CN109859093B - 一种基于变参数混沌映射的混合变换域图像零水印方法 - Google Patents
一种基于变参数混沌映射的混合变换域图像零水印方法 Download PDFInfo
- Publication number
- CN109859093B CN109859093B CN201910084113.7A CN201910084113A CN109859093B CN 109859093 B CN109859093 B CN 109859093B CN 201910084113 A CN201910084113 A CN 201910084113A CN 109859093 B CN109859093 B CN 109859093B
- Authority
- CN
- China
- Prior art keywords
- image
- original
- watermark
- authenticated
- sequence
- 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 79
- 230000000739 chaotic effect Effects 0.000 title claims abstract description 52
- 238000013507 mapping Methods 0.000 title claims abstract description 34
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000000903 blocking effect Effects 0.000 claims abstract 2
- 239000013598 vector Substances 0.000 claims description 36
- 238000005192 partition Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000005549 size reduction Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims 1
- 230000006835 compression Effects 0.000 abstract description 13
- 238000007906 compression Methods 0.000 abstract description 13
- 238000001914 filtration Methods 0.000 abstract description 12
- 238000012545 processing Methods 0.000 abstract description 3
- 238000013519 translation Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 10
- 235000002566 Capsicum Nutrition 0.000 description 7
- 239000006002 Pepper Substances 0.000 description 7
- 241000722363 Piper Species 0.000 description 5
- 235000016761 Piper aduncum Nutrition 0.000 description 5
- 235000017804 Piper guineense Nutrition 0.000 description 5
- 235000008184 Piper nigrum Nutrition 0.000 description 5
- 150000003839 salts Chemical class 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 241000758706 Piperaceae Species 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Landscapes
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
一种基于变参数混沌映射的混合变换域图像零水印方法。其包括零水印嵌入和零水印检测过程。零水印的嵌入和检测均是在非下采样金字塔分解和离散余弦变换混合变换域内完成,充分利用了图像非下采样金字塔分解的平移不变性特点,以及对图像进行分块离散余弦变换后每一个系数块中特殊位置上交流系数符号的稳定性,使得本发明具有比较好的鲁棒性。实验结果表明,本发明方法对于抵抗常见的多种图像处理攻击,如添加噪声、滤波、JPEG压缩、缩放和任意角度的旋转攻击等具有很好的鲁棒性,该发明方法具备有效性和一定的实用价值。
Description
技术领域
本发明属于信息安全和图像处理技术领域,具体涉及一种基于变参数混沌映射的混合变换域图像零水印方法。
背景技术
随着计算机网络和多媒体技术的快速发展,使得图像、音频、视频等数字多媒体信息的传播和利用变得更加方便、快捷,而随之而来的数字媒体的安全、知识产权保护和认证等方面的问题也变得日益突出。数字水印技术是通过在被保护的数据对象中嵌入秘密信息来证明该媒体数据的版权归属或实现内容认证,成为继加密技术之后多媒体信息安全保护的又一强有力工具。作为信息隐藏技术的一个重要分支,数字水印技术成为多媒体信息安全领域的一个热点研究问题。
