CN104156906A - 数字图像处理方法及装置 - Google Patents
数字图像处理方法及装置 Download PDFInfo
- Publication number
- CN104156906A CN104156906A CN201310175738.7A CN201310175738A CN104156906A CN 104156906 A CN104156906 A CN 104156906A CN 201310175738 A CN201310175738 A CN 201310175738A CN 104156906 A CN104156906 A CN 104156906A
- Authority
- CN
- China
- Prior art keywords
- singular value
- sigma
- value vector
- subsequence
- norm
- 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.)
- Granted
Links
Abstract
本发明公开了一种数字图像处理方法及装置。其中,该方法包括:获取原始图像的第一像素矩阵;对第一像素矩阵进行离散小波变换,得到第一低频子带序列;对第一低频子带序列进行奇异值分解,以获取第一奇异值向量;将预设水印图像的第一像素序列嵌入第一奇异值向量得到第二奇异值向量;对第二奇异值向量进行低频子带重构得到第二低频子带序列;对第二低频子带序列进行离散小波逆变换得到目标图像。通过本发明,实现了稳定可靠地将水印图像嵌入多媒体信息中,从而更有效地保护多媒体信息拥有者的权利。
Description
技术领域
本发明涉及图像处理领域,具体而言,涉及一种数字图像处理方法及装置。
背景技术
随着多媒体技术和计算机网络技术的发展和普及,数字化的多媒体信息(图像、音频、视频和三维模型等)越来越容易被非法存储、复制、篡改和传播。因而如何有效地保护多媒体信息版权和信息内容完整性成为人们日益关注的问题,数字水印技术是解决上述问题的有效方法,是多媒体信息安全研究与应用领域一个研究热点,然而现有的水印技术在加载到多媒体信息上之后都是可见的,非法使用多媒体信息的使用者就会轻易地处理掉该水印信息,从而无法使水印信息对多媒体信息起到标识和保护的作用。
针对现有技术中多媒体信息上加载的可见的水印信息可以轻易去除,从而导致现有的水印技术不能稳定保护多媒体信息的拥有者的权益的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中多媒体信息上加载的可见的水印信息可以轻易去除,从而导致现有的水印技术不能稳定保护多媒体信息的拥有者的权益的问题,目前尚未提出有效的解决方案,为此,本发明的主要目的在于提供一种数字图像处理方法及装置,以解决上述问题。
为了实现上述目的,根据本发明的一个方面,提供了一种数字图像处理方法,该方法包括:获取原始图像的第一像素矩阵;对第一像素矩阵进行离散小波变换,得到第一低频子带序列;对第一低频子带序列进行奇异值分解,以获取第一奇异值向量;将预设水印图像的第一像素序列嵌入第一奇异值向量得到第二奇异值向量;对第二奇异值向量进行低频子带重构得到第二低频子带序列;对第二低频子带序列进行离散小波逆变换得到目标图像。
进一步地,将预设水印图像的第一像素序列嵌入第一奇异值向量得到第二奇异值向量的步骤包括:计算第一奇异值向量的第一范数;使用第一像素序列更新第一范数得到第二范数;使用第二范数构建第二奇异值向量。
进一步地,对第一低频子带序列进行奇异值分解,以获取第一奇异值向量的步骤包括:将第一低频子带序列划分为一个或多个第一子序列Ai,其中,i=1,2,...,M,M为第一子序列的个数,每个第一子序列的大小为w×w;对每个第一子序列分别进行离散余弦变换,得到对应的第二子序列A′i,其中,i=1,2,...,M,M为第二子序列的个数;对各个第二子序列A′i分别进行奇异值分解得到第一奇异值子向量Si,其中, 均为Si中的元素;将所有第一奇异值子向量组合成第一奇异值向量。
进一步地,在将预设水印图像的第一像素序列嵌入第一奇异值向量得到第二奇异值向量之前,方法还包括:获取预设水印图像的水印像素矩阵W,其中,W={wi|i=1,2,...M;wi∈{0,1}};使用随机序列S对水印像素矩阵进行置乱变换,得到第一像素序列W′,其中,S={si|i=1,2,...M;si∈{0,1}},W'={w′i=(wi⊕si)|w′i∈{0,1}},M为第一子序列的个数。
进一步地,将预设水印图像的第一像素序列嵌入第一奇异值向量得到第二奇异值向量的步骤包括:通过第一公式分别计算各个第一奇异值子向量的第三范数Ni,第一公式为:
其中,表示向下取整函数,Si为第一奇异值子向量,δi为分别与各个第二子序列对应的量化步长,i=1,2,...,M,M为第二子序列的个数;通过第二公式使用第一像素序列更新各个第三范数得到第四范数N′i,第二公式为:
通过第三公式计算获取第三奇异值子向量S′i,第三公式为:
