CN104077738A - 基于局部直方图特征的彩色图像水印方法 - Google Patents
基于局部直方图特征的彩色图像水印方法 Download PDFInfo
- Publication number
- CN104077738A CN104077738A CN201310742936.7A CN201310742936A CN104077738A CN 104077738 A CN104077738 A CN 104077738A CN 201310742936 A CN201310742936 A CN 201310742936A CN 104077738 A CN104077738 A CN 104077738A
- Authority
- CN
- China
- Prior art keywords
- image
- probability density
- color
- local feature
- bit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
- Editing Of Facsimile Originals (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开一种可有效抵抗去同步攻击的基于局部直方图特征的彩色图像水印方法,按如下步骤进行:利用彩色图像的色彩特性与几何结构特性,建立彩色图像的颜色不变量模型;构造基于颜色不变量与概率密度的图像特征点检测器,从原始彩色图像中提取出稳定且均匀的特征点;利用概率密度二阶自相关矩阵的特征值与特征向量,构造椭圆形局部特征区域,将提取的特征点及筛选出的椭圆形局部特征区域映射回原始彩色图像上,提取出彩色仿射不变局部特征区域;提取彩色仿射不变局部特征区域的高位平面图像直方图,对所提取出的高位平面图像RGB分量分别进行直方图调整来嵌入水印信息。
Description
技术领域
本发明涉及数字多媒体防伪和信息安全保护领域,尤其是一种可有效抵抗去同步攻击的基于局部直方图特征的彩色图像水印方法。
背景技术
伴随着网络技术与数字媒体技术的飞速发展,数字信息的传输与利用日益变得频繁与广泛,由于数字信息极易被无限制任意编辑、复制与散布,因此对数字作品的加密变得日益突出。数字水印(Digital Watermarking)作为传统加密方法的有效补充手段,是一种可以在开放网络环境下保护版权和认证来源及完整性的新技术,近年来已引起人们高度重视,并已成为国际学术界研究的一个热点。所谓数字图像水印,就是将具有特定意义的标记(水印),利用数据嵌入的方法隐藏在数字图像产品中,用以证明创作者对其作品的所有权,并作为鉴定、起诉非法侵权的依据,同时通过对水印的检测和分析保证数字信息的完整可靠性,从而成为知识产权保护和数字多媒体防伪的有效手段。
去同步攻击并非指该种攻击能够从含水印对象中去除水印信息,而是指其能够破坏数字水印分量的同步(即改变水印嵌入位置),从而导致检测器找不到有效水印。去同步攻击包括简单的全局仿射变换(旋转、缩放和平移)和较为复杂的一般性去同步攻击(剪切、纵横比转换、行列去除、局部仿射扭曲等)。截止到目前,人们主要采用五种措施设计抗去同步攻击的鲁棒图像水印方案,分别为穷举搜索、扩频水印扩频码相结合、构造同步不变量、同步校正、利用原始数据重要特征等。其中,穷举搜索方案具有计算量较大、虚警率较高等弱点;扩频水印扩频码相结合方案无法实现水印信息的盲检测;构造同步不变量方案尚无法有效抵抗诸如剪切、纵横比转换、局部仿射扭曲等较为复杂的一般性去同步攻击;同步校正方案存在水印容量受到限制、时间复杂度较高等弱点;现有利用原始数据特征的数字水印方案还很不成熟,普遍存在特征点稳定性差且分布极不均匀、彩色图像特征点检测算子匮乏、所构造的局部特征区域不具有完全仿射不变性、数字水印容量太小等问题。
发明内容
本发明是为了解决现有技术所存在的上述技术问题,提供一种可有效抵抗去同步攻击的基于局部直方图特征的彩色图像水印方法。
本发明的技术解决方案是:一种基于局部直方图特征的彩色图像水印方法,其特征在于按如下步骤进行:
a. 利用彩色图像的色彩特性与几何结构特性,建立彩色图像的颜色不变量模型;
b. 构造基于颜色不变量与概率密度的图像特征点检测器,从原始彩色图像中提取出稳定且均匀的特征点;
c. 利用概率密度二阶自相关矩阵的特征值与特征向量,构造椭圆形彩色放射不变局部特征区域,将b步骤提取的特征点及筛选出的椭圆形局部特征区域映射回原始彩色图像上,提取出彩色仿射不变局部特征区域;
d. 提取彩色仿射不变局部特征区域的高位平面图像直方图,对所提取出的RGB分量高位平面图像分别进行直方图调整来嵌入水印信息。
