CN103996165A - 一种基于压缩感知特征的数字图像零水印嵌入和提取方法 - Google Patents

Abstract

本发明提供一种基于压缩感知特征的数字图像零水印嵌入和提取方法，属于信息隐藏和图像处理技术领域，该方法包括以下步骤：对原始载体图像进行零水印嵌入；将生成的零水印在IPR信息数据库注册并且将测量矩阵作为密钥保存；对待验证合法性的数字图像进行零水印提取。本发明运用了零水印的思想，基于原始载体图像的压缩感知特征而实现零水印的嵌入和提取，零水印嵌入过程中不改变原始载体图像的任何信息，有效地解决了不可见性和鲁棒性之间的矛盾。将信息隐藏在图像的压缩感知域中，使得信息具有卓越的抗压缩能力和对抗各种噪声攻击、大规模剪切攻击、旋转攻击以及多种图像操作的鲁棒性。

Description

一种基于压缩感知特征的数字图像零水印嵌入和提取方法

技术领域

本发明属于信息隐藏和图像处理技术领域，特别涉及一种基于压缩感知特征的数字图像零水印嵌入和提取方法。

背景技术

信息隐藏是信息安全领域的一个新的研究热点，信息隐藏为在开放的网络环境下进行涉密的数据通信、数字产品的知识产权保护、重要文件和数字签名的真实性鉴别以及机密文件泄密后的消息源头追踪提供了可靠的信息安全保障。数字水印技术是信息隐藏技术的重要分支。数字水印技术是一种有效的版权保护、内容认证以及数据完整性保护的方法，一直以来受到版权保护相关领域研究者的关注与重视。数字图像水印方法主要分为：空间域水印方法和变换域水印方法，空间域方法存在鲁棒性差，水印信息嵌入不均衡，抗攻击能力和安全性差等缺点，而变换域水印方法针对噪声的鲁棒性比较强，却存在嵌入容量小的缺点。以上两类水印方法本质上不能解决不可见性与鲁棒性之间的矛盾，为此，近些年来，许多学者相继提出了零水印方法，零水印是一种利用图像本身的重要特征来构造的水印信息，其构造过程不需要修改图像原有的这些特征，在不修改原始图像的基础上构造水印。每幅图像都有与其他图像不同的特征，可以构造出独一无二的水印信息，从而解决不可见性与鲁棒性之间的矛盾。然而目前已经提出的零水印方法对抗剪切攻击、旋转攻击和压缩攻击的能力普遍很弱，鲁棒性和安全性都有待改进。

发明内容

针对现有技术存在的不足，本发明提供一种基于压缩感知特征的数字图像零水印嵌入和提取方法。

本发明的技术方案是这样实现的：

一种基于压缩感知特征的数字图像零水印嵌入和提取方法，包括以下步骤：

步骤1：对原始载体图像进行零水印嵌入；

步骤1.1：根据要嵌入的二值数字图像水印对原始载体图像分块；

步骤1.2：将原始载体图像的每个图像块进行小波稀疏化，得到各图像块的小波稀疏化矩阵；

步骤1.3：根据图像块的小波稀疏化矩阵构造测量矩阵，提取原始载体图像的压缩感知测量值即压缩感知特征；

步骤1.4：将二值数字图像水印信息进行Arnold置乱；

步骤1.5：将二值数字图像水印信息嵌入原始载体图像的压缩感知特征中，生成零水印；

步骤2：将生成的零水印在IPR信息数据库注册并且将测量矩阵作为密钥保存；

步骤3：对待验证合法性的数字图像进行零水印提取；

步骤3.1：根据零水印对待验证合法性的数字图像分块；

步骤3.2：将待验证合法性的数字图像的每个图像块进行小波稀疏化，得到各图像块的小波稀疏化矩阵；

步骤3.3：根据图像块的小波稀疏化矩阵构造测量矩阵，提取待验证合法性的数字图像的压缩感知测量值即压缩感知特征；

步骤3.4：利用零水印和待验证合法性的数字图像的压缩感知特征，提取置乱的二值数字图像水印信息；

步骤3.5：利用Arnold置乱方法复原二值数字图像水印信息，将复原的二值数字图像水印信息作为零水印提取结果；

步骤3.6：计算提取的二值数字图像水印与嵌入的二值数字图像水印的归一化相关系数值，确定提取的二值数字图像水印的合法性。

本发明的有益效果：

第一，传统的数字图像水印技术只是对图像的空间域信息或变换域信息做一定的修改来嵌入水印信息，无法解决不可见性和鲁棒性之间的矛盾，而本发明提出的基于压缩感知特征的数字图像零水印嵌入和提取方法运用了零水印的思想，基于原始载体图像的压缩感知特征而实现零水印的嵌入和提取，零水印嵌入过程中不改变原始载体图像的任何信息，有效地解决了不可见性和鲁棒性之间的矛盾。

