CN109859090B - 基于人类视觉系统的可逆水印方法及装置 - Google Patents
基于人类视觉系统的可逆水印方法及装置 Download PDFInfo
- Publication number
- CN109859090B CN109859090B CN201811574489.8A CN201811574489A CN109859090B CN 109859090 B CN109859090 B CN 109859090B CN 201811574489 A CN201811574489 A CN 201811574489A CN 109859090 B CN109859090 B CN 109859090B
- Authority
- CN
- China
- Prior art keywords
- pixel value
- watermark
- value
- prediction error
- block
- 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
Landscapes
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本发明实施例公开了一种基于人类视觉系统的可逆水印方法及装置。其中,方法包括根据预设第一阈值、大于第一阈值的第二阈值及原始图像的各矩阵块的局部复杂度,将原始图像分为纹理复杂块、普通块和平滑块;采用基于最大像素值和次大像素值的相对位置关系计算次大像素值的预测误差的像素值预测误差方法计算各普通块和各平滑块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差;根据计算得到的预测误差,采用ipvo水印嵌入方法对各普通块进行水印信息的嵌入;采用预设预测误差值和嵌入水印像素值的对应关系对各平滑块进行水印信息的嵌入,得到水印嵌入图像。本申请实现了预测更精准、能有效降低由灰度平移所引入的嵌入失真的可逆水印处理。
Description
技术领域
本发明实施例涉及多媒体信号处理领域,特别是涉及一种基于人类视觉系统的可逆水印方法及装置。
背景技术
随着防伪、版权意识的增强,信息隐藏技术技术得到了快速发展,数字水印技术作为保护信息安全、实现防伪溯源、版权保护的有效方法,越来越广泛的被应用。
数字水印技术为将一些标识信息(即数字水印)直接嵌入数字载体当中(包括多媒体、文档、图像、软件等)或是间接表示(修改特定区域的结构),且不影响原载体的使用价值,也不容易被探知和再次修改。但可以被生产方识别和辨认。通过这些隐藏在载体中的信息,可以达到确认内容创建者、购买者、传送隐秘信息或者判断载体是否被篡改等目的。
对于传统的数字水印技术,对原始图像进行水印嵌入后会导致永久性失真。但对于一些特殊领域中,例如医疗、军事和司法等,在对宿主图像进行水印嵌入后,要求能够完全恢复出宿主图像,即在这些领域中不允许宿主图像出现永久性失真。因此,可逆水印技术应用而生。在可逆水印技术中,在水印信息被准确抽取出来之后,要求原始图像能够完全恢复出来。
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。相关技术中,通常选取预测误差1作为嵌入点(嵌入点指的是能携带水印信息的预测误差或像素)。在水印的嵌入过程中,每一个矩阵块最多只能够修改4个像素(最大、次大、最小、次小像素),剩下的像素保持不变。当最大像素的预测误差大于1时,只要第二大的像素比最大的像素小1个像素值,或者当最小像素的预测误差小于-1时,第二小的像素比最小的像素大1个像素值,就能够嵌入1比特的水印信息。
但是,由于仅依据邻域像素不足以精确地反映出该矩阵块所处的真实局部环境,导致这种使用矩阵块的邻域像素去评估该矩阵块的邻域复杂度的方法,无法精准、有效的实现水印的可逆处理。
发明内容
本公开实施例提供了一种基于人类视觉系统的可逆水印方法及装置,可精准、有效的实现水印的可逆处理。
为解决上述技术问题,本发明实施例提供以下技术方案:
本发明实施例一方面提供了一种基于人类视觉系统的可逆水印方法,包括:
根据预设第一阈值、大于所述第一阈值的第二阈值及原始图像的各矩阵块的局部复杂度,将所述原始图像分为纹理复杂块、普通块和平滑块;
采用预设像素值预测误差方法计算各普通块和各平滑块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差;
根据计算得到的预测误差,采用ipvo水印嵌入方法对各普通块进行水印信息的嵌入;采用预设预测误差值和嵌入水印像素值的对应关系对各平滑块进行水印信息的嵌入,得到水印嵌入图像;
其中,所述纹理复杂块的局部复杂度不小于所述第二阈值,不嵌入水印信息;所述普通块的局部复杂度不小于所述第一阈值且小于所述第二阈值,所述平滑块的局部复杂度小于所述第一阈值,且所述平滑块嵌入的水印信息多于所述普通块嵌入的水印信息;所述预设像素值预测误差方法为基于最大像素值和次大像素值的相对位置关系计算次大像素值的预测误差,基于最小像素值和次小像素值的相对位置关系计算所述次小像素值的预测误差。
可选的,在得到水印嵌入图像之后,还包括:
获取所述水印嵌入图像前n个像素的最低有效位,并将所述最低有效位信息和嵌入水印容量信息构成图像恢复元素信息;
将附加参数信息填充至所述最低有效位处;
将所述图像恢复元素信息嵌入至每个嵌入水印的矩阵块中,得到水印嵌入细节图像;
其中,n为所述附加参数信息长度,所述附件参数信息包括所述位置图压缩后的码流信息,所述第一阈值,所述第二阈值,矩阵块的行数、列数,水印嵌入终止位置所在行、所在列,结束字符。
