CN113191932B - 一种融合离散切比雪夫变换的空域彩色数字图像盲水印方法 - Google Patents

Abstract

本发明结合空域数字水印方法运行速度快和变换域数字水印方法鲁棒性强的优点，公开了一种融合离散切比雪夫变换（DTT）的空域彩色数字图像盲水印方法。该方法利用离散切比雪夫变换能量集中的特性，在空域中直接求得图像块经离散切比雪夫变换后的最大能量系数，并通过量化该系数来完成彩色图像数字水印的嵌入与盲提取。本发明将彩色图像数字水印嵌入到彩色载体图像中，在具有较好水印不可见性的基础上，还具有较强的水印算法鲁棒性和较高的执行效率，解决了大容量彩色图像数字水印算法运行速度慢、鲁棒性弱的难题，适用于快速、高效进行数字媒体版权保护的场合。

Description

一种融合离散切比雪夫变换的空域彩色数字图像盲水印方法

技术领域

本发明属于网络空间安全技术领域，涉及彩色数字图像作为数字水印的版权保护。

背景技术

随着现代信息技术的发展和5G网络的普及，各类侵权行为逐渐从线下向线上转移且侵权方式层出不穷，严重制约了互联网的健康发展，给数字多媒体的版权保护带来了更加严峻的挑战。因此，数字作品的版权保护迫在眉睫，亟需研究更加有效的数字水印方法以应对当前环境下的数字侵权行为。

在日常生活中，彩色图像凭借其信息量更大和视觉效果更佳的优势，成为多媒体大数据传播的主要载体，彩色图像的版权保护问题受到了人们的高度重视。因此，如何充分利用空域水印方法和变换域水印方法各自的优点，设计一种不可见性好、鲁棒性强且实时性高的彩色图像数字水印方法成为当前数字水印技术的难点之一。

发明内容

本发明的目的是提供一种融合离散切比雪夫变换的空域彩色数字图像盲水印方法，其特征在于通过具体的水印嵌入过程和水印提取过程来实现的，其水印嵌入过程描述如下：

第一步：对一幅大小为M×M的24位彩色载体图像H作降维处理，得到红、绿、蓝三个分层载体图像H_i；然后，将各分层载体图像H_i划分成大小为m×m的非重叠图像块，其中i＝1,2,3分别表示红、绿、蓝三层；

第二步：首先，对一幅大小为N×N的24位彩色水印图像W进行基于密钥Ka的Logistic混沌映射得到置乱水印图像W^L；然后，将置乱水印图像W^L分成红、绿、蓝三个分层置乱水印图像W_i ^L；最后，将分层置乱水印图像W_i ^L中的每个十进制像素值转换为8位二进制数，依次连接成长度为8N²的水印位序列SW_i ^L，其中i＝1,2,3分别表示红、绿、蓝三层；

第三步：利用基于密钥Kb的MD5哈希伪随机选择算法从分层载体图像H_i中选择图像块dtblock，其中i＝1,2,3分别表示红、绿、蓝三层；

第四步：利用公式(1)，在空域中直接计算出图像块dtblock在经过离散切比雪夫变换(discrete Tchebichef transform)后的最大能量系数E_max；

其中，m为图像块dtblock的尺寸大小，f(x,y)为图像块dtblock第x行第y列的像素值；

第五步：按照先后顺序依次从分层水印位序列SW_i ^L中选取待嵌入水印位w；利用公式(2)、(3)，分别求得最大能量系数E_max的上边界值E_upper和下边界值E_lo_wer；

其中，mod(.)为取余函数，α为量化系数，T_i为第i层的量化步长，i＝1,2,3分别表示红、绿、蓝三层；

第六步：利用公式(4)，从最大能量系数E_max的上下边界值E_upper和E_lo_wer中选取最佳边界值E_max ^*；

其中，abs(.)为绝对值函数，d1＝E_lo_wer-E_max，d2＝E_upper-E_max；

第七步：利用公式(5)，将最大能量系数的变化量change均匀地分布到图像块dtblock的所有像素上，得到修改后的像素值f(x,y)^*，并用其替换原图像块相应位置处的像素值f(x,y)，即可得到含水印图像块dtblock^*；

f(x，y)^*＝f(x，y)+change/m (5)