所述a步骤如下:
Kubelka-Munk理论描述了物体的光谱辐射特性,其模型为:
(1)
其中,表示波长,表示观测位置,表示光谱强度,表示处的Fresnel反射系数,表示反射率,表示观测处的反射谱,
即为颜色不变量:
(2)
在符合人眼视觉系统和标准的条件下,彩色图像的分量和的关系近似为
(3)
彩色图像的颜色不变量可由式(2)与式(3)求得,进而得到原始彩色图像的颜色不变量模型。
所述b步骤如下:
b.1构造基于颜色不变量与概率密度的图像特征点检测器:彩色图像的颜色不变量图像中每一点亮度的概率密度可以通过核函数估计得到,点处的亮度概率密度的估计值为:
(4)
其中,是每一点概率密度的观测窗口,是以为中心的窗口的一点,是图像中点的亮度,是图像空间中的带宽,是亮度空间中的带宽,是相应的标准化常数, ,是核函数,根据式(4)推出各点概率密度梯度的估计公式为:
(5)
进一步求取各点概率密度的二阶导数:
以彩色图像的颜色不变量图像中各点概率密度的二阶导数P xx 、P yy 、P xy 为输入信息,构建以点为中心的局部区域,其在尺度上的概率密度二阶Hessian矩阵定义为:
(8)
然后,用框状滤波器近似代替概率密度二阶偏导,的框状滤波器模版就是在尺度上的概率密度二阶偏导的近似,用D xx ,D xy ,D yy 表示予以区分,得到概率密度二阶自相关矩阵:
(9)
其中,,是矩阵的Frobenius范数,
概率密度二阶自相关矩阵的行列式表示为:
(10)
其中表示在点周围区域的框状滤波响应值,用来进行极值点的检测;
b.2 从原始彩色图像中提取出稳定且均匀的特征点:通过寻找概率密度二阶自相关矩阵行列式的局部极大值及进一步去除边缘响应,得到稳定的特征点位置,具体:
对于某一尺度图像下的点,利用概率密度二阶自相关矩阵在尺度空间的Taylor展开式:
(11)
对上式两端进行求导运算,计算导数为零时的极值点,最终得到稳定的特征点位置:
(12)。
所述c步骤如下:
c.1 通过公式(9)构建以特征点为中心的概率密度二阶自相关矩阵;其次,计算出概率密度二阶自相关矩阵的特征值(,)与特征向量(,);最后,根据的特征值与特征向量,进一步求得椭圆的长短半轴及方向角,构造出椭圆形局部特征区域,具体确定方法如下:
式中,表示当前椭圆区域长轴,表示当前椭圆区域短轴,为椭圆的方向角;
c.2椭圆形局部特征区域的筛选:首先,对图像进行预攻击处理,记录图像经过各种预攻击处理后提取出的椭圆形局部特征区域;其次,结合图像预攻击处理结果选取稳定的椭圆形局部特征区域;最后,对所选取的椭圆形局部特征区域按照面积大小进行排序,选取面积大的局部特征区域作为最终保留区域;
c.3彩色仿射不变局部特征区域的提取:将在颜色不变量图像上所提取的特征点及椭圆形局部特征区域映射回原始彩色图像上,构造出椭圆形仿射不变局部特征区域。
所述d步骤如下:
d.1提取椭圆形仿射不变局部特征区域的高位平面图像直方图:
d.1.1对每一个椭圆形仿射不变局部特征区域提取R分量和B分量的高6位位平面图像,用和表示;提取G分量的高7位位平面图像,用表示;
d.1.2计算高位平面图像直方图:
d.1.2.1 计算R分量高6位位平面图像直方图
首先,在高位平面图像的灰度范围内选择一个灰度区间:, 其中,, 然后,将高位平面图像的像素点分配到范围大小相等的bin中,计算每一个bin中所包含像素点的数量, 高位平面直方图的计算方法可以表示为:
其中,是高位平面图像的直方图的向量表示,表明像素的数量在第个bin中满足, 高位平面图像直方图中bin的数量L R 可以通过下面的公式获得:
其中,代表bin的宽度,那么第个bin中所包含的像素范围为:
其中,, 换言之,若高位平面图像中属于灰度范围B R 内的任意一像素位于第个bin中,则的值可以通过下式确定:
其中,是向下取整函数;
d.1.2.2 分别按的.1.2.1方法计算B分量高6位位平面图像直方图和计算G分量高7位位平面图像直方图;
d.2调整高位平面图像、及的像素值,在每个bin内嵌入一位水印信息:
d.2.1调整高位平面图像的像素值:
其中,,是取模运算,是调整后的像素;
d.2.2 将调整后的RGB分量的高位平面图像、和各自与原来低位平面合并,得到三个分量的含水印局部特征区域,进一步可得含有水印信息的彩色局部特征区域;
d.3 反复执行步骤d.1~d.2,直到所有椭圆形仿射不变局部特征区域,得到含水印彩色图像。
本发明是提取高位平面信息来刻画和表示图像内容,不仅可以较好地保留原始图像信息,进一步增大了水印的嵌入容量,不仅能够有效避免噪声干扰、JPEG压缩等常规信号处理攻击,而且对去同步攻击也具有较好的鲁棒性。