根据水印嵌入载体的不同,数字水印主要分为图像水印、音频水印、视频水印、文本水印等。数字图像是最基本的多媒体数据,图像水印技术也即成为了数字水印技术中的核心研究方向。零水印技术的提出,为在无失真条件下如何对图像媒体数据实施版权保护明确了思路。零水印不需要将具有特定意义的标识信息“嵌入”到载体数据中,而是通过提取原始载体数据的某种稳定特征来“生成”水印,能够解决传统数字水印技术鲁棒性和不可见性之间的矛盾。在一些不允许对被保护的图像数据做任何改动或对图像视觉质量要求比较高的特殊应用领域,如医学、遥感等,图像零水印技术发挥了极大优势。
截止目前,虽然有许多图像零水印方法相继被提出,但大多数图像零水印方法存在密钥空间较小、鲁棒性不高,特别是缺乏抵抗旋转等几何攻击能力的问题。同时,现有一些基于图像矩和特征点匹配的图像零水印方法,虽具备一定抵抗旋转攻击的能力,但计算复杂度较高,实用性不强。
发明内容
为了解决上述问题,本发明的目的在于提供一种基于变参数混沌映射的混合变换域图像零水印方法。
为了达到上述目的,本发明提供的基于变参数混沌映射的混合变换域图像零水印方法包括按顺序进行的下列步骤:
步骤1:将原始二值水印图像嵌入到需要被保护的原始载体图像中;具体步骤如下:
步骤1.1:将原始二值水印图像W进行Arnold置乱,得到置乱后的水印图像W1;
步骤1.2:采用变参数混沌映射系统生成一个随机序列,然后将其二值化后转化为一幅随机混沌二值图像G1;
步骤1.3:将生成的随机混沌二值图像G1和置乱后的水印图像W1进行异或操作,实现对原始二值水印图像W的加密而获得加密后的水印图像W2;
步骤1.4:将原始载体图像I进行l层非下采样金字塔分解,并对分解后的低频分量进行n1×n1的非重叠分块;
步骤1.5:将分块后的低频分量中所有的系数块分别独自地进行二维离散余弦变换,并提取每个系数块变换后的第一个交流系数而组成一个一维的特征向量;
步骤1.6:采用步骤1.2的方法生成一个新的随机序列,通过对该序列进行排序获得一个位置索引向量,使用该位置索引向量和步骤1.5中生成的特征向量来提取原始零水印序列;
步骤1.7:将步骤1.6中获得的原始零水印序列转化为一幅二值图像H并与步骤1.3中获得的加密后的水印图像W2进行异或操作,生成最终的认证零水印图像W′,将该认证零水印图像W′保存到注册机构的水印数据库中,并将零水印嵌入过程中使用过的相关密钥和原始载体图像I进行保存,即完成零水印的嵌入过程;
步骤2:对原始待认证图像进行零水印检测,具体步骤如下:
步骤2.1:先对原始待认证图像I1进行旋转攻击检测和旋转角度校正,获得校正后的待认证图像I2;
步骤2.2:将校正后的待认证图像I2进行l层非下采样金字塔分解,如果原始待认证图像I1没有经历过旋转攻击,直接将原始待认证图像I1进行l层非下采样金字塔分解,并对分解后的低频分量进行n1×n1的非重叠分块;
步骤2.3:将步骤2.2中分块后的低频分量中所有的系数块分别独自地进行二维离散余弦变换,并提取每个系数块变换后的第一个交流系数而组成一个一维的特征向量;
步骤2.4:按照步骤1.2的方法并使用与其相同的密钥生成一幅随机二值图像,同时按照步骤1.6的方法并使用与其相同的密钥产生随机序列,并通过对该序列进行排序获得与步骤1.6中相同的位置索引向量,然后使用该位置索引向量和步骤2.3中生成的一维特征向量获得原始待认证图像I1的特征零水印序列;
步骤2.5:将步骤2.4获得的特征零水印序列转化为一幅二值图像并先后与保存在注册中心的认证零水印图像和步骤2.4中按照步骤1.2的方法生成的随机二值图像进行异或操作,生成一幅新的二值图像并对其进行反Arnold置乱,从而获得最终提取出来的水印图像。
在步骤1.2中,所述的采用变参数混沌映射系统生成随机序列,然后将其二值化后转化为一幅随机混沌二值图像的方法为:采用下面公式(1)所描述的变参数混沌映射系统生成一个随机序列Y1={yn|n=1,2,…,M2+L1},舍去前L1个混沌特性相对不好的初值后获得一个新的随机序列P1={yn|n=L1+1,L1+2,…,M2+L1},将新的随机序列P1的每个元素通过与0.5进行比较将其二值化为一个{0,1}序列,再将该{0,1}序列重新扫描为一幅随机混沌二值图像;
其中,μ为变参数混沌映射系统控制参数,x0、y0为变参数混沌映射系统初值;M2为原始二值水印图像W所包含的信息位的个数,L1是一个常数,这里将生成随机序列P1时采用的μ、x0、y0和L1一起可以作为密钥使用。
在步骤1.6中,所述的采用步骤1.2的方法生成一个新的随机序列,通过对该序列进行排序获得一个位置索引向量,使用该位置索引向量和步骤1.5中生成的特征向量来提取原始零水印序列的方法为:利用公式(1)所描述的变参数混沌映射系统采用不同于步骤1.2使用过的密钥生成一个随机序列Y2={yn|n=1,2,…,M2+L2},舍去前L2个混沌特性相对不好的初值后获得一个新的随机序列P2={yn|n=L1+1,L1+2,…,M2+L2},然后对新的随机序列P2进行升序排序[P3,S]=sort(P2)获得排序后的序列P3以及其位置索引向量S,然后利用该位置索引向量S并通过判定步骤1.5中生成的一维特征向量U(k)中每一个系数符号的极性来提取原始零水印序列V(k),公式如下:
在步骤2.1中,所述的先对原始待认证图像I1进行旋转攻击检测和旋转角度校正,获得校正后的待认证图像I2的方法为:
(1)先计算原始载体图像I一个边缘上对应像素的均值MS1,再分别计算原始待认证图像I1中不同于所选原始载体图像I边缘的其它三个边缘上对应像素的均值MS2、MS3和MS4以及位于原始待认证图像I1中4个顶角位置上n2×n2大小图像块的均值MA1、MA2、MA3和MA4;
(2)通过比较MS1与MS2、MS3、MS4中任意一个是否相等或者MA1、MA2、MA3、MA4每一个值是否同时为0,判断原始待认证图像I1是否经历过旋转攻击;
(3)如果判断结果为是,执行下面步骤而对该图像进行旋转角度校正,否则直接执行步骤2.2;
(4)将大小为N×N的原始载体图像I和原始待认证图像I1进行相同比例的尺寸缩小,生成大小为N1×N1的载体图像A和待认证图像A1;
