CN109886856A - 对屏幕拍摄过程鲁棒的数字水印方法 - Google Patents

Abstract

本发明公开了一种对屏幕拍摄过程鲁棒的数字水印方法，包括：水印嵌入阶段：对版权信息进行处理，生成待嵌入的水印序列；利用SIFT特征点定位算法在载体图像中定位及筛选出若干特征点，再利用SIFT特征编辑算法增强所有特征点的强度，之后对增强后的特征点周围的待嵌入区域通过频域调制的方式将水印序列进行嵌入，生成含水印的图像；水印提取阶段：当含水印的图像被非法拍摄并流传时，对屏摄图像进行透视畸变校正，再通过裁剪方式获取所需的图像，之后，通过特征点定位算法定位出嵌入位置并使用交叉验证的提取方法将水印序列进行提取，进而复原出版权信息。通过上述方法可以实现失泄密的溯源。

Description

对屏幕拍摄过程鲁棒的数字水印方法

技术领域

本发明涉及鲁棒数字图像水印技术领域，尤其涉及一种对屏幕拍摄过程鲁棒的数字水印方法。

背景技术

随着数字技术，多媒体处理技术和传输压缩技术的快速发展，数字产品的非法流传和网络信息的非法复制变得更为简单。如何在开放的环境中安全可靠地保护数据的隐私与版权，是亟待解决的问题。而数字水印技术则为这种问题提供了强有力的解决方案。

传统数字水印技术在图像，文本，音频，视频等常规载体方面已有很丰厚研究成果，其中以图像为载体的鲁棒水印算法最为成熟。鲁棒水印技术追求在不影响载体正常使用的前提下嵌入例如序列号等版权信息等内容，同时要求嵌入的水印消息很难被抹除。一般的，数字水印可以分为空域和变换域的方法，对于空域的方法而言，在图像中，相关性弱，难以模型化的区域(如纹理复杂区域)适合作为嵌入区域进行消息的嵌入，在该区域嵌入视觉失真较小，难以被发觉，这使得这些区域可以承载更大的修改量，带来更高的鲁棒性能。而对于变换域的方法，常用的有离散余弦变换，离散傅里叶变换和离散小波变换，这些变换都将空域信号进行信号转化从而找到鲁棒性和透明性的折衷。

传统的鲁棒数字水印算法仅针对图像处理攻击例如加噪，滤波和剪切等有很好的效果，但这仅限于数字产品的流转与传输。随着数字技术的发展，智能手机的普及，通过翻拍图像窃取信息的方式已经越来越多且难以从行为上加以约束，而当图像经过空气信道，例如拍摄纸质文档，拍摄屏幕时，传统的算法并不适用。在此背景下，设计出能抵抗屏摄过程的水印算法显得尤为重要。抗屏摄水印算法区别于传统的鲁棒数字水印算法，这种技术能抵抗空气信道对水印信号的干扰，通过将水印信息以特殊的方式嵌入到图像中，使得图像在经过相机拍摄时仍然保留水印的模式，从而使得水印在拍摄后仍然能够被提取。

与传统单一图像攻击手法不同，屏摄场景中有多个过程都会对图像造成失真，主要包括：

镜头失真。由于拍摄角度的多种多样，会造成图像的透视畸变和信息丢失。

光照失真。由于外部光源和显示器内部光源的存在，使得照片中会存在亮度不均匀的现象对图像的信息产生影响。

摩尔纹失真。由于相机感光器件的空间分布和显示器像素的空间分布的差异，可能会造成图像中出现差拍现象，进而产生摩尔纹对图像的细节信息产生影响。

目前已有的鲁棒数字水印的算法并不能很好的抵抗屏摄失真带来的影响，所以急需屏摄水印的技术方案来实现屏摄图片的失泄密溯源问题。

发明内容

本发明的目的是提供一种对屏幕拍摄过程鲁棒的数字水印方法，可以实现失泄密的溯源。

本发明的目的是通过以下技术方案实现的：

一种对屏幕拍摄过程鲁棒的数字水印方法，包括：

水印嵌入阶段：对版权信息进行处理，生成待嵌入的水印序列；利用SIFT特征点定位算法在载体图像中定位及筛选出若干特征点，再利用SIFT特征编辑算法增强所有特征点的强度，之后对增强后的特征点周围的待嵌入区域通过频域调制的方式将水印序列进行嵌入，生成含水印的图像；

水印提取阶段：当含水印的图像被非法拍摄并流传时，对屏摄图像进行透视畸变校正，再通过裁剪方式获取所需的图像，之后，通过特征点定位算法定位出嵌入位置并使用交叉验证的提取方法将水印序列进行提取，进而复原出版权信息。

由上述本发明提供的技术方案可以看出，通过水印嵌入阶段所生成的含水印的图像被非法拍摄后流传，利用水印提取阶段的方式可以有效的将嵌入在图像中的私密消息正确解码，从而实现对载体图像的溯源，为追责和维护版权提供强有力的保障。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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，对于本领域的普通技术人员来讲，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附图。

图1为本发明实施例提供的一种对屏幕拍摄过程鲁棒的数字水印方法的流程图；

图2为本发明实施例提供的水印嵌入阶段的流程图；

图3为本发明实施例提供的SIFT特征空间分布示意图；

图4为本发明实施例提供的嵌入水印后的4张效果图；

图5为本发明实施例提供的水印提取阶段的流程图；

图6为本发明实施例提供的透视畸变校正示意图；

图7为本发明实施例提供的本发明方案与现有技术的比较实验结果。

具体实施方式

下面结合本发明实施例中的附图，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。基于本发明的实施例，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，都属于本发明的保护范围。

本发明实施例提供一种对屏幕拍摄过程鲁棒的数字水印方法，如图1所示，其主要包括：

水印嵌入阶段：对版权信息进行处理，生成待嵌入的水印序列；利用SIFT特征点定位算法在载体图像中定位及筛选出若干特征点，再利用SIFT特征编辑算法增强所有特征点的强度，之后对增强后的特征点周围的待嵌入区域通过频域调制的方式将水印序列进行嵌入，生成含水印的图像；

水印提取阶段：当含水印的图像被非法拍摄并流传时，对屏摄图像进行透视畸变校正，再通过裁剪方式获取所需的图像，之后，通过特征点定位算法定位出嵌入位置并使用交叉验证的提取方法将水印序列进行提取，进而复原出版权信息。

为了便于理解，下面针对上述两个阶段做详细的介绍。

一、水印嵌入阶段。

如图2所示，水印嵌入阶段的优选实施方式主要包括：

1、对版权信息进行BCH编码，并将其重构成a×b的二值矩阵W，得到待嵌入的水印序列，其中的a与b均为整数。

2、对载体图像进行预处理：若载体图像为彩色图像，则将RGB空间的图像转化为YCbCr空间的图像，并将Y通道图像作为待嵌入图像I，若载体图像为灰度图，则直接将载体图像作为待嵌入图像I。

3、特征点定位：对于一张待嵌入图像I和特定尺度空间o，通过下采样的方式得到采样后的图像I_o作为基图像，公式为：

其中，ρ代表采样比例，M与N代表待嵌入图像I的长与宽；

对图像I_o进行不同平滑程度的高斯滤波得到一系列滤波后图像，如下式所示：

L(x,y,σ)＝G(x,y,σ)*I_o(x,y)

其中，(x,y)是像素点坐标，σ是高斯滤波核的方差，σ决定了滤波平滑的程度；G(x,y,σ)定义为在像素点(x,y)处以σ为方差的高斯滤波核的大小；L(x,y,σ)定义为使用G(x,y,σ)这一高斯滤波核对I_o(x,y)进行高斯滤波得到的高斯滤波后的图像；

之后，对不同平滑程度的滤波图像进行差分操作，得到一系列差分图像，记为高斯差分空间；

D(x,y,σ)＝L(x,y,kσ)-L(x,y,σ)

记p＝(x,y,σ)为高斯差分空间中的点，记D(p)＝D(x,y,σ)；对每个高斯差分空间中的点，均与以其自身为中心的3×3×3的立方体中除其自身之外的其余26个点进行对比，如果D(p)为其中的最大值或最小值，则认为p是特征点，并定义p的强度In(p)为：

In(p)＝|D(p)|

4、特征点筛选：对上个步骤得到的n个特征点进行筛选，筛选出k个满足条件的特征点。每个水印比特需要使用8×8的像素去嵌入，待嵌入的水印序列为a×b的二值矩阵，将需要(a×b)*(8×8)大小的以特征点为中心的像素块。由于嵌入区域不能重叠，需要进行筛选，筛选出特征点强度尽可能大且不重叠的k个区域作为候选嵌入区域。则筛选规则表示为：