进一步地,在通过第一公式分别计算各个第一奇异值子向量的第三范数Ni之前,方法还包括:通过第四公式计算量化步长δi,第四公式为:
其中, 为每个第二子序列的离散余弦变换的变换能量,δ0为初始量化步长,|d(a)(b)|为第二子序列的离散余弦变换系数,K1为量化密钥。
进一步地,在对第二低频子带序列进行离散小波逆变换得到目标图像之后,方法还包括:对目标图像进行离散小波变换,得到第二低频子带序列;对第二低频子带序列进行奇异值分解得到第二奇异值向量;根据第二奇异值向量的范数的奇偶性提取第一像素序列;对第一像素序列进行逆置乱变换,得到预设水印图像的像素矩阵,以得到预设水印图像。
为了实现上述目的,根据本发明的另一方面,提供了一种数字图像处理装置,该装置包括:第一获取模块,用于获取原始图像的第一像素矩阵;第一计算模块,用于对第一像素矩阵进行离散小波变换,得到第一低频子带序列;第二计算模块,用于对第一低频子带序列进行奇异值分解,以获取第一奇异值向量;第一处理模块,用于将预设水印图像的第一像素序列嵌入第一奇异值向量得到第二奇异值向量;第二处理模块,用于对第二奇异值向量进行低频子带重构得到第二低频子带序列;第三计算模块,用于对第二低频子带序列进行离散小波逆变换得到目标图像。
进一步地,第一处理模块包括:第一子计算模块,用于计算第一奇异值向量的第一范数;第一子处理模块,用于使用第一像素序列更新第一范数得到第二范数;第二子处理模块,用于使用第二范数构建第二奇异值向量。
进一步地,第二计算模块包括:第二子计算模块,用于将第一低频子带序列划分为一个或多个第一子序列Ai,其中,i=1,2,...,M,M为第一子序列的个数,每个第一子序列的大小为w×w;第三子计算模块,用于对每个第一子序列分别进行离散余弦变换,得到对应的第二子序列A′i,其中,i=1,2,...,M,M为第二子序列的个数;第三子处理模块,用于对各个第二子序列A′i分别进行奇异值分解得到第一奇异值子向量Si,其中, 均为Si中的元素;第四子处理模块,用于将所有第一奇异值子向量组合成第一奇异值向量。
进一步地,装置还包括:第二获取模块,用于获取预设水印图像的水印像素矩阵W,其中,W={wi|i=1,2,...M;wi∈{0,1}};第三处理模块,用于使用随机序列S对水印像素矩阵进行置乱变换,得到第一像素序列W′,其中,S={si|i=1,2,...M;si∈{0,1}},W'={w′i=(wi⊕si)|w′i∈{0,1}},M为第一子序列的个数。
进一步地,第一处理模块包括:第四子计算模块,用于通过第一公式分别计算各个第一奇异值子向量的第三范数Ni,第一公式为:
其中,表示向下取整函数,Si为第一奇异值子向量,δi为分别与各个第二子序列对应的量化步长,i=1,2,...,M,M为第二子序列的个数;第五子处理模块,用于通过第二公式使用第一像素序列更新各个第三范数得到第四范数N′i,第二公式为:
第五子计算模块,用于通过第三公式计算获取第三奇异值子向量S′i,第三公式为: 其中,Ns i为Si的范数,均为S′i中的元素;第六子处理模块,用于将所有第三奇异值子向量组合成第二奇异值向量。
进一步地,装置还包括:第六子计算模块,用于通过第四公式计算量化步长δi,第四公式为:
其中, 为每个第二子序列的离散余弦变换的变换能量,δ0为初始量化步长,|d(a)(b)|为第二子序列的离散余弦变换系数,K1为量化密钥。
进一步地,装置还包括:第四处理模块,用于对目标图像进行离散小波变换,得到第二低频子带序列;第五处理模块,用于对第二低频子带序列进行奇异值分解得到第二奇异值向量;提取模块,用于根据第二奇异值向量的范数的奇偶性提取第一像素序列;第六处理模块,用于对第一像素序列进行逆置乱变换,得到预设水印图像的像素矩阵,以得到预设水印图像。
采用本发明,通过在获取原始图像的第一像素矩阵之后,对第一像素矩阵进行离散小波变换得到第一低频子带序列,并在对第一低频子带序列进行奇异值分解获取第一奇异值向量之后,将预设水印图像的第一像素序列嵌入第一奇异值向量得到第二奇异值向量,并将嵌入水印图像像素序列的第二奇异值向量进行重构得到带水印的目标图像,由于奇异值向量的稳定性更高,而且将水印图像的像素序列嵌入奇异值向量中,得到的目标图像中的水印图像不可见,解决了现有技术中多媒体信息上加载的可见的水印信息可以轻易去除,从而导致现有的水印技术不能稳定保护多媒体信息的拥有者的权益的问题,实现了稳定可靠地将水印图像嵌入多媒体信息中,从而更有效地保护多媒体信息拥有者的权利。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的数字图像处理装置的结构示意图;以及
图2是根据本发明实施例的数字图像处理方法的流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
