CN104751402B

CN104751402B - 一种鲁棒可逆水印嵌入的方法

Info

Publication number: CN104751402B
Application number: CN201510182628.2A
Authority: CN
Inventors: 王祥; 裴庆祺; 李骁
Original assignee: Xidian University
Current assignee: Xidian University
Priority date: 2015-04-16
Filing date: 2015-04-16
Publication date: 2018-07-27
Anticipated expiration: 2035-04-16
Also published as: CN104751402A

Abstract

本发明公开了一种鲁棒可逆水印嵌入的方法，包括：水印嵌入和水印提取；充分利用鲁棒水印与可逆水印的特点，将二者结合，提出了可抵抗JPEG压缩攻击的鲁棒可逆水印，通过低通滤波，过滤掉了图片上的噪点，巩固了鲁棒性，边缘检测技术识别图片特征，进而通过图片分块，分块后；通过每个块的边缘检测所得图片纹理像素值，来选取鲁棒水印所要嵌入的块，这样选取的块在经过jpeg压缩之后，用相同方式选取提取的块时，与之前嵌入选取的块的位置保持一致；嵌入水印来增加水印的鲁棒性，抵抗了JPEG压缩攻击。

Description

一种鲁棒可逆水印嵌入的方法

技术领域

本发明属于水印嵌入技术领域，尤其涉及一种鲁棒可逆水印嵌入的方法。

背景技术

近些年来，在军事、医学、遥感图像处理等领域中，学者对于原始图像进行分析和研究，通过调整人眼对于图像中不敏感区域的信息，提出了可逆水印技术。在提取水印之后，原始图像可以被准确无误的恢复。但是，在现实应用过程中，为了方便保存与传输图像，我们往往需要对图像进行压缩(如：当前普遍采用的JPEG压缩)。传统的可逆水印不具有鲁棒性，也就是无法抵抗JPEG压缩攻击。压缩之后，不仅无法恢复原图片，而且水印也无法提取。

发明内容

本发明的目的在于提供一种鲁棒可逆水印嵌入的方法，旨在解决现有可逆水印鲁棒性差，不具有良好的抵抗JPEG压缩的问题。

本发明是这样实现的，一种鲁棒可逆水印嵌入的方法，该鲁棒可逆水印嵌入的方法包括水印的嵌入和提取；

水印的嵌入具体包括如下步骤：

步骤一，对原图I进行低通滤波处理，对原图片I进行高斯低通滤波处理，得图片I1；

步骤二，对I1进行边缘检测，对图片I1进行边缘检测，得图片I2；

步骤三，将图片I2分块、排序；

步骤四，鲁棒水印的嵌入；将原图片I分块，每个子块大小为64*64，单位为比特，一共得8*8个子块；再将64*64大小子块分成8*8大小的小子块，在原图中挑出步骤三选择的子块，用patchwork算法嵌入鲁棒水印；

步骤五，记录嵌入鲁棒水印后的像素点的溢出值与溢出坐标，作为可逆水印的一部分；

步骤六，根据步骤五的结果对图像均值进行修改，修改值作为可逆水印的一部分；

步骤七，可逆水印的嵌入，避开已经嵌入鲁棒水印的块儿，嵌入可逆水印；

步骤八，合成嵌入水印后的图片，将嵌入鲁棒水印和可逆水印的块合并，得嵌入水印的图片IW；

步骤九，对IW进行JPEG压缩，得图片IWJG；

水印提取具体包括如下步骤：

第一步，对IWJG进行低通滤波处理；对图片IWJG进行高斯低通滤波处理，得图片I1’；

第二步，对I1’进行边缘检测，对图片I1’进行边缘检测，得图片I2’；

第三步，将图片分块、排序；

第四步，鲁棒水印的提取，将原图片分块，每个子块大小为64*64，一共得8*8个子块；在IW中挑出第三步选择的子块，用patchwork算法提取鲁棒水印；

第五步，可逆水印的提取，避开已经提取过鲁棒水印的块儿，提取可逆水印；

第六步，合成嵌入水印后的图片，将提取后鲁棒水印和可逆水印的块合并，得提取水印的图片IR。

进一步，步骤一中具体用matlab一个函数I_1＝fspecial('gaussian',[4,4],0.5)；I_2＝filter2(I_1,I)；I_2即为低通滤波处理过的图片。

