CN112184533A - 一种基于sift特征点匹配的水印同步方法 - Google Patents
一种基于sift特征点匹配的水印同步方法 Download PDFInfo
- Publication number
- CN112184533A CN112184533A CN202011067968.8A CN202011067968A CN112184533A CN 112184533 A CN112184533 A CN 112184533A CN 202011067968 A CN202011067968 A CN 202011067968A CN 112184533 A CN112184533 A CN 112184533A
- Authority
- CN
- China
- Prior art keywords
- watermark
- image
- sift feature
- synchronization
- matching
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于SIFT特征点匹配的水印同步方法,包括以下步骤:1)使用抵抗打印/拍摄的鲁棒数字图像水印算法对原图像进行水印信息的嵌入,得到水印图像A,然后将水印图像A打印或显示在屏幕上,接着用带有相机功能的智能设备拍摄水印图像得到拍摄后的水印图像B,2)提取水印图像A和水印图像B中的SIFT特征点,3)使用Knn最近邻算法进行水印图像A和水印图像B的特征点匹配,得到若干对最佳匹配点,4)根据水印图像A与水印图像B若干对最佳匹配点的坐标计算变换矩阵,然后利用变换矩阵实现图像的校正工作,即实现水印同步。本发明涉及的一种基于SIFT特征点匹配的水印同步方法,水印同步准确率高,同步速度快,显著提升了抗打印/拍摄水印方法在水印提取阶段的水印信息提取的准确率,提供了一种新的水印同步方法和思路。
Description
技术领域
本发明涉及图像处理技术领域,具体是指一种基于SIFT特征点匹配的水印同步方法。
背景技术
鲁棒数字图像水印技术通过在图像中嵌入可以抵抗图像处理、几何变换和图像传输等攻击的标识和版权信息,实现数字图像作品的版权保护,目前已成为多媒体版权保护的重要手段。鲁棒数字图像水印系统主要由三部分组成,分别为:水印嵌入、水印同步以及水印提取。其中水印同步是指将拍摄到的水印图像进行几何校正,实现与水印图像在像素位置上同步的过程。水印同步是水印提取的重要前提,水印同步的准确率直接影响水印的性能。
常规的数字图像水印主要考虑图像在互联网等数字媒体上以数字的形式传播,因此其同步算法主要针对信息传输过程中可能出现的一些图像处理操作,其水印同步方法相对较为简单;而对于抗打印/拍摄的鲁棒数字图像水印而言,由于拍摄距离、角度等因素的影响,所拍摄到的水印图像通常存在一定程度的几何形变失真,同时由于水印图像被打印在纸质印刷品上或显示在屏幕上,其水印图像还存在不同程度的像素失真,因此其水印同步较为困难。本发明研究的水印同步方法主要解决于抗打印/拍摄的鲁棒数字图像水印的同步问题,同时也适用于常规数字图像水印的水印同步。
由于水印图像在打印后被重拍,相当于从三维立体空间投影到二维平面空间,因此重拍图像通常有一定的几何失真,需要使用水印同步方法对拍摄到的水印图像进行几何失真校正。目前的水印同步方法主要分为三类:一是直接边缘法,对于有明显边缘的水印图像而言,直接使用边缘检测等算法来检测水印图像的边缘从而实现水印同步。但该种方法仅适用于有明显边缘的水印图像,当水印图像与背景图像的边界较为模糊时,往往会导致水印同步失败。二是标记法,即在水印图像边缘添加易于检测的标记,如添加有颜色的边框或者二维码定位图案等等,将水印同步问题转化为标记的检测问题。该方法需要添加额外的标记,并且一定程度影响了水印的不可见性。三是目标检测法,使用语义分割等神经网络来检测水印图像区域,该方法在水印图像和背景图像的边界不明显时候,水印同步算法效果十分不理想;且该算法由于使用了深度学习网络,在部署到手机等智能设备上比较受限,影响水印检测的实时性。针对现有技术的缺陷,如何实现快速、准确的水印同步是本领域亟待解决的问题。
发明内容
基于以上技术问题,提供一种基于SIFT特征点匹配的水印同步方法,其水印同步准确率高,同步速度快,显著提升了抗打印/拍摄水印方法在水印提取阶段的水印信息提取的准确率。
为解决上述技术问题,本发明提供的技术方案为:
一种基于SIFT特征点匹配的水印同步方法,包括以下具体步骤:
1)首先使用抵抗打印/拍摄的鲁棒数字图像水印算法对原图像进行水印信息的嵌入,得到水印图像A,然后将水印图像A打印或显示在屏幕上,接着用带有相机功能的智能设备拍摄水印图像得到拍摄后的水印图像B,然后对拍摄后的水印图像B进行水印同步,得到水印同步后的水印图片;
2)水印同步的过程是:提取水印图像A和水印图像B中的SIFT特征点,将两幅图像的可用SIFT特征点描述为两个特征矩阵,水印图像A的SIFT特征点矩阵描述为:numw*128,水印图像B的SIFT特征点矩阵描述为nump*128,其中,特征点numw和nump分别表示水印图像A和水印图像B的特征点数量,128表示每个SIFT特征点的特征向量;