(5)将载体图像A在1~360°范围内依次进行角度为10m°的旋转并将旋转后图像记做A1m,其中m=1,2,3,…,36,然后分别计算每一次旋转后的载体图像A1m与待认证图像A1之间的归一化相关系数值,获得一个最大的归一化相关系数值NC1并将与其对应的角度记为10m1°,归一化相关系数的计算公式如下:
(6)将载体图像A依次进行角度为10m1+e°的旋转并将旋转后图像记做A1e,其中e=-9,-8,…9,10,然后分别计算每一次旋转后的载体图像A1e与待认证图像A1之间的归一化相关系数值,获得一个最大的归一化相关系数值NC2;
(7)最大的归一化相关系数值NC2对应的角度即为原始待认证图像I1的旋转角度,按照此角度对原始待认证图像I1进行逆旋转,由此完成对原始待认证图像I1的旋转角度校正并得到校正后的图像I2。
所述的步骤1.7中的相关密钥为:将步骤1.1中对原始二值水印图像W进行Arnold置乱时的置乱次数及置乱周期作为密钥1;将步骤1.2中采用变参数混沌映射系统生成随机序列时使用的相关参数作为密钥2;将步骤1.6中采用变参数混沌映射系统生成一个新的随机序列时使用的不同于密钥2的相关参数作为密钥3。
本发明提供的基于变参数混沌映射的混合变换域图像零水印方法是针对数字图像的版权保护,提出的一种新颖的抗旋转攻击图像零水印方法,该方法与现有图像零水印方法相比较具有以下优点:(1)本发明充分利用了图像非下采样金字塔分解的平移不变性特点,以及对图像进行分块离散余弦变换后每一个系数块中特殊位置上交流系数符号的稳定性特点,结合以上特点构造载体图像的特征零水印,该方法新颖、简单、鲁棒性强;(2)本发明采用变参数混沌系统生成随机混沌序列,用于水印图像的加密和原始特征零水印提取时离散余弦变换系数块的位置加密;(3)本发明提出了一种旋转图像检测及旋转角度校正方案,采用一种基于计算缩小尺寸后的原始载体图像和待认证图像之间归一化相关系数的方式对经历旋转攻击后的待认证图像进行旋转角度校正,使得本发明方法具有抵抗任意角度旋转攻击的能力。本发明方法对于抵抗常见的多种图像处理攻击,如添加噪声、滤波、JPEG压缩、缩放和任意角度的旋转攻击等具有很好的鲁棒性,仿真实验证明了本方法的有效性。
附图说明
图1为本发明提供的基于变参数混沌映射的混合变换域图像零水印方法中零水印嵌入流程图。
图2为本发明提供的基于变参数混沌映射的混合变换域图像零水印方法中零水印检测流程图。
图3为本发明实验中使用的8幅原始载体图像,其中图3(a)为Man图像,图3(b)为Tiffany图像,图3(c)为Elain图像,图3(d)为Lena图像,图3(e)为Goldhill图像,图3(f)为Boat图像,图3(g)为Bridge图像,图3(h)为Peppers图像。
图4为本发明实验中作为原始水印使用的二值Logo图像。
图5为从Lena图像中产生的原始零水印序列与随机产生且服从均匀分布的1200个{0,1}二值序列之间的相似度。
图6为给出了16幅经受不同类型不同程度攻击下的Lena图像。
图7为给出了16幅从不同类型不同程度攻击下的Lena图像中提取出的水印图像。
具体实施方法
下面结合附图和具体实施例对本发明进行详细说明。
本发明提供的基于变参数混沌映射的混合变换域图像零水印方法包括按顺序进行的下列步骤:
步骤1、将原始二值水印图像嵌入到需要被保护的原始载体图像中;如图1所示,具体步骤如下:
步骤1.1、将原始二值水印图像W进行Arnold置乱,得到置乱后的水印图像W1,将Arnold置乱的置乱次数和置乱周期作为密钥1使用;
步骤1.2、采用变参数混沌映射(VPCM)系统生成一个随机序列Y1={yn|n=1,2,…,M2+L1},舍去前L1个混沌特性相对不好的初值后获得一个新的随机序列P1={yn|n=L1+1,L1+2,…,M2+L1},新的随机序列P1被二值化后转化为一幅随机混沌二值图像G1,VPCM系统由Logistic映射(LM)和分段线性混沌映射(PWLCM)联合而成,VPCM系统的具体表达式如下:
其中,μ为VPCM系统控制参数,x0、y0为VPCM系统初值;M2为原始二值水印图像所包含的信息位的个数,L1是一个常数,二值化阈值选择0.5,这里将生成随机序列P1时采用的μ、x0、y0和L1一起作为密钥2使用;
步骤1.3、将生成的随机混沌二值图像G1和置乱后的水印图像W1进行异或操作,由此实现对原始二值水印图像W的加密,将获得的加密后的水印图像记为W2,如公式(2)所示:
W2=XOR(W1,G1) (2)
步骤1.4、将原始载体图像I进行l层非下采样金字塔(NSPD)分解,然后对分解后的低频分量IL进行n1×n1的非重叠分块;
步骤1.5、将分块后的低频分量IL中所有的系数块分别独自地进行二维离散余弦变换(DCT),并提取每个系数块变换后的第一个交流(AC)系数而组成一个一维的特征向量U(k);
步骤1.6、采用步骤1.2的方法使用不同于密钥2的密钥3生成一个新的随机序列Y2和P2,对新的随机序列P2进行升序排序[P3,S]=sort(P2)获得排序后的序列P3以及其位置索引向量S,然后利用该索引向量S并通过判定特征向量U(k)中每一个系数符号的极性来提取原始零水印序列V(k),具体公式如下:
步骤1.7、将原始零水印序列V(k)转化成二值图像H,即为获得的原始零水印图像,然后将二值图像H与加密后的水印图像W2进行异或操作而生成最终的认证零水印图像W′,参见公式(4),最后将认证零水印图像W′保存到注册机构的水印数据库中,并将零水印嵌入过程中使用过的相关密钥和原始载体图像保存,即完成零水印的嵌入过程;
W′=XOR(W2,H) (4)
步骤2、对原始待认证图像进行零水印检测;如图2所示,具体步骤如下:
步骤2.1:将原始待认证图像记为I1,对其进行旋转攻击检测和旋转角度校正而得到校正后的待认证图像I2,具体方法如下:
