CN111583088A - 一种基于多变换域的自嵌入全盲彩色图像鲁棒水印方法 - Google Patents

Abstract

一种基于多变换域的自嵌入全盲彩色图像鲁棒水印方法。其先对原始彩色图像的蓝色分量进行快速有限剪切波变换，在变换后的低频子带中，借助“零水印”思想，基于QR分解和一维离散正弦变换生成用于版权保护的原始特征水印。然后将原始彩色图像的绿色分量进行双密度双树复小波变换，在得到的低频子带中，基于二维离散正弦变换和预先产生的随机数对，完成原始特征水印的嵌入。水印嵌入端不需选用额外信息作为水印，水印检测端只需借助受攻击图像和相关密钥就能“全盲”地对彩色图像进行版权鉴别。本方法具有很好的水印不可见性，原始特征水印的生成及其自嵌入方案，均能有效地抵抗多种常见攻击。

Description

一种基于多变换域的自嵌入全盲彩色图像鲁棒水印方法

技术领域

本发明属于信息安全和图像处理领域，具体涉及一种基于多变换域的自嵌入全盲彩色图像鲁棒水印方法。

背景技术

随着计算技术和网络技术的快速发展，数字图像产品特别是彩色图像的非法复制和恶意篡改等操作变得相对容易。数字水印技术作为一种有效的手段，可以解决彩色数字图像的版权保护和内容认证问题，因此成为近几年的研究热点。

数字水印算法按照功能进行划分，可以分为鲁棒水印算法、脆弱水印算法和半脆弱水印算法。其中鲁棒水印算法只能用于图像的版权保护，脆弱水印算法只能对图像实现内容认证。半脆弱水印算法虽然可以一定程度上兼顾以上两种功能，但是水印的鲁棒性和脆弱性一般会受到限制。自嵌入脆弱水印算法作为一种特殊的脆弱水印技术，是指在嵌入端提取原始载体图像的特征产生水印，并将其嵌入到原始载体图像中以达到内容完整性认证的目的。2012年叶天语在《通信学报》上提出一种顽健的自嵌入完全盲检测数字水印算法，该算法首次将脆弱水印技术中“自嵌入”思想引入到鲁棒水印技术中来，为数字水印技术的研究提供了一条新的思路。2015年韩绍程等首次将“自嵌入全盲”思想应用于彩色图像的版权保护，提出了一种基于QR分解的彩色图像自嵌入全盲鲁棒水印算法，该算法对抵抗添加噪声、JPEG压缩和缩放等攻击具有一定的鲁棒性，但基于量化方式的特征水印的自嵌入方法对于亮度和对比度调整攻击几乎是无效的。

按照水印的嵌入域不同，水印算法可以被分为空域算法和变换域算法。空域算法运算简单、时效性较高，但具有鲁棒性差的缺点；变换域算法虽然相对复杂，但鲁棒性高，从而备受研究者的关注。现有数字图像鲁棒水印算法，大多是将二值图像等“额外”的信息作为水印，嵌入到载体图像中，水印检测端通过提取这些水印信息来鉴别图像的版权，但不能实现“全盲”检测。目前，针对彩色图像的“全盲”鲁棒水印算法尚不多见，且现有算法鲁棒性也很欠佳。因此，如何针对彩色图像的版权保护，设计出高鲁棒性的变换域“全盲”数字水印算法是亟待解决的问题之一。

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多变换域的自嵌入全盲彩色图像鲁棒水印方法

为了达到上述目的，本发明提供的基于多变换域的自嵌入全盲彩色图像鲁棒水印方法包括按顺序进行的下列步骤：

步骤1：从原始彩色图像中生成待嵌入的原始特征水印，具体步骤如下：

步骤1.1：将原始彩色图像A分离为R、G、B三个独立的颜色分量，并分别记作红色分量A_R、绿色分量A_G和蓝色分量A_B；

步骤1.2：对蓝色分量A_B进行快速有限剪切波变换，获得低频子图A_BL，再将低频子图A_BL分为互不重叠的多个子块，每个子块记为B(i,j)，其中i,j＝1,2,…n；

