发明内容
本发明所要解决的技术问题是提供一种基于数字水印的立体图像质量客观评价方法,其能够很好地预测人眼对立体图像的主观感知,符合人眼视觉特性。
本发明解决上述技术问题所采用的技术方案为:一种基于数字水印的立体图像质量客观评价方法,其特征在于包括以下步骤:
①-1、在发送端,令S
org表示原始的无失真的立体图像,将S
org的左视点图像记为L
org,将S
org的右视点图像记为R
org;将L
org和R
org分别分割成
个互不重叠的尺寸大小为8×8的图像块,其中,此处M为L
org和R
org的宽度,N为L
org和R
org的高度;
①-2、对Lorg和Rorg中的每个图像块进行离散余弦变换,得到Lorg和Rorg中的每个图像块的DCT系数矩阵;
①-3、分别对L
org和R
org中的所有图像块的DCT系数矩阵中的所有DCT系数进行系数重组,得到L
org和R
org各自对应的10个各不相同的重组系数矩阵,将L
org对应的第n'个重组系数矩阵记为
将R
org对应的第n'个重组系数矩阵记为
其中,
Lorg中的所有图像块的DCT系数矩阵中相同坐标位置处的DCT系数位于同一个重组系数矩阵中,R
org中的所有图像块的DCT系数矩阵中相同坐标位置处的DCT系数位于同一个重组系数矩阵中,1≤n'≤10;
①-4、计算L
org对应的每个重组系数矩阵与R
org对应的每个重组系数矩阵的差值绝对值矩阵,将L
org对应的第n'个重组系数矩阵
与R
org对应的第n'个重组系数矩阵
的差值绝对值矩阵记为
将
中的第l个DCT系数记为
然后计算L
org对应的每个重组系数矩阵与R
org对应的每个重组系数矩阵的差值绝对值矩阵的均值和标准差,将
的均值和标准差分别记为
和
其中,
表示
中的第l个DCT系数,
(l)表示
中的第l个DCT系数,符号“||”为取绝对值符号,1≤l≤L
n',在此L
n'表示
或
中DCT系数的总个数;
①-5、利用Watson敏感度算子分别对Lorg和Rorg中的每个图像块的DCT系数矩阵中的所有DCT系数进行滤波处理,得到Lorg和Rorg中的每个图像块的滤波后DCT系数矩阵;
①-6、采用与步骤①-3相同的系数重组方式,分别对L
org和R
org中的所有图像块的滤波后DCT系数矩阵中的所有滤波后DCT系数进行系数重组,得到L
org和R
org各自对应的10个各不相同的滤波后重组系数矩阵,将L
org对应的第n'个滤波后重组系数矩阵记为
将R
org对应的第n'个滤波后重组系数矩阵记为
其中,L
org中的所有图像块的滤波后DCT系数矩阵中相同坐标位置的滤波后DCT系数位于同一个滤波后重组系数矩阵中,R
org中的所有图像块的滤波后DCT系数矩阵中相同坐标位置的滤波后DCT系数位于同一个滤波后重组系数矩阵中,1≤n'≤10;
①-7、根据L
org或R
org各自对应的10个滤波后重组系数矩阵中的所有滤波后DCT系数,计算第一敏感度阈值,记为T1,
其中,α为敏感度阈值调节因子,1≤k≤10,1≤l≤L
k,此处L
k表示L
org或R
org各自对应的10个滤波后重组系数矩阵中的第k个滤波后重组系数矩阵中滤波后DCT系数的总个数,
表示L
org或R
org各自对应的10个滤波后重组系数矩阵中的第k个滤波后重组系数矩阵中的第l个滤波后DCT系数,符号“”为取绝对值符号;
①-8、将L
org和R
org各自对应的每个滤波后重组系数矩阵中值大于第一敏感度阈值T1的滤波后DCT系数确定为视觉敏感度系数,然后计算L
org和R
org各自对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重,将L
org对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数所占的比重记为
将Rorg对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数所占的比重记为
其中,
表示L
org对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数的个数,R
L(n')表示L
org对应的第n'个滤波后重组系数矩阵
中滤波后DCT系数的总个数,
表示R
org对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数的个数,R
R(n')表示R
org对应的第n'个滤波后重组系数矩阵
中滤波后DCT系数的总个数;
①-9、将L
org对应的每个重组系数矩阵与R
org对应的每个重组系数矩阵的差值绝对值矩阵的均值和标准差,经量化编码后作为第一数字水印信息;将L
org对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重,经量化编码后作为第二数字水印信息;将R
org对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重,经量化编码后作为第三数字水印信息;然后利用抖动调制数字水印嵌入方法,将第一数字水印信息分别嵌入L
org对应的第4个重组系数矩阵
和R
org对应的第4个重组系数矩阵
将第二数字水印信息分别嵌入L
org对应的第5个重组系数矩阵
和R
org对应的第5个重组系数矩阵
将第三数字水印信息分别嵌入L
org对应的第6个重组系数矩阵
和R
org对应的第6个重组系数矩阵
得到含数字水印的立体图像;
①-10、发送端将含数字水印的立体图像发送给接收端;
②-1、在接收端,令S
dis表示接收到的待评价的失真的含数字水印的立体图像,将S
