CN103886536A - 一种数字图像篡改定位的数字水印实现方法 - Google Patents

Abstract

本发明名称为一种数字图像篡改定位的数字水印实现方法，该发明涉及图像处理、计算机视觉、电子政务、电子商务等技术领域。本发明提出了一种失真度较小的数字图像篡改定位方法。该发明将水印信息嵌入到数字图像的最低有效位及次低有效位。在嵌入过程中，将数字图像的特征值进行了哈希运算，完成信息的嵌入。位置的选取采用了混沌系统完成。在进行哈希运算前，对载体图像进行了边缘提取和二值化运算。对提取出来的哈希值进行了进一步的自认证。在认证时，首先提取嵌入的认证信息，然后通过与嵌入过程相同的方法计算每一子块的认证信息。通过比较两个认证信息是否一致，完成对子块是否被篡改的认证。

Description

一种数字图像篡改定位的数字水印实现方法

技术领域

该发明涉及图像处理、计算机视觉、电子政务、电子商务等技术领域。

背景技术

科技的发展促进了数字图像的广泛应用，现在已经可以很方便地获取数字图像，并通过简单的方式完成对数字图像的修改。数字图像的处理方便一方面给人们带来了极大的便利，省去了物理介质的传输打印等过程；另一方面，数字图像的方便修改为非法使用，随意篡改数字图像带了方便，使得针对数字图像的作弊方式越来越多种多样。

目前，已经有多种方式实现对数字图像的篡改定位。但是，目前更多集中于将数字水印信息嵌入到数字图像的最低有效位完成。这种方式，将数字图像自身的认证信息完全嵌入到数字图像的最低有效位，实现起来比较方便，但是由于其易于受到攻击，因此实用性并不强。也有学者提出将多个水印嵌入到数字图像中以提高检测的可靠性，但这种水印对数字图像的修改比较严重，造成较大失真。

发明内容

本发明专利提出了一种失真度较小的数字图像篡改定位方法。该发明将水印信息嵌入到数字图像的最低有效位及次低有效位。为了保证对数字图像的最小修改及认证码的有效性，在嵌入过程中，将数字图像的特征值进行了哈希运算，保证了以较少的信息量完成对待认证图像的特征提取。同时，在嵌入时，仅仅选取有限数量的最低有效位及次低有效位，完成信息的嵌入。位置的选取采用了混沌系统，通过混沌系统建立一个三元组，该三元组用来确定嵌入的物理位置及深度，混沌系统的使用保证了嵌入的高保密性。在进行哈希运算前，对载体图像进行了边缘提取和二值化运算以保证运算的计算量尽可能小。为了进一步提高整体的可靠性，对提取出来的哈希值进行了进一步的自认证。自认证通过对认证码的自身异或运算完成，最后生成一位认证信息。该认证信息与计算出来的认证信息进行连接，一起嵌入到待认证图像内。

在认证时，首先提取嵌入的认证信息，然后通过与嵌入过程相同的方法计算每一子块的认证信息。通过比较两个认证信息是否一致，完成对子块是否被篡改的认证。

附图说明

图1是认证码嵌入过程。

图2是篡改定位是实施过程。

具体实施方式

具体实施方式分为两部分进行介绍，具体如下：

1认证水印嵌入过程

水印嵌入过程完成将数字图像的认证信息嵌入到图像内，让图像能够实现自认证。该过程主要包括：图像分块、混沌选位置、载体位置零、块特征提取、哈希计算、水印自认证、嵌入等步骤，如图1所示。

1.1图像分块

为了实现对篡改进行有效定位，对图像进行分块处理。假设图像大小为M*N像素，将其划分为m*n像素大小互不相交的子块，完成划分后，图像大小为：M*N/(m*n)。

这里，原始图像为：

$F(x,y)=\left[\begin{array}{cccc}{f}_{11}& f_{12}& \·\·\·& f_{1N}\\ f_{21}& f_{22}& \·\·\·& f_{2N}\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ f_{M1}& f_{M2}& \·\·\·& f_{\mathrm{MN}}\end{array}\right]$

划分子块后，原始图像变换为：

$F(x,y)=\left[\begin{array}{cccc}{g}_{11}& g_{12}& \·\·\·& g_{1(N/n)}\\ g_{21}& g_{22}& \·\·\·& g_{2(N/n)}\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ g_{(M/m)1}& g_{(M/m)2}& \·\·\·& g_{(M/m)(N/n)}\end{array}\right]$