3)使用Knn最近邻算法进行水印图像A和水印图像B的特征点匹配,其中K的参数设置为2,从而对水印图像B的每个SIFT特征点在水印图像A中匹配返回两个最近邻SIFT特征点,从而能够得到若干对最佳匹配点;
4)根据水印图像A与水印图像B若干对最佳匹配点的坐标计算变换矩阵,然后利用变换矩阵实现图像的校正工作:
最后,对水印图像B使用最优变换矩阵为H的透视变换即可得到校正后的水印图片,从而实现最终的水印同步。
作为改进,所述步骤4)中判断最佳匹配点的方法为判断水印图像A和水印图像B上的SIFT特征点的欧氏距离是否小于设置的阈值。
作为改进,所述最优变换矩阵为H含有8个未知参数的矩阵,并可通过4组最佳匹配点坐标求解出最优变换矩阵为H。
作为改进,所述SIFT特征点的提取方法包括以下步骤:
①尺度空间的极值检测;
②特征点定位;
③特征方向赋值;
④特征点描述。
采用以上结构后,本发明具有如下优点:
本发明相对于现有技术,水印同步准确率高,同步速度快,水印图像在复杂的背景图像下,依然有较高的水印同步准确率,不会影响水印图像的原有使用价值,不影响水印的不可见性,显著提升了抗打印/拍摄水印方法在水印提取阶段的水印信息提取的准确率,提供了一种新的水印同步方法和思路。
附图说明
图1是抗打印/拍摄数字图像水印的检测框架流程图;
图2是水印同步算法示意图;
图3是SIFT特征向量提取流程图;
图4是本发明具体实施流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明。
结合附图1-4,利用SIFT特征点并结合透视变换方法实现了一种适用于抗打印/拍摄鲁棒数字图像水印的水印同步方法。该水印同步方法主要由基于SIFT特征点的图像匹配和基于透视变换方法的图像校正两部分组成,具体包括以下三个步骤:抗打印/拍摄数字图像水印的检测框架、基于SIFT特征点的图像匹配及基于透视变换的图像校正。
(1)抗打印/拍摄数字图像水印的检测框架
抗打印/拍摄鲁棒数字图像水印方法分为水印嵌入、水印同步、水印提取三部分,其水印系统的整体框架如图1所示。水印嵌入是将水印信息嵌入到原图像中,输出水印图像的过程;水印同步是指将拍摄到的水印图像进行几何校正,实现与水印图像在像素位置上同步的过程,水印提取是指从完成同步的水印图像中提取出隐藏的水印信息的过程。
本技术方案实施时,原图像在嵌入水印信息后形成水印图像A,水印图像A经过打印或屏幕显示后被重新拍摄得到打印水印图像B,这个过程相当于从三维立体空间投影到二维平面空间,通常会有一定的几何失真,这就需要使用水印同步方法B进行几何校正,否则会导致后续的水印提取过程失败,其同步过程示意图如图2所示。
(2)基于SIFT特征点的图像匹配
SIFT特征对旋转、尺度缩放、亮度变化等保持不变性,是一种非常稳定的局部特征,这些局部特征通常称为图像的“关键点”。本部分内容主要实现水印图像A和水印图像B的SIFT特征点提取与匹配。
在SIFT特征点提取阶段,其特征点详细提取步骤如图3所示,并可简化为4个步骤:①尺度空间的极值检测,②特征点定位,③特征方向赋值,④特征点描述。最终,两幅图像可用SIFT特征点描述为两个特征矩阵,其中水印图像A图像的SIFT特征点矩阵可描述为:numw*128,水印图像B的SIFT特征点矩阵可描述为:nump*128,其中特征点numw和nump分别表示水印图像A和水印图像B的特征点数量,128表示每个SIFT特征点的特征向量。
在SIFT特征点匹配阶段,使用Knn最近邻匹配(记为:KnnMatch)方法进行水印图像A和水印图像B的特征点匹配。KnnMatch的参数k设置为2,即对水印图像B的每个SIFT特征点在水印图像A中匹配返回两个最近邻SIFT特征点,最近邻特征点的衡量标准是使用特征向量之间的欧氏距离,若两个最近邻SIFT特征点的欧式距离小于设置的阈值,则认为是一对匹配点,具体实施方式如下:
对于水印图像B上某个SIFT特征点pointm,水印图像A遍历所有SIFT特征点查找到与pointm最近邻特征点point1,m(记point1,m与pointm的欧式距离为dis1,m)和次近邻特征点point2,m(记point2,m与pointm的欧式距离为dis2,m),计算两个最近邻特征点欧氏距离比值并与设定的阈值(经验值,一般设:θ=0.8)进行比较,即:
若该比值小于0.8,则我们视pointm和point1,m为一对最佳匹配点,予以保存;否则为一对错配点,予以剔除。通过该方法,可以找到水印图像A和水印图像B若干对最佳匹配点。
(3)基于透视变换的图像校正
透视变换核心是使用变换矩阵(也称单应性矩阵),实现图像从一种视图变换到另外一种视图,即可实现图像校正工作。本发明中,我们首先根据水印图像B与水印图像A若干对最佳匹配点的坐标计算变换矩阵,然后利用变换矩阵实现print_watermark_image图像的校正工作(即:水印同步工作)。