图1是根据本发明实施例的数字图像处理装置的结构示意图。如图1所示,该装置可以包括:第一获取模块10,用于获取原始图像的第一像素矩阵;第一计算模块30,用于对第一像素矩阵进行离散小波变换,得到第一低频子带序列;第二计算模块50,用于对第一低频子带序列进行奇异值分解,以获取第一奇异值向量;第一处理模块70,用于将预设水印图像的第一像素序列嵌入第一奇异值向量得到第二奇异值向量;第二处理模块90,用于对第二奇异值向量进行低频子带重构得到第二低频子带序列;第三计算模块110,用于对第二低频子带序列进行离散小波逆变换得到目标图像。
采用本发明,在第一获取模块获取原始图像的第一像素矩阵之后,通过第一计算模块对第一像素矩阵进行离散小波变换,得到第一低频子带序列,然后通过第二计算模块对第一低频子带序列进行奇异值分解,以获取第一奇异值向量,之后通过第一处理模块将预设水印图像的第一像素序列嵌入第一奇异值向量得到第二奇异值向量,并将嵌入水印图像像素序列的第二奇异值向量进行重构得到带水印的目标图像,由于奇异值向量的稳定性更高,而且将水印图像的像素序列嵌入奇异值向量中,得到的目标图像中的水印图像不可见,解决了现有技术中多媒体信息上加载的可见的水印信息可以轻易去除,从而导致现有的水印技术不能稳定保护多媒体信息的拥有者的权益的问题,实现了稳定可靠地将水印图像嵌入多媒体信息中,更有效地保护多媒体信息拥有者的权利。
根据本发明的上述实施例,第一处理模块70可以包括:第一子计算模块,用于计算第一奇异值向量的第一范数;第一子处理模块,用于使用第一像素序列更新第一范数得到第二范数;第二子处理模块,用于使用第二范数构建第二奇异值向量。
在发明的上述实施例中,第二计算模块50可以包括:第二子计算模块,用于将第一低频子带序列划分为一个或多个第一子序列Ai,其中,i=1,2,...,M,M为第一子序列的个数,每个第一子序列的大小为w×w;第三子计算模块,用于对每个第一子序列分别进行离散余弦变换,得到对应的第二子序列A′i,其中,i=1,2,...,M,M为第二子序列的个数;第三子处理模块,用于对各个第二子序列A′i分别进行奇异值分解得到第一奇异值子向量Si,其中,均为Si中的元素;第四子处理模块,用于将所有第一奇异值子向量组合成第一奇异值向量。
根据本发明的上述实施例,装置还可以包括:第二获取模块,用于获取预设水印图像的水印像素矩阵W,其中,W={wi|i=1,2,...M;wi∈{0,1}};第三处理模块,用于使用随机序列S对水印像素矩阵进行置乱变换,得到第一像素序列W′,其中,S={si|i=1,2,...M;si∈{0,1}},W'={w′i=(wi⊕si)|w′i∈{0,1}},M为第一子序列的个数。
在发明的上述实施例中,第一处理模块70可以包括:第四子计算模块,用于通过第一公式分别计算各个第一奇异值子向量的第三范数Ni,第一公式为:其中,表示向下取整函数,Si为第一奇异值子向量,δi为分别与各个第二子序列对应的量化步长,i=1,2,...,M,M为第二子序列的个数;第五子处理模块,用于通过第二公式使用第一像素序列更新各个第三范数得到第四范数N′i,第二公式为:
第五子计算模块,用于通过第三公式计算获取第三奇异值子向量S′i,第三公式为: 其中,Ns i为Si的范数,均为S′i中的元素;第六子处理模块,用于将所有第三奇异值子向量组合成第二奇异值向量。
根据本发明的上述实施例,装置还包括:第六子计算模块,用于通过第四公式计算量化步长δi,第四公式为:
其中, 为每个第二子序列的离散余弦变换的变换能量,δ0为初始量化步长,|d(a)(b)|为第二子序列的离散余弦变换系数,K1为量化密钥。
在本发明的上述实施例中,装置还可以包括:第四处理模块,用于对目标图像进行离散小波变换,得到第二低频子带序列;第五处理模块,用于对第二低频子带序列进行奇异值分解得到第二奇异值向量;提取模块,用于根据第二奇异值向量的范数的奇偶性提取第一像素序列;第六处理模块,用于对第一像素序列进行逆置乱变换,得到预设水印图像的像素矩阵,以得到预设水印图像。
图2是根据本发明实施例的数字图像处理方法的流程图,如图2所示该方法包括如下步骤:
步骤S102,获取原始图像的第一像素矩阵。
步骤S104,对第一像素矩阵进行离散小波变换,得到第一低频子带序列。
步骤S106,对第一低频子带序列进行奇异值分解,以获取第一奇异值向量。
步骤S108,将预设水印图像的第一像素序列嵌入第一奇异值向量得到第二奇异值向量。
步骤S110,对第二奇异值向量进行低频子带重构得到第二低频子带序列。
步骤S112,对第二低频子带序列进行离散小波逆变换得到目标图像。
采用本发明,在获取原始图像的第一像素矩阵之后,对第一像素矩阵进行离散小波变换,得到第一低频子带序列,然后对第一低频子带序列进行奇异值分解,以获取第一奇异值向量,然后将预设水印图像的第一像素序列嵌入第一奇异值向量得到第二奇异值向量,将嵌入水印图像像素序列的第二奇异值向量进行重构得到带水印的目标图像,由于奇异值向量的稳定性更高,而且将水印图像的像素序列嵌入奇异值向量中,得到的目标图像中的水印图像不可见,解决了现有技术中多媒体信息上加载的可见的水印信息可以轻易去除,从而导致现有的水印技术不能稳定保护多媒体信息的拥有者的权益的问题,实现了稳定可靠地将水印图像嵌入多媒体信息中,从而更有效地保护多媒体信息拥有者的权利。