附图说明
图1是彩色图像的颜色不变量图像。
图2是颜色不变量图像的概率密度图像。
图3是本发明实施例的特征点提取情况。
图4是本发明实施例椭圆形局部特征区域的构造示意图。
图5是本发明实施例彩色图像的椭圆形局部特征区域示意图。
图6是现有技术几种常规攻击和去同步攻击下Lena图像的传统直方图。
图7是本发明实施例几种常规攻击和去同步攻击下Lena图像的高位平面直方图。
图8是本发明实施例含水印彩色图像局部特征区域检测结果示意图。
图9是本发明实施例抵抗常规信号处理的实验结果示意图。
图10是本发明实施例抵抗去同步攻击的实验结果示意图。
具体实施方式
本发明实施例按如下步骤进行:
a. 利用彩色图像的色彩特性与几何结构特性,建立彩色图像的颜色不变量模型:
为了提高数字水印的鲁棒性和不可感知性,本发明首先结合Kubelka-Munk理论,同时利用彩色图像的色彩特性与几何结构特性,构造颜色不变量模型:
Kubelka-Munk理论描述了物体的光谱辐射特性,其模型为:
(1)
其中,表示波长,表示观测位置,表示光谱强度,表示处的Fresnel反射系数,表示反射率,表示观测处的反射谱,
即为颜色不变量:
(2)
在符合人眼视觉系统和标准的条件下,彩色图像的分量和的关系近似为
(3)
彩色图像的颜色不变量可由式(2)与式(3)求得,进而得到原始彩色图像的颜色不变量模型。
图1所示为24位真彩色标准图像(512512)(a)Lena, (b)Mandrill, (c)Barbara, (d)Peppers的颜色不变量图像。
b. 构造基于颜色不变量与概率密度的图像特征点检测器,从原始彩色图像中提取出稳定且均匀的特征点:
本发明以Kubelka-Munk光谱辐射理论与概率密度理论为基础,同时利用彩色图像的色彩特性与几何结构特性,构造出基于颜色不变量与概率密度的SURF特征点检测器,从颜色不变量图像中提取特征点,以得到均匀、稳定的特征点集,具体过程如下:
b.1构造基于颜色不变量与概率密度的图像特征点检测器:彩色图像的颜色不变量图像中每一点亮度的概率密度可以通过核函数估计得到,点处的亮度概率密度的估计值为:
(4)
其中,是每一点概率密度的观测窗口,是以为中心的窗口的一点,是图像中点的亮度,是图像空间中的带宽,是亮度空间中的带宽,是相应的标准化常数, ,是核函数(通常为高斯函数),根据式(4)推出各点概率密度梯度的估计公式为:
(5)
进一步求取各点概率密度的二阶导数:
以彩色图像的颜色不变量图像中各点概率密度的二阶导数P xx 、P yy 、P xy 为输入信息,构建以点为中心的局部区域,其在尺度上的概率密度二阶Hessian矩阵定义为:
(8)
然后,用框状滤波器近似代替概率密度二阶偏导,可以极大程度地提高算法速度,的框状滤波器模版就是在尺度上的概率密度二阶偏导的近似,用D xx ,D xy ,D yy 表示予以区分,得到概率密度二阶自相关矩阵:
(9)
其中,,是矩阵的Frobenius范数,
概率密度二阶自相关矩阵的行列式表示为:
(10)
其中表示在点周围区域的框状滤波响应值,用来进行极值点的检测;
图1所示颜色不变量图像(a)Lena, (b)Mandrill, (c)Barbara, (d)Peppers 的概率密度图像如图2所示。
b.2 本发明将结合概率密度理论与Hessian矩阵理论,利用局部极值推导出能够有效反映图像局部特性的概率密度特征尺度计算方法,即对于给定的图像像素点及尺度搜索范围,概率密度Hessian矩阵算子局部极值所对应的尺度即为概率密度特征尺度。而基于概率密度特征尺度的SURF特征点提取过程可描述如下:
通过寻找概率密度二阶自相关矩阵行列式的局部极大值及进一步去除边缘响应,得到稳定的特征点位置,具体:
对于某一尺度图像下的点,利用概率密度二阶自相关矩阵在尺度空间的Taylor展开式:
(11)
对上式两端进行求导运算,计算导数为零时的极值点,最终得到稳定的特征点位置:
(12)。
图3所示从原始彩色图像中提取出稳定且均匀的特征点。
c. 利用概率密度二阶自相关矩阵的特征值与特征向量,构造椭圆形局部特征区域,将b步骤提取的特征点及筛选出的椭圆形局部特征区域映射回原始彩色图像上,提取出彩色仿射不变局部特征区域;
c.1 通过公式(9)构建以特征点为中心的概率密度二阶自相关矩阵;其次,计算出概率密度二阶自相关矩阵的特征值(,)与特征向量(,);最后,根据的特征值与特征向量,进一步求得椭圆的长短半轴及方向角,构造出椭圆形局部特征区域,具体确定方法如下:
式中,A t 表示当前椭圆区域长轴,B t 表示当前椭圆区域短轴,为椭圆的方向角;
