CN112700363A - 一种基于区域选择的自适应可视水印嵌入方法和装置 - Google Patents

Abstract

本发明涉及一种基于区域选择的自适应可视水印嵌入方法和装置，属于数字水印和信息隐藏技术领域。该方法的步骤包括：在宿主图像中进行显著性区域检测，得到关键内容区域集合；将非关键内容区域按照可视水印图案大小进行均匀分块，并从中选择平坦区域作为可视水印图案的待嵌入区域；通过提取宿主图像中待嵌入区域的背景特征来自适应计算水印嵌入强度；结合水印图嵌入强度和宿主图像的最小可觉差误差遮掩矩阵，进行可视水印图案的嵌入。本发明能够取得较优的可视水印嵌入效果，达到了鲁棒性、可见性和透明度三个因素之间的平衡。

Description

一种基于区域选择的自适应可视水印嵌入方法和装置

技术领域

本发明属于数字水印和信息隐藏技术领域，具体涉及一种可视水印嵌入方法，尤其涉及了基于区域选择的自适应可视水印嵌入方法。

背景技术

可视水印技术被认为是一种主动版权保护机制，它将所有者的版权标识信息以半透明地方式叠加到数字图像或视频帧的特定位置处，可以让人直接进行所有权识别，从而使得非法使用变得更加困难。可视水印技术在很多领域具有重要用途，例如内容保护、版权标识、广告宣传等。近二十年来，可视水印技术出现了大量具有不同特点的方法。这些技术可分为三类：永久性的、可移除的和可逆可视水印。在永久性可视水印中，嵌入的水印图案永久性地保留在水印图像中，所有者也不能完全擦除。然而，在可移除和可逆可视水印技术中，嵌入的可见水印图案可以由授权人使用一些密钥来移除。此外，可逆技术可以完全去除可视水印图案，并无损地恢复出原始宿主图像数据。无论何种类型，可视水印技术必须达到三个要求：鲁棒性、可见性和透明度。鲁棒性是指非授权人很难通过正常的图像处理方法恶意或者无意地去除可视水印图案，导致水印图像质量降低，以更好地抵抗各种破坏攻击；另外，可视水印图案嵌入宿主图像后具有完全可见性，这允许容易而明确地识别宿主图像的所有权；最后，可视水印图案具有最小突兀性或最大透明度，允许观察者识别宿主图像的细节。在所有可视水印算法中，这些要求都是相互矛盾的，而它们之间获得一个平衡又是非常必要的。

近年来，很多学者针对如何将可视水印图案从水印图像中高效去除进行了大量研究。很多的可视水印图案去除算法需要事先知道水印图案的位置，根据位置信息和水印图案本身的特征信息设计相应的去除策略。比如基于传统图像修复方法的可视水印图案去除算法中，主要利用水印图案的周围图像信息填充与水印区域中黑色像素相对应的区域。因此，这只有知道图像中缺失像素的具体位置，才能成功将可视水印图案从水印图像中成功去除。当每幅图像中的可视水印位置根据图像内容自适应地发生变化时，可视水印图案被批量去除的风险大大降低，安全性能会得到提升。

但现有方法都不能够自适应地嵌入可视水印图案，并且很难在鲁棒性、可见性和透明度三个因素之间达到平衡。

发明内容

本发明主要是为了提高可视水印嵌入方法的鲁棒性能，降低嵌入后的可视水印图案被批量去除的风险。同时，结合可视水印图案嵌入区域的最小可觉差误差遮掩矩阵系数、灰度分布和图像纹理复杂度等特征，实现了可视水印图案的自适应强度嵌入，取得了较优的可视水印嵌入效果，达到了鲁棒性、可见性和透明度三个因素之间的平衡。