可选的,在所述得到水印嵌入细节图像之后,还包括:
获取所述水印嵌入细节图像前n个像素的最低有效位,并从所述最低有效位中得到所述附加参数信息;
基于所述附件参数信息,按照与各矩阵块嵌入水印的相反顺序,从各矩阵块中提取水印信息,得到恢复的原始图像。
可选的,所述采用预设像素值预测误差方法计算各普通块和各平滑块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差包括:
对所述原始图像的任何一个嵌入水印信息、大小为r×c的矩阵块Bt(r、c为矩阵块Bt的行数和列),将矩阵块Bt的各像素的像素值按照从小到大排序生成一维矩阵At,At={xσ(1),...,xσ(n)},i、j=1,2,3,…,n-2,n-1,n,σ(i)<σ(j),且当xσ(i)≤xσ(j)时,有i<j;
各平滑块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差为:
根据下述公式计算矩阵块Bt的最大像素值的预测值次大像素值的预测值
根据下述公式计算矩阵块Bt的最小像素值的预测值次小像素值的预测值
根据下述公式计算矩阵块Bt的最大像素值的预测误差p(n)、次大像素值的预测误差p(n-1):
根据下述公式计算矩阵块Bt的最小像素值的预测误差p(1)、次大像素值的预测误差p(2):
各普通块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差为:
根据公式i=n计算矩阵块Bt的最大像素值的预测值/>
根据公式计算矩阵块Bt的最小像素值的预测值/>
矩阵块Bt的最大像素值的预测误差为最小像素值的预测误差为
可选的,所述根据预设第一阈值、大于所述第一阈值的第二阈值及原始图像的各矩阵块的局部复杂度,将所述原始图像分为纹理复杂块、普通块和平滑块包括:
按照从左到右、从上到下的次序遍历所述原始图像,得到大小为r×c的矩阵块Bt,
将矩阵块Bt相邻的r+c+1个像素及矩阵块Bt中n-4个像素(xσ(3),…,xσ(n-2))构成集合Ct;
根据下述公式计算矩阵块Bt的局部复杂度St:
式中,u为集合Ct的均值。
可选的,所述预设预测误差值和嵌入水印像素值的对应关系为:
若pn=1,
若pn=0,pn-1=0,嵌入水印的像素值为
若pn>1,
若p1=-1,
若p1=0,p2=0,嵌入水印的像素值为
若p1<-1,
式中,w=0或1为嵌入水印的随机值,pn为所述最大像素值的预测误差,pn-1为所述次大像素值的预测误差,p1为所述最小像素值的预测误差,p2为所述次小像素值的预测误差,yσ(n)为嵌入水印后的最大像素的像素值,yσ(n-1)为嵌入水印后的次大像素的像素值,yσ(1)为嵌入水印后的最小像素的像素值,yσ(2)为嵌入水印后的次小像素的像素值,xσ(n)为嵌入水印前的最大像素的像素值,xσ(n-1)为嵌入水印前的次大像素的像素值,xσ(1)为嵌入水印前的最小像素的像素值,xσ(2)为嵌入水印前的次小像素的像素值。
可选的,所述从各矩阵块中提取水印信息,得到恢复的原始图像包括:
采用预设第二像素值预测误差方法计算各矩阵块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差;
采用预设预测误差值和恢复像素值的对应关系,对局部复杂度小于所述第一阈值的矩阵块进行像素值恢复;
利用下述公式抽取水印信息,得到恢复的原始图像:
式中,为最大像素值的预测误差,/>为次大像素值的预测误差,/>为最小像素值的预测误差,/>为次小像素值的预测误差。
可选的,所述采用预设第二像素值预测误差方法计算各矩阵块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差包括:
对所述水印嵌入细节图像的任何一个嵌入水印信息、大小为r×c的矩阵块(r、c为矩阵块Bt的行数和列),将矩阵块/>的各像素的像素值按照从小到大排序生成一维矩阵/>i、j=1,2,3,…,n-2,n-1,n,σ(i)<σ(j),且当xσ(i)≤xσ(j)时,有i<j;
若矩阵块Bt w的局部复杂度不小于所述第一阈值且小于所述第二阈值,利用yσ(n-1)预测yσ(n),得到最大像素值的预测值则最大像素值的预测误差为利用yσ(2)预测yσ(1),得到最小像素值的预测值/>则最小像素值的预测误差为/>
若矩阵块的局部复杂度小于所述第一阈值,则根据公式计算矩阵块/>的最大像素值的预测值次大像素值的预测值/>
根据公式计算矩阵块/>的最小像素值的预测值/>次小像素值的预测值/>
根据公式计算矩阵块的/>
根据公式计算矩阵块/>的
可选的,所述预设预测误差值和恢复像素值的对应关系为:
若
若恢复出的像素值为/>
若
若
若恢复出的像素值为/>
若
式中,xσ(n)为恢复出的最大像素的像素值,xσ(n-1)为恢复出的次大像素的像素值,xσ(1)为恢复出的最小像素的像素值,xσ(2)为恢复出的次小像素的像素值,yσ(n)为嵌入水印后的最大像素的像素值,yσ(n-1)为嵌入水印后的次大像素的像素值,yσ(1)为嵌入水印后的最小像素的像素值,yσ(2)为嵌入水印后的次小像素的像素值。
本发明实施例另一方面提供了一种基于人类视觉系统的可逆水印装置,包括:
原始图像局部平滑性计算模块,用于根据预设第一阈值、大于所述第一阈值的第二阈值及原始图像的各矩阵块的局部复杂度,将所述原始图像分为纹理复杂块、普通块和平滑块;
预测误差计算模块,用于采用预设像素值预测误差方法计算各普通块和各平滑块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差;