第二，本发明的方法基于压缩感知特征，将信息隐藏在图像的压缩感知域中，使得信息具有卓越的抗压缩能力和对抗各种噪声攻击、大规模剪切攻击、旋转攻击以及多种图像操作的鲁棒性。

第三，本发明的零水印提取过程不需要进行压缩感知的信号重构计算，方法更加简单、快速。

第四，本发明构造一种SHBE矩阵作为水印密钥和测量矩阵，使得水印方法具有更好的信息隐藏能力和安全性的，此外还可以大量的节省压缩感知过程中的内存空间，降低计算量，提高计算速度。

第五，目前已经提出的零水印方法，通常只是简单的提取图像的某些无意义特征作为零水印，而本方法将能将表明版权所有者身份的二值数字图像水印信息嵌入到压缩感知测量值即压缩感知特征中生成零水印，使得图像认证过程更加直观、便捷。

附图说明

图1为本发明具体实施方式的零水印嵌入过程示意图；

图2为本发明具体实施方式的零水印提取过程示意图；

图3为本发明具体实施方式的基于压缩感知特征的数字图像零水印嵌入和提取方法流程图；

图4为本发明具体实施方式的零水印嵌入具体流程图；

图5为本发明具体实施方式的零水印提取具体流程图。

具体实施方式

下面结合附图对本发明的具体实施方式做详细说明。

本实施方式主要融合了压缩感知理论，压缩感知是一种高效率的压缩技术，其充分的利用信号稀疏性或可压缩性，在不同的采样率作用下提高图像信号压缩感知特征的集中度。传统方式下的信号处理，依照Shannon/Nyquist采样理论，在采样过程中产生大量的采样数据，而压缩感知理论打破了Shannon/Nyquist采样理论对信号采样的要求，信号只要在某个正交空间具有稀疏性，就能以较低的频率对信号采样，并可以通过非线性的优化方法从采样信号中高概率重构出原信号；在压缩感知过程中信号可以实现高度加密，在密钥未知情况下处理过程不可逆，使得压缩感知后的信号具有非常强的鲁棒性和安全性，可以有效地对抗空间域、频率域、压缩域等多种复杂攻击模式，由此可知，压缩感知域的信号特征具有很强的特征不变性，在零水印技术上有着很大的优越性。

基于压缩感知特征的数字图像零水印嵌入和提取方法，如图3所示，包括以下步骤：

步骤1：对原始载体图像进行零水印嵌入，如图1所示；

具体流程如图4所示：

步骤1.1：根据要嵌入的二值数字图像水印对原始载体图像分块；

为有效提取原始载体图像的压缩感知特征，首先对原始载体图像进行分块，原始载体图像信息为A＝(a_m，n)_M×N，原始载体图像为灰度图像，其是大小为M×N的矩阵，M表示行，N表示列，a_m，n为原始载体图像A的第m行、第n列位置上的灰度值；采用能证明版权所有者身份信息的二值数字图像作为水印，二值数字图像水印信息W＝(w_s，q)_S×Q，二值数字图像水印信息W是大小为S×Q的矩阵，S表示矩阵的行，Q表示矩阵的列，w_s，q为二值数字图像水印信息W的第s行、第q列位置上的元素；将原始载体图像A分割成非重叠的图像块，每个图像块的大小为分割后的图像块为B_i，j，B_i，j表示原始载体图像A被分割成图像块之后第i行，第j列的图像块，原始载体图像可以表示成A＝{B_i，j}_S×Q，i＝1，2，…，S，j＝1，2，…，Q；