c.2椭圆形局部特征区域的筛选:首先,对图像进行诸如滤波、添加噪声、JPEG压缩、旋转、缩放、纵横比转换、剪切预攻击处理,记录图像经过各种预攻击处理后提取出的椭圆形局部特征区域;其次,结合图像预攻击处理结果选取稳定的椭圆形局部特征区域;最后,对所选取的椭圆形局部特征区域按照面积大小进行排序,选取面积大的局部特征区域作为最终保留区域;在保证局部特征区域稳定性的同时,进一步提高水印容量;图4所示为椭圆形局部特征区域的构造示意图;
c.3彩色仿射不变局部特征区域的提取:将b步骤在颜色不变量图像上所提取的特征点及椭圆形局部特征区域映射回原始彩色图像上,构造出彩色仿射不变局部特征区域。
图5给出了24位真彩色标准图像(512×512)(a)Lena, (b)Mandrill, (c)Barbara, (d)Peppers的椭圆形局部特征区域提取结果,所提取出的彩色仿射不变局部特征区域的数目分别为11,11,11,10。
d. 提取出彩色仿射不变局部特征区域的高位平面图像直方图,对所提取出的高位平面图像RGB分量分别进行直方图调整来嵌入水印信息。
d.1提取出彩色仿射不变局部特征区域的高位平面图像直方图:
d.1.1按照技术方法对于一幅24位真彩色图像的每一个彩色仿射不变局部特征区域提取R分量和B分量的高6位位平面图像,用和表示;提取G分量的高7位位平面图像,用表示;
d.1.2计算高位平面图像直方图:
d.1.2.1 计算R分量高6位位平面图像直方图
首先,在高位平面图像的灰度范围内选择一个灰度区间:, 其中,, 然后,将高位平面图像的像素点分配到范围大小相等的bin中,计算每一个bin中所包含像素点的数量, 高位平面直方图的计算方法可以表示为:
其中,是高位平面图像的直方图的向量表示,表明像素的数量在第个bin中满足, 高位平面图像直方图中bin的数量L R 可以通过下面的公式获得:
其中,代表bin的宽度,那么第个bin中所包含的像素范围为:
其中,, 换言之,若高位平面图像中属于灰度范围B R 内的任意一像素位于第个bin中,则的值可以通过下式确定:
其中,是向下取整函数;
d.1.2.2 分别按d.1.2.1方法计算B分量高6位位平面图像直方图和计算G分量高7位位平面图像直方图;
图6给出了24位真彩色标准图像Lena(256×256)在部分常规攻击和去同步攻击下的传统直方图(以Lena图像G分量图像为例);图7则给出了Lena图像在部分常规攻击和去同步攻击下的高位平面直方图(以Lena图像G分量高7位位平面图像为例)。
图6、7中(a)原始图像、(b) JPEG压缩20、(c) 加性噪声2.0、(d) 缩放0.8倍(e)旋转30度,对比结果证明了在常规攻击和去同步攻击下,本发明实施例所提出的高位平面直方图形状具有较高稳定性。
d.2调整高位平面图像、及的像素值,在每个bin内嵌入一位水印信息:
d.2.1调整高位平面图像的像素值:
其中,,是取模运算,是调整后的像素;
d.2.2 将调整后的RGB分量的高位平面图像、和各自与原来低位平面合并,得到三个分量的含水印局部特征区域,进一步可得含有水印信息的彩色局部特征区域;
d.3 反复执行步骤d.1~d.2,直到所有椭圆形仿射不变局部特征区域,得到含水印彩色图像。
实验:
数字水印的提取:
由于水印信息被重复地嵌入到不同的彩色仿射不变局部特征区域中,而且特征区域间彼此独立。因此,可采用相同的方法将待检测彩色图像划分成若干个彩色仿射不变局部特征区域,且只要两个以上局部特征区域(椭圆形)能够检测到水印,便可认为数字水印存在于待检测彩色图像中。整个数字水印的检测过程如下:
⑴使用与嵌入过程相同的密钥Key1产生原始水印序列;
⑵构造检测彩色图像的颜色不变量模型,得到的颜色不变量图像;
⑶利用基于颜色不变量与概率密度的SURF特征点检测器从颜色不变量图像中提取特征点,以得到均匀、稳定的特征点集;
⑷以彩色图像特征点集为中心,利用概率密度二阶自相关矩阵的特征值与特征向量确定局部特征区域,以得到一系列彩色仿射不变局部特征区域;
⑸对每一个彩色局部特征区域提取高位平面图像:提取R分量和B分量的高6位位平面图像,用和表示;提取G分量的高7位位平面图像,用表示;
⑹对所提取出的RGB分量的高位平面图像分别进行水印信息的提取。
下面以R分量的含水印高位平面图像为例来阐述水印的提取过程:
针对R分量的含水印高位平面图像的所有像素,首先计算的高位平面直方图,其中L R 表示直方图中bin的数量;然后统计出每个bin中每一像素值出现的频率,将出现频率最高的像素值记作;最后按照下列公式提取第位的水印信息:
其中,,,,代表bin的宽度。
⑺对G分量高位平面图像和B分量高位平面图像分别依照步骤⑹提取出水印信息,, 进而得到全部水印信息。