在本发明的上述实施例中,将预设水印图像的第一像素序列嵌入第一奇异值向量得到第二奇异值向量的步骤可以包括:计算第一奇异值向量的第一范数;使用第一像素序列更新第一范数得到第二范数;使用第二范数构建第二奇异值向量。
根据本发明的上述实施例,对第一低频子带序列进行奇异值分解,以获取第一奇异值向量的步骤可以包括:将第一低频子带序列划分为一个或多个第一子序列Ai,其中,i=1,2,...,M,M为第一子序列的个数,每个第一子序列的大小为w×w;对每个第一子序列分别进行离散余弦变换,得到对应的第二子序列A′i,其中,i=1,2,...,M,M为第二子序列的个数;对各个第二子序列A′i分别进行奇异值分解得到第一奇异值子向量Si,其中, 均为Si中的元素;将所有第一奇异值子向量组合成第一奇异值向量。
通过本发明,将离散小波变换(即DWT)、离散余弦变换(即DCT)与奇异值分解(即SVD)三种变换相结合,利用量化索引调制方法,获取原始图像的第一奇异值向量。
其中,奇异值分解(singular value decomposition,SVD)是一种重要的图像变换域分析方法,奇异值向量可以反映图像的内部特征,并且其具有良好奇异值稳定性。在本发明中主要考虑到DWT变换具有多分辨分析、时频域中表征信号局部特性强和与人眼视觉特性相一致等特性,DCT变换具有能量压缩聚能较强的特性。在本实施例中用A表示原始图像的第一像素矩阵,定义A∈Rn×n,其中R为实数域。
若对矩阵A进行奇异值分解:
其中,
U和V是正交阵,S为对角阵且满足δ11≥δ22≥...=δnn=0,称δii(1≤i≤n)为矩阵A的奇异值,则S为矩阵A的奇异值向量。
矩阵奇异值分解有以下性质:
性质1:如下式所示,矩阵A的奇异值是矩阵A的转置与矩阵A相乘得到的半正定方阵特征值的平方根。
AAT=USVTVSTUT=USSTUT。
ATA=VSTUTUSVT=VSTSVT
性质2:奇异值对扰动具有相对稳定性。
若矩阵A和矩阵B奇异值分别为λ1≥λ2≥...λn和σ1≥σ2≥...σn。
则有: 且|σi-λi|≤|B-A|2。
设扰动矩阵为B-A,则奇异值扰动|δi-λi|小于B-A谱半径,由上可知奇异值对扰动有相对稳定性。
SVD分解具有单向性和非对称性等优点,主要体现在SVD分解应用广泛,图像矩阵为方阵或一般矩形均可;奇异值轻微扰动不会影响图像视觉质量;(3)图像矩阵奇异值反应图像能量特性,对应的奇异向量Ui和Vi T反映图像几何特征。
根据本发明的上述实施例,在将预设水印图像的第一像素序列嵌入第一奇异值向量得到第二奇异值向量之前,方法还包括:获取预设水印图像的水印像素矩阵W,其中,W={wi|i=1,2,...M;wi∈{0,1}};使用随机序列S对水印像素矩阵进行置乱变换,得到第一像素序列W′,其中,S={si|i=1,2,...M;si∈{0,1}},W'={w′i=(wi⊕si)|w′i∈{0,1}},M为第一子序列的个数。
更具体地,将预设水印图像的第一像素序列嵌入第一奇异值向量得到第二奇异值向量的步骤可以包括:通过第一公式分别计算各个第一奇异值子向量的第三范数Ni,第一公式为:其中,表示向下取整函数,Si为第一奇异值子向量,δi为分别与各个第二子序列对应的量化步长,i=1,2,...,M,M为第二子序列的个数;通过第二公式使用第一像素序列更新各个第三范数得到第四范数N′i,第二公式为:
通过第三公式计算获取第三奇异值子向量S′i,第三公式为:
在本发明的上述实施例中,在通过第一公式分别计算各个第一奇异值子向量的第三范数Ni之前,方法还可以包括:通过第四公式计算量化步长δi,第四公式为:
其中, 为每个第二子序列的离散余弦变换的变换能量,δ0为初始量化步长,|d(a)(b)|为第二子序列的离散余弦变换系数,K1为量化密钥。
具体地,采用上述方法计算量化步长δi,可将频域系数的指数增长方式转为线性增长方式,会带来更小的失真,更加符合人类视觉特性,从而可以克服均匀量化策略的不足,消除人类视觉特性和不同图像纹理度差异,同时算法也比较简单。
根据本发明的上述实施例,在对第二低频子带序列进行离散小波逆变换得到目标图像之后,方法还可以包括:对目标图像进行离散小波变换,得到第二低频子带序列;对第二低频子带序列进行奇异值分解得到第二奇异值向量;根据第二奇异值向量的范数的奇偶性提取第一像素序列;对第一像素序列进行逆置乱变换,得到预设水印图像的像素矩阵,以得到预设水印图像。
更具体地,对目标图像Iw进行j级DWT分解,得到第二低频子带序列LL′j,可以将第二低频子带序列LL′j不重叠地划分为w×w大小子序列,各子序列按行顺序排列,并将前M个子序列记为A′1,A′2,…A′M(此处对目标图像进行DWT分解得到的即为第二子序列A′i)。对A′i(i=1,2,...,M)依次进行DCT变换和SVD分解,得到第二奇异值向量S′′i,计算第二奇异值向量S′′i的范数,然后根据第二奇异值向量的范数的奇偶性提取第一像素序列 对第一像素序列进行逆置乱变换,得到预设水印图像的像素矩阵,以得到预设水印图像,具体地,W={wi=(w′i⊕si)|i=1,2,...M;wi∈{0,1}},W={w(i,j)|0≤i≤p-1,0≤i≤q-1}。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