其中，A(p)表示了以特征点p为中心的嵌入区域，下标i、j均为特征点的序号，最终筛选出k个满足要求的特征点。

5、利用SIFT特征编辑算法增强所有特征点的强度。如图3所示，展示了特征点空间的分布情况，对于特定尺度空间o，假设为筛选出的特征点，记S_o＝{(x,y,σ_s)||x-x_o|≤1,|y-y_o|≤1,|s-s_o|≤1,x,y,s∈Z}为以p_o为中心的3×3×3邻域的区域，其中{s|s∈[0,1,2,3,4]}，σ_s代表了五个滤波平滑程度；x_o、y_o、代表了在高斯金字塔中p_o点的横坐标，纵坐标以及所处在第s_o个滤波平滑程度中，如图3所示，p_o对应的s(即scale)为2。σ_s代表了第s个滤波核的方差，代表了第s_o个(即当前平滑程度)下滤波核的方差，Z代表整数集合。

为了增强p_o的特征强度，我们需要对区别对待p_o为最大值和最小值的情况。由于p_o的增强会对图像产生失真的影响，我们需要用尽量小的失真代价来达到较好的增强效果，将特征点增强问题看做一个优化问题，

记B_o为图像I_o中m×m大小的以(x_o,y_o)为中心的图像块，记B′_o为优化后的图像I′中m×m大小的以(x_o,y_o)为中心的图像块，优化过程表示为：

(C.2):没有新的特征点生成

其中，ξ为需要增强的强度；D_I(p_o)表示待嵌入图像I在p_o点处的高斯差分值，D_I′(p_o)表示在优化后的图像I′在p_o点处的高斯差分值。

前文义了：D(x,y,σ)＝L(x,y,kσ)-L(x,y,σ)；L(x,y,σ)＝G(x,y,σ)*Io(x,y)；因而对B_o的优化会影响到p_o点处的高斯差分值，而B_o即为I_o的一部分，所以优化B_o会影响I_o，进而影响D_I(p_o)。

约束条件(C.1)很好满足，对于约束条件(C.2)，所生成的特征点仅可能从{s|s∈[1,2,3]}中产生，记T_o为一个以p_o为中心的U×U×3大小的区域，表示为：

对于每一个{p|p∈T_o}，提取出以其为中心的3×3×3邻域的区域S_p,然后计算：

为了避免生成新的点，定义特征点p满足

最终优化问题表示为：

其中，代表在以p_o为中心的3×3×3邻域S_p中除p_o以外，使D_I(p)最小的点的索引；代表图像I′在索引出的极值；同理，代表在以p_o为中心的3×3×3邻域S_p中除p_o以外，使D_I(p)最大的点的索引；代表图像I′在索引出的极值。

6、对每一个增强后的特征点周围的待嵌入区域B，将其分成(a×b)个(8×8)的块，针对每个块对其进行离散余弦变换得到大小为(8×8)的离散余弦矩阵D，取出中频系数C1＝D(4,5)和C2＝D(5,4)，在嵌入水印时做如下处理：

其中，w为待嵌入的水印比特；

为了保证在经过手机压缩过程后C1，C2仍然满足设定的大小关系，增加冗余量d，d＝|C1-C2|，使得：

其中，q₁和q₂是JPEG压缩表中对应的量化系数；

最终总的嵌入公式为：

其中，r是嵌入强度；示例性的，可以设置r≥1，q₁＝29，q₂＝40。

在每个比特嵌入完成后，对块进行离散余弦反变换，完成嵌入过程，得到图像I_EM；

若载体图像为灰度图像，则图像I_EM直接作为嵌入完成图像，也即含水印的图像；若载体图像为彩色图像，则将图像I_EM替换原有的Y通道图像并重构RGB图像作为嵌入完成图像。

图4展示了4张嵌入水印后的图像，其中上面一行是原图，下面一行是嵌入水印后的图像。

二、水印提取阶段。

如图5所示，水印提取阶段优选实施方式主要包括：

1、对于屏摄图像I″，我们需要进行透视畸变的校正，并裁剪出我们需要的提取的图像。图6展示了透视畸变校正的过程，确定含水印的图像的4个顶点在屏摄图像I″中的位置，4个顶点分别记为P₁(x₁,y₁),P₂(x₂,y₂),P₃(x₃,y₃)和P₄(x₄,y₄)，同时设置校正后预期的这4个点的位置对应为P₁′(x₁′,y₁′),P₂′(x₂′,y₂′),P₃′(x₃′,y₃′)和P₄′(x₄′,y₄′)；将这8个顶点位置带入下面的式子中：

得到8个等式，从而解出对应的8个变量a₀,b₀,a₁,b₁,c₁,a₂,b₂,c₂，这8个变量决定了从失真图像(即屏摄图像I″)到校正图像的映射关系，计算出这8各变量后能形成一个从失真图到校正图之间像素一一对应的映射；之后通过设定的点的位置(即，P₁′(x₁′,y₁′),P₂′(x₂′,y₂′),P₃′(x₃′,y₃′)和P₄′(x₄′,y₄′))裁剪出需要提取的图像。示例性的，若原图大小为512*512，可将“P₁′(x₁′,y₁′),P₂′(x₂′,y₂′),P₃′(x₃′,y₃′)和P₄′(x₄′,y₄′)”设为“(1,1)，(1,512)，(512,512)，(512,1)”。

2、对于裁剪得到的图像，如果为灰度图像，则利用SIFT特征点定位算法进行特征点定位及筛选；如果为彩色图像转化为YCbCr空间的图像，并提取Y通道图像，再利用SIFT特征点定位算法进行特征点定位及筛选；特征点定位及筛选的方式与水印嵌入阶段的方式相同，此时筛选出2k个特征点。

3、对每一个特征点进行一个3×3邻域的遍历，即对每一个特征点，需要对9个以该特征点及其邻域点为中心的大小为(a×b)*(8×8)的区域进行提取操作，则对于一张图像，共提取2·k·9个区域，所提取的区域也即水印。

水印的提取方式包括：

对于每一个待提取的区域，将其分解成(a×b)个大小为(8×8)的像素块；针对每个块对其进行离散余弦变换得到大小为8*8的离散余弦矩阵D，取出中频系数C1＝D(4,5)和C2＝D(5,4)，做如下处理：

对于一张图像，一共提取出了2·k·9个水印，记W_q(W_q＝[w_q1,w_q2…w_q9])为由特征点p_q提取出的水印组；从两个不同的组W_q与W_r中分别提取两个水印w_qα和w_rβ作为一个水印对来进行比较，然后记录所有差别小于设定值th的水印对w_f，如下述公式所示：

其中，w_qα(x,y)与w_rβ(x,y)中的(x,y)是指水印中的一个像素，异或操作⊕是针对水印像素进行的，因为是一个二值的水印，所以只存在0和1两个值。代表了异或操作对于一张图像，一共获得l个水印对，总共能记录的水印集合为：

其中，为水印对w_fl中的水印；

则最终的水印提取公式为：

即，对2l个水印，如果当前位置有大于l个水印值为1，则该处水印值为1，否则认为该处水印值为0。

4、当提取出2·k·9个水印后，将其重构成一维的序列，并通过BCH码解码复原出版权信息。

为了说明本发明上述方案的效果，还将上述方案与现有相关水印技术共同进行了实验，实验分为距离测试，水平透视测试和垂直距离测试三种。实验结果如图7所示，图7中的(a)、(b)、(c)三个部分，依次为不同距离下的比特错误率、不同水平透视角度下的比特错误率、不同垂直透视角度下的比特错误率；这三个部分中矩形节点所连接的曲线为本发明上述方案的实验结果(即最下段的曲线)，可以看到效果明显优于现有技术。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)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的方法。

以上所述，仅为本发明较佳的具体实施方式，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披露的技术范围内，可轻易想到的变化或替换，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该以权利要求书的保护范围为准。

Claims (8)

1.一种对屏幕拍摄过程鲁棒的数字水印方法，其特征在于，包括：

水印嵌入阶段：对版权信息进行处理，生成待嵌入的水印序列；利用SIFT特征点定位算法在载体图像中定位及筛选出若干特征点，再利用SIFT特征编辑算法增强所有特征点的强度，之后对增强后的特征点周围的待嵌入区域通过频域调制的方式将水印序列进行嵌入，生成含水印的图像；