dis的左视点图像记为L
dis,将S
dis的右视点图像记为R
dis;将L
dis和R
dis分别分割成
个互不重叠的尺寸大小为8×8的图像块,其中,此处M为L
dis和R
dis的宽度,N为L
dis和R
dis的高度;
②-2、对Ldis和Rdis中的每个图像块进行离散余弦变换,得到Ldis和Rdis中的每个图像块的DCT系数矩阵;
②-3、分别对L
dis和R
dis中的所有图像块的DCT系数矩阵中的所有DCT系数进行系数重组,得到L
dis和R
dis各自对应的10个各不相同的重组系数矩阵,将L
dis对应的第n'个重组系数矩阵记为
将R
dis对应的第n'个重组系数矩阵记为
其中,L
dis中的所有图像块的DCT系数矩阵中相同坐标位置处的DCT系数位于同一个重组系数矩阵中,R
dis中的所有图像块的DCT系数矩阵中相同坐标位置处的DCT系数位于同一个重组系数矩阵中,1≤n'≤10;
②-4、计算L
dis对应的每个重组系数矩阵与R
dis对应的每个重组系数矩阵的差值绝对值矩阵,将L
dis对应的第n'个重组系数矩阵
与R
dis对应的第n'个重组系数矩阵
的差值绝对值矩阵记为
将
中的第l个DCT系数记为
然后计算L
dis的每个重组系数矩阵与R
dis的每个重组系数矩阵的差值绝对值矩阵的均值和标准差,将
的均值和标准差分别记为
和
其中,
表示
中的第l个DCT系数,
表示
中的第l个DCT系数,符号“||”为取绝对值符号,1≤l≤L
n',在此L
n'表示
或
中DCT系数的总个数;
②-5、利用Watson敏感度算子分别对Ldis和Rdis中的每个图像块的DCT系数矩阵中的所有DCT系数进行滤波处理,得到Ldis和Rdis中的每个图像块的滤波后DCT系数矩阵;
②-6、采用与步骤②-3相同的系数重组方式,分别对Ldis和Rdis中的所有图像块的滤波后DCT系数矩阵中的所有滤波后DCT系数进行系数重组,得到Ldis和Rdis各自对应的10个各不相同的滤波后重组系数矩阵,将Ldis对应的第n'个滤波后重组系数矩阵记为将Rdis对应的第n'个滤波后重组系数矩阵记为其中,Ldis中的所有图像块的滤波后DCT系数矩阵中相同坐标位置的滤波后DCT系数位于同一个滤波后重组系数矩阵中,Rdis中的所有图像块的滤波后DCT系数矩阵中相同坐标位置的滤波后DCT系数位于同一个滤波后重组系数矩阵中,1≤n'≤10;
②-7、根据L
dis或R
dis各自对应的10个滤波后重组系数矩阵中的所有滤波后DCT系数,计算第二敏感度阈值,记为T2,
其中,α为敏感度阈值调节因子,1≤k≤10,1≤l≤L
k,此处L
k表示L
dis或R
dis各自对应的10个滤波后重组系数矩阵中的第k个滤波后重组系数矩阵中滤波后DCT系数的总个数,
表示L
dis或R
dis各自对应的10个滤波后重组系数矩阵中的第k个滤波后重组系数矩阵中的第l个滤波后DCT系数,符号“||”为取绝对值符号;
②-8、将L
dis和R
dis各自对应的每个滤波后重组系数矩阵中值大于第二敏感度阈值T2的滤波后DCT系数确定为视觉敏感度系数,然后计算L
dis和R
dis各自对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重,将L
dis对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数所占的比重记为
将R
dis对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数所占的比重记为
其中,
表示L
dis对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数的个数,D
L(n')表示L
dis对应的第n'个滤波后重组系数矩阵
中滤波后DCT系数的总个数,
表示R
dis对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数的个数,D
R(n')表示R
dis对应的第n'个滤波后重组系数矩阵
中滤波后DCT系数的总个数;
②-9、检测嵌入到S
dis中的第一数字水印信息,然后对检测到的第一数字水印信息进行解码和反量化,解码反量化得到发送端嵌入的L
org对应的每个重组系数矩阵与R
org对应的每个重组系数矩阵的差值绝对值矩阵的均值和标准差,接着采用Canberra距离对S
dis进行纹理相似度度量,得到S
dis的立体感知值,记为Q
disp,
其中,
和
分别表示发送端嵌入的L
org对应的第n'个重组系数矩阵
与R
org对应的第n'个重组系数矩阵
的差值绝对值矩阵
的均值和标准差,w
n'表示权值,
符号“||”为取绝对值符号;
检测嵌入到L
dis中的第二数字水印信息,然后对检测到的第二数字水印信息进行解码和反量化,解码反量化得到发送端嵌入的L
org对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重,接着计算左视点质量分数,记为
其中,Q
0为动态调节因子,
表示发送端嵌入的L
org对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数所占的比重,符号“||”为取绝对值符号;
检测嵌入到R
dis中的第三数字水印信息,然后对检测到的第三数字水印信息进行解码,解码反量化得到发送端嵌入的R
org对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重,接着计算右视点质量分数,记为
其中,