(1)先计算原始载体图像I一个边缘上对应像素的均值MS1,再分别计算原始待认证图像I1中不同于所选原始载体图像I边缘的其它三个边缘上对应像素的均值MS2、MS3和MS4以及位于原始待认证图像I1中4个顶角位置上n2×n2大小图像块的均值MA1、MA2、MA3和MA4;
(2)通过比较MS1与MS2、MS3、MS4中任意一个是否相等或者MA1、MA2、MA3、MA4每一个值是否同时为0,判断原始待认证图像I1是否经历过旋转攻击;
(3)如果判断结果为是,执行下面的步骤,否则直接执行步骤2.2;
(4)将大小为N×N的原始载体图像I和原始待认证图像I1进行相同比例的尺寸缩小,生成大小为N1×N1的载体图像A和待认证图像A1;
(5)将载体图像A在1~360°范围内依次进行角度为10m°的旋转并将旋转后的载体图像记做A1m(m=1,2,3,…,36),然后分别计算每一次旋转后的载体图像A1m与待认证图像A1之间的归一化相关系数(NC)值,获得一个最大的归一化相关系数值NC1并将与其对应的角度记为10m1°,归一化相关系数的计算公式如下:
(6)将载体图像A依次进行角度为10m1+e°的旋转并将旋转后的载体图像记做A1e(e=-9,-8,…9,10),然后分别计算每一次旋转后的载体图像A1e与待认证图像A1之间的归一化相关系数值,获得一个最大的归一化相关系数值NC2;
(7)最大的归一化相关系数值NC2对应的角度即为原始待认证图像I1的旋转角度,按照此角度对原始待认证图像I1进行逆旋转,由此完成对原始待认证图像I1的旋转角度校正并得到校正后的待认证图像I2;
步骤2.2:将校正后的待认证图像I2进行l层NSPD分解,如果原始待认证图像I1没有经历过旋转攻击,直接将原始待认证图像I1进行l层NSPD分解,对分解后的低频分量I2L进行n1×n1的非重叠分块;
步骤2.3:将分块后的低频分量I2L中所有的系数块分别独自地进行二维DCT变换,并提取每个系数块变换后的第一个交流系数而组成一个一维的特征向量U1(k);
步骤2.4:按照步骤1.2的方法并使用与其相同的密钥2生成一幅随机二值图像,同时按照步骤1.6的方法并使用与其相同的密钥3生成随机序列P3,并通过对该序列进行排序获得与步骤1.6中相同的位置索引向量S,然后使用该位置索引向量S和步骤2.3中生成的一维特征向量U1(k),通过公式(6)获得原始待认证图像I1的特征零水印序列V1(k);
步骤2.5:将步骤2.4获得的特征零水印序列V1(k)转化为一幅二值图像H1并先后与保存在注册中心的认证零水印图像W′和步骤2.4中按照步骤1.2的方法生成的随机二值图像进行异或操作,生成一幅新的二值图像并对其进行反Arnold置乱,从而获得最终提取出来的水印图像W*,其表达式如下:
W*=Arnold-1(XOR(XOR(H1,W′),G1)) (7)
其中Arnold-1表示反Arnold置乱操作,需要用到步骤1.1中使用过的密钥1。
下面结合实验数据和实验结果来说明本发明的有效性。
为了验证本发明的有效性,本发明仿真实验中采用8幅大小为512×512来自USC-SIPI图像数据库中的标准灰度图像作为原始载体图像,这些图像分别被命名为Man,Tiffany,Elain,Lena,Goldhill,Boat,Bridge,Peppers,如图3(a)—(h)所示。原始水印图像采用大小64×64的二值Logo图像,如图4所示。实验中其它相关实验参数的设置分别为:图像NSPD分解时选择层l=5,并选用“maxflat”滤波器;Aronld置乱与反置乱变换时密钥1中k1=12,T=24;生成随机混沌序列P1时密钥2中μ1=3.89999,x1=0.65555,y1=0.10000,L1=500;生成随机混沌序列P2时密钥3中μ2=3.98880,x2=0.45550,y2=0.22220,L2=500;图像分块时n1=8,n2=2;旋转角度校正时尺寸缩小后的图像大小为N1×N1=20×20。
受攻击后载体图像的质量采用峰值信噪比(PSNR)来评价,PSNR表达式参见公式(8):
公式(8)中I和I1分别代表大小为N×N的原始载体图像和原始待认证图像。PSNR值越小,图像受到攻击后带来的图像质量损失就越大。
本发明方法的鲁棒性通过计算原始水印图像和最终提取出来的水印图像之间的NC值来评价,NC的计算见公式(5),NC值越大,表明该方法的鲁棒性越强。
原始零水印序列唯一标识性验证。
从一幅图像中构造出的原始零水印序列应该只与该图像的内容有关,这样才能唯一地标识该原始图像,不同图像中构造出来的零水印之间的相似度应该相对较小。表1给出了从8幅不同图像中构造出的原始零水印序列之间的相似度关系(NC值)。由表1可知,从8幅不同图像中构造出的原始零水印序列之间的相似度波动在0.5左右,最大值也比0.6要小,远小于1。这说明按照本发明提出的方法,从某一幅图像中构造出的原始零水印序列可以与从其它图像中构造出的零水印序列进行有效区分。图5显示了从Lena图像中构造出的原始零水印序列与1200个随机产生的且服从均匀分布的{0,1}二值序列之间的相似度关系,其中第600个随机二值序列被替换为Lena图像的原始零水印序列。图5进一步说明了,按照本发明提出的方法从一幅图像中构造出的原始零水印序列不能通过随机的方式产生,能够对该图像进行有效地唯一性标识。
表1从8幅不同图像中提取出的原始零水印序列之间的相似度
以下通过对8幅原始载体图像进行不同类型的多种攻击,来验证本发明方法的鲁棒性。
1)添加噪声攻击
表2给出了8幅原始载体图像在经历均值为0且方差不同的高斯噪声攻击后的PSNR值,以及从在该攻击下的载体图像中提取出来水印图像对应的NC值。表3给出了8幅原始载体图像在经历不同噪声密度下的椒盐噪声攻击后的PSNR值,以及从在该攻击下的载体图像中提取出来水印图像对应的NC值。表2和表3分别表明本发明法可以有效地抵抗高斯和椒盐噪声攻击。
表2高斯噪声攻击下不同图像对应的PSNR/NC值
表3椒盐噪声攻击下不同图像对应的PSNR/NC值
2)滤波攻击
