CN110599388A - 一种基于定位点辅助的盲鲁棒数字水印嵌入和检测方法 - Google Patents

Abstract

本发明公开了一种基于定位点辅助的盲鲁棒数字水印嵌入和检测方法，属于数字水印领域。本发明提出了基于定位点机制，定位点用来辅助确定水印嵌入的区域，水印嵌入过程，首先嵌入定位点，确立水印嵌入区域，再在该区域进行水印嵌入；水印检测过程，首先检测识别定位点，通过定位点进行水印作品矫正，获得正确的水印嵌入位置，再进行水印检测。当水印作品受到包含摄屏攻击在内的几何攻击时，仍能在没有原始载体前提下，借助定位点还原几何形变，维持嵌入位置的相对不变性，抵抗摄屏攻击，抵抗拍摄导致的图像非线性缩放畸变以及周边其他内容干扰，抵抗模糊噪点对比度调整等常规图像处理攻击和裁剪缩放旋转等几何攻击，达到正确溯源追踪的目的。

Description

一种基于定位点辅助的盲鲁棒数字水印嵌入和检测方法

技术领域

本发明属于数字水印领域，更具体地，涉及一种基于定位点辅助的盲鲁棒数字水印嵌入和检测方法。

背景技术

互联网发展异常迅猛的当代社会，用户可以随时随地通过多种移动设备，进行音频、图像、视频等以及其他类型文件的传递和共享，这给人们带来便捷的同时也对知识产权保护带来严峻的挑战。大量的非法拷贝泛滥与传播，严重侵犯原作版权和经济利益，也一定程度上打消了原创们的创作积极性。所以，针对该种现象，亟需有效的版权保护和盗版源头追踪溯源手段，数字水印和数字指纹便应运而生。数字水印和数字指纹基本原理都是在多媒体作品中，将有含义的信息隐式地插入，保证基本不破坏原作品质量，保障多媒体作品的使用价值。数字水印主要针对标识多媒体文件的版权，溯源找到作品的原所有者；而数字指纹是数字水印在不同应用场景下的一个衍生产物，主要用来给购买者唯一标示，以便追踪市场上非法传播的源头。此外，摄像头已部署在大街小巷，视频监控系统已经广泛应用于安防行业。目前监控视频的隐私保护和防泄密受到社会各界广泛关注。如何防止监控视频被拍摄然后外泄出去，对泄密者进行源头追踪，成为亟待解决的难题。

以上溯源和追踪过程，结果的可信度都取决于提取到的水印是否准确，而在图像作品传播过程中，常会受到一系列图像质量类攻击和几何攻击等等，这些都是对水印鲁棒性的考验。数字水印的鲁棒性一直是一个研究重点，以图像水印为例，其中，水印需抵抗的攻击类型包括模糊、锐化、对比度调整、饱和度调整和加噪点等图像常规处理操作，还包括几何攻击——裁剪、缩放、旋转等会改变水印同步性的操作。前者相对来说更易于控制，而后者由于改变了水印的同步性，带来了一定的挑战。

具体到水印嵌入算法，一般分为变换域水印算法和空域水印算法。通常变换域水印算法鲁棒性好，但是需要将图像进行多次变换域转换，计算复杂性高。而空域方法可以直接在图像像素上叠加，计算复杂度低，但是鲁棒性不好。常见的数字水印方法常利用变换域的水印鲁棒性强的特性，将数字水印嵌入和检测移到变换域来进行，如融合离散小波变换、离散余弦变换等等，但这些技术还不能完美解决几何攻击问题。在此基础上，目前针对几何攻击的数字水印方法思路包括：一、检测水印在已知原载体图像的前提下进行，对于裁剪旋转攻击能根据两者差异将攻击作品还原，避免水印位置信息改变，该方法的缺陷在于：检测时必须已知原载体图像，这在许多应用场景中并不满足；二、对载体分块，冗余添加水印，牺牲水印信息量来提高鲁棒性，该方法的缺陷在于：牺牲水印信息量；三、利用图像自身不变特征如SIFT(Scale Invariant Feature Transform)特征点或者自相关矩阵等等，针对图像的几何变换求出其仿射矩阵，还原攻击图像，达到保障水印同步性的目的，该方法的缺陷在于：提高了计算复杂度，并且如SIFT特征点仍需原载体来匹配变换前后特征点。此外，目前还没有出现针对摄屏攻击的数字水印技术。

