CN104318505A - 基于图像离散余弦变换的三维网格模型盲水印方法 - Google Patents

Abstract

本发明涉及一种基于图像离散余弦变换的三维网格模型盲水印方法。本发明的三维网格模型水印方法选取两个稳定的几何特征帮助排序来获得一个唯一的三维顶点序列，并将水印数据添加到顶点的纹理坐标中，使得仿射变换后也可以正确得到嵌入水印的顶点序列，从而正确地提取出水印。本发明方法提取水印不需要原始网格，不需要预处理。可以抵抗很多攻击，攻击包括旋转、缩放、平移、噪声、顶点重排序。同时，算法还拥有较大的水印容量，这是因为将载体图像作为水印添加到三维模型中时，不用考虑载体图像的水印透明性，这极大地增加了水印的容量。

Description

基于图像离散余弦变换的三维网格模型盲水印方法

技术领域

本发明具体涉及一种基于图像离散余弦变换的三维网格模型盲水印方法。

背景技术

数字水印是利用数字产品中普遍存在的冗余来将水印信息藏入其中从而达到版权保护目的的一种技术。随着计算机图形学、虚拟现实、计算机辅助设计等技术的发展，三维模型也得到越来越多的应用，它们同样需要保护。而当前数字水印技术大都是针对静止图像、视频流、音频流这些媒体数据类型的，对三维几何模型数据的水印技术的研究工作相对较少。

与图像水印相比，三维模型不但包含几何信息，还包括拓扑信息。而通常对三维模型的攻击有旋转、平移、均匀或不均匀的缩放、裁剪、网格简化等。这些攻击有的改变了模型的几何信息，有的作用在模型的拓扑结构上，亦或两者都有之。正因为三维模型自身的这些特点和对其攻击方式的多样性导致了其嵌入和提取水印比较复杂。这些都使得传统的图像水印方法不能简单照搬地应用于三维几何模型。三维模型数据由点、线、面等要素构成，这些要素可以组合成各种不同的数据表达方式，另外三维模型数据的各要素集合没有一个固定的排序标准，而对静止图像来说却可以按照像素点的平面位置排序，对音频流和视频流数据可以按照时间轴来排序，对于这种不规则的数据类型，不能简单地应用已有的各种变换域水印方法，需要寻找适当的能够反映三维模型数据特征的参数用于各种变换域水印方法。另外，水印检测过程中，几何模型简化操作和其它的攻击方法可能会改变几何模型的连接关系，或拓扑连接。

与静止图像、音频、视频相比，三维模型的表示具有如下特点：

(1).没有固有的数据顺序。音频、视频的数据是按时间顺序排列的，静止图像、视频的帧则以扫描线顺序排列，而三维模型却没有一个固定的数据顺序。

(2).没有明确的采样率的概念，三维表面模型中的数据，不具有像图像、音频、视频那样的方便的数学工具(如余弦变换、Fourier变换、小波变换等)可以使用。

(3).模型数据中不但包含几何信息还有拓扑信息，使水印提取时候的同步问题更加复杂。

(4).表示方法不唯一。同一个三维模型，可以用多种不同的模型表示，在不同模型间进行转换的过程中，容易引起属性损失。没有图像、视频中自然存在适合于嵌入水印的噪声存在。

(5).对模型进行几何和拓扑操作的工具很多，使对模型的修改更加容易。一些图像水印、音频水印、视频水印中的问题，如有损压缩、同步问题等。三维水印同样存在。

除了上述提高的问题，三维水印算法还必须兼顾鲁棒性、水印容量和计算复杂度这三种特性。对应不同的应用需求，及时调整水印系统的特性，三者之间并不矛盾，关键是要使得各个特性在变化的过程中获得一个平衡点。某个特性性能的提高，通常是通过牺牲其它特性来获得的。通常意义下，三维模型的水印容量、水印鲁棒性和嵌入提取过程的计算复杂度三者之间是相互依存和制约的，去设计一个水印系统想要使这三者都达到最优是不切实际的，只能在三者中进行仔细的周全考虑，为满足某种特定的需求而放弃一部分特性的性能。当然，模型水印嵌入容量不宜过小，为了能够满足要求一般需要嵌入足够的水印数据。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于图像离散余弦变换的三维网格模型盲水印方法。

本发明的三维网格模型水印方法选取两个稳定的几何特征帮助排序来获得一个唯一的三维顶点序列，并将水印数据添加到顶点的纹理坐标中，使得仿射变换后也可以正确得到嵌入水印的顶点序列，从而正确地提取出水印。

