CN103177413B - 局部化盲水印生成、检测的方法及装置 - Google Patents

Abstract

本发明揭示了一种局部化盲水印生成、检测的方法及装置。该生成的方法可包括步骤：根据预设密钥生成N维的伪随机初始序列，将初始序列按比特位置反后追加到初始序列之后，产生了2N维序列；提取图像特征点前2N个系数形成系数序列，根据所述2N维序列的对应比特位的奇偶性取得所述系数序列的奇偶性。本发明可将水印数据进行冗余拓展，增加较原始比特数据规模的检验数据，再嵌入到图像特征点邻域的变换域；在检测时，对某个特征点邻域的变换域提取出的序列按比特位进行检校，基于检校结果判定该点附近是否嵌入水印，可提升水印检测的效率。

Description

局部化盲水印生成、检测的方法及装置

技术领域

本发明涉及到水印检测技术，特别涉及到一种局部化盲水印生成、检测的方法及装置。

背景技术

数字水印是一种嵌入到图像、视频或音频数据中的不可见标志，可以用于多媒体数据的版权保护、认证以及追踪等。

数字水印技术中，按照水印的提取过程可分为明文水印和盲水印两种。明文水印需要置入的原始数据，而盲水印则只需要密钥。一般来说，明文水印鲁棒性较强，但存储成本太大，不适应实际需要；盲水印是水印算法的研究方向。

图像水印技术中，按照水印嵌入的方式可分为全局嵌入与局部嵌入两种。全局嵌入是将水印信息嵌入到整幅图像的空间域、频率域或小波域等变换域，实验证明该类方法对JPEG压缩、噪声干扰或滤波等干扰有较鲁棒的抵抗能力；但由于是在整幅图像嵌入信息，很难抵抗裁剪攻击，由于图像被裁剪后，无法获得原始图像的大小以及裁剪后图像在原始图像中位置的情况下，很难定位水印的嵌入位置。局部嵌入的思路则是基于图像内容，将水印信息重复嵌入到图像中相对稳定与突出的特征点邻域的变换域上。如此，即使图像经过较大幅度的裁剪或修改，仍然能够通过特征点来确定水印位置，从而恢复水印信息。局部化水印由于在理论上对各种攻击均具有良好的稳健性，已成为近年来研究的热点。

而局部化盲水印则为上述盲水印与局部化水印两者的结合，现有技术中的局部化盲水印主要涉及到水印的嵌入以及水印的检测与提取等技术。该水印的嵌入：首先提取原始图像中若干特征点，对特征点的邻域进行局部DCT变换(DiscreteCosineTransform，离散余弦变换)或小波变换。然后，按照基于预先设定的嵌入规则将由一个特定密钥产生的伪随机比特序列(即水印信息)嵌入到变换域中，最后进行局部逆变换得到水印图像。该水印的检测与提取：对图像进行特征点提取，对特征点的邻域进行局部DCT变换或小波变换。然后基于预先设定的提取规则提取出与水印信息同等维数的比特序列，将该比特序列与预先嵌入的(可由密钥获得)水印信息进行相似度匹配，若匹配程度大于某一阈值T则认为水印存在，否则，则认为水印不存在。

上述局部化盲水印技术存在以下缺点：水印检测仍然依赖于密钥，在检测的过程中，如无密钥则无法判定图像中是否存在水印；

在对水印信息进行相似度匹配时，默认水印信息空间上的每一个比特位在匹配时置信度是均等的，在有些情况下无法准确匹配，比如：假设未知序列为11111，水印A为11110，水印B为01111，此时无法判定在A与B两种不同水印与同一提取序列匹配值相等时取哪种更为可信；按照取异的匹配方式，则水印A和水印B与未知序列均只差一位，无法判断未知序列是水印A还是水印B。

发明内容

本发明的主要目的为提供一种局部化盲水印生成的方法，提升了水印检测的效率。

本发明提出一种局部化盲水印生成的方法，包括步骤：

根据预设密钥生成N维的伪随机初始序列，将初始序列按比特位置反后追加到初始序列之后，产生了2N维序列；

提取图像特征点前2N个系数形成系数序列，根据所述2N维序列的对应比特位的奇偶性取得所述系数序列的奇偶性。

优选地，所述提取图像特征点前2N个系数形成系数序列，根据所述2N维序列的对应比特位的奇偶性取得所述系数序列的奇偶性的步骤具体包括：

提取图像特征点中DCT块的前2N个系数进行一维排列得到系数序列，并进行量化，根据2N维序列上与2N系数序列对应的比特位的奇偶性取得系数序列每位系数量化后的奇偶性。

优选地，所述预设密钥为原始图像文件，所述初始序列为图像文件的MD5值。

本发明还提出一种局部化盲水印生成的装置，包括：

序列生成单元，用于根据预设密钥生成N维的伪随机初始序列，将初始序列按比特位置反后追加到初始序列之后，产生了2N维序列；

水印置入单元，用于提取图像特征点前2N个系数形成系数序列，根据所述2N维序列的对应比特位的奇偶性取得所述系数序列的奇偶性。

优选地，所述水印置入单元具体用于：

提取图像特征点中DCT块的前2N个系数进行一维排列得到系数序列，并进行量化，根据2N维序列上与2N系数序列对应的比特位的奇偶性取得系数序列每位系数量化后的奇偶性。

优选地，所述预设密钥为原始图像文件，所述初始序列为图像文件的MD5值。

本发明还提出一种局部化盲水印检测的方法，包括步骤：

提取图像特征点，并进行域变换；

提取所述图像特征点邻域的变换域的序列按比特位进行检校，在数列中前N个系数与最后N个系数的比特值相等的个数在预设范围内时，判定所述图像特征点附近嵌入有水印。

优选地，所述提取所述图像特征点邻域的变换域的序列按比特位进行检校，在数列中前N个系数与最后N个系数的比特值相等的个数在预设范围内时，判定所述图像特征点附近嵌入有水印的步骤具体包括：

提取所述图像特征点的邻域分块DCT的多个系数组成的系数数列，统计数列中前N个系数与最后N个系数的比特值相等的个数，若所述个数小于预定阈值，则判定所述图像特征点附近嵌入有水印；所述比特值根据比特位的奇偶性计算；所述N为正整数。