从以上的描述中,可以看出,本发明实现了如下技术效果:采用本发明,在获取原始图像的第一像素矩阵之后,对第一像素矩阵进行离散小波变换,得到第一低频子带序列,然后对第一低频子带序列进行奇异值分解,以获取第一奇异值向量,然后将预设水印图像的第一像素序列嵌入第一奇异值向量得到第二奇异值向量,将嵌入水印图像像素序列的第二奇异值向量进行重构得到带水印的目标图像,由于奇异值向量的稳定性更高,而且将水印图像的像素序列嵌入奇异值向量中,得到的目标图像中的水印图像不可见,解决了现有技术中多媒体信息上加载的可见的水印信息可以轻易去除,从而导致现有的水印技术不能稳定保护多媒体信息的拥有者的权益的问题,实现了稳定可靠地将水印图像嵌入多媒体信息中,从而更有效地保护多媒体信息拥有者的权利。
具体地,将预设水印图像的第一像素序列嵌入到原始图像第一低频子带序列的奇异值向量中,即使用预设水印图像的第一像素序列修改原始图像第一低频子带序列的奇异值向量的范数,实际上实现了将水印嵌入到混合变换域里面,依据低频子带能量分布特性与视觉掩蔽特性,增强了算法不可见性和抵抗攻击能力,使得通过本发明获取的潜入水印图像的目标图像不但具有较好的图像保真度,而且能够有效地抵抗JPEG压缩、低通滤波、加噪、增强、模糊、缩放、剪切等多种图像处理攻击。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种数字图像处理方法,其特征在于,包括:
获取原始图像的第一像素矩阵;
对所述第一像素矩阵进行离散小波变换,得到第一低频子带序列;
对所述第一低频子带序列进行奇异值分解,以获取第一奇异值向量;
将预设水印图像的第一像素序列嵌入所述第一奇异值向量得到第二奇异值向量;
对所述第二奇异值向量进行低频子带重构得到第二低频子带序列;
对所述第二低频子带序列进行离散小波逆变换得到目标图像。
2.根据权利要求1所述的方法,其特征在于,将预设水印图像的第一像素序列嵌入所述第一奇异值向量得到第二奇异值向量的步骤包括:
计算所述第一奇异值向量的第一范数;
使用所述第一像素序列更新所述第一范数得到第二范数;
使用所述第二范数构建所述第二奇异值向量。
3.根据权利要求1所述的方法,其特征在于,对所述第一低频子带序列进行奇异值分解,以获取第一奇异值向量的步骤包括:
将所述第一低频子带序列划分为一个或多个第一子序列Ai,其中,i=1,2,...,M,M为所述第一子序列的个数,每个所述第一子序列的大小为w×w;
对每个所述第一子序列分别进行离散余弦变换,得到对应的第二子序列A′i,其中,i=1,2,...,M,M为所述第二子序列的个数;
对各个所述第二子序列A′i分别进行奇异值分解得到第一奇异值子向量Si,其中,
将所有所述第一奇异值子向量组合成所述第一奇异值向量。
4.根据权利要求3所述的方法,其特征在于,在将预设水印图像的第一像素序列嵌入所述第一奇异值向量得到第二奇异值向量之前,所述方法还包括:
获取所述预设水印图像的水印像素矩阵W,其中,W={wi|i=1,2,...M;wi∈{0,1}};
使用随机序列S对所述水印像素矩阵进行置乱变换,得到所述第一像素序列W′,其中,所述S={si|i=1,2,...M;si∈{0,1}},W'={w′i=(wi⊕si)|w′i∈{0,1}},M为所述第一子序列的个数。
5.根据权利要求4所述的方法,其特征在于,将预设水印图像的第一像素序列嵌入所述第一奇异值向量得到第二奇异值向量的步骤包括:
通过第一公式分别计算各个所述第一奇异值子向量的第三范数Ni,所述第一公式为:
其中,表示向下取整函数,Si为所述第一奇异值子向量,δi为分别与各个所述第二子序列对应的量化步长,i=1,2,...,M,M为所述第二子序列的个数;
通过第二公式使用所述第一像素序列更新各个所述第三范数得到第四范数N′i,所述第二公式为:
通过第三公式计算获取第三奇异值子向量S′i,所述第三公式为:
将所有所述第三奇异值子向量组合成所述第二奇异值向量。
6.根据权利要求5所述的方法,其特征在于,在通过第一公式分别计算各个所述第一奇异值子向量的第三范数Ni之前,所述方法还包括:
通过第四公式计算所述量化步长δi,所述第四公式为:
其中, 为每个所述第二子序列的离散余弦变换的变换能量,δ0为初始量化步长,|d(a)(b)|为所述第二子序列的离散余弦变换系数,K1为量化密钥。
7.根据权利要求1所述的方法,其特征在于,在对所述第二低频子带序列进行离散小波逆变换得到目标图像之后,所述方法还包括:
对所述目标图像进行离散小波变换,得到所述第二低频子带序列;
对所述第二低频子带序列进行奇异值分解得到所述第二奇异值向量;
根据所述第二奇异值向量的范数的奇偶性提取所述第一像素序列;
对所述第一像素序列进行逆置乱变换,得到所述预设水印图像的像素矩阵,以得到所述预设水印图像。
8.一种数字图像处理装置,其特征在于,包括:
第一获取模块,用于获取原始图像的第一像素矩阵;
第一计算模块,用于对所述第一像素矩阵进行离散小波变换,得到第一低频子带序列;
第二计算模块,用于对所述第一低频子带序列进行奇异值分解,以获取第一奇异值向量;
第一处理模块,用于将预设水印图像的第一像素序列嵌入所述第一奇异值向量得到第二奇异值向量;
第二处理模块,用于对所述第二奇异值向量进行低频子带重构得到第二低频子带序列;
第三计算模块,用于对所述第二低频子带序列进行离散小波逆变换得到目标图像。
9.根据权利要求8所述的装置,其特征在于,所述第一处理模块包括:
第一子计算模块,用于计算所述第一奇异值向量的第一范数;
第一子处理模块,用于使用所述第一像素序列更新所述第一范数得到第二范数;
第二子处理模块,用于使用所述第二范数构建所述第二奇异值向量。
10.根据权利要求8所述的装置,其特征在于,所述第二计算模块包括:
第二子计算模块,用于将所述第一低频子带序列划分为一个或多个第一子序列Ai,其中,i=1,2,...,M,M为所述第一子序列的个数,每个所述第一子序列的大小为w×w;
第三子计算模块,用于对每个所述第一子序列分别进行离散余弦变换,得到对应的第二子序列A′i,其中,i=1,2,...,M,M为所述第二子序列的个数;
第三子处理模块,用于对各个所述第二子序列A′i分别进行奇异值分解得到第一奇异值子向量Si,其中, 均为所述Si中的元素;
第四子处理模块,用于将所有所述第一奇异值子向量组合成所述第一奇异值向量。
11.根据权利要求10所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于获取所述预设水印图像的水印像素矩阵W,其中,W={wi|i=1,2,...M;wi∈{0,1}};
第三处理模块,用于使用随机序列S对所述水印像素矩阵进行置乱变换,得到所述第一像素序列W′,其中,所述S={si|i=1,2,...M;si∈{0,1}},W'={w′i=(wi⊕si)|w′i∈{0,1}},M为所述第一子序列的个数。
12.根据权利要求11所述的装置,其特征在于,所述第一处理模块包括:
第四子计算模块,用于通过第一公式分别计算各个所述第一奇异值子向量的第三范数Ni,所述第一公式为:
其中,表示向下取整函数,Si为所述第一奇异值子向量,δi为分别与各个所述第二子序列对应的量化步长,i=1,2,...,M,M为所述第二子序列的个数;
第五子处理模块,用于通过第二公式使用所述第一像素序列更新各个所述第三范数得到第四范数N′i,所述第二公式为:
第五子计算模块,用于通过第三公式计算获取第三奇异值子向量S′i,所述第三公式为: 其中,所述Ns i为所述Si的范数,均为S′i中的元素;
第六子处理模块,用于将所有所述第三奇异值子向量组合成所述第二奇异值向量。
13.根据权利要求12所述的装置,其特征在于,所述装置还包括:
第六子计算模块,用于通过第四公式计算所述量化步长δi,所述第四公式为:
其中, 为每个所述第二子序列的离散余弦变换的变换能量,δ0为初始量化步长,|d(a)(b)|为所述第二子序列的离散余弦变换系数,K1为量化密钥。
14.根据权利要求8所述的装置,其特征在于,所述装置还包括:
第四处理模块,用于对所述目标图像进行离散小波变换,得到所述第二低频子带序列;
第五处理模块,用于对所述第二低频子带序列进行奇异值分解得到所述第二奇异值向量;
提取模块,用于根据所述第二奇异值向量的范数的奇偶性提取所述第一像素序列;
第六处理模块,用于对所述第一像素序列进行逆置乱变换,得到所述预设水印图像的像素矩阵,以得到所述预设水印图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310175738.7A CN104156906B (zh) | 2013-05-13 | 2013-05-13 | 数字图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310175738.7A CN104156906B (zh) | 2013-05-13 | 2013-05-13 | 数字图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104156906A true CN104156906A (zh) | 2014-11-19 |
CN104156906B CN104156906B (zh) | 2017-10-27 |
Family
