CN104021516A - 基于韦布尔模型的dct直流系数上图像水印方法 - Google Patents

Abstract

本发明公开一种基于韦布尔模型的DCT直流系数上图像水印方法，在水印嵌入阶段，对图像中不重叠的8×8图像块逐块进行离散余弦变换(DCT)，将水印信号按乘法规则嵌入所有DCT块的直流系数中，对嵌入水印后的所有DCT块实施离散余弦逆变换得到水印图像；在水印提取阶段，对水印图像中不重叠的8×8图像块逐块进行离散余弦变换(DCT)，选取所有DCT块的直流系数，按韦布尔模型建模并估计模型参数，利用特定检测器进行水印检测。本发明克服了传统模型无法对离散余弦变换直流系数建模的困难；检测水印不依赖原始图像。

Description

基于韦布尔模型的DCT直流系数上图像水印方法

技术领域

本发明涉及一种在DCT直流系数上嵌入及检测水印的方法，属于信息隐藏技术领域。

背景技术

离散余弦变换(Discrete Cosine Transform，简称DCT)在科学和工程中有大量应用。以图像和视频为例，在静止图像编码标准JPEG和运动图像编码标准MPEG中都使用了离散余弦变换。在数字图像水印领域，人们对DCT直流系数的重视程度不如对交流系数，一个重要因素是普遍采用的模型无法对DCT直流系数建模，比如一般高斯分布或柯西分布等都是双边分布的模型，而DCT直流系数是非负的，数据分布在原点的右侧。由于绝大多数水印攻击的结果是造成交流系数的失真，即干扰图像的细节，而直流系数代表图像的平均亮度一般不会被大幅度改变，因此，直流系数上的水印方案天然具有较强的鲁棒性。

在检测阶段不需要原始图像的水印算法称为盲水印算法。两个有代表性的盲水印技术是量化索引调制(Quantization Index Modulation，简称QIM)与最大似然(Maximum Likelihood，简称ML)检测方法。目前利用DCT直流系数的水印算法主要是基于量化索引调制的方法。量化索引调制技术的优势是能够嵌入大量数据，但是该技术的鲁棒性取决于量化星座图上两个量化点的最小距离因此鲁棒性一般不如基于最大似然检测的方法；同时研究发现QIM会改变水印载体的某些统计特性，比如图像的梯度能量、直方图特征以及小波统计特征等，容易暴露水印的存在。而基于最大似然检测的方法采用扩谱通信技术将水印信号散布于载体信号中，几乎不改变载体信号的统计特性。

综上所述，为了在DCT直流系数上应用基于最大似然检测的方法，本发明采用韦布尔分布对直流系数建模，提出了一种满足鲁棒性和透明性要求的水印算法。

发明内容

发明目的：针对现有技术中存在的问题，本发明提出一种基于韦布尔模型的DCT直流系数上图像水印方法，在保证水印透明性的同时具有较好的鲁棒性，并且是一种盲水印方法。

技术方案：一种基于韦布尔模型的DCT直流系数上图像水印方法，水印信号采用扩谱通信中的伪随机序列，序列项在集合{-1,1}中取值。在水印嵌入阶段，对图像中不重叠的8×8图像块逐块进行离散余弦变换(DCT)，将水印信号按乘法规则嵌入所有DCT块的直流系数中，嵌入强度根据图像块的类型决定以满足水印不可见性的要求，本发明根据方差大小将图形块分成强纹理块和弱纹理块。对嵌入水印后的所有DCT块实施离散余弦逆变换得到水印图像；在水印提取阶段，对水印图像中不重叠的8×8图像块逐块进行离散余弦变换(DCT)，选取所有DCT块的直流系数，按韦布尔模型建模并估计模型参数，利用特定检测器进行水印检测。

本发明的水印嵌入采用乘法规则，即

y_i＝x_i(1+λ_iw_i)   (1)

其中x_i,y_i,i＝1,2,…N分别指原始和受攻击的DCT直流系数，N指系数个数，w_i是水印信号，λ_i控制水印强度。采用乘法规则嵌入水印的优势是：当缺少合适的人类视觉模型(HVS)时水印仍是基于图像内容的。即被调制的水印信号的强度与DCT直流系数的大小正相关，这符合韦伯定律(Weber’s law)。