发明内容

针对现有技术无法抵抗摄屏攻击、检测时需要原始载体图像、鲁棒性差的缺陷和改进需求，本发明提供了一种基于定位点辅助的盲鲁棒数字水印嵌入和检测方法，其目的在于针对在不借助原始图像作品的前提下，提高盲数字水印的鲁棒性，使其能抵抗模糊噪点对比度调整等常规图像处理攻击和裁剪缩放旋转等几何攻击，达到正确溯源追踪的目的。更进一步，考虑水印作品会遭受的摄屏攻击，使得在使用摄像设备对水印作品进行拍摄后，保证仍能正确提取其中水印。

为实现上述目的，按照本发明的一个方面，提供了一种基于定位点辅助的盲鲁棒数字水印嵌入方法，该方法包括以下步骤：

S1.将定位点嵌入原图像作品，并根据定位点确定原图像作品中的水印嵌入区域；

S2.在原图像作品中确定的水印嵌入区域中，在空域进行水印嵌入，得到水印作品。

具体地，步骤S1包括以下步骤：

S11.确立定位点的形态、数目和嵌入位置；

S12.根据原图像作品中各定位点的嵌入位置像素值，调制该定位点的像素值；

S13.按照确立好的嵌入位置，将调制后的各定位点嵌入原图像作品中，并根据定位点确定水印嵌入区域。

具体地，步骤S12包括以下步骤：

(1)根据定位点所嵌位置区域，求得区域像素平均值；

(2)将像素值[0,255]按照步长δ划分为多个δ段，根据区域像素平均值所属δ段，将定位点的深浅两色都限定在该段中，使其接近原区域的像素平均值，其中，调制步长δ代表定位点深浅两色之间的最大距离。

具体地，步骤S2包括以下子步骤：

S21.基于水印数据和确定的水印嵌入区域，生成变换域水印模板；

S22.对变换域水印模板做逆DCT变换，得到空域水印模板；

S23.将空域水印模板与原图像作品加性叠加，得到水印作品。

具体地，步骤S21包括以下子步骤：

S211.对水印数据进行纠错码编码；

S212.对编码后水印数据进行分组扩频处理，得到扩频后水印数据；

S213.初始化一个给定标准大小的全零水印模板，再通过逆Zigzag扫描将扩频后水印数据填充到该水印模板中低频位置，得到变换域水印模板。

具体地，步骤S23包括以下子步骤：

(1)取原图像作品水印嵌入区域的Y分量，将空域水印模板缩放至Y分量大小；

(2)计算原图像作品水印嵌入区域的Y分量的噪声可见函数NVF值；

(3)基于原图像作品水印嵌入区域的Y分量的噪声可见函数NVF值，将空域水印模板与原图像作品水印嵌入区域加性叠加，得到水印作品。

具体地，所述加性叠加的计算公式如下：

R(i,j)＝Y(i,j)+m(i,j)×P″(i,j)

m(i,j)＝α×[β×(1-NVF(i,j)+γ×NVF(i,j))]

其中，R(i,j)表示生成图像的点(i,j)处的像素值，Y(i,j)表示图像Y分量点(i,j)处的像素值，m(i,j)是嵌入时掩蔽系数矩阵，P″(i,j)表示空域水印模板第i行第j列的值，α是水印嵌入的强度系数，β和γ是用于调节指纹嵌入的强度系数。

为实现上述目的，按照本发明的另一个方面，提供了一种基于定位点辅助的盲鲁棒数字水印检测方法，该方法包括以下步骤：

S1.检测识别待检测水印作品中的定位点，并根据定位点确定待检测水印作品中的水印区域；

S2.在待检测水印作品中确定的水印区域中，在DCT域进行水印检测，得到水印检测结果。

具体地，步骤S1包括以下步骤：

S11.通过图像处理方法或深度学习目标检测方法，检测识别待检测水印作品中的定位点；

S12.根据定位点对待检测水印作品进行透视投影反变换，得到摄屏攻击纠正后待检测水印作品；

S13.利用定位点获得待检测水印作品中的水印区域。

具体地，步骤S2包括以下步骤：

S21.提取待检水印作品水印区域的Y分量；

S22.将待检水印作品水印区域的Y分量缩放至给定标准大小，再进行DCT变换，得到Y分量的频域值Y’；

S23.利用Zigzag扫描Y’，提取待检测序列P；

S24.扩频解码待检测序列P，还原扩频之前的携带冗余纠错码的水印，利用RS纠错码纠正可能出现的错误，得到水印数据P’；

S25.计算水印数据P’与对比水印数据的相关性；

S26.根据相关性判断该水印作品中水印检测是否成功，得到水印检测结果。

总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：

(1)本发明提出了基于定位点机制，定位点用来辅助确定水印嵌入的区域，在水印嵌入过程中，首先嵌入定位点，确立水印嵌入区域，再在该区域进行水印嵌入；在水印检测过程中，首先检测识别定位点，通过定位点进行水印作品矫正，获得正确的水印嵌入位置，再进行水印检测。使得当水印作品受到包含摄屏攻击在内的几何攻击后，仍能在没有原始载体前提下，借助定位点还原几何形变，维持嵌入位置的相对不变性。本发明在检测水印时无需原始载体图像，并且可以抵抗摄屏攻击，抵抗拍摄导致的图像非线性缩放畸变以及周边其他内容干扰，抵抗模糊噪点对比度调整等常规图像处理攻击和裁剪缩放旋转等几何攻击，达到正确溯源追踪的目的。

(2)本发明提出了一种水印嵌入和检测方法，与传统DCT域水印不同，本发明方法并未对原始图像进行DCT变换和逆变换两次变换，而是将添加了纠错码和扩频后的水印信号直接进行反DCT变换叠加在图像空域中，这样嵌入效率高，且失真不明显，同时保证了水印检测运行在整体DCT域中，对整体DCT系数进行水印提取，纠错后与水印模板进行相关检测，可以有效抵抗缩放、信号处理以及JPEG压缩等多种攻击与处理。

附图说明

图1为本发明实施例提供的一种基于定位点辅助的盲鲁棒数字水印嵌入方法流程图；

图2为本发明实施例提供的定位点可取的多种形态示意图；

图3为本发明实施例提供的基于DCT变换域的水印嵌入流程图；

图4为本发明实施例提供的步骤S2的流程图；

图5为本发明实施例提供的扩频编码示意图；

图6为本发明实施例提供的一种基于定位点辅助的盲鲁棒数字水印检测方法流程图；

图7为本发明实施例提供的检测识别定位点过程示意图；

图8为本发明实施例提供的步骤S4的流程图；

图9为本发明实施例提供的原始载体图像；

图10为本发明实施例提供的嵌入水印效果图；

图11(a)为本发明实施例提供的无攻击水印作品；

图11(b)为本发明实施例提供的边缘36％裁剪几何攻击效果图；

图11(c)为本发明实施例提供的270°旋转+翻转几何攻击效果图；

图11(d)为本发明实施例提供的裁剪+90°旋转几何攻击效果图；

图11(e)为本发明实施例提供的裁剪+翻转几何攻击效果图；

图11(f)为本发明实施例提供的15°旋转几何攻击效果图；

图11(g)为本发明实施例提供的实际嵌入水印矩形区域；

图11(h)为本发明实施例提供的摄屏攻击；

图11(i)为本发明实施例提供的摄屏伪本纠正结果；

图12为本发明实施例提供的对水印作品进行不同程度的对比度调整攻击后进行水印检测的结果；

图13为本发明实施例提供的对水印作品进行不同程度的高斯模糊攻击后进行水印检测的结果；

图14为本发明实施例提供的对水印作品进行不同程度的噪声攻击后进行水印检测的结果；

图15为本发明实施例提供的对水印作品进行不同程度的缩放攻击后进行水印检测的结果；

图16为本发明实施例提供的对水印作品进行不同程度的JPEG压缩攻击后进行水印检测的结果。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1所示，本发明设计了一种基于定位点辅助的盲鲁棒数字水印嵌入方法，该方法包括以下步骤：

步骤S1.将定位点嵌入原图像作品，并根据定位点确定原图像作品中的水印嵌入区域。

S11.确立定位点的形态、数目和嵌入位置。

根据“尽量减少对视觉影响和区别原图像作品内容”的原则，将定位点形态设计为类似于二维码定位点的多层方形叠加形式，如图2所示，包括但不限于单层或多层方形、菱形、圆形或“米”字型等形式。

根据透视投影变换原理，定位点数目需保持在四个及以上。只要保证满足以下两个条件，定位点的数目和位置关系可以自由设计：1、每个点能在变换(摄屏)前后找到对应的点，能够还原该变换/2、需要用定位点与定位点之间的关系确定出嵌水印区域。本发明实施例中定位点数目为4，位置关系为平行于图像的矩形四角。

根据原图像作品确定定位点的嵌入位置，具体地根据需求来定，保证在边缘裁剪的攻击范围内，不会让定位点确定的水印嵌入区域被裁掉就行。

S12.根据原图像作品中各定位点的嵌入位置像素值，调制该定位点像素值。

步骤S12是用来减轻视觉上的影响。为了让定位点与原图其他内容区分，把每个定位点用深色和浅色两种颜色表示。

(1)根据定位点所嵌位置区域，求得区域像素平均值。

(2)将像素值[0,255]按照步长δ划分为多个δ段，根据区域像素平均值所属δ段，将定位点的深浅两色都限定在该段中，使其接近原区域的像素平均值。

调制步长δ代表定位点深浅两色之间的最大距离，且深浅两色的像素值各自的值取值范围不超过δ/4，所以两色之间最小距离为δ/2。区域像素平均值所属δ段为[a,b]，在各自限定的取值范围内任取一个值，将深浅色的值分别映射到该区域的[a,a+δ/4]和[b-δ/4,b]中，得到深浅两色各自的像素值。

S13.按照确立好的嵌入位置，将调制后的各定位点嵌入原图像作品中，并根据定位点确定水印嵌入区域。

当四个定位点以矩形四个角位置关系嵌入水印载体时，则定位点确立的矩形区域为水印嵌入区域。

步骤S2.在原图像作品中确定的水印嵌入区域中，使用基于DCT变换域的水印嵌入方法嵌入水印，得到水印作品。

如图3所示，只要选定合适的嵌入频率，即嵌入位置，便可通过填充包含水印数据的一维数组，然后逆Zigzag变换扫描，将水印数据变成变换域的水印模板，并且符合利用频率特性提高隐蔽性和鲁棒性的设计思路。然后利用DCT变换的可逆性将变换域水印模板经过IDCT变换回空域模板，叠加至空域的载体上，即完成水印的嵌入。

如图4所示，步骤S2包括以下子步骤：

S21.基于水印数据生成变换域水印模板。

S211.对水印数据进行纠错。

用户自定义想嵌入图像的水印数据。设原始水印数据W有q个符号，纠错码参数为RS(n，q)，表示该RS码在伽罗华域GF(2^m)中，1个符号需要用m个比特位来表示，RS码块长度为n，信息码长度为q，纠错码长度为n-q个符号，在未知错误位置的情况下最多能纠正的错误符号数为t＝(n-q)/2。总之，当q的数字水印加上冗余的纠错码后，扩展为长度n。对原始水印数据采用Reed-Solomon(里德-所罗门码，简称RS码)纠错码进行冗余编码，增加校验位，获得纠错能力。

S212.对纠错后水印数据进行分组扩频编码处理，得到扩频后水印数据。

水印数据加上纠错码后，根据扩频规则，每k比特的水印数据组成一组。根据k比特组成的值x，将其扩频为2k个正交序列中的第x条序列，正交序列长度为l。纠错后水印数据进过分组扩频编码处理，最终长度为nl/k。

如图5所示，将序列长度定为256比特，k取8，则正交序列组数为256组。利用沃尔什函数得到256×256的哈达码正交矩阵，矩阵由1、-1构成，任意两行之间均正交，每8比特扩展成其值组成编号所对应的256比特序列。

通过增加原始水印数据的带宽，来提高水印的抗干扰能力。当水印检测时，提取出带水印的数据，只要在在全部2k条正交序列中找到与其相似度最高的，该相关性最大的序列对应的编号即为原k比特水印数据所代表的值，成功还原成原始水印。再配合上RS纠错码，纠正可能发生的错误，极大地增强了水印的鲁棒性。

S213.逆Zigzag扫描用零填充后的水印扩频数据，得到变换域水印模板。

设定图像标准模板大小为M×N，水印嵌入起始位置为L，则创建一个M×N长度的全零数组P，将W替换P的第L+l位～第L+nl/k位。

S22.将水印模板做整体逆DCT变换，得到空域水印模板。

S23.将空域水印模板与原图像作品加性叠加，得到水印作品。

首先将载体图像由RGB通道转换成YUV通道，取Y分量，将空域水印模板缩放至Y分量大小。加性叠加公式如下所示，

R(i,j)＝Y(i,j)+α×P″(i,j)