⑻当虚警率给定后,就可选定检测阈值。将提取出数字水印与原始水印作比较,当匹配比特数时,认为局部特征区域中存在水印;否则,不存在。重复步骤⑸-⑺,直到所有彩色仿射不变局部特征区域检测完毕为止。只要有两个以上的局部特征区域成功检测到数字水印,便可认为待检测彩色图像中存在数字水印,即检测成功;否则,检测失败。
抗攻击能力测试:
为了检测本发明的鲁棒性能,仿真实验对本发明的含水印彩色图像进行了一系列攻击,包括两大类:⑴常规信号处理,如高斯噪声、加性噪声、均值滤波、低通滤波、压缩等;⑵去同步攻击,包括如全局放射变换(即旋转、缩放、平移)和一般性去同步攻击(剪切、尺度变换、行列去除等),其中:
⑴加性噪声:在图像信号传送和处理过程中,存在着大量的加性噪声和非相关的乘性噪声。许多图像水印系统能够抵御这类噪声,但存在一个可接受的干扰噪声的最高限度。
⑵低通滤波:包括线性和非线性滤波器。经常使用的滤波器有中值滤波、高斯滤波和标准的均值滤波。
⑶JPEG有损压缩: JPEG是广泛用于图像编码的压缩算法,任何图像水印系统必须能够有效抵抗某种程度的JPEG有损压缩,而且能够从压缩图像中提取出水印信息。
⑷旋转:一般进行小角度的旋转(通常混有剪切)并不会改变图像的商业价值,但却能常常使水印无法检测出。
⑸剪切:对图像进行剪切可以破坏水印,这种情况在实际应用中是经常发生的。例如,盗版者仅对有版权保护的原始图像某一部分感兴趣等等。
⑹尺度变换:在扫描打印图像或将高分辨率数字图像用于Web发布时,常会带来尺度变换。尺度变换可分为两类:一致尺度变换和非一致尺度变换。一致尺度变换是指在水平方向和垂直方向进行相同的尺寸变换,而非一致尺度变换指在水平和垂直方向使用不同的尺度因子(即采用不同的比率)。通常的图像水印方法一般只能抵御一致尺度变换。
⑺仿射变换:仿射变换是非一致尺度变换、旋转和剪切的综合。
图8给出了未受攻击的含水印彩色图像(a)Lena, (b)Mandrill, (c)Barbara, (d)Peppers局部特征区域检测结果。
图9和图10分别给出了本发明抵抗常规信号处理和抵抗去同步攻击的实验结果。
表1和表2给出了本发明数字水印检测方法的鲁棒性能(见附表)。
。
。
Claims (5)
1.一种基于局部直方图特征的彩色图像水印方法,其特征在于按如下步骤进行:
a. 利用彩色图像的色彩特性与几何结构特性,建立彩色图像的颜色不变量模型;
b. 构造基于颜色不变量与概率密度的图像特征点检测器,从原始彩色图像中提取出稳定且均匀的特征点;
c. 利用概率密度二阶自相关矩阵的特征值与特征向量,构造椭圆形彩色仿射不变局部特征区域,将b步骤提取的特征点及筛选出的椭圆形局部特征区域映射回原始彩色图像上,提取出彩色仿射不变局部特征区域;
d. 提取彩色仿射不变局部特征区域的高位平面图像直方图,对所提取出的RGB分量高位平面图像分别进行直方图调整来嵌入水印信息。
2.根据权利要求1所述的基于局部直方图特征的彩色图像水印方法,其特征在于所述a步骤如下:
Kubelka-Munk理论描述了物体的光谱辐射特性,其模型为:
(1)
其中,表示波长,表示观测位置,表示光谱强度,表示处的Fresnel反射系数,表示反射率,表示观测处的反射谱,
即为颜色不变量:
(2)
在符合人眼视觉系统和标准的条件下,彩色图像的分量和的关系近似为
(3)
彩色图像的颜色不变量可由式(2)与式(3)求得,进而得到原始彩色图像的颜色不变量模型。
3.根据权利要求2所述基于局部直方图特征的彩色图像水印方法,其特征在于所述b步骤如下:
b.1构造基于颜色不变量与概率密度的图像特征点检测器:彩色图像的颜色不变量图像中每一点亮度的概率密度可以通过核函数估计得到,点处的亮度概率密度的估计值为:
(4)
其中,是每一点概率密度的观测窗口,是以为中心的窗口的一点,是图像中点的亮度,是图像空间中的带宽,是亮度空间中的带宽,是相应的标准化常数, ,是核函数,根据式(4)推出各点概率密度梯度的估计公式为:
(5)
进一步求取各点概率密度的二阶导数:
以彩色图像的颜色不变量图像中各点概率密度的二阶导数P xx 、P yy 、P xy 为输入信息,构建以点为中心的局部区域,其在尺度上的概率密度二阶Hessian矩阵定义为:
(8)
然后,用框状滤波器近似代替概率密度二阶偏导,的框状滤波器模版就是在尺度上的概率密度二阶偏导的近似,用D xx ,D xy ,D yy 表示予以区分,得到概率密度二阶自相关矩阵:
(9)
其中,,是矩阵的Frobenius范数,
概率密度二阶自相关矩阵的行列式表示为:
(10)
其中表示在点周围区域的框状滤波响应值,用来进行极值点的检测;
b.2 从原始彩色图像中提取出稳定且均匀的特征点:通过寻找概率密度二阶自相关矩阵行列式的局部极大值及进一步去除边缘响应,得到稳定的特征点位置,具体:
