CN106485640A - 一种基于多层次ipvo的可逆水印计算方法 - Google Patents

Abstract

本发明提出的一种基于多层次IPVO的可逆水印计算方法，采用水印嵌入步骤以及水印提取和原始图像恢复步骤，完成水印算法。在水印嵌入过程，将图像块布局定位，通过计算来判定图像块是位于平滑区域还是纹理区域，对每个区域的图像块进行不同的处理。更为优化的，对位于平滑区域的图像块分成两个部分，设定保持图像块的中值不变，以中值为基点实现预测计算，对每一个平滑块采用不同的处理方式，提高水印嵌入的数据容量，再进行水印提取和原始图像恢复，有效解决图像失真问题。

Description

一种基于多层次IPVO的可逆水印计算方法

技术领域

本发明涉及多媒体信号处理领域，更具体地，涉及一种基于多层次IPVO的可逆水印计算方法。

背景技术

现有技术中，传统的数字水印技术会造成宿主图像的永久性失真，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，每一幅医学图像的获取需要精密仪器的完成，以及费用的支持，图像失真很大可能会造成误诊，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。可见，传统的数字水印技术并不适用于医学图像。因此，可逆水印的技术引起了越来越多人的关注与研究，进一步的讲，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，解决图像失真问题。

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算法研究的主要方向之一。例如，Peng等人(F.Peng,X.L.Li,B.Yang,“Improved PVO-based reversible data hiding,”Digital Signal Processing,vol.25,pp.255-265,2014.)提出一种基于IPVO的可逆水印技术。在Peng等人的方法中，原始图像被分成大小为n＝r×c的图像块。对于任意一个图像块(p₁,…,p_n)(n≥3)，其全部像素按照值的大小排序后得到(p_σ(1),…,p_σ(n))，其中σ:{1,...,n}→{1,...,n}是一对一的数据映射，它表示的是像素在排序之前的位置，注意：如果两个像素的值相等，则原先位置在前的像素排序后仍在前而原先位置在后的像素排序后仍在后，即如果p_σ(i)＝p_σ(j)且i＜j，则p_σ(1)≤…≤p_σ(n)，σ(i)＜σ(j)。

在考虑了p_σ(n)和p_σ(n-1)之间的位置关系后，产生出一个新的差值d_max。

d_max＝p_u-p_v (1)

其中

u＝min(σ(n),σ(n-1)), (2)

v＝max(σ(n),σ(n-1)).

注意:必须保证映射σ在嵌入前后维持不变，否则无法恢复出原始像素值和正确抽取出水印信息。当p_σ(n-1)＝p_σ(n)时，σ(n-1)必定小于σ(n)。相应地，p_σ(n)被修改为p'_σ(n)：

其中b∈{0,1}代表1-比特水印信息。

在解码端，借助d'_max＝p'_u-p'_v来恢复出原始像素p_σ(n)和提取出原始水印信息。

●如果d'_max＞0，则可知p'_u＞p'_v，进而推导出σ(n)＜σ(n-1)，u＝σ(n)和v＝σ(n-1)。

如果d'_max∈{1,2}，提取的水印b＝d'_max-1，恢复出的原始像素为p_σ(n)＝p'_u-b。

如果d'_max＞2，说明没有隐藏任何水印信息，恢复出的原始像素为p_σ(n)＝p′_u-1。

●如果d'_max≤0，则可知p_u≤p_v，进而推导出σ(n)＞σ(n-1)，u＝σ(n-1)和v＝σ(n)。

如果d'_max∈{0,-1}，提取的水印b＝-d'_max，恢复出的原始像素为p_σ(n)＝p'_v-b。

如果d'_max＜-1，说明没有隐藏任何水印信息，恢复出的原始像素为p_σ(n)＝p′_v-1。

其中(u,v)来自于等式(1)。

事实上，将上述的核心思想直接应用到(p_σ(1),p_σ(2),p_σ(3))中，就能得到最小值修改的嵌入方案，细节如下：

假设两个最小值之间的差值为d_min，其值计算如下：

d_min＝p_s-p_t (4)

其中s＝min(σ(1),σ(2))，t＝max(σ(1),σ(2))。

同理，最小值p_σ(1)被修改为p'_σ(1)：

在解码端，借助d'_min＝p'_s-p_t'来恢复出原始像素p_σ(1)和提取出原始水印信息。

●如果d'_min＞0，则可知p'_s＞p_t'，进而推导出σ(1)＞σ(2)，s＝σ(2)和t＝σ(1)。

如果d'_min∈{1,2}，提取的水印b＝d'_min-1，恢复出的原始像素为p_σ(1)＝p_t'+b。

如果d'_min＞2，说明没有隐藏任何水印信息，恢复出的原始像素为p_σ(1)＝p′_t+1。

●如果d'_min≤0，则可知p_u≤p_v，进而推导出σ(n)＞σ(n-1)，u＝σ(n-1)和v＝σ(n)。

如果d'_min∈{0,-1}，提取的水印b＝-d'_min，恢复出的原始像素为p_σ(1)＝p'_s+b。

如果d'_min＜-1，说明没有隐藏任何水印信息，恢复出的原始像素为p_σ(1)＝p′_s+1。

其中s＝min(σ(1),σ(2))，t＝max(σ(1),σ(2))。

在Peng等人的算法中，用排序后的第二大像素p_σ(n-1)去预测最大像素p_σ(n)(或用第二小像素p_σ(2)去预测最小像素p_σ(1))，相对于最近邻预测方法(用每一个像素的右邻或左邻像素来预测这个像素)，预测性能大大提高。然而，Peng等人的算法认为所有的平滑块都具有相同的平滑性，因此对每一个平滑块都采用了相同的处理方式(即通过仅修改p_σ(1)和p_σ(n)来实现至多2比特的水印信息嵌入)。

从上述可逆水印计算方法看出，现有技术中将所有的平滑块都具有相同的平滑性，因此对每一个平滑块都采用了相同的处理方式，然而事实上，平滑块的平滑性也是有很大差异，平滑级别高的块理应比平滑级别低的块携带更多的水印比特。这种将所有平滑块等同处理的方式并没有更好的提高水印嵌入的数据容量，在一定环境下，同样也会带来不能精确处理信号的问题，导致图像失真问题

发明内容

为了解决上述技术问题，本发明的目的是：提出一种基于多层次IPVO的可逆水印计算方法，实现自适应的可逆水印嵌入。可以用于医学图像、军事地图和军用图像的管理等领域中，为判别医学图像、军事地图和军用图像的来源、信息版权等方面提供高质量的图像识别技术。

本发明为解决其技术问题所采用的技术方案是，一种基于多层次IPVO的可逆水印计算方法包括以下两个步骤：

S1，水印嵌入步骤；

S2，水印提取和原始图像恢复步骤。

进一步的，S1步骤中，水印嵌入步骤又分成以下两个步骤：

S11，图像块的局部定位；

S12，水印嵌入。

进一步的，S11图像块的局部定位步骤中，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。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，通过该方差的大小来判定图像块是位于平滑区域还是纹理区域，即若方差小于预定的阈值，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。

进一步的，S12水印嵌入步骤中，处理方式如下：对于位于纹理区域的图像块，为了降低失真，在嵌入过程中不会对它们做任何的修改；对于某一图像块(p₁,p₂,…,p_n)，按照从小到大的顺序排序后得到(p_σ(1),p_σ(2),…,p_σ(n))(即p_σ(1)≤p_σ(2)≤…≤p_σ(n))；将位于平滑区域的图像块分成以下两个部分：

①第一部分，包含水印嵌入后没有遭受像素溢出的图像块；

②第二部分，包含除第一部分后的剩余的图像块。

产生一个位置图来标识这两部分，并将无损压缩后的位置图和载荷一起嵌入到载体图像中。按照局部纹理特征的复杂程度将第一部分的图像块分成m(m≥4)类，当n是奇数时，中值为当n是偶数时，中值为和其中n表示块的大小；保持图像块的中值不变，以中值为基点进行计算；

对于属于第k(k∈{1,…,m})层的图像块，当n是奇数时，用用预测所有比它小的值，并用预测所有比它大的值；当n是偶数时，用用预测所有比它小的值，并用预测所有比它大的值。通过该预测方式，对于属于第k(k∈{1,…,m})层平滑度的图像块，能实现携带m-k+1比特水印信息。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。

进一步的，S2步骤中，水印提取和原始图像恢复包括以下步骤：

S21，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；

S22,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；

S23，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预设阈值，则保持其不变，若其方差小于或等于预设阈值，且位置图中所对应的位置标示的是0，也不做任何处理，对于剩余的图像块，即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。

本发明在水印嵌入过程，将图像块布局定位，通过计算来判定图像块是位于平滑区域还是纹理区域，对每个区域的图像块进行不同的处理。更为优化的，对那些位于平滑区域的图像块分成两个部分，设定保持图像块的中值不变，以中值为基点实现预测计算，对每一个平滑块采用不同的处理方式，提高水印嵌入的数据容量，再进行水印提取和原始图像恢复，有效解决图像失真问题。

附图说明

图1是本发明一种基于多层次IPVO的可逆水印计算方法的流程框图。

图2是本发明中水印嵌入步骤的流程框图。

图3是本发明中水印提取和原始图像恢复步骤的流程框图。

图4a是本发明以512×512大小的Tiffany为测试图像与Weng、Peng、Ou和Sachnev的方案的性能比较示意图。

图4b是本发明以512×512大小的Airplane为测试图像与Weng、Peng、Ou和Sachnev的方案的性能比较示意图。

图4c是本发明以512×512大小的Boat为测试图像与Weng、Peng、Ou和Sachnev的方案的性能比较示意图。

图4d是本发明以512×512大小的Sailboat为测试图像与Weng、Peng、Ou和Sachnev的方案的性能比较示意图。

图4e是本发明以512×512大小的Goldhill为测试图像与Weng、Peng、Ou和Sachnev的方案的性能比较示意图。

图4f是本发明以512×512大小的Elaine为测试图像与Weng、Peng、Ou和Sachnev的方案的性能比较示意图。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该说明的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

实施例1

参见图1，一种基于多层次IPVO的可逆水印计算方法包括以下两个步骤：

S1，水印嵌入步骤；

S2，水印提取和原始图像恢复步骤。

参见图2，在S1步骤中水印嵌入步骤又分成以下两个步骤：

S11，图像块的局部定位；

S12，水印嵌入。

进一步的，S11图像块的局部定位步骤中，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。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，通过该方差的大小来判定图像块是位于平滑区域还是纹理区域，即若方差小于预定的阈值，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。具体的计算方法如下：

将一副大小为R×C的原始图像I分割成互不重叠的n＝r×c大小的子块。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p＝{p₁,…,p_n}，其全部像素按照值的大小排序后得到(p_σ(1),…,p_σ(n))。

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p_1,c+1,…,p_r,c+1,p_r+1,c+1,p_r+1,1,…,p_r+1,c表示)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：

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。这里有一点需要注意：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，因此为了保证算法的可逆性，通常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算法的可逆性。

对于某一图像块先按照给定的扫描顺序(如zig-zag)，将B_i,j转换为一维的像素序列(p₁,p₂,…,p_n)，再做升序排列后得到(p_σ(1),p_σ(2),…,p_σ(n))(即p_σ(1)≤p_σ(2)≤…≤p_σ(n))，中值指的是(n是奇数)或和(n是偶数)。具体地说，将σ分成m个间隔，(n是奇数)或(n是偶数)。

对于某一图像块B_i,j，如果则其块内相关性最高，所对应的平滑度被定义为第1层，并将它归于集合G₁中，以此类推，如果则其平滑度被定义为第k层平滑度，且该块属于集合G_k，其中k∈{2,…,m}。

进一步的，S12水印嵌入步骤中，处理方式如下：对于位于纹理区域的图像块，为了降低失真，在嵌入过程中不会对它们做任何的修改；对于某一图像块(p₁,p₂,…,p_n)，按照从小到大的顺序排序后得到(p_σ(1),p_σ(2),…,p_σ(n))(即p_σ(1)≤p_σ(2)≤…≤p_σ(n))，具体地，对于任一图像块，在其转换成一维像素序列p＝{p₁,…,p_n}进行水印嵌入时，含水印的像素p_i'∈□(i∈{1,…,n})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p。为了避免像素溢出，我们定义D＝{p∈A:0≤p_i'≤255(i∈{1,…,n})}，其中A＝{p＝{p₁,…,p_n}:0≤p_i≤255(i∈{1,…,n})}。

按照局部纹理特征的复杂程度将D分成两部分：S_P和D-S_P，其中S_P包含了局部复杂性小于和等于vT_h的所有块(平滑块)，即S_P＝{p∈D,σ≤vT_h}；D-S_P包含了所有纹理块，即D-S_P＝{p∈D,σ＞vT_h}。

将位于平滑区域的图像块分成以下两个部分，即S_P被进一步分成m个子集G_k(k∈{1,…,m})：由此产生两个部分：

①第一部分，包含水印嵌入后没有遭受像素溢出的图像块；

②第二部分，包含除第一部分后的剩余的图像块。

产生一个位置图来标识这两部分，并将无损压缩后的位置图和载荷一起嵌入到载体图像中。位置图的形成方法为，当σ≤vT_h时，用一个大小为的一维二值位置图，来区分一个平滑块是否遭受到了像素溢出，具体地说，位置图中符号‘1’表示S_P中的图像块，‘0’表示(遭受了像素溢出的图像块)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D-S_P，因此没有必要记载D-S_P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。

按照局部纹理特征的复杂程度将第一部分的图像块分成m(m≥4)类，当n是奇数时，中值为当n是偶数时，中值为和其中n表示块的大小；保持图像块的中值不变，以中值为基点进行计算；

对于任一子块p，如果它属于G_k(k∈{1,…,m})的图像块，当n是奇数时，用预测所有比它小的值，即中的每一个像素，产生(m+1-k)个预测误差(即d_imin(i∈{1,2,…,m-k+1}))，用背景技术中的等式(5)对每一个预测误差进行水印嵌入，并用预测所有比它大的值，即中的每一个像素，产生(m+1-k)个预测误差(即d_imax(i∈{1,2,…,m-k+1}))，用背景技术中的等式等式(3)对每一个预测误差进行水印嵌入；当n是偶数时，用预测所有比它小的值，即中的每一个像素，产生(m+1-k)个预测误差(即d_imin(i∈{1,2,…,m-k+1}))，用背景技术中的等式等式(5)对每一个预测误差进行水印嵌入，并用预测所有比它大的值，即中的每一个像素，产生(m+1-k)个预测误差(即d_imax(i∈{1,2,…,m-k+1}))，用背景技术中的等式(3)对每一个预测误差进行水印嵌入。

在本实施例中，更具体的，以k＝1为例，当n是奇数时，用去预测中的每一个像素，同时用去预测中的每一个像素；当n是偶数时，用去预测中的每一个像素，同时用去预测中的每一个像素。通过以上的预测方式可以使得一个属于第一层的图像块能产生2m个预测误差，也就是可以实现至多2m比特的水印嵌入。

在本实施例中，再以k＝m为例，用p_σ(2)预测p_σ(1)，并用p_σ(n-1)预测p_σ(n)，这样一个块可以产生两个预测误差，实现至多2个比特的水印嵌入。通过以上的方式，一个属于G₁的块能至多携带2m个水印比特。k值越小，块的局部平滑度越大，块所能嵌入的水印比特数越多；k值越大，块的局部平滑度越小，所能嵌入的水印比特数越少。从以上两个例子可以看出块越平滑，嵌入的水印信息越多，从而实现了自适应的水印嵌入。

参见图3，S2步骤中，水印提取和原始图像恢复包括以下步骤：

S21，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；

S22，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；

S23，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预设阈值，则保持其不变，若其方差小于或等于预设阈值，且位置图中所对应的位置标示的是0，也不做任何处理，对于剩余的图像块，即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。

更为具体的，在S21中，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p'＝{p₁',p'₂…,p'_n}。

在步骤S22以及步骤S23中，位置图的恢复依照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。

而水印的抽取和原始图像的恢复步骤中，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信息的抽取和原始图像的恢复，即每一个块对应一个一维像素序列。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p′，将其所有相邻像素p_1,c+1,…,p_r,c+1,p_r+1,c+1,p_r+1,1,…,p_r+1,c构成和嵌入过程中相同的I_ENP(注意：p_1,c+1,…,p_r,c+1,p_r+1,c+1,p_r+1,1,…,p_r+1,c必须要先于p′恢复出来，才能保证从p′中正确恢复出原始像素序列p)。

I_ENP经等式(6)得到p'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；如果在位置图中所对应的是`1’且当n是奇数时，用预测所有比它小的像素，即中的每一个像素，产生(m+1-k)个含水印的预测误差(d_i'_min(i∈{1,…,(m+1-k)}))，同时，用预测所有比它大的像素，即中的每一个像素，也产生(m+1-k)个含水印的预测误差(d_i'_max(i∈{1,…,(m+1-k)}))；当n是偶数时，用预测集合中的每一个像素，产生(m-k+1)个含水印的预测误差(d_i'_min(i∈{1,…,(m+1-k)}))，并用预测中的每一个像素，也产生(m+1-k)个含水印的预测误差(d_i'_max(i∈{1,…,(m+1-k)}))。无论n是奇数还是偶数，对于d_i'_max(i∈{1,…,(m+1-k)}，按照如下方式进行水印的抽取和原始像素的恢复。

在解码端，借助d'_max＝p'_u-p'_v来分别恢复出原始像素p_σ(n-1)和p_σ(n)，并提取出原始水印信息。

●如果d'_max＞0，则可知p'_u＞p'_v，进而推导出σ(n)＜σ(n-1)，u＝σ(n)和v＝σ(n-1)。如果d'_max∈{1,2}，提取的水印b＝d'_max-1，恢复出的原始像素为p_σ(n)＝p'_u-b。如果d'_max＞2，说明没有隐藏任何水印信息，恢复出的原始像素为p_σ(n)＝p′_u-1。

●如果d'_max≤0，则可知p_u≤p_v，进而推导出σ(n)＞σ(n-1)，u＝σ(n-1)和v＝σ(n)。如果d'_max∈{0,-1}，提取的水印b＝-d'_max，恢复出的原始像素为p_σ(n)＝p'_v-b。如果d'_max＜-1，说明没有隐藏任何水印信息，恢复出的原始像素为p_σ(n)＝p'_v-1。

其中(u,v)来自于等式(1)。

对于d_i'_min(i∈{1,…,(m+1-k)}，按照如下方式进行水印的抽取和原始像素的恢复。

在解码端，借助d'_min＝p'_s-p_t'来分别恢复出原始像素p_σ(1)和p_σ(2)，并提取出原始水印信息。

●如果d'_min＞0，则可知p'_s＞p_t'，进而推导出σ(1)＞σ(2)，s＝σ(2)和t＝σ(1)。如果d'_min∈{1,2}，提取的水印b＝d'_min-1，恢复出的原始像素为p_σ(1)＝p_t'+b。如果d'_min＞2，说明没有隐藏任何水印信息，恢复出的原始像素为p_σ(1)＝p_t'+1。

●如果d'_min≤0，则可知p_u≤p_v，进而推导出σ(n)＞σ(n-1)，u＝σ(n-1)和v＝σ(n)。如果d'_min∈{0,-1}，提取的水印b＝-d'_min，恢复出的原始像素为p_σ(1)＝p'_s+b。如果d'_min＜-1，说明没有隐藏任何水印信息，恢复出的原始像素为p_σ(1)＝p'_s+1。

其中s＝min(σ(1),σ(2))，t＝max(σ(1),σ(2))。

基于以上完成对其进行水印的抽取和原始图像的恢复。

实施例2

依照本发明中对基于多层次IPVO的可逆水印计算方法，采用六幅自然图像作为测试图像，分别是‘Airplane’，‘Elaine’，‘Peppers’，‘Boat’‘Sailboat’和‘Tiffany’。图4a-f例证了本发明和Weng的方法，Peng的方法，Ou的方法和Sachnev的方法的率失真性能比较。

到目前为止，Peng等人(F.Peng,X.L.Li,B.Yang,Improved pvo-basedreversible data hiding,Digit.Signal Process.25(2014)255–265.)在PVO的基础上考虑了像素之间的位置关系而提出的一种基于IPVO的可逆水印算法。Weng的方法(X.Wang,J.Ding,Q.Q.Pei,Reversible data hiding based on an adaptive pixel-embeddingstrategy and two-layer embedding,Inform.Sci.(accepted).)提出了一种自适应IPVO的可逆水印算法。Li的方法(X.L.Li,W.M.Zhang,X.L.Gui,B.Yang,A novel reversibledata hiding scheme based on two-dimensional difference-histogrammodification,IEEE Trans.Inf.Forensic Secur.8(7)(2013)1091–1100.)是基于二维差值修改的一种可逆水印算法。Sachnev的方法(V.Sachnev,H.J.Kim,J.Nam,S.Suresh,Y.Q.Shi,Reversible watermarking algorithm using sorting and prediction,IEEETrans.Circuits Syst.Video Technol.19(7)(2009)989–999.)是采用菱形预测器和差值排序的一种可逆水印算法。

从图4a-f可以看出，本发明的性能明显优于Weng的方法的性能。虽然Weng的方法也是一种自适应IPVO的可逆水印方法，但是Weng的方法仅将局部平滑度分成了四个级别。事实上，对于一些含有大量平滑区域的测试图像，例如Elaine，将平滑度简单地分成四个级别并没有完全利用所有的平滑像素。本发明将局部平滑度分成了m个级别，其中(n是奇数)或(n是偶数)。当n＝3×3时，m＝4；当n＝5×5，m＝12，也就是说，块越大，m的值就越大，相应地，平滑度就分得越精细；块越小，m的值也越小，平滑度就分得较粗。对于属于第k层的图像块，它能至多携带2(m-k+1)比特。综上，每一个块所能携带的水印比特不仅和块的大小有关还和块的局部复杂度有关。

对于图4a-f这六幅测试图像，本发明的性能远优于其它三种方法(即Peng的方法，Ou的方法和Sachnev的方法)，本发明的优势就在于，图像块的局部纹理特征越复杂，它所能携带的数据容量就越低；反之，块越平滑，它所能携带的水印信息越多。因此，甚至在低嵌入比特率的时候，本发明的PSNR值远远优Ou的方法和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，本发明所设计可逆水印计算方法，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。综上，本发明具有两大优点：(1)平滑度被细分成m(m≥4)个层次，保持块的中值点不变，以中值点为中心进行自适应像素修改，对于任一个属于第k(k∈{1,…,m})层的图像块，其能至多携带2(m-k+1)比特水印信息，也就是说，k值越小，对应的平滑度越高，块所能携带得水印信息就越多，反之，k值越大，对应的平滑度就越低，块所能携带得水印信息就越少；(2)m和n有关，也就是说，块越大，m的值也就越大。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。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，均应包含在本发明权利要求的保护范围之内。

Claims (3)

1.一种基于多层次IPVO的可逆水印计算方法，其特征在于，其包括以下两个步骤：

S1，水印嵌入步骤；

S2，水印提取和原始图像恢复步骤。

2.根据权利要求1所述的基于多层次IPVO的可逆水印计算方法，其特征在于，S1步骤中，水印嵌入步骤包含以下两个步骤：

S11，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；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，通过该方差的大小来判定图像块是位于平滑区域还是纹理区域，即若方差小于预定的阈值，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；

S12，水印嵌入，对于位于纹理区域的图像块，为了降低失真，在嵌入过程中不会对位于纹理区域的图像块做任何的修改；对于某一图像块(p₁,p₂,…,p_n)，按照从小到大的顺序排序后得到(p_σ(1),p_σ(2),…,p_σ(n))，即p_σ(1)≤p_σ(2)≤…≤p_σ(n)；将位于平滑区域的图像块分成以下两个部分：

第一部分，包含水印嵌入后没有遭受像素溢出的图像块；

第二部分，包含除第一部分后的剩余的图像块；

产生一个位置图来标识这两部分，其中，位置图中符号1表示嵌入信息后没有遭受溢出的平滑块，0表示遭受了像素溢出的平滑块；并将无损压缩后的位置图和载荷一起嵌入到载体图像中；按照局部纹理特征的复杂程度将第一部分的图像块分成m(m≥4)类，当n是奇数时，中值为当n是偶数时，其中和为中值，n表示图像块的大小；保持图像块的中值不变，以中值为基点进行计算；

对于属于第k(k∈{1,…,m})层的图像块，当n是奇数时，用用预测所有比它小的值，并用预测所有比它大的值；当n是偶数时，用用预测所有比它小的值，并用预测所有比它大的值；通过该预测方式，对于属于第k(k∈{1,…,m})层平滑度的图像块，能实现携带2(m-k+1)比特水印信息；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。

3.根据权利要求1所述的基于多层次IPVO的可逆水印计算方法，其特征在于，S2步骤中，水印提取和原始图像恢复包括以下步骤：

S21，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；

S22，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；

S23，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预设阈值，则保持其不变，若其方差小于或等于预设阈值，且位置图中所对应的位置标识的是0也不做任何处理，对于剩余的图像块，即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。