CN104933668A - 一种基于局部定位和Alattar整数变换的可逆水印的处理方法 - Google Patents

Abstract

本发明公开了一种基于局部定位和Alattar整数变换的可逆水印的处理方法，该方法利用Alattar整数变换的均值不变性对图像块的局部纹理特征进行评估，具体通过某一图像块的均值和环绕此图像块的所有像素的相关程度来评定这个图像块是否位于平滑区域。在方法中，为了保持较高的视觉质量，仅对位于平滑区域的图像块进行水印嵌入，而对位于纹理复杂区域的图像块使其保持不变。利用均值不变性对图像块的局部纹理特征进行评估的思想，本发明解决了Alattar方法中在嵌入率低的时候无法高效压缩位置图的问题，从而在低嵌入率时实现了高PSNR值。总之，通过引入局部定位，本发明可以高效地压缩位置图，从而提高了嵌入性能。

Description

一种基于局部定位和Alattar整数变换的可逆水印的处理方法

技术领域

本发明属于多媒体信号处理领域，具体是一种基于局部定位和Alattar整数变换的可逆水印的处理方法。

背景技术

数字水印技术是指在数字多媒体中嵌入一些标识或签名而不被察觉的一种技术，数字水印技术在一些应用场合起到至关重要的作用，例如数字媒体的版权保护、认证、数据完整性、数字指纹及数据隐藏等，但传统的数字水印技术通常对载体图形引入一些细微的、不可逆的失真，甚至会造成宿主图像的永久性失真，但在一些实际应用中却不允许对宿主图像有一丁点的永久修改，比如医疗、军事和司法等领域。以医学图像为例，任何形式的失真都是不允许的。任何一幅医学图像的获取需要精密仪器的支持和昂贵的医疗费用，更为重要的是失真可能会造成潜在的误诊。例如，对于一幅ECG(electrocardiographic)信号图，任何一点信号曲线的异常都有可能被解释为某种病理特征。因此，传统的数字水印技术并不适用于医学图像。当隐藏数据被提取后，原始图形需要被无失真地恢复，因此即使是非常轻微的失真也是不允许的，在这种情况下，出现了无失真地恢复原始图像的嵌入技术，又称可逆的，无损的或是可消除的数据嵌入技术。可逆水印的技术引起了越来越多人的研究与关注，可逆数字水印能以无损的方式将相关水印信息嵌入到宿主图像中，能在接收端有效地提取水印并精确恢复原始图像。

如何在保持载体图像视觉质量的情况下显著提高水印嵌入的数据容量，成为近年来图像可逆水印方法研究的主要方向之一。王祥等于2010年在IEEE信号处理快报，17卷(6)发表了“直方图平移的自适应大容量可逆水印方法”的文章，其中第567–570页(Wang(X.Wang,X.L.Li,B.Yang,and Z.M.Guo,“Efficientgeneralized integer transform for reversible watermarking,”IEEE Signal ProcessingLetters,vol.17(6),pp.567–570,2010)，提出一种基于有效整数变换的可逆水印技术。

y₁＝2x₁-a(x)         (1)

y₂＝2x₂-2f(a(x))+w₁

＝2x₂-(a(x)+LSB(a(x)))+w₁

…

y_n＝2x_n-2f(a(x))+w_n-1

＝2x_n-(a(x)+LSB(a(x)))+w_n-1

用x来表示某一包含了n个像素的图像子块，即x＝(x₁,x₂,…,x_n)，y＝(y₁,y₂,…,y_n)表示携带水印后的图像子块，代表子块x的均值，即 w_i(i∈{0,1,…,n-1})代表1-比特水印信息即w_i∈{0,1，}LSB(·)代表最不重要位。

从等式(1)可以看出，王祥等人的方法可认为是一个预测过程(即用去预测x中的每一个像素)。王祥等人以大量的实验证明将图像分成4×4大小的图像块能实现最好的性能。然而，从王祥的论文中附图中可以看出，王祥的方法在低嵌入率时无法实现高的高的峰值信噪比(PSNR)值。众所周知，块的大小越小，块内像素的相关性越强。也就是说，4×4大小的图像块的块内相关性肯定比2×2大小的图像块的块内相关性弱。为什么王祥等人的方法不选用2×2的图像块，这是因为将图像分成4×4大小的图像块有一个优势：即它的位置图的大小只有原始图像大小的十六分子一(0.0625)。如果将块的大小设定为2×2，尽管块内像素的相关程度高，然而其位置图的大小是原始图像大小的四分之一，即0.25，位置图很大。当选择小的嵌入门限时，位置图很难压缩，所有可用容量全部被压缩的位置图所消耗，因此，必须提高嵌入门限才能实现所需的低嵌入率。不提高嵌入门限也可实现低的嵌入率，即将块的大小设定为4×4，但由于块内相关性较弱，因此无法实现高的峰值信噪比(PSNR值)。

另外，王祥等人通过计算块的方差来决定嵌多少比特进入到这个图像块中，方差越小，嵌入的比特数就越多；方差越大，嵌入的比特数就越少。在王祥的方法中，即使某一个像素和其均值相差很大，也必须嵌入相同的比特到这个像素中，因此，对这个像素来说，嵌入失真比较高。

发明内容

基于以上现有技术的不足，本发明所解决的技术问题在于提供一种基于局部定位和Alattar整数变换的可逆水印的处理方法，利用Alattar的整数变换具有均值不变性的特点对图像块进行局部定位，从而实现低嵌入率下的高视觉效果和高的峰值信噪比。

为了解决上述技术问题，本发明提供一种基于局部定位和Alattar整数变换的可逆水印的处理方法，通过某一图像块的均值和环绕此图像块的所有像素的相关程度来评定这个图像块是否位于平滑区域，包括：

水印嵌入过程，包括以下步骤：

(1)图像块的局部定位：将一幅载体图像素分成互不重叠的图像块，每一个图像块包含n个像素，对于任一图像块，先计算块的均值，再将计算得到的均值和图像块的(n+1)个相邻像素组成一个像素集合，并计算该集合的方差，通过此方差的大小来判定图像块是位于平滑区域还是纹理区域，若方差小于给定的门限vT_h，则认为图像块属于平滑区域，否则认为图像块位于纹理区域；

(2)水印嵌入：将位于平滑区域的图像块分成两类：①第一类包含了水印嵌入后没有遭受像素溢出的图像块；②剩余的图像块归为第二类；产生一个位置图来标识这两类，并将无损压缩后的位置图和载荷一起嵌入到载体图像中；对属于第一类的图像块，先对其做Alatter整数变换，得到均值和(n-1)个差值，对于其中任一差值，若其小于嵌入门限pT_h，则对它用差扩展的方式进行1比特水印的嵌入，否则对其进行灰度平移；待所有属于第一类的图像块经上述修改之后，得到含水印的图像；在嵌入的过程中，对位于纹理区域的图像块和属于第二类的图像块不做任何修改；

水印提取和原始图像恢复过程，为水印嵌入过程的逆过程，包括以下步骤：

(1)按照和嵌入过程相同的方式将含水印的图像分成互不重叠的图像块；

(2)抽取压缩后的位置图，并对其进行无损恢复得到原始位置图；

(3)采用和嵌入过程相反的顺序对块进行水印的抽取，即先嵌的后抽取，后嵌的先抽取，对于某一图像块，如果其所对应的方差大于门限vT_h，则保持其不变，若其方差小于门限vT_h，且位置图中所对应的位置标示的是“0”，不做任何处理，对于剩余的属于第二类的图像块，对其进行水印的抽取和原始图像的恢复。

对于某一图像块，用其均值来代表整个图像块，并测定环绕这个图像块的所有像素和块的均值之间的相关程度，从而来决定这个图像块是否位于平滑区域中。在本发明中，相关程度定义为环绕这个图像块的所有像素和块的均值之间的方差。只要图像块的均值在嵌入前后不发生变化，方差在解码端就不会发生任何变化。在解码端，不需要任何附加信息就能正确得到每一个图像块所对应的方差，依据不变的方差，就能区分出图像块是位于平滑区域还是纹理区域，因此，位置图只需记载那些位于平滑区域的、而嵌入水印后发生像素溢出的图像块，从而位置图的大小被大大降低。即使图像块的大小被设定为2×2，由于位置图的大小被降低了，因此，也不必担心位置图压缩的问题。又由于本发明仅嵌水印信息在位于平滑区域的图像块中，所以能实现低嵌入率下的高PSNR值。

进一步，引入灰度平移技术到Alattar整数变换中去，Alattar(A.M.Alattar，“Reversible watermark using the difference expansion of a generalized integertransform，”IEEE Trans.Image Process.，vol.13，no.8，pp.1147–1156，2004.)提出了一种广义差值扩展的可逆水印方法。Alatter提出的广义可逆整数小波变换可概括如下:

y₂＝y₁+2(x₂-x₁)+w₁

…

y_n＝y₁+2(x_n-x₁)+w_n-1

假设代入到等式(2)可得：

…

从等式(3)可以看出，Alattar可分成两个部分：一个预测过程(用去预测x中的每一个像素)和一个附加项Alattar有它自身的弱点：为了保证图像子块的在嵌入前后不发生变化，除了对每一个像素引入一个预测过程，它还必须要对每一个像素引入一个附加项，这个附加项的引入必定会在预测失真的基础上进一步增大嵌入失真。由于k₂∈{0,1,…,n-1}和w_i∈{0,1}(i∈{1,2,…,m×n-1})，则即例如，当k₂∈{0,1,…,n-1}，且w_i＝1(i∈{1,2,…,m×n-1})，附加项的值可达到2。因此，由于这个附加项的引入，Alatter对每个像素额外多引入了最高可达2的嵌入失真。

在Alattar的方法中，由于这个附加项的存在，每一个像素无法携带多比特水印信息(即比特数≥2)，否则由于嵌入多比特水印所引入的嵌入失真远高于增加的比特率，结果嵌入性能反而下降。

因此，在本发明中，对于Alattar的整数变换的优点，即整数变换具有均值不变性，利用均值不变性去评定图像块是否位于平滑区域还是纹理区域，从而实现了低嵌入率下的高PSNR值。对于Alattar的整数变换的自身缺点，本发明不会在一次嵌入过程中对某一图像块的像素进行多比特水印的嵌入，而是在一次嵌入过程中仅对图像块的像素进行1比特水印嵌入。本发明通过执行多次嵌入过程以便实现高的嵌入率。

在水印嵌入过程中，将一副大小为R×C的载体图像素I分割成互不重叠的n＝r×c大小的图像子块，并以行的方向对每块进行编号，记为：对于其中一个图像块 $B_{i,j}=\left[\begin{array}{cccc}{x}_{1,1},& & ...,& x_{1,c}\\ & ...& & \\ x_{r,1},& & ...,& x_{r,c}\end{array}\right]$ 对它按照奇数行从左到右，偶数行从右到左的方式进行扫描，将二维的图像块转换成一维像素序列x＝{x₁,…,x_n}；

基于Alattar的整数变换，得到(n-1)个差值d_j(j∈{1,2,…,n-1})，对于其中任一差值，如果它的值属于[-pT_h,pT_h)，则对它进行1比特水印嵌入；否则，按照等式(6)对其进行幅值为pT_h的灰度平移；

$d_k^{\′}=\left\{\begin{array}{cc}2d_k+b,& d_k\∈[-p{T}_h,p{T}_h)\\ d_k-p{T}_h,& d_k\≤-p{T}_h-1\\ d_k+p{T}_h,& d_k\≥p{T}_h\end{array}\right.---\left(6\right)$

其中pT_h表示嵌入门限，b表示1比特水印信息，b∈{0,1}，利用等式(6)，对d_k(k∈{1,2,…,n-1})进行修改，得到修改后的差值d'_k，再将其带入到Alattar的整数变换中得到含水印信息的像素序列y＝y₁,…,y_n；

y₂＝y₁+d₁'

y₃＝y₂+d'₂

…

y_n＝y_n-1+d'_n-1

对于某一图像块若存在(r+c+1)个像素环绕着它，则将这些像素(用x_1,c+1,…,x_r,c+1,x_r+1,c+1,x_r+1,1,…,x_r+1,c表示)和块的均值μ_b,i构成一个像素集I_ENP，并用σ表示像素集I_ENP的方差，依据σ的大小来判定B_i,j是位于平滑区域还是纹理区域，由以下公式可计算出σ的值：

$\mathrm{\σ}=\sqrt{\begin{array}{c}\frac{\underset{k=1}{\overset{r}{\mathrm{\Σ}}}{(x_{k,c+1}-u_{\mathrm{ENP}})}^2}{n}\\ +\frac{{(x_{r+1,c+1}-u_{\mathrm{ENP}})}^2+{({\stackrel{\‾}{x}}_i-u_{\mathrm{ENP}})}^2}{n}\\ +\frac{\underset{k=1}{\overset{c}{\mathrm{\Σ}}}{(x_{r+1,k}-u_{\mathrm{ENP}})}^2}{n}\end{array}}$

其中μ_ENP表示集合I_ENP的均值，若方差小于给定的门限vT_h，则认为B_i,j和环绕它的所有像素之间存在着很强的相关性，即认为B_i,j属于平滑区域；否则认为两者之间的相关性弱，B_i,j属于纹理区域；若R能被r整除，则对于块不存在(r+c+1)个像素环绕着它们，因此为了保证方法的可逆性，在嵌入过程中不会对这类图像块做任何处理；若C能被c整除，则在嵌入过程中，不对块做任何的修改。

其中，所述位置图大小为含水印的图像子块y中的每一含水印像素必须在[0,255]范围之内，否则含水印像素将遭受溢出，像素溢出将直接导致在解码端无法正确恢复出原始图像子块x；定义D＝{x∈A:0≤y_i≤255(1≤i≤n)}，其中对于x∈A，将其分成以下三类：E_s＝{x∈D:σ＜vT_h}，和O_s2＝{x∈A-E_s∪O_s1:σ≥vT_h}，用位置图来来标识其中的两类，位置图中符号“1”表示E_s中的图像块，“0”表示O_s1中的图像块，压缩位置图产生的码流用L表示，假设其长度为L_S，待嵌入水印信息来自两个方面：1)压缩后的码流L；2)载荷P。

水印信息的嵌入过程：对于任一子块x，如果它属于E_s，则按照公式(6)对x进行修改；如果属于O_s1，则保持不变，即y＝x；

位置图的嵌入过程：对于前个图像块中的每一个像素按照水印信息的嵌入过程的步骤修改完之后，收集y中像素的最不重要位，并把收集到的L_S个最不重要位添加到载荷P的后面，剩余的图像块，对其处理的过程和前个图像块类似，待全部图像块处理完了之后，得到水印图像I_W。

与现有技术相比，本发明的基于局部定位和Alattar整数变换的可逆水印的处理方法具有以下优点：⑴利用Alattar提出的整数变换具有均值不变性的特点对图像块进行局部定位，从而实现低嵌入率下的高视觉效果；⑵降低了记载图像块的位置信息的位置图的大小。其基本思想包括两个过程：水印嵌入过程和水印提取过程，该方法考虑到Alattar提出的整数变换有一均值不变的特点，可以利用其进行图像块的局部定位(即定位那些位于平滑区域的图像块)。由于Alattar方法自身存在的不足，相对于已有的基于整数变换的方法性能较弱，本发明的提出提高了Alattar方法的嵌入性能，特别是在低嵌入率时，本发明的性能远远优于已有的基于整数变换的方法。所设计的基于局部定位和Alattar整数变换的可逆水印方案——无论是在嵌入容量上，还是在恢复图像质量的主观评价上，都有了相当程度的提高。本发明的基于局部定位和Alattar整数变换的可逆水印的处理方法由于局部定位的引入，可以高效地压缩位置图，从而提高了嵌入容量。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下结合优选实施例并配合附图，详细说明如下。

附图说明

图1是本发明实施的基于局部定位和Alattar整数变换的可逆水印的处理方法的隐藏信息嵌入流程图。

图2以512×512大小的`Lena’为测试图像，本发明和Alattar、Luo、Peng方案的性能比较图。

图3对于512×512大小的`Baboon’为测试图像，本发明和Alattar、Luo、Peng方案的性能比较图。

图4对于512×512大小的`Barbara’为测试图像，本发明和Alattar、Luo、Peng方案的性能比较图。

图5对于512×512大小的`Sailboa’t为测试图像，本发明和Alattar、Luo、Peng方案的性能比较图。

图6对于512×512大小的`Airplane’为测试图像，本发明和Alattar、Luo、Peng方案的性能比较图。

图7对于512×512大小的`Goldhill’为测试图像，本发明和Alattar、Luo、Peng方案的性能比较。

具体实施方式

下面结合附图详细说明本发明，其作为本说明书的一部分，通过实施例来说明本发明的原理，本发明的其他方面、特征及其优点通过该详细说明将会变得一目了然。在所参照的附图中，不同的图中相同或相似的部件使用相同的附图标号来表示。

如图1，本发明实施例的基于局部定位和Alattar整数变换的可逆水印的处理方法的结构示意图，本发明的基于局部定位和Alattar整数变换的可逆水印的处理方法通过某一图像块的均值和环绕此图像块的所有像素的相关程度来评定这个图像块是否位于平滑区域，包括：

水印嵌入过程，包括以下步骤：

(1)图像块的局部定位：将一幅载体图像素分成互不重叠的图像块，每一个图像块包含n个像素，对于任一图像块，先计算块的均值，再将计算得到的均值和图像块的(n+1)个相邻像素组成一个像素集合，并计算该集合的方差，通过此方差的大小来判定图像块是位于平滑区域还是纹理区域，若方差小于给定的门限vT_h，则认为图像块属于平滑区域，否则认为图像块位于纹理区域；

(2)水印嵌入：将位于平滑区域的图像块分成两类：①第一类包含了水印嵌入后没有遭受像素溢出的图像块；②剩余的图像块归为第二类；产生一个位置图来标识这两类，并将无损压缩后的位置图和载荷一起嵌入到载体图像中；对属于第一类的图像块，先对其做Alatter整数变换，得到均值和(n-1)个差值，对于其中任一差值，若其小于嵌入门限pT_h，则对它用差扩展的方式进行1比特水印的嵌入，否则对其进行灰度平移；待所有属于第一类的图像块经上述修改之后，得到含水印的图像；在嵌入的过程中，对位于纹理区域的图像块和属于第二类的图像块不做任何修改；

水印提取和原始图像恢复过程，为水印嵌入过程的逆过程，包括以下步骤：

(1)按照和嵌入过程相同的方式将含水印的图像分成互不重叠的图像块；

(2)抽取压缩后的位置图，并对其进行无损恢复得到原始位置图；

(3)采用和嵌入过程相反的顺序对块进行水印的抽取，即先嵌的后抽取，后嵌的先抽取，对于某一图像块，如果其所对应的方差大于门限vT_h，则保持其不变，若其方差小于门限vT_h，且位置图中所对应的位置标示的是“0”，不做任何处理，对于剩余的属于第二类的图像块，对其进行水印的抽取和原始图像的恢复。

具体实施时，在水印嵌入过程中，将一副大小为R×C的载体图像素I分割成互不重叠的n＝r×c大小的图像子块，并以行的方向对每块进行编号，记为：对于其中一个图像块 $B_{i,j}=\left[\begin{array}{cccc}{x}_{1,1},& & ...,& x_{1,c}\\ & ...& & \\ x_{r,1},& & ...,& x_{r,c}\end{array}\right]$ 对它按照奇数行从左到右，偶数行从右到左的方式进行扫描，将二维的图像块转换成一维像素序列x＝{x₁,…,x_n}；

基于Alattar的整数变换，Alattar提出的整数变换描述如下：

d₁＝x₂-x₁

d₂＝x₃-x₂

…

d_n-1＝x_n-x_n-1

其中d_k(k∈{1,2,…,n-1})表示两个相邻像素之间的差值。

整数变换的逆过程描述如下：

x₂＝x₁+d₁

x₃＝x₂+d₂

…

x_n＝x_n-1+d_n-1

得到(n-1)个差值d_j(j∈{1,2,…,n-1})，对于其中任一差值，如果它的值属于[-pT_h,pT_h)，则对它进行1比特水印嵌入；否则，按照等式(6)对其进行幅值为pT_h的灰度平移。

$d_k^{\′}=\left\{\begin{array}{cc}2d_k+b,& d_k\∈[-p{T}_h,p{T}_h)\\ d_k-p{T}_h,& d_k\≤-p{T}_h-1\\ d_k+p{T}_h,& d_k\≥p{T}_h\end{array}\right.---\left(6\right)$

其中pT_h表示嵌入门限。b表示1比特水印信息，b∈{0,1}。利用等式(6)，对d_k(k∈{1,2,…,n-1})进行修改，得到修改后的差值d'_k，再将其带入到等式(5)就可得到含水印信息的像素序列y＝y₁,…,y_n；

y₂＝y₁+d₁'

y₃＝y₂+d'₂

…

y_n＝y_n-1+d'_n-1

对于某一图像块若存在(r+c+1)个像素环绕着它，则将这些像素(用x_1,c+1,…,x_r,c+1,x_r+1,c+1,x_r+1,1,…,x_r+1,c表示)和块的均值μ_b,i构成一个像素集I_ENP，并用σ表示像素集I_ENP的方差，从而可依据σ的大小来判定B_i,j是位于平滑区域还是纹理区域，由以下公式可计算出σ的值：

$\mathrm{\σ}=\sqrt{\begin{array}{c}\frac{\underset{k=1}{\overset{r}{\mathrm{\Σ}}}{(x_{k,c+1}-u_{\mathrm{ENP}})}^2}{n}\\ +\frac{{(x_{r+1,c+1}-u_{\mathrm{ENP}})}^2+{({\stackrel{\‾}{x}}_i-u_{\mathrm{ENP}})}^2}{n}\\ +\frac{\underset{k=1}{\overset{c}{\mathrm{\Σ}}}{(x_{r+1,k}-u_{\mathrm{ENP}})}^2}{n}\end{array}}---\left(8\right)$

其中μ_ENP表示集合I_ENP的均值。若方差σ小于某一给定的门限vT_h，则认为B_i,j和环绕它的所有像素之间存在着很强的相关性，即认为B_i,j属于平滑区域；否则认为两者之间的相关性弱，B_i,j属于纹理区域。若R能被r整除，则对于块不存在(r+c+1)个像素环绕着它们，因此为了保证方法的可逆性，在嵌入过程中不会对这类图像块做任何处理；若C能被c整除，则在嵌入过程中，也不会对块做任何的修改以免破坏方法的可逆性。

1、嵌入过程分为以下步骤：

水印嵌入后，含水印的图像子块y中的每一含水印像素必须在[0,255]范围之内，否则含水印像素将遭受溢出(上溢(＞255)或下溢(＜0))，像素溢出将直接导致在解码端无法正确恢复出原始图像子块x。为了避免像素溢出，定义D＝{x∈A:0≤y_i≤255(1≤i≤n)}，其中A＝{x＝(x₁,…,x_n)∈R:0≤x_i≤255}。

(1)像素的分类:对于x∈A，将其分成以下三类：E_s＝{x∈D:σ＜vT_h}，和O_s2＝{x∈A-E_s∪O_s1:σ≥vT_h}。

(2)位置图的形成：用一个一维的位置图，大小为来标识其中的两类，位置图中符号‘1’表示E_s中的图像块，‘0’表示O_s1中的图像块。这里有一点需要注意：在解码端，只要判断出σ≥vT_h，就可以知道哪些图像块属于O_s2，因此没有必要记载O_s2中图像块的位置信息。用算术编码无损压缩位置图。压缩位置图产生的码流用L表示，假设其长度为L_S。因此待嵌入水印信息来自两个方面：1)压缩后的码流L；2)载荷P。嵌入容量(即载荷大小)C_ap＝(n-1)|E_s|-L_S，其中|·|用来表示集合的长度。

(3)水印信息的嵌入过程：对于任一子块x，如果它属于E_s，则按照公式(6)对x进行修改；如果属于O_s1，则保持不变，即y＝x。

(4)位置图的嵌入过程：对于前个图像块中的每一个像素按照步骤(3)修改完之后，收集y中像素的最不重要位(LSB)，并把收集到的L_S个最不重要位添加到载荷P的后面。剩余的图像块，对其处理的过程和前个图像块类似。但不同的是其y的最不重要位不需要收集。待全部图像块处理完了之后，得到水印图像I_W。

2、水印提取和原始图像恢复过程：

抽取过程分为以下步骤：

按照与嵌入过程相同的顺序，将含水印的图像I_W分成大小为n的互不重叠的图像块。并以行的方向对每块进行编号，记为：对于其中一个含水印的图像块对它按照奇数行从左到右，偶数行从右到左的方式进行扫描，将二维的图像块转换成一维像素序列y＝{y₁,…,y_n}。

(1)、位置图的恢复：收集前个像素序列中像素的最不重要位，形成一个比特流。在此比特流中找到算术编码的结束符，从开始到结束符的比特流被解压缩得到原始位置图。

(2)、水印的抽取和原始图像的恢复：为了保证可逆性，必须按照和嵌入过程相反的顺序进行水印的抽取和原始图像的恢复，即每一个块所对应的一维像素序列为:对于和如果其没有(r+c+1)相邻的像素，则保持不变。否则，对于某一像素序列y_m，将其所有相邻像素x_1,c+1,…,x_r,c+1,x_r+1,c+1,x_r+1,1,…,x_r+1,c和y_m的均值μ_b,m构成和嵌入过程中相同的I_ENP(注意：x_1,c+1,…,x_r,c+1,x_r+1,c+1,x_r+1,1,…,x_r+1,c必须要先于y_m恢复出来，才能保证从y_m中正确恢复出x_m)。I_PNE经等式(8)得到y_m所对应的σ，如果σ大于或等于vT_h，则保持不变；如果σ小于vT_h，且在位置图中所对应的是“0”，则保持不变，否则对于d_k∈[-2pT_h,2pT_h-1]，用式b＝mod(d'_k,2)得到嵌入的水印信息b，并按照等式(9)恢复出原始差值。

本发明用了六幅自然图像作为测试图像，分别是‘Lena’，‘Barbara’，‘Baboon’，‘Airplane’，‘Goldhill’和‘Sailboat’。图2-图7例证了本发明和Alattar的方法、Peng的方法还有Luo的方法的率失真性能比较。到目前为止，Peng的方法(F.Peng，X.Li，and B.Yang，“Adaptive reversible data hiding scheme based on integertransform，”Signal Process.，vol.92，no.1，pp.54–62，2012.)是所有基于整数变换的可逆水印方法中性能最好的方法。Luo的方法(L.Luo，Z.Chen，M.Chen，X.Zeng，and Z.Xiong，“Reversible image watermarking usinginterpolation technique，”IEEE Trans.Inf.Forensic Secur.，vol.5，no.1，pp.187–193，2010.)是基于预测的可逆水印方法。从图2-图7可以看出，本发明的性能远远优于Alattar的方法的性能。这说明本发明是可行的，极大地提高了Alattar的性能。从图2-图7也可以看出，在嵌入率不高的时候(例如对于‘Lena’图像，嵌入率是0.5bpp)，Peng的方法的性能远远弱于Luo的方法的性能。而从图2-7可以看到，当所嵌的比特率是相同的时候，本发明PSNR值远高于Luo的方法的PSNR值。对于六幅测试图像，本发明的性能远优于Peng的方法的性能。以‘Lena’图像为例，在低嵌入比特率的时候，本发明的PSNR值远远优Alattar方法和Peng方法的PSNR值。

大量的实验结果表明，与以往大部分的同类方案相比，所设计的基于局部定位和Alattar整数变换的可逆水印方案——无论是在嵌入容量上，还是在恢复图像质量的主观评价上，都有了相当程度的提高。本发明的基于局部定位和Alattar整数变换的可逆水印的处理方法由于局部定位的引入，可以高效地压缩位置图，从而提高了嵌入容量。利用Alattar提出的整数变换具有均值不变性的特点对图像块进行局部定位，从而实现低嵌入率下的高视觉效果；降低了记载图像块的位置信息的位置图的大小。本发明的基于局部定位和Alattar整数变换的可逆水印的处理方法可以用于医学图像、军事地图和军用图像的管理和授权使用信息中，以此为依据判别医学图像、军事地图和军用图像的来源，版权，真伪等信息。

以上所述是本发明的优选实施方式而已，当然不能以此来限定本发明之权利范围，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和变动，这些改进和变动也视为本发明的保护范围。

Claims (3)

1.一种基于局部定位和Alattar整数变换的可逆水印的处理方法，其特征在于通过某一图像块的均值和环绕此图像块的所有像素的相关程度来评定这个图像块是否位于平滑区域，包括：

水印嵌入过程，包括以下步骤：

(1)图像块的局部定位：将一幅载体图像素分成互不重叠的图像块，每一个图像块包含n个像素，对于任一图像块，先计算块的均值，再将计算得到的均值和图像块的(n+1)个相邻像素组成一个像素集合，并计算该集合的方差，通过此方差的大小来判定图像块是位于平滑区域还是纹理区域，若方差小于给定的门限vT_h，则认为图像块属于平滑区域，否则认为图像块位于纹理区域；

(2)水印嵌入：将位于平滑区域的图像块分成两类：①第一类包含了水印嵌入后没有遭受像素溢出的图像块；②剩余的图像块归为第二类；产生一个位置图来标识这两类，并将无损压缩后的位置图和载荷一起嵌入到载体图像中；对属于第一类的图像块，先对其做Alatter整数变换，得到均值和(n-1)个差值，对于其中任一差值，若其小于嵌入门限pT_h，则对它用差扩展的方式进行1比特水印的嵌入，否则对其进行灰度平移；待所有属于第一类的图像块经上述修改之后，得到含水印的图像；在嵌入的过程中，对位于纹理区域的图像块和属于第二类的图像块不做任何修改；

水印提取和原始图像恢复过程，为水印嵌入过程的逆过程，包括以下步骤：

(1)按照和嵌入过程相同的方式将含水印的图像分成互不重叠的图像块；

(2)抽取压缩后的位置图，并对其进行无损恢复得到原始位置图；

(3)采用和嵌入过程相反的顺序对块进行水印的抽取，即先嵌的后抽取，后嵌的先抽取，对于某一图像块，如果其所对应的方差大于门限vT_h，则保持其不变，若其方差小于门限vT_h，且位置图中所对应的位置标示的是“0”，不做任何处理，对于剩余的属于第二类的图像块，对其进行水印的抽取和原始图像的恢复。

2.根据权利要求1所述的基于局部定位和Alattar整数变换的可逆水印的处理方法，其特征在于：在水印嵌入过程中，将一副大小为R×C的载体图像素I分割成互不重叠的n＝r×c大小的图像子块，并以行和列的方向对每块进行编号，记为：对于其中一个图像块对它按照奇数行从左到右，偶数行从右到左的方式进行扫描，将二维的图像块转换成一维像素序列x＝{x₁,…,x_n}；

基于Alattar的整数变换，得到(n-1)个差值d_j(j∈{1,2,…,n-1})，对于其中任一差值，如果它的值属于[-pT_h,pT_h)，则对它进行1比特水印嵌入；否则，按照等式(6)对其进行幅值为pT_h的灰度平移；

$d_k^{\′}=\left\{\begin{array}{cc}2d_k+b,& d_k\∈[-p{T}_h,p{T}_h)\\ d_k-p{T}_h,& d_k\≤-p{T}_h-1\\ d_k+p{T}_h,& d_k\≥p{T}_h\end{array}\right.---\left(6\right)$

其中pT_h表示嵌入门限，b表示1比特水印信息，b∈{0,1}，利用等式(6)，对d_k(k∈{1,2,…,n-1})进行修改，得到修改后的差值d'_k，再将其带入到Alattar的整数变换中得到含水印信息的像素序列y＝y₁,…,y_n；

y₂＝y₁+d₁'

y₃＝y₂+d'₂

…

y_n＝y_n-1+d'_n-1

对于某一图像块若存在(r+c+1)个像素环绕着它，则将这些像素(用x_1,c+1,…,x_r,c+1,x_r+1,c+1,x_r+1，1,…,x_r+1,c表示)和块的均值μ_b,i构成一个像素集I_ENP，并用σ表示像素集I_ENP的方差，依据σ的大小来判定B_i,j是位于平滑区域还是纹理区域，由以下公式可计算出σ的值：

$\mathrm{\σ}=\sqrt{\begin{array}{c}\frac{\underset{k=1}{\overset{r}{\mathrm{\Σ}}}{(x_{k,c+1}-u_{\mathrm{ENP}})}^2}{n}\\ +\frac{{(x_{r+1,c+1}-u_{\mathrm{ENP}})}^2+{({\stackrel{\‾}{x}}_i-u_{\mathrm{ENP}})}^2}{n}\\ +\frac{\underset{k=1}{\overset{c}{\mathrm{\Σ}}}{(x_{r+1,k}-u_{\mathrm{ENP}})}^2}{n}\end{array}}$

其中μ_ENP表示集合I_ENP的均值，若方差小于给定的门限vT_h，则认为B_i,j和环绕它的所有像素之间存在着很强的相关性，即认为B_i,j属于平滑区域；否则认为两者之间的相关性弱，B_i,j属于纹理区域；若R能被r整除，则对于块不存在(r+c+1)个像素环绕着它们，因此为了保证方法的可逆性，在嵌入过程中不会对这类图像块做任何处理；若C能被c整除，则在嵌入过程中，不对块做任何的修改。

3.根据权利要求2所述的基于局部定位和Alattar整数变换的可逆水印的处理方法，其特征在于：所述位置图大小为含水印的图像子块y中的每一含水印像素必须在[0,255]范围之内，否则含水印像素将遭受溢出，像素溢出将直接导致在解码端无法正确恢复出原始图像子块x；定义其中)A＝{x＝(x₁,…,x_n)∈R:0≤x_i≤255}，对于x∈A，将其分成以下三类：E_s＝{x∈D:σ＜vT_h}，和O_s2＝{x∈A-E_s∪O_s1:σ≥vT_h}，用位置图来来标识其中的两类，位置图中符号“1”表示E_s中的图像块，“0”表示O_s1中的图像块，压缩位置图产生的码流用L表示，假设其长度为L_S，待嵌入水印信息来自两个方面：1)压缩后的码流L；2)载荷P；

水印信息的嵌入过程：对于任一子块x，如果它属于E_s，则按照公式(6)对x进行修改；如果属于O_s1，则保持不变，即y＝x；

位置图的嵌入过程：对于前个图像块中的每一个像素按照水印信息的嵌入过程的步骤修改完之后，收集y中像素的最不重要位，并把收集到的L_S个最不重要位添加到载荷P的后面，剩余的图像块，对其处理的过程和前个图像块类似，待全部图像块处理完了之后，得到水印图像I_W。