本发明的水印检测采用最大似然检测技术，该技术属于信号检测范畴，广泛应用于通信工程中，从通信的角度看待数字水印技术，可以将水印的传送理解为发送方以数字媒体作为水印的载体，将水印传递到接收方，其间嵌入水印的数字媒体经受的各种蓄意或无意的数字信号处理(对水印的攻击)好比通信中信号在信道中受到的干扰，水印的检测就是从失真的数字媒体中判定原始水印是否存在的技术。利用信号检测的有关理论我们可以推导出检测器的形式，实验发现局部最优检测器(Locally Optimum Detection，简称LOD)的性能在存在水印攻击时优于一致最强检测器(Uniformly Most Powerful，简称UMP)。对于韦布尔模型来说，推导出的LOD检测器是

$D=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\ρ}{\left(\frac{y_i}{\mathrm{\α}}\right)}^{\mathrm{\ρ}}{w}_i---\left(2\right)$

其中α和ρ分别是二参数韦布尔分布

$f_X\left(x\right)=\frac{\mathrm{\ρ}}{\mathrm{\α}}{\left(\frac{x}{\mathrm{\α}}\right)}^{\mathrm{\ρ}-1}\exp [-{\left(\frac{x}{\mathrm{\α}}\right)}^{\mathrm{\ρ}}]$

的尺度参数与形状参数。

本发明采用上述技术方案与现有技术相比，具有以下有益效果：

(1)本发明嵌入水印的位置在保证水印透明性的同时具有较好的鲁棒性，并且是一种盲水印算法；

(2)本发明对DCT直流系数进行建模，克服了常规模型无法对其建模的困难；

(3)本发明采用扩谱通信技术嵌入水印，与基于量化索引调制的方法相比水印的隐蔽性和抗干扰能力较强；

附图说明

图1水印的嵌入与检测过程；

图2“dollar”图像DCT直流系数分布及其模型；

图3JPEG压缩攻击下“dollar”图像在测试水印上的检测统计量；

图4JPEG压缩攻击下“dollar”图像检测统计量的分布直方图；

图5JPEG压缩攻击下“lena”图像的ROC曲线；

图6全体测试图像及LOD检测器在JPEG压缩攻击下的检测表现；

图7原始“lena”图像；

图8水印“lena”图像；

图9原始“lena”图像与水印“lena”图像的绝对差。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

基于韦布尔模型的DCT直流系数上图像水印方法，水印信号采用扩谱通信中的伪随机序列，序列项在集合{-1,1}中取值。在水印嵌入阶段，对图像中不重叠的8×8图像块逐块进行离散余弦变换(DCT)，将水印信号按乘法规则嵌入所有DCT块的直流系数中，水印强度根据图像块的方差而定：大于某个阈值的图像块归类为强纹理块，反之为低纹理块。本发明通过反复实验将阈值定为30。对嵌入水印后的所有DCT块实施离散余弦逆变换即得到水印图像；在水印提取阶段，对水印图像中不重叠的8×8图像块逐块进行离散余弦变换(DCT)，选取所有DCT块的直流系数，按韦布尔模型建模并估计模型参数，利用特定检测器进行水印检测。

嵌入过程如图1(a)所示，首先将原始图像划分成不重叠的8×8图像块，然后对每一块进行离散余弦变换。假如原始图像大小是512×512，则会得到64×64＝4096个DCT块，当图像尺寸不能整除8时，在边缘可采用补零等标准操作。选取每一个DCT块的直流系数构成水印载体信号，则信号长度是4096。接着按公式(2)所示的乘法规则修改直流系数，伪随机序列w_i以线性反馈移位寄存器的方式产生，生成器的多项式参数为水印编解码的密钥(key)，伪随机序列的长度与载体信号长度相同。本发明里强纹理块的λ_i取0.002，弱纹理块取0.001。对修改过的DCT块实施离散余弦逆变换得到水印图像。

检测过程如图1(b)所示，首先将水印图像划分成不重叠的8×8图像块，然后对每一块进行离散余弦变换。选取每一个DCT块的直流系数构成待检测信号，利用韦布尔模型对其建模并采用最大似然估计方法估计模型参数。以标准图像Baboon为例，其DCT直流系数分布和对应的韦布尔模型如图2所示。利用与水印嵌入阶段相同的密钥生成伪随机序列，所谓水印检测即是将待检测信号、伪随机序列、模型参数带入公式(2)中计算检测统计量D，若D超过某一阈值则认为水印存在否则认为水印不存在。在某一假阳性率下的判定阈值利用中心极限定理将检测统计量的分布(如图4所示)视为高斯分布后进行推导。

