CN107993182B - 乘性水印嵌入方法、提取方法及相关装置 - Google Patents
乘性水印嵌入方法、提取方法及相关装置 Download PDFInfo
- Publication number
- CN107993182B CN107993182B CN201711293328.7A CN201711293328A CN107993182B CN 107993182 B CN107993182 B CN 107993182B CN 201711293328 A CN201711293328 A CN 201711293328A CN 107993182 B CN107993182 B CN 107993182B
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- watermark
- frequency
- wavelet coefficient
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 230000000873 masking effect Effects 0.000 claims abstract description 7
- 238000005315 distribution function Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 15
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 238000007476 Maximum Likelihood Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 abstract description 4
- 230000016776 visual perception Effects 0.000 abstract description 4
- 230000002829 reductive effect Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
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
本发明提供一种乘性水印嵌入方法、提取方法及相关装置。通过根据图像子块对应的能量值选出目标图像子块，再根据获取到的高频子带小波系数能量及显著度距离，生成自适应嵌入强度因子，获取的自适应嵌入强度因子结合人类视觉感知模型的纹理掩蔽效应及视觉显著度特性，以便根据第一低频子带图像小波系数向量、自适应嵌入强度因子及待嵌入的水印信息，计算每个所述目标图像子块对应的嵌入后的第二低频子带图像小波系数向量。最终根据所述第二低频子带图像小波系数向量，将所述待嵌入的水印信息嵌入原始图像中，以获得水印图像。通过本方案，降低了水印信息嵌入的成本，也可以提高后续水印信息提取的简易性及精确度，适于推广使用。
Description
技术领域
本发明涉及图像处理技术领域，具体而言，涉及乘性水印嵌入方法、提取方法及相关装置。
背景技术
水印是向数据多媒体(如图像、声音、视频信号等)中添加的数字信息标识，以达到文件真伪鉴别、版权保护等功能。嵌入的水印信息隐藏于宿主文件中，不影响原始文件的可观性和完整性。理想的水印信息嵌入应当具备嵌入过程简单，使用成本低，同时提取方便等优点。
虽然在相关技术中，已提出多种水印嵌入方法，但依然存在很多问题。以乘性水印嵌入方式为例，在相关技术中，乘性水印嵌入方式需要利用多目标优化模型来获取乘性强度因子，再利用获取的乘性强度因子完成水印的嵌入。这样虽然较好的控制了水印的乘性嵌入强度，但是建立多目标优化的数学模型计算复杂，成本较高。同时，由于水印嵌入时是利用图像的信息熵选择熵较大的图像子块进行水印信息的嵌入，但在嵌入水印信息后，图像子块的熵值容易产生变化，导致水印信息难以正确的提取。
发明内容
本发明的目的在于提供一种乘性水印嵌入方法、提取方法及相关装置，用以改善上述问题。
为了实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供一种乘性水印嵌入方法，所述方法包括：将原始图像划分为多个图像子块；根据每个所述图像子块对应的能量值，按照预定规则筛选出预定个数的目标图像子块；分别计算每个所述目标图像子块对应的第一低频子带图像小波系数向量、高频子带小波系数能量及显著度距离；根据获取到的所述高频子带小波系数能量及显著度距离，生成自适应嵌入强度因子；根据所述第一低频子带图像小波系数向量、自适应嵌入强度因子及待嵌入的水印信息，计算每个所述目标图像子块对应的嵌入后的第二低频子带图像小波系数向量；根据所述第二低频子带图像小波系数向量，将所述待嵌入的水印信息嵌入所述原始图像中，以获得水印图像。
第二方面，本发明实施例还提供一种乘性水印提取方法，所述方法包括：采用拉普拉斯分布模型对采用上述乘性水印嵌入方法获得的所述水印图像进行处理，以获得图像水印分布函数；根据所述图像水印分布函数，利用极大似然解码模型，提取出所述水印图像中的所述水印信息。
第三方面，本发明实施例还提供一种乘性水印嵌入装置，所述装置包括：划分模块，用于将原始图像划分为多个图像子块；筛选模块，用于根据每个所述图像子块对应的能量值，按照预定规则筛选出预定个数的目标图像子块；计算模块，用于分别计算每个所述目标图像子块对应的第一低频子带图像小波系数向量、高频子带小波系数能量及显著度距离；生成模块，用于根据获取到的所述高频子带小波系数能量及显著度距离，生成自适应嵌入强度因子；计算模块，还用于根据所述第一低频子带图像小波系数向量、自适应嵌入强度因子及待嵌入的水印信息，计算每个所述目标图像子块对应的嵌入后的第二低频子带图像小波系数向量；嵌入模块，用于根据所述第二低频子带图像小波系数向量，将所述待嵌入的水印信息嵌入所述原始图像中，以获得水印图像。
第四方面，本发明实施例还提供一种乘性水印提取装置，所述装置包括：处理模块，用于采用拉普拉斯分布模型对利用上述乘性水印嵌入方法获得的所述水印图像进行处理，以获得图像水印分布函数；提取模块，用于根据所述图像水印分布函数，利用极大似然解码模型，提取出所述水印图像中的所述水印信息。
与现有技术相比，本发明提供一种乘性水印嵌入方法，根据图像子块对应的能量值选出目标图像子块，较相关技术中提供的乘性水印嵌入方法而言，嵌入的水印信息更容易被正确的提取，同时，以能量值较大的区域作为水印嵌入空间，以解决基于尺度缩放的乘性水印方法在抗同步攻击下的不足问题。根据获取到的所述高频子带小波系数能量及显著度距离，生成自适应嵌入强度因子，获取的自适应嵌入强度因子结合人类视觉感知模型的纹理掩蔽效应及视觉显著度特性，还避免了构建成本昂贵的多目标优化模型，有效降低了成本，根据所述第一低频子带图像小波系数向量、自适应嵌入强度因子及待嵌入的水印信息，计算每个所述目标图像子块对应的嵌入后的第二低频子带图像小波系数向量；根据所述第二低频子带图像小波系数向量，将所述待嵌入的水印信息嵌入所述原始图像中，以获得水印图像。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明较佳实施例提供的电子设备的方框示意图。
图2为本发明较佳实施例提供的乘性水印嵌入方法的流程图。
图3为图2中步骤S105的子步骤流程图。
图4为本发明较佳实施例提供的乘性水印提取方法的流程图。
图5为本发明较佳实施例提供的乘性水印嵌入装置的功能模块示意图。
图6为本发明较佳实施例提供的乘性水印提取装置的功能模块示意图。
图标：100-电子设备；101-存储器；102-存储控制器；103-处理器；104-外设接口；105-显示单元；106-输入输出单元；200-乘性水印嵌入装置；201-划分模块；202-获取模块；203-筛选模块；204-计算模块；205-生成模块；206-嵌入模块；300-乘性水印提取装置；301-处理模块；302-提取模块。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
图1示出本发明较佳实施例提供的电子设备100的方框示意图。所述电子设备100可以是台式计算机、笔记本电脑、平板电脑、智能手机、个人数字助理(personal digitalassistant，PDA)等。所述电子设备100包括乘性水印嵌入装置200、乘性水印提取装置300、存储器101、存储控制器102、处理器103、外设接口104、显示单元105、输入输出单元106。
所述存储器101、存储控制器102、处理器103、外设接口104、显示单元105、输入输出单元106各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述乘性水印嵌入装置200及乘性水印提取装置300均包括至少一个可以软件或固件(firmware)的形式存储于所述存储器101中或固化在所述电子设备100的操作系统(operating system，OS)中的软件功能模块。所述处理器103用于执行存储器101中存储的可执行模块，例如所述乘性水印嵌入装置200包括的软件功能模块或计算机程序。
其中，存储器101可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器101用于存储程序，所述处理器103在接收到执行指令后，执行所述程序，本发明任一实施例揭示的由过程定义的服务器所执行的方法可以应用于处理器103中，或者由处理器103实现。
处理器103可能是一种集成电路芯片，具有信号的处理能力。上述的处理器103可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器103也可以是任何常规的处理器103等。
所述外设接口104将各种输入/输出装置耦合至处理器103以及存储器101。在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。
显示单元105在所述电子设备100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元105可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器103进行计算和处理。
输入输出单元106用于提供给用户输入数据实现用户与所述电子设备100的交互。所述输入输出单元106可以是，但不限于，鼠标和键盘等，所述键盘可以是虚拟键盘。
第一实施例
请参考图2，图2为本发明较佳实施例提供的乘性水印嵌入方法的步骤流程图。如图2所示，所述方法包括以下步骤：
步骤S101，将原始图像划分为多个图像子块。
上述原始图像可以是需要进行添加水印信息的图像信息。在本发明实施例中，将原始图像划分为多个大小相同且互不重叠的图像子块。例如，原始图像的图像大小为512×512，则将其划分为多个大小为32×32且互不重叠的图像子块。
步骤S102，根据每一所述图像子块的像素值，获得所述图像子块对应的能量值。
在本发明实施例中，根据每个图像子块的像素值及图像子块的大小，利用公式：
分别计算每个图像子块对应的能量值。其中，E代表图像子块的能量值。L的取值由图像子块的大小确定，具体地，L×L表示每个图像子块的大小，例如，图像子块大小为32×32时，L的取值为32。m、n分别表示图像子块的行与列。I(m,n)表示在图像子块中(m,n)位置的像素值。
步骤S103，根据每个图像子块对应的能量值，按照预定规则筛选出预定个数的目标图像子块。
在本发明实施例中，上述按照预定规则筛选出预定个数的目标图像子块的方式可以是先根据图像子块对应的能量值对图像子块进行降序排列，再以排列在预定名次之前的图像子块作为目标图像子块，作为目标图像子块的构成的区域则为嵌入水印信息的区域。上述预定名次可以由用户选择。根据能量值筛选出来的目标图像子块的方式，相较于相关技术中根据图像熵值筛选目标图像子块的方式而言，不会出现由于水印信息嵌入前后图像子块的图像熵值会发生变化而造成水印信息难以正确提取的情况。
步骤S104，分别计算每个所述目标图像子块对应的第一低频子带图像小波系数向量、高频子带小波系数能量及显著度距离。
在本发明实施例中，在对每一个目标图像子块进行S层小波变换后，通过计算获取对应的第一低频子带图像小波系数向量、高频子带小波系数能量及显著度距离。具体地，步骤S104可以包括：
(1)通过对每一个目标图像子块进行S层小波变换，以提取对应的第一低频子带图像小波系数，再将其变换为一维系数向量，可以记为：x＝[x1,x2,…,xk]T，其中[...]T表示向量转置，k表示目标图像子块对应的第一低频子带图像小波系数的个数。接上例，S可以为1，即小波变换对应的分解的层数为1层，每个目标图像子块大小为32×32，则目标图像子块经过小波变换处理后的低频子带图像大小为16×16，在其每一个位置对应一个第一低频子带图像小波系数，再将其转换为一维向量，其大小为256，也就是k值为256。
(2)基于图像中纹理丰富的区域可以容忍更多的信息失真，也就是可以增大水印嵌入的强度这个特性，获取每个目标图像子块对应的高频子带小波系数能量。具体地，获取每一个目标图像子块对应的高频子带小波系数能量的方式都可以是，根据该目标图像子块对应的高频水平细节子带图像小波系数、高频垂直细节子带图像小波系数及高频对角细节子带图像小波系数，利用公式：
计算目标图像子块对应的高频水平细节子带图像能量、高频垂直细节子带图像能量及高频对角细节子带图像能量。其中，EHL代表高频水平细节子带图像能量，HL(m,n)代表在高频水平细节子带图像中位于(m，n)位置的高频水平细节子带图像小波系数。l为常数，取值由高频水平细节子带图像的大小确定，上述高频水平细节子带图像的大小、高频垂直细节子带图像及高频对角细节子带图像均与经过小波变换处理后的低频子带图像大小一致。接上例，经过1层小波变换分解处理后的尺寸为32×32的目标图像子块对应的高频垂直细节子带图像的大小为16×16，则l取值为16。ELH代表高频垂直细节子带图像能量，LH(m,n)代表在高频垂直细节子带图像中位于(m，n)位置的高频垂直细节子带图像小波系数。EHH代表高频对角细节子带图像能量，HH(m,n)代表在高频对角细节子带图像中位于(m，n)位置的高频对角细节子带图像小波系数。
在根据目标图像子块对应的高频水平细节子带图像能量、高频垂直细节子带图像能量及高频对角细节子带图像能量，利用平均值计算模型，获取该目标图像子块对应的高频子带小波系数能量。作为一种实施方式，可以根据高频水平细节子带图像能量、高频垂直细节子带图像能量及高频对角细节子带图像能量，利用公式：
获得该目标图像子块对应的高频子带小波系数能量。其中，EHF代表目标图像子块对应的高频子带小波系数能量，EHL代表高频水平细节子带图像能量，ELH代表高频垂直细节子带图像能量，EHH代表高频对角细节子带图像能量。
(3)利用显著度模型依次计算每个目标图像子块对应的显著度距离。
步骤S105，根据获取到的所述高频子带小波系数能量及显著度距离，生成自适应嵌入强度因子。
在本发明实施例中，如图3所示，步骤S105可以包括以下子步骤：
子步骤S1051，根据所述高频子带小波系数能量，利用平均值计算模型，获得高频子带图像能量。
在本发明实施例中，根据所有目标图像子块对应的高频子带小波系数能量，利用公式：
获得高频子带图像能量。其中，E′HF代表高频子带图像能量，N代表目标图像子块的总数，EHF,i代表第i个目标图像子块对应的高频子带小波系数能量。
子步骤S1052，根据所述高频子带图像能量，利用公式：
μ1＝a-c×exp(-ξ·EHF)，
获取基于图像纹理掩蔽效应的第一强度因子，其中，a为预先配置的第一常参数，c为预先配置的第二常参数，ξ为预先配置的第三常参数，μ1为第一强度因子，EHF为所述高频子带图像能量。优选地，a取值为1.023，c取值为0.02，ξ设置为3.5×10-5。
子步骤S1053，根据每个所述目标图像子块对应的显著度距离，获得平均显著度距离。
子步骤S1054，接收输入的最大显著度距离。
子步骤S1055，根据所述平均显著度距离及最大显著度距离，利用公式：
计算基于图像显著度模型的第二强度因子，其中，μ2代表第二强度因子，Dmax代表最大显著度距离，D为平均显著度距离；
子步骤S1056，根据所述第一强度因子及第二强度因子，获得所述自适应嵌入强度因子。
在本发明实施例中，可以是根据所述第一强度因子及第二强度因子，利用公式：
μ＝μ1×μ2-1，
获得每个所述目标图像子块对应的所述自适应嵌入强度因子，其中μ代表所述自适应嵌入强度因子，μ1代表第一强度因子，μ2代表第二强度因子。需要说明的是，通过上述过程获得的自适应嵌入强度因子综合利用了人类视觉模型的纹理掩蔽效应和显著度模型，水印嵌入强度因子可随着图像纹理的变化和显著度变化而自适应的变化，以更合适的控制水印嵌入的强度，提升水印的不可感知性和鲁棒性。
步骤S106，根据所述第一低频子带图像小波系数向量、自适应嵌入强度因子及待嵌入的水印信息，计算每个所述目标图像子块对应的嵌入后的第二低频子带图像小波系数向量。
在本发明实施例中，可以先获取一符合预设规则的伪随机序列。上述符合预设规则的伪随机序列可以是一维向量，且其包括的伪随机数的个数与第一低频子带图像小波系数的个数相同。根据对应的所述第一低频子带图像小波系数向量、自适应嵌入强度因子、伪随机序列及待嵌入的水印信息，利用公式：
y＝x*(1+μ(2b-1)w)，
获得由每一个所述目标图像子块对应的第二低频子带图像小波系数向量。其中，y代表所述第二低频子带图像小波系数向量，x代表所述目标图像子块对应的所述第一低频子带图像小波系数向量，μ代表所述自适应嵌入强度因子，所述待嵌入的水印信息包括水印信息比特，b代表所述水印信息比特，且b∈{0,1}，w代表伪随机序列。
步骤S107，根据所述第二低频子带图像小波系数，将所述待嵌入的水印信息嵌入所述原始图像中，以获得水印图像。
在本发明实施例中，可以是根据所述第二低频子带图像小波系数向量对每一个所述目标图像子块进行小波逆变换，以获得嵌入水印的所述目标图像子块。再将所述目标图像子块与所述原始图像对应的其他图像子块进行组合，以获得所述水印图像。
第二实施例
请参考图4，图4为本发明较佳实施例提供的乘性水印提取方法的步骤流程图。该方法用于提取采用第一实施例提供的乘性水印嵌入方法获得的所述水印图像中的水印信息。如图4所示，所述方法包括以下步骤：
步骤S201，采用拉普拉斯分布模型对所述水印图像进行处理，以获得图像水印分布函数。
在本实施例中，可以将对水印图像的水印信息的检测看作信号的检测与估计问题，采用似然率(LR,likelihood Ratio)进行统计检验，可得出假设检验式：
其中H0为零假设，H1为备择假设。然后采用拉普拉斯分布模型对水印图像进行处理，获得的图像水印分布函数为：
其中θ表示拉普拉斯分布模型的参数，μ表示水印嵌入强度因子，wi表示伪随机序列，b∈{0,1}，fy|b(yi)表示嵌入水印的目标图像子块的低频子带图像小波系数向量yi的统计概率分布函数。
步骤S202，根据所述图像水印分布函数，利用极大似然解码模型，提取出所述水印图像中的所述水印信息。
在本发明实施例中，采用极大似然方法提取水印信息。即根据
提取水印信息，
代表提取到的水印信息。具体地，极大似然函数具体表示为：
其中L(y)表示极大似然函数；f(y|b＝1)表示嵌入水印信息“1”的图像的统计概率分布函数；f(y|b＝0)表示嵌入水印信息“0”的图像的统计概率分布函数。根据图像水印分布函数代入上述极大似然函数中，并两边取对数，经整理可得极大似然解码模型如下式:
其中τ表示检测阈值，其值为
θ表示拉普拉斯分布模型的参数，μ表示水印嵌入强度因子，wi表示伪随机序列，yi代表目标图像子块的低频子带图像小波系数向量。
根据极大似然解码模型，当
大于检测阈值τ时，提取的水印信息为“1”；当
小于检测阈值τ时，提取的水印信息为“0”。
需要说明的是，通过上述过程提取水印图像中的水印信息，不需要原始图像信息的参考，是一种盲图像水印提取技术，其有助于本发明在实际中的进一步应用推广。
第三实施例
请参考图5，图5示出了本发明实施例提供的一种乘性水印嵌入装置200。如图5所示，上述乘性水印嵌入装置200包括：划分模块201、获取模块202、筛选模块203、计算模块204、生成模块205及嵌入模块206。
划分模块201，用于将原始图像划分为多个图像子块。
在本发明实施例中，步骤S101可以由划分模块201执行。
获取模块202，用于根据每一所述图像子块的像素值，获得所述图像子块对应的能量值。
在本发明实施例中，步骤S102可以由获取模块202执行。
筛选模块203，用于根据每个所述图像子块对应的能量值，按照预定规则筛选出预定个数的目标图像子块。
在本发明实施例中，步骤S103可以由筛选模块203执行。
计算模块204，用于分别计算每个所述目标图像子块对应的第一低频子带图像小波系数向量、高频子带小波系数能量及显著度距离。
在本发明实施例中，步骤S104可以由计算模块204执行。
生成模块205，用于根据获取到的所述高频子带小波系数能量及显著度距离，生成自适应嵌入强度因子。
在本发明实施例中，步骤S105、子步骤S1051、子步骤S1052、子步骤S1053、子步骤S1054、子步骤S1055及子步骤S1056均可以由计算模块204执行。
计算模块204，还用于根据所述第一低频子带图像小波系数向量、自适应嵌入强度因子及待嵌入的水印信息，计算每个所述目标图像子块对应的嵌入后的第二低频子带图像小波系数向量。
在本发明实施例中，步骤S106也可以由计算模块204执行。
嵌入模块206，用于根据所述第二低频子带图像小波系数向量，将所述待嵌入的水印信息嵌入所述原始图像中，以获得水印图像。
在本发明实施例中，步骤S107可以由嵌入模块206执行。
第四实施例
请参考图6，图6示出了本发明实施例提供的一种乘性水印提取装置300。如图6所示，上述乘性水印提取装置300包括：处理模块301及提取模块302。
处理模块301，用于采用拉普拉斯分布模型对利用第一实施例提供的乘性水印嵌入方法获得的所述水印图像进行处理，以获得图像水印分布函数。
在本发明实施例中，步骤S201也可以由处理模块301执行。
提取模块302，用于根据所述图像水印分布函数，利用极大似然解码模型，提取出所述水印图像中的所述水印信息。
在本发明实施例中，步骤S202也可以由提取模块302执行。
综上所述，本发明提供一种乘性水印嵌入方法、提取方法及相关装置。所述方法包括：将原始图像划分为多个图像子块；根据每个所述图像子块对应的能量值，按照预定规则筛选出预定个数的目标图像子块；分别计算每个所述目标图像子块对应的第一低频子带图像小波系数向量、高频子带小波系数能量及显著度距离；根据获取到的所述高频子带小波系数能量及显著度距离，生成自适应嵌入强度因子；根据所述第一低频子带图像小波系数向量、自适应嵌入强度因子及待嵌入的水印信息，计算每个所述目标图像子块对应的嵌入后的第二低频子带图像小波系数向量；根据所述第二低频子带图像小波系数向量，将所述待嵌入的水印信息嵌入所述原始图像中，以获得水印图像。具体通过引入小波变换高频子带系数的能量聚集性和人眼视觉感知模型，结合人类视觉感知模型的纹理掩蔽效应及视觉显著度特性，设计一种自适应的水印嵌入强度因子，并将图像小波系数能量较大的区域作为水印嵌入空间，以解决基于尺度缩放的乘性水印方法在抗同步攻击下的不足问题，进一步提高水印的不可感知性和鲁棒性。同时，基于图像小波系数统计分布的非高斯特性，采用拉普拉斯分布模型对图像的小波系数进行建模，并结合最大似然估计方法，给出了一种盲水印检测方案，进一步提升了水印的检测性能，较好的克服了基于尺度缩放的乘性水印方法需要原始图像信息的不足，提高了水印技术在实际应用中的推广前景。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种乘性水印嵌入方法，其特征在于，所述方法包括：
将原始图像划分为多个图像子块；
根据每个所述图像子块对应的能量值，按照预定规则筛选出预定个数的目标图像子块；
分别计算每个所述目标图像子块对应的第一低频子带图像小波系数向量、高频子带小波系数能量及显著度距离；
根据获取到的所述高频子带小波系数能量及显著度距离，生成自适应嵌入强度因子；其中，包括根据所述高频子带小波系数能量，利用平均值计算模型，获得高频子带图像能量；
根据所述高频子带图像能量，利用公式：
μ1＝a-c×exp(-ξ·EHF)，
获取基于图像纹理掩蔽效应的第一强度因子，其中，a为预先配置的第一常参数，c为预先配置的第二常参数，ξ为预先配置的第三常参数，μ1为第一强度因子，EHF为所述高频子带图像能量；根据每个所述目标图像子块对应的显著度距离，获得平均显著度距离；接收输入的最大显著度距离；根据所述平均显著度距离及最大显著度距离，利用公式：
计算基于图像显著度模型的第二强度因子，其中，μ2代表第二强度因子，Dmax代表最大显著度距离，D为平均显著度距离；
根据所述第一强度因子及第二强度因子，获得所述自适应嵌入强度因子；
其中，获得所述自适应嵌入强度因子包括根据所述第一强度因子及第二强度因子，利用公式：
μ＝μ1×μ2-1，
获得每个所述目标图像子块对应的所述自适应嵌入强度因子，其中μ代表所述自适应嵌入强度因子，μ1代表第一强度因子，μ2代表第二强度因子；
根据所述第一低频子带图像小波系数向量、自适应嵌入强度因子及待嵌入的水印信息，计算每个所述目标图像子块对应的嵌入后的第二低频子带图像小波系数向量；
根据所述第二低频子带图像小波系数向量，将所述待嵌入的水印信息嵌入所述原始图像中，以获得水印图像。
2.如权利要求1所述的方法，其特征在于，所述计算每个所述目标图像子块对应的嵌入后的第二低频子带图像小波系数向量的步骤包括：
获取一符合预设规则的伪随机序列；
根据对应的所述第一低频子带图像小波系数向量、自适应嵌入强度因子、伪随机序列及待嵌入的水印信息，利用公式：
y＝x*(1+μ(2b-1)w)，
获得由每一个所述目标图像子块对应的所述第二低频子带图像小波系数向量，其中，y代表所述第二低频子带图像小波系数向量，x代表所述目标图像子块对应的所述第一低频子带图像小波系数向量，μ代表所述自适应嵌入强度因子，所述待嵌入的水印信息包括水印信息比特，b代表所述水印信息比特，且b∈{0,1}，w代表伪随机序列。
3.如权利要求1所述的方法，其特征在于，计算每个所述目标图像子块对应的高频子带小波系数能量的步骤包括：
分别获取每个所述目标图像子块对应的高频水平细节子带图像能量、高频垂直细节子带图像能量以及高频对角细节子带图像能量；
根据所述高频水平细节子带图像能量、高频垂直细节子带图像能量以及高频对角细节子带图像能量，利用平均值计算模型，获取每一个所述目标图像子块对应的高频子带小波系数能量。
4.如权利要求1所述的方法，其特征在于，根据所述第二低频子带图像小波系数向量，将所述待嵌入的水印信息嵌入所述原始图像中的步骤包括：
根据所述第二低频子带图像小波系数向量对每一个所述目标图像子块进行小波逆变换，以获得嵌入水印的所述目标图像子块；
将所述目标图像子块与所述原始图像对应的其他图像子块进行组合，以获得所述水印图像。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据每一所述图像子块的像素值，获得所述图像子块对应的能量值。
6.一种乘性水印提取方法，其特征在于，所述方法包括：
采用拉普拉斯分布模型对利用权利要求1-5任意一项所述的乘性水印嵌入方法获得的所述水印图像进行处理，以获得图像水印分布函数；
根据所述图像水印分布函数，利用极大似然解码模型，提取出所述水印图像中的所述水印信息。
7.一种乘性水印嵌入装置，其特征在于，所述装置包括：
划分模块，用于将原始图像划分为多个图像子块；
筛选模块，用于根据每个所述图像子块对应的能量值，按照预定规则筛选出预定个数的目标图像子块；
计算模块，用于分别计算每个所述目标图像子块对应的第一低频子带图像小波系数向量、高频子带小波系数能量及显著度距离；
生成模块，用于根据获取到的所述高频子带小波系数能量及显著度距离，生成自适应嵌入强度因子；其中，所述生成模块具体用于根据所述高频子带小波系数能量，利用平均值计算模型，获得高频子带图像能量；
根据所述高频子带图像能量，利用公式：
μ1＝a-c×exp(-ξ·EHF)，
获取基于图像纹理掩蔽效应的第一强度因子，其中，a为预先配置的第一常参数，c为预先配置的第二常参数，ξ为预先配置的第三常参数，μ1为第一强度因子，EHF为所述高频子带图像能量；根据每个所述目标图像子块对应的显著度距离，获得平均显著度距离；接收输入的最大显著度距离；根据所述平均显著度距离及最大显著度距离，利用公式：
计算基于图像显著度模型的第二强度因子，其中，μ2代表第二强度因子，Dmax代表最大显著度距离，D为平均显著度距离；
根据所述第一强度因子及第二强度因子，获得所述自适应嵌入强度因子；
其中，所述生成模块还用于根据所述第一强度因子及第二强度因子，利用公式：
μ＝μ1×μ2-1，
获得每个所述目标图像子块对应的所述自适应嵌入强度因子，其中μ代表所述自适应嵌入强度因子，μ1代表第一强度因子，μ2代表第二强度因子；
计算模块，还用于根据所述第一低频子带图像小波系数向量、自适应嵌入强度因子及待嵌入的水印信息，计算每个所述目标图像子块对应的嵌入后的第二低频子带图像小波系数向量；
嵌入模块，用于根据所述第二低频子带图像小波系数向量，将所述待嵌入的水印信息嵌入所述原始图像中，以获得水印图像。
8.一种乘性水印提取装置，其特征在于，所述装置包括：
处理模块，用于采用拉普拉斯分布模型对利用权利要求1-5任一一项所述的乘性水印嵌入方法获得的所述水印图像进行处理，以获得图像水印分布函数；
提取模块，用于根据所述图像水印分布函数，利用极大似然解码模型，提取出所述水印图像中的所述水印信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711293328.7A CN107993182B (zh) | 2017-12-08 | 2017-12-08 | 乘性水印嵌入方法、提取方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711293328.7A CN107993182B (zh) | 2017-12-08 | 2017-12-08 | 乘性水印嵌入方法、提取方法及相关装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107993182A CN107993182A (zh) | 2018-05-04 |
| CN107993182B true CN107993182B (zh) | 2021-06-22 |
Family
ID=62036767
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711293328.7A Active CN107993182B (zh) | 2017-12-08 | 2017-12-08 | 乘性水印嵌入方法、提取方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107993182B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110378832B (zh) * | 2019-07-23 | 2023-01-24 | 上饶师范学院 | 水印嵌入方法、装置及电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101064847A (zh) * | 2007-05-15 | 2007-10-31 | 浙江大学 | 基于视觉特征的视频水印方法 |
| CN103079066A (zh) * | 2012-12-29 | 2013-05-01 | 北方工业大学 | 脊波变换与dct变换相结合的图像水印嵌入和提取方法 |
| CN104851428A (zh) * | 2015-04-15 | 2015-08-19 | 东莞中山大学研究院 | 一种基于音频信号实现水印加解密的方法 |
| CN105335924A (zh) * | 2015-11-18 | 2016-02-17 | 曲阜师范大学 | 基于差分进化的小波域彩色图像水印加密算法 |
| CN205282992U (zh) * | 2015-12-14 | 2016-06-01 | 国家电网公司 | 输电线路运检图像的智能记录仪 |
| CN105787863A (zh) * | 2015-12-18 | 2016-07-20 | 北京理工大学 | 基于线性正则小波变换的数字水印方法 |
| CN107256346A (zh) * | 2017-05-22 | 2017-10-17 | 努比亚技术有限公司 | 保护文件版权的方法、系统、及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2369950B (en) * | 2000-12-07 | 2005-03-16 | Sony Uk Ltd | Image processing apparatus |
-
2017
- 2017-12-08 CN CN201711293328.7A patent/CN107993182B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101064847A (zh) * | 2007-05-15 | 2007-10-31 | 浙江大学 | 基于视觉特征的视频水印方法 |
| CN103079066A (zh) * | 2012-12-29 | 2013-05-01 | 北方工业大学 | 脊波变换与dct变换相结合的图像水印嵌入和提取方法 |
| CN104851428A (zh) * | 2015-04-15 | 2015-08-19 | 东莞中山大学研究院 | 一种基于音频信号实现水印加解密的方法 |
| CN105335924A (zh) * | 2015-11-18 | 2016-02-17 | 曲阜师范大学 | 基于差分进化的小波域彩色图像水印加密算法 |
| CN205282992U (zh) * | 2015-12-14 | 2016-06-01 | 国家电网公司 | 输电线路运检图像的智能记录仪 |
| CN105787863A (zh) * | 2015-12-18 | 2016-07-20 | 北京理工大学 | 基于线性正则小波变换的数字水印方法 |
| CN107256346A (zh) * | 2017-05-22 | 2017-10-17 | 努比亚技术有限公司 | 保护文件版权的方法、系统、及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Quantization index modulation: A class of provably good methods for digital watermarking and information embedding;Chen B. ET AL.;《IEEE Trans. Inf. Theory》;20011231;第1423-1443页 * |
| 基于Gauss-Hermite分布模型的水印检测算法研究;李爱华，等;《计算机应用与软件》;20170930;第216-221、266页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107993182A (zh) | 2018-05-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102168397B1 (ko) | 이미지 탬퍼 검출 방법, 시스템, 전자장치 및 저장매체 | |
| US9342870B2 (en) | Tree-based linear regression for denoising | |
| Bilal et al. | A robust technique for copy-move forgery detection from small and extremely smooth tampered regions based on the DHE-SURF features and mDBSCAN clustering | |
| CN105959686B (zh) | 一种视频特征提取方法、视频匹配方法及装置 | |
| CN102156955B (zh) | 基于直方图邻域的鲁棒可逆水印嵌入与提取方法 | |
| Chen et al. | Difference-expansion based reversible and visible image watermarking scheme | |
| CN112257578B (zh) | 人脸关键点检测方法、装置、电子设备及存储介质 | |
| JP2013225312A5 (zh) | ||
| US8537143B2 (en) | Touch-controlled system and method | |
| JP7443647B2 (ja) | キーポイント検出及びモデル訓練方法、装置、デバイス、記憶媒体、並びにコンピュータプログラム | |
| CN108961141A (zh) | 矢量地图的双重零水印方法、系统、存储介质及服务器 | |
| CN106803229A (zh) | 基于相位奇异值校正的图像水印方法 | |
| CN107169982A (zh) | 一种量子LoG边缘检测方法 | |
| Jana et al. | A new DCT based robust image watermarking scheme using cellular automata | |
| CN115272250B (zh) | 确定病灶位置方法、装置、计算机设备和存储介质 | |
| CN116797590A (zh) | 一种基于机器视觉的Mura缺陷检测方法及系统 | |
| Chen et al. | Image splicing localization using residual image and residual-based fully convolutional network | |
| CN112419342A (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
| Golshan et al. | A hybrid intelligent SVD-based perceptual shaping of a digital image watermark in DCT and DWT domain | |
| CN101601070B (zh) | 用于生成画面显著度图的设备和方法 | |
| CN107993182B (zh) | 乘性水印嵌入方法、提取方法及相关装置 | |
| CN110163095B (zh) | 回环检测方法、回环检测装置及终端设备 | |
| CN104079946B (zh) | 可变成块效应大小和偏移检测 | |
| Sun et al. | Research on the multi-scale low rank method and its optimal parameters selection strategy for infrared small target detection | |
| CN103646376A (zh) | 一种数字水印图像生成方法 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231221 Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee after: Dragon totem Technology (Hefei) Co.,Ltd. Address before: No. 401, Zhimin Avenue, Xinzhou District, Shangrao City, Jiangxi Province Patentee before: SHANGRAO NORMAL University |