优选地，所述方法还包括：

在有水印时，计算比特位的奇偶概率以及比特位置信度；

根据所述比特位置信度进行水印匹配。

优选地，所述在有水印时，计算比特位的奇偶概率以及比特位置信度的步骤具体包括：

在有水印时，统计水印对应的系数数列中第i位为偶数及第i+N位为奇数的个数Zero[i]，基于公式：oneProb[i]＝(1-ε)^(2V-zero[i])ε^zero[i](1)计算比特位为奇数的概率，以及基于公式：zeroProb[i]＝ε^(2V-zero[i])(1-ε)^zero[i](2)计算比特位为偶数的概率，ε为每个比特位上的平均错误率，i为自然数；

当比特位为奇数的概率大时，置信度为oneProb[i]/(oneProb[i]+zeroProb[i])；

当比特位为偶数的概率大时，置信度为zeroProb[i]/(oneProb[i]+zeroProb[i])。

优选地，所述根据所述比特位置信度进行水印匹配的步骤具体包括：

按照置信度从高到低将序列与数据库中的海量水印信息进行比对，若比对过程中出现第i位错误，则返回0至i-1位中已经比对正确的水印结果。

本发明还提出一种局部化盲水印检测的装置，包括：

提取及变换单元，用于提取图像特征点，并进行域变换；

水印校验单元，用于提取所述图像特征点邻域的变换域的序列按比特位进行检校，在数列中前N个系数与最后N个系数的比特值相等的个数在预设范围内时，判定所述图像特征点附近嵌入有水印。

优选地，所述水印校验单元具体用于：

提取所述图像特征点的邻域分块DCT的多个系数组成的系数数列，统计数列中前N个系数与最后N个系数的比特值相等的个数，若所述个数小于预定阈值，则判定所述图像特征点附近嵌入有水印；所述比特值根据比特位的奇偶性计算；所述N为正整数。

优选地，所述装置还包括：

置信度计算单元，用于在有水印时，计算比特位的奇偶概率以及比特位置信度；

水印匹配单元，用于根据所述比特位置信度进行水印匹配。

优选地，所述置信度计算单元具体用于：

在有水印时，统计水印对应的系数数列中第i位为偶数及第i+N位为奇数的个数Zero[i]，基于公式：oneProb[i]＝(1-ε)^(2V-zero[i])ε^zero[i](1)计算比特位为奇数的概率，以及基于公式：zeroProb[i]＝ε^(2V-zero[i])(1-ε)^zero[i](2)计算比特位为偶数的概率，ε为每个比特位上的平均错误率，i为自然数；当比特位为奇数的概率大时，置信度为oneProb[i]/(oneProb[i]+zeroProb[i])；当比特位为偶数的概率大时，置信度为zeroProb[i]/(oneProb[i]+zeroProb[i])。

优选地，所述水印匹配单元具体用于：

按照置信度从高到低将序列与数据库中的海量水印信息进行比对，若比对过程中出现第i位错误，则返回0至i-1位中已经比对正确的水印结果。

本发明还提出一种局部化盲水印匹配的方法，包括步骤：

在有水印时，计算比特位的奇偶概率以及比特位置信度；

根据所述比特位置信度进行水印匹配。

优选地，所述在有水印时，计算比特位的奇偶概率以及比特位置信度的步骤具体包括：

在有水印时，统计水印对应的系数数列中第i位为偶数及第i+N位为奇数的个数Zero[i]，基于公式：oneProb[i]＝(1-ε)^(2V-zero[i])ε^zero[i](1)计算比特位为奇数的概率，以及基于公式：zeroProb[i]＝ε^(2V-zero[i])(1-ε)^zero[i](2)计算比特位为偶数的概率，ε为每个比特位上的平均错误率，i为自然数；

当比特位为奇数的概率大时，置信度为oneProb[i]/(oneProb[i]+zeroProb[i])；

当比特位为偶数的概率大时，置信度为zeroProb[i]/(oneProb[i]+zeroProb[i])。

优选地，所述根据所述比特位置信度进行水印匹配的步骤具体包括：

按照置信度从高到低将序列与数据库中的海量水印信息进行比对，若比对过程中出现第i位错误，则返回0至i-1位中已经比对正确的水印结果。

本发明还提出一种局部化盲水印匹配的装置，包括：

置信度计算单元，用于在有水印时，计算比特位的奇偶概率以及比特位置信度；

水印匹配单元，用于根据所述比特位置信度进行水印匹配。

优选地，所述置信度计算单元具体用于：

在有水印时，统计水印对应的系数数列中第i位为偶数及第i+N位为奇数的个数Zero[i]，基于公式：oneProb[i]＝(1-ε)^(2V-zero[i])ε^zero[i](1)计算比特位为奇数的概率，以及基于公式：zeroProb[i]＝ε^(2V-zero[i])(1-ε)^zero[i](2)计算比特位为偶数的概率，ε为每个比特位上的平均错误率，i为自然数；当比特位为奇数的概率大时，置信度为oneProb[i]/(oneProb[i]+zeroProb[i])；当比特位为偶数的概率大时，置信度为zeroProb[i]/(oneProb[i]+zeroProb[i])。

优选地，所述水印匹配单元具体用于：

按照置信度从高到低将序列与数据库中的海量水印信息进行比对，若比对过程中出现第i位错误，则返回0至i-1位中已经比对正确的水印结果。

本发明可将水印数据进行冗余拓展，增加较原始比特数据规模(比如一倍以上)的检验数据，再嵌入到图像特征点邻域的变换域；在检测时，对某个特征点邻域的变换域提取出的序列按比特位进行检校，基于检校结果判定该点附近是否嵌入水印，可提升水印检测的效率；同时，在水印匹配时，可按比特位置信度进行水印匹配，通过观察每个比特位在不同有效点提取的序列中的分布状态，基于后验估计给出每个比特位的置信度，根据该置信度进行水印匹配，可提升水印辨识的精确度。由于水印嵌入中采用了局部化嵌入方式，对于图像裁切、图像内容部分PS(Photoshop)处理或修改等攻击具有极佳的稳健性，较好地满足了实际需求。

