CN111882477A - 一种结合视觉密码和增强奇异值分解的自适应零水印方法 - Google Patents

Abstract

本发明公开了一种结合视觉密码和增强奇异值分解的自适应零水印方法，包括：将原始载体图像进行二级离散小波变换获得低频逼近子带；将得到的特征矩阵增强奇异值分解；取对角矩阵的第一个奇异值作为最大奇异值，并计算最大奇异值的均值；依据最大奇异值和最大奇异值的均值的大小关系生成特征向量；得到水印图像和秘钥；将双置乱得到的水印图与特征向量异或运算，生成零水印图像；将零水印图像通过视觉密码进行加密，生成秘密图份，将秘密图份交给认证中心保存。本发明解决现有奇异值分解水印方法中普遍存在的虚警错误问题，提高水印方法的安全性，让零水印图像很难被不法分子获得。

Description

一种结合视觉密码和增强奇异值分解的自适应零水印方法

技术领域

本发明属于水印的技术领域，尤其涉及一种结合视觉密码和增强奇异值分解的自适应零水印方法。

背景技术

近年来，数字数据在互联网上的安全传输是一个潜在的挑战。因此，对网络上的数据传输的安全性提出了更高的要求。数字图像水印是一种很有前途的数字数据保护方法，广泛应用于版权保护和安全通信。数字水印可以根据嵌入式方法、抗攻击性、不可见性等多种标准进行分类，根据嵌入式方法分类，数字水印技术可以分为两类，一类是变换域水印方法，另一类是空间域水印方法。变换域水印主要是改变载体图像频域系数，空间域水印则是直接修改图像的灰度值。与变换域水印相比，空间域水印虽然复杂度低、易于实现，但不如变换域水印鲁棒性高。

现有技术的基于小波变换的水印方法可以提高水印的不可见性，其经常被用于水印的嵌入过程中。小波变换虽然提高了水印方法的透明性，但单一的小波变换使得水印方法很难有强鲁棒性。

基于奇异值分解和小波变换的水印方法的奇异值分解中的奇异值的微小变换不会影响覆盖图像的视觉感知，它可促使水印嵌入过程中获得更好的鲁棒性，使得奇异值分解被广泛应用到数字水印中。将奇异值和小波变换都应用于水印方法中，水印方法虽然透明性和鲁棒性得到了提升，但水印方法的透明性和鲁棒性很难同时具有很好的效果，而且由于奇异值分解中的奇异值表征的是图像的亮度信息，不是结构信息，导致奇异值向量和图片之间不是一一对应关系，使得在没有嵌入水印的其他图像中，也可以提取出相同的奇异值向量，导致虚警错误问题。

零水印是在不破坏原有图像的基础上，利用原图像的特征构造的，使得水印方法有不错的鲁棒性和透明性。零水印使水印方法不但具有很好的透明性，而且具有不错的鲁棒性。但零水印构造过程中需要提取原图像的特征，奇异值分解是不错的提取特征选择，但奇异值分解本身的不足使得水印方法存在的虚警错误问题一直难以解决；当换用其他方法提取特征时，往往导致水印方法的鲁棒性变差。零水印方法最后生成的零水印图像是一张单独的二值图像，很容易被不法人员获取。

发明内容

基于以上现有技术的不足，本发明所解决的技术问题在于提供一种结合视觉密码和增强奇异值分解的自适应零水印方法，解决现有奇异值分解水印方法中普遍存在的虚警错误问题，提高水印方法的安全性，让零水印图像很难被不法分子获得。

为了解决上述技术问题，本发明提供一种结合视觉密码和增强奇异值分解的自适应零水印方法，包括以下步骤：

步骤11：将原始载体图像R进行二级离散小波变换获得低频逼近子带；

步骤12：将得到的特征矩阵Q_i增强奇异值分解；

步骤13：取对角矩阵S_i的第一个奇异值作为最大奇异值，并计算

个最大奇异值的均值；

步骤14：依据最大奇异值和最大奇异值的均值的大小关系生成特征向量M；

步骤15：将水印图像W利用Arnold变换实现第一次置乱加密，得到水印图像W₁和秘钥K₁，再经过混沌映射对水印图像W₁进行第二次置乱加密，得到水印图像W₂和秘钥K₂；