其中，R(i,j)表示生成图像的点(i,j)处的像素值，Y(i,j)表示图像Y分量点(i,j)处的像素值，α是水印嵌入的强度系数，取值范围为[0,1]，P″(i,j)表示空域水印模板第i行第j列的元素值。

人眼在观察图像或视频时，存在视觉冗余。利用人眼对图像平滑区域变化的敏感程度较明显，而对边缘纹理区域的失真不易察觉，动态地调整图像不同区域的嵌入强度，达到嵌入信息量和图片质量的最佳平衡。所以在水印叠加前，计算载体图像Y分量的NVF(Noise Visibility Function，噪声可见函数)值，是用来衡量上述图像局部特性的客观指标量，用来计算图像纹理和边缘地区，可以理解为该变量用来标识图像的局部是属于平滑区域还是边缘纹理区域的程度。

图像叠加的公式进一步优化成：

R(i,j)＝Y(i,j)+m(i,j)×P″(i,j)

m(i,j)＝α×[β×(1-NVF(i,j)+γ×NVF(i,j))]

其中，m(i,j)是嵌入时掩蔽系数矩阵，β和γ用于调节指纹嵌入的强度系数，3≤β≤20,1≤γ≤10，m(i,j)×P″(i,j)不是矩阵乘法，而是计算对应位元素的乘积。至此，即得到水印嵌入流程全部完成生成的图像R(i,j)。

调节嵌入强度系数α，将水印模板与载体加性叠加公式得到水印嵌入流程全部完成生成的图像R(i,j)。

如图6所示，本发明设计了一种基于定位点辅助的盲鲁棒数字水印检测方法，该方法包括以下步骤：

步骤S3.检测识别待检测水印作品中的定位点，并根据定位点确定待检测水印作品中的水印区域。

S31.检测识别待检测水印作品中的定位点。

方法a.通过图像增强算法和边缘轮廓提取，确定待检测水印作品中定位点位置。

图像增强算法有利于提高图像的质量。借助高斯滤波器对图像进行平滑处理，减少摩尔纹的影响；直方图均衡化使图像的灰度分布变宽，使得图像的对比度增强，轮廓更加明显；而Gamma校正对图像灰度值进行非线性操作，调节图像的亮度。以上种种图像增强方式的组合都是为了提高定位点识别的成功率。

以多层方形定位点为例，利用定位点两种深浅颜色方形之间的多层轮廓包含关系，而一般图像中的元素不会有类似的多层包含关系。如图7所示，首先对图像使用Canny边缘检测算法，获得图像中的全部轮廓，并且获取了轮廓之间的包含关系。根据轮廓之间的包含关系和包含层数，可获得疑似定位点。再通过轮廓之间的相似度，排除掉偶然满足多层包含关系的非定位点，最终找到正确的四个定位点。

方法b.结合深度学习中的目标检测方法，识别检测定位点。

深度学习的目标检测方法是一类很成熟、通用的方法，有很多种现成的目标检测识别方法模型用来训练和使用。

S32.根据定位点对待检测水印作品进行透视投影反变换，得到摄屏伪本纠正后待检测水印作品。

待检测水印作品有可能是经历摄屏攻击。摄屏攻击表示用可拍照设备对水印图像进行拍摄，由于拍摄过程不可能完全平行、水平等等，会导致图像出现非线性的缩放、畸变，旋转，以及拍摄画面内还会有多余的其他干扰内容出现，这些都会破坏水印嵌入位置的同步性，导致无法在正确位置提取水印信息。摄屏的过程，实际上是一个三维空间的变形过程，属于中心投影范畴，在该非线性变换中，平行性不被保持，有远近感，譬如一条延伸到远方的笔直公路，虽然事实是公路两侧一直都是平行的，但经过透视变换得到的效果图则是梯形状。

摄屏得到的图像相对于原图，实则是一个透视投影变换过程。该变换实际上是一个与变换矩阵相乘的过程，所以只要有前后对应的参考点，就能将变形图片纠正成原图平面的形式。利用该性质，根据摄屏变换前后对应点的信息，则可将摄屏后图像还原，这个对应点即本发明中的定位点。

根据识别的定位点的位置以及已知嵌入时的位置关系一一对应，利用透视投影变换原理计算得到投射投影变换矩阵，还原整张图像，保持水印位置的同步性，再在定位点确定的水印嵌入区域内进行水印提取。

透视投影变换计算过程如下所示：

其中，[x′ y′ w′]是变换后的坐标，[u v w]是变换前的坐标，是透视变换矩阵。由于处理的是二维图像，所以源坐标的w恒为1，而目标的坐标可以转换成转换为二维的(x,y)：

所以，要求出透视变换矩阵，需要4个点变换前后的坐标信息，逆过程同理。根据得到的逆透视变换矩阵即可还原整个畸变图像。

S33.利用定位点获得待检测水印作品中的水印嵌入区域。

步骤S4.在待检测水印作品中确定的水印区域中，基于DCT的扩频水印方法对待检测水印作品进行水印检测，得到水印检测结果。

如图8所示，步骤S4包括以下子步骤：

S41.提取待检水印作品的Y分量。

把待检测作品从RGB转换到YUV，提取Y分量作为检测数据。

S42.对待检水印作品的Y分量进行DCT变换，得到Y分量的频域值Y’。

将载体Y缩放到标准大小M×N，然后对其进行DCT计算得到频域Y’。

S43.利用Zigzag扫描Y’，提取待检测序列P。

利用Zigzag扫描将频域系数从二维矩阵Y`变成一维数组Y”，根据嵌入位置L提取出水印长序列P。

S44.扩频解码待检测序列P，还原扩频之前的携带冗余纠错码的水印，利用RS纠错码纠正可能出现的错误，得到水印数据P’。

S45.计算水印数据P’与原始水印数据W的相关性。

其中，q表示原始水印数据W的位数。

S46.根据相关性判断该水印作品中水印检测是否成功，得到水印检测结果。

若相关值similar大于预先设定的阈值T，则判断该水印作品中水印检测成功，水印内容为A。若阈值太高，许多带水印的图像也没有检测出水印，对应的是发生漏检；而阈值偏低，则对应是虚警率上升，阈值的设定直接关系到检测的效果，具体取值由数学计算和实验所得。

本发明中水印算法与传统的DCT算法不同，本发明中为间接DCT水印算法，即水印嵌入在空域，水印检测在DCT域。传统DCT水印方法的水印嵌入与检测均在DCT域，需要多次对图像进行DCT变换。本发明提出的水印嵌入在空域有很多好处：(1)计算复杂度低；(2)失真少；(3)适用性好，与视频图像编码格式无关。(4)尽管本方法运行在空域，但是嵌入效果等同于DCT域，具有相同的鲁棒性。

实施例

为验证本发明中水印方法的鲁棒性，实现了本发明方法的其中一种应用形式并完成鲁棒性测试。定位点设计为四层方形叠加的形式，用两种颜色区分，定位点数目为4个，假定载体图像大小为(rows,cols)，将4个定位点最外侧点的位置确定为(0.1×rows,0.1×cols)，(0.1×rows,0.9×cols)，(0.9×rows,0.1×cols)，(0.9×rows,0.9×cols)；根据实验和数学分析，设置水印嵌入强度α取2.5，嵌入位置取20000，阈值T取0.46。

PSNR(Peak Signal to Noise Ratio，峰值信噪比)是评价经过处理后的影像与原影像对比之前的品质差异的指标量，在保证作品在攻击后仍有使用价值的前提下，能正确检测出攻击作品中的水印是我们对水印算法的要求。图9是原始载体，图10是嵌入水印后图像效果图。图11是对水印作品进行包括旋转、裁剪、翻转以及摄屏等攻击，其中，图11(a)为水印作品(无攻击)，图11(b)为边缘36％裁剪，图11(c)为270°旋转+翻转，图11(d)为裁剪+90°旋转，图11(e)为裁剪+翻转，图11(f)为15°旋转，图11(g)为实际嵌入水印矩形区域，图11(h)为摄屏攻击，图11(i)为摄屏伪本纠正结果。(b)(c)(d)(e)(f)水印检测结果相似度均为1，成功检测出水印，(h)结果为0.635566，大于阈值T，成功检测出水印。图12～图16分别是对水印对于对比度调整、模糊、噪声、缩放、JPEG压缩等攻击进行鲁棒性批量测试，可以看出在PSNR仍保持较高数值，即保障了水印作品的使用价值前提下，检测水印的正确率都在98％以上，大部分是100％的正确率。综上，本发明提出的基于定位点辅助的盲鲁棒数字水印方法有很强的鲁棒性。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于定位点辅助的盲鲁棒数字水印嵌入方法，其特征在于，该方法包括以下步骤：

