所述待检测图像的灰度直方图均衡化，获得均衡化图像；以及基于所述均衡化图像提取所述待检测图像中包含的所述第一水印信号。

根据本发明另一方面的图像水印检测方法，还包括：在所述步骤一中，通过对所述均衡化图像进行预测滤波来获取所述待检测图像中的高频率部分，作为第一水印信号。

根据本发明另一方面的图像水印检测方法，通过高斯高通滤波器或巴特沃斯高通滤波器来进行预测滤波。

根据本发明另一方面的图像水印检测方法，若判断出所述校正图像含有基准水印信号，则获取校正图像中的水印信号并对其进行解码输出。

根据本发明另一方面的图像水印检测方法，在所述步骤三中，对所述参考布局信息与所述自相关函数图像的映射结果进行匹配滤波以获得使得二者的线性相关值最大的最大坐标点。

根据本发明另一方面的图像水印检测方法，根据所述最大坐标点的坐标值来获得用于表征所述待检测图像受到的几何攻击的几何攻击参数，利用所述几何攻击参数对待检测图像进行恢复以得到校正图像。

根据本发明的又一方面，还提供了一种图像水印检测系统，包括：提取模块(21)，其提取待检测图像中包含的水印信号，作为第一水印信号；计算模块(22)，其获取相关值最大的最大坐标点；校正模块(23)，其根据所述最大坐标点的坐标值，对待检测图像进行恢复以得到校正图像；以及判断模块(24)，其基于在所述校正图像中各与基准水印模板所构成的图像形状大小相一致的区域、与基准水印模板之间的各相关值中的最大相关值，判断该校正图像中是否包含基准水印信号；

所述计算模块(22)通过如下处理来获取相关值最大的最大坐标点：对所述第一水印信号进行自相关函数计算，以生成自相关函数图像；将参考布局信息与所述自相关函数图像分别映射到对数极坐标系中，获得使得二者线性相关值最大的最大坐标点；

其中，所述参考布局信息是在图像的水印信号嵌入过程中附加至图像的具有设定规则的信息。

根据本发明又一方面的图像水印检测系统，其中，所述计算模块(22)对所述参考布局信息与所述自相关函数图像的映射结果进行匹配滤波以获得使得二者线性相关值最大的最大坐标点。

根据本发明又一方面的图像水印检测系统，其中，所述校正模块(23)根据所述最大坐标点的坐标值来获得表征所述待检测图像受到的几何攻击的几何攻击参数，利用所述几何攻击参数对待检测图像进行恢复以得到校正图像。

简而言之，针对已有盲检测图像算法的这种不足，本发明提供一种图像水印检测方法及其系统。该方法根据待检测图像预先嵌入的参考布局信息计算出待检测图像经受的旋转、缩放等几何攻击的几何攻击参数。然后，根据旋转、缩放等几何攻击的几何攻击参数将待检测图像进行恢复，恢复出校正图像，该方法将校正图像与基准水印模板进行相关性匹配，确定待检测图像是否包含基准水印模板，如果包含的话则解码出所包含的水印信号。

与现有技术相比，本发明具有以下优点：本发明的图像数字水印检测方法能够抵抗合理范围内的旋转、剪切和缩放复合几何攻击；本发明中图像数字水印检测方法的基准水印模板可作为密钥使用，在不知道密钥的情况下攻击者即使知道了检测算法也无法检测或抹掉水印；本发明中图像数字水印检测算法计算量最大的部分是卷积计算，而卷积计算可以借助运算速度快的快速傅里叶变换实现，这就使得本算法能够获得较快的计算速度。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

虽然在下文中将结合一些示例性实施及使用方法来描述本发明，但本领域技术人员应当理解，为并不旨在将本发明限制于这些实施例。反之，旨在覆盖包含在所附的权利要求书所定义的本发明的精神与范围内的所有替代品、修正及等效物。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是根据本发明第一实施例的图像水印检测方法的流程示意图；

图2是根据本发明第二实施例的图像水印检测系统的结构示意图；

图3是根据本发明实施例的自相关函数生成的图像示例。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

第一实施例

图1示出根据本发明第一实施例的图像水印检测方法的流程示意图。下面参考图1来说明本实施例的各步骤。

提取待检测图像中包含的水印信号。待检测图像在之前的水印嵌入过程中，已经嵌入了水印信号。由于待检测图像可能已经受到了几何攻击，因此所提取的水印信号也可能是受到几何攻击影响的水印信号。为了便于说明，下方中将从待检测图像中所提取的水印信号简称为第一水印信号。具体细节将在下述步骤110与步骤120中进行说明。

需要说明的是，本实施例的待检测图像中，预先附加了参考布局信息。例如，可以在之前对待检测图像嵌入水印信号的过程中，对待检测图像嵌入同步模板，其中，该同步模板可以是一个大小与待检测图像相等的定义了脉冲峰值点的图像。再如，也可以在之前对待检测图像嵌入水印信号的过程中，先在所要嵌入的水印信息中有规则地(但不可见地)布局若干脉冲峰值点，只要使得在附加规则的参考布局信息后，待检测图像中所嵌入的水印信息区域能够表现出一定规则的布局信息即可。简而言之，参考布局信息是在图像的水印信号嵌入过程中附加至图像的具有一定(设定)规则的信息，此处的一定规则可为任意预设的规则。

步骤110，将待检测图像的灰度直方图均衡化，获得均衡化图像。

具体地，首先，提取所述待检测图像的灰度信息作为待检测图像数据。若待检测图像为彩色图像，则将其转化到YUV色彩空间模型上，然后提取模型上的Y通道信息作为待检测图像数据；若待检测图像为灰度图像，则直接将其灰度信息作为待检测图像数据。

具体地，对于BMP、JPG、PNG等格式的数字彩色图片的输入，首先将数字彩色图片进行解码，然后将解码后的图像进行YUV颜色空间转换。其中，YUV颜色空间模型中“Y”表示明亮度(Luminance或Luma)，也就是灰度值；而“U”和“V”表示的是色度(Chrominance或Chroma)，作用是描述影像色彩及饱和度，用于指定像素的颜色。

将由RGB颜色空间模板所表示的解码后的图像进行颜色空间转换，也就是将RGB颜色空间模板上的信息转换到YUV颜色空间上，颜色空间转换如下式所示，在进行颜色空间变换后，提取Y通道信息灰度值作为待检测图像数据进行输入。

Y＝0.299R+0.587G+0.114B

U＝0.492(B-Y)

V＝0.877(R-Y)

获取所得待检测图像数据的灰度直方图，然后将灰度直方图进行直方图均衡化，以获得灰度直方图被均衡化后的图像。

具体地，根据待检测图像的灰度值统计待检测图像的灰度在各个灰度级上出现的次数，以得到灰度直方图，然后采用自适应直方图均衡的方法进行直方图均衡化，以使得均衡处理后图像灰度分布的概率密度函数p(s)＝1，亦即所有图像灰度级出现的概率相同。

需要说明的是，图像的灰度直方图是对图像的所有像素的灰度分布按灰度值的大小显示其出现频率的一种统计图，一般使用二维坐标系来表示。对灰度直方图进行均衡化是减少图像的灰度等级以换取对比度的扩大，通过对直方图进行均匀化修正，使图像的灰度间距增大或灰度均匀分布、增大反差，使图像的细节变得清晰。

步骤120，基于步骤110所得的均衡化图像提取待检测图像中的水印信号，简称为第一水印信号。

可以通过对均衡化图像进行预测滤波来提取第一水印信号。优选地，本实施例采用高斯高通滤波，高斯高通滤波的过程可包括：对均衡化图像进行高斯低通滤波，再计算均衡化图像与高斯低通滤波后图像的残差值，以获取所述待检测图像中高频率部分，将所获取的高频率部分作为第一水印信号。更优选地，高斯低通滤波的模板如下所示：

$\frac{1}{16}\left[\begin{array}{ccc}1& 2& 1\\ 2& 4& 2\\ 1& 2& 1\end{array}\right]$

具体地，高斯低通滤波的处理方法是用模板中不同的系数乘以像素，从系数值上看，模板中的一些像素比另一些更为重要。从上式可看出，表示3×3的滤波器，处于滤波器中心位置的像素比其他任何像素的系数值都要大。而距离滤波器中心较远的其他像素就显得不太重要，由于对角项距离中心比正交方向相邻的像素更远，所以它的重要性比中心直接相邻的四个像素低。上述中模板中的所有系数的和应为16，因为它是2的整数次幂便于计算机实现。

此外，本步骤中，除了采用高斯高通滤波器外，还可以采用巴特沃斯高通滤波器等来进行预测滤波，甚至还可以由自然图像概率分布模型推导出来。

步骤130，对步骤120中所提取的待检测图像中的水印信号进行自相关函数计算，以生成自相关函数图像，记为f(u，v)。公式可如下：

$f(u,v)=\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{N}{\mathrm{\Σ}}}I(x,y)I(x-u,y-v)$

其中，I表示对第一水印信号进行周期性拓展而生成的图像；

x，y分别表示图像I的宽方向的坐标值和高方向的坐标值；

M，N分别表示图像I的宽和高，与待检测图像的宽和高相等；

u，v分别表示自相关函数的宽方向的坐标值和高方向的坐标值；

其中，x，u＝1...M；y，v＝1...N。

自相关函数所f(u，v)随着u，v的大小变化而变化，f(u，v)的值呈现某种周期化的变化。

更具体地，由于待检测图像中的水印信号对应于图像中的高频率部分，所提取的水印信号(第一水印信号)是由正态分布、零均值的随机数所组成的序列，而第一水印信号的随机数的个数小于待检测图像像素的个数，因此，上式中采用了对第一水印信号进行拓展(重复复制)而生成的周期性的函数。

本实施例通过引入自相关图像来表征待检测图像，既可以更好地反映待检测图像的分布特征以及周期性等特点，又能消除平移这一几何形变造成的影响，同时将待检测图像的旋转以及缩放这些几何攻击形变一一的映射到了其自相关图像的旋转以及缩放。

步骤140，将参考布局信息与步骤130所得的自相关函数图像分别映射到对数极坐标系中，然后对二者的映射结果进行匹配滤波以获得线性相关值最大的坐标点(简称最大坐标点)及其值Pm(r_p，θ_p)。

具体地，图像对数极坐标变换是将图像从笛卡尔坐标系转换至对数极坐标系。首先将参考布局信息进行坐标变换，将得到的图像记为t(r，θ)，然后将自相关函数图像进行坐标变换，将得到的图像记为f(r，θ)，然后将图像t(r，θ)与图像f(r，θ)进行匹配滤波，亦即进行相关运算以得到线性相关值最大的坐标点及其值Pm(r_p，θ_p)。其中，从点P(x，y)到对数极坐标的映射公式可如下：

$\left\{\begin{array}{c}r=M_c\·\log \left(\sqrt{x^2+y^2}\right)\\ \mathrm{\θ}=\arctan (y/x)\end{array}\right.$

式中，(r，θ)分别表示对数极坐标的极径和极角，M_c为常数。由上式可得，该映射变换将一个圆形区域映射成一个矩形区域。在笛卡尔坐标系下图像发生缩放时，对数极坐标将产生平移，对数极坐标具有较好的尺度和旋转不变性。如下所示，式中s表示缩放参数。

$s\·r\⇔\log \left(s\right)+\log \left(r\right)$

其中，匹配滤波是指获得使得参考布局信息与自相关函数图像分别映射到对数极坐标系中最大坐标点Pm(r_p，θ_p)，使得二者线性相关值最大，亦即g(r，θ)＝f(r，θ)οt(r，θ)达到全局峰值。相关性运算可如下式所示，

式中，“ο”表示“相关性”操作；M，N分别表示自相关函数图像和参考布局信息在对数极坐标系下的宽和高，与待检测图像的宽和高相等；f(r，θ)，t(r，θ)分别是自相关函数图像和参考布局信息在对数极坐标系下的表示形式。

步骤150，根据步骤140所得的最大坐标点的坐标值Pm(r_p，θ_p)，对待检测图像进行恢复得到校正图像。

更具体地，根据最大坐标点的坐标值来获得表征所述待检测图像受到的几何攻击的几何攻击参数，利用几何攻击参数对待检测图像进行恢复以得到校正图像，下面将更详细地进行说明。

根据最大坐标点的坐标值Pm(r_p，θ_p)，获得表征待检测图像所经受的旋转和/或缩放等几何攻击的几何攻击参数。以进行了旋转和缩放的情况为例，需要获得旋转参数和缩放参数，根据对数极坐标映射的性质，可将公式表示如下：

式中，s，d分别表示缩放参数和旋转参数；

M_c为常数；

N表示自相关图像在对数极坐标系下的高，与待检测图像的高相等。

以及，利用所得旋转参数d与缩放参数s，对待检测图像进行恢复以得到未经几何攻击的校正图像，如下公式所示，

$\left(\begin{array}{c}{x}^{\′}\\ y^{\′}\end{array}\right)=\frac{1}{s}\left[\begin{array}{cc}\cos d& \sin d\\ -\sin d& \cos d\end{array}\right]\left(\begin{array}{c}x\\ y\end{array}\right)$

式中， $\left(\begin{array}{c}x\\ y\end{array}\right)$ 表示待检测图像像素坐标；

$\left(\begin{array}{c}{x}^{\′}\\ y^{\′}\end{array}\right)$ 表示校正图像像素坐标。

本实施中，通过将参考布局信息与所得到的自相关函数图像进行比较，以校正待检测图像所受到的几何攻击。由于参考布局信息数据可以比待检测图像数据小得多，所以其匹配速度快，节省了相关性运算的计算时间，提高了工作效率。

步骤160，基于在上述校正图像中任一与基准水印模板图像形状大小相一致的区域与基准水印模板图像(简称基准水印图像)之间的相关值中最大相关值C_max，判断该校正图像中是否包含基准水印信号。

例如，先将以校正图像的中心为中心的一个与基准水印模板图像形状大小相一致的区域(简称中心区域)与基准水印模板进行对比，获取二者之间的相关值，再将中心区域旁边的各形状大小一致的区域(例如，中心点向左、上、右或下偏移了1或若干像素的区域)、与基准水印模板进行对比，获得相应的相关值，依此类推，从而求得上述最大相关值。其中，校正图像中任一与基准水印模板所构成的图像形状大小一致的区域、与基准水印模板的最大相关值的获得可按如下公式计算：

$\underset{p(x,y)}{\max }{W}_r(x,y){*}_m{B}_c(x,y)$

其中，W_r(x，y)表示基准水印模板，是由L个调制块组成，W_r(x，y)＝(w_r[1]，...，w_r[i]，...，w_r[L])，w_r[i]表示第i个调制块；B_c(x，y)表示中心区域(受检测小块)，对应于基准水印模板也由相应的L个元素组成，B_c(x，y)＝(B[1]，...，B[i]，...，B[L])，其中B_i是中心区域的对应于第i个调制块的区域；p(x，y)表示校正图像的点(滑动到的点)；*_m表示卷积操作的一种变型， $W_r{*}_m{B}_c=\underset{i=1}{\overset{L}{\mathrm{\Σ}}}\left|w_r\right[i]*B[i\left]\right|,$ *这里表示卷积操作。

例如，当最大相关值大于某一预设阈值时，判断为含有基准水印信号。

此外，若基于上述最大相关值判断出校正图像含有基准水印信号，则获取校正图像的水印信号并对其进行解码输出。

例如，可以与对待检测方式进行恢复得到校正图像类似的方式，根据步骤140所得的最大坐标点的坐标值Pm(r_p，θ_p)，对第一水印信号图像进行恢复得到校正后的水印图像，然后对校正后的水印图像进行解码输出。

再如，也可以从取得上述最大相关值C_max的校正图像中的区域中提取水印信号并对其进行解码。

具体地，判断所得的最大相关性值C_max是否满足小于预设阈值T，若满足则校正图像不包含基准水印信号，否则校正图像包含基准水印信号，并对基准水印信号进行解码输出。通过以下步骤解码输出校正图像中所包含的基准水印信号：

1)输入预先设定的基准水印模板的长度为L比特；

2)设i＝1，i为基准水印模板的第i个调制块；

3)如果基准水印模板的第i个调制块与中心区域相应的区域的归一化线性相关值C_i大于T_h则水印信息相应输出为1，否则输出0。其中，T_h是预先设定的阈值，一般可设为0。这里中心区域是指在校正图像中与基准水印模板进行相关值运算所得最大相关值的中心区域。其中，C_i的计算公式可如下所示：

$C_i=\frac{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{M}_i\left(k\right)(B_i\left(k\right)-m)}{\sqrt{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{\left|M_i\left(k\right)\right|}^2}\sqrt{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{|B_i\left(k\right)-m|}^2}}$

式中，M_i是基准水印模板的第i个调制块；

B_i是中心区域的对应于第i个调制块区域；

n是B_i区域的长度，m表示B_i区域的均值。

4)i自增1，如果i＜＝L，则返回步骤3)；否则结束。将所得到的各个相应位水印信息按顺序排列以生成基准水印信号。

需要说明的是，基准水印信号由具体应用设定，一般可表示成白噪声(功率密度谱均匀分布)序列的形式。基准水印信号可以是二进制形式或高斯噪声形式并且其由基准水印模板来调制，例如噪声序列(作为基准水印模板)调制了基准水印信号0100011011。具体地，第i个调制块调制二进制信息0或1，可如下所示：

$w_m\left[i\right]=\left\{\begin{array}{cc}{w}_r\left[i\right]& ,\mathrm{bit}=1\\ -w_r\left[i\right]& ,\mathrm{bit}=0\end{array}\right.$

根据上式，若要嵌入基准水印信号为二进制信息bit＝1，则实际上嵌入w_r[i]；若要嵌入二进制信息bit＝0，则实际嵌入-w_r[i]。w_r[i]一般是白噪声序列，w_r[i]的组合即是基准水印模板W_r。

第二实施例

图2示出根据本发明第二实施例的图像水印检测系统的结构示意图。下面参考图2来说明本实施例的各部分组成。

参考图2本实施例的提取模块(21)执行第一实施例的步骤110和步骤120的操作，计算模块(22)执行第一实施例的步骤130和步骤140的操作，校正模块(23)与判断模块(24)分别执行第一实施例的步骤150和步骤160。在此不再详细展开。

本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种图像水印检测方法，其特征在于，包括：

步骤一，提取待检测图像中包含的水印信号，作为第一水印信号；

步骤二，对所述第一水印信号进行自相关函数计算，以生成自相关函数图像；

步骤三，将参考布局信息与所述自相关函数图像分别映射到对数极坐标系中，获得使得二者线性相关值最大的最大坐标点，其中，

根据如下表达式对所述参考布局信息与所述自相关函数图像的笛卡尔坐标系点P(x,y)分别进行映射：

$\left\{\begin{array}{c}r=M_c\·\log \left(\sqrt{x^2+y^2}\right)\\ \mathrm{\θ}=\arctan (y/x)\end{array}\right.$

式中，(r,θ)分别表示对数极坐标的极径与极角，M_c为常数；

步骤四，根据所述最大坐标点的坐标值，对待检测图像进行恢复以得到校正图像；以及

步骤五，基于在所述校正图像中各与基准水印模板所构成的图像形状大小相一致的区域、与基准水印模板之间的各相关值中的最大相关值，判断该校正图像中是否包含基准水印信号，

其中，

所述参考布局信息是在图像的水印信号嵌入过程中附加至图像的具有设定规则的信息。

2.根据权利要求1所述的方法，其特征在于，在所述步骤一中，

将所述待检测图像的灰度直方图均衡化，获得均衡化图像；以及

基于所述均衡化图像提取所述待检测图像中包含的所述第一水印信号。

3.根据权利要求2所述的方法，其特征在于，在所述步骤一中，

通过对所述均衡化图像进行预测滤波来获取所述待检测图像中的高频率部分，作为第一水印信号。

4.根据权利要求3所述的方法，其特征在于，

通过高斯高通滤波器或巴特沃斯高通滤波器来进行预测滤波。

5.根据权利要求1所述的方法，其特征在于，

若判断出所述校正图像含有基准水印信号，则获取校正图像中的水印信号并对其进行解码输出。

6.根据权利要求1至5中任一项所述的方法，其特征在于，

在所述步骤三中，对所述参考布局信息与所述自相关函数图像的映射结果进行匹配滤波以获得使得二者的线性相关值最大的最大坐标点。

7.根据权利要求6所述的方法，其特征在于，

根据所述最大坐标点的坐标值来获得用于表征所述待检测图像受到的几何攻击的几何攻击参数，利用所述几何攻击参数对待检测图像进行恢复以得到校正图像。

8.一种图像水印检测系统，其特征在于，包括：

提取模块(21)，其提取待检测图像中包含的水印信号，作为第一水印信号；

计算模块(22)，其获取相关值最大的最大坐标点；

校正模块(23)，其根据所述最大坐标点的坐标值，对待检测图像进行恢复以得到校正图像；以及

判断模块(24)，其基于在所述校正图像中各与基准水印模板所构成的图像形状大小相一致的区域、与基准水印模板之间的各相关值中的最大相关值，判断该校正图像中是否包含基准水印信号；

所述计算模块(22)通过如下处理来获取相关值最大的最大坐标点：

对所述第一水印信号进行自相关函数计算，以生成自相关函数图像；

将参考布局信息与所述自相关函数图像分别映射到对数极坐标系中，获得使得二者线性相关值最大的最大坐标点，其中，

根据如下表达式对所述参考布局信息与所述自相关函数图像的笛卡尔坐标系点P(x,y)分别进行映射：

$\left\{\begin{array}{c}r=M_c\·\log \left(\sqrt{x^2+y^2}\right)\\ \mathrm{\θ}=\arctan (y/x)\end{array}\right.$

式中，(r,θ)分别表示对数极坐标的极径与极角，M_c为常数；

其中，

所述参考布局信息是在图像的水印信号嵌入过程中附加至图像的具有设定规则的信息。

9.根据权利要求8所述的一种图像水印检测系统，其特征在于，

所述计算模块(22)对所述参考布局信息与所述自相关函数图像的映射结果进行匹配滤波以获得使得二者线性相关值最大的最大坐标点。

10.根据权利要求8或9所述的一种图像水印检测系统，其特征在于，

所述校正模块(23)根据所述最大坐标点的坐标值来获得表征所述待检测图像受到的几何攻击的几何攻击参数，利用所述几何攻击参数对待检测图像进行恢复以得到校正图像。