步骤16：将双置乱得到的水印图像W₂与特征向量M异或运算(XOR)，生成零水印图像H；

步骤17：将零水印图像H通过视觉密码进行加密，生成秘密图份B_i(i＝1,2)，将秘密图份交给认证中心保存。

可选的，在步骤11中，将低频逼近子带进行n×n不重叠分块，得到子块

并对A_i进行非负矩阵分解，即：

A_i≈P_i×Q_i

式中，P_i和Q_i分别是n×k和k×n的非负矩阵，其中k为A_i的秩，且k≤n。

可选的，在步骤12中，特征矩阵Q_i为：

其中S_i为对角矩阵，参数β通过天牛须优化方法找到最优，U_i和

为正交矩阵。

在步骤13中，最大奇异值共有

个，记作

并计算

个最大奇异值的均值为mean(η_i)。

进一步的，零水印的检测包括如下步骤：

步骤21：原始载体图像R′进行二级离散小波变换获得低频逼近子带LL2，将LL2进行n×n不重叠分块，得到子块

并对A_i′进行非负矩阵分解，即：

A′_i≈P′_i×Q′_i

步骤22：将NMF后获得的特征矩阵Q_i′利用BN-SVD，得到对角矩阵S_i′；

步骤23：取对角矩阵S_i′的第一个奇异值作为最大奇异值，则共有

个，记作

并求出最大奇异值的均值mean(η′_i)；

步骤24：依据对比η′_i和mean(η′_i)的大小关系获得特征向量M′；

步骤25：将秘密图份B_i(i＝1,2)叠加恢复成零水印图像H′；

步骤26：利用恢复的零水印图像H′和特征向量M′做异或运算，得到双置乱的水印图像W₂，即：

W₂＝XOR(H′,M′)

步骤27：利用秘钥K₁和K₂对加密的水印图像W₂进行逆混沌映射和Arnold逆变换得到原始水印图像W。

由上，本发明的结合视觉密码和增强奇异值分解的自适应零水印方法具有如下有益效果：

1、先用载体图像和水印图像构造出零水印，再拿新的载体图像验证，不能提取出水印图像，有效解决了虚警错误问题。

2、受到攻击仍可以有效的提取出水印，有较强的鲁棒性。

3、使用视觉密码对零水印图像加密形成秘密图份，秘密图份由两张秘密图像构成，将单独的一张零水印图像加密成秘密图份，即使攻击者获得了秘密图份中的部分图像，也无法复原零水印图像，提高了安全性。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下结合优选实施例，并配合附图，详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例的附图作简单地介绍。

图1为本发明的结合视觉密码和增强奇异值分解的自适应零水印方法的流程图；

图2为本发明的零水印检测方法的流程图。

图3为本发明的生成的零水印图像和秘密图份图像，其中(a)为零水印图像，(b)为秘密图份B₁，(c)为秘密图份B₂。

具体实施方式

下面结合附图详细说明本发明的具体实施方式，其作为本说明书的一部分，通过实施例来说明本发明的原理，本发明的其他方面、特征及其优点通过该详细说明将会变得一目了然。在所参照的附图中，不同的图中相同或相似的部件使用相同的附图标号来表示。

本发明初始化Arnold变换的置乱次数n为20；Logistic映射的参数μ设置为3.654，初值x₀初始化为0.54，将天牛须优化方法的最大迭代次数设置为30。

如图1所示，零水印的构造步骤如下：

选取的载体图像为大小为N×N的灰度图像R，选取的水印图像大小为(N/16)×(N/16)的二值图像W。

1)原始载体图像R进行二级离散小波变换获得低频逼近子带LL2，将LL2进行n×n不重叠分块，得到子块

并对A_i进行非负矩阵分解，即：

A_i≈P_i×Q_i

式中，P_i和Q_i分别是n×k和k×n的非负矩阵，其中k为A_i的秩，且k≤n。

2)将得到的特征矩阵Q_i增强奇异值分解，即：

式中，S_i为对角矩阵，参数β通过天牛须优化方法找到最优，U_i和

为正交矩阵。

3)取对角矩阵S_i的第一个奇异值作为最大奇异值，则共有

个，记作

并计算

个最大奇异值的均值为mean(η_i)。

4)依据η_i和mean(η_i)的大小关系生成特征向量M。

5)将水印图像W利用Arnold变换实现第一次置乱加密，得到水印图像W₁和秘钥K₁，再经过混沌映射对水印图像W₁进行第二次置乱加密，得到水印图像W₂和秘钥K₂。

6)将双置乱得到的水印图像W₂与特征向量M异或运算(XOR)，生成零水印图像H，即：

H＝XOR(W₂,M)

7)最后将零水印图像H通过视觉密码进行加密，生成秘密图份B_i(i＝1,2)，将秘密图份交给认证中心保存。生成的零水印图像和秘密图份图像如图3所示。

(2)零水印的检测

零水印的检测如图2所示。

选取载体图像为大小为N×N的灰度图像R′。

1)原始载体图像R′进行二级离散小波变换获得低频逼近子带LL2，将LL2进行n×n不重叠分块，得到子块

并对A_i′进行非负矩阵分解，即：

A′_i≈P′_i×Q′_i

2)将NMF后获得的特征矩阵Q_i′利用BN-SVD，得到对角矩阵S_i′。

3)取对角矩阵S_i′的第一个奇异值作为最大奇异值，则共有

个，记作

并求出最大奇异值的均值mean(η′_i)。

4)依据对比η′_i和mean(η′_i)的大小关系获得特征向量M′。

5)将秘密图份B_i(i＝1,2)叠加恢复成零水印图像H′。

6)利用恢复的零水印图像H′和特征向量M′做异或运算，得到双置乱的水印图像W₂，即：

W₂＝XOR(H′,M′)

