CN107169915B - 一种基于分块合并策略的pvo数字水印方法 - Google Patents

一种基于分块合并策略的pvo数字水印方法 Download PDF

Info

Publication number
CN107169915B
CN107169915B CN201710386695.5A CN201710386695A CN107169915B CN 107169915 B CN107169915 B CN 107169915B CN 201710386695 A CN201710386695 A CN 201710386695A CN 107169915 B CN107169915 B CN 107169915B
Authority
CN
China
Prior art keywords
blocks
block
complexity
embedding
merging
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.)
Active
Application number
CN201710386695.5A
Other languages
English (en)
Other versions
CN107169915A (zh
Inventor
王祥
张海滨
裴庆祺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201710386695.5A priority Critical patent/CN107169915B/zh
Publication of CN107169915A publication Critical patent/CN107169915A/zh
Application granted granted Critical
Publication of CN107169915B publication Critical patent/CN107169915B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2201/00—General purpose image data processing
    • G06T2201/005—Image watermarking
    • G06T2201/0061—Embedding of the watermark in each block of the image, e.g. segmented watermarking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2201/00—General purpose image data processing
    • G06T2201/005—Image watermarking
    • G06T2201/0065—Extraction of an embedded watermark; Reliable detection

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

本发明属于数字水印技术领域，公开了一种基于分块合并策略的PVO数字水印方法，包括：对于复杂度小于T1的块进行PVO的嵌入；第一层合并：对于合并后的块，再次计算其复杂度并根据阈值T2进行PVO的嵌入；第二层合并：对于不满足要求的块，根据相邻块之间的位置关系，将满足要求的块合并成一个4*4的块；合并后的块，再次计算其复杂度并根据阈值T3进行PVO的嵌入。本发明通过计算相似度，将分块由小到大一层层合并，实现了动态控制分块的大小，有效提升了分块内像素的相关性，实现了在相同嵌入容量下获得更少的图像失真，大大提升了嵌入后图像的PSNR(峰值信噪比)；可用于秘密信息的可逆隐藏。