表示发送端嵌入的R
org对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数所占的比重;
②-10、根据
和
计算S
dis的视点质量分数,记为Q
view,
②-11、采用n''幅原始的无失真的立体图像,建立其在不同失真类型不同失真程度下的失真立体图像集合,该失真立体图像集合包括多幅失真立体图像,利用主观质量评价方法分别评价出该失真立体图像集合中的每幅失真立体图像的主观评分,将该失真立体视频集合中的第j幅失真立体图像的主观评分记为DMOSj,其中,n''>1,0≤DMOSj≤100;然后按照步骤①-1至步骤②-10计算Qdisp和Qview的操作,以相同的方式计算该失真立体图像集合中的每幅失真立体图像的立体感知值和视点质量分数,将该失真立体图像集合中的第j幅失真立体图像的立体感知值记为Qdisp(j),将该失真立体图像集合中的第j幅失真立体图像的视点质量分数记为Qview(j),其中,1≤j≤N',N'表示该失真立体图像集合中包含的失真立体图像的幅数;再由该失真立体图像集合中的每幅失真立体图像的立体感知值和视点质量分数构成该失真立体图像集合中的每幅失真立体图像的质量分数,将该失真立体视频集合中的第j幅失真立体图像的质量分数记为xj,xj=[Qdisp(j),Qview(j)],其中,此处[Qdisp(j),Qview(j)]表示该失真立体图像集合中的第j幅失真立体图像的立体感知值和视点质量分数组成的向量矩阵;
②-12、将该失真立体图像集合中的所有失真立体图像分成训练集和测试集,然后利用支持向量回归对训练集中的所有失真立体图像的质量分数和主观评分进行训练,使得经过训练得到的回归函数值与主观评分之间的误差最小,拟合得到最优的权值矢量W
opt和最优的偏置项b
opt,接着利用W
opt和b
opt构造得到支持向量回归训练模型,再根据支持向量回归训练模型,对测试集中的每幅失真立体图像的质量分数进行测试,预测得到测试集中的每幅失真立体图像的客观质量评价预测值,将测试集中的第k'幅失真立体图像的客观质量评价预测值记为Q
k',Q
k'=f(x
k'),
其中,1≤k'≤t',t'表示测试集中包含的失真立体图像的幅数,f()为函数表示形式,x
k′=[Q
disp(k′),Q
view(k′)],x
k'表示测试集中的第k'幅失真立体图像的质量分数,Q
k'是测试集中的第k'幅失真立体图像的质量分数x
k'的函数,(W
opt)
T为W
opt的转置矢量,
为x
k'的线性函数。
所述的步骤①-3中将Lorg和Rorg分别作为待处理图像,所述的步骤②-3中将Ldis和Rdis分别作为待处理图像,则对待处理图像中的所有图像块的DCT系数矩阵中的所有DCT系数进行系数重组的具体过程为:提取出待处理图像中的所有图像块的DCT系数矩阵中坐标位置为(1,1)的DCT系数,并按序构成第1个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中坐标位置为(1,2)的DCT系数,并按序构成第2个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中坐标位置为(2,1)的DCT系数,并按序构成第3个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中坐标位置为(2,2)的DCT系数,并按序构成第4个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中横坐标为1≤i≤2且纵坐标为3≤j≤4的所有DCT系数,并按序构成第5个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中横坐标为3≤i≤4且纵坐标为1≤j≤2的所有DCT系数,并按序构成第6个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中横坐标为3≤i≤4且纵坐标为3≤j≤4的所有DCT系数,并按序构成第7个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中横坐标为1≤i≤4且纵坐标为5≤j≤8的所有DCT系数,并按序构成第8个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中横坐标为5≤i≤8且纵坐标为1≤j≤4的所有DCT系数,并按序构成第9个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中横坐标为5≤i≤8且纵坐标为5≤j≤8的所有DCT系数,并按序构成第10个重组系数矩阵。
所述的步骤①-6中将Lorg和Rorg分别作为待处理图像,则对待处理图像中的所有图像块的滤波后DCT系数矩阵中的所有滤波后DCT系数进行系数重组的具体过程,与所述的步骤①-3中对待处理图像中的所有图像块的DCT系数矩阵中的所有DCT系数进行系数重组的具体过程相同;所述的步骤②-6中将Ldis和Rdis分别作为待处理图像,则对待处理图像中的所有图像块的滤波后DCT系数矩阵中的所有滤波后DCT系数进行系数重组的具体过程,与所述的步骤②-3中对待处理图像中的所有图像块的DCT系数矩阵中的所有DCT系数进行系数重组的具体过程相同。
所述的步骤①-7和所述的步骤②-7中取α=3。
所述的步骤②-9中取Q0=0.1。