本发明提出了一种基于区域选择的自适应可视水印嵌入方法，技术方案包括：

步骤一，在宿主图像中进行显著性区域检测，得到关键内容区域集合。

步骤二，将非关键内容区域按照可视水印图案大小进行均匀分块，并从中选择平坦区域作为可视水印图案的待嵌入区域。

步骤三，通过提取宿主图像中待嵌入区域的背景特征来自适应计算水印嵌入强度。

步骤四，结合水印嵌入强度和宿主图像的最小可觉差误差遮掩矩阵，进行可视水印图案的嵌入。

进一步地，所述在宿主图像中进行显著性区域检测，得到关键内容区域集合，包括：

将宿主图像分割成不同的超像素，其中每个超像素由位置相邻、颜色值相近的一组像素组成；

利用特征向量描述不同区域的图像特征；

基于多层图像分割的思想，利用监督学习的方式计算不同特征向量的显著性得分；

将多个层次的显著性得分进行融合得到最终的显著性映射图，即得到关键内容区域集合。

进一步地，所述选择平坦区域作为可视水印图案的待嵌入区域，包括：

通过计算图像边界的疏密程度确定图像纹理复杂度；

计算图像灰度分布特征；

根据图像纹理复杂度和图像灰度分布特征计算每个图像子块的特征值，并将所有特征值排序，其中最小的特征值对应的图像区域即为最终的可视水印图案嵌入区域。

进一步地，所述通过计算图像边界的疏密程度确定图像纹理复杂度，包括：

针对宿主图像H做高斯滤波得到H_G，然后对高斯滤波的结果做拉普拉斯变换得到梯度特征图G；

利用大津法对G进行二值化处理得到只有0和255两种灰度级的图像G_B，接着对G_B做形态学闭运算得到M，从而获得图像边界特征；

宿主图像H中的图像子块R_i的边界密度，即纹理复杂度计算如下：

其中，L_i为图像子块R_i在M中提取得到的位于边界上的像素数；S_i是图像子块R_i的大小，τ为避免ρ_i的值为0而设置的小于1的正实数。

进一步地，所述通过提取宿主图像中待嵌入区域的背景特征来自适应计算水印嵌入强度，是结合可视水印图案嵌入区域及其邻域内的纹理复杂度和内部像素值的变化幅度，最终确定水印嵌入强度；水印嵌入强度γ_P的计算公式为：

其中，α_p为可视水印图案W中的一点P对应的水印嵌入区域的纹理复杂度；β_p为可视水印嵌入区域内部的像素值变化剧烈程度，利用区域内像素值的梯度进行衡量。

进一步地，所述结合水印嵌入强度和宿主图像的最小可觉差误差遮掩矩阵，进行可视水印图案的嵌入，包括：

Step1：将宿主图像从RGB颜色空间转化到YUV原色空间，针对亮度分量Y进行可视水印图案嵌入；

Step2：针对Y分量，计算其最小可觉差误差遮掩矩阵J，计算方法为：针对一给定的原始图像H，其最终的遮掩矩阵J由亮度遮掩矩阵M_L、纹理遮掩矩阵M_T及边界遮掩矩阵M_E结合而成，矩阵中每一点的值J(x，y)即为原始图像H位于点(x，y)处在视觉不可感知的情况下其像素值能够改变的最大幅度，即J＝max{M_L，min{M_T，M_E}}；

Step3：针对可视水印图案W的像素信息，在Y分量的水印嵌入区域R内嵌入可视水印图案；

Step4：将嵌入水印信息后的颜色空间YUV转换到RGB空间得到最终水印嵌入效果。

本发明还提供一种采用本发明方法的基于区域选择的自适应可视水印嵌入装置，其包括：

显著性区域检测模块，用于在宿主图像中进行显著性区域检测，得到关键内容区域集合；

待嵌入区域选择模块，用于将非关键内容区域按照可视水印图案大小进行均匀分块，并从中选择平坦区域作为可视水印图案的待嵌入区域；

嵌入强度计算模块，用于通过提取宿主图像中待嵌入区域的背景特征来自适应计算水印嵌入强度；

可视水印嵌入模块，用于结合水印嵌入强度和宿主图像的最小可觉差误差遮掩矩阵，进行可视水印图案的嵌入。

与现有技术相比，本发明的有益效果在于：

本发明中，首先在背景图像中检测了显著性区域，可视水印图案嵌入避开这些关键区域，从而使得原始宿主图像本身的使用价值不会受到破坏。另外，本发明方法在非关键区域中自适应选择平坦图像区域进行水印嵌入，减少了可视水印图案被批量去除的风险，提高了可视水印嵌入方法的鲁棒性能。同时，根据水印嵌入区域图像特征自适应计算了水印强度，增加了可视水印图案嵌入后的透明度和可见性。总之，在本发明中，可视水印嵌入方法可以在鲁棒性、透明性和可见性方面达到平衡。