附图说明

图1是本发明局部化盲水印生成的方法一实施例中步骤流程示意图；

图2是本发明局部化盲水印生成的装置一实施例中步骤流程示意图；

图3是本发明局部化盲水印检测的方法一实施例中步骤流程示意图；

图4是本发明局部化盲水印检测的方法又一实施例中步骤流程示意图；

图5是本发明局部化盲水印检测的方法一实施例中计算水印置信度的步骤流程示意图；

图6是本发明局部化盲水印检测的装置一实施例中结构示意图；

图7是本发明局部化盲水印检测的装置又一实施例中结构示意图；

图8是本发明另一局部化盲水印匹配的方法一实施例中步骤流程示意图；

图9是本发明另一局部化盲水印匹配的方法一实施例中计算水印置信度的步骤流程示意图；

图10是本发明另一局部化盲水印匹配的装置一实施例中结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，提出本发明一种局部化盲水印生成的方法一实施例。该方法可包括：

步骤S60、根据预设密钥生成N维的伪随机初始序列，将初始序列按比特位置反后追加到初始序列之后，产生了2N维序列；

步骤S61、提取图像特征点前2N个系数形成系数序列，根据所述2N维序列的对应比特位的奇偶性取得所述系数序列的奇偶性。

上述步骤S61可具体包括：提取图像特征点中DCT块的前2N个系数进行一维排列得到系数序列，并进行量化，根据2N维序列上与2N系数序列对应的比特位的奇偶性取得系数序列每位系数量化后的奇偶性。上述预设密钥可为原始图像文件(数据)，上述初始序列为图像文件的MD5值。

将水印嵌入图像可包括以下流程：产生水印信息、提取图像特征点、进行DCT变换以及嵌入水印。

上述产生水印信息的过程可为：由特定密钥K生成一个N维的伪随机比特序列S，将序列S按位置反后追加到S后面，产生了一个2N维的序列SS。本实施例中，密钥K可为原始图像文件，序列S为图像文件进行MD5算法后产生的128维序列。

上述提取图像特征点的过程可为：对原始图像进行RGB->YCrCb色彩域变换，提取YCrCb中的光照分量Y。在Y图上提取Harris角点，为了保证嵌入水印信息互不干扰，要求提取的角点空间位置之间至少保持一定的距离D。本实施例中，D取值可为48个像素，Harris窗口大小为5x5个像素。

上述DCT变换的过程可为：在提取的每个特征点附近邻域RxR个像素窗口中，进行分块DCT变换，块大小为8x8。本实施例中，R取值可为32。

上述嵌入水印的过程可为：对每个经过DCT变换的特征点，按照zig-zag方式提取所有DCT块的前M个系数进行一维排列得到系数序列W，要保持W维数与水印序列SS相等。然后进行量化，量化因子为F，根据SS序列上比特位值为0或1，来决定系数序列W每位系数量化后的奇偶性。本实施例中，M取值可为16，当SS[i]为0时，则W[i]取量化后与之最接近的偶数，否则，则取奇数。

上述局部化盲水印生成的方法，在进行水印检测时，可对被检测的某个特征点邻域的变换域提取出的序列按比特位进行检校，并基于检校结果判定该点附近是否嵌入水印。如此，水印的检测无需再依赖于密钥，可使得水印检测的过程更快速和便捷，检测效率更高。

参照图2，本发明提出一种局部化盲水印生成的装置一实施例。该装置可包括：序列生成单元71以及水印置入单元72；该序列生成单元71，用于根据预设密钥生成N维的伪随机初始序列，将初始序列按比特位置反后追加到初始序列之后，产生了2N维序列；该水印置入单元72，用于提取图像特征点前2N个系数形成系数序列，根据所述2N维序列的对应比特位的奇偶性取得所述系数序列的奇偶性。

上述水印置入单元72具体用于：提取图像特征点中DCT块的前2N个系数进行一维排列得到系数序列，并进行量化，根据2N维序列上与2N系数序列对应的比特位的奇偶性取得系数序列每位系数量化后的奇偶性。上述预设密钥可为原始图像文件(数据)，上述初始序列为图像文件的MD5值。

将水印嵌入图像可包括以下流程：产生水印信息、提取图像特征点、进行DCT变换以及嵌入水印。该产生水印信息的过程由序列生成单元71执行，其余过程由水印置入单元72执行。

上述产生水印信息的过程可为：由特定密钥K生成一个N维的伪随机比特序列S，将序列S按位置反后追加到S后面，产生了一个2N维的序列SS。本实施例中，密钥K可为原始图像文件，序列S为图像文件进行MD5算法后产生的128维序列。

上述提取图像特征点的过程可为：对原始图像进行RGB->YCrCb色彩域变换，提取YCrCb中的光照分量Y。在Y图上提取Harris角点，为了保证嵌入水印信息互不干扰，要求提取的角点空间位置之间至少保持一定的距离D。本实施例中，D取值可为48个像素，Harris窗口大小为5x5个像素。

上述DCT变换的过程可为：在提取的每个特征点附近邻域RxR个像素窗口中，进行分块DCT变换，块大小为8x8。本实施例中，R取值可为32。

上述嵌入水印的过程可为：对每个经过DCT变换的特征点，按照zig-zag方式提取所有DCT块的前M个系数进行一维排列得到系数序列W，要保持W维数与水印序列SS相等。然后进行量化，量化因子为F，根据SS序列上比特位值为0或1，来决定系数序列W每位系数量化后的奇偶性。本实施例中，M取值可为16，当SS[i]为0时，则W[i]取量化后与之最接近的偶数，否则，则取奇数。

上述局部化盲水印生成的装置，在进行水印检测时，可对被检测的某个特征点邻域的变换域提取出的序列按比特位进行检校，并基于检校结果判定该点附近是否嵌入水印。如此，水印的检测无需再依赖于密钥，可使得水印检测的过程更快速和便捷，检测效率更高。

参照图3，提出本发明一种局部化盲水印检测的方法一实施例。该方法可包括：

步骤S10、提取图像特征点，并进行域变换；

步骤S11、提取所述图像特征点邻域的变换域的序列按比特位进行检校，在数列中前N个系数与最后N个系数的比特值相等的个数在预设范围内时，判定所述图像特征点附近嵌入有水印。

上述局部化盲水印检测的方法，在进行水印检测时，可对被检测的某个特征点邻域的变换域提取出的序列按比特位进行检校，并基于检校结果判定该点附近是否嵌入水印。如此，水印的检测无需再依赖于密钥，可使得水印检测的过程更快速和便捷，检测效率更高。