本发明解决其技术问题所采用的技术方案如下：

步骤1.为三维模型的每个顶点选取如下两个特征：

特征一：模型顶点V_i到模型中心点O的距离S_i；

特征二：两条连线的夹角θ_i，两条连线分别为模型顶点V_i与它的一阶邻域中心点T_i的连线，一阶领域中心点T_i与模型中心点O的连线；

通过特征一和特征二对三维模型的所有顶点确定一个唯一排序序列；

步骤2.选取排序后顶点序列的前M×M个顶点，并获得前M×M个顶点的纹理坐标，组成一个M×M的纹理坐标矩阵。

步骤3.原始水印是一幅m×m的二值图像，将一幅M×M的原始图像I进行离散余弦变换得到系数矩阵K(i,j)，i∈(1,M)，j∈(1,M),将原始水印信息W通过加法模型嵌入到K的中频部分K(i,j),i∈(S1,S2)，j∈(S3,S4)，得到嵌入原始水印信息W后的系数矩阵K′，再将系数矩阵K′反变换回来，得到嵌入水印图像I′；对嵌入水印图像I′和原始图像I的差值进行调整，得到新水印信息W′。

步骤4.将新水印信息W′添加到排序后的前M×M个顶点的纹理坐标，即将新水印信息W′替换掉纹理坐标值的5、6和7这三个有效位，保证嵌入水印的三维网格模型的透明性。

步骤5.M×M个顶点的纹理坐标中，嵌入新水印信息W′的纹理坐标对应的顶点和其余顶点共同构成嵌入水印后的三维模型。

步骤6.嵌入水印后的三维模型中提取原始水印W，具体采用如下步骤：

步骤6-1.首先提取嵌入水印后的三维模型的中心点坐标O′，计算各顶点V_i′到模型中心点坐标O′的距离S_i′，然后计算各个顶点的一阶邻域中心点T_i′，最后计算向量和的夹角θ_i′；

步骤6.2.将嵌入水印后的三维模型的顶点先按S_i′的大小升序排列；如果S_i′相同，则根据顶点对应的夹角θ_i′来进行升序排列，最终获得一个唯一的顶点序列。

步骤6.3.选取唯一排序后顶点序列的前M×M个顶点，获得前M×M个顶点的纹理坐标，提取出得前M×M个顶点的纹理坐标的5、6和7三个有效位，构成藏有水印的M×M的矩阵B。

步骤6.4.将矩阵B进行离散余旋变换得到频域系数矩阵S，按照水印嵌入位置恢复出最终的水印。

所述的步骤1具体如下：

设P＝(V,T)，为一个三角形网格模型，其中V＝{V_i|i∈(1,N)},表示模型三角形网格模型P＝(V,T)中的顶点，N为模型顶点的数目，T表示模型的拓扑关系；通过T得到每个顶点的一阶邻域，对于顶点V_i，其一阶邻域定义为与之相邻接的所有顶点的集合；

通过特征一和特征二对三维模型的所有顶点确定一个唯一排序序列，具体如下：

将模型顶点先按S_i的大小升序排列；如果S_i相同，则按照顶点对应的θ_i值进行升序排列，最终获得一个唯一的顶点序列。

所述的步骤3具体如下：

步骤3.1.将一幅m×m的二值图像作为原始水印W，将一幅原始图像I进行离散余旋得到系数矩阵K，通过公式(1)将原始水印W嵌入系数矩阵K的中频部分得到嵌入后系数矩阵K′，再将K′进行离散余弦反变换得到嵌入水印图像I′，其中，α为水印嵌入的强度；

K′＝K+W×α   (1)

步骤3.2.通过公式(2)对水印信息进行调整，并得到最终要嵌入三维网格模型的新水印信息W′，且调整后W′(i,j)＞0；其中，δ是一个大于0的整数,i∈(1,M)，j∈(1,M)

W′(i,j)＝I′(i,j)-I(i,j)+δ   (2)。

所述的步骤6.4具体如下：

对藏有水印的M×M的矩阵B，进行离散余弦变换得到频域系数矩阵S；将频域系数矩阵S中含有水印信息的系数S(i,j)提取出来组成序列W，其中i∈(S1,S2)，j∈(S3,S4)；将序列W按照从小到大排序，且将排序后的序列W中的前k个最小值改为O,其他改为1,；然后将更改后的0、1序列恢复到原来频域系数矩阵S中的位置，即排列成m×m的二值图像，该二值图像即为最终恢复的水印信息；k为原始水印二值图像中0的个数。

本发明有益效果如下：

本发明方法提取水印不需要原始网格，不需要预处理。可以抵抗很多攻击，攻击包括旋转、缩放、平移、噪声、顶点重排序。同时，本发明还拥有较大的水印容量，这是因为将载体图像作为水印添加到三维模型中时，不用考虑载体图像的水印透明性，这极大的增加了水印的容量。