ID=51882397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310175738.7A Active CN104156906B (zh) | 2013-05-13 | 2013-05-13 | 数字图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104156906B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633476A (zh) * | 2017-09-25 | 2018-01-26 | 河南师范大学 | 一种基于lwt‑svd‑dct算法的水印嵌入和提取方法 |
CN112149062A (zh) * | 2019-06-26 | 2020-12-29 | 中电万维信息技术有限责任公司 | 基于水印的电子印章生成方法、装置、系统及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1529282A (zh) * | 2003-09-29 | 2004-09-15 | 武汉理工大学 | 基于奇异值分解和扩频技术的统一数字水印的方法及装置 |
EP1752884A1 (en) * | 2004-06-03 | 2007-02-14 | Japan Science and Technology Agency | High-speed high-accuracy matrix singular value decomposition method, program, and device. |
CN101493928A (zh) * | 2009-02-10 | 2009-07-29 | 国网信息通信有限公司 | 数字水印嵌入、提取和量化步长协调因子优化方法及装置 |
CN101877117A (zh) * | 2009-12-01 | 2010-11-03 | 天津工程师范学院 | 基于提升小波与奇异值分解的数字图像版权保护方法 |
CN102184519A (zh) * | 2011-05-26 | 2011-09-14 | 江苏技术师范学院 | 水印图像的嵌入和提取方法 |
-
2013
- 2013-05-13 CN CN201310175738.7A patent/CN104156906B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1529282A (zh) * | 2003-09-29 | 2004-09-15 | 武汉理工大学 | 基于奇异值分解和扩频技术的统一数字水印的方法及装置 |
EP1752884A1 (en) * | 2004-06-03 | 2007-02-14 | Japan Science and Technology Agency | High-speed high-accuracy matrix singular value decomposition method, program, and device. |
CN101493928A (zh) * | 2009-02-10 | 2009-07-29 | 国网信息通信有限公司 | 数字水印嵌入、提取和量化步长协调因子优化方法及装置 |
CN101877117A (zh) * | 2009-12-01 | 2010-11-03 | 天津工程师范学院 | 基于提升小波与奇异值分解的数字图像版权保护方法 |
CN102184519A (zh) * | 2011-05-26 | 2011-09-14 | 江苏技术师范学院 | 水印图像的嵌入和提取方法 |
Non-Patent Citations (2)
Title |
---|
朱少敏: "多媒体数字水印若干关键算法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
朱少敏等: "基于Contourlet变换域的自适应量化索引调制数字图像水印算法", 《光学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633476A (zh) * | 2017-09-25 | 2018-01-26 | 河南师范大学 | 一种基于lwt‑svd‑dct算法的水印嵌入和提取方法 |
CN107633476B (zh) * | 2017-09-25 | 2021-07-27 | 河南师范大学 | 一种基于lwt-svd-dct算法的水印嵌入和提取方法 |
CN112149062A (zh) * | 2019-06-26 | 2020-12-29 | 中电万维信息技术有限责任公司 | 基于水印的电子印章生成方法、装置、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104156906B (zh) | 2017-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Secure and robust digital image watermarking scheme using logistic and RSA encryption | |