对于某一尺度图像下的点,利用概率密度二阶自相关矩阵在尺度空间的Taylor展开式:
(11)
对上式两端进行求导运算,计算导数为零时的极值点,最终得到稳定的特征点位置:
(12)。
4.根据权利要求3所述基于局部直方图特征的彩色图像水印方法,其特征在于所述c步骤如下:
c.1 通过公式(9)构建以特征点为中心的概率密度二阶自相关矩阵;其次,计算出概率密度二阶自相关矩阵的特征值(,)与特征向量(,);最后,根据的特征值与特征向量,进一步求得椭圆的长短半轴及方向角,构造出椭圆形局部特征区域,具体确定方法如下:
式中,A t 表示当前椭圆区域长轴,B t 表示当前椭圆区域短轴,为椭圆的方向角;
c.2椭圆形局部特征区域的筛选:首先,对图像进行预攻击处理,记录图像经过各种预攻击处理后提取出的椭圆形局部特征区域;其次,结合图像预攻击处理结果选取稳定的椭圆形局部特征区域;最后,对所选取的椭圆形局部特征区域按照面积大小进行排序,选取面积大的局部特征区域作为最终保留区域;
c.3彩色仿射不变局部特征区域的提取:将在颜色不变量图像上所提取的特征点及椭圆形局部特征区域映射回原始彩色图像上,构造出椭圆形仿射不变局部特征区域。
5.根据权利要求4所述基于局部直方图特征的彩色图像水印方法,其特征在于所述d步骤如下:
d.1提取椭圆形仿射不变局部特征区域的高位平面图像直方图:
d.1.1对每一个椭圆形仿射不变局部特征区域提取R分量和B分量的高6位位平面图像,用和表示;提取G分量的高7位位平面图像,用表示;
d.1.2计算高位平面图像直方图:
d.1.2.1 计算R分量高6位位平面图像直方图
首先,在高位平面图像的灰度范围内选择一个灰度区间:, 其中,, 然后,将高位平面图像的像素点分配到范围大小相等的bin中,计算每一个bin中所包含像素点的数量, 高位平面直方图的计算方法可以表示为:
其中,是高位平面图像的直方图的向量表示,表明像素的数量在第个bin中满足, 高位平面图像直方图中bin的数量L R 可以通过下面的公式获得:
其中,代表bin的宽度,那么第个bin中所包含的像素范围为:
其中,, 换言之,若高位平面图像中属于灰度范围B R 内的任意一像素位于第个bin中,则的值可以通过下式确定:
其中,是向下取整函数;
d.1.2.2 分别按d.1.2.1方法计算B分量高6位位平面图像直方图和计算G分量高7位位平面图像直方图;
d.2调整高位平面图像、及的像素值,在每个bin内嵌入一位水印信息:
d.2.1调整高位平面图像的像素值:
其中,,是取模运算,是调整后的像素;
d.2.2 将调整后的RGB分量的高位平面图像、和各自与原来低位平面合并,得到三个分量的含水印局部特征区域,进一步可得含有水印信息的彩色局部特征区域;
d.3 反复执行步骤d.1~d.2,直到所有椭圆形仿射不变局部特征区域,得到含水印彩色图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310742936.7A CN104077738A (zh) | 2013-12-30 | 2013-12-30 | 基于局部直方图特征的彩色图像水印方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310742936.7A CN104077738A (zh) | 2013-12-30 | 2013-12-30 | 基于局部直方图特征的彩色图像水印方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104077738A true CN104077738A (zh) | 2014-10-01 |
Family
ID=51598981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310742936.7A Pending CN104077738A (zh) | 2013-12-30 | 2013-12-30 | 基于局部直方图特征的彩色图像水印方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104077738A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504643A (zh) * | 2014-12-25 | 2015-04-08 | 辽宁师范大学 | 基于局部内容特征的鲁棒数字水印嵌入及检测方法 |