表4给出了8幅原始载体图像在经历不同窗口大小中值滤波攻击后的PSNR值,以及从在该攻击下的载体图像中提取出来水印图像对应的NC值。表5给出了8幅原始载体图像在经历不同窗口大小维纳滤波后的PSNR值,以及从在该攻击下的载体图像中提取出来水印图像对应的NC值。表4和表5分别表明本发明方法可以有效地抵抗中值和维纳滤波攻击。
表4均值滤波攻击下不同图像对应的PSNR/NC值
表5维纳滤波攻击下不同图像对应的PSNR/NC值
3)JPEG压缩攻击
表6给出了8幅原始载体图像在经历不同压缩因子下的JPEG压缩攻击后的PSNR值,以及从在该攻击下的载体图像中提取出来水印图像对应的NC值。从表6中可见,本发明方法对抵抗JPEG压缩攻击具有很好的鲁棒性。
表6 JPEG压缩攻击下不同图像对应的PSNR/NC值
4)剪裁攻击
表7给出了8幅原始载体图像在经历不同类型及窗口大小裁剪攻击后的PSNR值,以及从在该攻击下的载体图像中提取出来水印图像对应的NC值。从表7中可见,本发明方法对抵抗裁剪攻击具有一定的鲁棒性。
表7剪裁攻击下的不同图像对应的PSNR/NC值
5)尺寸缩放攻击
表8给出了8幅原始载体图像在经历不同缩放因子下的缩放攻击后的PSNR值,以及从在该攻击下的载体图像中提取出来水印图像对应的NC值。从表8中可见,本发明方法对抵抗JPEG压缩攻击具有非常好的鲁棒性。
表8缩放攻击下的不同图像对应的PSNR/NC值
6)平移攻击
表9给出了8幅原始载体图像在经历不同像素水平偏移攻击后的PSNR值,以及从在该攻击下的载体图像中提取出来水印图像对应的NC值。从表9中可见,本发明方法能抵抗一定程度的像素平移攻击。
表9平移攻击下的不同图像对应的PSNR/NC值
7)旋转攻击
表10给出了8幅原始载体图像在不同角度旋转攻击后的PSNR值,以及从在该攻击下的载体图像中提取出来水印图像对应的NC值。从表10中可见,本发明方法对抵抗任意角度的旋转攻击具有很好的鲁棒性,并且能从旋转90°的图像中无失真地提取出水印信息来。
表10旋转攻击下的不同图像对应的PSNR/NC值
为了进一步更直观地说明本发明方法的鲁棒性,图6给出了16幅经受不同类型不同程度攻击下的Lena图像,与每幅受攻击图像对应的攻击参数及攻击后的PSNR值分别为:(a)高斯噪声(0.05),PSNR=13.5306;(b)高斯噪声(0.15),PSNR=10.1598;(c)椒盐噪声(0.1),PSNR=15.6000;(d)椒盐噪声(0.2),PSNR=12.5448;(e)中值滤波(5×5),PSNR=32.2413;(f)维纳滤波(5×5),PSNR=35.7395;(g)JPEG压缩(5%),PSNR=27.7996;(h)JPEG压缩(20%),PSNR=33.6275;(i)尺寸缩放(1/8),PSNR=26.3543;(j)中心剪裁(128×128),PSNR=18.3265;(k)左边缘剪裁(64×512),PSNR=15.7225;(l)向右平移5个像素,PSNR=19.0941;(m)向左旋转5°,PSNR=15.3284;(n)向左旋转10°,PSNR=13.0434;(o)向左旋转40°,PSNR=10.8319;(p)向左旋转90°,PSNR=12.4175。
图7与图6相对应,给出了16幅从不同类型不同程度攻击下的Lena图像中提取出的水印图像。与每幅受攻击图像对应的攻击参数以及从中提取出的水印图像与原始水印之间的NC值分别为:(a)高斯噪声(0.05),NC=0.9768;(b)高斯噪声(0.15),NC=0.9651;(c)椒盐噪声(0.1),NC=0.9813;(d)椒盐噪声(0.2),NC=0.9668;(e)中值滤波(5×5),NC=0.9964;(f)维纳滤波(5×5),NC=0.9989;(g)JPEG压缩(5%),NC=0.9744;(h)JPEG压缩(20%),NC=0.9952;(i)尺寸缩放(1/8),NC=0.9952;(j)中心剪裁128×128,NC=0.9699;(k)左边缘剪裁(64×512),NC=0.9813;(l)向右平移5个像素,NC=0.93332;(m)向左旋转5°,NC=0.9776;(n)向左旋转10°,NC=0.9646;(o)向左旋转40°,NC=0.9125;(p)向左旋转90°,NC=1.0000。
由图6可知,原始载体Lena图像在经受不同类型不同程度的攻击后,在主观视觉质量上受到严重的损失。从图7中可见,与图6相对应,在视觉质量严重受损的Lena图像中提取出来的相应的水印图像基本清晰可见。图6和图7进一步证实了本发明方法对多种不同类型的攻击如添加噪声、滤波、JPEG压缩和缩放等具有很强的鲁棒性,特别是本发明方法能够在一定程度上有效地抵抗任意角度的旋转攻击。
Claims (5)
1.一种基于变参数混沌映射的混合变换域图像零水印方法,包括零水印嵌入过程和零水印检测过程两部分,其特征在于,所述的方法包括按顺序进行的下列步骤:
步骤1:将原始二值水印图像嵌入到需要被保护的原始载体图像中;具体步骤如下:
步骤1.1:将原始二值水印图像W进行Arnold置乱,得到置乱后的水印图像W1;
步骤1.2:采用变参数混沌映射系统生成一个随机序列,然后将其二值化后转化为一幅随机混沌二值图像G1;
步骤1.3:将生成的随机混沌二值图像G1和置乱后的水印图像W1进行异或操作,实现对原始二值水印图像W的加密而获得加密后的水印图像W2;
步骤1.4:将原始载体图像I进行l层非下采样金字塔分解,并对分解后的低频分量进行n1×n1的非重叠分块;
步骤1.5:将分块后的低频分量中所有的系数块分别独自地进行二维离散余弦变换,并提取每个系数块变换后的第一个交流系数而组成一个一维的特征向量;
步骤1.6:采用步骤1.2的方法生成一个新的随机序列,通过对该序列进行排序获得一个位置索引向量,使用该位置索引向量和步骤1.5中生成的特征向量来提取原始零水印序列;