附图说明

图1为基于区域选择的可视水印自适应可视水印嵌入方法的步骤流程图。

图2为图像显著性区域检测效果图：(a)原始宿主图像；(b)宿主图像的显著性区域图；(c)显著性区域提取结果。

图3为水印嵌入效果，其中(a)为二值的可视水印图案，大小为100*100像素，(b)为(a)嵌入宿主图像即图1中(a)后得到的水印效果。

图4为基于区域选择的可视水印自适应可视水印嵌入系统的模块构成图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面通过具体实施例和附图，对本发明做进一步详细说明。

本发明一个实施例的基于区域选择的可视水印自适应可视水印嵌入方法的步骤流程如图1所示，具体步骤如下：

1)在宿主图像中进行显著性区域检测得到关键内容区域集合。

为了提高可视水印算法的鲁棒性，本文自适应选择可视水印图案嵌入区域。同时，考虑到美观性和实用性的问题，可视水印图案不应该遮挡背景宿主图像中的关键区域，否则会严重破坏原始宿主图像的本身使用价值。因为在大部分的视觉场景中，人的视觉系统可以看到图像中的任何区域，但感兴趣的重要区域只占其中的一小部分。

在实施方案中，我们提出了一种基于多层图像分割的显著性区域检测方式。首先，将宿主图像分割成不同的超像素，其中每个超像素由位置相邻，颜色值相近的一组像素组成；其次，利用特征向量描述不同区域的颜色、纹理、几何等图像特征；再次，基于多层图像分割的思想，利用监督学习的方式计算不同特征向量的显著性得分；最后，将多个层次的显著性得分进行融合得到最终的显著性映射图，即得到了关键内容区域集合。

例如，针对图2中(a)所示的宿主图像，显著性图像的提取结果如图2中(b)所示。这里将显著性图像中最大显著值与最小显著值的中值作为阈值将显著性区域图像做二值化处理，得到的结果如图2中(c)所示。通过图2中(c)可知，近处的雕塑、远处的博雅塔以及塔旁边的树木所占区域被识别为宿主图像的显著性区域。

2)将非关键内容区域按照可视水印图案大小进行均匀分块，并从中选择平坦区域作为可视水印图案的待嵌入区域。

将非显著性区域按照可视水印图案的大小进行分块，然后依次通过抽取每个图像分块的纹理复杂度、灰度分布等特征，并进行图像平坦区域判断。具体过程为：

a)计算图像纹理复杂度。

图像的边界密度是影响图像纹理复杂度的重要因素。因此，本实施例中，通过计算图像边界的疏密程度确定图像纹理复杂度，具体计算按步骤如下：

Step1：获取原始宿主图像的梯度特征图。

为消除噪声的干扰，针对宿主图像H做高斯滤波得到H_G，然后对高斯滤波的结果做拉普拉斯变换得到梯度特征图G：

G＝Laplacian(H_G) (1)

Step2：获取图像边界特征。

利用大津法对G进行二值化处理得到只有0和255两种灰度级的图像G_B，接着对G_B做形态学闭运算得到M：

M＝C(G_B) (2)

其中，C()即对图像做形态学闭运算，此时，在M中保存了大量宿主图像的边界特征。

Step3：计算纹理复杂度。

宿主图像H中的图像子块R_i的边界密度，即纹理复杂度计算如下：

其中，L_i为图像子块R_i在M中提取得到的位于边界上的像素数；S_i是图像子块R_i的大小，τ为避免ρ_i的值为0而设置的小于1的正实数，在本实施例中设置成0.01。

b)计算图像灰度分布特征。

可视水印的嵌入可以通过修改宿主图像空域的像素值来实现。一般来讲，在图像的暗色调区域(灰度值区间为[0，127])适当增加图像的灰度值，在图像亮色调区域(灰度值区间为[128,255])需要适当降低图像的灰度值，这两种情况下需要修改的幅度较大时才能保证可视水印图案的可见性。而当宿主图像的像素值在中间色调灰度值127左右时，图像灰度值的修改幅度相对较小。因此，为了保持整体的水印图像视觉效果，本文尽量选取了中间色调灰度值区间的像素值，区间范围为[127-σ，127+σ]，这里σ可以取值为64。则图像子块R_i的灰度分布特征计算方法如下：