将水印嵌入图像可包括以下流程：产生水印信息、提取图像特征点、进行DCT变换、嵌入水印以及获取水印图像。

上述产生水印信息的过程可为：由特定密钥K生成一个N维的伪随机比特序列S，将序列S按位置反后追加到S后面，产生了一个2N维的序列SS。本实施例中，密钥K可为原始图像文件，序列S为图像文件进行MD5算法后产生的128维序列。

上述提取图像特征点的过程可为：对原始图像进行RGB->YCrCb色彩域变换，提取YCrCb中的光照分量Y。在Y图上提取Harris角点，为了保证嵌入水印信息互不干扰，要求提取的角点空间位置之间至少保持一定的距离D。本实施例中，D取值可为48个像素，Harris窗口大小为5x5个像素。

上述DCT变换的过程可为：在提取的每个特征点附近邻域RxR个像素窗口中，进行分块DCT变换，块大小为8x8。本实施例中，R取值可为32。

上述嵌入水印的过程可为：对每个经过DCT变换的特征点，按照zig-zag方式提取所有DCT块的前M个系数进行一维排列得到系数序列W，要保持W维数与水印序列SS相等。然后进行量化，量化因子为F，根据SS序列上比特位值为0或1，来决定系数序列W每位系数量化后的奇偶性。本实施例中，M取值可为16，当SS[i]为0时，则W[i]取量化后与之最接近的偶数，否则，则取奇数。

上述获取水印图像的过程可为：对所有DCT块进行逆变换，得到新的Y1分量，再进行YCrCb->RGB变换，得到水印RGB图像。

在进行图像水印的检测时可包括以下流程：提取图像特征点、DCT变换、检测水印是否存在、计算水印置信度以及水印辨识与匹配等。

上述步骤S10中提取图像特征点以及DCT变换的处理流程，可与上述水印嵌入过程中的提取图像特征点以及DCT变换的处理流程相同。

上述步骤S11即为检测水印是否存在的处理流程，其具体可包括：提取所述图像特征点的邻域分块DCT的多个系数组成的系数数列，统计数列中前N个系数与最后N个系数的比特值相等的个数，若所述个数小于预定阈值(或者大于预定阈值)，则判定所述图像特征点附近嵌入有水印；所述比特值根据比特位的奇偶性计算；所述N为正整数。

检测时，对每个图像特征点P，提取其邻域分块DCT的前M个系数组成系数数列W，检验每个W[i]系数的奇偶性，i为自然数。本实施例中，若W[i]为奇，则检测出的序列UnKnowSS[i]的比特值取1，否则取0。统计UnKnowSS中前N位UnKnowSS[0]至UnKnowSS[i]与后N位UnKnowSS[i+1]至UnKnowSS[i+N]的比特值相等的个数Q，若Q小于预先给定的阈值T，则认为该图像特征点为有效点，此时序列UnKownSS为有效序列ValidSS，即存在有效水印信息。本实施例中，上述T值可取为12。

参照图4，在本发明的又一实施例中，上述步骤S11之后还可包括：

步骤S111、在有水印时，计算比特位的奇偶概率以及比特位置信度；

步骤S112、根据所述比特位置信度进行水印匹配。

参照图5，上述步骤S111可为计算水印置信度的处理流程，其具体可包括：

步骤S1111、在有水印时，统计水印对应的系数数列中第i位为偶数及第i+N位为奇数的个数Zero[i]，基于公式：oneProb[i]＝(1-ε)^(2V-zero[i])ε^zero[i](1)计算比特位为奇数的概率，以及基于公式：zeroProb[i]＝ε^(2V-zero[i])(1-ε)^zero[i](2)计算比特位为偶数的概率，ε为每个比特位上的平均错误率，i为自然数；

步骤S1112、当比特位为奇数的概率大时，置信度为oneProb[i]/(oneProb[i]+zeroProb[i])；

步骤S1113、当比特位为偶数的概率大时，置信度为zeroProb[i]/(oneProb[i]+zeroProb[i])。

设有效点个数为V，申请数组Zero[i]，oneProb[i]，zeroProb[i]，i＝0，1，2，......，N(自然数)。统计所有有效点产生的序列ValidSS第i位为0及第i+N位为1的个数。即对每一个序列ValidSS，若ValidSS[i]＝0或者ValidSS[i+N]＝1，则Zero[i]自增一次。然后，基于以下的公式(1)或(2)来计算每个比特位取值为0或1的概率。公式(1)：oneProb[i]＝(1-ε)^(2V-zero[i])ε^zero[i](1)；公式(2)：zeroProb[i]＝ε^(2V-zero[i])(1-ε)^zero[i](2)。其中，oneProb[i]与zeroProb[i]为每一比特位取值为0或1的相对概率。ε为每个比特位上的平均错误率，可以通过统计得到。设输出水印序列为SS[i]，若oneProb[i]＞zeroProb[i]，则输出SS[i]＝1，置信度可为oneProb[i]/(oneProb[i]+zeroProb[i])；否则，输出SS[i]＝0，置信度为zeroProb[i]/(oneProb[i]+zeroProb[i])。

上述步骤S112可为水印辨识与匹配的处理流程，其具体可包括：按照置信度从高到低将序列与数据库中的海量水印信息进行比对，若比对过程中出现第i位错误，则返回0至i-1位中已经比对正确的水印结果。

上述步骤S11的具体推理过程如下：

设水印类别为w1，非水印类别为w2，未知序列UnKnowSS中前N位UnKnowSS[0]至UnKnowSS[i]，与后N位UnKnowSS[i+1]至UnKnowSS[i+N]的比特值相等个数为Q的状态为θ，那么判别该状态隶属于水印类别的概率为p(w1|θ)，而属于非水印类别的概率为p(w2|θ)，由贝叶斯后验估计：

$p\left(w1\right|\mathrm{\θ})=\frac{p\left(\mathrm{\θ}\right|w1)p\left(w1\right)}{p\left(\mathrm{\θ}\right|w1)p\left(w1\right)+p\left(\mathrm{\θ}\right|w2)p\left(w2\right)}---\left(3\right);$

