CN109727178B - 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
CN109727178B
CN109727178B CN201811607450.1A CN201811607450A CN109727178B CN 109727178 B CN109727178 B CN 109727178B CN 201811607450 A CN201811607450 A CN 201811607450A CN 109727178 B CN109727178 B CN 109727178B
Authority
CN
China
Prior art keywords
watermark
image
nsst
parameter
bkf
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
CN201811607450.1A
Other languages
English (en)
Other versions
CN109727178A (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

Images

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：F表示原始图像，大小为X×Y；w表示水印图像，大小为P×Q；Bk为低频子带块，K为块的总数；Qm表示抖动量化；bk(i,j)表示每个Bk中的系数；b'k(i,j)表示含水印系数；Δ为量化步长，Pk(i,j)表示投影向量；α为形状参数；∑为对称的正定矩阵；F′表示待检测含水印图像，大小为
Figure GDA0004146590730000011
Qk为训练样本图像集合；C为输入向量；sk,θk,
Figure GDA0004146590730000021
为几何变换参数；s*,θ*,
Figure GDA0004146590730000022
为几何变换的预测值；
Figure GDA0004146590730000023
为含水印低频子带块；
Figure GDA0004146590730000024
为每个
Figure GDA0004146590730000025
中的系数；
Figure GDA0004146590730000026
为校正后的含水印图像；ExtMessage表示提取的一位水印；W*(i,j)表示最终提取的水印；
a.初始设置
获取原始图像F并初始化变量；
b.水印嵌入
b.1将F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：
Figure GDA0004146590730000027
b.2利用扩展抖动调制(STDM)量化方法进行水印嵌入：
Figure GDA0004146590730000028
b'k(i,j)＝bk(i,j)+(Qm(bk(i,j)Pk(i,j),Δ)-bk(i,j)Pk(i,j))Pk(i,j)
b.3将b'k(i,j)与高频子带合并实行NSST重构获得F′；
c.多元BKF参数校正
c.1获得Qk(k＝1,2,...,K)，对Qk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α；
c.4使用sk,θk,
Figure GDA0004146590730000029
作为Qk的几何变换参数，从而得到训练样本的特征向量
Figure GDA00041465907300000210
c.5计算待检测含水印图像F′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(α*,Σ*)作为FSVR的输入向量C＝{α*,Σ*}；
c.6将C输入到FSVR训练模型，获得s*,θ*,
Figure GDA00041465907300000211
c.7使用s*,θ*,
Figure GDA00041465907300000212
对F′执行几何校正，获得图像
Figure GDA00041465907300000213
d.水印提取
d.1将校正后的含水印图像F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：
Figure GDA0004146590730000031
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：
Figure GDA0004146590730000032
d.3按照水印图像对应位置，对ExtMessage进行择多选取，即可得到最终提取出的水印图像
W*＝{ExtMessage*(i,j)}(i＝1,2,...,P-1；J＝1,2,...,Q-1)。
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：F表示原始图像，大小为X×Y；w表示水印图像，大小为P×Q；Bk为低频子带块，K为块的总数；Qm表示抖动量化；bk(i,j)表示每个Bk中的系数；b'k(i,j)表示含水印系数；Δ为量化步长，Pk(i,j)表示投影向量；α为形状参数；∑为对称的正定矩阵；F′表示待检测含水印图像，大小为
Figure GDA0004146590730000041
Qk为训练样本图像集合；C为输入向量；sk,θk,
Figure GDA0004146590730000042
为几何变换参数；s*,θ*,
Figure GDA0004146590730000043
为几何变换的预测值；
Figure GDA0004146590730000044
为含水印低频子带块；
Figure GDA0004146590730000045
为每个
Figure GDA0004146590730000046
中的系数；
Figure GDA0004146590730000047
为校正后的含水印图像；ExtMessage表示提取的一位水印；W*(i,j)表示最终提取的水印；
a.初始设置
获取原始图像F并初始化变量；
b.水印嵌入
b.1将F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：
Figure GDA0004146590730000048
b.2利用扩展抖动调制量化方法进行水印嵌入：
Figure GDA0004146590730000049
b'k(i,j)＝bk(i,j)+(Qm(bk(i,j)Pk(i,j),Δ)-bk(i,j)Pk(i,j))Pk(i,j)
b.3将b'k(i,j)与高频子带合并实行NSST重构获得F′；
c.多元BKF参数校正
c.1获得Qk(k＝1,2,...,K)，对Qk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α；
c.4使用sk,θk,
Figure GDA00041465907300000410
作为Qk的几何变换参数，从而得到训练样本的特征向量
Figure GDA00041465907300000411
c.5计算待检测含水印图像F′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(α*,Σ*)作为FSVR的输入向量C＝{α*,Σ*}；
c.6将C输入到FSVR训练模型，获得s*,θ*,
Figure GDA0004146590730000051
c.7使用s*,θ*,
Figure GDA0004146590730000052
对F′执行几何校正，获得图像
Figure GDA0004146590730000053
d.水印提取
d.1将校正后的含水印图像
Figure GDA0004146590730000057
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：
Figure GDA0004146590730000054
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：
Figure GDA0004146590730000055
d.3按照水印图像对应位置，对ExtMessage进行择多选取，即可得到最终提取出的水印图像
W*＝{ExtMessage*(i,j)}(i＝1,2,...,P-1；J＝1,2,...,Q-1)。
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。
Figure GDA0004146590730000056
对比文献：Wang C,Wang X,Zhang C,et al.Geometric correction based colorimage 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：F表示原始图像，大小为X×Y；w表示水印图像，大小为P×Q；Bk为低频子带块，K为块的总数；Qm表示抖动量化；bk(i,j)表示每个Bk中的系数；b'k(i,j)表示含水印系数；Δ为量化步长，Pk(i,j)表示投影向量；α为形状参数；∑为对称的正定矩阵；F′表示待检测含水印图像，大小为
Figure FDA0004146590720000011
Qk为训练样本图像集合；C为输入向量；sk,θk,
Figure FDA0004146590720000012
为几何变换参数；s*,θ*,
Figure FDA0004146590720000013
为几何变换的预测值；
Figure FDA0004146590720000014
为含水印低频子带块；
Figure FDA0004146590720000015
为每个
Figure FDA0004146590720000016
中的系数；
Figure FDA0004146590720000017
为校正后的含水印图像；ExtMessage表示提取的一位水印；W*(i,j)表示最终提取的水印；
a.初始设置
获取原始图像F并初始化变量；
b.水印嵌入
b.1将F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：
Figure FDA0004146590720000018
b.2利用扩展抖动调制量化方法进行水印嵌入：
Figure FDA0004146590720000019
b'k(i,j)＝bk(i,j)+(Qm(bk(i,j)Pk(i,j),Δ)-bk(i,j)Pk(i,j))Pk(i,j)
b.3将b'k(i,j)与高频子带合并实行NSST重构获得F′；
c.多元BKF参数校正
c.1获得Qk(k＝1,2,...,K)，对Qk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α；
c.4使用sk,θk,
Figure FDA0004146590720000021
作为Qk的几何变换参数，从而得到训练样本的特征向量
Figure FDA0004146590720000022
c.5计算待检测含水印图像F′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(α*,Σ*)作为FSVR的输入向量C＝{α*,Σ*}；
c.6将C输入到FSVR训练模型，获得s*,θ*,
Figure FDA0004146590720000023
c.7使用s*,θ*,
Figure FDA0004146590720000024
对F′执行几何校正，获得图像
Figure FDA0004146590720000025
d.水印提取
d.1将校正后的含水印图像F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：
Figure FDA0004146590720000026
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：
Figure FDA0004146590720000027
d.3按照水印图像对应位置，对ExtMessage进行择多选取，即可得到最终提取出的水印图像
W*＝{ExtMessage*(i,j)}(i＝1,2,...,P-1；J＝1,2,...,Q-1)。
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 CN109727178A (zh) 2019-05-07
CN109727178B true 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)

Families Citing this family (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.光电工程.2010,第37卷(第8期),全文. *

Also Published As

Publication number Publication date
CN109727178A (zh) 2019-05-07

Similar Documents

Publication Publication Date Title
Kaur et al. A Survey on different techniques of steganography
Ramanjaneyulu et al. Wavelet-based oblivious image watermarking scheme using genetic algorithm
CN107945097B (zh) 基于联合统计模型校正的鲁棒图像水印方法
Malonia et al. Digital image watermarking using discrete wavelet transform and arithmetic progression technique
Song et al. 2D Gabor filters-based steganalysis of content-adaptive JPEG steganography
Mehta et al. An adaptive framework to image watermarking based on the twin support vector regression and genetic algorithm in lifting wavelet transform domain
Rasti et al. Colour image watermarking based on wavelet and QR decomposition
Yang et al. A geometric correction based robust color image watermarking scheme using quaternion exponent moments
Shanmugam et al. Performance analysis of 2 level DWT-SVD based non blind and blind video watermarking using range conversion method
Lalitha et al. Performance analysis of DCT and DWT audio watermarking based on SVD
CN109727178B (zh) 基于多元bkf参数校正的nsst域鲁棒图像水印方法
CN111028850A (zh) 一种音频水印的嵌入方法和提取方法
Progonov Performance of statistical stegdetectors in case of small number of stego images in training set
Chopra et al. Analysis of frequency domain watermarking techniques in presence of geometric and simple attacks
CN108053360B (zh) 基于多相关hmt模型的数字图像水印检测方法
Li et al. A study on image digital watermarking based on wavelet transform
Bansal et al. Performance evaluation of steganography tools using SVM and NPR tool
Song et al. Entropy feature based on 2D Gabor wavelets for JPEG steganalysis
CN111340675A (zh) 一种基于稀疏表示的彩色图案水印嵌入和提取方法
Mahmoud et al. Convolution Neural Network with Dual Tree Complex Wavelet Transform Preprocessor for Universal Image Steganalysis
Mallet et al. Statistical correlation as a forensic feature to mitigate the cover-source mismatch
Bhardwaj et al. A robust watermarking scheme using lifting wavelet transform and singular value decomposition
Dhar et al. Color image watermarking based on radon transform and jordan decomposition
Gupta et al. Secured blind image watermarking using entropy technique in DCT domain
Sudha et al. FPGA implementation of DTCWT and PCA based watermarking technique

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