步骤1.3：对每个子块B(i,j)进行QR分解，提取出分解后的R矩阵的第一行元素并进行一维离散正弦变换，得到变换后的直流分量DC(i,j)；

步骤1.4：利用直流分量DC(i,j)生成待嵌入的原始特征水印W；

步骤2：将上述生成的原始特征水印自嵌入到原始彩色图像中而获得含水印的彩色图像，具体步骤如下：

步骤2.1：对步骤1中生成的原始特征水印W进行加密预处理；

步骤2.2：提取原始彩色图像A的绿色分量A_G，并对其进行双密度双树复小波变换，获得4个低频子图，分别记为C₁、C₂、C₃和C₄；

步骤2.3：对4个低频子图C₁、C₂、C₃和C₄分别进行二维离散正弦变换，将变换后的系数分别经过Zigzag扫描成一维系数向量，记为D₁、D₂、D₃和D₄；

步骤2.4：随机产生两个互补的随机数对P₁和P₂，作为水印嵌入时系数向量D₁、D₂、D₃和D₄的选择器；

步骤2.5：重新调节随机数对P₁和P₂的值；

步骤2.6：通过对系数向量D₁、D₂、D₃和D₄的值进行修正来完成加密特征水印的嵌入：

其中，β、δ为嵌入强度参数，

为

和

的绝对值之和的平均值，同样k＝1,2；

步骤2.7：将修正后的系数向量先后经过逆Zigzag扫描和二维离散正弦反变换，然后结合其它频带子图进行双密度双树复小波反变换获得含水印的绿色分量A′_G；将红色分量A_R、蓝色分量A_B和含水印的绿色分量A′_G三色合成获得含水印的彩色图像A₁，由此完成原始特征水印的嵌入；

步骤3：将经受过攻击的含水印的彩色图像作为待检测图像，从待检测图像中重新生成特征水印，具体步骤如下：

步骤3.1：将经受过攻击的含水印的彩色图像A₁作为待检测图像并记作A₂，分离出待检测图像A₂的R、G、B分量并分别记作红色分量A_2R、绿色分量A_2G和蓝色分量A_2B；

步骤3.2：对蓝色分量A_2B进行快速有限剪切波变换，获得低频子图A_2BL，将低频子图A_2BL分为互不重叠的多个子块，每个子块记为B′(i,j)；

步骤3.3：对每个子块B′(i,j)进行QR分解，提取出分解后的R矩阵的第一行向量并进行一维离散正弦变换，分别得到变换后的直流分量DC′(i,j)；

步骤3.4：利用直流分量DC(i,j)重新生成特征水印W′；

步骤4：从待检测图像中提取出先前嵌入的原始特征水印作为认证水印，并对该待检测图像进行版权鉴别，具体步骤如下：

步骤4.1：提取待检测图像A₂的绿色分量A_2G，并对其进行双密度双树复小波变换，获得4个低频子图，分别记为C′₁、C′₂、C′₃和C′₄；

步骤4.2：对4个低频子图C′₁、C′₂、C′₃和C′₄分别进行二维离散正弦变换，将变换后的系数分别经过Zigzag扫描成一维系数向量，记为D′₁、D′₂、D′₃和D′₄；

步骤4.3：从系数向量D′₁、D′₂、D′₃和D′₄中实现认证水印的提取；

步骤4.4：将认证水印

和

组合成矩阵并与混沌二值图像Z₁进行异或操作,解密得到最终提取出来的认证特征水印

步骤4.5：针对经受过攻击的待检测图像A₂，通过计算生成的特征水印W′和提取出的认证特征水印

之间的归一化相关系数值来鉴别待检测图像A₂的版权。

在步骤1.4中，所述的利用直流分量DC(i,j)生成待嵌入的原始特征水印W的方法是：计算所有子块对应直流分量DC(i,j)的均值并记为DC_M,然后按照公式(1)通过比较每一个直流分量DC(i,j)与直流分量均值DC_M的大小关系生成待嵌入的原始特征水印W：

在步骤2.1中，所述的对步骤1中生成的原始特征水印W进行加密预处理的方法包括以下步骤：

(1)根据原始特征水印W的大小，利用分段Logistic混沌映射产生一个长度为S²的混沌序列X₁，分段Logistic混沌映射定义如下：

其中，控制参数μ和序列初值x₀可以作为秘钥使用；

(2)通过与阈值参数T比较，将产生的混沌序列X₁转化为{0,1}二值序列Y₁，即：

(3)将二值序列Y₁扫描成一幅混沌二值图像Z₁，用混沌二值图像Z₁对原始特征水印W进行加密，并将加密后的原始特征水印

均匀分成两个部分：

在步骤2.4中，所述的随机产生两个互补的随机数对P₁和P₂，作为水印嵌入时系数向量的选择器的方法是：使用随机数生成器设计生成两个互补的随机数对P₁和P₂，随机数对P₁和P₂须满足以下要求：

在步骤2.5中，所述的重新调节随机数对P₁和P₂的值的方法是：根据随机数对P₁和P₂分别从系数向量D₁、D₂、D₃和D₄中选择出两对互不相同的系数向量，并根据每一对系数向量中对应位置上系数的大小关系和加密后的水印信息，更新随机数对P₁和P₂的值，具体见公式(6)：

其中，

和

分别表示利用随机数对P_k从系数向量D₁、D₂、D₃和D₄中选出的两个系数向量在位置j上的数值，符号

表示互相交换随机数对P_k(1)和P_k(2)的值，这里k＝1,2，更新后的随机数对P₁和P₂被记作P′₁和P′₂。

在步骤2.6中，所述的通过对系数向量D₁、D₂、D₃和D₄的值进行修正来完成加密特征水印的嵌入的方法是：用步骤2.5中更新后的随机数对P₁和P₂按照公式(7)实现加密特征水印的嵌入：

其中，β、δ为嵌入强度参数，

为

和

的绝对值之和的平均值，同样k＝1,2。

在步骤4.3中，所述的从系数向量D′₁、D′₂、D′₃和D′₄中实现认证水印的提取的方法是：根据步骤2.5中重新生成的随机数对P′₁和P′₂分别从系数向量D′₁、D′₂、D′₃和D′₄中选择出两对系数向量，按照公式(9)分别实现认证水印

和

的提取：

本发明提供的基于多变换域的自嵌入全盲彩色图像鲁棒水印方法，是针对彩色数字图像版权保护提出的一种新颖的鲁棒水印算法，该方法与现有鲁棒水印方法相比较具有以下优点：(1)水印嵌入端，基于原始彩色图像自身特点生成待嵌入的特征水印，不需要选用额外信息作为水印，在水印检测端，只借助受攻击图像和相关密钥就能“全盲”地对彩色图像进行版权鉴别；(2)利用彩色图像的多通道特性，在图像蓝色分量中生成用于嵌入的原始特征水印，并将其嵌入到该图像的绿色分量中；(3)将快速有限剪切波变换的平移不变性与QR分解、离散正弦变换的能量聚集特性相结合，借助“零水印”思想生成的原始特征水印自身具有很强的鲁棒性；(4)基于双密度双树复小波变换和离散正弦变换的特征水印嵌入与提取方法，可以在获得很好的水印不可见性的同时，有效地实现鲁棒特征水印的提取。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、缩放和对比度及亮度调整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多变换域的自嵌入全盲彩色图像鲁棒水印方法中原始特征水印生成与自嵌入流程图。

图2为本发明提供的基于多变换域的自嵌入全盲彩色图像鲁棒水印方法中的特征水印提取与版权鉴别流程图。

图3为本发明实验中使用的4幅原始彩色图像以及与其分别对应的含水印的彩色图像，这些彩色图像分别为：(a)Lena图像，(b)Koala图像，(c)Sailboat图像，(d)Airplane图像，(e)含水印的Lena图像，(f)含水印的Koala图像，(g)含水印的Sailboat图像，(h)含水印的Airplane图像。

图4为本发明实验中经受过不同攻击下的Lena图像。

具体实施方法

下面结合附图和具体实例对本发明进行详细说明。

本发明提供的基于多变换域的自嵌入全盲彩色图像鲁棒水印方法包括原始特征水印的生成过程、特征水印自嵌入过程、特征水印提取过程、认证水印提取与版权鉴别过程四个部分。在水印嵌入端，原始特征水印的生成与自嵌入过程如图1所示；在水印检测端，特征水印和认证水印的提取与版权鉴别过程如图2所示。如图1—图2所示，本发明提供的基于多变换域的自嵌入全盲彩色图像鲁棒水印方法包括按顺序进行的下列步骤：

步骤1：从原始彩色图像中生成待嵌入的原始特征水印，具体步骤如下：

步骤1.1：将大小为N×N的原始彩色图像A分离为R、G、B三个独立的颜色分量，并分别记作红色分量A_R、绿色分量A_G和蓝色分量A_B；

步骤1.2：对蓝色分量A_B进行l₁级快速有限剪切波变换(FFST)，获得大小为N×N的低频子图A_BL，再将低频子图A_BL分为互不重叠且大小为n×n的多个子块，每个子块记为B(i,j)，其中i,j＝1,2,…n；

步骤1.3：对每个子块B(i,j)进行QR分解，提取出分解后的R矩阵的第一行元素并进行一维离散正弦变换(1D-DST)，得到变换后的直流分量DC(i,j)；

步骤1.4：计算所有子块对应直流分量DC(i,j)的均值并记为DC_M,然后通过比较每一个直流分量DC(i,j)与直流分量均值DC_M的大小关系生成待嵌入的原始特征水印W，即：

步骤2：将上述生成的原始特征水印自嵌入到原始彩色图像中而获得含水印的彩色图像，具体步骤如下：

步骤2.1：为了提高算法的安全性和鲁棒性，对步骤1中生成的原始特征水印W进行加密预处理，具体过程如下：

(1)根据原始特征水印W的大小，利用分段Logistic混沌映射产生一个长度为S²的混沌序列X₁，分段Logistic混沌映射定义如下：

其中，控制参数μ和序列初值x₀可以作为秘钥使用；

(2)通过与阈值参数T比较，将产生的混沌序列X₁转化为{0,1}二值序列Y₁，即：

(3)将二值序列Y₁扫描成一幅混沌二值图像Z₁，用混沌二值图像Z₁对原始特征水印W进行加密，并将加密后的原始特征水印

均匀分成两个部分：

步骤2.2：提取原始彩色图像A的绿色分量A_G，并对其进行l₂级双密度双树复小波变换(DDDTCWT)，获得4个大小为

的低频子图，分别记为C₁、C₂、C₃和C₄；

步骤2.3：对4个低频子图C₁、C₂、C₃和C₄分别进行二维离散正弦变换(2D-DST)，将变换后的系数分别经过Zigzag扫描成一维系数向量，记为D₁、D₂、D₃和D₄；

步骤2.4：随机产生两个长度均为S²/2且互补的随机数对P₁和P₂，作为水印嵌入时系数向量的选择器，随机数对P₁和P₂须满足以下要求：

步骤2.5：根据随机数对P₁和P₂分别从4个系数向量D₁、D₂、D₃和D₄中选择出两对互不相同的系数向量，并完成以下操作：

其中，D_Pk(1)(j)和D_Pk(2)(j)分别表示利用随机数对P_k从系数向量D₁、D₂、D₃和D₄中选出的两个系数向量在位置j上的数值，符号

表示互相交换随机数对P_k(1)和P_k(2)的值，这里k＝1,2，更新后的随机数对P₁和P₂被记作P′₁和P′₂；

步骤2.6：通过对系数向量D₁、D₂、D₃和D₄的值进行修正来完成加密后的原始特征水印

两个部分

和

的嵌入：

其中，β、δ为嵌入强度参数，

为

和

的绝对值之和的平均值，同样k＝1,2；

步骤2.7：将修正后的系数向量先后经过逆Zigzag扫描和二维离散正弦反变换(2D-IDST)，然后结合其它频带子图进行DDDTCWT反变换获得含水印的绿色分量A′_G；将红色分量A_R、蓝色分量A_B和含水印的绿色分量A′_G三色合成获得含水印的彩色图像A₁，由此完成原始特征水印的嵌入；

步骤3：将经受过攻击的含水印的彩色图像作为待检测图像，从待检测图像中重新生成特征水印，具体步骤如下：

步骤3.1：将经受过攻击的含水印的彩色图像A₁作为待检测图像并记作A₂，分离出待检测图像A₂的R、G、B分量并分别记作红色分量A_2R、绿色分量A_2G和蓝色分量A_2B；

步骤3.2：对蓝色分量A_2B进行l₁级FFST变换，获得大小为N×N的低频子图A_2BL，将低频子图A_2BL分为互不重叠且大小为n×n的多个子块，每个子块记为B′(i,j)；

步骤3.3：对每个子块B′(i,j)进行QR分解，提取出分解后的R矩阵的第一行向量并进行1D-DST变换，分别得到变换后的直流分量DC′(i,j)；

步骤3.4：计算所有子块对应直流分量DC′(i,j)的均值并记为DC′_M,然后通过比较每一个直流分量DC′(i,j)与直流分量均值DC′_M的大小关系生成特征水印W′，即：

步骤4：从待检测图像中提取出先前嵌入的原始特征水印作为认证水印，并对该待检测图像进行版权鉴别，具体步骤如下：

步骤4.1：提取待检测图像A₂的绿色分量A_2G，并对其进行l₂级DDDTCWT变换，获得4个大小为

的低频子图，分别记为C′₁、C′₂、C′₃和C′₄；

步骤4.2：对4个低频子图C′₁、C′₂、C′₃和C′₄分别进行2D-DST变换，将变换后的系数分别经过Zigzag扫描成一维系数向量，记为D′₁、D′₂、D′₃和D′₄。

步骤4.3：根据步骤2.5中重新生成的随机数对P′₁和P′₂分别从系数向量D′₁、D′₂、D′₃和D′₄中选择出对应的两对系数向量，按照公式(9)分别实现认证水印

和

的提取：

步骤4.4：将认证水印

和

组合成大小为S×S的矩阵并与混沌二值图像Z₁进行异或操作,解密得到最终提取出来的认证特征水印

步骤4.5：针对经受过攻击的待检测图像A₂，通过计算生成的特征水印W′和提取出的认证特征水印

之间的归一化相关系数(Normalized Correlation，NC)值来鉴别待检测图像A₂的版权。若NC值大于一定阈值，认为该版权鉴别有效，NC值的定义如下：

下面结合实验数据和实验结果来说明本发明的有效性。

为了验证本发明方法的有效性，仿真实验中采用4幅大小为512×512的标准彩色图像作为原始测试图像，这4幅图像分别为Lena图像、Koala图像、Sailboat图像和Airplane图像，如图3(a)～(d)所示。本方法中不需要额外选用二值图像作为水印，而是根据原始彩色图像的内容自动生成待嵌入的鲁棒二值特征水印。仿真实验是在Matlab2014平台上进行的。实验中，FFST分解尺度l₁＝3，DDDTCWT分解尺度l₂＝2，n＝16；原始特征水印加密预处理时，采用的分段Logistic映射的初值为x₀＝0.54321,控制参数μ＝3.99998，舍弃前500个随机数，比较阈值T＝0.5。

实验中，采用结构相似度(Structural Similarity Index Metric,SSIM)来客观评价含有水印的彩色图像中水印的不可见性，采用峰值信噪比((Peak Signal NoiseRatio，PSNR)来评价含水印的彩色图像经受过攻击的客观受损坏程度，采用NC值来衡量本方法中鲁棒水印抵抗各种攻击的鲁棒性。SSIM值越接近于1，算法的不可见性就越好。图3(e)～(h)给出了未经受过任何攻击时的4幅含水印的彩色图像。从图3(e)～(h)可见，嵌入水印后的彩色图像和原始彩色图像在视觉效果上基本无视觉差别。这说明本方法在主观上具有很好的不可见性。一般情况下，含水印的彩色图像的SSIM值大于0.97时，在视觉上与原始彩色图像相比就几乎没有明显差别。针对Lena、Koala、Sailboat和Airplane这4幅彩色图像，利用本发明方法获得的含水印的彩色图像的SSIM值分别：0.9941、0.9981、0.9909和0.9908。这说明本方法在客观上具有很好的水印不可见性。

图像经受攻击后的PSNR值越小，说明该图像受到的攻击越严重。为了检测本方法的鲁棒性，采用了一些常见的图像攻击操作对含水印的Lena图像进行仿真攻击。所选攻击类型及含水印的Lena图像经受此攻击后的PSNR值如表1所示，受到攻击后的Lena图像见图4。由表1和图4可知，含水印的Lena图像在经受攻击前后，PSNR值和视觉质量效果上均发生了一些变化，这说明其遭受到了严重程度的攻击操作。

表1常见图像攻击方式及攻击后含水印Lena图像PSNR值

针对表1中列出的几种典型攻击方式，表2不仅给出了从原始Lena图像中生成的原始特征水印W与从受不同攻击后的含水印的Lena图像中生成的特征水印W′之间的NC值，还给出从受攻击含水印的Lena图像中提取出的认证特征水印W～与特征水印W′之间的NC值。从表2中的数据可知，针对不同图像，原始特征水印W与特征水印W′之间NC值均接近于1，这说明尽管含水印的彩色图像受到严重程度的攻击，本发明方法对表1中提到的各种攻击具有很强的鲁棒性。同时，表2中认证特征水印W～与特征水印W′之间最小的NC值均大于0.9，这说明本发明方法能有效抵抗以上多种攻击。在水印检测端是通过计算认证特征水印W～与特征水印W′之间的NC值来鉴别待检测图像的版权，因此通过以上分析可知，本发明提供的基于多变换域的自嵌入全盲彩色图像水印方法具有很强的鲁棒性，可以有效地对彩色图像实施版权保护。

表2不同含水印图像鲁棒性测试

Claims (7)

1.一种基于多变换域的自嵌入全盲彩色图像鲁棒水印方法，其特征在于：所述的基于多变换域的自嵌入全盲彩色图像水印方法包括按顺序进行的下列步骤：

步骤1：从原始彩色图像中生成待嵌入的原始特征水印，具体步骤如下：

步骤1.1：将原始彩色图像A分离为R、G、B三个独立的颜色分量，并分别记作红色分量A_R、绿色分量A_G和蓝色分量A_B；

步骤1.2：对蓝色分量A_B进行快速有限剪切波变换，获得低频子图A_BL，再将低频子图A_BL分为互不重叠的多个子块，每个子块记为B(i,j)，其中i,j＝1,2,…n；

步骤1.3：对每个子块B(i,j)进行QR分解，提取出分解后的R矩阵的第一行元素并进行一维离散正弦变换，得到变换后的直流分量DC(i,j)；

步骤1.4：利用直流分量DC(i,j)生成待嵌入的原始特征水印W；

步骤2：将上述生成的原始特征水印自嵌入到原始彩色图像中而获得含水印的彩色图像，具体步骤如下：

步骤2.1：对步骤1中生成的原始特征水印W进行加密预处理；

步骤2.2：提取原始彩色图像A的绿色分量A_G，并对其进行双密度双树复小波变换，获得4个低频子图，分别记为C₁、C₂、C₃和C₄；

步骤2.3：对4个低频子图C₁、C₂、C₃和C₄分别进行二维离散正弦变换，将变换后的系数分别经过Zigzag扫描成一维系数向量，记为D₁、D₂、D₃和D₄；

步骤2.4：随机产生两个互补的随机数对P₁和P₂，作为水印嵌入时系数向量D₁、D₂、D₃和D₄的选择器；

步骤2.5：重新调节随机数对P₁和P₂的值；

步骤2.6：通过对系数向量D₁、D₂、D₃和D₄的值进行修正来完成加密特征水印的嵌入：

其中，β、δ为嵌入强度参数，

为

和

的绝对值之和的平均值，同样k＝1,2；

步骤2.7：将修正后的系数向量先后经过逆Zigzag扫描和二维离散正弦反变换，然后结合其它频带子图进行双密度双树复小波反变换获得含水印的绿色分量A′_G；将红色分量A_R、蓝色分量A_B和含水印的绿色分量A′_G三色合成获得含水印的彩色图像A₁，由此完成原始特征水印的嵌入；

步骤3：将经受过攻击的含水印的彩色图像作为待检测图像，从待检测图像中重新生成特征水印，具体步骤如下：

步骤3.1：将经受过攻击的含水印的彩色图像A₁作为待检测图像并记作A₂，分离出待检测图像A₂的R、G、B分量并分别记作红色分量A_2R、绿色分量A_2G和蓝色分量A_2B；

步骤3.2：对蓝色分量A_2B进行快速有限剪切波变换，获得低频子图A_2BL，将低频子图A_2BL分为互不重叠的多个子块，每个子块记为B′(i,j)；

步骤3.3：对每个子块B′(i,j)进行QR分解，提取出分解后的R矩阵的第一行向量并进行一维离散正弦变换，分别得到变换后的直流分量DC′(i,j)；

步骤3.4：利用直流分量DC(i,j)重新生成特征水印W′；

步骤4：从待检测图像中提取出先前嵌入的原始特征水印作为认证水印，并对该待检测图像进行版权鉴别，具体步骤如下：

步骤4.1：提取待检测图像A₂的绿色分量A_2G，并对其进行双密度双树复小波变换，获得4个低频子图，分别记为C′₁、C′₂、C′₃和C′₄；

步骤4.2：对4个低频子图C′₁、C′₂、C′₃和C′₄分别进行二维离散正弦变换，将变换后的系数分别经过Zigzag扫描成一维系数向量，记为D′₁、D′₂、D′₃和D′₄；

步骤4.3：从系数向量D′₁、D′₂、D′₃和D′₄中实现认证水印的提取；

步骤4.4：将认证水印

和

组合成矩阵并与混沌二值图像Z₁进行异或操作,解密得到最终提取出来的认证特征水印

步骤4.5：针对经受过攻击的待检测图像A₂，通过计算生成的特征水印W′和提取出的认证特征水印

之间的归一化相关系数值来鉴别待检测图像A₂的版权。

2.根据权利要求1所述的基于多变换域的自嵌入全盲彩色图像鲁棒水印方法，其特征在于：在步骤1.4中，所述的利用直流分量DC(i,j)生成待嵌入的原始特征水印W的方法是：计算所有子块对应直流分量DC(i,j)的均值并记为DC_M,然后按照公式(1)通过比较每一个直流分量DC(i,j)与直流分量均值DC_M的大小关系生成待嵌入的原始特征水印W：

3.根据权利要求1所述的基于多变换域的自嵌入全盲彩色图像鲁棒水印方法，其特征在于：在步骤2.1中，所述的对步骤1中生成的原始特征水印W进行加密预处理的方法包括以下步骤：

(1)根据原始特征水印W的大小，利用分段Logistic混沌映射产生一个长度为S²的混沌序列X₁，分段Logistic混沌映射定义如下：

其中，控制参数μ和序列初值x₀可以作为秘钥使用；

(2)通过与阈值参数T比较，将产生的混沌序列X₁转化为{0,1}二值序列Y₁，即：

(3)将二值序列Y₁扫描成一幅混沌二值图像Z₁，用混沌二值图像Z₁对原始特征水印W进行加密，并将加密后的原始特征水印

均匀分成两个部分：

4.根据权利要求1所述的基于多变换域的自嵌入全盲彩色图像鲁棒水印方法，其特征在于：在步骤2.4中，所述的随机产生两个互补的随机数对P₁和P₂，作为水印嵌入时系数向量的选择器的方法是：使用随机数生成器设计生成两个互补的随机数对P₁和P₂，随机数对P₁和P₂须满足以下要求：

5.根据权利要求1所述的基于多变换域的自嵌入全盲彩色图像鲁棒水印方法，其特征在于：在步骤2.5中，所述的重新调节随机数对P₁和P₂的值的方法是：根据随机数对P₁和P₂分别从系数向量D₁、D₂、D₃和D₄中选择出两对互不相同的系数向量，并根据每一对系数向量中对应位置上系数的大小关系和加密后的水印信息，更新随机数对P₁和P₂的值，具体见公式(6)：

其中，D_Pk(1)(j)和D_Pk(2)(j)分别表示利用随机数对P_k从系数向量D₁、D₂、D₃和D₄中选出的两个系数向量在位置j上的数值，符号

表示互相交换随机数对P_k(1)和P_k(2)的值，这里k＝1,2，更新后的随机数对P₁和P₂被记作P₁′和P′₂。

6.根据权利要求1所述的基于多变换域的自嵌入全盲彩色图像鲁棒水印方法，其特征在于：在步骤2.6中，所述的通过对系数向量D₁、D₂、D₃和D₄的值进行修正来完成加密特征水印的嵌入的方法是：用步骤2.5中更新后的随机数对P₁和P₂按照公式(7)实现加密特征水印的嵌入：

其中，β、δ为嵌入强度参数，

为

和

的绝对值之和的平均值，同样k＝1,2。

7.根据权利要求1所述的基于多变换域的自嵌入全盲彩色图像鲁棒水印方法，其特征在于：在步骤4.3中，所述的从系数向量D′₁、D′₂、D′₃和D′₄中实现认证水印的提取的方法是：根据步骤2.5中重新生成的随机数对P₁′和P′₂分别从系数向量D′₁、D′₂、D′₃和D′₄中选择出两对系数向量，按照公式(9)分别实现认证水印

和

的提取：

Images