水印信息的嵌入模块,用于根据计算得到的预测误差,采用ipvo水印嵌入方法对各普通块进行水印信息的嵌入;采用预设预测误差值和嵌入水印像素值的对应关系对各平滑块进行水印信息的嵌入,得到水印嵌入图像;
其中,所述纹理复杂块的局部复杂度不小于所述第二阈值,不嵌入水印信息;所述普通块的局部复杂度不小于所述第一阈值且小于所述第二阈值,所述平滑块的局部复杂度小于所述第一阈值,且所述平滑块嵌入的水印信息多于所述普通块嵌入的水印信息;所述预设像素值预测误差方法为基于最大像素值和次大像素值的相对位置关系计算次大像素值的预测误差,基于最小像素值和次小像素值的相对位置关系计算所述次小像素值的预测误差。
本申请提供的技术方案的优点在于,利用最大像素与第二大像素间的相对位置关系,计算第二大像素的预测误差,当最大像素的预测误差大于1时,只要第二大像素值与最大像素值之间相差1或者3,或者第二小像素值与最小像素值之间相差1或者3,就能够嵌入水印信息,利用更多的矩阵块嵌入水印信息,导致嵌入容量的提升,而嵌入容量的增大使得能够采用更大的图像块进行水印嵌入,大幅提升预测精度,预测误差直方图更加集中;对于纹理复杂的图像能够达到更大的峰值信噪;对于纹理相对平滑的图像,当嵌入容量要求很高时,能够实现更小的失真;由于人眼对高纹理区的失真不易察觉,不可见性高,而对平滑区域的失真更加敏感,所以对高纹理区赋予小的权重,而对平滑区域赋予大的权重,采用人类视觉系统来评估图像的质量更加符合人体的感官性能;实现预测更精准、能有效降低由灰度平移所引入的嵌入失真的可逆水印处理。
此外,本发明实施例还针对基于人类视觉系统的可逆水印方法提供了相应的实现装置,进一步使得所述方法更具有实用性,所述装置具有相应的优点。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
为了更清楚的说明本发明实施例或相关技术的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本发明实施例提供的一种基于人类视觉系统的可逆水印方法的流程示意图;
图2为本发明实施例提供的矩阵块领域的组成示意图;
图3为本发明实施例提供的另一种基于人类视觉系统的可逆水印方法的流程示意图;
图4为本发明实施例提供的再一种基于人类视觉系统的可逆水印方法的流程示意图;
图5为本发明实施例提供的基于人类视觉系统的可逆水印装置的一种具体实施方式结构图;
图6为本发明实施例提供的基于人类视觉系统的可逆水印装置的另一种具体实施方式结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
在介绍了本发明实施例的技术方案后,下面详细的说明本申请的各种非限制性实施方式。
首先参见图1,图1为本发明实施例提供的一种基于人类视觉系统的可逆水印方法的流程示意图,本发明实施例可包括以下内容:
S101:根据预设第一阈值、大于第一阈值的第二阈值及原始图像的各矩阵块的局部复杂度,将原始图像分为纹理复杂块、普通块和平滑块。
原始图像(载体图像)被分割的各矩阵块的大小相同,计算出个矩阵块的局部复杂度后,根据其与第一阈值和第二阈值之间的数值关系进行纹理复杂程度分类。
纹理复杂块的局部复杂度不小于第二阈值,不嵌入水印信息;普通块的局部复杂度不小于第一阈值且小于第二阈值,平滑块的局部复杂度小于第一阈值,且平滑块嵌入的水印信息多于普通块嵌入的水印信息。
S102:采用预设像素值预测误差方法计算各普通块和各平滑块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差。
预设像素值预测误差方法可为基于最大像素值和次大像素值的相对位置关系计算次大像素值的预测误差,基于最小像素值和次小像素值的相对位置关系计算次小像素值的预测误差。
S103:根据计算得到的预测误差,采用ipvo水印嵌入方法对各普通块进行水印信息的嵌入;采用预设预测误差值和嵌入水印像素值的对应关系对各平滑块进行水印信息的嵌入,得到水印嵌入图像。
ipvo(Improved pixel value ordering)水印嵌入方法为相关技术中的一种水印嵌入方法,采用最大像素值与次大像素值的相对位置、或者最小像素值与次小像素值的相对位置来分别计算最大像素值的预测误差或最小像素值的预测误差。当预测误差是0或1时,对应的像素值嵌入1比特的水印信息。具体实现过程可参阅相关技术的描述,此处,不再赘述。
为了使本领域技术人员清楚明白本申请的技术方案,可按照从左到右、从上到下的次序遍历原始图像,得到大小为r×c的矩阵块Bt,将矩阵块Bt转化为大小为n(n=r×c)的一维矩阵,并将矩阵块Bt的各像素的像素值按照从小到大排序生成一维矩阵At,At={xσ(1),...,xσ(n)},i、j=1,2,3,…,n-2,n-1,n,σ(i)<σ(j),且当xσ(i)≤xσ(j)时,有i<j。请参阅图2所示,将矩阵块Bt相邻的r+c+1个像素(第4列和第4行的元素)及矩阵块Bt中n-4个像素(xσ(3),…,xσ(n-2))构成集合Ct,u为集合Ct的均值,可根据下述公式计算矩阵块Bt的局部复杂度St:/>