与现有技术相比,本发明的优点在于:在发送端,提取原始的无失真的立体图像的左视点图像和右视点图像的DCT域中的特征(包括原始的无失真的立体图像的左视点图像对应的每个重组系数矩阵与右视点图像对应的每个重组系数矩阵的差值绝对值矩阵的均值和标准差、原始的无失真的立体图像的左视点图像对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重、原始的无失真的立体图像的右视点图像对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重),并对各个特征进行量化编码得到数字水印信息,由于编码的过程采用了CRC校验和BCH纠错编码,因此有效地增强了数字水印信息的鲁棒性;接着利用基于Watson敏感度算子和JPEG量化表的抖动调制数字水印嵌入方法将数字水印信息嵌入到原始的无失真的立体图像的左视点图像和右视点图像的DCT域中,由于采用了抖动调制数字水印嵌入方法来嵌入数字水印信息,因此提高了嵌入水印后的立体图像的视觉质量以及进一步增强了数字水印的鲁棒性;在接收端,提取失真的立体图像的左视点图像和右视点图像的DCT域中的特征(包括失真的立体图像的左视点图像对应的每个重组系数矩阵与右视点图像对应的每个重组系数矩阵的差值绝对值矩阵的均值和标准差、失真的立体图像的左视点图像对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重、失真的立体图像的右视点图像对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重),然后检测并提取失真的立体图像中嵌入的数字水印信息,并对提取出的数字水印信息进行解码和反量化,接着根据失真的立体图像的左视点图像和右视点图像的DCT域中的特征和解码反量化得到的特征,获取失真的立体图像的立体感知值和视点质量分数,最后利用训练得到的支持向量回归模型获取测试的失真立体图像的客观质量评价预测值;本发明方法将从原始的无失真的立体图像中提取出的特征值以水印的形式嵌入到立体图像中,信道在传输立体图像的同时也传输了该特征值,因此本发明方法克服了质降参考模型需要辅助信道传输特征值的局限性,并能够很好地预测人眼对立体图像的主观感知,符合人眼视觉特性。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本发明提出的一种基于数字水印的立体图像质量客观评价方法,其总体实现框图如图1所示,其具体包括以下步骤:
①-1、在发送端,令Sorg表示原始的无失真的立体图像,将Sorg的左视点图像记为Lorg,将Sorg的右视点图像记为Rorg;将Lorg和Rorg分别分割成个互不重叠的尺寸大小为8×8的图像块,其中,此处M为Lorg和Rorg的宽度,N为Lorg和Rorg的高度。
①-2、对Lorg和Rorg中的每个不重叠的尺寸大小为8×8的图像块进行离散余弦变换(DCT,Discrete Cosine Transform),得到Lorg和Rorg中的每个不重叠的尺寸大小为8×8的图像块的DCT系数矩阵,将Lorg中坐标位置为(m,n)的图像块的DCT系数矩阵中坐标位置为(i,j)处的DCT系数记为KL,org[i,j,m,n],将Rorg中坐标位置为(m,n)的图像块的DCT系数矩阵中坐标位置为(i,j)处的DCT系数记为KR,org[i,j,m,n],其中, 1≤i≤8,1≤j≤8。
①-3、分别对L
org和R
org中的所有图像块的DCT系数矩阵中的所有DCT系数进行系数重组,得到L
org和R
org各自对应的10个各不相同的重组系数矩阵,将L
org对应的第n'个重组系数矩阵记为
将R
org对应的第n'个重组系数矩阵记为
其中,L
org中的所有图像块的DCT系数矩阵中相同坐标位置处的DCT系数位于同一个重组系数矩阵中,R
org中的所有图像块的DCT系数矩阵中相同坐标位置处的DCT系数位于同一个重组系数矩阵中,1≤n'≤10。
①-4、计算L
org对应的每个重组系数矩阵与R
org对应的每个重组系数矩阵的差值绝对值矩阵,将L
org对应的第n'个重组系数矩阵
与R
org对应的第n'个重组系数矩阵
的差值绝对值矩阵记为
将
中的第l个DCT系数记为
然后计算L
org对应的每个重组系数矩阵与R
org对应的每个重组系数矩阵的差值绝对值矩阵的均值和标准差,将
的均值和标准差分别记为
和
其中,
表示
中的第l个DCT系数,
表示
中的第l个DCT系数,符号“||”为取绝对值符号,1≤l≤L
n',在此L
n'表示
中DCT系数的总个数。
①-5、利用现有的Watson敏感度算子分别对Lorg和Rorg中的每个图像块的DCT系数矩阵中的所有DCT系数进行滤波处理,得到Lorg和Rorg中的每个图像块的滤波后DCT系数矩阵,将Lorg中坐标位置为(m,n)的图像块的滤波后DCT系数矩阵中坐标位置为(i,j)处的滤波后DCT系数记为K′L,org[i,j,m,n],将Rorg中坐标位置为(m,n)的图像块的滤波后DCT系数矩阵中坐标位置为(i,j)处的滤波后DCT系数记为K′R,org[i,j,m,n]。
在此,现有的Watson敏感度算子中的各个频率敏感度如表1所列,表1中的每一个元素表示在无任何噪声掩蔽的情况下人眼对每一个不重叠的8×8图像块的DCT系数矩阵中的每个DCT系数不同的敏感程度,其值越小说明人眼对该频率越敏感。
表1Watson敏感度算子中的各个频率敏感度
①-6、采用与步骤①-3相同的系数重组方式,分别对L
org和R
org中的所有图像块的滤波后DCT系数矩阵中的所有滤波后DCT系数进行系数重组,得到L
org和R
org各自对应的10个各不相同的滤波后重组系数矩阵,将L
org对应的第n'个滤波后重组系数矩阵记为