Description

一种基于分块合并策略的PVO数字水印方法
技术领域
本发明属于数字水印技术领域，尤其涉及一种基于分块合并策略的PVO数字水印方法。
背景技术
近些年来，在军事、医学、遥感图像处理等领域中，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；其中一种像素值排序(PVO)的技术受到了许多关注，将原始图像划分成等大小的块之后，给定块内的像素并根据像素值排序，然后通过修改每个分块的最大值和最小值来实现数据嵌入。对于给定的嵌入容量，最终搜索最佳分块大小，以使嵌入失真最小化；由于同一分块中的像素通常具有很强的相关性，所以该方法有着良好的嵌入性能。PVO嵌入性能与其分块大小有显著的相关性；使用固定的分块方案极大地限制了方案的能力。
综上所述，现有技术存在的问题是：PVO水印方案中，固定的分块方案极大地限制了方案的能力。PVO嵌入性能与分块大小有着明显的相关性，使用较大的块固然可以得到较高的性能，但却导致了嵌入容量的减少；为了满足较高的嵌入容量，必须使用较小的块，从而导致了图像质量的降低。
发明内容
针对现有技术存在的问题，本发明提供了一种基于分块合并策略的PVO数字水印方法。
本发明是这样实现的，一种基于分块合并策略的PVO数字水印方法，所述基于分块合并策略的PVO数字水印方法包括以下步骤：
步骤一，读取原始灰度图像并将其分为不重复的2*2大小的块；
步骤二，对每一个分块计算其局部复杂度并在位图中标记；
步骤三，对位图进行无损数据压缩并作为辅助信息的一部分等待嵌入；
步骤四，2*2分块的嵌入，对于复杂度小于T1的块进行PVO的嵌入；
对于分块Xi＝{x1,...,xn}，复杂度的定义如下：
NLi＝Var(x2,…,xn-1)
这里Var表示求方差。
步骤五，第一层合并：对于局部复杂度大于T1的2*2的块，计算与相邻块的相似度Sim，根据相似度大小，将相似度小于S的相邻块进行合并，形成一个大小为8的分块；
对于待合并的分块X＝{x1,...,xn}和Y＝{y1,...,yn}，相似度Sim的定义如下：
Figure GDA0002307118740000021
步骤六，对于合并后的块，再次计算其复杂度并根据阈值T2进行PVO的嵌入；
步骤七，第二层合并：对于不满足要求的块，根据相邻块之间的位置关系，将满足要求的块合并成一个4*4的块；
步骤八，合并后的块，再次计算复杂度并根据阈值T3进行PVO的嵌入；
步骤九，使用LSB替换的方法进行辅助信息的嵌入，并将替换下来的LSB序列作为负载的一部分进行嵌入；嵌入完成；
阈值T1，T2，T3与具体图像和嵌入容量有关，通过遍历所有组合选择不同容量下最优的阈值。
步骤十，从嵌入后的水印图像的指定像素中读取LSB以获得辅助信息；
步骤十一，从辅助信息中得到压缩后的位图并解压；
步骤十二，按嵌入时的方案将图像分成2*2大小不重复的块并计算复杂度；
步骤十三，水印提取；
步骤十四，根据提取的数据得到被替换的LSB序列，将其替换回原来的位置，得到原始图像。
进一步，所述步骤五具体包括：
(a)对于不满足要求的块，计算其与相邻块的相似度Sim；
(b)根据相似度大小，将Sim<S的相邻块进行合并，形成一个大小为8的分块，2*4或4*2。
进一步，所述步骤十三具体包括：
(a)从复杂度小于阈值T1的2*2的块中提取出第一部分水印；
(b)对剩下的块根据阈值S按相似度Sim进行第一层合并；
(c)从合并的块中根据阈值T2提取出第二部分水印；
(d)对(c)中剩下的块进行第二层合并及提取。
进一步，所述辅助信息的嵌入读取图像的前
Figure GDA0002307118740000033
个像素点的LSB来得到一个SLSB序列，序列将作为水印的一部分嵌入到图像中；采用LSB替换的方法将辅助信息嵌入到像素点中。
进一步，所述辅助信息包括：
三层嵌入的复杂度阈值T1(8bits)，T2(8bits)，T3(8bits)；
第一次合并的相似度阈值S(8bits)；
水印结束标记
压缩后的位图长度
Figure GDA0002307118740000032
压缩后的位图LM(lclmbits)。
本发明的优点及积极效果为：通过计算相似度，将分块由小到大一层层合并，实现了动态控制分块的大小，有效提升了分块内像素的相关性，实现了在相同嵌入容量下获得更少的图像失真，大大提升了嵌入后图像的PSNR(峰值信噪比)；可用于秘密信息的可逆隐藏。表1是本发明在lena，airplane，barbara等三张图上不同嵌入容量下PSNR的实验数据对比。由于4*4分块方案在三张图片上最大嵌入容量均无法达到20000bits，所以嵌入容量20000bits的情况下只比对了2*2分块方案。根据表格可以看出，相较于固定分块的方案，本发明在不同嵌入容量下PSNR均有一定的提升。
表1
Figure GDA0002307118740000041
附图说明
图1是本发明实施例提供的基于分块合并策略的PVO数字水印方法流程图。