CN112444865A (zh) * | 2019-08-28 | 2021-03-05 | 中国石油化工股份有限公司 | 勘探缝洞储层的方法、系统、装置及存储介质 |
CN113284035A (zh) * | 2021-06-01 | 2021-08-20 | 江苏鑫合易家信息技术有限责任公司 | 一种生成具有二维码水印动态图片的系统及其方法 |
CN113704703A (zh) * | 2021-08-27 | 2021-11-26 | 上海钧正网络科技有限公司 | 信息隐藏方法、装置及计算机存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1967568A (zh) * | 2006-11-20 | 2007-05-23 | 山东大学 | 一种新的彩色图像颜色不变性阈值分割方法 |
JP2011045141A (ja) * | 2001-01-17 | 2011-03-03 | Seiko Epson Corp | 画像ファイルの出力画像調整 |
JP2011151486A (ja) * | 2010-01-19 | 2011-08-04 | Seiko Epson Corp | 画像処理装置、画像処理プログラム |
CN103116630A (zh) * | 2013-02-03 | 2013-05-22 | 苏州市职业大学 | 一种基于sift种子区域增长的彩色图像检索方法 |
-
2013
- 2013-12-30 CN CN201310742936.7A patent/CN104077738A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011045141A (ja) * | 2001-01-17 | 2011-03-03 | Seiko Epson Corp | 画像ファイルの出力画像調整 |
CN1967568A (zh) * | 2006-11-20 | 2007-05-23 | 山东大学 | 一种新的彩色图像颜色不变性阈值分割方法 |
JP2011151486A (ja) * | 2010-01-19 | 2011-08-04 | Seiko Epson Corp | 画像処理装置、画像処理プログラム |
CN103116630A (zh) * | 2013-02-03 | 2013-05-22 | 苏州市职业大学 | 一种基于sift种子区域增长的彩色图像检索方法 |
Non-Patent Citations (1)
Title |
---|
牛盼盼: "面向彩色图像版权保护的数字水印技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504643A (zh) * | 2014-12-25 | 2015-04-08 | 辽宁师范大学 | 基于局部内容特征的鲁棒数字水印嵌入及检测方法 |
CN112444865A (zh) * | 2019-08-28 | 2021-03-05 | 中国石油化工股份有限公司 | 勘探缝洞储层的方法、系统、装置及存储介质 |
CN112444865B (zh) * | 2019-08-28 | 2024-05-17 | 中国石油化工股份有限公司 | 勘探缝洞储层的方法、系统、装置及存储介质 |
CN113284035A (zh) * | 2021-06-01 | 2021-08-20 | 江苏鑫合易家信息技术有限责任公司 | 一种生成具有二维码水印动态图片的系统及其方法 |
CN113704703A (zh) * | 2021-08-27 | 2021-11-26 | 上海钧正网络科技有限公司 | 信息隐藏方法、装置及计算机存储介质 |
CN113704703B (zh) * | 2021-08-27 | 2024-04-16 | 上海钧正网络科技有限公司 | 信息隐藏方法、装置及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fridrich et al. | Detection of copy-move forgery in digital images | |
Park et al. | Double JPEG detection in mixed JPEG quality factors using deep convolutional neural network | |
Luo et al. | A novel method for detecting cropped and recompressed image block | |