进一步，步骤三具体包括：

第一步，将图片I2分块，每个子块大小为64*64，一共得8*8个子块；

第二步，计算每个子块的像素值之和，记为sum(j){j属于1～8*8}；

第三步，将每子块的像素点之和进行降序排列；

第四步，取排序后的前N块(N<8*8)；

第五步，计算选取的排序好的前N块，前后相邻的块的像素值之差，diff(i)＝sum(i)–sum(i+1){i属于1～N-1}；

第六步，比较得出像素值之差的最大值，即Max(diff)，即找到像素值之差最大值的减数—第M块；

第七步，选取前N块中的前M块；

第八步，由于要做处理的是K，K即嵌入鲁棒水印的子块个数块，M>K，所以选取在这M块中，位置排序靠前的前K块，若M<K，则之前选取N块中，位置排序靠前的前K块。

进一步，第四步具体包括：

步骤一，将图片I1分块，每个子块大小为64*64，一共得8*8个子块；

步骤二，将步骤一的子块再分块，每个块大小为8*8，一共得8*8个子块；

步骤三，将每个小子块的像素点，一个有8*8个像素点,，随机分成A、B部分，每部分32个像素点；

步骤四，鲁棒水印为1，则将部分A的像素点的像素值均加上嵌入强度，部分B则减去derta；鲁棒水印为0，则将部分B的像素点的值加上嵌入强度，部分A则减去嵌入强度。

进一步，步骤五具体包括：记录溢出点的位置与溢出值；像素点加减嵌入强度之后，造成上溢、下溢情况，即像素值大于255或者小于0；如果发生这类情况，则需将像素点的坐标和溢出值记录下来。

进一步，步骤六图像均值修改的方法具体包括：

第一步，令阈值T等于二倍的嵌入强度；

第二步，将每个小子块的A,B部分分别求像素值均值；即将A部分所有像素点的值相加之和，除以32；B部分同理；得均值，averA，averB；

第三步，若此子块嵌入鲁棒水印为1，则求averA与averB之差，得diff；若diff大于阈值T，则不改变均值；若diff小于阈值T，则：

averA＝averA+(T-diff)/2；

averB＝averB-(T-diff)/2；

第四步，若此子块嵌入鲁棒水印为0，则求averB与averA之差，得diff’；若diff’大于阈值T，则不改变均值；若diff’小于阈值T，则averA＝averA-(T-diff)/2；

averB＝averB+(T-diff)/2；

第五步，将diff与diff’记录下作为可逆水印的一部分。

本发明提供的鲁棒可逆水印嵌入的方法，包括：水印嵌入和水印提取；本发明充分利用鲁棒水印与可逆水印的特点，将二者结合，提出了可抵抗JPEG压缩攻击的鲁棒可逆水印。

本发明与现有技术相比，具有以下优势：

1、本发明是先通过低通滤波，过滤掉了图片上的噪点，降低了噪点对提取时选择块的干扰这一问题，巩固了水印的鲁棒性；例如：将512*512大小图片分成16*16个，大小为32*32比特的块时，如果将图片进行低通滤波处理后，用步骤三的方法选取三个块的坐标为(14,2)，(15,2)，(14,3)，在对嵌入水印后的图片进行一定百分比范围内的jpeg压缩后，再用同样方法选取块时，坐标保持不变，也就是块的位置保持不变；若不进行低通滤波处理，在同样百分比范围的jpeg压缩后，选取的块的位置会发生变化；

由此，进一步提高了水印的提取正确性，巩固了水印的鲁棒性；

2、本发明是通过边缘检测技术识别图片特征，在区域块上进行操作，克服了现有技术在像素点上进行操作，所需的数据量大，运算时间长的问题；

本发明首先将待分割图像利用边缘检测进行处理，处理后的图片只保留图像中基本的纹理，然后在各个区域块上进行操作，得到区域块的像素和，最后把区域块的像素之和按照步骤三进行排序，所需的运算数据量小，提高了图像分割的效率；

本发明在以上两处优势的基础下，保证了图片鲁棒性，又提高了图像的PSNR值(峰值信噪比(PSNR)，一种评价图像质量的客观标准)，较好的解决了现有可逆水印鲁棒性差，不具有良好的抵抗JPEG压缩的问题。

附图说明

图1是本发明实施例提供的鲁棒可逆水印嵌入的方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图及具体实施例对本发明的应用原理作进一步描述。

如图1所示，本发明实施例的鲁棒可逆水印嵌入的方法包括以下步骤：

S101：对IW进行jpeg压缩，得图片IW_comped；

S102：对IW_comped低通滤波处理，得图片I1'；

S103：对I1'进行edge处理，得图片I2'；

S104：将I2'分块儿(每块为64*64大小)；

S105：对每块进行sum，对sum值进行排序(由大到小)，取最大的前10块儿；

S106：计算排序后的sum值的差D_value(如D_value6＝sum6-sum7)，取最大的差值(如D_value6is max)，则取sum值最大的前6块。在这前6块中，取在原图位置排序靠前的前3块；

S107：对选取的3块再进行分块(每小块分成8*8大小)，对其进行鲁棒水印提取(用Patchwork算法)；

S108：再避开已经嵌入的鲁棒水印的块，进行嵌入可逆水印(用peng的算法)；

S109：得提取水印后的图片IR。

本发明的具体包括如下：

1.水印嵌入过程：

(1)对原图进行低通滤波处理：

对原图片(例：Lena，大小512*512)进行高斯低通滤波处理，得图片I1；

(2)对I1进行边缘检测：

对图片I1进行边缘检测，得图片I2；

(3)将图片分块、排序：

(3a)将图片I2分块，每个子块大小为64*64，一共得8*8个子块；

(3b)计算每个子块的像素点值之和(以下简称“和值”)；

(3c)将每子块的和值进行降序排列；

(3d)取排序后前N块(N<8*8)；

(3e)计算选取的两两相邻块的和值之差；

(3f)比较得出和值之差的最大值，即找到和值之差最大值的减数—第M块；

(3g)选取前N块中的前M块；

(3h)由于真正要做处理的是K块(M>K)，所以选取在这M块中，位置排序靠前的前K块。若M<K，则之前选取N块中，位置排序靠前的前K块；

(4)鲁棒水印的嵌入：

(4a)将原图片分块，每个子块大小为64*64，一共得8*8个子块；

(4b)在原图中挑出步骤3选择的子块，用patchwork算法嵌入鲁棒水印；

(4c)记录嵌入鲁棒水印后的像素点的溢出值与溢出大小，作为可逆水印的一部分；

(4d)利用鲁棒水印提取的方法，记录水印信息，也作为可逆水印的一部分；

(5)可逆水印的嵌入：

避开已经嵌入鲁棒水印的块儿，嵌入可逆水印；

(6)合成嵌入水印后的图片：

将嵌入鲁棒水印和可逆水印的块合并，得嵌入水印的图片IW。

(7)对IW进行JPEG压缩，得图片IWJG

2.水印提取过程

(1)对IWJG进行低通滤波处理：

对图片IWJG进行高斯低通滤波处理，得图片I1’；

(2)对I1’进行边缘检测：

对图片I1’进行边缘检测，得图片I2’；

(3)将图片分块、排序：

(3a)将图片I2’分块，每个子块大小为64*64，一共得8*8个子块；

(3b)计算每个子块的像素点值之和(以下简称“和值”)；

(3c)将每子块的和值进行降序排列；

(3d)取排序后前N块(N<8*8)；

(3e)计算选取的前后相邻块的和值之差；

(3f)比较得出和值之差的最大值，即找到和值之差最大值的减数——第M块；

(3g)选取前N块中的前M块；

(3h)由于真正要做处理的是K块(K>M)，所以选取在这M块中，位置排序靠前的前K块。若M<K，则之前选取N块中，位置排序靠前的前K块；

(4)鲁棒水印的提取：

(4a)将原图片分块，每个子块大小为64*64，一共得8*8个子块；

(4b)在IW中挑出步骤3选择的子块，用patchwork算法提取鲁棒水印；

(5)可逆水印的提取：

避开已经提取过鲁棒水印的块儿，提取可逆水印；

(6)合成嵌入水印后的图片：

将提取后鲁棒水印和可逆水印的块合并，得提取水印的图片IR。

本发明实施例的鲁棒可逆水印嵌入的方法包括水印的嵌入和提取；

水印的嵌入具体包括如下步骤：

步骤三，将图片I2分块、排序；

步骤四，鲁棒水印的嵌入；将原图片I分块，每个子块大小为64*64，单位为比特，一共得8*8个子块；再将(64*64大小)子块分成(8*8大小)的小子块。在原图中挑出步骤三选择的子块，用patchwork算法嵌入鲁棒水印；

步骤九，对IW进行JPEG压缩，得图片IWJG；

水印提取具体包括如下步骤：

第三步，将图片分块、排序；

步骤三具体包括：

第三步，将每子块的像素点之和进行降序排列；

第四步，取排序后的前N块(N<8*8)；

第六步，比较得出像素值之差的最大值(即Max(diff))，即找到像素值之差最大值的减数—第M块；

第七步，选取前N块中的前M块；

第八步，由于要做处理的是K(K是自己确定的值，即嵌入鲁棒水印的子块个数)块(M>K)，所以选取在这M块中，位置排序(此排序位置为从分块后，左上角到右下角，按列依次排序)靠前的前K块，若M<K，则之前选取N块中，位置排序靠前的前K块。

第四步具体包括：

步骤三，将每个小子块的像素点(一个有8*8个像素点)，随机分成A、B部分(每部分32个像素点)；

步骤四，鲁棒水印为1，则将部分A的像素点的像素值均加上嵌入强度(derta)，部分B则减去derta；鲁棒水印为0，则将部分B的像素点的值加上嵌入强度(derta)，部分A则减去嵌入强度(derta)；

步骤五具体包括：

记录溢出点的位置与溢出值；像素点加减derta之后，有可能造成上溢、下溢情况(即像素值大于255或者小于0)；如果发生这类情况，则需将像素点的坐标和溢出值(上溢溢出值为像素值减255，下溢溢出值为0减像素值)记录下来；

步骤六具体包括：

第一步，令阈值T等于二倍的嵌入强度derta；

第二步，将每个小子块的A,B部分分别求像素值均值；(即将A部分所有像素点的值相加之和，除以32；B部分同理；得均值，averA，averB)；

第三步，若此子块嵌入鲁棒水印为1，则求averA与averB之差，得diff。若diff大于阈值T，则不改变均值；若diff小于阈值T，则：

averA＝averA+(T-diff)/2；

averB＝averB-(T-diff)/2；

第四步，若此子块嵌入鲁棒水印为0，则求averB与averA之差，得diff’。若diff’大于阈值T，则不改变均值；若diff’小于阈值T，则averA＝averA-(T-diff)/2；averB＝averB+(T-diff)/2；

第五步，将diff与diff’记录下作为可逆水印的一部分。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims

1.一种鲁棒可逆水印嵌入的方法，其特征在于，该鲁棒可逆水印嵌入的方法包括水印的嵌入和提取；

水印的嵌入具体包括如下步骤：

步骤一，对原图片I进行高斯低通滤波处理，得图片I1；

步骤二，对图片I1进行边缘检测，得图片I2；

步骤三，将图片I2分块、排序；

步骤四，将原图片I分块，每个子块大小为64*64，单位为比特，一共得8*8个子块；再将64*64大小子块分成8*8大小的小子块，在原图中挑出步骤三选择的子块，用patchwork算法嵌入鲁棒水印；

步骤七，避开已经嵌入鲁棒水印的块儿，嵌入可逆水印；

步骤八，将嵌入鲁棒水印和可逆水印的块合并，得嵌入水印的图片IW；

步骤九，对IW进行JPEG压缩，得图片IWJG；

水印提取具体包括如下步骤：

第一步，对图片IWJG进行高斯低通滤波处理，得图片I1’；

第二步，对图片I1’进行边缘检测，得图片I2’；

第三步，将图片分块、排序；

第四步，将原图片分块，每个子块大小为64*64，一共得8*8个子块；在IW中挑出第三步选择的子块，用patchwork算法提取鲁棒水印；

第五步，避开已经提取过鲁棒水印的块儿，提取可逆水印；

第六步，将提取后鲁棒水印和可逆水印的块合并，得提取水印的图片IR。

2.如权利要求1所述的鲁棒可逆水印嵌入的方法，其特征在于，步骤一中高斯低通滤波处理具体用matlab一个函数：

I_1＝fspecial('gaussian',[4,4],0.5)；

I_2＝filter2(I_1,I)；

I_2即为低通滤波处理过的图片。

3.如权利要求1所述的鲁棒可逆水印嵌入的方法，其特征在于，水印的嵌入步骤三具体实现方法包括：

第三步，将每子块的像素点之和进行降序排列；

第四步，取排序后的前N块，N<8*8；

第六步，比较得出像素值之差的最大值，即Max(diff)，即找到像素值之差最大值—第M块；

第七步，选取前N块中的前M块；

第八步，K即嵌入鲁棒水印的子块个数块，M>K，所以选取在这M块中，位置排序靠前的前K块，M<K，则之前选取N块中，位置排序靠前的前K块。

4.如权利要求1所述的鲁棒可逆水印嵌入的方法，其特征在于，水印提取第四步的具体方法包括：

步骤一，将原图片I分块，每个子块大小为64*64，一共得8*8个子块；

步骤三，将每个小子块的像素点，一个有8*8个像素点，随机分成A、B部分，每部分32个像素点；

步骤四，鲁棒水印为1，则将部分A的像素点的像素值均加上嵌入强度，部分B则减去嵌入强度；鲁棒水印为0，则将部分B的像素点的值加上嵌入强度，部分A则减去嵌入强度。

5.如权利要求1所述的鲁棒可逆水印嵌入的方法，其特征在于，步骤五的具体方法包括：记录溢出点的位置与溢出值；像素点加减嵌入强度之后，造成上溢、下溢情况，即像素值大于255或者小于0；将像素点的坐标和溢出值记录下来。

6.如权利要求1所述的鲁棒可逆水印嵌入的方法，其特征在于，水印的嵌入步骤六中图像均值修改的方法具体包括：

第一步，令阈值T等于二倍的嵌入强度；

第三步，子块嵌入鲁棒水印为1，则求averA与averB之差，得diff；diff大于阈值T，则不改变均值；diff小于阈值T，则：

averA＝averA+(T-diff)/2；

averB＝averB-(T-diff)/2；

第四步，子块嵌入鲁棒水印为0，则求averB与averA之差，得diff’；diff’大于阈值T，则不改变均值；diff’小于阈值T，则averA＝averA-(T-diff)/2；averB＝averB+(T-diff)/2；

第五步，将diff与diff’记录下作为可逆水印的一部分。