图2是本发明实施例提供的基于分块合并策略的PVO数字水印方法实现流程图。
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。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的基于分块合并策略的PVO数字水印方法包括以下步骤：
S101：读取原始灰度图像并将其分为不重复的2*2大小的块；
S102：对每一个分块计算其局部复杂度并在位图中标记；
S103：对位图进行无损数据压缩并作为辅助信息的一部分等待嵌入；
S104：2*2分块的嵌入，对于复杂度小于T1的块进行PVO的嵌入；
S105：第一层合并：
S106：对于合并后的块，再次计算其复杂度并根据阈值T2进行PVO的嵌入；
S107：第二层合并：对于不满足要求的块，根据相邻块之间的位置关系，将满足要求的块合并成一个4*4的块；
S108：合并后的块，再次计算其复杂度并根据阈值T3进行PVO的嵌入；
S109：使用LSB替换的方法进行辅助信息的嵌入，并将替换下来的LSB序列作为负载的一部分进行嵌入；
S110：从指定像素中读取LSB以获得辅助信息；
S111：从辅助信息中得到压缩后的位图并解压；
S112：按嵌入时的方案将图像分成2*2大小不重复的块并计算复杂度；
S113：水印提取；
S114：根据提取的数据得到被替换的LSB序列，将其替换回原来的位置，从而得到原始图像。
步骤S105具体包括：
(a)对于不满足要求的块，计算其与相邻块的相似度Sim；
(b)根据相似度大小，将Sim<S的相邻块进行合并，形成一个大小为8的分块(2*4或4*2)。
步骤S113包括：
(a)先从复杂度小于阈值T1的2*2的块中提取出第一部分水印；
(b)对剩下的块根据阈值S按相似度Sim进行第一层合并；
(c)从合并的块中根据阈值T2提取出第二部分水印；
(d)对(c)中剩下的块进行第二层合并及提取，方法如(b)(c)。
下面结合附图对本发明的应用原理作进一步的描述。
如图2所示，本发明实施例提供的基于分块合并策略的PVO数字水印方法包括以下步骤：
一、水印的嵌入
步骤1，对原始灰度图像进行分块；
将图像分为2*2大小的互不重叠的分块。
步骤2，分块预处理；
对每一个分块，计算其局部复杂度NL，并将可能会导致溢出的分块(块内像素值为0或255)在位图中进行标记，对位图进行无损数据压缩并将其作为辅助信息的一部分等待嵌入；
步骤3，2*2分块的嵌入；
根据T1，对NL<T1的块进行PVO嵌入，NL>T1的分块留待合并；
步骤4，第一层合并及嵌入；
对于局部复杂度大于T1的2*2的块，计算其与相邻块的相似度Sim，根据相似度大小，将相似度小于S的相邻块进行合并，形成一个大小为8的分块(2*4或4*2)。
对于合并后的块，再次计算其复杂度，并根据T3，对复杂度小于T2的块进行PVO嵌入。
步骤5，第二层合并及嵌入；
对于步骤4中合并后未用来嵌入且复杂度大于T3的块，根据相邻块的位置关系，将满足要求的块合并成一个4*4的块对于合并后的块，再次进行复杂度的计算，对复杂度小于T3的块进行PVO嵌入。
步骤6，辅助信息嵌入
读取图像的前
Figure GDA0002307118740000061
个像素点的LSB来得到一个SLSB序列，该序列将作为水印的一部分嵌入到图像中。采用LSB替换的方法将辅助信息嵌入到这些像素点中。
辅助信息包括：
三层嵌入的复杂度阈值T1(8bits)，T2(8bits)，T3(8bits)；
第一次合并的相似度阈值S(8bits)；
水印结束标记
Figure GDA0002307118740000062
压缩后的位图长度
Figure GDA0002307118740000063
压缩后的位图LM(lclmbits)。
二、水印的提取过程
步骤1，辅助信息获取；
读取图像前
Figure GDA0002307118740000071
个像素的LSB从而得到阈值T1，T2，T3，S以及ξend和lclm，根据lclm的大小继续读取lclm个像素的LSB从而得到压缩后的位图LM，对其进行解压缩。
步骤2，图像分块及预处理；
按嵌入时的方案将图像分成2*2大小不重复的块计算每一个分块的复杂度；
步骤3，2*2分块水印提取；
根据T1，从复杂度小于T1的块中提取出第一部分水印；
步骤4，第一层合并及提取；
采用与嵌入时相同的合并，将相似度Sim小于S的相邻的块进行第一次合并，计算每一个合并后的块的复杂度并排序，从复杂度小于T2的块中提取出第二部分水印。
步骤5，第二层合并及提取；
将步骤4中未用到的块根据相邻块的位置关系，合并成4*4的块；计算每一个合并后的块的复杂度并排序，从复杂度小于T3的块中提取出第三部分水印。
步骤6，图像恢复
根据上述步骤中提取的数据得到原始的SLSB序列，将其替换回原来的位置，得到原始图像。
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 (4)