Mushtaq et al. | Digital image forgeries and passive image authentication techniques: a survey | |
Kang et al. | Copy-move forgery detection in digital image | |
Mahmood et al. | A survey on block based copy move image forgery detection techniques | |
Murali et al. | Comparision and analysis of photo image forgery detection techniques | |
Gul et al. | SVD based image manipulation detection | |
Ng et al. | Discrimination of computer synthesized or recaptured images from real images | |
CN104077738A (zh) | 基于局部直方图特征的彩色图像水印方法 | |
Wandji et al. | Detection of copy-move forgery in digital images based on DCT | |
CN103854249A (zh) | 基于局部指数矩特征的数字图像水印方法 | |
Zhu et al. | Remote sensing image watermarking based on motion blur degeneration and restoration model | |
Wang et al. | Robust image watermarking via perceptual structural regularity-based JND model | |
Fan et al. | Rebroadcast attacks: Defenses, reattacks, and redefenses | |
Shih et al. | 16 A Comparison Study on Copy–Cover Image Forgery Detection | |
Rani et al. | Digital image forgery detection techniques: A comprehensive review | |
Sharma et al. | A review of passive forensic techniques for detection of copy-move attacks on digital videos | |
Zhang et al. | Image splicing detection scheme based on error level analysis and local binary pattern | |
Li et al. | Distinguishing computer graphics from photographic images using a multiresolution approach based on local binary patterns | |
Nirmalkar et al. | A review of image forgery techniques and their detection | |
Sankar et al. | Feature based classification of computer graphics and real images | |
Malviya et al. | Digital forensic technique for double compression based JPEG image forgery detection | |
EP1405519B1 (en) | Video/image communication with watermarking | |
Lenarczyk et al. | Parallel blind digital image watermarking in spatial and frequency domains |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141001 |
|
WD01 | Invention patent application deemed withdrawn after publication |