步骤1.7:将步骤1.6中获得的原始零水印序列转化为一幅二值图像H并与步骤1.3中获得的加密后的水印图像W2进行异或操作,生成最终的认证零水印图像W′,将该认证零水印图像W′保存到注册机构的水印数据库中,并将零水印嵌入过程中使用过的相关密钥和原始载体图像I进行保存,即完成零水印的嵌入过程;
步骤2:对原始待认证图像进行零水印检测,具体步骤如下:
步骤2.1:先对原始待认证图像I1进行旋转攻击检测和旋转角度校正,获得校正后的待认证图像I2;
步骤2.2:将校正后的待认证图像I2进行l层非下采样金字塔分解,如果原始待认证图像I1没有经历过旋转攻击,直接将原始待认证图像I1进行l层非下采样金字塔分解,并对分解后的低频分量进行n1×n1的非重叠分块;
步骤2.3:将步骤2.2中分块后的低频分量中所有的系数块分别独自地进行二维离散余弦变换,并提取每个系数块变换后的第一个交流系数而组成一个一维的特征向量;
步骤2.4:按照步骤1.2的方法并使用与其相同的密钥生成一幅随机二值图像,同时按照步骤1.6的方法并使用与其相同的密钥产生随机序列,并通过对该序列进行排序获得与步骤1.6中相同的位置索引向量,然后使用该位置索引向量和步骤2.3中生成的一维特征向量获得原始待认证图像I1的特征零水印序列;
步骤2.5:将步骤2.4获得的特征零水印序列转化为一幅二值图像并先后与保存在注册中心的认证零水印图像和步骤2.4中按照步骤1.2的方法生成的随机二值图像进行异或操作,生成一幅新的二值图像并对其进行反Arnold置乱,从而获得最终提取出来的水印图像。
2.根据权利要求1所述的基于变参数混沌映射的混合变换域图像零水印方法,其特征在于:在步骤1.2中,所述的采用变参数混沌映射系统生成随机序列,然后将其二值化后转化为一幅随机混沌二值图像的方法为:采用下面公式(1)所描述的变参数混沌映射系统生成一个随机序列Y1={yn|n=1,2,…,M2+L1},舍去前L1个混沌特性相对不好的初值后获得一个新的随机序列P1={yn|n=L1+1,L1+2,…,M2+L1},将新的随机序列P1的每个元素通过与0.5进行比较将其二值化为一个{0,1}序列,再将该{0,1}序列重新扫描为一幅随机混沌二值图像;
其中,μ为变参数混沌映射系统控制参数,x0、y0为变参数混沌映射系统初值;M2为原始二值水印图像W所包含的信息位的个数,L1是一个常数,这里将生成随机序列P1时采用的μ、x0、y0和L1一起作为密钥使用。
3.根据权利要求1或2所述的基于变参数混沌映射的混合变换域图像零水印方法,其特征在于:在步骤1.6中,所述的采用步骤1.2的方法生成一个新的随机序列,通过对该序列进行排序获得一个位置索引向量,使用该位置索引向量和步骤1.5中生成的特征向量来提取原始零水印序列的方法为:利用公式(1)所描述的变参数混沌映射系统采用不同于步骤1.2使用过的密钥生成一个随机序列Y2={yn|n=1,2,…,M2+L2},舍去前L2个混沌特性相对不好的初值后获得一个新的随机序列P2={yn|n=L1+1,L1+2,…,M2+L2},然后对新的随机序列P2进行升序排序[P3,S]=sort(P2)获得排序后的序列P3以及其位置索引向量S,然后利用该位置索引向量S并通过判定步骤1.5中生成的一维特征向量U(k)中每一个系数符号的极性来提取原始零水印序列V(k),公式如下:
4.根据权利要求1所述的基于变参数混沌映射的混合变换域图像零水印方法,其特征在于:在步骤2.1中,所述的先对原始待认证图像I1进行旋转攻击检测和旋转角度校正,获得校正后的待认证图像I2的方法为:
(1)先计算原始载体图像I一个边缘上对应像素的均值MS1,再分别计算原始待认证图像I1中不同于所选原始载体图像I边缘的其它三个边缘上对应像素的均值MS2、MS3和MS4以及位于原始待认证图像I1中4个顶角位置上n2×n2大小图像块的均值MA1、MA2、MA3和MA4;
(2)通过比较MS1与MS2、MS3、MS4中任意一个是否相等或者MA1、MA2、MA3、MA4每一个值是否同时为0,判断待原始认证图像I1是否经历过旋转攻击;
(3)如果判断结果为是,执行下面步骤而对该图像进行旋转角度校正,否则直接执行步骤2.2;
(4)将大小为N×N的原始载体图像I和原始待认证图像I1进行相同比例的尺寸缩小,生成大小为N1×N1的载体图像A和待认证图像A1;
(5)将载体图像A在1~360°范围内依次进行角度为10m°的旋转并将旋转后图像记做A1m,其中m=1,2,3,…,36,然后分别计算每一次旋转后的载体图像A1m与待认证图像A1之间的归一化相关系数值,获得一个最大的归一化相关系数值NC1并将与其对应的角度记为10m1°,归一化相关系数的计算公式如下:
(6)将载体图像A依次进行角度为10m1+e°的旋转并将旋转后图像记做A1e,其中e=-9,-8,…9,10,然后分别计算每一次旋转后的载体图像A1e与待认证图像A1之间的归一化相关系数值,获得一个最大的归一化相关系数值NC2;
(7)最大的归一化相关系数值NC2对应的角度即为原始待认证图像I1的旋转角度,按照此角度对原始待认证图像I1进行逆旋转,由此完成对原始待认证图像I1的旋转角度校正并得到校正后的图像I2。
5.根据权利要求1或3所述的基于变参数混沌映射的混合变换域图像零水印方法,其特征在于:所述的步骤1.7中的相关密钥为:将步骤1.1中对原始二值水印图像W进行Arnold置乱时的置乱次数及置乱周期作为密钥1;将步骤1.2中采用变参数混沌映射系统生成随机序列时使用的相关参数作为密钥2;将步骤1.6中采用变参数混沌映射系统生成一个新的随机序列时使用的不同于密钥2的相关参数作为密钥3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910084113.7A CN109859093B (zh) | 2019-01-29 | 2019-01-29 | 一种基于变参数混沌映射的混合变换域图像零水印方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910084113.7A CN109859093B (zh) | 2019-01-29 | 2019-01-29 | 一种基于变参数混沌映射的混合变换域图像零水印方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109859093A CN109859093A (zh) | 2019-06-07 |
CN109859093B true CN109859093B (zh) | 2022-12-27 |
Family
ID=66896696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910084113.7A Active CN109859093B (zh) | 2019-01-29 | 2019-01-29 | 一种基于变参数混沌映射的混合变换域图像零水印方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109859093B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111489278B (zh) * | 2020-04-07 | 2023-05-16 | 贵州大学 | 一种基于置乱扩散的文本水印嵌入提取方法 |
CN111583088B (zh) * | 2020-05-06 | 2022-07-01 | 中国民航大学 | 一种基于多变换域的自嵌入全盲彩色图像鲁棒水印方法 |
CN112153482B (zh) * | 2020-09-16 | 2022-02-22 | 山东科技大学 | 一种音视频匹配零水印生成方法及音视频防篡改检测方法 |
CN112381701B (zh) * | 2020-11-17 | 2022-07-01 | 中国民航大学 | 一种基于FFST和Hessenberg分解的抗RST攻击立体图像零水印方法 |
CN112561771B (zh) * | 2020-12-08 | 2022-03-04 | 齐鲁工业大学 | 一种基于互补特征的鲁棒零水印方法 |
CN112800395B (zh) * | 2021-01-27 | 2023-04-14 | 南京信息工程大学 | 一种基于零水印技术的多幅图像版权认证和验证方法 |
CN113095988B (zh) * | 2021-03-29 | 2022-02-01 | 贵州大学 | 基于orc采样和qgpce变换的弥散张量图像鲁棒零水印方法 |
CN114359012B (zh) * | 2022-03-21 | 2022-06-14 | 中国民航大学 | 一种鲁棒的组合域彩色图像零水印嵌入和提取方法 |
CN117217976B (zh) * | 2023-11-09 | 2024-01-30 | 中国民航大学 | 一种基于多混沌系统的四元数域彩色图像零水印处理方法 |
CN117635408A (zh) * | 2023-11-22 | 2024-03-01 | 南京财经大学 | 面向版权保护的图像零水印方法、装置及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101847251A (zh) * | 2010-06-13 | 2010-09-29 | 电子科技大学 | 一种基于混沌序列的数字水印嵌入和提取方法 |
CN101908201A (zh) * | 2010-06-28 | 2010-12-08 | 宁波大学 | 一种鲁棒的数字图像自适应零水印方法 |
CN102081788A (zh) * | 2011-01-11 | 2011-06-01 | 浙江工商大学 | 基于直流系数比较的抗二次打印-扫描鲁棒零水印算法 |
-
2019
- 2019-01-29 CN CN201910084113.7A patent/CN109859093B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101847251A (zh) * | 2010-06-13 | 2010-09-29 | 电子科技大学 | 一种基于混沌序列的数字水印嵌入和提取方法 |
CN101908201A (zh) * | 2010-06-28 | 2010-12-08 | 宁波大学 | 一种鲁棒的数字图像自适应零水印方法 |
CN102081788A (zh) * | 2011-01-11 | 2011-06-01 | 浙江工商大学 | 基于直流系数比较的抗二次打印-扫描鲁棒零水印算法 |
Non-Patent Citations (2)
Title |
---|
一种基于子采样的混合域稳健零水印算法;韩绍程 等;《图学学报》;20130531;第34卷(第3期);第20-24页 * |
基于图像归一化和NSST的鲁棒零水印算法;孙俞超等;《延边大学学报(自然科学版)》;20170320(第01期);第43-50页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109859093A (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109859093B (zh) | 一种基于变参数混沌映射的混合变换域图像零水印方法 | |
CN110084733B (zh) | 文本图像水印的嵌入方法及系统、提取方法及系统 | |
Sajasi et al. | An adaptive image steganographic scheme based on noise visibility function and an optimal chaotic based encryption method | |
Singh et al. | Video watermarking scheme based on visual cryptography and scene change detection | |
Hosam | Attacking image watermarking and steganography-a survey | |
Ma et al. | Local geometric distortions resilient watermarking scheme based on symmetry | |
CN112381701B (zh) | 一种基于FFST和Hessenberg分解的抗RST攻击立体图像零水印方法 | |
Mishra et al. | A survey on digital watermarking techniques | |
CN114359012B (zh) | 一种鲁棒的组合域彩色图像零水印嵌入和提取方法 | |
Munir | A secure fragile video watermarking algorithm for content authentication based on arnold CAT map | |
Rhayma et al. | Semi-fragile self-recovery watermarking scheme based on data representation through combination | |
Shahadi et al. | A novel robust approach for image copyright protection based on concentric rectangles | |
Xing et al. | A zero-watermark hybrid algorithm for remote sensing images based on DCT and DFT | |
Thilagavathi et al. | A survey of reversible watermarking techniques, application and attacks | |
Surekha et al. | Visual secret sharing based digital image watermarking | |
Naji et al. | Automatic region selection method to enhance image-based steganography | |
Ernawan et al. | An improved robust watermarking scheme using flexible scaling factor | |
CN106600516B (zh) | 基于数字指纹的图像嵌入方法 | |
Chrysochos et al. | Robust watermarking of digital images based on chaotic mapping and DCT | |
Punitha et al. | Notice of Violation of IEEE Publication Principles: Binary watermarking technique based on Visual Cryptography | |
Sumalatha et al. | Local content based image authentication for tamper localization | |
Nesakumari et al. | Normalized image watermarking scheme using chaotic system | |
Kabir et al. | A Secure IWT Watermarking Technique using QR Decomposition and 2D Henon Maps | |
Jun et al. | An improved watermarking detect algorithm for color image in spatial domain | |
Abdelrahman Mohamed Mostafa | Overview and Classification of Digital Watermarking Algorithms |
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 | ||
OL01 | Intention to license declared | ||
OL01 | Intention to license declared | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190607 Assignee: Beijing Feifan Chuangxiang Technology Industry Co.,Ltd. Assignor: CIVIL AVIATION University OF CHINA Contract record no.: X2024980007072 Denomination of invention: A Hybrid Transform Domain Image Zero Watermark Method Based on Variable Parameter Chaos Mapping Granted publication date: 20221227 License type: Common License Record date: 20240612 |