其中，change＝E_max ^*-E_max，m为图像块dtblock的尺寸大小；

第八步：将含水印图像块dtblock^*更新到其在分层载体图像H_i中的相应位置，其中i＝1,2,3分别表示红、绿、蓝三层；

第九步：重复执行本过程的第三步到第八步，直到所有的水印信息都被嵌入完成为止，由此得到含水印的分层载体图像H_i ^*，其中i＝1,2,3分别表示红、绿、蓝三层；

第十步：组合三层含水印的分层载体图像H_i ^*得到含水印图像H^*，其中i＝1,2,3分别表示红、绿、蓝三层；

其水印提取过程描述如下：

第一步：通过降维处理将含水印图像H^*分成红、绿、蓝三个含水印分层图像H_i ^*；然后，将每个含水印分层图像H_i ^*划分成大小为m×m的非重叠图像块，其中i＝1,2,3分别表示红、绿、蓝三层；

第二步：利用基于密钥Kb的MD5哈希伪随机选择算法从含水印分层图像H_i ^*中选择含水印图像块dtblock^*，其中i＝1,2,3分别表示红、绿、蓝三层；

第三步：利用公式(6)，在空域中直接计算出含水印图像块dtblock^*在经过离散切比雪夫变换(discrete Tchebichef transform)后的最大能量系数E_max ^*；

其中，m为含水印图像块dtblock^*的尺寸大小，f(x,y)^*为含水印图像块dtblock^*第x行第y列的像素值；

第四步：利用公式(7)，在各层间选用不同的量化步长T_i从含水印图像块dtblock^*中提取水印位w^*；

其中，mod(.)为取余函数，round(.)为四舍五入取整函数，T_i为第i层的量化步长，i＝1,2,3分别表示红、绿、蓝三层；

第五步：重复执行本过程的第二步到第四步，直到提取出所有的二进制水印位为止，得到提取的二进制水印位序列

然后，依次将提取的二进制水印位序列

中每8位二进制信息划分为一组并转换成十进制的像素值，形成提取的分层置乱水印图像

其中i＝1,2,3分别表示红、绿、蓝三层；

第六步：组合提取的分层置乱水印图像

得到提取的置乱水印图像

其中i＝1,2,3分别表示红、绿、蓝三层；

第七步：对提取的置乱水印图像

进行基于密钥Ka的逆Logistic混沌映射，最终获得提取水印图像W^*。

该方法利用离散切比雪夫变换最大能量系数的空域快速计算方法以及其系数变化量在空域像素中的分配规律，在空域中使用可变量化步长完成了彩色数字水印的嵌入与盲提取；该方法在具有较好的水印不可见性的同时，还具有较强的水印算法鲁棒性和较高的算法实时性。

附图说明

图1(a)、图1(b)是两幅原始彩色载体图像。

图2(a)、图2(b)是两幅原始彩色水印图像。

图3(a)、图3(b)是将图2(a)所示的水印依次嵌入到载体图像图1(a)、图1(b)后所得到的含水印图像，其结构相似度SSIM值依次是0.9736、0.9698，其峰值信噪比PSNR值依次是40.8598dB、40.8805dB。

图4(a)、图4(b)是依次从图3(a)、图3(b)中提取的水印，其归一化互相关系数NC值分别是1.0000、1.0000。

图5(a)、图5(b)、图5(c)、图5(d)、图5(e)、图5(f)是将图3(a)所示的含水印图像依次进行JPEG压缩(70)、JPEG 2000压缩(5:1)、椒盐噪声(0.2％)、中值滤波(3×3)、缩放(4:1)、剪切(12.5％)等攻击后所提取的水印，其归一化互相关系数NC值分别是1.0000、0.9995、0.9876、0.9732、1.0000、0.9529。

图6(a)、图6(b)是将图2(b)所示的水印依次嵌入到载体图像图1(a)、图1(b)后所得到的含水印图像，其结构相似度SSIM值依次是0.9733、0.9694，其峰值信噪比PSNR值依次是40.8382dB、40.8211dB。

图7(a)、图7(b)是依次从图6(a)、图6(b)中提取的水印，其归一化互相关系数NC值分别是1.0000、1.0000。

图8(a)、图8(b)、图8(c)、图8(d)、图8(e)、图8(f)是将图6(a)所示的含水印图像依次进行JPEG压缩(70)、JPEG 2000压缩(5:1)、椒盐噪声(0.2％)、中值滤波(3×3)、缩放(4:1)、剪切(12.5％)等攻击后所提取的水印，其归一化互相关系数NC值分别是0.9999、0.9998、0.9892、0.9759、1.0000、0.9539。