设UnKnowSS序列任一匹配<UnKnowSS[i]，UnKnowSS[i+N]＞在水印类别w1条件下出现比特值相等的概率彼此独立且均为P(BitAccord|w1)，则：

$p\left(\mathrm{\&theta;}\right|w1)=C_N^{Q}P{\left(\mathrm{BitAccord}\right|w1)}^{Q}P{\left(\mathrm{BitDisAccord}\right|w1)}^{(N-Q)}---\left(4\right);$

同样：

$p\left(\mathrm{\&theta;}\right|w2)=C_N^{Q}P{\left(\mathrm{BitAccord}\right|w2)}^{Q}P{\left(\mathrm{BitDisAccord}\right|w2)}^{(N-Q)}---\left(5\right);$

在水印类别w1条件下，每一比特位由于噪声、压缩发生变换的平均错误率为ε，那么：

P(BitAccord|w1)＝2ε(1-ε)(6)；

在非水印类别w2条件下：

P(BitAccord|w2)＝P(BitDisAccord|w2)＝0.5(7)；

令R＝p(w2)/p(w1)则将(4)(5)(6)(7)代入(3)式得：

$p\left(w1\right|\mathrm{\&theta;})=\frac{{\left(0.19\right)}^{12}{\left(0.81\right)}^{116}{2}^{128}}{{\left(0.19\right)}^{12}{\left(0.81\right)}^{116}{2}^{128}+R}---\left(8\right);$

经过实验统计，在裁剪、格式变换以及轻度压缩(压缩率不低于60％)的条件下，ε的估计值低于0.1，代入到(8)式中，令N＝128，Q＝12，R＜10000则：

$p\left(w1\right|\mathrm{\&theta;})=\frac{{\left(0.19\right)}^{12}{\left(0.81\right)}^{116}{2}^{128}}{{\left(0.19\right)}^{12}{\left(0.81\right)}^{116}{2}^{128}+R}>1-{\left(0.1\right)}^{15}---\left(9\right);$

由以上的推导可知，当Q＜＝12时，基本可以确定未知序列UnKnowSS隶属水印类别。

上述步骤S111的具体推理过程如下：

设有效序列ValidSS对应的真实水印信息为SS，则每一比特位上：

p(ValidSS[i]＝1|SS[i]＝0)＝p(ValidSS[i]＝0|SS[i]＝1)＝ε(10)；

设有效点个数V，将所有有效点产生ValidSS序列组成状态序列Bit[i][j]，i＝0，1，......，2*N；j＝0，1，......，V；则由贝叶斯后验公式：

$p\left(\mathrm{SS}\right[i]=0|\mathrm{Bit}\left[i\right])=\frac{p\left(\mathrm{Bit}\right[i\left]\right|\mathrm{SS}\left[i\right]=0)p\left(\mathrm{SS}\right[i]=0)}{p\left(\mathrm{Bit}\right[i\left]\right|\mathrm{SS}\left[i\right]=0)p\left(\mathrm{SS}\right[i]=0)+p\left(\mathrm{Bit}\right[i\left]\right|\mathrm{SS}\left[i\right]=1)p\left(\mathrm{SS}\right[i]=1)}---\left(11\right);$

Bit[i]序列反映了第i个及第i+N位(检验位)比特位在不同有效点上的状态，数组Zero[i]表示Bit[i]上的0状态数以及Bit[i+N]上的1状态数。设不同点比特位状态彼此独立，则基于(10)式可得：

$p\left(\mathrm{Bit}\right[i\left]\right|\mathrm{SS}\left[i\right]=1)=C_{2V}^{\mathrm{zero}\left[i\right]}{\mathrm{\&epsiv;}}^{\mathrm{zero}\left[i\right]}{(1-\mathrm{\&epsiv;})}^{2V-\mathrm{zero}\left[i\right]}---\left(12\right);$

$p\left(\mathrm{Bit}\right[i\left]\right|\mathrm{SS}\left[i\right]=0)=C_{2V}^{\mathrm{zero}\left[i\right]}{\mathrm{\&epsiv;}}^{2V-\mathrm{zero}\left[i\right]}{(1-\mathrm{\&epsiv;})}^{\mathrm{zero}\left[i\right]}---\left(13\right);$

令p(SS[i]＝0)＝p(SS[i]＝1)，oneProb[i]＝(1-ε)^(2V-zero[i])ε^zero[i](1)，zeroProb[i]＝ε^(2V-zero[i])(1-ε)^zero[i](2)；则基于(12)(13)式，(11)式可改写为：

$p\left(\mathrm{SS}\right[i]=0|\mathrm{Bit}\left[i\right])=\frac{\mathrm{zeroProb}\left[i\right]}{\mathrm{zeroProb}\left[i\right]+\mathrm{oneProb}\left[i\right]},$

同理可得：

$p\left(\mathrm{SS}\right[i]=1|\mathrm{Bit}\left[i\right])=\frac{\mathrm{oneProb}\left[i\right]}{\mathrm{zeroProb}\left[i\right]+\mathrm{oneProb}\left[i\right]}.$

本实施例中上述局部化盲水印检测的方法，可将水印数据进行冗余拓展，增加较原始比特数据规模(比如一倍以上)的检验数据，再嵌入到图像特征点邻域的变换域；在检测时，对某个特征点邻域的变换域提取出的序列按比特位进行检校，基于检校结果判定该点附近是否嵌入水印，可提升水印检测的效率；同时，在水印匹配时，可按比特位置信度进行水印匹配，通过观察每个比特位在不同有效点提取的序列中的分布状态，基于后验估计给出每个比特位的置信度，根据该置信度进行水印匹配，可提升水印辨识的精确度。由于水印嵌入中采用了局部化嵌入方式，对于图像裁切、图像内容部分PS(Photoshop)处理或修改等攻击具有极佳的稳健性，较好地满足了实际需求。

参照图6，提出本发明一种局部化盲水印检测的装置20一实施例。该装置20可包括：提取及变换单元21以及水印校验单元22；该提取及变换单元21，用于提取图像特征点，并进行域变换；该水印校验单元22，用于提取所述图像特征点邻域的变换域的序列按比特位进行检校，在数列中前N个系数与最后N个系数的比特值相等的个数在预设范围内时，判定所述图像特征点附近嵌入有水印。