步骤1.2：将原始载体图像的每个图像块进行小波稀疏化，得到各图像块的小波稀疏化矩阵；

由于图像信号并不是绝对稀疏的，为提取图像块的压缩感知特征，需要先将图像块信息进行稀疏化，小波变换是一种高效的稀疏化方法，为此，将每个图像块B_i，j进行逐列扫描，转换为图像块一维信息为一维列矩阵，其行数为i＝1，2，…，S，j＝1，2，…，Q；然后对图像块一维信息进行小波变换，得到稀疏化的图像块一维信息依然为一维列矩阵，其行数为i＝1，2，…，S，j＝1，2，…，Q；

步骤1.3：根据图像块的小波稀疏化矩阵构造测量矩阵，提取原始载体图像的压缩感知测量值即压缩感知特征；

测量矩阵的作用是对稀疏信号进行压缩感知观测，得到信号的压缩感知测量值即压缩感知特征，压缩感知测量值的数据量要比原始信号小很多，因此压缩感知观测过程是高效的信号压缩过程，解压过程需要已知测量矩阵才能恢复原始信号，由于测量矩阵通常具有很强的复杂性，将测量矩阵作为系统的密钥可以极大的提高水印安全性；

构造测量矩阵必须满足两个条件：一个是测量矩阵必需满足有限等距准则(RestrictedIsometry Principle，RIP)，另一个条件是测量值采样个数必须大于某一数值才能精确重构原始信号；

研究表明，如果测量矩阵与稀疏变换矩阵是不相干的，则二者乘积在很大概率上满足有限等距准则；高斯随机矩阵与贝努力随机矩阵都能保证同大部分的稀疏变换矩阵都不相干；然而，在处理数字图像压缩感知时，高斯随机矩阵或者贝努力随机矩阵并不是很适用，因为一幅图像的列向量的维数是非常大的，高斯随机矩阵或者贝努力随机矩阵构造的测量矩阵更是非常巨大，这就造成测量过程需要很大的内存空间和计算量，成本高，不利于硬件设备的实现；

本实施方式将一种适用于图像的乱序哈德马集(Scrambled Block Hadamard Ensemble，SBHE)作为测量矩阵Φ应用于水印处理，其构造方法如下：将P个大小为b×b的哈德马矩阵块H_Block按照如下公式组成H：

式中，P和b均为整数，取值满足：对矩阵H的列向量进行随机排序，然后对行向量进行随机排序，抽取排序后矩阵H中的任意L_cs行(CS表示压缩感知，是Compressive sensing的缩写)组成测量矩阵L_cs为整数，且满足条件：L_cs＜＜L，L_cs∈[K*L，L)，K为设定的稀疏度，0＜K＜＜1，测量矩阵Φ是大小为L_cs×L的矩阵，为测量矩阵Φ的第l_cs行、第l列位置上的元素，将测量矩阵Φ作为密钥保存，用密钥Φ的每个行向量分别与稀疏化的图像块一维信息做内积，得到每个图像块一维信息在密钥上的投影，即压缩感知测量值i＝1，2，…，S，j＝1，2，…，Q，压缩感知测量值是一维列向量，共L_cs行，即每个图像块的压缩感知测量值的数据量为L_cs，L_cs＜＜L，数据在测量过程中实现压缩，压缩感知测量值即是图像块压缩感知域特征，将的L_cs个列数据求和提取图像块的压缩感知特征i＝1，2，…，S，j＝1，2，…，Q，可以表示为：i＝1，2，…，S，j＝1，2，…，Q；

步骤1.4：将版权所有者的二值数字图像水印信息进行Arnold置乱；

Arnold变换是数字图像置乱中一种常用的方法，其实质上就是将数字图像像素在二维平面上的位置进行搬迁，由于图像像素按照固定的Arnold变换规则能表现的图像总数量是有限的，因此变换的迭代过程呈周期现象，利用Arnold变换对数字图像进行置乱可以使得原本有意义的图像呈现出像噪声一样的特质，从而实现加密，增强系统的安全性和保密性；

用Arnold置乱方法对二值数字图像水印信息W进行置乱，得到置乱的水印信息置乱的水印信息W^Arnold是大小为S×Q的矩阵，S表示矩阵的行，Q表示矩阵的列，为置乱的水印信息W^Arnold的第i行、第j列位置上的元素；

步骤1.5：将二值数字图像水印信息嵌入原始载体图像的压缩感知特征中，生成零水印；

按照公式(1)嵌入水印信息：

$Y_{i,j}^w=\left\{\begin{array}{ccc}{Y}_{i,j}^{\mathrm{sum}}*{\mathrm{\β}}_0,& \mathrm{if}& w_{i,j}^{\mathrm{Arnold}}=0\\ Y_{i,j}^{\mathrm{sum}}*{\mathrm{\β}}_1,& \mathrm{if}& w_{i,j}^{\mathrm{Arnold}}=1\end{array}\right.---\left(1\right)$