Singh | Improved hybrid algorithm for robust and imperceptible multiple watermarking using digital images | |
Hamidi et al. | Hybrid blind robust image watermarking technique based on DFT-DCT and Arnold transform | |
Singh et al. | A novel technique for digital image watermarking in spatial domain | |
Liu et al. | Robust blind image watermarking based on chaotic mixtures | |
George et al. | Color image watermarking using DWT-SVD and Arnold transform | |
CN101719265B (zh) | 基于计算机全息的数字图像水印嵌入方法及其系统 | |
CN103971035A (zh) | 一种基于数字指纹技术的三维模型版权保护方法 | |
Favorskaya et al. | Perceptually tuned watermarking using non-subsampled shearlet transform | |
Qin et al. | A robust zero-watermarking algorithm for medical images using curvelet-dct and RSA pseudo-random sequences | |
US20050165690A1 (en) | Watermarking via quantization of rational statistics of regions | |
Assini et al. | Hybrid multiple watermarking technique for securing medical image using DWT-FWHT-SVD | |
Sleit et al. | An enhanced semi-blind DWT–SVD-based watermarking technique for digital images | |
Bajaj | Robust and reversible digital image watermarking technique based on RDWT-DCT-SVD | |
Alomoush et al. | Digital image watermarking using discrete cosine transformation based linear modulation | |
CN103996164A (zh) | 基于实分数傅里叶变换的医学影像零水印嵌入和提取方法 | |
CN104156906A (zh) | 数字图像处理方法及装置 | |
Hazim et al. | A Novel Method of Invisible Video Watermarking Based on Index Mapping and Hybrid DWT-DCT. | |
Samčović et al. | Robust digital image watermarking based on wavelet transform and spread spectrum techniques | |
CN103854251A (zh) | 基于三维dwt-dct感知哈希的体数据多水印方法 | |
Aslantas et al. | A novel clonal selection algorithm based fragile watermarking method | |
Awasthi et al. | Robust image watermarking based on discrete wavelet transform, discrete cosine transform & singular value decomposition | |
Rawat et al. | Review of methodologies and techniques for digital watermarking | |
Xuan et al. | Image steganalysis based on statistical moments of wavelet subband histograms in DFT domain | |
Masoumi et al. | Copyright Protection of Color Video Using Digital Watermarking |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |