CN105447809A - 基于杂草模型的加密域图像可逆水印方法 - Google Patents
基于杂草模型的加密域图像可逆水印方法 Download PDFInfo
- Publication number
- CN105447809A CN105447809A CN201510881014.3A CN201510881014A CN105447809A CN 105447809 A CN105447809 A CN 105447809A CN 201510881014 A CN201510881014 A CN 201510881014A CN 105447809 A CN105447809 A CN 105447809A
- Authority
- CN
- China
- Prior art keywords
- image
- encrypted
- watermark
- water mark
- encrypted domain
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 241000196324 Embryophyta Species 0.000 title claims abstract description 26
- 230000002441 reversible effect Effects 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 230000001174 ascending effect Effects 0.000 claims description 6
- 230000000739 chaotic effect Effects 0.000 abstract 3
- 230000007812 deficiency Effects 0.000 abstract 1
- 230000003993 interaction Effects 0.000 abstract 1
- 230000002452 interceptive effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 241000700605 Viruses Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
一种基于杂草模型的加密域图像可逆水印方法,属于信息安全领域。鉴于当前加密域图像可逆水印方法存在嵌入容量小、安全性弱等不足,本发明用杂草与庄稼的关系类比水印信息与加密图像的关系,建立杂草模型,采用混沌系统增强方法的安全性,利用杂草区域的大小由用户根据水印信息量选定扩大算法的嵌入容量。水印嵌入的核心步骤:选定一种安全性能良好的混沌系统;采用一种图像加密算法对原始交互图像进行加密,得加密图像;利用杂草模型和混沌系统,将加密图像和水印信息混淆,得到含水印图像。水印检测过程几乎是水印嵌入的逆过程。实验结果表明:该方法嵌入容量大和算法安全性高,可有效实现对图像信息网络交互的安全保护。
Description
技术领域
本发明涉及一种信息安全技术,特别是涉及一种图像水印方法。
背景技术
在政治、军事、商业等诸多领域中,网络信息的安全变得日益重要。近年,网络安全发展态势呈现:(1)计算机病毒层出不穷;(2)黑客攻击逐年攀升;(3)系统存在安全漏洞;(4)各国军方加紧信息战研究。网络泄密事件时有发生,对网络个人的通信隐私、企业的商业机密、国家的安全稳定都造成了重大影响。因此,网络信息安全是互联网发展中急需解决的重要问题。
在军事发现、自然灾害监控、交通监控、天气预报、电子政务和个人事务等诸多领域中,每天都会产生大量的数字图像。同时,各种拍摄设备的不断涌现也加速了大数据时代的到来。如一部单反相机每秒能拍摄几张照片,一个交通监控摄像头每天能拍摄数千张图像。在大数据时代,数字图像往往会携带许多秘密信息。因此,如何保护图像内容的安全已成为学术界和工业领域的重要挑战。
图像安全问题主要包括内容的保密性、数字版权和完整性认证三个方面。图像加密技术主要用于解决图像内容的保密性问题。图像水印技术主要用于保护数字作品版权或完整性认证。由于这两种技术对维护图像安全具有不同的功能,因此常把它们结合起来保护图像安全。
传统的结合方式分两步完成:首先,在图像中嵌入水印信息;然后,对含水印图像进行加密。然而,在有些领域如:带宽受限系统、医疗领域和军事领域等,这种方式并不适用。
对于上述这些领域,必须先对图像进行加密操作,才能进行水印操作。这样,就萌生了加密域水印技术,即在加密图像中进行水印嵌入。另外,对于医学诊断、军事、遥感、电子票据和司法等对图像数据真实性和完整性要求特别高的应用领域,图像不允许有任何的修改。这就要求水印提取后仍能完全恢复原始图像,即加密域可逆水印技术。该技术兼具加密和可逆水印技术的优点,不仅能对图像内容进行保护,而且能在解密后密切监视图像数据的传播与内容篡改活动,进行完整性认证和无损恢复等。因此,加密域可逆水印技术以其优越的性能越来越受到研究者的关注。因此,设计了一种加密域图像可逆水印方法,可有效地提高水印的嵌入量和安全性。
发明内容
本发明的目的:针对现有大多图像水印方法嵌入容量小、安全性弱的问题,提出一种基于杂草模型的加密域图像可逆水印方法。
本发明的技术方案:为了实现上述发明目的,采用的技术方案为基于杂草模型的加密域图像可逆水印方法,水印嵌入过程具体包括以下步骤:
步骤1:选定一幅宿主图像I;
步骤2:根据系统初始值和控制参数进行PWLCM混沌系统迭代运算,获得两个混沌序列X和Y;
步骤3:利用混沌序列X,对宿主图像加密,获得对应的加密图像;
步骤4:建立杂草模型,组合加密图像和水印信息,获得一幅新图像IW;
步骤5:利用混沌序列Y,对图像IW进行加密,得到含水印图像IWen。
进一步地,所述步骤1中,令宿主图像为Im×n,水印信息为Wk×s,根据水印信息数据量大小,任选一幅大小合适的图像作为宿主图像。
进一步地,所述步骤2中,随机选取x0∈(0,1)和p1∈(0,0.5)分别作为PWLCM混沌系统的初始值和控制参数,利用如下公式(1)所示的PWLCM混沌通过迭代m×n次,可产生一个混沌序列X={xi}m×n
;(1)
类似地,随机选取y0∈(0,1)和p2∈(0,0.5),可产生另外一个混沌序列Y={yi}m×n+k×s。
进一步地,所述步骤3中,对X按照元素值大小进行升序排列,可得到新混沌序列X'={xi'}m×n={xt1,xt2,…,xtmn},下标t1,t2,…,tm×n是阿拉伯数字1,2,…,m×n的一个全排列;按照元素位置,对宿主图像每个像素用阿拉伯数字1,2,…,m×n进行编码,并按照此全排列对宿主图像每个像素进行位置置乱,得到对应加密图像Ien。
进一步地,所述步骤4中,按照一定规则,将水印信息Wk×s和加密图像Ien组合成一幅新图像IW。
进一步地,所述步骤5中,对Y按照元素值大小进行升序排列,可得到新混沌序列Y'={yi'}m×n+k×s={xt1,xt2,…,xt(m×n+k×s)},下标t1,t2,…,tm×n+k×s是1,2,…,m×n+k×s的一个全排列;按照元素位置,对IW图像每个像素用阿拉伯数字1,2,…,m×n+k×s进行编码,并按照此全排列对IW图像每个像素进行位置置乱,得到含水印图像IWen。
根据权利要求1所述的基于杂草模型的加密域图像可逆水印方法,其特征在于,水印检测过程是水印嵌入的逆过程。
所述水印检测过程是水印嵌入的逆过程。
有益效果:本发明针对现有大多图像水印方法嵌入容量小、安全性弱的难点,提出一种基于杂草模型的加密域图像可逆水印方法。主要贡献有以下3点:(1)在该方法中,采用混沌系统,增强了算法的安全性;(2)在该方法中,利用杂草区域的大小由用户根据水印信息量选定扩大算法的嵌入容量,不再受限于加密图像自身特征,所以可保证较大的嵌入容量。因此,提出的方法可扩大嵌入容量和提高算法的安全性。
附图说明
图1:基于杂草模型的加密域图像可逆水印方法水印嵌入流程图;
图2:宿主图像;
图3:水印图像;
图4:水印信息与加密图像的组合图像;
图5:含水印图像。
具体实施方式
下面结合具体附图和实例对本发明的实施方式进行进一步详细说明。
基于杂草模型的加密域图像可逆水印方法水印嵌入流程图,如图1所示。
采用的编程软件为Matlab7.0,选取图2所示的1幅大小为512×512的灰色图像为宿主图像,图3所示的1幅大小为256×256的灰色图像为水印图像。采用基于杂草模型的加密域图像可逆水印方法,对宿主图像水印嵌入的具体过程如下:
1.选取图2所示的宿主图像和图3所示的水印图像,令宿主图像为I512×512,水印信息为W256×256。
2.随机选取x0=0.28153489126924和p1=0.44537834013456分别作为PWLCM混沌系统的初始值和控制参数,利用公式(1)所示的混沌系统通过迭代512×512次,可产生一个混沌序列X={xi}512×512。类似地,随机选取y0=0.46567899345427和p2=0.13184640452142,可产生另外一个混沌序列Y={yi}512×512+256×256。
3.对X按照元素值大小进行升序排列,可得到新混沌序列X'={xi'}512×512={xt1,xt2,…,xt512×512},下标t1,t2,…,t512×512是1,2,…,512×512的一个全排列;按照元素位置,对宿主图像每个像素用1,2,…,512×512进行编码,并按照此全排列对宿主图像每个像素进行位置置乱,得到加密图像Ien。
4.将水印信息W256×256上下等分为两份W1和W2,再将W1和W2组合成一幅大小为128×512的水印图像W128×512。最后,将W128×512的像素放在加密图像Ien下面,从而组合成一幅新图像IW640×512,如图4所示。
5.对Y按照元素值大小进行升序排列,可得到新混沌序列Y'={yi'}512×512+256k×256={yt1,yt2,…,yt(512×512+256k×256)},下标t1,t2,…,t512×512+256k×256是1,2,…,512×512+256×256的一个全排列;按照元素位置,对IW图像每个像素用阿拉伯数字1,2,…,512×512+256×256进行编码,并按照此全排列对IW图像每个像素进行位置置乱,构建杂草模型,得到含水印图像IWen,如图5所示。
在上述实例中,水印检测过程是水印嵌入的逆过程。
Claims (7)
1.基于杂草模型的加密域图像可逆水印方法,其特征在于,水印嵌入过程具体包括以下步骤:
步骤1:选定一幅宿主图像I;
步骤2:根据系统初始值和控制参数进行PWLCM混沌系统迭代运算,获得两个混沌序列X和Y;
步骤3:利用混沌序列X,对宿主图像加密,获得对应的加密图像;
步骤4:建立杂草模型,组合加密图像和水印信息,获得一幅新图像IW;
步骤5:利用混沌序列Y,对图像IW进行加密,得到含水印图像IWen。
2.根据权利要求1所述的基于杂草模型的加密域图像可逆水印方法,其特征在于,所述步骤1中的选定是指:令宿主图像为Im×n,水印信息为Wk×s,根据水印信息数据量大小,任选一幅大小合适的图像作为宿主图像。
3.根据权利要求1所述的基于杂草模型的加密域图像可逆水印方法,其特征在于,所述步骤2中的PWLCM混沌系统迭代是指:随机选取x0∈(0,1)和p1∈(0,0.5)分别作为PWLCM混沌系统的初始值和控制参数,利用如下公式(1)所示的PWLCM混沌通过迭代m×n次,可产生一个混沌序列X={xi}m×n
;(1)
类似地,随机选取y0∈(0,1)和p2∈(0,0.5),可产生另外一个混沌序列Y={yi}m×n+k×s。
4.根据权利要求1所述的基于杂草模型的加密域图像可逆水印方法,其特征在于,所述步骤3中的对宿主图像加密是指:对X按照元素值大小进行升序排列,可得到新混沌序列X'={xi'}m×n={xt1,xt2,…,xtmn},下标t1,t2,…,tm×n是1,2,…,m×n的一个全排列;按照元素位置,对宿主图像每个像素用阿拉伯数字1,2,…,m×n进行编码,并按照此全排列对宿主图像每个像素进行位置置乱,得到对应加密图像Ien。
5.根据权利要求1所述的基于杂草模型的加密域图像可逆水印方法,其特征在于,所述步骤4中的建立杂草模型是指:按照一定规则,将水印信息Wk×s和加密图像Ien组合成一幅新图像IW。
6.根据权利要求1所述的基于杂草模型的加密域图像可逆水印方法,其特征在于,所述步骤5中的加密是指:对Y按照元素值大小进行升序排列,可得到新混沌序列Y'={yi'}m×n+k×s={xt1,xt2,…,xt(m×n+k×s)},下标t1,t2,…,tm×n+k×s是1,2,…,m×n+k×s的一个全排列;按照元素位置,对IW图像每个像素用阿拉伯数字1,2,…,m×n+k×s进行编码,并按照此全排列对IW图像每个像素进行位置置乱,得到含水印图像IWen。
7.根据权利要求1所述的基于杂草模型的加密域图像可逆水印方法,其特征在于,水印检测过程是水印嵌入的逆过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510881014.3A CN105447809B (zh) | 2015-12-07 | 2015-12-07 | 基于杂草模型的加密域图像可逆水印方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510881014.3A CN105447809B (zh) | 2015-12-07 | 2015-12-07 | 基于杂草模型的加密域图像可逆水印方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105447809A true CN105447809A (zh) | 2016-03-30 |
CN105447809B CN105447809B (zh) | 2018-05-04 |
Family
ID=55557943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510881014.3A Expired - Fee Related CN105447809B (zh) | 2015-12-07 | 2015-12-07 | 基于杂草模型的加密域图像可逆水印方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105447809B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106599703A (zh) * | 2016-12-12 | 2017-04-26 | 中国矿业大学 | 基于混合图元和混沌的多图像加密方法 |
CN107578365A (zh) * | 2017-09-11 | 2018-01-12 | 哈尔滨工程大学 | 基于量子杂草寻优机制的小波数字水印嵌入和提取方法 |
CN108230219A (zh) * | 2016-12-09 | 2018-06-29 | 中国科学院深圳先进技术研究院 | 增强加密域jpeg图像对比度的方法及系统 |
CN108805788A (zh) * | 2018-05-22 | 2018-11-13 | 南开大学 | 基于图像拓扑结构的可逆水印方法 |
CN112582045A (zh) * | 2020-12-22 | 2021-03-30 | 无锡慧方科技有限公司 | 一种电子式医疗报告单传输系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6101602A (en) * | 1997-12-08 | 2000-08-08 | The United States Of America As Represented By The Secretary Of The Air Force | Digital watermarking by adding random, smooth patterns |
CN101847251B (zh) * | 2010-06-13 | 2011-10-26 | 电子科技大学 | 一种基于混沌序列的数字水印嵌入和提取方法 |
CN103489151B (zh) * | 2013-09-11 | 2014-06-18 | 河南大学 | 基于混沌序列和超混沌系统的彩色图像加密方法 |
CN104751401B (zh) * | 2015-04-16 | 2018-07-03 | 大连大学 | 一种新型的分段线性混沌映射图像加密与编码方法 |
-
2015
- 2015-12-07 CN CN201510881014.3A patent/CN105447809B/zh not_active Expired - Fee Related
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108230219A (zh) * | 2016-12-09 | 2018-06-29 | 中国科学院深圳先进技术研究院 | 增强加密域jpeg图像对比度的方法及系统 |
CN108230219B (zh) * | 2016-12-09 | 2021-10-29 | 中国科学院深圳先进技术研究院 | 增强加密域jpeg图像对比度的方法及系统 |
CN106599703A (zh) * | 2016-12-12 | 2017-04-26 | 中国矿业大学 | 基于混合图元和混沌的多图像加密方法 |
CN107578365A (zh) * | 2017-09-11 | 2018-01-12 | 哈尔滨工程大学 | 基于量子杂草寻优机制的小波数字水印嵌入和提取方法 |
CN107578365B (zh) * | 2017-09-11 | 2020-09-11 | 哈尔滨工程大学 | 基于量子杂草寻优机制的小波数字水印嵌入和提取方法 |
CN108805788A (zh) * | 2018-05-22 | 2018-11-13 | 南开大学 | 基于图像拓扑结构的可逆水印方法 |
CN108805788B (zh) * | 2018-05-22 | 2022-04-26 | 南开大学 | 基于图像拓扑结构的可逆水印方法 |
CN112582045A (zh) * | 2020-12-22 | 2021-03-30 | 无锡慧方科技有限公司 | 一种电子式医疗报告单传输系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105447809B (zh) | 2018-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105447809A (zh) | 基于杂草模型的加密域图像可逆水印方法 | |
Panah et al. | On the properties of non-media digital watermarking: a review of state of the art techniques | |
Yuan et al. | Privacy-preserving photo sharing based on a secure JPEG | |
Yu et al. | A view about cloud data security from data life cycle | |
CN105450899A (zh) | 基于pwlcm混沌的多幅图像加密方法 | |
Hashim et al. | Based on iot healthcare application for medical data authentication: Towards a new secure framework using steganography | |
Zou et al. | Blockchain-based photo forensics with permissible transformations | |
Pérez Gort et al. | A minimum distortion: High capacity watermarking technique for relational data | |
CN105491069B (zh) | 云存储中基于抵抗主动攻击的完整性验证方法 | |
Cao et al. | A Privacy‐Preserving Outsourcing Data Storage Scheme with Fragile Digital Watermarking‐Based Data Auditing | |
Pan et al. | Cracking white-box dnn watermarks via invariant neuron transforms | |
CN105554344A (zh) | 基于混合图元的多幅图像加密方法 | |
Shankar et al. | Secure image transmission in wireless sensor network (WSN) applications | |
CN111431698B (zh) | 运用Haar变换和高斯分布的矢量空间数据加密方法 | |
KR101286649B1 (ko) | 워터마크를 이용한 키 분배 및 변경 방법 | |
CN117454442A (zh) | 匿名安全和可追溯的分布式数字取证方法与系统 | |
Lin et al. | Applying projection and B-spline to image authentication and remedy | |
CN101355428A (zh) | 采用增量检验来保护数据完整性的方法 | |
Uda | Data protection method with blockchain against fabrication of video by surveillance cameras | |
Lee | Multipurpose protection for numeric data with capabilities of self-authentication and ownership declaration | |
Ren et al. | Data protection based on multifunction digital watermark in wireless sensor network | |
He | Research of web resources protection based on digital watermarking and digital signature | |
Riaz et al. | A robust multimedia authentication and restoration scheme in digital photography | |
Chroni et al. | Tamper Detection and Localization in Forensic Images | |
Unterluggauer et al. | Securing memory encryption and authentication against side-channel attacks using unprotected primitives |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180504 Termination date: 20211207 |
|
CF01 | Termination of patent right due to non-payment of annual fee |