其中，为零水印，i＝1，2，…，S，j＝1，2，…，Q，β₀和β₁为强度系数，β₀∈(0，0.5]，β₁∈(1，1.5]。

步骤2：将生成的零水印在IPR(Intellectual property right)信息数据库注册并且将测量矩阵作为密钥保存；

步骤3：对待验证合法性的数字图像进行零水印提取，如图2所示；

具体流程如图5所示：

步骤3.1：根据零水印对待验证合法性的数字图像分块；

由于零水印提取实质上是零水印嵌入的逆过程，因此，需要首先对待验证合法性的数字图像(如存在版权纠纷的图像)进行重新分块：读入载体图像A，将其分割成非重叠的图像块，每个图像块的大小为L，分割后的图像块为B_i，j，B_i，j表示载体图像A被分割成图像块之后第i行，第j列的图像块，i＝1，2，…，S，j＝1，2，…，Q；

步骤3.2：将待验证合法性的数字图像的每个图像块进行小波稀疏化，得到各图像块的小波稀疏化矩阵；

为提取图像块的压缩感知特征，需要先对其进行一维稀疏化处理，将每个图像块B_i，j进行逐列扫描，转换为图像块一维信息的行数为L，i＝1，2，…，S，j＝1，2，…，Q，对进行小波变换，得到稀疏化的图像块一维信息i＝1，2，…，S，j＝1，2，…，Q；

步骤3.3：根据图像块的小波稀疏化矩阵构造测量矩阵，提取待验证合法性的数字图像的压缩感知测量值即压缩感知特征；

读取版权所有者保留的密钥Φ，用密钥Φ的每个行向量分别与稀疏化的图像块一维信息做内积，得到压缩感知测量值i＝1，2，…，S，j＝1，2，…，Q，将的列数据求和得到压缩感知特征i＝1，2，…，S，j＝1，2，…，Q；

步骤3.4：利用零水印和待验证合法性的数字图像的压缩感知特征，提取置乱的二值数字图像水印信息；

读取版权所有者在IPR信息数据库注册的零水印i＝1，2，…，S，j＝1，2，…，Q，按照判决公式(2)提取水印信息：

${\hat{w}}_{i,j}^{\mathrm{Arnold}}=\left\{\begin{array}{ccc}0,& \mathrm{if}& Y_{i,j}^w<Y_{i,j}^B\\ 1,& \mathrm{else}& Y_{i,j}^w>=Y_{i,j}^B\end{array}\right.---\left(2\right)$

式中，提取的为置乱的水印信息 为置乱的水印信息的第i行、第j列位置上的元素，是大小为S×Q的矩阵；

步骤3.5：利用Arnold置乱方法复原二值数字图像水印信息，将复原的二值数字图像水印信息作为零水印提取结果；

将置乱的水印信息重新进行Arnold变换，复原得到水印信息i＝1，2，…，S，j＝1，2，…，Q，至此，水印的提取过程结束，提取出的水印信息即可用来证明版权所有者的合法性。

步骤3.6：通过计算提取的二值数字图像水印与嵌入的二值数字图像水印的归一化相关系数值，确定提取的二值数字图像水印的合法性。

下面结合实验数据和实验结果来说明本实施方式的优越性：

实验采用512×512Lena灰度图像作为原始载体图像，二值数字图像水印大小为64×64，利用本实施方式的方法嵌入水印后得到的含水印图像与原始载体图像相比无任何失真，PSNR趋于无穷大，在原始图像没有遭受任何攻击失真的情况下，零水印提取得到的水印信息NC值为1。