S1.将定位点嵌入原图像作品，并根据定位点确定原图像作品中的水印嵌入区域；

S2.在原图像作品中确定的水印嵌入区域中，在空域进行水印嵌入，得到水印作品。

2.如权利要求1所述的方法，其特征在于，步骤S1包括以下步骤：

S11.确立定位点的形态、数目和嵌入位置；

S12.根据原图像作品中各定位点的嵌入位置像素值，调制该定位点的像素值；

S13.按照确立好的嵌入位置，将调制后的各定位点嵌入原图像作品中，并根据定位点确定水印嵌入区域。

3.如权利要求2所述的方法，其特征在于，步骤S12包括以下步骤：

(1)根据定位点所嵌位置区域，求得区域像素平均值；

(2)将像素值[0,255]按照步长δ划分为多个δ段，根据区域像素平均值所属δ段，将定位点的深浅两色都限定在该段中，使其接近原区域的像素平均值，其中，调制步长δ代表定位点深浅两色之间的最大距离。

4.如权利要求1所述的方法，其特征在于，步骤S2包括以下子步骤：

S21.基于水印数据和确定的水印嵌入区域，生成变换域水印模板；

S22.对变换域水印模板做逆DCT变换，得到空域水印模板；

S23.将空域水印模板与原图像作品加性叠加，得到水印作品。

5.如权利要求4所述的方法，其特征在于，步骤S21包括以下子步骤：

S211.对水印数据进行纠错码编码；

S212.对编码后水印数据进行分组扩频处理，得到扩频后水印数据；

S213.初始化一个给定标准大小的全零水印模板，再通过逆Zigzag扫描将扩频后水印数据填充到该水印模板中低频位置，得到变换域水印模板。

6.如权利要求4所述的方法，其特征在于，步骤S23包括以下子步骤：

(1)取原图像作品水印嵌入区域的Y分量，将空域水印模板缩放至Y分量大小；

(2)计算原图像作品水印嵌入区域的Y分量的噪声可见函数NVF值；

(3)基于原图像作品水印嵌入区域的Y分量的噪声可见函数NVF值，将空域水印模板与原图像作品水印嵌入区域加性叠加，得到水印作品。

7.如权利要求6所述的方法，其特征在于，所述加性叠加的计算公式如下：

R(i,j)＝Y(i,j)+m(i,j)×P″(i,j)

m(i,j)＝α×[β×(1-NVF(i,j)+γ×NVF(i,j))]

其中，R(i,j)表示生成图像的点(i,j)处的像素值，Y(i,j)表示图像Y分量点(i,j)处的像素值，m(i,j)是嵌入时掩蔽系数矩阵，P″(i,j)表示空域水印模板第i行第j列的值，α是水印嵌入的强度系数，β和γ是用于调节指纹嵌入的强度系数。

8.一种基于定位点辅助的盲鲁棒数字水印检测方法，其特征在于，该方法包括以下步骤：

S1.检测识别待检测水印作品中的定位点，并根据定位点确定待检测水印作品中的水印区域；

S2.在待检测水印作品中确定的水印区域中，在DCT域进行水印检测，得到水印检测结果。

9.如权利要求8所述的方法，其特征在于，步骤S1包括以下步骤：

S11.通过图像处理方法或深度学习目标检测方法，检测识别待检测水印作品中的定位点；

S12.根据定位点对待检测水印作品进行透视投影反变换，得到摄屏攻击纠正后待检测水印作品；

S13.利用定位点获得待检测水印作品中的水印区域。

10.如权利要求8所述的方法，其特征在于，步骤S2包括以下步骤：

S21.提取待检水印作品水印区域的Y分量；

S22.将待检水印作品水印区域的Y分量缩放至给定标准大小，再进行DCT变换，得到Y分量的频域值Y’；

S23.利用Zigzag扫描Y’，提取待检测序列P；

S24.扩频解码待检测序列P，还原扩频之前的携带冗余纠错码的水印，利用RS纠错码纠正可能出现的错误，得到水印数据P’；

S25.计算水印数据P’与对比水印数据的相关性；

S26.根据相关性判断该水印作品中水印检测是否成功，得到水印检测结果。