首先，计算图像子块R_i中所有像素的平均灰度α_i：

其中，P_j为宿主图像位于j点处的像素值，图像子块R_i的灰度分布特征γ_i计算如(5)所示：

c)选择图像平坦区域。

利用(3)式及(5)式得到每个图像子块R_i的边界密度ρ_i和灰度分布特征γ_i后，R_i的特征值μ_i可以通过(6)式得到：

依次计算每个图像子块R_i的特征值μ_i，并将所有特征值μ_i排序，其中最小的特征值μ_j对应的图像区域R_j即为最终的可视水印图案嵌入区域。本文通过降低ρ_i及增加γ_i的方式以达到降低μ_i目的。其中ρ_i值越小，可视水印图案可以成功避开图像纹理复杂度高的区域；γ_i值越大，选取的可视水印图案嵌入区域会远离宿主图像中的高色调和低色调背景区域，从而使水印图像达到相对比较理想的视觉效果。

3)通过提取宿主图像中待嵌入区域的背景特征来自适应计算水印嵌入强度。

在本实施例中，在一个2*2的单元图像块内嵌入1bit二值可视水印图案信息，并结合可视水印图案嵌入区域及其邻域内的纹理复杂度和内部像素值的变化幅度，最终确定水印嵌入强度。具体过程为：

a)计算图像纹理复杂度。

设可视水印图案W中的一点P，对应于宿主图像中的大小为2*2的嵌入区域B，B以及其周围8个2*2的嵌入区域构成6*6的图像块S，通过(3)可得到S内的边界密度ρ_s，这一边界密度值即可作为P点对应的水印嵌入区域B的纹理复杂度α_p，即：

α_p＝ρ_s (7)

b)计算像素值变化幅度。

可视水印嵌入区域内部的像素值变化剧烈程度β_p可以利用区域内像素值的梯度进行衡量。在嵌入区域B中，对四个像素按灰度值的大小从小到大排序，计算两个较小的像素灰度平均值a₁和两个较大的像素灰度平均值a₂，β_p的计算方式如(8)所示：

同(3)，τ为一个大于零的常数。如(8)所示，在像素值变化平坦的区域，a₁的值接近a₂，此时tan^-1(a_b/a₁)近似等于π/4，此时对应较大的β_p；同理当区域内像素值变化剧烈时，a₁与a₂相差较大，(8)式的分母会随之增大，因此β_p会随之减小。

c)计算最终的水印嵌入强度。

水印嵌入强度的计算方式如(9)所示：

由(9)可知，在宿主图像平坦的区域，α_p较小，β_p较大，则水印嵌入强度γ相对较小；相反，在宿主图像纹理复杂区域区域，α_p较大，β_p较小，则水印嵌入强度γ相对较大。计算出可视水印图案嵌入区域内所有的γ值后，并将γ值归一化到[n₁，n2]区间内。

4)结合水印嵌入强度和宿主图像的最小可觉差误差遮掩矩阵，进行可视水印图案的嵌入。

为了保证可视水印图案在任何宿主图像背景下都能产生灰度值连续渐变的效果，在本实施例中，我们设计了如(10)所示的可视水印图案嵌入方式：

H_w(x，y)＝(1-γ)*H(x，y)+γ*127 (10)

其中，H_w(x，y)是嵌入可视水印图案后的像素值，H(x，y)是宿主图像的像素值，γ是水印嵌入强度，式(10)可近似看作H(x，y)从0到255变化的连续函数。当宿主图像的像素值分布在中间色调附近时，对应的水印图像像素值会产生平稳的变化，结合最小可觉差误差遮掩矩阵，可实现比较理想的可视水印图案嵌入效果。

设宿主图像H，二值可视水印图案W，大小为w*h。W在宿主图像H中的嵌入区域R，大小为2w*2h，即宿主中每个2*2大小的图像子块B_i嵌入1bit水印信息。以彩色RGB图像为例说明具体嵌入方式如下：

Step1：首先，将宿主图像从RGB颜色空间转化到YUV原色空间，针对亮度分量Y进行可视水印图案嵌入。

Step2：针对Y分量，计算其最小可觉差误差遮掩矩阵J。

其中最小可觉差误差遮掩矩阵J的计算方法为：针对一给定的原始图像H，其最终的遮掩矩阵J由亮度遮掩矩阵M_L、纹理遮掩矩阵M_T及边界遮掩矩阵M_E结合而成，矩阵中每一点的值J(x，y)即为原始图像H位于点(x，y)处在视觉不可感知的情况下其像素值可以改变的最大幅度，即：

J＝max{M_L，min{M_T，M_E}} (11)

Step3：针对可视水印图案W的像素信息，在Y分量的水印嵌入区域R内嵌入可视水印图案，具体过程如下：

(1)当W(x，y)＝0时，即(x，y)位于宿主图像中相应的像素块B_i内所有点的像素值保持不变；

(2)当W(x，y)＝1时，针对B_i内每一像素点P，设其原始的像素值为I_p，利用(10)式计算得到嵌入可视水印图案后的像素值H_w，比较水印嵌入前后的像素值改变幅度：

i)若|I_p-H_w|＜ρ*J(P)，其中ρ≥1为一固定的常数，J(P)为遮掩矩阵J位于P点的值，此时说明通过(10)式求得水印像素值的该变量过小，则通过以下方式重新计算嵌入水印后的像素值：

计算位于B_i及邻域内8个像素块内所有像素的灰度平均值m_p，水印嵌入后的结果I_wp′通过(12)式计算得到：

ii)若|I_p-H_w|≥ρ*J(P)，说明通过(10)式得到的结果可以被人眼的视觉系统所捕捉，实现视觉可见性，此时H_w即为水印嵌入后的结果。

Step4：将嵌入水印信息后的颜色空间YUV转换到RGB空间得到最终水印嵌入效果。

例如将图3中(a)所示的Logo图像嵌入到图2的(a)中得到的水印图像为图3中(b)，其中，n₁＝0.3，n₂＝0.7，ρ＝3。

本发明的另一实施例提供一种采用本发明方法的基于区域选择的自适应可视水印嵌入装置，如图4所示，其包括：

显著性区域检测模块，用于在宿主图像中进行显著性区域检测，得到关键内容区域集合；

待嵌入区域选择模块，用于将非关键内容区域按照可视水印图案大小进行均匀分块，并从中选择平坦区域作为可视水印图案的待嵌入区域；

嵌入强度计算模块，用于通过提取宿主图像中待嵌入区域的背景特征来自适应计算水印嵌入强度；

可视水印嵌入模块，用于结合水印嵌入强度和宿主图像的最小可觉差误差遮掩矩阵，进行可视水印图案的嵌入。

本发明的另一实施例提供一种电子装置(计算机、服务器、智能手机等)，其包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序被配置为由所述处理器执行，所述计算机程序包括用于执行本发明方法中各步骤的指令。

本发明的另一实施例提供一种计算机可读存储介质(如ROM/RAM、磁盘、光盘)，所述计算机可读存储介质存储计算机程序，所述计算机程序被计算机执行时，实现本发明方法的各个步骤。

以上公开的本发明的具体实施例，其目的在于帮助理解本发明的内容并据以实施，本领域的普通技术人员可以理解，在不脱离本发明的精神和范围内，各种替换、变化和修改都是可能的。本发明不应局限于本说明书的实施例所公开的内容，本发明的保护范围以权利要求书界定的范围为准。

Claims (10)

1.一种基于区域选择的自适应可视水印嵌入方法，其特征在于，包括以下步骤：

在宿主图像中进行显著性区域检测，得到关键内容区域集合；

将非关键内容区域按照可视水印图案大小进行均匀分块，并从中选择平坦区域作为可视水印图案的待嵌入区域；

通过提取宿主图像中待嵌入区域的背景特征来自适应计算水印嵌入强度；

结合水印嵌入强度和宿主图像的最小可觉差误差遮掩矩阵，进行可视水印图案的嵌入。

2.根据权利要求1所述的方法，其特征在于，所述在宿主图像中进行显著性区域检测，得到关键内容区域集合，包括：

将宿主图像分割成不同的超像素，其中每个超像素由位置相邻，颜色值相近的一组像素组成；

利用特征向量描述不同区域的图像特征；

基于多层图像分割的思想，利用监督学习的方式计算不同特征向量的显著性得分；

将多个层次的显著性得分进行融合得到最终的显著性映射图，即得到关键内容区域集合。

3.根据权利要求1所述的方法，其特征在于，所述选择平坦区域作为可视水印图案的待嵌入区域，包括：

通过计算图像边界的疏密程度确定图像纹理复杂度；

计算图像灰度分布特征；

根据图像纹理复杂度和图像灰度分布特征计算每个图像子块的特征值，并将所有特征值排序，其中最小的特征值对应的图像区域即为最终的可视水印图案嵌入区域。

4.根据权利要求3所述的方法，其特征在于，所述通过计算图像边界的疏密程度确定图像纹理复杂度，包括：

针对宿主图像H做高斯滤波得到H_G，然后对高斯滤波的结果做拉普拉斯变换得到梯度特征图G；

利用大津法对G进行二值化处理得到只有0和255两种灰度级的图像G_B，接着对G_B做形态学闭运算得到M，从而获得图像边界特征；

宿主图像H中的图像子块R_i的边界密度，即纹理复杂度计算如下：

其中，L_i为图像子块R_i在M中提取得到的位于边界上的像素数；S_i是图像子块R_i的大小，τ为避免ρ_i的值为0而设置的小于1的正实数。

5.根据权利要求4所述的方法，其特征在于，所述计算图像灰度分布特征，尽量选取中间色调灰度值区间的像素值，区间范围为[127-σ,127+σ]，则图像子块R_i的灰度分布特征计算步骤如下：