附图说明

图1为本发明三维模型结构示意图；

图2为本发明通对于顶点V_i的一阶邻域定义为与之相邻接的所有顶点的集合；

图3为本发明流程中图片示意过程图。

具体实施方式

下面结合附图对本发明作进一步说明。

如图1、图2和图3所示，基于图像离散余弦变换的三维网格模型盲水印方法，具体包括如下步骤：

步骤1.为三维模型的每个顶点选取如下两个特征：

特征一：模型顶点V_i到模型中心点O的距离S_i；

特征二：两条连线的夹角θ_i，两条连线分别为模型顶点V_i与它的一阶邻域中心点T_i的连线，一阶领域中心点T_i与模型中心点O的连线；

通过特征一和特征二对三维模型的所有顶点确定一个唯一排序序列；

步骤2.选取排序后顶点序列的前M×M个顶点，并获得前M×M个顶点的纹理坐标，组成一个M×M的纹理坐标矩阵。

步骤3.原始水印是一幅m×m的二值图像，将一幅M×M的原始图像I进行离散余弦变换得到系数矩阵K(i,j)，i∈(1,M)，j∈(1,M),将原始水印信息W通过加法模型嵌入到K的中频部分K(i,j),i∈(S1,S2)，j∈(S3,S4)，得到嵌入原始水印信息W后的系数矩阵K′，再将系数矩阵K′反变换回来，得到嵌入水印图像I′；对嵌入水印图像I′和原始图像I的差值进行调整，得到新水印信息W′。

步骤4.将新水印信息W′添加到排序后的前M×M个顶点的纹理坐标，即将新水印信息W′替换掉纹理坐标值的5、6和7这三个有效位，保证嵌入水印的三维网格模型的透明性。

步骤5.M×M个顶点的纹理坐标中，嵌入新水印信息W′的纹理坐标对应的顶点和其余顶点共同构成嵌入水印后的三维模型。

步骤6.嵌入水印后的三维模型中提取原始水印W，具体采用如下步骤：

步骤6-1.首先提取嵌入水印后的三维模型的中心点坐标O′，计算各顶点V_i′到模型中心点坐标O′的距离S_i′，然后计算各个顶点的一阶邻域中心点T_i′，最后计算向量和的夹角θ_i′；

步骤6.2.将嵌入水印后的三维模型的顶点先按S_i′的大小升序排列；如果S_i′相同，则根据顶点对应的夹角θ_i′来进行升序排列，最终获得一个唯一的顶点序列。

步骤6.3.选取唯一排序后顶点序列的前M×M个顶点，获得前M×M个顶点的纹理坐标，提取出得前M×M个顶点的纹理坐标的5、6和7三个有效位，构成藏有水印的M×M的矩阵B。

步骤6.4.将矩阵B进行离散余旋变换得到频域系数矩阵S，按照水印嵌入位置恢复出最终的水印。

所述步骤1具体如图1、图2所示，：

设P＝(V,T)，为一个三角形网格模型，其中V＝{V_i|i∈(1,N)},表示模型三角形网格模型P＝(V,T)中的顶点，N为模型顶点的数目，T表示模型的拓扑关系；通过T得到每个顶点的一阶邻域，对于顶点V_i，其一阶邻域定义为与之相邻接的所有顶点的集合；

通过特征一和特征二对三维模型的所有顶点确定一个唯一排序序列，具体如下：

将模型顶点先按S_i的大小升序排列；如果S_i相同，则按照顶点对应的θ_i值进行升序排列，最终获得一个唯一的顶点序列。

所述的步骤3具体如下：

步骤3.1.将一幅m×m的二值图像作为原始水印W，将一幅原始图像I进行离散余旋得到系数矩阵K，通过公式(1)将原始水印W嵌入系数矩阵K的中频部分得到嵌入后系数矩阵K′，再将K′进行离散余弦反变换得到嵌入水印图像I′，其中，α为水印嵌入的强度；

K′＝K+W×α   (1)

步骤3.2.通过公式(2)对水印信息进行调整，并得到最终要嵌入三维网格模型的新水印信息W′，且调整后W′(i,j)＞0；其中，δ是一个大于0的整数,i∈(1,M)，j∈(1,M)

W′(i,j)＝I′(i,j)-I(i,j)+δ   (2)。

所述的步骤6.4具体如下：

对藏有水印的M×M的矩阵B，进行离散余弦变换得到频域系数矩阵S；将频域系数矩阵S中含有水印信息的系数S(i,j)提取出来组成序列W，其中i∈(S1,S2)，j∈(S3,S4)；将序列W按照从小到大排序，且将排序后的序列W中的前k个最小值改为O,其他改为1,；然后将更改后的0、1序列恢复到原来频域系数矩阵S中的位置，即排列成m×m的二值图像，该二值图像即为最终恢复的水印信息；k为原始水印二值图像中0的个数。

Claims (4)