1.一种基于分块合并策略的PVO数字水印方法，其特征在于，所述基于分块合并策略的PVO数字水印方法包括以下步骤：
步骤一，读取原始灰度图像并将其分为不重复的2*2大小的块；
步骤二，对每一个分块计算其复杂度并在位图中标记；
步骤三，对位图进行无损数据压缩并作为辅助信息的一部分等待嵌入；
步骤四，2*2分块的嵌入，对于复杂度小于T1的块进行PVO的嵌入；
步骤五，第一层合并：对于复杂度大于T1的2*2的块，计算与相邻块的相似度Sim，根据相似度大小，将相似度小于S的相邻块进行合并，形成一个大小为8的分块，2*4或4*2；
步骤六，对于合并后的块，再次计算其复杂度并根据阈值T2进行PVO的嵌入；
步骤七，第二层合并：对于步骤四中合并后未用来嵌入复杂度大于T3的块，根据相邻块的位置关系，将满足要求的块合并成一个4*4的块，对于合并后的块，再次进行复杂度的计算，对复杂度小于T3的块进行PVO嵌入；
步骤八，合并后的块，再次计算复杂度并根据阈值T3进行PVO的嵌入；
步骤九，使用LSB替换的方法进行辅助信息的嵌入，并将替换下来的LSB序列作为负载的一部分进行嵌入；嵌入完成；所述辅助信息的嵌入读取图像的前
Figure FDA0002307118730000011
个像素点的LSB来得到一个SLSB序列，序列将作为水印的一部分嵌入到图像中；采用LSB替换的方法将辅助信息嵌入到像素点中；
步骤十，从嵌入后的水印图像的指定像素中读取LSB以获得辅助信息；
步骤十一，从辅助信息中得到压缩后的位图并解压；
步骤十二，按嵌入时的方案将图像分成2*2大小不重复的块并计算复杂度；
步骤十三，水印提取；
(1)辅助信息获取；
读取图像前
Figure FDA0002307118730000012
个像素的LSB从而得到阈值T1，T2，T3，S以及ξend和lclm，压缩后的位图长度lclm；根据lclm的大小继续读取lclm个像素的LSB从而得到压缩后的位图LM，对其进行解压缩；水印结束标记ξend；
(2)图像分块及预处理；
按嵌入时的方案将图像分成2*2大小不重复的块计算每一个分块的复杂度；
(3)2*2分块水印提取；
根据T1，从复杂度小于T1的块中提取出第一部分水印；
(4)第一层合并及提取；
采用与嵌入时相同的合并，将相似度Sim小于S的相邻的块进行第一次合并，计算每一个合并后的块的复杂度并排序，从复杂度小于T2的块中提取出第二部分水印；
(5)第二层合并及提取；
将(4)中未用到的块根据相邻块的位置关系，合并成4*4的块；计算每一个合并后的块的复杂度并排序，从复杂度小于T3的块中提取出第三部分水印；
(6)图像恢复
根据上述步骤中提取的数据得到原始的SLSB序列，将其替换回原来的位置，得到原始图像；
步骤十四，根据提取的数据得到被替换的LSB序列，将其替换回原来的位置，得到原始图像。
2.如权利要求1所述的基于分块合并策略的PVO数字水印方法，其特征在于，所述步骤五具体包括：
(a)对于复杂度大于T1的2*2的块，计算其与相邻块的相似度Sim；
(b)根据相似度大小，将Sim<S的相邻块进行合并，形成一个大小为8的分块，2*4或4*2。
3.如权利要求1所述的基于分块合并策略的PVO数字水印方法，其特征在于，所述步骤十三具体包括：
(a)从复杂度小于阈值T1的2*2的块中提取出第一部分水印；
(b)对剩下的块根据阈值S按相似度Sim进行第一层合并；
(c)从合并的块中根据阈值T2提取出第二部分水印；
(d)对(c)中剩下的块进行第二层合并及提取。
4.如权利要求1所述的基于分块合并策略的PVO数字水印方法，其特征在于，所述辅助信息包括：
三层嵌入的复杂度阈值T1(8bits)，T2(8bits)，T3(8bits)；
第一次合并的相似度阈值S(8bits)；
水印结束标记
Figure FDA0002307118730000031
压缩后的位图长度
Figure FDA0002307118730000032
压缩后的位图LM(lclmbits)。
CN201710386695.5A 2017-05-26 2017-05-26 一种基于分块合并策略的pvo数字水印方法 Active CN107169915B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710386695.5A CN107169915B (zh) 2017-05-26 2017-05-26 一种基于分块合并策略的pvo数字水印方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710386695.5A CN107169915B (zh) 2017-05-26 2017-05-26 一种基于分块合并策略的pvo数字水印方法