具体实施方式

本发明的目的是提供一种融合离散切比雪夫变换的空域彩色数字图像盲水印方法，其特征在于通过具体的水印嵌入过程和水印提取过程来实现的，其水印嵌入过程描述如下：第一步：对一幅大小为512×512的24位彩色载体图像H作降维处理，得到红、绿、蓝三个分层载体图像H_i；然后，将各分层载体图像H_i划分成大小为4×4的非重叠图像块，其中i＝1,2,3分别表示红、绿、蓝三层；

第二步：首先，对一幅大小为32×32的24位彩色水印图像W进行基于密钥Ka的Logistic混沌映射得到置乱水印图像W^L；然后，将置乱水印图像W^L分成红、绿、蓝三个分层置乱水印图像W_i ^L；最后，将分层置乱水印图像W_i ^L中的每个十进制像素值转换为8位二进制数(例如：可将十进制数200转换为二进制序列‘11001000’)，依次连接成水印位序列SW_i ^L，SW_i ^L的长度为8×32²＝8192，其中i＝1,2,3分别表示红、绿、蓝三层；

第三步：利用基于密钥Kb的MD5哈希伪随机选择算法从分层载体图像H_i中选择图像块dtblock，其中i＝1,2,3分别表示红、绿、蓝三层；此处，设i＝1，从载体图像红色层H₁中选取的图像块dtblock为

第四步：利用公式(1)，在空域中直接计算出图像块dtblock在经过离散切比雪夫变换(discrete Tchebichef transform)后的最大能量系数E_max；

其中，m为图像块dtblock的尺寸大小，f(x,y)为图像块dtblock第x行第y列的像素值；此时，m＝4，计算得到图像块dtblock的最大能量系数E_max＝770.7500；

第五步：按照先后顺序依次从分层水印位序列SW_i ^L中选取待嵌入水印位w；利用公式(2)、(3)，分别求得最大能量系数E_max的上边界值E_upper和下边界值E_lower；

其中，mod(.)为取余函数，α为量化系数，T_i为第i层的量化步长，i＝1,2,3分别表示红、绿、蓝三层；此时，设i＝1，从分层水印位序列SW_i ^L中选取待嵌入水印位w＝‘1’，α＝0.2500，T₁＝39，E_max＝770.7500，则根据公式(2)、(3)，分别求得最大能量系数E_max的上边界值E_upper＝789.7500、下边界值E_lower＝750.7500；

第六步：利用公式(4)，从最大能量系数E_max的上下边界值E_upper和E_lower中选取最佳边界值E_max ^*；

其中，abs(.)为绝对值函数，d1＝E_lower-E_max，d2＝E_upper-E_max；此时，d1＝-20，d2＝19，则根据公式(4)，最大能量系数E_max的最佳边界值E_max ^*＝E_upper＝789.7500；

第七步：利用公式(5)，将最大能量系数的变化量change均匀地分布到图像块dtblock的所有像素上，得到修改后的像素值f(x,y)^*，并用其替换原图像块相应位置处的像素值f(x,y)，即可得到含水印的图像块dtblock^*；

f(x，y)^*＝f(x，y)+change/m (5)

其中，change＝E_max ^*-E_max，m为图像块dtblock的尺寸大小；此时，change＝19，m＝4，则根据公式(5)，得到的含水印图像块dtblock^*为

第八步：将含水印图像块dtblock^*更新到其在分层载体图像H_i中的相应位置，其中i＝1,2,3分别表示红、绿、蓝三层；此时，i＝1，含水印图像块dtblock^*被更新到其在分层载体图像H₁中的相应位置；

第九步：重复执行本过程的第三步到第八步，直到所有的水印信息都被嵌入完成为止，由此得到含水印的分层载体图像H_i ^*，其中i＝1,2,3分别表示红、绿、蓝三层；

第十步：组合三层含水印的分层载体图像H_i ^*得到含水印图像H^*，其中i＝1,2,3分别表示红、绿、蓝三层；

其水印提取过程描述如下：

第一步：通过降维处理将含水印图像H^*分成红、绿、蓝三个含水印的分层图像H_i ^*；然后，将每个含水印分层图像H_i ^*划分成大小为4×4的非重叠图像块，其中i＝1,2,3分别表示红、绿、蓝三层；

第二步：利用基于密钥Kb的MD5哈希伪随机选择算法从含水印分层图像H_i ^*中选择含水印图像块dtblock^*，其中i＝1,2,3分别表示红、绿、蓝三层；此处，设i＝1，从含水印图像红色层H₁ ^*中选取的含水印图像块dtblock^*为