预设设置第一阈值T1、第二阈值T2,且T1<T2。针对St≥T2的矩阵块(纹理复杂块),若对纹理复杂块进行水印嵌入会产生更多的失真,可这些块保持不变,像素值不会产生溢出,故不需要利用位置图记录溢出的像素的位置。针对St<T1的矩阵块(平滑块),最多能够嵌入4比特的水印信息,若xσ(n)∈{254,255}或xσ(n-1)=255或xσ(1)∈{0,1}或xσ(2)=0,则在位置图中相应位置标识1,即LMt=1,否则标识0,即LMt=0。针对T2<St≤T1的矩阵块(普通块),最多能够嵌入2比特的水印信息,若xσ(n)=255或xσ(1)=0,则在位置图中相应位置标识1,即LMt=1,否则标识0,即LMt=0。对各平滑块和普通块构造位置图后,原始图像会产生一个与纹理复杂度小于T2的矩阵块一一对应的一维位置图LM={LMt},然后可将生成的位置图经编码压缩(例如算数编码压缩)后得到长度为LS的二进制比特流B。
对各平滑块和各普通块在最大方向上像素和最小方向上的像素的像素值的预测方法可根据下述公式:
根据公式(1)计算各平滑块Bt的最大像素值的预测值次大像素值的预测值
根据公式(2)计算各平滑块Bt的最小像素值的预测值次小像素值预测值
根据公式(3)计算各平滑块Bt的最大像素值的预测误差p(n)、次大像素值的预测误差p(n-1):
根据公式(4)计算各平滑块Bt的最小像素值的预测误差p(1)、次小像素值的预测误差p(2):
根据公式(5)得到各普通块Bt的最大像素值的预测值根据公式(6)/>计算各普通块Bt的最小像素值的预测值/>各普通块Bt的最大像素值的预测误差为/>最小像素值的预测误差为/>
对于各平滑块和各普通块,若LMt=1,则yσ(i)=xσ()i,i∈{1,...,n}。若LMt=0,利用上述过程中得到的各个预测误差,对普通块采用ipvo嵌入方式;对平滑块,采用表1和表2中的预测误差值和嵌入水印像素值的对应关系对各平滑块进行水印信息的嵌入:
表1最大像素值和次大像素值的预测误差值和嵌入水印像素值的对应关系
/>
表2最小像素值和次小像素值的预测误差值和嵌入水印像素值的对应关系
/>
对各矩阵块进行上述处理之后,生成包含水印信息图像,完成可逆信息隐藏。
需要说明的是,当原始图像中大小为r*c的矩阵块的邻近元素的个数不足r+c+1时,为了确保水印嵌入的可逆性,对这些图像矩阵块的像素值(yσ(i)=xσ(i))不进行修改,也即不嵌入水印。
在本发明实施例提供的技术方案中,利用最大像素与第二大像素间的相对位置关系,计算第二大像素的预测误差,当最大像素的预测误差大于1时,只要第二大像素值与最大像素值之间相差1或者3,或者第二小像素值与最小像素值之间相差1或者3,就能够嵌入水印信息,利用更多的矩阵块嵌入水印信息,导致嵌入容量的提升,而嵌入容量的增大使得能够采用更大的图像块进行水印嵌入,大幅提升预测精度,预测误差直方图更加集中;对于纹理复杂的图像能够达到更大的峰值信噪;对于纹理相对平滑的图像,当嵌入容量要求很高时,能够实现更小的失真;由于人眼对高纹理区的失真不易察觉,不可见性高,而对平滑区域的失真更加敏感,所以对高纹理区赋予小的权重,而对平滑区域赋予大的权重,采用人类视觉系统来评估图像的质量更加符合人体的感官性能;实现预测更精准、能有效降低由灰度平移所引入的嵌入失真的可逆水印处理。
在原始图像嵌入水印后,根据嵌入水印的方法提取水印,提取水印的过程可参见图3和图4,本发明实施例可包括以下内容:
S104:获取水印嵌入图像前n个像素的最低有效位,并将最低有效位信息和嵌入水印容量信息构成图像恢复元素信息。
嵌入水印容量信息为载荷,n为附加参数信息长度,附件参数信息包括位置图压缩后的码流信息(Ls比特),第一阈值T1(8比特),第二阈值T2(8比特),矩阵块的行数r(3比特)、列数c(3比特),水印嵌入终止位置所在行row(8比特)、所在列(8比特)column,结束字符(8比特),将所有附加参数信息连接成一码流,其长度L∑等于Ls+46。
S105:将附加参数信息填充至最低有效位处。
最低有效位处(least significant bit,LSB)指的是一个二进制数字中的第0位。
S106:将图像恢复元素信息嵌入至每个嵌入水印的矩阵块中,得到水印嵌入细节图像。
S107:获取水印嵌入细节图像前n个像素的最低有效位,并从最低有效位中得到附加参数信息。
按照与水印嵌入过程相同的顺序,收集前L∑个像素的LSB形成一个比特流,在此比特流中找到压缩编码(位置图压缩编码时采用的算法)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;原始位置图被得到之后,按照各自的比特长度,T1、T2、r、c、row、column等附加参数信息一个一个被抽取出来。
S108:基于附件参数信息,按照与各矩阵块嵌入水印的相反顺序,从各矩阵块中提取水印信息,得到恢复的原始图像。
可按照从左到右、从上到下的次序遍历水印嵌入细节图像,得到大小为r×c的矩阵块(r、c为矩阵块Bt的行数和列),将矩阵块/>的各像素的像素值按照从小到大排序生成一维矩阵/> i、j=1,2,3,…,n-2,n-1,n,σ(i)<σ(j),且当xσ(i)≤xσ(j)时,有i<j。
水印提取过程和水印嵌入过程的顺序相反,指的是矩阵块的嵌入顺序和提取顺序,举例来说,原始图像的各矩阵块按照的顺序嵌入水印,那么在提取水印时,应按照/>的顺序。将矩阵块/>相邻的r+c+1个像素值及/>中n-4个像素值(yσ(3),...,yσ(n-2))构成集合,可按照与水印嵌入过程中的局部复杂度计算方法各矩阵块/>的局部复杂度。
在S108中,可采用预设第二像素值预测误差方法计算各矩阵块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差。
当矩阵块的纹理复杂度≥T2,xσ(i)=yσ(i),i∈{1,...,n}。/>
当矩阵块的纹理复杂度≥T1且<T2时,利用yσ(n-1)预测yσ(n),得到最大像素值的预测值/>则最大像素值的预测误差为利用yσ(2)预测yσ(1),得到最小像素值的预测值/>则最小像素值的预测误差为:
当矩阵块的纹理复杂度<T1时,根据公式(7)计算矩阵块/>的最大像素值的预测值/>次大像素值的预测值/>根据公式(8)计算矩阵块/>的最小像素值的预测值/>次小像素值的预测值/>
根据公式(9)计算矩阵块的/>根据公式(10)计算矩阵块/>的
对于纹理复杂度小于T2的矩阵块若LMt=1,则xσ(i)=yσi(i∈{1,...,n});若LMt=0,利用预测过程所得到的预测值/>计算预测误差,对纹理复杂度Si小于T1的矩阵块,可采用表3和表4中的预设预测误差值和恢复像素值的对应关系,恢复矩阵块的像素值。
表3最大像素值和次大像素值的预测误差值和恢复出的像素值的对应关系
/>
表4最小像素值和次小像素值的预测误差值和恢复出的像素值的对应关系
/>
最后利用下述公式抽取水印信息,待所有像素都被抽取之后,得到恢复的原始图像:
式中,为最大像素值的预测误差,/>为次大像素值的预测误差,/>为最小像素值的预测误差,/>为次小像素值的预测误差。
由上可知,本发明实施例实现了预测更精准、能有效降低由灰度平移所引入的嵌入失真的可逆水印处理。
本发明实施例还针对基于人类视觉系统的可逆水印方法提供了相应的实现装置,进一步使得所述方法更具有实用性。下面对本发明实施例提供的基于人类视觉系统的可逆水印装置进行介绍,下文描述的基于人类视觉系统的可逆水印装置与上文描述的基于人类视觉系统的可逆水印方法可相互对应参照。
参见图5,图5为本发明实施例提供的基于人类视觉系统的可逆水印装置在一种具体实施方式下的结构图,该装置可包括:
原始图像局部平滑性计算模块501,用于根据预设第一阈值、大于第一阈值的第二阈值及原始图像的各矩阵块的局部复杂度,将原始图像分为纹理复杂块、普通块和平滑块;
预测误差计算模块502,用于采用预设像素值预测误差方法计算各普通块和各平滑块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差;
水印信息的嵌入模块503,用于根据计算得到的预测误差,采用ipvo水印嵌入方法对各普通块进行水印信息的嵌入;采用预设预测误差值和嵌入水印像素值的对应关系对各平滑块进行水印信息的嵌入,得到水印嵌入图像;
其中,纹理复杂块的局部复杂度不小于第二阈值,不嵌入水印信息;普通块的局部复杂度不小于第一阈值且小于第二阈值,平滑块的局部复杂度小于第一阈值,且平滑块嵌入的水印信息多于普通块嵌入的水印信息;预设像素值预测误差方法为基于最大像素值和次大像素值的相对位置关系计算次大像素值的预测误差,基于最小像素值和次小像素值的相对位置关系计算次小像素值的预测误差。
可选的,在本实施例的一些实施方式中,请参阅图6,所述装置例如还可以包括水印嵌入细节图像生成模块504,可包括:
图像恢复元素信息构造子模块,用于获取水印嵌入图像前n个像素的最低有效位,并将最低有效位信息和嵌入水印容量信息构成图像恢复元素信息;
信息填充子模块,用于将附加参数信息填充至最低有效位处;
信息嵌入子模块,用于将图像恢复元素信息嵌入至每个嵌入水印的矩阵块中,得到水印嵌入细节图像;
其中,n为附件参数信息长度,附件参数信息包括位置图压缩后的码流信息、第一阈值,第二阈值,矩阵块的行数、列数,水印嵌入终止位置所在行、所在列,结束字符。
此外,还可包括图像恢复模块505,所述图像恢复模块505可包括:
参数信息获取子模块,用于获取所述水印嵌入细节图像前n个像素的最低有效位,并从所述最低有效位中得到所述附加参数信息;
预测误差计算子模块,用于采用预设第二像素值预测误差方法计算各矩阵块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差;
像素值恢复子模块,用于采用预设预测误差值和恢复像素值的对应关系,对局部复杂度小于所述第一阈值的矩阵块进行像素值恢复;
水印抽取子模块,用于利用下述公式抽取水印信息,得到恢复的原始图像:
式中,为最大像素值的预测误差,/>为次大像素值的预测误差,/>为最小像素值的预测误差,/>为次小像素值的预测误差。
本发明实施例所述基于人类视觉系统的可逆水印装置的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例实现了预测更精准、能有效降低由灰度平移所引入的嵌入失真的可逆水印处理。
本发明实施例还提供了一种基于人类视觉系统的可逆水印设备,具体可包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序以实现如上任意一实施例所述基于人类视觉系统的可逆水印方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,存储有基于人类视觉系统的可逆水印程序,所述基于人类视觉系统的可逆水印程序被处理器执行时如上任意一实施例所述基于人类视觉系统的可逆水印方法的步骤。
本发明实施例所述基于人类视觉系统的可逆水印设备和所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例实现了预测更精准、能有效降低由灰度平移所引入的嵌入失真的可逆水印处理。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
以上对本发明所提供的一种基于人类视觉系统的可逆水印方法、装置、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (9)
1.一种基于人类视觉系统的可逆水印方法,其特征在于,包括:
根据预设第一阈值、大于所述第一阈值的第二阈值及原始图像的各矩阵块的局部复杂度,将所述原始图像分为纹理复杂块、普通块和平滑块;
采用预设像素值预测误差方法计算各普通块和各平滑块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差;
根据计算得到的预测误差,采用ipvo水印嵌入方法对各普通块进行水印信息的嵌入;采用预设预测误差值和嵌入水印像素值的对应关系对各平滑块进行水印信息的嵌入,得到水印嵌入图像;
其中,所述纹理复杂块的局部复杂度不小于所述第二阈值,不嵌入水印信息;所述普通块的局部复杂度不小于所述第一阈值且小于所述第二阈值,所述平滑块的局部复杂度小于所述第一阈值,且所述平滑块嵌入的水印信息多于所述普通块嵌入的水印信息;所述预设像素值预测误差方法为基于最大像素值和次大像素值的相对位置关系计算次大像素值的预测误差,基于最小像素值和次小像素值的相对位置关系计算所述次小像素值的预测误差;
其中,所述预设预测误差值和嵌入水印像素值的对应关系为:
若pn=1,
若pn=0,pn-1=0,嵌入水印的像素值为
若pn>1,
若p1=-1,若p1=0,p2=0,嵌入水印的像素值为/>
若p1<-1,
式中,w=0或1为嵌入水印的随机值,pn为所述最大像素值的预测误差,pn-1为所述次大像素值的预测误差,p1为所述最小像素值的预测误差,p2为所述次小像素值的预测误差,yσ(n)为嵌入水印后的最大像素的像素值,yσ(n-1)为嵌入水印后的次大像素的像素值,yσ(1)为嵌入水印后的最小像素的像素值,yσ(2)为嵌入水印后的次小像素的像素值,xσ(n)为嵌入水印前的最大像素的像素值,xσ(n-1)为嵌入水印前的次大像素的像素值,xσ(1)为嵌入水印前的最小像素的像素值,xσ(2)为嵌入水印前的次小像素的像素值。
2.根据权利要求1所述的基于人类视觉系统的可逆水印方法,其特征在于,在得到水印嵌入图像之后,还包括:
获取所述水印嵌入图像前n个像素的最低有效位,并将所述最低有效位信息和嵌入水印容量信息构成图像恢复元素信息;
将附加参数信息填充至所述最低有效位处;
将所述图像恢复元素信息嵌入至每个嵌入水印的矩阵块中,得到水印嵌入细节图像;
其中,n为所述附加参数信息长度,所述附加参数信息包括位置图压缩后的码流信息,所述第一阈值,所述第二阈值,矩阵块的行数、列数,水印嵌入终止位置所在行、所在列,结束字符。
3.根据权利要求2所述的基于人类视觉系统的可逆水印方法,其特征在于,在所述得到水印嵌入细节图像之后,还包括:
获取所述水印嵌入细节图像前n个像素的最低有效位,并从所述最低有效位中得到所述附加参数信息;
基于所述附加参数信息,按照与各矩阵块嵌入水印的相反顺序,从各矩阵块中提取水印信息,得到恢复的原始图像。
4.根据权利要求1所述的基于人类视觉系统的可逆水印方法,其特征在于,所述采用预设像素值预测误差方法计算各普通块和各平滑块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差包括:
对所述原始图像的任何一个嵌入水印信息、大小为r×c的矩阵块Bt(r、c为矩阵块Bt的行数和列),将矩阵块Bt的各像素的像素值按照从小到大排序生成一维矩阵At,At={xσ(1),...,xσ(n)},i、j=1,2,3,…,n-2,n-1,n,σ(i)<σ(j),且当xσ(i)≤xσ(j)时,有i<j;
各平滑块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差为:
根据下述公式计算矩阵块Bt的最大像素值的预测值次大像素值的预测值/>
根据下述公式计算矩阵块Bt的最小像素值的预测值次小像素值的预测值/>
根据下述公式计算矩阵块Bt的最大像素值的预测误差p(n)、次大像素值的预测误差p(n-1):
根据下述公式计算矩阵块Bt的最小像素值的预测误差p(1)、次大像素值的预测误差p(2):
各普通块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差为:
根据公式i=n计算矩阵块Bt的最大像素值的预测值/>
根据公式计算矩阵块Bt的最小像素值的预测值/>
矩阵块Bt的最大像素值的预测误差为最小像素值的预测误差为/>
5.根据权利要求4所述的基于人类视觉系统的可逆水印方法,其特征在于,所述根据预设第一阈值、大于所述第一阈值的第二阈值及原始图像的各矩阵块的局部复杂度,将所述原始图像分为纹理复杂块、普通块和平滑块包括:
按照从左到右、从上到下的次序遍历所述原始图像,得到大小为r×c的矩阵块Bt,
将矩阵块Bt相邻的r+c+1个像素及矩阵块Bt中n-4个像素(xσ(3),…,xσ(n-2))构成集合Ct;
根据下述公式计算矩阵块Bt的局部复杂度St:
式中,u为集合Ct的均值。
6.根据权利要求3所述的基于人类视觉系统的可逆水印方法,其特征在于,所述从各矩阵块中提取水印信息,得到恢复的原始图像包括:
采用预设第二像素值预测误差方法计算各矩阵块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差;
采用预设预测误差值和恢复像素值的对应关系,对局部复杂度小于所述第一阈值的矩阵块进行像素值恢复;
利用下述公式抽取水印信息,得到恢复的原始图像:
式中,为最大像素值的预测误差,/>为次大像素值的预测误差,/>为最小像素值的预测误差,/>为次小像素值的预测误差。
7.根据权利要求6所述的基于人类视觉系统的可逆水印方法,其特征在于,所述采用预设第二像素值预测误差方法计算各矩阵块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差包括:
对所述水印嵌入细节图像的任何一个嵌入水印信息、大小为r×c的矩阵块(r、c为矩阵块Bt的行数和列),将矩阵块/>的各像素的像素值按照从小到大排序生成一维矩阵 i、j=1,2,3,…,n-2,n-1,n,σ(i)<σ(j),且当xσ(i)≤xσ(j)时,有i<j;
若矩阵块的局部复杂度不小于所述第一阈值且小于所述第二阈值,利用yσ(n-1)预测yσ(n),得到最大像素值的预测值/>则最大像素值的预测误差为利用yσ(2)预测yσ(1),得到最小像素值的预测值/>则最小像素值的预测误差为
若矩阵块的局部复杂度小于所述第一阈值,则根据公式计算矩阵块Bt w的最大像素值的预测值/>次大像素值的预测值/>
根据公式计算矩阵块/>的最小像素值的预测值/>次小像素值的预测值/>
根据公式计算矩阵块/>的
根据公式计算矩阵块/>的
8.根据权利要求7所述的基于人类视觉系统的可逆水印方法,其特征在于,所述预设预测误差值和恢复像素值的对应关系为:
若 若恢复出的像素值为/>
若
若 若恢复出的像素值为/>
若
式中,xσ(n)为恢复出的最大像素的像素值,xσ(n-1)为恢复出的次大像素的像素值,xσ(1)为恢复出的最小像素的像素值,xσ(2)为恢复出的次小像素的像素值,yσ(n)为嵌入水印后的最大像素的像素值,yσ(n-1)为嵌入水印后的次大像素的像素值,yσ(1)为嵌入水印后的最小像素的像素值,yσ(2)为嵌入水印后的次小像素的像素值。
9.一种基于人类视觉系统的可逆水印装置,其特征在于,包括:
原始图像局部平滑性计算模块,用于根据预设第一阈值、大于所述第一阈值的第二阈值及原始图像的各矩阵块的局部复杂度,将所述原始图像分为纹理复杂块、普通块和平滑块;
预测误差计算模块,用于采用预设像素值预测误差方法计算各普通块和各平滑块的最大像素值、次大像素值、最小像素值、次小像素值的预测误差;
水印信息的嵌入模块,用于根据计算得到的预测误差,采用ipvo水印嵌入方法对各普通块进行水印信息的嵌入;采用预设预测误差值和嵌入水印像素值的对应关系对各平滑块进行水印信息的嵌入,得到水印嵌入图像;
其中,所述纹理复杂块的局部复杂度不小于所述第二阈值,不嵌入水印信息;所述普通块的局部复杂度不小于所述第一阈值且小于所述第二阈值,所述平滑块的局部复杂度小于所述第一阈值,且所述平滑块嵌入的水印信息多于所述普通块嵌入的水印信息;所述预设像素值预测误差方法为基于最大像素值和次大像素值的相对位置关系计算次大像素值的预测误差,基于最小像素值和次小像素值的相对位置关系计算所述次小像素值的预测误差;
其中,所述预设预测误差值和嵌入水印像素值的对应关系为:
若pn=1,
若pn=0,pn-1=0,嵌入水印的像素值为
若pn>1,
若p1=-1,若p1=0,p2=0,嵌入水印的像素值为/>
若p1<-1,
式中,w=0或1为嵌入水印的随机值,pn为所述最大像素值的预测误差,pn-1为所述次大像素值的预测误差,p1为所述最小像素值的预测误差,p2为所述次小像素值的预测误差,yσ(n)为嵌入水印后的最大像素的像素值,yσ(n-1)为嵌入水印后的次大像素的像素值,yσ(1)为嵌入水印后的最小像素的像素值,yσ(2)为嵌入水印后的次小像素的像素值,xσ(n)为嵌入水印前的最大像素的像素值,xσ(n-1)为嵌入水印前的次大像素的像素值,xσ(1)为嵌入水印前的最小像素的像素值,xσ(2)为嵌入水印前的次小像素的像素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811574489.8A CN109859090B (zh) | 2018-12-21 | 2018-12-21 | 基于人类视觉系统的可逆水印方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811574489.8A CN109859090B (zh) | 2018-12-21 | 2018-12-21 | 基于人类视觉系统的可逆水印方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109859090A CN109859090A (zh) | 2019-06-07 |
CN109859090B true CN109859090B (zh) | 2023-07-25 |
Family
ID=66891993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811574489.8A Active CN109859090B (zh) | 2018-12-21 | 2018-12-21 | 基于人类视觉系统的可逆水印方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109859090B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111179145B (zh) * | 2019-12-10 | 2023-04-25 | 中国科学院深圳先进技术研究院 | 一种双层可逆水印方法 |
CN114339449B (zh) * | 2022-01-10 | 2023-09-01 | 广东统信教育科技有限公司 | 在显示系统中嵌入水印的版权保护方法 |
CN116308980B (zh) * | 2023-02-28 | 2024-06-21 | 淮阴工学院 | 基于块最优动态选择的可逆信息隐藏方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416724A (zh) * | 2018-02-11 | 2018-08-17 | 广东工业大学 | 一种基于多预测器的可逆信息隐藏方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741224B (zh) * | 2016-01-28 | 2019-03-19 | 广东工业大学 | 基于pvo和自适应块分割的可逆水印算法 |
CN108109101A (zh) * | 2017-12-20 | 2018-06-01 | 广东工业大学 | 一种基于多媒体数据的信息隐藏方法、装置及设备 |
CN108280797B (zh) * | 2018-01-26 | 2021-08-31 | 江西理工大学 | 一种基于纹理复杂度和jnd模型的图像数字水印算法系统 |
-
2018
- 2018-12-21 CN CN201811574489.8A patent/CN109859090B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416724A (zh) * | 2018-02-11 | 2018-08-17 | 广东工业大学 | 一种基于多预测器的可逆信息隐藏方法 |
Non-Patent Citations (1)
Title |
---|
基于图像插值和直方图平移的可逆水印算法;李雪景;李江隐;康宝生;;计算机应用研究(第04期);第1159页-第1163页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109859090A (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105741224B (zh) | 基于pvo和自适应块分割的可逆水印算法 | |
Arham et al. | Multiple layer data hiding scheme based on difference expansion of quad | |
CN109859090B (zh) | 基于人类视觉系统的可逆水印方法及装置 | |
Rajput et al. | Image tamper detection and self-recovery using multiple median watermarking | |
CN112561766B (zh) | 图像隐写及提取方法、装置及电子设备 | |
CN109741233B (zh) | 一种可逆水印的嵌入和提取方法 | |
EP1908007B1 (en) | Image watermarking | |
CN108022197A (zh) | 一种基于多纹理度划分的医学图像可逆信息隐藏方法 | |
Wu et al. | A high capacity reversible data hiding scheme with edge prediction and difference expansion | |
CN108109101A (zh) | 一种基于多媒体数据的信息隐藏方法、装置及设备 | |
CN113538197B (zh) | 水印提取方法、装置、存储介质以及电子设备 | |
CN110611784A (zh) | 一种可防篡改的多摄像头记录仪的拍摄存储方法 | |
CN110047029B (zh) | 一种结合多层差扩展具有对比度增强的可逆信息隐藏方法及装置 | |
KR101026081B1 (ko) | 가역 워터마크 삽입, 추출 및 원본 영상 복원 방법 | |
CN110533569B (zh) | 基于二次差值扩展的水印处理方法 | |
Lee et al. | Reversible data hiding using a piecewise autoregressive predictor based on two-stage embedding | |
CN113570494B (zh) | 一种加密数字水印添加方法及系统、设备和存储介质 | |
CN107292803B (zh) | 一种符合人眼观察规律的可逆鲁棒数字图像水印方法 | |
Ahmad et al. | Increasing the performance of difference expansion-based steganography when securing medical data | |
CN114630130A (zh) | 一种基于深度学习的换脸视频溯源方法及系统 | |
CN103440616A (zh) | 一种基于自适应预测模型的高容量可逆水印方法 | |
CN114007073A (zh) | 一种基于大场景画面存储系统及其使用方法 | |
Chalamala et al. | Local binary patterns for digital image watermarking | |
CN106886972B (zh) | 一种矢量地图的水印嵌入方法、提取方法及系统 | |
US20030048924A1 (en) | Method for inserting binary messages in a digital image |
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 |