Publications (2)

Publication Number Publication Date
CN107169915A CN107169915A (zh) 2017-09-15
CN107169915B true CN107169915B (zh) 2020-07-03

Family

ID=59821007

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710386695.5A Active CN107169915B (zh) 2017-05-26 2017-05-26 一种基于分块合并策略的pvo数字水印方法

Country Status (1)

Country Link
CN (1) CN107169915B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108230226B (zh) * 2018-01-08 2021-09-10 西安电子科技大学 自适应分块像素值排序数字可逆水印方法、医学图像系统
CN108510425B (zh) * 2018-02-11 2022-03-25 广东工业大学 基于ippvo和优化mhm的可逆水印方法
CN110087076B (zh) * 2019-04-09 2021-05-14 华南理工大学 一种基于分层块替换的多图像压缩方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101082981A (zh) * 2007-05-22 2007-12-05 中山大学 一种二值图像的水印嵌入和提取方法
CN106228501A (zh) * 2016-07-13 2016-12-14 西安电子科技大学 一种基于整数变换的自适应可逆数字水印方法
CN106570817A (zh) * 2016-11-01 2017-04-19 西安电子科技大学 一种抗几何攻击的鲁棒可逆水印方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090010483A1 (en) * 2007-07-02 2009-01-08 The Hong Kong University Of Science And Technology Block-based lossless data hiding in the delta domain

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101082981A (zh) * 2007-05-22 2007-12-05 中山大学 一种二值图像的水印嵌入和提取方法
CN106228501A (zh) * 2016-07-13 2016-12-14 西安电子科技大学 一种基于整数变换的自适应可逆数字水印方法
CN106570817A (zh) * 2016-11-01 2017-04-19 西安电子科技大学 一种抗几何攻击的鲁棒可逆水印方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
灰度共生矩阵纹理特征选块的可逆图像水印;李淑芝等;《光电子.激光》;20170415;第28卷(第4期);全文 *

Also Published As

Publication number Publication date
CN107169915A (zh) 2017-09-15

Similar Documents

Publication Publication Date Title
Huang et al. Image contrast enhancement for preserving mean brightness without losing image features
Yoo et al. Image restoration by estimating frequency distribution of local patches
CN106023058B (zh) 一种高保真可逆水印嵌入方法
CN105741224B (zh) 基于pvo和自适应块分割的可逆水印算法
CN107169915B (zh) 一种基于分块合并策略的pvo数字水印方法
Wang et al. High capacity reversible image watermarking based on integer transform
CN111898136A (zh) 一种基于预测误差值排序的高保真可逆信息隐藏方法和装置
CN106485640A (zh) 一种基于多层次ipvo的可逆水印计算方法
Zeng et al. Reversible data hiding scheme using reference pixel and multi-layer embedding
CN110674824A (zh) 基于R2U-Net的手指静脉分割方法、装置和存储介质
CN109859090B (zh) 基于人类视觉系统的可逆水印方法及装置
Weng et al. A novel reversible watermarking based on an integer transform
CN114399419A (zh) 基于预测误差扩展的可逆图像水印算法
CN109003247B (zh) 彩色图像混合噪声的去除方法
Xiao et al. Reversible data hiding using histogram shifting in small blocks
CN108510425B (zh) 基于ippvo和优化mhm的可逆水印方法
CN107241597A (zh) 一种结合四叉树自适应编码的可逆信息隐藏方法
CN110533569B (zh) 基于二次差值扩展的水印处理方法
Hou et al. Reversible image processing via reversible data hiding
Xie et al. A Turtle Shell based RDH scheme with two-dimensional histogram shifting
Hou et al. Improving JPEG performance in conjunction with cloud editing for remote sensing applications
CN108230226B (zh) 自适应分块像素值排序数字可逆水印方法、医学图像系统
Luo et al. Reversible image water marking based on prediction-error expansion and compensation
Xiang et al. A pixel-based reversible data hiding method based on obtuse angle prediction
Ahmad et al. Increasing the performance of difference expansion-based steganography when securing medical data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant