CN109727178A - 基于多元bkf参数校正的nsst域鲁棒图像水印方法 - Google Patents

基于多元bkf参数校正的nsst域鲁棒图像水印方法 Download PDF

Info

Publication number
CN109727178A
CN109727178A CN201811607450.1A CN201811607450A CN109727178A CN 109727178 A CN109727178 A CN 109727178A CN 201811607450 A CN201811607450 A CN 201811607450A CN 109727178 A CN109727178 A CN 109727178A
Authority
CN
China
Prior art keywords
watermark
nsst
parameter
bkf
indicate
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
Application number
CN201811607450.1A
Other languages
English (en)
Other versions
CN109727178B (zh
Inventor
杨红颖
杨思宇
牛盼盼
王向阳
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.)
Liaoning Normal University
Original Assignee
Liaoning Normal 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 Liaoning Normal University filed Critical Liaoning Normal University
Priority to CN201811607450.1A priority Critical patent/CN109727178B/zh
Publication of CN109727178A publication Critical patent/CN109727178A/zh
Application granted granted Critical
Publication of CN109727178B publication Critical patent/CN109727178B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)
  • Editing Of Facsimile Originals (AREA)

Abstract

本发明公开了一种基于多元BKF参数校正的NSST域鲁棒图像水印方法，对原始图像执行非下采样剪切波变换，并对低频子带执行非重叠块处理，通过扩展抖动调制量化方法将水印嵌入原始图像中并重构获得含水印图像；计算待检测图像NSST域子带系数的多元BKF两个参数，并结合对样本进行缩放、平移、旋转的几何变换参数进行训练学习，得到FSVR训练模型；计算待检测含水印图像几何校正的数学模型，利用得到的FSVR训练模型确定模型参数进行几何校正；从经过校正的含水印图像中提取水印信息。

Description

基于多元BKF参数校正的NSST域鲁棒图像水印方法
技术领域
本发明属于图像版权保护领域，涉及一种基于参数校正的图像水印方法，特别涉及一种基于多元BKF参数校正的NSST域鲁棒图像水印方法。
背景技术
当今社会，互联网和多媒体的快速发展，给人们的日常生活带来了很大的方便，但同时多媒体资源也遭受了非法拷贝、伪造及传播。数字图像水印技术为解决图像信息安全危机提供了一种有效的手段，在数字图像版权保护领域具有非常大的研究和应用价值。如何兼顾变换域系数间的多种相关性和提高几何攻击的抵抗能力是数字图像水印领域共同关注的热点问题，而基于多元BKF参数校正的NSST域鲁棒水印方法是一种解决问题的有效手段。
该方法相比较传统图像水印技术优势在于：第一，使用多分辨率多尺度的非下采样剪切波变换（NSST），可以很好地捕捉图像的特征；第二，使用扩展抖动调制（STDM）量化方法将水印嵌入原始图像中，可以将失真扩散到所有分块中；第三，利用多元BKF进行参数估计并建模，充分考虑了尺度间、方向间、子带内系数间的多种相关性，提高了刻画系数间相关性的能力，第四，利用FSVR训练模型进行几何校正，对几何攻击有较好的抵抗能力。但是，现有统计参数的方法，大多数是采用一元概率密度函数分布，没有考虑子带的相关性（包括尺度间、方向间、子带内系数间），参数估计不够准确。
发明内容
本发明是为了解决现有技术所存在的上述技术问题，提供一种基于多元BKF参数校正的NSST域鲁棒图像水印方法。
本发明的技术解决方案是：一种基于多元BKF参数校正的NSST域鲁棒图像水印方法，其特征在于按如下步骤进行：
约定：表示原始图像，大小为；表示水印图像，大小为；为低频子带块，为块的总数；表示抖动量化；表示每个中的系数；表示含水印系数；为量化步长，表示投影向量；为形状参数；为对称的正定矩阵；表示待检测含水印图像，大小为；为训练样本图像集合；为输入向量；为几何变换参数；为几何变换的预测值；为含水印低频子带块；为每个中的系数；为校正后的含水印图像；表示提取的一位水印；表示最终提取的水印；
a. 初始设置
获取原始图像并初始化变量；
b. 水印嵌入
b.1 将进行NSST二级分解，分解参数为[2 2]，得到低频子带并进行不重叠分块：
b.2 利用扩展抖动调制（STDM）量化方法进行水印嵌入：
b.3 将与高频子带合并实行NSST重构获得；
c. 多元BKF参数校正
c.1 获得，对进行二级NSST分解，得到尺度一和尺度二的第三方向子带系数；
c.2 使用矩估计法计算NSST域子带系数的多元BKF的参数；
c.3 使用最大期望EM估计法计算NSST域子带系数的参数；
c.4 使用作为的几何变换参数，从而得到训练样本的特征向量；
c.5 计算待检测含水印图像的NSST域尺度一和尺度二第三方向子带系数的多元BKF统计参数，得到的2个参数作为FSVR的输入向量；
c.6 将输入到FSVR训练模型，获得；
c.7 使用对执行几何校正，获得图像；
d. 水印提取
d.1 将校正后的含水印图像进行NSST二级分解，分解参数为[2 2]，得到含水印低频子带并进行不重叠分块：
；
d.2 采用最小距离检查方法进行水印的提取，提取过程表示为：
；
d.3 按照水印图像对应位置，对进行择多选取，即可得到最终提取出的水印图像
。
本发明首先对原始图像执行非下采样剪切波变换（NSST），并对低频子带执行非重叠块处理，通过扩展抖动调制（STDM）量化方法将水印嵌入原始图像中并重构获得含水印图像；其次，计算待检测图像NSST域子带系数的多元BKF两个参数，并结合对样本进行缩放、平移、旋转的几何变换参数进行训练学习，得到FSVR训练模型；然后，计算待检测含水印图像几何校正的数学模型，利用得到的FSVR训练模型确定模型参数进行几何校正；最后，从经过校正的含水印图像中提取水印信息。实验结果表明，本发明由于使用了多元BKF，考虑了尺度间、方向间、子带内系数间的多种相关性，使得参数估计更加准确，几何校正更好。
与现有技术对比，本发明具有以下有益效果：
第一，利用了扩展抖动调制（STDM）量化方法将嵌入引起的失真扩散到所有分块中，从而满足了峰值失真限制；
第二，充分考虑了NSST域尺度内、尺度间、方向间系数多种相关性，利用多元BKF参数作为训练样本图像的特征向量，使得参数估计更准确，几何校正效果更好。
附图说明
图1为本发明实施例嵌入64位水印的含水印结果图。
图2为本发明实施例多元BKF分布拟合结果图。
图3为本发明实施例不可见性与水印容量关系结果图。
图4为本发明实施例鲁棒性测试结果图。
图5为本发明实施例的流程图。
具体实施方式
本发明的方法如图5所示，共包括三个阶段：水印嵌入、基于多元BKF参数校正和水印提取，具体步骤如下：
约定：表示原始图像，大小为；表示水印图像，大小为；为低频子带块，为块的总数；表示抖动量化；表示每个中的系数；表示含水印系数；为量化步长，表示投影向量；为形状参数；为对称的正定矩阵；表示待检测含水印图像，大小为；为训练样本图像集合；为输入向量；为几何变换参数；为几何变换的预测值；为含水印低频子带块；为每个中的系数；为校正后的含水印图像；表示提取的一位水印；表示最终提取的水印；
a. 初始设置
获取原始图像并初始化变量；
b. 水印嵌入
b.1 将进行NSST二级分解，分解参数为[2 2]，得到低频子带并进行不重叠分块：
b.2 利用扩展抖动调制量化方法进行水印嵌入：
b.3 将与高频子带合并实行NSST重构获得；
c. 多元BKF参数校正
c.1 获得，对进行二级NSST分解，得到尺度一和尺度二的第三方向子带系数；
c.2 使用矩估计法计算NSST域子带系数的多元BKF的参数；
c.3 使用最大期望EM估计法计算NSST域子带系数的参数；
c.4 使用作为的几何变换参数，从而得到训练样本的特征向量；
c.5 计算待检测含水印图像的NSST域尺度一和尺度二第三方向子带系数的多元BKF统计参数，得到的2个参数作为FSVR的输入向量；
c.6 将输入到FSVR训练模型，获得；
c.7 使用对执行几何校正，获得图像；
d. 水印提取
d.1 将校正后的含水印图像进行NSST二级分解，分解参数为[2 2]，得到含水印低频子带并进行不重叠分块：
；
d.2 采用最小距离检查方法进行水印的提取，提取过程表示为：
；
d.3 按照水印图像对应位置，对进行择多选取，即可得到最终提取出的水印图像
。
实验测试和参数设置：
该实验是在Matlab R2011a环境中进行，图像为512×512灰度图像，下载地址：http://decsai.ugr.es/cvg/dbimagenes/index.php。
图1为本发明实施例嵌入64位水印的含水印结果图。
图1中（a）原始图像Lena；（b）原始图像Barbara；（c）原始图像Mandrill；
（d）含水印Lena图像；（e）含水印Barbara图像；（f）含水印Mandrill图像。
图2为本发明实施例多元BKF分布拟合结果图。
本发明实施例FSVR训练模型几何参数预测对比结果如下表。
对比文献：Wang C, Wang X, Zhang C, et al. Geometric correction basedcolor image watermarking using fuzzy least squares support vector machine andBessel K form distribution. Signal Processing, 2017, 134: 197-208.
图3为本发明实施例不可见性与水印容量关系结果图。
图4为本发明实施例鲁棒性测试结果图。

Claims (1)

1.一种基于多元BKF参数校正的NSST域鲁棒图像水印方法，其特征在于按如下步骤进行：
约定：表示原始图像，大小为；表示水印图像，大小为；为低频子带块，为块的总数；表示抖动量化；表示每个中的系数；表示含水印系数；为量化步长，表示投影向量；为形状参数；为对称的正定矩阵；表示待检测含水印图像，大小为；为训练样本图像集合；为输入向量；为几何变换参数；为几何变换的预测值；为含水印低频子带块；为每个中的系数；为校正后的含水印图像；表示提取的一位水印；表示最终提取的水印；
a. 初始设置
获取原始图像并初始化变量；
b. 水印嵌入
b.1 将进行NSST二级分解，分解参数为[2 2]，得到低频子带并进行不重叠分块：
b.2 利用扩展抖动调制量化方法进行水印嵌入：
b.3 将与高频子带合并实行NSST重构获得；
c. 多元BKF参数校正
c.1 获得，对进行二级NSST分解，得到尺度一和尺度二的第三方向子带系数；
c.2 使用矩估计法计算NSST域子带系数的多元BKF的参数；
c.3 使用最大期望EM估计法计算NSST域子带系数的参数；
c.4 使用作为的几何变换参数，从而得到训练样本的特征向量；
c.5 计算待检测含水印图像的NSST域尺度一和尺度二第三方向子带系数的多元BKF统计参数，得到的2个参数作为FSVR的输入向量；
c.6 将输入到FSVR训练模型，获得；
c.7 使用对执行几何校正，获得图像；
d. 水印提取
d.1 将校正后的含水印图像进行NSST二级分解，分解参数为[2 2]，得到含水印低频子带并进行不重叠分块：
；
d.2 采用最小距离检查方法进行水印的提取，提取过程表示为：
；
d.3 按照水印图像对应位置，对进行择多选取，即可得到最终提取出的水印图像
。
CN201811607450.1A 2018-12-27 2018-12-27 基于多元bkf参数校正的nsst域鲁棒图像水印方法 Active CN109727178B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811607450.1A CN109727178B (zh) 2018-12-27 2018-12-27 基于多元bkf参数校正的nsst域鲁棒图像水印方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811607450.1A CN109727178B (zh) 2018-12-27 2018-12-27 基于多元bkf参数校正的nsst域鲁棒图像水印方法

Publications (2)

Publication Number Publication Date
CN109727178A true CN109727178A (zh) 2019-05-07
CN109727178B CN109727178B (zh) 2023-05-09

Family

ID=66297299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811607450.1A Active CN109727178B (zh) 2018-12-27 2018-12-27 基于多元bkf参数校正的nsst域鲁棒图像水印方法

Country Status (1)

Country Link
CN (1) CN109727178B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111161125A (zh) * 2020-01-02 2020-05-15 无锡闻泰信息技术有限公司 图像水印嵌入、提取方法、装置、设备和介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002013138A1 (en) * 2000-08-03 2002-02-14 Digital Copyright Technologies Ag Method for adaptive digital watermarking robust against geometric transforms
CN106803229A (zh) * 2016-12-24 2017-06-06 辽宁师范大学 基于相位奇异值校正的图像水印方法
CN107945097A (zh) * 2017-12-18 2018-04-20 辽宁师范大学 基于联合统计模型校正的鲁棒图像水印方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002013138A1 (en) * 2000-08-03 2002-02-14 Digital Copyright Technologies Ag Method for adaptive digital watermarking robust against geometric transforms
CN106803229A (zh) * 2016-12-24 2017-06-06 辽宁师范大学 基于相位奇异值校正的图像水印方法
CN107945097A (zh) * 2017-12-18 2018-04-20 辽宁师范大学 基于联合统计模型校正的鲁棒图像水印方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李建忠: "抗几何攻击的鲁棒计算全息零水印算法" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111161125A (zh) * 2020-01-02 2020-05-15 无锡闻泰信息技术有限公司 图像水印嵌入、提取方法、装置、设备和介质

Also Published As

Publication number Publication date
CN109727178B (zh) 2023-05-09

Similar Documents

Publication Publication Date Title
Zhang et al. A new approach for detecting copy-move forgery in digital images
Farzam et al. A robust multimedia watermarking technique using Zernike transform
CN107945097B (zh) 基于联合统计模型校正的鲁棒图像水印方法
Li et al. Blind and safety-enhanced dual watermarking algorithm with chaotic system encryption based on RHFM and DWT-DCT
CN106803229A (zh) 基于相位奇异值校正的图像水印方法
CN111028850B (zh) 一种音频水印的嵌入方法和提取方法
Malonia et al. Digital image watermarking using discrete wavelet transform and arithmetic progression technique
CN101887574B (zh) 一种抗几何攻击的鲁棒指纹嵌入与提取方法
CN110211020B (zh) 基于swt-dft的图像水印嵌入与提取方法
CN109727178A (zh) 基于多元bkf参数校正的nsst域鲁棒图像水印方法
CN104766263A (zh) 基于四元数Legendre矩校正的彩色图像水印嵌入及检测方法
CN108053360B (zh) 基于多相关hmt模型的数字图像水印检测方法
Thorat et al. A blind digital watermark technique for color image based on integer wavelet transform and SIFT
Gao et al. Robust medical image watermarking scheme with rotation correction
CN104103031B (zh) 基于归一化的矢量空间数据盲水印方法
Jadav Comparison of LSB and Subband DCT Technique for Image Watermarking
Jia et al. A watermark algorithm based on SVD and image geometric correction
Dhar et al. Color image watermarking based on radon transform and jordan decomposition
Duman et al. A new method of wavelet domain watermark embedding and extraction using fractional Fourier transform
Yan et al. The algorithm of color image watermarking based on SIFT
Trambadia et al. A comparative analysis of invisible image watermarking techniques
KR20030055653A (ko) 템플레이트를 포함하는 워터마크 삽입 및 검출 시스템
KR100510354B1 (ko) 제거 공격과 결합된 기하학적 공격에 강인한 영상워터마킹 방법
Zou et al. Digital image watermarking algorithm resistant to geometric attacks in wavelet domain
Liu et al. A wavelet-domain watermarking algorithm against geometric attacks based on SUSAN feature points

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