将R
org对应的第n'个滤波后重组系数矩阵记为
其中,L
org中的所有图像块的滤波后DCT系数矩阵中相同坐标位置的滤波后DCT系数位于同一个滤波后重组系数矩阵中,R
org中的所有图像块的滤波后DCT系数矩阵中相同坐标位置的滤波后DCT系数位于同一个滤波后重组系数矩阵中,1≤n'≤10。
①-7、根据L
org或R
org各自对应的10个滤波后重组系数矩阵中的所有滤波后DCT系数,计算第一敏感度阈值,记为T1,
其中,α为敏感度阈值调节因子,实验中取α=3,1≤k≤10,1≤l≤L
k,此处L
k表示L
org或R
org各自对应的10个滤波后重组系数矩阵中的第k个滤波后重组系数矩阵中滤波后DCT系数的总个数,
表示L
org或R
org各自对应的10个滤波后重组系数矩阵中的第k个滤波后重组系数矩阵中的第l个滤波后DCT系数,符号“||”为取绝对值符号。
①-8、将L
org和R
org各自对应的每个滤波后重组系数矩阵中值大于第一敏感度阈值T1的滤波后DCT系数确定为视觉敏感度系数,如假设
中的某个滤波后DCT系数大于第一敏感度阈值T1,则将该滤波后DCT系数确定为视觉敏感度系数,然后计算L
org和R
org各自对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重,将L
org对应的第n′个滤波后重组系数矩阵
中视觉敏感度系数所占的比重记为
将R
org对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数所占的比重记为
其中,
表示L
org对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数的个数,R
L(n')表示L
org对应的第n'个滤波后重组系数矩阵
中滤波后DCT系数的总个数,
表示R
org对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数的个数,R
R(n')表示R
org对应的第n'个滤波后重组系数矩阵
中滤波后DCT系数的总个数。
①-9、将L
org对应的每个重组系数矩阵与R
org对应的每个重组系数矩阵的差值绝对值矩阵的均值和标准差,经量化编码后作为第一数字水印信息;将L
org对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重,经量化编码后作为第二数字水印信息;将R
org对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重,经量化编码后作为第三数字水印信息;然后利用抖动调制数字水印嵌入方法,将第一数字水印信息分别嵌入Lorg对应的第4个重组系数矩阵
和R
org对应的第4个重组系数矩阵
将第二数字水印信息分别嵌入L
org对应的第5个重组系数矩阵
和R
org对应的第5个重组系数矩阵
将第三数字水印信息分别嵌入L
org对应的第6个重组系数矩阵
和R
org对应的第6个重组系数矩阵
得到含数字水印的立体图像。
在此,量化编码过程为:将
和
分别用8位二进制数表示;然后,对该二进制数据采用多项式生成16比特CRC差错校验码;接着,采用(15,5,7)BCH(15bit数据能纠错位为≤3bit)对含校验码数据进一步进行编码得到最终编码数据;最后,将该最终编码数据作为水印信息。
在此,将水印嵌入的具体过程为:令x
w表示嵌入水印后的数据,水印嵌入过程可用以下公式表示:
其中,round()为四舍五入取整函数,x表示原始载体数据,Δ表示量化步长,w表示水印信息,d(w)为与w相对应的抖动量,
为与w相对应的量化器,对于二进制水印,有两类量化器:量化器1(即
)和量化器0(
);用最小距离解码器来提取水印信息时,如果接收到的数据距离量化器1得到的数据最近,解码器认为嵌入的水印信息为1;否则,解码器认为嵌入的水印信息为0,即
其中,y表示解码器接收到的数据,
表示提取的水印信息,y[1]和y[0]分别表示采用量化器1和量化器0对接收到的数据y进行抖动调制所得到的量化值。
在本发明中利用Watson敏感度算子中的各个频率敏感度可以提高水印的透明性,结合JPEG量化表可以提高水印的鲁棒性,表2为JPEG建议的量化表,由于Watson敏感度算子和JPEG建议的量化表是确定的,因此可以实现全盲检测的要求。
表2JPEG建议的量化表
在本发明中根据Watson敏感度算子和JPEG量化表确定抖动调制中量化器的量化步长Δ,值得注意的是,在确定量化步长Δ时,需要一个全局常数G来调节水印强度,量化步长Δ表示为
其中,G的值一般取2,t
Waston(i,j)表示Watson敏感度算子中坐标位置为(i,j)处的值,t
JPEG(i,j)表示JPEG量化表中坐标位置为(i,j)处的值,1≤i≤8,1≤j≤8。
①-10、发送端将含数字水印的立体图像发送给接收端。
②-1、在接收端,令S
dis表示接收到的待评价的失真的含数字水印的立体图像,将S
dis的左视点图像记为L
dis,将S
dis的右视点图像记为R
dis;将L
dis和R
dis分别分割成
个互不重叠的尺寸大小为8×8的图像块,其中,此处M为L
dis和R
dis的宽度,N为L
dis和R
dis的高度。
②-2、对L
dis和R
dis中的每个不重叠的尺寸大小为8×8的图像块进行离散余弦变换,得到L
dis和R
dis中的每个不重叠的尺寸大小为8×8的图像块的DCT系数矩阵,将L
dis中坐标位置为(m,n)的图像块的DCT系数矩阵中坐标位置为(i,j)处的DCT系数记为K
L,dis[i,j,m,n],将R