最优变换矩阵为H为含有8个未知参数的矩阵,可通过4组最佳匹配点坐标求解出最优变换矩阵为H。最后,对水印图像B使用最优变换矩阵为H的透视变换即可得到校正后的水印图片实现最终的水印同步。
以上对本发明及其实施方式进行了描述,这种描述没有限制性,附图中所示的也只是本发明的实施方式之一,实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本发明的保护范围。
Claims (4)
1.一种基于SIFT特征点匹配的水印同步方法,其特征在于:包括以下具体步骤:
1)首先使用抵抗打印/拍摄的鲁棒数字图像水印算法对原图像进行水印信息的嵌入,得到水印图像A,然后将水印图像A打印或显示在屏幕上,接着用带有相机功能的智能设备拍摄水印图像得到拍摄后的水印图像B,然后对拍摄后的水印图像B进行水印同步,得到水印同步后的水印图片;
2)水印同步:提取水印图像A和水印图像B中的SIFT特征点:将两幅图像的可用SIFT特征点描述为两个特征矩阵,水印图像A的SIFT特征点矩阵描述为:numw*128,水印图像B的SIFT特征点矩阵描述为nump*128,其中,特征点numw和nump分别表示水印图像A和水印图像B的特征点数量,128表示每个SIFT特征点的特征向量;
3)使用Knn最近邻算法进行水印图像A和水印图像B的特征点匹配,其中K的参数设置为2,从而对水印图像B的每个SIFT特征点在水印图像A中匹配返回两个最近邻SIFT特征点,从而能够得到若干对最佳匹配点;
4)根据水印图像A与水印图像B若干对最佳匹配点的坐标计算变换矩阵,然后利用变换矩阵实现图像的校正工作:
最后,对水印图像B使用最优变换矩阵为H的透视变换即可得到校正后的水印图片,从而实现最终的水印同步。
2.根据权利要求1所述的一种基于SIFT特征点匹配的水印同步方法,其特征在于:所述步骤3)中判断最佳匹配点的方法为判断水印图像A和水印图像B上的SIFT特征点的欧氏距离是否小于设置的阈值。
3.根据权利要求2所述的一种基于SIFT特征点匹配的水印同步方法,其特征在于:所述最优变换矩阵为H含有8个未知参数的矩阵,并可通过4组最佳匹配点坐标求解出最优变换矩阵为H。
4.根据权利要求2所述的一种基于SIFT特征点匹配的水印同步方法,其特征在于:所述SIFT特征点的提取方法包括以下步骤:
①尺度空间的极值检测;
②特征点定位;
③特征方向赋值;
④特征点描述。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011067968.8A CN112184533B (zh) | 2020-10-08 | 2020-10-08 | 一种基于sift特征点匹配的水印同步方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011067968.8A CN112184533B (zh) | 2020-10-08 | 2020-10-08 | 一种基于sift特征点匹配的水印同步方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112184533A true CN112184533A (zh) | 2021-01-05 |
CN112184533B CN112184533B (zh) | 2023-05-23 |
Family
ID=73949179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011067968.8A Active CN112184533B (zh) | 2020-10-08 | 2020-10-08 | 一种基于sift特征点匹配的水印同步方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184533B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113613073A (zh) * | 2021-08-04 | 2021-11-05 | 北京林业大学 | 一种端到端的视频数字水印系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070073332A (ko) * | 2006-01-04 | 2007-07-10 | 한국과학기술원 | 크기불변특징변환(sift)를 이용한 디지털 워터마킹방법 |
JP2009100296A (ja) * | 2007-10-17 | 2009-05-07 | Mitsubishi Electric Corp | 電子透かし埋め込み装置、電子透かし検出装置、それらの方法およびそれらのプログラム |
CN109064376A (zh) * | 2018-07-24 | 2018-12-21 | 南京师范大学 | 基于Harris-Laplace与SIFT描述子的DFT域图像抗屏摄水印算法 |