每个子块的图像为：

$g_i(x,y)=\left[\begin{array}{cccc}{g}_{11}^i& g_{12}^i& \·\·\·& g_{1n}^i\\ g_{21}^i& g_{22}^i& \·\·\·& g_{2n}^i\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ g_{m1}^i& g_{m1}^i& \·\·\·& g_{\mathrm{mn}}^i\end{array}\right]$

划分子块后，所有的操作都在子块内完成，遍历整个图像，完成对整个图像的操作。

m*n像素大小对于整个实现具有至关重要的影响。当m*n为1时，此时能够精确定位到某一个具体的像素，但是此时因为该位仅能为0或1，可靠性仅为50％。当m*n较大时，能够存储更多的验证信息，计算量相对变小，但此时当整个m*n像素大小的区域内发生像素改变时，该单元即被认为发生篡改，定位精度误差较大。在实际操作过程中，需要根据实际情况确定使用m*n的大小。

1.2混沌选位置

这里采用双位置选取方法，其中一个位置用来设定要嵌入认证水印在子块内的坐标位置，另外一个位置用来设定嵌入在像素的第几位。

第一个位置范围设定在子块内，其纵向坐标应该在子块的宽度m以内；其横向坐标应该在子块的程度范围n内。

第二个位置范围设定像素深度位置，这里选择在其第0位，或者第1位。

1)纵坐标位置选取

纵坐标位置选取，主要包含以下步骤：

A)生成混沌序列

以一个初始值key1作为密钥，应用混沌系统Logistic序列生成一个混沌序列，该序列的值在[0，1]内。

B)混沌序列转换

将混沌序列的值范围进行扩充后取余，具体算式如下：

result＝mod(value*10000，m)+1

式中，result是计算结果，mod()是取余，value是混沌序列内的值，m是划分子块的宽度。

2)横坐标位置选取

横坐标位置的选取与纵坐标位置的选取采用相同的方式完成。

3)像素深度位置选取

A)生成混沌序列

以一个初始值key1作为密钥，应用混沌系统Logistic序列生成一个混沌序列，该序列的值在[0，1]内。

B)混沌序列值处理

将得到的混沌序列值进行二值化，采用方式如下：

$\mathrm{result}=\left\{\begin{array}{cc}0& \mathrm{value}>0.5\\ 1& \mathrm{else}\end{array}\right.$

此时得到一个新的二值序列，该二值序列用于标注嵌入的深度信息。具体嵌入规则如下：

式中，location是嵌入深度信息，value是当前的标注信息。

将上述两步得到的位置信息进行组合，得到一个三元组(l₁，l₂，l₃)，嵌入时，使用该位置作为选取位置参数进行位置的选取。

1.3载体位置零

载体位置零，是指将载体位置上的值进行置零操作。

使用三元组(l₁，l₂，l₃)进行载体位的清零，三元组中，l₁表示的是当前子块内纵向位置，l₂表示的是当前子块内的横向位置，l₃表示的是当前位置上的像素深度信息。

假设当前像素值为value，则其二值化信息为

(bv₇，bv₆，bv₅，bv₄，bv₃，bv₂，bv₁，bv₀)。

如果遇到三元组值为(l₁，l₂，1)，则将其信息转换为

(bv₇，bv₆，bv₅，bv₄，bv₃，bv₂，0，bv₀)；

如果遇到三元组值为(l₁，l₂，0)，则将其信息转换为

(bv₇，bv₆，bv₅，bv₄，bv₃，bv₂，bv₁，0)；

1.4块特征提取

块特征的提取是指提取出当前子块的特征值，有利于区别于其他图像。在具体实施过程中，可根据实际情况对当前图像进行处理。传统的篡改定位普遍提取其高七位的信息，这里为了提高其鲁棒性，采用了随机位置的方式完成信息的嵌入。单纯依赖图像自身特征进行哈希计算，计算量较大，在实际操作中，根据图像自身的特点，采取提取其特征值参与哈希计算的方式完成。

块特征的提取采用综合特征混合方式产生，具体如下：

1)边缘提取边缘提取是指将图像的边缘信息以二进制的形式提取出来，标记边缘信息为EB。

2)二值化处理

二值化处理只针对原始载体图像进行二值化处理，如下：

A)计算均值

计算当前子块内所有像素的均值，具体算式如下：

$\mathrm{value}=\underset{i=i}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{g}_{\mathrm{ij}}/(m\×n)$