计算图像子块R_i中所有像素的平均灰度α_i：

其中，P_j为宿主图像位于j点处的像素值；图像子块R_i的灰度分布特征γ_i采用下式计算：

6.根据权利要求1所述的方法，其特征在于，所述通过提取宿主图像中待嵌入区域的背景特征来自适应计算水印嵌入强度，是结合可视水印图案嵌入区域及其邻域内的纹理复杂度和内部像素值的变化幅度，最终确定水印嵌入强度；水印嵌入强度γ_P的计算公式为：

其中，α_p为可视水印图案W中的一点P对应的水印嵌入区域的纹理复杂度；β_p为可视水印嵌入区域内部的像素值变化剧烈程度，利用区域内像素值的梯度进行衡量。

7.根据权利要求1所述的方法，其特征在于，所述结合水印嵌入强度和宿主图像的最小可觉差误差遮掩矩阵，进行可视水印图案的嵌入，包括：

Step1：将宿主图像从RGB颜色空间转化到YUV原色空间，针对亮度分量Y进行可视水印图案嵌入；

Step2：针对Y分量，计算其最小可觉差误差遮掩矩阵J，计算方法为：针对一给定的原始图像H，其最终的遮掩矩阵J由亮度遮掩矩阵M_L、纹理遮掩矩阵M_T及边界遮掩矩阵M_E结合而成，矩阵中每一点的值J(x,y)即为原始图像H位于点(x,y)处在视觉不可感知的情况下其像素值能够改变的最大幅度，即J＝max{M_L,min{M_T,M_E}}；

Step3：针对可视水印图案W的像素信息，在Y分量的水印嵌入区域R内嵌入可视水印图案，具体过程包括：

(1)当W(x,y)＝0时，即(x,y)位于宿主图像中相应的像素块B_i内所有点的像素值保持不变；

(2)当W(x,y)＝1时，针对B_i内每一像素点P，设其原始的像素值为I_p，利用下式计算得到嵌入可视水印图案后的像素值H_w：

H_w(x,y)＝(1-γ)*H(x,y)+γ*127

其中，H_w(x,y)是嵌入可视水印图案后的像素值，H(x,y)是宿主图像的像素值，γ是水印嵌入强度；

然后比较水印嵌入前后的像素值改变幅度：

i)若|I_p-H_w|<*J(P)，其中ρ≥1为一固定的常数，J(P)为遮掩矩阵J位于P点的值，则通过以下方式重新计算嵌入水印后的像素值：

计算位于B_i及邻域内8个像素块内所有像素的灰度平均值m_p，水印嵌入后的结果I_wp′通过下式计算得到：

ii)若|I_p-H_w|≥ρ*J(P)，则此时H_w即为水印嵌入后的结果；

Step4：将嵌入水印信息后的颜色空间YUV转换到RGB空间得到最终水印嵌入效果。

8.一种采用权利要求1～7中任一权利要求所述方法的基于区域选择的自适应可视水印嵌入装置，其特征在于，包括：

显著性区域检测模块，用于在宿主图像中进行显著性区域检测，得到关键内容区域集合；

待嵌入区域选择模块，用于将非关键内容区域按照可视水印图案大小进行均匀分块，并从中选择平坦区域作为可视水印图案的待嵌入区域；

嵌入强度计算模块，用于通过提取宿主图像中待嵌入区域的背景特征来自适应计算水印嵌入强度；

可视水印嵌入模块，用于结合水印嵌入强度和宿主图像的最小可觉差误差遮掩矩阵，进行可视水印图案的嵌入。

9.一种电子装置，其特征在于，包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序被配置为由所述处理器执行，所述计算机程序包括用于执行权利要求1～7中任一权利要求所述方法的指令。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，所述计算机程序被计算机执行时，实现权利要求1～7中任一权利要求所述的方法。

Images