7)最后，利用秘钥K₁和K₂对加密的水印图像W₂进行逆混沌映射和Arnold逆变换得到原始水印图像W。

如图1所示构造零水印，先用载体图像和水印图像构造出零水印。再拿新的载体图像，如图2所示提取水印图像，在改变增强奇异值分解中的参数β的情况下生成特征向量，将生成的特征向量与构造出的零水印异或运算，再依次经过逆Logistic映射和Arnold逆变换不能生成水印图像，且NC值在0.4以下。实验结果表明，对于BN-SVD中引入的参数β，通过天牛须优化方法自适应搜寻最佳的参数值，使图像和奇异值向量之间存在一一对应关系，让奇异值可表征图像的特征，在不确定参数β值的情况下，不能提取出正确的水印图像。本方法有效解决了虚警错误问题。

当图像受到攻击时，会影响图片自身的原始性。因此为了验证本方法零水印方法有较好的鲁棒性，分别对3幅原始灰度载体图像做了以下9种攻击：高斯噪声、中值滤波、JPEG压缩、高斯滤波、剪切、椒盐噪声、旋转、缩放、混合，并采用NC值作为鲁棒性评价标准。实验结果如表1所示。从表1中可以看出，NC值都在0.99以上，因此可知当受到攻击时，本方法依然可以有效的提取出水印，有较强的鲁棒性。

表1待测图像受攻击后提取水印图像的NC值

因本方法生成的是零水印，所以不会对载体图像造成任何变化，使得攻击者不容易确定载体图像是否添加水印信息。当攻击者想要提前水印时，水印图像因经过了Arnold变换和混沌映射的加密，在不确定秘钥K₁、K₂的情况下想提取水印也是相当困难的。本方法使用视觉密码对零水印图像加密形成秘密图份，秘密图份由两张秘密图像构成，将单独的一张零水印图像加密成秘密图份，即使攻击者获得了秘密图份中的部分图像，也无法复原零水印图像，提高了方法的安全性。

以上所述是本发明的优选实施方式而已，当然不能以此来限定本发明之权利范围，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，还可以做出若干改进和变动，这些改进和变动也视为本发明的保护范围。

Claims (5)

1.一种结合视觉密码和增强奇异值分解的自适应零水印方法，其特征在于，包括以下步骤：

步骤11：将原始载体图像R进行二级离散小波变换获得低频逼近子带；

步骤12：将得到的特征矩阵Q_i增强奇异值分解；

步骤13：取对角矩阵S_i的第一个奇异值作为最大奇异值，并计算

个最大奇异值的均值；

步骤14：依据最大奇异值和最大奇异值的均值的大小关系生成特征向量M；

步骤15：将水印图像W利用Arnold变换实现第一次置乱加密，得到水印图像W₁和秘钥K₁，再经过混沌映射对水印图像进行第二次置乱加密，得到水印图像W₂和秘钥K₂；

步骤16：将双置乱得到的水印图像W₂与特征向量M异或运算(XOR)，生成零水印图像H；

步骤17：将零水印图像H通过视觉密码进行加密，生成秘密图份B_i(i＝1,2)，将秘密图份交给认证中心保存。

2.如权利要求1所述的结合视觉密码和增强奇异值分解的自适应零水印方法，其特征在于，在步骤11中，将低频逼近子带进行n×n不重叠分块，得到子块

并对A_i进行非负矩阵分解，即：

A_i≈P_i×Q_i

式中，P_i和Q_i分别是n×k和k×n的非负矩阵，其中k为A_i的秩，且k≤n。

3.如权利要求1所述的结合视觉密码和增强奇异值分解的自适应零水印方法，其特征在于，在步骤12中，特征矩阵Q_i为：

Q_i＝U_i×(S_i)^β×V_i ^T 0≤β≤1

其中S_i为对角矩阵，参数β通过天牛须优化方法找到最优，U_i和V_i ^T为正交矩阵。

4.如权利要求1所述的结合视觉密码和增强奇异值分解的自适应零水印方法，其特征在于，在步骤13中，最大奇异值共有

个，记作

并计算

个最大奇异值的均值为mean(η_i)。

5.如权利要求1所述的结合视觉密码和增强奇异值分解的自适应零水印方法，其特征在于，零水印的检测包括如下步骤：

步骤21：原始载体图像R′进行二级离散小波变换获得低频逼近子带LL2，将LL2进行n×n不重叠分块，得到子块

并对A_i′进行非负矩阵分解，即：

A′_i≈P_i′×Q′_i

步骤22：将NMF后获得的特征矩阵Q_i′利用BN-SVD，得到对角矩阵S_i′；

步骤23：取对角矩阵S_i′的第一个奇异值作为最大奇异值，则共有

个，记作

并求出最大奇异值的均值mean(η′_i)；

步骤24：依据对比η′_i和mean(η′_i)的大小关系获得特征向量M′；

步骤25：将秘密图份B_i(i＝1,2)叠加恢复成零水印图像H′；

步骤26：利用恢复的零水印图像H′和特征向量M′做异或运算，得到双置乱的水印图像W₂，即：

W₂＝XOR(H′,M′)

步骤27：利用秘钥K₁和K₂对加密的水印图像W₂进行逆混沌映射和Arnold逆变换得到原始水印图像W。

Images