水印提取阶段：当含水印的图像被非法拍摄并流传时，对屏摄图像进行透视畸变校正，再通过裁剪方式获取所需的图像，之后，通过特征点定位算法定位出嵌入位置并使用交叉验证的提取方法将水印序列进行提取，进而复原出版权信息。

2.根据权利要求1所述的一种对屏幕拍摄过程鲁棒的数字水印方法，其特征在于，所述对版权信息进行处理，生成待嵌入的水印序列包括：

对版权信息进行BCH编码，并将其重构成a×b的二值矩阵W，得到待嵌入的水印序列，其中的a与b均为整数。

3.根据权利要求1或2所述的一种对屏幕拍摄过程鲁棒的数字水印方法，其特征在于，所述利用SIFT特征点定位算法在载体图像中定位及筛选出若干特征点包括：

对载体图像进行预处理：若载体图像为彩色图像，则将RGB空间的图像转化为YCbCr空间的图像，并将Y通道图像作为待嵌入图像I，若载体图像为灰度图，则直接将载体图像作为待嵌入图像I；

特征点定位：对于一张待嵌入图像I和特定尺度空间o，通过下采样的方式得到采样后的图像I_o作为基图像，公式为：

其中，ρ代表采样比例，M与N代表待嵌入图像I的长与宽；

对图像I_o进行不同平滑程度的高斯滤波得到一系列滤波后图像，如下式所示：

L(x,y,σ)＝G(x,y,σ)*I_o(x,y)

其中，(x，y)是像素点坐标，σ是高斯滤波核的方差，σ决定了滤波平滑的程度；G(x,y,σ)为在像素点(x,y)处以σ为方差的高斯滤波核的大小；L(x,y,σ)为使用G(x,y,σ)这一高斯滤波核对I_o(x,y)进行高斯滤波得到的高斯滤波后的图像；

之后，对不同平滑程度的滤波图像进行差分操作，得到一系列差分图像，记为高斯差分空间；

D(x,y,σ)＝L(x,y,kσ)-L(x,y,σ)

记p＝(x,y,σ)为高斯差分空间中的点，记D(p)＝D(x,y,σ)；对每个高斯差分空间中的点，均与以其自身为中心的3×3×3的立方体中除其自身之外的其余26个点进行对比，如果D(p)为其中的最大值或最小值，则认为p是特征点，并定义p的强度In(p)为：

In(p)＝|D(p)|

特征点筛选：对上个步骤得到的n个特征点进行筛选，筛选出k个满足条件的特征点；每个水印比特需要使用8×8的像素去嵌入，待嵌入的水印序列为a×b的二值矩阵，则筛选规则表示为：

其中，A(p)表示了以特征点p为中心的嵌入区域，下标i、j均为特征点的序号，最终筛选出k个满足要求的特征点。

4.根据权利要求3所述的一种对屏幕拍摄过程鲁棒的数字水印方法，其特征在于，所述利用SIFT特征编辑算法增强所有特征点的强度的步骤包括：

对于特定尺度空间o，假设为筛选出的特征点，记S_o＝{(x,y,σ_s)||x-x_o|≤1,|y-y_o|≤1,|s-s_o|≤1,x,y,s∈Z}为以p_o为中心的3×3×3邻域的区域，其中{s|s∈[0,1,2,3,4]}，σ_s代表了五个滤波平滑程度；x_o、y_o、代表了在高斯金字塔中p_o点的横坐标，纵坐标以及所处在第s_o滤波平滑程度中；σ_s代表了第s个滤波核的方差，代表了第s_o个下滤波核的方差，Z代表整数集合；

区别对待p_o为最大值和最小值的情况，将特征点增强问题看做一个优化问题，记B_o为图像I_o中m×m大小的以(x_o,y_o)为中心的图像块，记B_o′为优化后的图像I′中m×m大小的以(x_o,y_o)为中心的图像块，优化过程表示为：

(C.2):没有新的特征点生成

其中，ξ为需要增强的强度；D_I(p_o)表示待嵌入图像I在p_o点处的高斯差分值，D_I′(p_o)表示在优化后的图像I′在p_o点处的高斯差分值；

对于约束条件(C.2)，所生成的特征点仅可能从{s|s∈[1,2,3]}中产生，记T_o为一个以p_o为中心的U×U×3大小的区域，表示为：

对于每一个{p|p∈T_o}，提取出以其为中心的3×3×3邻域的区域S_p,然后计算：

并且，定义特征点p满足

最终优化问题表示为：

其中，代表在以p_o为中心的3×3×3邻域S_p中除p_o以外，使D_I(p)最小的点的索引；代表图像I′在索引出的极值；同理，代表在以p_o为中心的3×3×3邻域S_p中除p_o以外，使D_I(p)最大的点的索引；代表图像I′在索引出的极值。

5.根据权利要求4所述的一种对屏幕拍摄过程鲁棒的数字水印方法，其特征在于，

对每一个增强后的特征点周围的待嵌入区域B，将其分成(a×b)个(8×8)的块，针对每个块对其进行离散余弦变换得到大小为(8×8)的离散余弦矩阵D，取出中频系数C1＝D(4,5)和C2＝D(5,4)，在嵌入水印时做如下处理：

其中，w为待嵌入的水印比特；

增加冗余量d，d＝|C1-C2|，使得：

其中，q₁和q₂是JPEG压缩表中对应的量化系数；

最终总的嵌入公式为：

其中，r是嵌入强度；

在每个比特嵌入完成后，对块进行离散余弦反变换，完成嵌入过程，得到图像I_EM；

若载体图像为灰度图像，则图像I_EM直接作为嵌入完成图像，也即含水印的图像；若载体图像为彩色图像，则将图像I_EM替换原有的Y通道图像并重构RGB图像作为嵌入完成图像。

6.根据权利要求3或4或5所述的一种对屏幕拍摄过程鲁棒的数字水印方法，其特征在于，所述对屏摄图像进行透视畸变校正，再通过裁剪方式获取所需的图像包括：

确定含水印的图像的4个顶点在屏摄图像I″中的位置，4个顶点分别记为P₁(x₁,y₁),P₂(x₂,y₂),P₃(x₃,y₃)和P₄(x₄,y₄)，同时设置校正后预期的这4个点的位置对应为P₁′(x₁′,y₁′),P₂′(x₂′,y₂′),P₃′(x₃′,y₃′)和P₄′(x₄′,y₄′)；将这8个顶点位置带入下面的式子中：

得到8个等式，从而解出对应的8个变量a₀,b₀,a₁,b₁,c₁,a₂,b₂,c₂；之后通过设定的点的位置裁剪出需要提取的图像。

7.根据权利要求6所述的一种对屏幕拍摄过程鲁棒的数字水印方法，其特征在于，对于裁剪得到的图像，如果为灰度图像，则利用SIFT特征点定位算法进行特征点定位及筛选；如果为彩色图像转化为YCbCr空间的图像，并提取Y通道图像，再利用SIFT特征点定位算法进行特征点定位及筛选；

特征点定位及筛选的方式与水印嵌入阶段的方式相同，此时筛选出2k个特征点；

对每一个特征点进行一个3×3邻域的遍历，即对每一个特征点，需要对9个以该特征点及其邻域点为中心的大小为(a×b)*(8×8)的区域进行提取操作，则对于一张图像，共提取2·k·9个区域，所提取的区域也即水印；

当提取出2·k·9个水印后，将其重构成一维的序列，并通过BCH码解码复原出版权信息。

8.根据权利要求7所述的一种对屏幕拍摄过程鲁棒的数字水印方法，其特征在于，水印的提取方式包括：

对于每一个待提取的区域，将其分解成(a×b)个大小为(8×8)的像素块；针对每个块对其进行离散余弦变换得到大小为8*8的离散余弦矩阵D，取出中频系数C1＝D(4,5)和C2＝D(5,4)，做如下处理：

对于一张图像，一共提取出了2·k·9个水印，记W_q(W_q＝[w_q1,w_q2…w_q9])为由特征点p_q提取出的水印组；从两个不同的组W_q与W_r中分别提取两个水印w_qα和w_qβ和作为一个水印对来进行比较，然后记录所有差别小于设定值th的水印对w_f，如下述公式所示：

其中，代表了异或操作；对于一张图像，一共获得l个水印对，总共能记录的水印集合为：

其中，为水印对w_fl中的水印；

则最终的水印提取公式为：