上述局部化盲水印检测的装置20，在进行水印检测时，可通过水印校验单元22对被检测的某个特征点邻域的变换域提取出的序列按比特位进行检校，并基于检校结果判定该点附近是否嵌入水印。如此，水印的检测无需再依赖于密钥，可使得水印检测的过程更快速和便捷，检测效率更高。

将水印嵌入图像可包括以下流程：产生水印信息、提取图像特征点、进行DCT变换、嵌入水印以及获取水印图像。

上述产生水印信息的过程可为：由特定密钥K生成一个N维的伪随机比特序列S，将序列S按位置反后追加到S后面，产生了一个2N维的序列SS。本实施例中，密钥K可为原始图像文件，序列S为图像文件进行MD5算法后产生的128维序列。

上述提取图像特征点的过程可为：对原始图像进行RGB->YCrCb色彩域变换，提取YCrCb中的光照分量Y。在Y图上提取Harris角点，为了保证嵌入水印信息互不干扰，要求提取的角点空间位置之间至少保持一定的距离D。本实施例中，D取值可为48个像素，Harris窗口大小为5x5个像素。

上述DCT变换的过程可为：在提取的每个特征点附近邻域RxR个像素窗口中，进行分块DCT变换，块大小为8x8。本实施例中，R取值可为32。

上述嵌入水印的过程可为：对每个经过DCT变换的特征点，按照zig-zag方式提取所有DCT块的前M个系数进行一维排列得到系数序列W，要保持W维数与水印序列SS相等。然后进行量化，量化因子为F，根据SS序列上比特位值为0或1，来决定系数序列W每位系数量化后的奇偶性。本实施例中，M取值可为16，当SS[i]为0时，则W[i]取量化后与之最接近的偶数，否则，则取奇数。

上述获取水印图像的过程可为：对所有DCT块进行逆变换，得到新的Y1分量，再进行YCrCb->RGB变换，得到水印RGB图像。

在进行图像水印的检测时可包括以下流程：提取图像特征点、DCT变换、检测水印是否存在、计算水印置信度以及水印辨识与匹配等。

此水印检测中的提取图像特征点以及DCT变换的处理流程，可与上述水印嵌入过程中的提取图像特征点以及DCT变换的处理流程相同。

上述检测水印是否存在可由上述水印校验单元22实现，该水印校验单元22可具体用于：提取所述图像特征点的邻域分块DCT的多个系数组成的系数数列，统计数列中前N个系数与最后N个系数的比特值相等的个数，若所述个数小于预定阈值(或者大于预定阈值)，则判定所述图像特征点附近嵌入有水印；所述比特值根据比特位的奇偶性计算；所述N为正整数。

检测时，对每个图像特征点P，提取其邻域分块DCT的前M个系数组成系数数列W，检验每个W[i]系数的奇偶性，i为自然数。本实施例中，若W[i]为奇，则检测出的序列UnKnowSS[i]的比特值取1，否则取0。统计UnKnowSS中前N位UnKnowSS[0]至UnKnowSS[i]与后N位UnKnowSS[i+1]至UnKnowSS[i+N]的比特值相等的个数Q，若Q小于预先给定的阈值T，则认为该图像特征点为有效点，此时序列UnKownSS为有效序列ValidSS，即存在有效水印信息。本实施例中，上述T值可取为12。

参照图7，在本发明的又一实施例中，上述装置20还包括：置信度计算单元24以及水印匹配单元25；该置信度计算单元24，用于在有水印时，计算比特位的奇偶概率以及比特位置信度；该水印匹配单元25，用于根据所述比特位置信度进行水印匹配。

上述置信度计算单元24具体用于：在有水印时，统计水印对应的系数数列中第i位为偶数及第i+N位为奇数的个数Zero[i]，基于公式：oneProb[i]＝(1-ε)^(2V-zero[i])ε^zero[i](1)计算比特位为奇数的概率，以及基于公式：zeroProb[i]＝ε^(2V-zero[i])(1-ε)^zero[i](2)计算比特位为偶数的概率，ε为每个比特位上的平均错误率，i为自然数；当比特位为奇数的概率大时，置信度为oneProb[i]/(oneProb[i]+zeroProb[i])；当比特位为偶数的概率大时，置信度为zeroProb[i]/(oneProb[i]+zeroProb[i])。

设有效点个数为V，申请数组Zero[i]，oneProb[i]，zeroProb[i]，i＝0，1，2，`......，N(自然数)。统计所有有效点产生的序列ValidSS第i位为0及第i+N位为1的个数。即对每一个序列ValidSS，若ValidSS[i]＝0或者ValidSS[i+N]＝1，则Zero[i]自增一次。然后，基于以下的公式(1)或(2)来计算每个比特位取值为0或1的概率。公式(1)：oneProb[i]＝(1-ε)^(2V-zero[i])ε^zero[i](1)；公式(2)：zeroProb[i]＝ε^(2V-zero[i])(1-ε)^zero[i](2)。其中，oneProb[i]与zeroProb[i]为每一比特位取值为0或1的相对概率。ε为每个比特位上的平均错误率，可以通过统计得到。设输出水印序列为SS[i]，若oneProb[i]＞zeroProb[i]，则输出SS[i]＝1，置信度可为oneProb[i]/(oneProb[i]+zeroProb[i])；否则，输出SS[i]＝0，置信度为zeroProb[i]/(oneProb[i]+zeroProb[i])。

上述水印匹配单元25具体用于：按照置信度从高到低将序列与数据库中的海量水印信息进行比对，若比对过程中出现第i位错误，则返回0至i-1位中已经比对正确的水印结果。

本实施例中上述局部化盲水印检测的装置20，可将水印数据进行冗余拓展，增加较原始比特数据规模(比如一倍以上)的检验数据，再嵌入到图像特征点邻域的变换域；在检测时，对某个特征点邻域的变换域提取出的序列按比特位进行检校，基于检校结果判定该点附近是否嵌入水印，可提升水印检测的效率；同时，在水印匹配时，可按比特位置信度进行水印匹配，通过观察每个比特位在不同有效点提取的序列中的分布状态，基于后验估计给出每个比特位的置信度，根据该置信度进行水印匹配，可提升水印辨识的精确度。由于水印嵌入中采用了局部化嵌入方式，对于图像裁切、图像内容部分PS(Photoshop)处理或修改等攻击具有极佳的稳健性，较好地满足了实际需求。