第三步：利用公式(6)，在空域中直接计算出含水印图像块dtblock^*在经过离散切比雪夫变换(discrete Tchebichef transform)后的最大能量系数E_max ^*；

其中，m为含水印图像块dtblock^*的尺寸大小，f(x,y)^*为含水印图像块dtblock^*第x行第y列的像素值；此时，m＝4，计算得到含水印图像块dtblock^*的最大能量系数E_max ^*＝790.7500；

第四步：利用公式(7)，在各层间选用不同的量化步长T_i从含水印图像块dtblock^*中提取水印位w^*；

其中，mod(.)为取余函数，round(.)为四舍五入取整函数，T_i为第i层的量化步长，i＝1,2,3分别表示红、绿、蓝三层；此时，i＝1，T₁＝39，E_max ^*＝790.7500，则根据公式(7)，从含水印图像块dtblock^*中提取的水印位为‘1’；

第五步：重复执行本过程的第二步到第四步，直到提取出所有的二进制水印位为止，得到提取的二进制水印位序列

然后，依次将提取的二进制水印位序列

中每8位二进制信息划分为一组并转换成十进制的像素值，形成提取的分层置乱水印图像

其中i＝1,2,3分别表示红、绿、蓝三层；

第六步：组合提取的分层置乱水印图像

得到提取的置乱水印图像

其中i＝1,2,3分别表示红、绿、蓝三层；

第七步：对提取的置乱水印图像

进行基于密钥Ka的逆Logistic混沌映射，最终获得提取水印图像W^*。

该方法既具有较好的水印不可见性，又具有较强的水印算法鲁棒性强和较高的算法实时性，适用于大容量的彩色图像作为数字水印的版权保护。

本发明有效性验证

为了证明本发明的有效性，选择如图1(a)、图1(b)所示的两幅大小为512×512的24位标准彩色图像作为载体图像，并分别用如图2(a)、图2(b)所示的两幅大小为32×32的24位彩色图像作为数字水印进行验证。

图3(a)、图3(b)是将图2(a)所示的水印依次嵌入到载体图像图1(a)、图1(b)后所得到的含水印图像，其结构相似度SSIM值依次是0.9736、0.9698，其峰值信噪比PSNR值依次是40.8598dB、40.8805dB；图4(a)、图4(b)是依次从图3(a)、图3(b)中提取的水印，其归一化互相关系数NC值分别是1.0000、1.0000；图5(a)、图5(b)、图5(c)、图5(d)、图5(e)、图5(f)是将图3(a)所示的含水印图像依次进行JPEG压缩(70)、JPEG 2000压缩(5:1)、椒盐噪声(0.2％)、中值滤波(3×3)、缩放(4:1)、剪切(12.5％)等攻击后所提取的水印，其归一化互相关系数NC值分别是1.0000、0.9995、0.9876、0.9732、1.0000、0.9529。

图6(a)、图6(b)是将图2(b)所示的水印依次嵌入到载体图像图1(a)、图1(b)后所得到的含水印图像，其结构相似度SSIM值依次是0.9733、0.9694，其峰值信噪比PSNR值依次是40.8382dB、40.8211dB；图7(a)、图7(b)是依次从图6(a)、图6(b)中提取的水印，其归一化互相关系数NC值分别是1.0000、1.0000；图8(a)、图8(b)、图8(c)、图8(d)、图8(e)、图8(f)是将图6(a)所示的含水印图像依次进行JPEG压缩(70)、JPEG 2000压缩(5:1)、椒盐噪声(0.2％)、中值滤波(3×3)、缩放(4:1)、剪切(12.5％)等攻击后所提取的水印，其归一化互相关系数NC值分别是0.9999、0.9998、0.9892、0.9759、1.0000、0.9539。

该算法在平台1.60GHZ CPU，8.00GB RAM，Win10，MATLAB(R2017a)上进行过近万次运行，其数字水印的平均嵌入时间是0.305337秒，平均提取时间是0.088998秒，总计时间为0.394335秒。

综上所述，所嵌入的彩色数字图像水印具有较高的不可见性，满足了水印的不可见性要求；同时，从各种受攻击图像中所提取的数字图像水印具有较好的可鉴别性和较高的NC值，说明该方法具有较强的鲁棒性；另外，该算法的平均运行总时间小于1秒，满足了多媒体大数据快速版权保护的需要。

Claims (1)