CN109886856A (zh) * | 2019-02-21 | 2019-06-14 | 中国科学技术大学 | 对屏幕拍摄过程鲁棒的数字水印方法 |
-
2020
- 2020-10-08 CN CN202011067968.8A patent/CN112184533B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070073332A (ko) * | 2006-01-04 | 2007-07-10 | 한국과학기술원 | 크기불변특징변환(sift)를 이용한 디지털 워터마킹방법 |
JP2009100296A (ja) * | 2007-10-17 | 2009-05-07 | Mitsubishi Electric Corp | 電子透かし埋め込み装置、電子透かし検出装置、それらの方法およびそれらのプログラム |
CN109064376A (zh) * | 2018-07-24 | 2018-12-21 | 南京师范大学 | 基于Harris-Laplace与SIFT描述子的DFT域图像抗屏摄水印算法 |
CN109886856A (zh) * | 2019-02-21 | 2019-06-14 | 中国科学技术大学 | 对屏幕拍摄过程鲁棒的数字水印方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113613073A (zh) * | 2021-08-04 | 2021-11-05 | 北京林业大学 | 一种端到端的视频数字水印系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112184533B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220335561A1 (en) | Embedding signals in a raster image processor | |
CN108108746B (zh) | 基于Caffe深度学习框架的车牌字符识别方法 | |
CN110717450B (zh) | 自动识别原始文档的翻拍图像的训练方法和检测方法 | |
CN109271937B (zh) | 基于图像处理的运动场地标志物识别方法及系统 | |
Zhang et al. | Detecting and extracting the photo composites using planar homography and graph cut | |
Chen et al. | Image splicing detection via camera response function analysis | |
CN112200710A (zh) | 一种基于深度学习的自适应隐形水印同步检测方法 | |
CN104392416B (zh) | 一种运动场景的视频拼接方法 | |
CN112365404B (zh) | 一种基于多相机的接触网全景图像拼接方法、系统及设备 | |
Gou et al. | Data hiding in curves with application to fingerprinting maps | |
CN115244542A (zh) | 用于验证产品真伪的方法和装置 | |
CN115205114A (zh) | 一种基于orb特征的高分辨率图像拼接改进算法 | |
CN111784587B (zh) | 一种基于深度学习网络的发票照片位置矫正方法 | |
CN111754441B (zh) | 一种图像复制粘贴伪造被动检测方法 | |
CN115100158A (zh) | 一种实现图像精准匹配的印刷检测方法 | |
CN112184533B (zh) | 一种基于sift特征点匹配的水印同步方法 | |
CN107330856B (zh) | 一种基于投影变换和薄板样条的全景成像方法 | |
KR102223754B1 (ko) | 객체 이미지 개선 방법 및 장치 | |
CN113379585A (zh) | 无边框定位的陶瓷水印模型训练方法和嵌密方法 | |
CN106845540B (zh) | 一种图像重采样操作插值类型识别方法 | |
Gopakumar | A survey on image splice forgery detection and localization techniques | |
CN109359513B (zh) | 一种基于边缘检测和颜色匹配的异常检测方法 | |
CN113313707A (zh) | 原始图像处理方法、装置、设备及可读存储介质 | |
CN111898402A (zh) | 一种智能排版系统 | |
CN105139428A (zh) | 一种基于四元数的彩色图像surf特征描述方法和系统 |
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 |