dis中坐标位置为(m,n)的图像块的DCT系数矩阵中坐标位置为(i,j)处的DCT系数记为K
R,dis[i,j,m,n],其中,
1≤i≤8,1≤j≤8。
②-3、分别对L
dis和R
dis中的所有图像块的DCT系数矩阵中的所有DCT系数进行系数重组,得到L
dis和R
dis各自对应的10个各不相同的重组系数矩阵,将L
dis对应的第n'个重组系数矩阵记为
将R
dis对应的第n'个重组系数矩阵记为
其中,L
dis中的所有图像块的DCT系数矩阵中相同坐标位置处的DCT系数位于同一个重组系数矩阵中,R
dis中的所有图像块的DCT系数矩阵中相同坐标位置处的DCT系数位于同一个重组系数矩阵中,1≤n'≤10。
②-4、计算L
dis对应的每个重组系数矩阵与R
dis对应的每个重组系数矩阵的差值绝对值矩阵,将L
dis对应的第n'个重组系数矩阵
与R
dis对应的第n'个重组系数矩阵
的差值绝对值矩阵记为
将
中的第l个DCT系数记为
然后计算L
dis的每个重组系数矩阵与R
dis的每个重组系数矩阵的差值绝对值矩阵的均值和标准差,将
的均值和标准差分别记为
和
其中,
表示
中的第l个DCT系数,
表示
中的第l个DCT系数,符号“||”为取绝对值符号,1≤l≤L
n',在此L
n'表示
或
中DCT系数的总个数。
②-5、利用现有的Watson敏感度算子分别对Ldis和Rdis中的每个图像块的DCT系数矩阵中的所有DCT系数进行滤波处理,得到Ldis和Rdis中的每个图像块的滤波后DCT系数矩阵,将Ldis中坐标位置为(m,n)的图像块的滤波后DCT系数矩阵中坐标位置为(i,j)处的滤波后DCT系数记为K′L,dis[i,j,m,n],将Rdis中坐标位置为(m,n)的图像块的滤波后DCT系数矩阵中坐标位置为(i,j)处的滤波后DCT系数记为K′R,dis[i,j,m,n]。
②-6、采用与步骤②-3相同的系数重组方式,分别对L
dis和R
dis中的所有图像块的滤波后DCT系数矩阵中的所有滤波后DCT系数进行系数重组,得到L
dis和R
dis各自对应的10个各不相同的滤波后重组系数矩阵,将L
dis对应的第n'个滤波后重组系数矩阵记为
将R
dis对应的第n'个滤波后重组系数矩阵记为
其中,L
dis中的所有图像块的滤波后DCT系数矩阵中相同坐标位置的滤波后DCT系数位于同一个滤波后重组系数矩阵中,R
dis中的所有图像块的滤波后DCT系数矩阵中相同坐标位置的滤波后DCT系数位于同一个滤波后重组系数矩阵中,1≤n'≤10。
②-7、根据L
dis或R
dis各自对应的10个滤波后重组系数矩阵中的所有滤波后DCT系数,计算第二敏感度阈值,记为T2,
其中,α为敏感度阈值调节因子,实验中取α=3,1≤k≤10,1≤l≤L
k,此处L
k表示L
dis或R
dis各自对应的10个滤波后重组系数矩阵中的第k个滤波后重组系数矩阵中滤波后DCT系数的总个数,
表示L
dis或R
dis各自对应的10个滤波后重组系数矩阵中的第k个滤波后重组系数矩阵中的第l个滤波后DCT系数,符号“||”为取绝对值符号。
②-8、将L
dis和R
dis各自对应的每个滤波后重组系数矩阵中值大于第二敏感度阈值T2的滤波后DCT系数确定为视觉敏感度系数,然后计算L
dis和R
dis各自对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重,将L
dis对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数所占的比重记为
将R
dis对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数所占的比重记为
其中,
表示L
dis对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数的个数,D
L(n')表示L
dis对应的第n'个滤波后重组系数矩阵
中滤波后DCT系数的总个数,
表示R
dis对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数的个数,D
R(n')表示R
dis对应的第n'个滤波后重组系数矩阵
中滤波后DCT系数的总个数。
②-9、检测嵌入到S
dis中的第一数字水印信息,然后对检测到的第一数字水印信息进行解码和反量化,解码反量化得到步骤①-9嵌入的L
org对应的每个重组系数矩阵与R
org对应的每个重组系数矩阵的差值绝对值矩阵的均值和标准差,接着采用Canberra距离对S
dis进行纹理相似度度量,得到S
dis的立体感知值,记为Q
disp,
其中,
和
分别表示步骤①-9嵌入的L
org对应的第n'个重组系数矩阵
与R
org对应的第n'个重组系数矩阵
的差值绝对值矩阵
的均值和标准差,w
n'表示权值,
符号“||”为取绝对值符号。
检测嵌入到L
dis中的第二数字水印信息,然后对检测到的第二数字水印信息进行解码和反量化,解码反量化得到步骤①-9嵌入的L
org对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重,接着计算左视点质量分数,记为
其中,Q
0为动态调节因子,实验中取Q
0=0.1,
表示步骤①-9嵌入的L
org对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数所占的比重,符号“||”为取绝对值符号。
检测嵌入到R
dis中的第三数字水印信息,然后对检测到的第三数字水印信息进行解码,解码反量化得到步骤①-9嵌入的R