1.一种融合离散切比雪夫变换的空域彩色数字图像盲水印方法，其特征在于通过具体的水印嵌入过程和水印提取过程来实现的，其水印嵌入过程描述如下：

第一步：对一幅大小为M×M的24位彩色载体图像H作降维处理，得到红、绿、蓝三个分层载体图像H_i；然后，将各分层载体图像H_i划分成大小为m×m的非重叠图像块，其中i＝1,2,3分别表示红、绿、蓝三层；

第二步：首先，对一幅大小为N×N的24位彩色水印图像W进行基于密钥Ka的Logistic混沌映射得到置乱水印图像W^L；然后，将置乱水印图像W^L分成红、绿、蓝三个分层置乱水印图像

最后，将分层置乱水印图像

中的每个十进制像素值转换为8位二进制数，依次连接成长度为8N²的水印位序列

其中i＝1,2,3分别表示红、绿、蓝三层；

第三步：利用基于密钥Kb的MD5哈希伪随机选择算法从分层载体图像H_i中选择图像块dtblock，其中i＝1,2,3分别表示红、绿、蓝三层；

第四步：利用公式(1)，在空域中直接计算出图像块dtblock在经过离散切比雪夫变换(discrete Tchebichef transform)后的最大能量系数E_max；

其中，m为图像块dtblock的尺寸大小，f(x,y)为图像块dtblock第x行第y列的像素值；

第五步：按照先后顺序依次从分层水印位序列

中选取待嵌入水印位w；利用公式(2)、(3)，分别求得最大能量系数E_max的上边界值E_upper和下边界值E_lower；

其中，mod(.)为取余函数，α为量化系数，T_i为第i层的量化步长，i＝1,2,3分别表示红、绿、蓝三层；

第六步：利用公式(4)，从最大能量系数E_max的上下边界值E_upper和E_lower中选取最佳边界值E_max ^*；

其中，abs(.)为绝对值函数，d1＝E_lower-E_max，d2＝E_upper-E_max；

第七步：利用公式(5)，将最大能量系数的变化量change均匀地分布到图像块dtblock的所有像素上，得到修改后的像素值f(x,y)^*，并用其替换原图像块相应位置处的像素值f(x,y)，即可得到含水印图像块dtblock^*；

其中，change＝E_max ^*-E_max，m为图像块dtblock的尺寸大小；

第八步：将含水印图像块dtblock^*更新到其在分层载体图像H_i中的相应位置，其中i＝1,2,3分别表示红、绿、蓝三层；

第九步：重复执行本过程的第三步到第八步，直到所有的水印信息都被嵌入完成为止，由此得到含水印的分层载体图像H_i ^*，其中i＝1,2,3分别表示红、绿、蓝三层；

第十步：组合三层含水印的分层载体图像H_i ^*得到含水印图像H^*，其中i＝1,2,3分别表示红、绿、蓝三层；

其水印提取过程描述如下：

第一步：通过降维处理将含水印图像H^*分成红、绿、蓝三个含水印分层图像H_i ^*；然后，将每个含水印分层图像H_i ^*划分成大小为m×m的非重叠图像块，其中i＝1,2,3分别表示红、绿、蓝三层；

第二步：利用基于密钥Kb的MD5哈希伪随机选择算法从含水印分层图像H_i ^*中选择含水印图像块dtblock^*，其中i＝1,2,3分别表示红、绿、蓝三层；

第三步：利用公式(6)，在空域中直接计算出含水印图像块dtblock^*在经过离散切比雪夫变换(discrete Tchebichef transform)后的最大能量系数E_max ^*；

其中，m为含水印图像块dtblock^*的尺寸大小，f(x,y)^*为含水印图像块dtblock^*第x行第y列的像素值；

第四步：利用公式(7)，在各层间选用不同的量化步长T_i从含水印图像块dtblock^*中提取水印位w^*；

其中，mod(.)为取余函数，round(.)为四舍五入取整函数，T_i为第i层的量化步长，i＝1,2,3分别表示红、绿、蓝三层；

第五步：重复执行本过程的第二步到第四步，直到提取出所有的二进制水印位为止，得到提取的二进制水印位序列

然后，依次将提取的二进制水印位序列

中每8位二进制信息划分为一组并转换成十进制的像素值，形成提取的分层置乱水印图像

其中i＝1,2,3分别表示红、绿、蓝三层；

第六步：组合提取的分层置乱水印图像

得到提取的置乱水印图像W^L*，其中i＝1,2,3分别表示红、绿、蓝三层；

第七步：对提取的置乱水印图像W^L*进行基于密钥Ka的逆Logistic混沌映射，最终获得提取水印图像W^*。

Images