为检验该算法的有效性，实验设置如下：从标准图像库中选取20幅512×512的灰度图像，对每一幅图像进行1000次检测实验，每次实验嵌入一个水印，计算水印图像和无水印图像在不同攻击下的检测统计量，以便获得系统在不同检测阈值下的检出率和误检率。以标准图像“dollar”为例，有/无水印图像经过压缩比为50％的JPEG压缩后(一种攻击手段)在1000个水印下的检测统计量(采用(2)式计算)如图3所示，图4是其分布的直方图。直观的反映检测器的准确性可以采用受试者工作特征(Receiver Operating Characteristic，简称ROC)曲线，ROC曲线下面积能定量的反映检测器的准确性，该面积在0到1之间取值，越接近1表示检测器准确性越高，1表示完善的检测，0.5表示完全无价值的检测。图5是“lena”图像在JPEG压缩攻击下的ROC曲线，曲线下面积是0.8555。表1是LOD检测器在5种攻击下的ROC曲线下面积(在20幅图像上取了平均)。从表1可以看出存在较强烈的攻击时该面积仍能达到0.85以上，说明提出的水印算法具有较强的鲁棒性。图6是全部20幅图像及其在JPEG压缩攻击下的实验结果，从图6里的结果可以看出：较灰暗和纹理不丰富的图像水印检测效果不好，而较明亮和纹理较丰富的图像水印检测效果，比如较灰暗的“man”图像的检测结果不如较明亮的“F16”图像，纹理较少的“pepper”图像不如纹理较多的“baboon”图像，原因都是水印强度在前者上较小。为了说明水印的透明性，图7、8和9展示了原始“lena”图像、水印“lena”图像和它们的绝对差图像。人眼几乎不能发现图7和图8的差别，单独观察图8也难以发现其中的人工痕迹，但是图9说明原始图像上确实存在改动。图9显示图像的边缘部分和较亮的区域水印较强，原因是本发明提出的水印嵌入方法利用了人类视觉系统的纹理和亮度掩蔽效应，从而保证了水印是基于图像内容的，保证了水印的透明性。定量的看，峰值信噪比(PSNR)显示，原始“lena”图像和水印图像的PSNR是45.1dB，20幅图像的平均PSNR是43.37dB。

表1 在5种攻击下LOD检测器的ROC曲线下面积

尺度变换50％	高斯模糊σ＝0.5	中值滤波3×3	JPEG压缩50％	直方图均衡
					0.8714	0.8804	0.8616	0.8862	0.8875

Claims (5)

1.一种基于韦布尔模型的DCT直流系数上图像水印方法，其中水印信号采用扩谱通信中的伪随机序列，序列项在集合{-1,1}中取值，其特征在于，所述方法如下：

在水印嵌入阶段，将图像划分成不重叠的8×8的图像块，逐块进行离散余弦变换；按乘法规则将水印信号嵌入这些图像块的直流系数中，对嵌入水印后的离散余弦变换系数实施离散余弦逆变换得到水印图像；

在水印检测阶段，将水印图像划分成不重叠的8×8的图像块，逐块进行离散余弦变换；对这些图像块的直流系数分布进行建模，利用特定检测器进行水印检测。

2.根据权利要求1所述的基于韦布尔模型的DCT直流系数上图像水印方法，其特征在于：采用扩谱通信技术嵌入水印，水印嵌入采用乘法规则，即

y_i＝x_i(1+λ_iw_i)   (1)

其中x_i,y_i,i＝1,2,…N分别指原始和受攻击的DCT直流系数，N指系数个数，w_i是水印信号，λ_i控制水印强度。

3.根据权利要求1所述的基于韦布尔模型的DCT直流系数上图像水印方法，其特征在于：根据方差的大小将图像块分成强纹理块和弱纹理块以决定水印嵌入强度。

4.根据权利要求1所述的基于韦布尔模型的DCT直流系数上图像水印方法，其特征在于：采用韦布尔分布对离散余弦变换的直流系数进行建模。

5.根据权利要求1所述的基于韦布尔模型的DCT直流系数上图像水印方法，其特征在于：所述水印检测采用最大似然检测技术进行；水印检测是将待检测信号、伪随机序列和模型参数带入公式(2)中计算检测统计量D，若D超过某一阈值则认为水印存在否则认为水印不存在；

$D=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\ρ}{\left(\frac{y_i}{\mathrm{\α}}\right)}^{\mathrm{\ρ}}{w}_i---\left(2\right).$