式中，g_ij是像素值，m、n是子块的长度和宽度。

B)二值化

根据当前像素的具体值，将图像二值化，具体如下：

$\mathrm{result}=\left\{\begin{array}{cc}0& g_{\mathrm{ij}}<\mathrm{value}\\ 1& \mathrm{else}\end{array}\right.$

式中，value是计算所得子块内的平均值，result是二值化的结果。

将二值化信息标记为BB。

3)异或处理

将得到的边缘二值化信息和图像二值信息进行异或处理，如下：

Xvalue＝Xor(EB，BB)

式中，Xvalue是计算结果，Xor()是异或操作算式。

1.5哈希计算

使用单向散列函数，完成对得到的特征信息的哈希计算，使用函数如下：

Hvalue＝Hash(Xvalue)

式中，Hvalue是哈希函数运算结果，Hash()是哈希函数。

1.6水印自认证

水印自认证完成对得到的图像哈希函数值进行自认证。得到的哈希函数值是一个二值序列，将该哈希函数值进行自异或，或得到一个一位的二进制值。如下：

$\mathrm{OV}=\mathrm{Xor}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{Hvalue}}_i$

式中，OV是最后的校验结果，该结果与特征值一起嵌入到图像内。Xor是异或运算表达式，Hvalue是图像特征值，i是特征值内的位置信息。该表达式完成对二进制的特征值进行逐位异或，例如，有一个二进制值为{010110}，则其异或值为

$\mathrm{result}=0\&CirclePlus;1\&CirclePlus;0\&CirclePlus;1\&CirclePlus;1\&CirclePlus;0=1$

1.7嵌入

将得到的水印自认证信息和特征值连接到一起，嵌入到由三元组(l₁，l₂，l₃)决定的位置上。之前，有三元组(l₁，l₂，l₃)决定的位置已经被置零，此时用新的序列直接替换即可。

2篡改定位实现过程

篡改定位实现过程，主要包括：分块处理、混沌选位、提取认证码、块特征提取、哈希计算、水印自认证、认证值比较等步骤，其过程如图2所示。

在该过程中，大部分的过程与嵌入认证码的过程相似。只有提取认证码的过程是从三元组(l₁，l₂，1)确定的位置上提取出认证码，然后与经过计算得到的认证码进行比较。

如果提取的认证码与计算得到的认证码一致，则当前的子块没有被篡改过；如果两次认证码不一致，则表明当前认证码被篡改过。

Claims (4)

1.一种数字图像篡改定位的数字水印实现方法，其特征是将水印信息嵌入到数字图像的最低有效位及次低有效位。为了保证对数字图像的最小修改及认证码的有效性，在嵌入过程中，将数字图像的特征值进行了哈希运算，保证了以较少的信息量完成对待认证图像的特征提取。同时，在嵌入时，仅仅选取有限数量的最低有效位及次低有效位，完成信息的嵌入。位置的选取采用了混沌系统，通过混沌系统建立一个三元组，该三元组用来确定嵌入的物理位置及深度，混沌系统的使用保证了嵌入的高保密性。在进行哈希运算前，对载体图像进行了边缘提取和二值化运算以保证运算的计算量尽可能小。为了进一步提高整体的可靠性，对提取出来的哈希值进行了进一步的自认证。自认证通过对认证码的自身异或运算完成，最后生成一位认证信息。该认证信息与计算出来的认证信息进行连接，一起嵌入到待认证图像内。在认证时，首先提取嵌入的认证信息，然后通过与嵌入过程相同的方法计算每一子块的认证信息。通过比较两个认证信息是否一致，完成对子块是否被篡改的认证。 

2.根据权利要求1所属的方法，其特征是水印嵌入过程完成将数字图像的认证信息嵌入到图像内，让图像能够实现自认证。该过程主要包括：图像分块、混沌选位置、载体位置零、块特征提取、哈希计算、水印自认证、嵌入等步骤。 

3.根据权利要求1所属的方法，其特征是采用双位置选取方法，其中一个位置用来设定要嵌入认证水印在子块内的坐标位置，另外一个位置用来设定嵌入在像素的第几位，即一个用来表示位置信息，另外一个表示深度信息。 

4.根据权利要求1所属的方法，其特征是采用了认证信息的自认证。该认证信息通过原始待认证图像的边缘信息与二值信息异或后经过哈希函数运算得到。对认证信息进行自身的位异或，得到一个认证码，将该认证码与得到的原始图像认证码进行连接，组成一个新的认证码。 

Images