org对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重,接着计算右视点质量分数,记为
其中,
表示步骤①-9嵌入的R
org对应的第n'个滤波后重组系数矩阵
中视觉敏感度系数所占的比重。
②-10、根据
和
计算S
dis的视点质量分数,记为Q
view,
②-11、采用n''幅原始的无失真的立体图像,建立其在不同失真类型不同失真程度下的失真立体图像集合,该失真立体图像集合包括多幅失真立体图像,利用主观质量评价方法分别评价出该失真立体图像集合中的每幅失真立体图像的主观评分,将该失真立体视频集合中的第j幅失真立体图像的主观评分记为DMOSj,其中,n''>1,0≤DMOSj≤100;然后按照步骤①-1至步骤②-10计算Qdisp和Qview的操作,以相同的方式计算该失真立体图像集合中的每幅失真立体图像的立体感知值和视点质量分数,将该失真立体图像集合中的第j幅失真立体图像的立体感知值记为Qdisp(j),将该失真立体图像集合中的第j幅失真立体图像的视点质量分数记为Qview(j),其中,1≤j≤N',N'表示该失真立体图像集合中包含的失真立体图像的幅数;再由该失真立体图像集合中的每幅失真立体图像的立体感知值和视点质量分数构成该失真立体图像集合中的每幅失真立体图像的质量分数,将该失真立体视频集合中的第j幅失真立体图像的质量分数记为xj,xj=[Qdisp(j),Qview(j)],其中,此处[Qdisp(j),Qview(j)]表示该失真立体图像集合中的第j幅失真立体图像的立体感知值和视点质量分数组成的向量矩阵。
②-12、支持向量回归(Support Vector Regression,SVR)是基于结构风险最小化准则的新型机器学习方法和统计学理论,其可以有效地抑制过拟合问题,因此本发明将该失真立体图像集合中的所有失真立体图像分成训练集和测试集,然后利用支持向量回归对训练集中的所有失真立体图像的质量分数和主观评分进行训练,使得经过训练得到的回归函数值与主观评分之间的误差最小,拟合得到最优的权值矢量W
opt和最优的偏置项b
opt,接着利用W
opt和b
opt构造得到支持向量回归训练模型,再根据支持向量回归训练模型,对测试集中的每幅失真立体图像的质量分数进行测试,预测得到测试集中的每幅失真立体图像的客观质量评价预测值,将测试集中的第k'幅失真立体图像的客观质量评价预测值记为Q
k',Q
k'=f(x
k'),
其中,1≤k'≤t',t'表示测试集中包含的失真立体图像的幅数,f()为函数表示形式,x
k′=[Q
disp(k′),Q
view(k′)],x
k'表示测试集中的第k'幅失真立体图像的质量分数,Q
k'是测试集中的第k'幅失真立体图像的质量分数x
k'的函数,(W
opt)
T为W
opt的转置矢量,
为x
k'的线性函数。在此,可从该失真立体图像集合中随机选取一半失真立体图像构成训练集,而剩余的失真立体图像则构成测试集。
在此具体实施例中,在步骤①-3中将Lorg和Rorg分别作为待处理图像,步骤②-3中将Ldis和Rdis分别作为待处理图像,则对待处理图像中的所有图像块的DCT系数矩阵中的所有DCT系数进行系数重组的具体过程为:提取出待处理图像中的所有图像块的DCT系数矩阵中坐标位置为(1,1)的DCT系数,并按序(可按各图像块在待处理图像中的坐标位置的顺序)构成第1个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中坐标位置为(1,2)的DCT系数,并按序(可按各图像块在待处理图像中的坐标位置的顺序)构成第2个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中坐标位置为(2,1)的DCT系数,并按序(可按各图像块在待处理图像中的坐标位置的顺序)构成第3个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中坐标位置为(2,2)的DCT系数,并按序(可按各图像块在待处理图像中的坐标位置的顺序)构成第4个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中横坐标为1≤i≤2且纵坐标为3≤j≤4的所有DCT系数,并按序(可按各图像块在待处理图像中的坐标位置的顺序,而在一个图像块的DCT系数矩阵中的多个DCT系数按DCT系数在该图像块的DCT系数矩阵中的坐标位置的顺序)构成第5个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中横坐标为3≤i≤4且纵坐标为1≤j≤2的所有DCT系数,并按序构成第6个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中横坐标为3≤i≤4且纵坐标为3≤j≤4的所有DCT系数,并按序构成第7个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中横坐标为1≤i≤4且纵坐标为5≤j≤8的所有DCT系数,并按序构成第8个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中横坐标为5≤i≤8且纵坐标为1≤j≤4的所有DCT系数,并按序构成第9个重组系数矩阵;提取出待处理图像中的所有图像块的DCT系数矩阵中横坐标为5≤i≤8且纵坐标为5≤j≤8的所有DCT系数,并按序构成第10个重组系数矩阵。
在此具体实施例中,在步骤①-6中将Lorg和Rorg分别作为待处理图像,则对待处理图像中的所有图像块的滤波后DCT系数矩阵中的所有滤波后DCT系数进行系数重组的具体过程,与步骤①-3中对待处理图像中的所有图像块的DCT系数矩阵中的所有DCT系数进行系数重组的具体过程相同,在步骤②-6中将Ldis和Rdis分别作为待处理图像,则对待处理图像中的所有图像块的滤波后DCT系数矩阵中的所有滤波后DCT系数进行系数重组的具体过程,与步骤②-3中对待处理图像中的所有图像块的DCT系数矩阵中的所有DCT系数进行系数重组的具体过程相同,即提取出待处理图像中的所有图像块的滤波后DCT系数矩阵中坐标位置为(1,1)的滤波后DCT系数,并按序(可按各图像块在待处理图像中的坐标位置的顺序)构成第1个滤波后重组系数矩阵;提取出待处理图像中的所有图像块的滤波后DCT系数矩阵中坐标位置为(1,2)的滤波后DCT系数,并按序(可按各图像块在待处理图像中的坐标位置的顺序)构成第2个滤波后重组系数矩阵;提取出待处理图像中的所有图像块的滤波后DCT系数矩阵中坐标位置为(2,1)的滤波后DCT系数,并按序(可按各图像块在待处理图像中的坐标位置的顺序)构成第3个滤波后重组系数矩阵;提取出待处理图像中的所有图像块的滤波后DCT系数矩阵中坐标位置为(2,2)的滤波后DCT系数,并按序(可按各图像块在待处理图像中的坐标位置的顺序)构成第4个滤波后重组系数矩阵;提取出待处理图像中的所有图像块的滤波后DCT系数矩阵中横坐标为1≤i≤2且纵坐标为3≤j≤4的所有滤波后DCT系数,并按序(可按各图像块在待处理图像中的坐标位置的顺序,而在一个图像块的滤波后DCT系数矩阵中的多个滤波后DCT系数按滤波后DCT系数在该图像块的的滤波后DCT系数矩阵中的坐标位置的顺序)构成第5个滤波后重组系数矩阵;提取出待处理图像中的所有图像块的滤波后DCT系数矩阵中横坐标为3≤i≤4且纵坐标为1≤j≤2的所有滤波后DCT系数,并按序构成第6个滤波后重组系数矩阵;提取出待处理图像中的所有图像块的滤波后DCT系数矩阵中横坐标为3≤i≤4且纵坐标为3≤j≤4的所有滤波后DCT系数,并按序构成第7个滤波后重组系数矩阵;提取出待处理图像中的所有图像块的滤波后DCT系数矩阵中横坐标为1≤i≤4且纵坐标为5≤j≤8的所有滤波后DCT系数,并按序构成第8个滤波后重组系数矩阵;提取出待处理图像中的所有图像块的滤波后DCT系数矩阵中横坐标为5≤i≤8且纵坐标为1≤j≤4的所有滤波后DCT系数,并按序构成第9个滤波后重组系数矩阵;提取出待处理图像中的所有图像块的滤波后DCT系数矩阵中横坐标为5≤i≤8且纵坐标为5≤j≤8的所有滤波后DCT系数,并按序构成第10个滤波后重组系数矩阵。
以下为对本发明方法进行实验验证,以说明本发明方法的有效性和可行性。在本实施例中采用宁波大学立体图像测试库中的12幅高清彩色原始的无失真的立体图像及其对应的失真的立体图像,12幅原始的无失真的立体图像的左视点图像分别如图2a、图2b、图2c、图2d、图2e、图2f、图2g、图2h、图2i、图2j、图2k、图2l所示;该立体图像测试库分别对原始的无失真的立体图像进行不同等级的JPEG2000压缩、JPEG压缩、高斯模糊(Gblur)、高斯白噪声(WN)和H.264编码(H.264)压缩等5种失真处理,共得到312对失真的立体图像,同时还给出了每对失真的立体图像的主观评分(DMOS,Difference Mean Opinion Score),DMOS值由观测者给出的评分值得到,DMOS值越小,表示立体图像主观感知质量越好。为测试本发明方法的性能,设计了以下实验验证本发明方法的可行性和有效性,并说明嵌入水印的透明性和鲁棒性。
为了更好的说明本发明方法的性能,选用3个性能评价指标来衡量测试的失真立体图像的客观质量评价预测值和DMOS的相关性、一致性及误差:其一为客观评价值经非线性回归分析后得到的客观质量评价预测值与DMOS的相关系数(CorrelationCoefficient,CC),该指标反映预测精确;其二为客观质量评价预测值与DMOS的Spearman相关系数(Rank-Order Correlation Coefficient,ROCC),该指标反映预测单调性;其三为客观质量评价预测值与DMOS的均方根误差(Root mean squared error,RMSE),该指标反映了预测误差;其中,CC值和ROCC值的绝对值越接近于1,而RMSE值越小,说明性能越好。在SVR训练和测试实验中选取Horse、Akko&Kayo、Lovebird1和Newspaper的各类失真的立体图像作为训练立体图像,剩下的失真的立体图像作为测试立体图像。各类性能指标如表3所列。利用本发明方法得到的客观质量评价预测值与人眼主观评分DMOS之间的相关性是很高的,表3给出了非线性回归条件下的Pearson相关系数CC、Spearman相关系数ROCC和均方根误差RMSE的性能指标,实验结果表明利用本发明方法所得到的客观质量评价预测值与人眼主观感知的结果较为一致,说明了本发明方法的有效性和可行性。
表3本实施例得到的失真的立体图像的客观质量评价预测值与主观评分之间的相关性
|
所有失真类型 |
JPEG2000 |
JPEG |
WN |
Gblur |
H.264 |
CC |
0.9077 |
0.9626 |
0.8996 |
0.9139 |
0.9730 |
0.9214 |
ROCC |
0.9239 |
0.9546 |
0.9068 |
0.8362 |
0.9702 |
0.8793 |
RMSE |
7.1832 |
3.2670 |
6.1273 |
6.1258 |
4.9489 |
5.3019 |