在信道传输或者网络信息传递过程中，含水印的载体图像会遭受多种形式的噪声攻击或者恶意篡改，表1列举了高斯噪声、椒盐噪声和乘积性噪声测试结果，测试数据表明，当载体图像遭受分别三种噪声攻击与原始载体图像比较发生严重失真，PSNR下降到15dB时，提取的水印仍然能保持小于0.5％误码率，NC值始终维持在0.95以上，而文献“Jing Li，Liu Fenlin.Double zero-watermarks scheme utilizing scale invariant feature transform and log-polar mapping[C].Proceedings of the IEEE International Conference on Multimedia and Expo.Beijing：IEEEComputer Society，2007：2118-2121.”和文献“Hu，Mengyue；Tian，Xiaolin；Xia，Shaowei.RobustDigital Image Zero-watermarking Based on CDMA Technology[C].The4th International Congresson Image and Signal Processing，2011：1035-1038.”中提到的算法在0.01的高斯噪声攻击下NC值分别为0.88和0.94。由此可见本方法的水印抗噪声攻击的鲁棒性很强。

表1噪声攻击的鲁棒性测试数据

数字图像在互联网传输和个人电脑等终端使用中，经常需要进行压缩处理，各种不同的图像压缩技术在处理图像的同时，也使得图像发生失真，JPEG压缩是目前使用非常广泛的压缩方式，表2列举了不同品质因数情况下，JPEG压缩的测试数据，品质因数30时的NC值为0.99983高于文献“Jing Li，Zhang Yadong，Chen Guangyu.Zero-watermarking for copyrightprotection of remote sensing image[C].Proceedings of the9th International Conference on SignalProcessing.Beijing：IEEE Computer Society Press，2008：1083-1086.”中算法的0.98，测试数据表明本算法在不同的品质因数下，提取水印的NC值高于0.99，明显优于文献“Jing Li，LiuFenlin.Double zero-watermarks scheme utilizing scale invariant feature transform and log-polarmapping[C].Proceedings of the IEEE International Conference on Multimedia and Expo.Beijing：IEEE Computer Society，2007：2118-2121.”中0.9的测试结果，由此可见，本方法对JPEG压缩具有更强的鲁棒性。

表2JPEG压缩攻击的鲁棒性测试数据

图像在使用过程中有可能被图像处理操作破坏，产生失真，因此，针对图像处理操作的水印鲁棒性也尤为重要，表3列举了图像旋转，剪切，中值滤波以及直方图均衡化操作的鲁棒性测试数据，测试过程中图像旋转操作的旋转角度为50度；图像剪切操作剪切掉256×256大小的图像块；中值滤波操作采用7×7的滑动模板，得到直方图均衡化后的图像；由测试数据可知，当图像处理操作使载体图像与原始载体图像相比，PSNR下降到20dB以下，产生较为严重的失真时，本方法提取的水印图像NC值依然可以保持在0.98以上，误码率低于3％，由此可见本方法具有很强的鲁棒性。

表3图像处理操作的鲁棒性测试数据

通过以上实验结果可以看出，本方法对信道噪声、压缩攻击和恶意篡改都具有很强的鲁棒性，有很高的应用价值。

Claims (1)

1.一种基于压缩感知特征的数字图像零水印嵌入和提取方法，其特征在于：包括以下步骤：

步骤1：对原始载体图像进行零水印嵌入；

步骤1.1：根据要嵌入的二值数字图像水印对原始载体图像分块；

步骤1.2：将原始载体图像的每个图像块进行小波稀疏化，得到各图像块的小波稀疏化矩阵；

步骤1.3：根据图像块的小波稀疏化矩阵构造测量矩阵，提取原始载体图像的压缩感知测量值即压缩感知特征；

步骤1.4：将二值数字图像水印信息进行Arnold置乱；

步骤1.5：将二值数字图像水印信息嵌入原始载体图像的压缩感知特征中，生成零水印；

步骤2：将生成的零水印在IPR信息数据库注册并且将测量矩阵作为密钥保存；

步骤3：对待验证合法性的数字图像进行零水印提取；

步骤3.1：根据零水印对待验证合法性的数字图像分块；

步骤3.2：将待验证合法性的数字图像的每个图像块进行小波稀疏化，得到各图像块的小波稀疏化矩阵；

步骤3.3：根据图像块的小波稀疏化矩阵构造测量矩阵，提取待验证合法性的数字图像的压缩感知测量值即压缩感知特征；

步骤3.4：利用零水印和待验证合法性的数字图像的压缩感知特征，提取置乱的二值数字图像水印信息；

步骤3.5：利用Arnold置乱方法复原二值数字图像水印信息，将复原的二值数字图像水印信息作为零水印提取结果；

步骤3.6：计算提取的二值数字图像水印与嵌入的二值数字图像水印的归一化相关系数值，确定提取的二值数字图像水印的合法性。