1.基于图像离散余弦变换的三维网格模型盲水印方法，其特征在于包括的具体步骤是：

步骤1.为三维模型的每个顶点选取如下两个特征：

特征一：模型顶点V_i到模型中心点O的距离S_i；

特征二：两条连线的夹角θ_i，两条连线分别为模型顶点V_i与它的一阶邻域中心点T_i的连线，一阶领域中心点T_i与模型中心点O的连线；

通过特征一和特征二对三维模型的所有顶点确定一个唯一排序序列；

步骤2.选取排序后顶点序列的前M×M个顶点，并获得前M×M个顶点的纹理坐标，组成一个M×M的纹理坐标矩阵；

步骤3.原始水印是一幅m×m的二值图像，将一幅M×M的原始图像I进行离散余弦变换得到系数矩阵i∈(1,M)，j∈(1,M),将原始水印信息W通过加法模型嵌入到K的中频部分i∈(S1,S2)，j∈(S3,S4)，得到嵌入原始水印信息W后的系数矩阵K′，再将系数矩阵K′反变换回来，得到嵌入水印图像I′；对嵌入水印图像I′和原始图像I的差值进行调整，得到新水印信息W′；

步骤4.将新水印信息W′添加到排序后的前M×M个顶点的纹理坐标，即将新水印信息W′替换掉纹理坐标值的5、6和7这三个有效位，保证嵌入水印的三维网格模型的透明性；

步骤5.M×M个顶点的纹理坐标中，嵌入新水印信息W′的纹理坐标对应的顶点和其余顶点共同构成嵌入水印后的三维模型；

步骤6.嵌入水印后的三维模型中提取原始水印W，具体采用如下步骤：

步骤6-1.首先提取嵌入水印后的三维模型的中心点坐标O′，计算各顶点V_i′到模型中心点坐标O′的距离S_i′，然后计算各个顶点的一阶邻域中心点T_i′，最后计算向量和的夹角θ_i′；

步骤6.2.将嵌入水印后的三维模型的顶点先按S_i′的大小升序排列；如果S_i′相同，则根据顶点对应的夹角θ_i′来进行升序排列，最终获得一个唯一的顶点序列；

步骤6.3.选取唯一排序后顶点序列的前M×M个顶点，获得前M×M个顶点的纹理坐标，提取出得前M×M个顶点的纹理坐标的5、6和7三个有效位，构成藏有水印的M×M的矩阵B；

步骤6.4.将矩阵B进行离散余旋变换得到频域系数矩阵S，按照水印嵌入位置恢复出最终的水印。

2.如权利要求1所述的基于图像离散余弦变换的三维网格模型盲水印方法，其特征在于步骤1具体如下：

设P＝(V,T)，为一个三角形网格模型，其中V＝{V_i|i∈(1,N)},表示模型三角形网格模型P＝(V,T)中的顶点，N为模型顶点的数目，T表示模型的拓扑关系；通过T得到每个顶点的一阶邻域，对于顶点V_i，其一阶邻域定义为与之相邻接的所有顶点的集合；

通过特征一和特征二对三维模型的所有顶点确定一个唯一排序序列，具体如下：

将模型顶点先按S_i的大小升序排列；如果S_i相同，则按照顶点对应的θ_i值进行升序排列，最终获得一个唯一的顶点序列。

3.如权利要求1所述的基于图像离散余弦变换的三维网格模型盲水印方法，其特征在于步骤3具体如下：

步骤3.1.将一幅m×m的二值图像作为原始水印W，将一幅原始图像I进行离散余旋得到系数矩阵K，通过公式(1)将原始水印W嵌入系数矩阵K的中频部分得到嵌入后系数矩阵K′，再将K′进行离散余弦反变换得到嵌入水印图像I′，其中，α为水印嵌入的强度；

K′＝K+W×α         (1)

步骤3.2.通过公式(2)对水印信息进行调整，并得到最终要嵌入三维网格模型的新水印信息W′，且调整后W′(i,j)＞0；其中，δ是一个大于0的整数,i∈(1,M)，j∈(1,M)

W′(i,j)＝I′(i,j)-I(i,j)+δ        (2)。

4.如权利要求1所述的基于图像离散余弦变换的三维网格模型盲水印方法，其特征在于，步骤6.4具体如下：

对藏有水印的M×M的矩阵B，进行离散余弦变换得到频域系数矩阵S；将频域系数矩阵S中含有水印信息的系数S(i,j)提取出来组成序列W，其中i∈(S1,S2)，j∈(S3,S4)；将序列W按照从小到大排序，且将排序后的序列W中的前k个最小值改为O,其他改为1,；然后将更改后的0、1序列恢复到原来频域系数矩阵S中的位置，即排列成m×m的二值图像，该二值图像即为最终恢复的水印信息；k为原始水印二值图像中0的个数。