参照图8，提出本发明一种局部化盲水印匹配的方法一实施例。该方法可包括：

步骤S30、在有水印时，计算比特位的奇偶概率以及比特位置信度；

步骤S31、根据所述比特位置信度进行水印匹配。

参照图9，上述步骤S30可为计算水印置信度的处理流程，其具体可包括：

步骤S301、在有水印时，统计水印对应的系数数列中第i位为偶数及第i+N位为奇数的个数Zero[i]，基于公式：oneProb[i]＝(1-ε)^(2V-zero[i])ε^zero[i](1)计算比特位为奇数的概率，以及基于公式：zeroProb[i]＝ε^(2V-zero[i])(1-ε)^zero[i](2)计算比特位为偶数的概率，ε为每个比特位上的平均错误率，i为自然数；

步骤S302、当比特位为奇数的概率大时，置信度为oneProb[i]/(oneProb[i]+zeroProb[i])；

步骤S313、当比特位为偶数的概率大时，置信度为zeroProb[i]/(oneProb[i]+zeroProb[i])。

设有效点个数为V，申请数组Zero[i]，oneProb[i]，zeroProb[i]，i＝0，1，2，......，N(自然数)。统计所有有效点产生的序列ValidSS第i位为0及第i+N位为1的个数。即对每一个序列ValidSS，若ValidSS[i]＝0或者ValidSS[i+N]＝1，则Zero[i]自增一次。然后，基于以下的公式(1)或(2)来计算每个比特位取值为0或1的概率。公式(1)：oneProb[i]＝(1-ε)^(2V-zero[i])ε^zero[i](1)；公式(2)：zeroProb[i]＝ε^(2V-zero[i])(1-ε)^zero[i](2)。其中，oneProb[i]与zeroProb[i]为每一比特位取值为0或1的相对概率。ε为每个比特位上的平均错误率，可以通过统计得到。设输出水印序列为SS[i]，若oneProb[i]＞zeroProb[i]，则输出SS[i]＝1，置信度可为oneProb[i]/(oneProb[i]+zeroProb[i])；否则，输出SS[i]＝0，置信度为zeroProb[i]/(oneProb[i]+zeroProb[i])。

上述步骤S31可为水印辨识与匹配的处理流程，其具体可包括：按照置信度从高到低将序列与数据库中的海量水印信息进行比对，若比对过程中出现第i位错误，则返回0至i-1位中已经比对正确的水印结果。

将水印嵌入图像可包括以下流程：产生水印信息、提取图像特征点、进行DCT变换、嵌入水印以及获取水印图像。

本实施例中上述局部化盲水印匹配的方法，可将水印数据进行冗余拓展，增加较原始比特数据规模(比如一倍以上)的检验数据，再嵌入到图像特征点邻域的变换域；在水印匹配时，可按比特位置信度进行水印匹配，通过观察每个比特位在不同有效点提取的序列中的分布状态，基于后验估计给出每个比特位的置信度，根据该置信度进行水印匹配，可提升水印辨识的精确度。由于水印嵌入中采用了局部化嵌入方式，对于图像裁切、图像内容部分PS(Photoshop)处理或修改等攻击具有极佳的稳健性，较好地满足了实际需求。

参照图10，提出本发明一种局部化盲水印匹配的装置一实施例。该装置40可包括：置信度计算单元41以及水印匹配单元42；该置信度计算单元41，用于在有水印时，计算比特位的奇偶概率以及比特位置信度；该水印匹配单元42，用于根据所述比特位置信度进行水印匹配。

上述计算水印置信度可由置信度计算单元41具体实现，该置信度计算单元41可具体用于：在有水印时，统计水印对应的系数数列中第i位为偶数及第i+N位为奇数的个数Zero[i]，基于公式：oneProb[i]＝(1-ε)^(2V-zero[i])ε^zero[i](1)计算比特位为奇数的概率，以及基于公式：zeroProb[i]＝ε^(2V-zero[i])(1-ε)^zero[i](2)计算比特位为偶数的概率，ε为每个比特位上的平均错误率，i为自然数；当比特位为奇数的概率大时，置信度为oneProb[i]/(oneProb[i]+zeroProb[i])；当比特位为偶数的概率大时，置信度为zeroProb[i]/(oneProb[i]+zeroProb[i])。

设有效点个数为V，申请数组Zero[i]，oneProb[i]，zeroProb[i]，i＝0，1，2，......，N(自然数)。统计所有有效点产生的序列ValidSS第i位为0及第i+N位为1的个数。即对每一个序列ValidSS，若ValidSS[i]＝0或者ValidSS[i+N]＝1，则Zero[i]自增一次。然后，基于以下的公式(1)或(2)来计算每个比特位取值为0或1的概率。公式(1)：oneProb[i]＝(1-ε)^(2V-zero[i])ε^zero[i](1)；公式(2)：zeroProb[i]＝ε^(2V-zero[i])(1-ε)^zero[i](2)。其中，oneProb[i]与zeroProb[i]为每一比特位取值为0或1的相对概率。ε为每个比特位上的平均错误率，可以通过统计得到。设输出水印序列为SS[i]，若oneProb[i]＞zeroProb[i]，则输出SS[i]＝1，置信度可为oneProb[i]/(oneProb[i]+zeroProb[i])；否则，输出SS[i]＝0，置信度为zeroProb[i]/(oneProb[i]+zeroProb[i])。

上述水印辨识与匹配可由上述水印匹配单元42具体实现，该水印匹配单元42具体用于：按照置信度从高到低将序列与数据库中的海量水印信息进行比对，若比对过程中出现第i位错误，则返回0至i-1位中已经比对正确的水印结果。

将水印嵌入图像可包括以下流程：产生水印信息、提取图像特征点、进行DCT变换、嵌入水印以及获取水印图像。

本实施例中上述局部化盲水印匹配的装置40，可将水印数据进行冗余拓展，增加较原始比特数据规模(比如一倍以上)的检验数据，再嵌入到图像特征点邻域的变换域；在水印匹配时，可按比特位置信度进行水印匹配，通过观察每个比特位在不同有效点提取的序列中的分布状态，基于后验估计给出每个比特位的置信度，根据该置信度进行水印匹配，可提升水印辨识的精确度。由于水印嵌入中采用了局部化嵌入方式，对于图像裁切、图像内容部分PS(Photoshop)处理或修改等攻击具有极佳的稳健性，较好地满足了实际需求。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (12)

1.一种局部化盲水印生成的方法，其特征在于，包括步骤：

根据预设密钥生成N维的伪随机初始序列，将初始序列按比特位置反后追加到初始序列之后，产生了2N维序列；

提取图像特征点前2N个系数形成系数序列，根据所述2N维序列的对应比特位的奇偶性取得所述系数序列的奇偶性；

其中，所述提取图像特征点前2N个系数形成系数序列，根据所述2N维序列的对应比特位的奇偶性取得所述系数序列的奇偶性的步骤具体包括：

提取图像特征点中DCT块的前2N个系数进行一维排列得到系数序列，并进行量化，根据2N维序列上与所述系数序列对应的比特位的奇偶性取得系数序列每位系数量化后的奇偶性。

2.根据权利要求1所述的局部化盲水印生成的方法，其特征在于，所述预设密钥为原始图像文件，所述初始序列为图像文件的MD5值。

3.一种局部化盲水印生成的装置，其特征在于，包括：

序列生成单元，用于根据预设密钥生成N维的伪随机初始序列，将初始序列按比特位置反后追加到初始序列之后，产生了2N维序列；

水印置入单元，用于提取图像特征点前2N个系数形成系数序列，根据所述2N维序列的对应比特位的奇偶性取得所述系数序列的奇偶性；

其中，所述水印置入单元具体用于：

提取图像特征点中DCT块的前2N个系数进行一维排列得到系数序列，并进行量化，根据2N维序列上与所述系数序列对应的比特位的奇偶性取得系数序列每位系数量化后的奇偶性。

4.根据权利要求3所述的局部化盲水印生成的装置，其特征在于，所述预设密钥为原始图像文件，所述初始序列为图像文件的MD5值。

5.一种局部化盲水印检测的方法，其特征在于，包括步骤：

提取图像特征点，并进行域变换；

提取所述图像特征点邻域的变换域的序列按比特位进行检校，在系数数列中前N个系数与最后N个系数的比特值相等的个数在预设范围内时，判定所述图像特征点附近嵌入有水印；其中，所述提取所述图像特征点邻域的变换域的序列按比特位进行检校，在系数数列中前N个系数与最后N个系数的比特值相等的个数在预设范围内时，判定所述图像特征点附近嵌入有水印的步骤具体包括：

提取所述图像特征点的邻域分块DCT的多个系数组成的系数数列，统计所述系数数列中前N个系数与最后N个系数的比特值相等的个数，若所述个数小于预定阈值，则判定所述图像特征点附近嵌入有水印；所述比特值根据比特位的奇偶性计算；所述N为正整数。

6.根据权利要求5所述的局部化盲水印检测的方法，其特征在于，所述方法还包括：

在有水印时，计算比特位的奇偶概率以及比特位置信度；

根据所述比特位置信度进行水印匹配。

7.根据权利要求6所述的局部化盲水印检测的方法，其特征在于，所述在有水印时，计算比特位的奇偶概率以及比特位置信度的步骤具体包括：

在有水印时，统计水印对应的系数数列中第i位为偶数及第i+N位为奇数的个数Zero[i]，基于公式：oneProb[i]＝(1-ε)^(2V-zero[i])ε^zero[i](1)计算比特位为奇数的概率，以及基于公式：zeroProb[i]＝ε^(2V-zero[i])(1-ε)^zero[i](2)计算比特位为偶数的概率，ε为每个比特位上的平均错误率，i为自然数，V为有效图像特征点的个数；

当比特位为奇数的概率大时，置信度为oneProb[i]/(oneProb[i]+zeroProb[i])；

当比特位为偶数的概率大时，置信度为zeroProb[i]/(oneProb[i]+zeroProb[i])。

8.根据权利要求6所述的局部化盲水印检测的方法，其特征在于，所述根据所述比特位置信度进行水印匹配的步骤具体包括：

按照置信度从高到低将序列与数据库中的海量水印信息进行比对，若比对过程中出现第i位错误，则返回0至i-1位中已经比对正确的水印结果。

9.一种局部化盲水印检测的装置，其特征在于，包括：

提取及变换单元，用于提取图像特征点，并进行域变换；

水印校验单元，用于提取所述图像特征点邻域的变换域的序列按比特位进行检校，在系数数列中前N个系数与最后N个系数的比特值相等的个数在预设范围内时，判定所述图像特征点附近嵌入有水印；

其中，所述水印校验单元具体用于：

提取所述图像特征点的邻域分块DCT的多个系数组成的系数数列，统计所述系数数列中前N个系数与最后N个系数的比特值相等的个数，若所述个数在预设范围内，则判定所述图像特征点附近嵌入有水印；所述比特值根据比特位的奇偶性计算；所述N为正整数。

10.根据权利要求9所述的局部化盲水印检测的装置，其特征在于，所述装置还包括：

置信度计算单元，用于在有水印时，计算比特位的奇偶概率以及比特位置信度；

水印匹配单元，用于根据所述比特位置信度进行水印匹配。

11.根据权利要求10所述的局部化盲水印检测的装置，其特征在于，所述置信度计算单元具体用于：

在有水印时，统计水印对应的系数数列中第i位为偶数及第i+N位为奇数的个数Zero[i]，基于公式：oneProb[i]＝(1-ε)^(2V-zero[i])ε^zero[i](1)计算比特位为奇数的概率，以及基于公式：zeroProb[i]＝ε^(2V-zero[i])(1-ε)^zero[i](2)计算比特位为偶数的概率，ε为每个比特位上的平均错误率，i为自然数，V为有效图像特征点的个数；当比特位为奇数的概率大时，置信度为oneProb[i]/(oneProb[i]+zeroProb[i])；当比特位为偶数的概率大时，置信度为zeroProb[i]/(oneProb[i]+zeroProb[i])。

12.根据权利要求10所述的局部化盲水印检测的装置，其特征在于，所述水印匹配单元具体用于：

按照置信度从高到低将序列与数据库中的海量水印信息进行比对，若比对过程中出现第i位错误，则返回0至i-1位中已经比对正确的水印结果。