CN113344763A - 面向屏幕拍照的基于jnd的鲁棒水印算法 - Google Patents

Abstract

本发明公开了一种面向屏幕拍照的基于JND的鲁棒水印算法，包括水印嵌入区域选择、水印嵌入及提取。嵌入区域选择阶段，使用高斯函数及基于强度的SIFT算法找到特征点，由特征点的密度构造特征区域，使特征区域更集中于关键内容，在提取时定位更准确且能够抵抗一定的裁剪攻击；水印嵌入方面，使用JND模型实现嵌入强度随图像亮度及纹理自适应变化，并考虑JPEG压缩，使强度在压缩后仍保持相应关系，在鲁棒性及不可见性之间达到平衡；嵌入水印后，对邻域内的系数进行优化约束调整，保证和嵌入时修改的系数一致，在使用统计特征提取水印时，提高系数大小关系正确的个数，以减少提取结果正好相反的情况，具有更高的准确性。

Description

面向屏幕拍照的基于JND的鲁棒水印算法

技术领域

本发明涉及屏幕拍照鲁棒数字水印技术，用于保护通过屏幕拍摄而导致泄露的图像，具体涉及一种面向屏幕拍照的基于JND的鲁棒水印算法。

背景技术

随着信息技术的不断发展以及智能手机的普及，人们可以通过手机拍摄电脑屏幕的方式获取自己所需要的重要信息。但与此同时，一些重要的信息也很容易被非法分子通过手机拍摄这种方式进行存储、复制以及传输，从而引起重要信息的泄露，引发一系列的安全性问题。

数字水印是一种常见的用于版权保护以及泄露跟踪的信息隐藏技术。通过将水印信息嵌入到图片中实现对图片的保护。当图片通过屏幕拍照这种方式被泄露时，可以通过从图片中提取出水印信息，从而找到泄露源头，减少不必要的损失。

近年已经有一些研究人员对屏幕拍照鲁棒水印算法进行了研究。方等人提出了一种屏幕拍照弹性水印方案，使用基于强度的SIFT算法确定嵌入区域，使用小尺寸模板将水印重复嵌入到不同的区域，并且嵌入是在DCT域中进行的。该方法对屏幕拍照获得的水印具有较高的鲁棒性。但是在提取失败时会出现提取正好相反的情况。陈等人提出了一种适用于卫星图像的屏幕拍照鲁棒水印，提出一种基于离散傅里叶变换的嵌入方法，设计了同步响应指数用于估计同步水印的位置。同年，陈等人又提出一种基于特征同步的屏幕拍照鲁棒水印方案。使用高斯函数，改进的哈里斯-拉普拉斯检测器和加速鲁棒特征方向描述符构造嵌入区域，可用于水印同步。也使用非旋转嵌入方法和预处理方法来调制离散傅立叶变换系数。该方法对常见的攻击以及屏幕截图攻击有很好的鲁棒性。由于方等人的方法在提取失败时会出现提取正好相反的情况，所以本发明提出改进算法，以提高鲁棒性以及提取的准确性。

发明内容

本发明公开了一种面向屏幕拍照的基于JND的鲁棒水印算法，用于准确的提取出水印信息，并且具有更强的鲁棒性。

本发明的技术方案如下：一种面向屏幕拍照的基于JND的鲁棒水印算法，步骤如下：

步骤1．对宿主图像进行预处理，使用高斯函数以及基于强度的SIFT算法并根据特征点的密度构造水印嵌入的区域；

步骤2．水印的嵌入；

步骤2.1．在DCT域中进行水印的嵌入，将图片转换到DCT域，通过修改(x_c1,y_c1)位置、(x_c2,y _c2)位置的系数值C1、C2大小嵌入水印，其中(x_c1,y_c1)位置和(x_c2,y_c2)位置是DCT域中频系数的位置，嵌入水印的强度由JND模型根据图像的亮度和纹理进行自适应变化，同时加上与系数值对应的JPEG压缩因子进行修正；

步骤2.2．嵌入水印后对(x_c1,y_c1)位置和(x_c2,y_c2)位置邻域内其他位置的系数进行与(x_c1,y_c1)位置和(x_c2,y _c2)位置一样的大小约束调整，得到最终的嵌入水印后的图像；

步骤3．水印的提取。

优选的，所述步骤2.1中，(x_c1,y_c1)位置和(x_c2,y_c2)位置修正后的系数值按如下公式计算：

其中，(x,y)代表图像的像素位置，JND(x,y)为(x,y)位置的JND值，

和

是亮度掩蔽因子和纹理掩蔽因子的可见性阈值，C1、C2是(x_c1,y_c1)位置、(x_c2,y_c2)位置的离散余弦变换系数值，

、

为修正后的系数值，d为和JPEG压缩因子有关的冗余参数，q1和q2分别是C1和C2的JPEG压缩因子，w为水印值。

优选的，所述步骤1具体为：

步骤1.1．首先选择嵌入水印的宿主图像，如果是彩色图像，则将其转化到YCrCb域中，并选择Y通道的图像作为宿主图像；否则，直接作为宿主图像；

步骤1.2．对水印序列进行预处理操作，将要嵌入的水印序列转化为二进制水印序列，并进行BCH编码得到待嵌入的二进制水印序列；

步骤1.3．选择特征区域，每一位水印都用8*8的像素区域进行嵌入，将待嵌入的二进制水印序列按列放进一个a*b大小的二进制矩阵中，其中a和b分别是二进制矩阵的行数和列数，剩下的部分进行补0操作；

步骤1.4．对宿主图像进行高斯滤波操作，使用基于强度的SIFT算法找出强度最大的前n个的特征点、作为特征区域的中心点，特征区域不得超过图像的边界，且特征区域内特征点的密度达到设定的值，如果得到的特征区域有重合的区域，则选择特征点强度大的那个区域为最终的特征区域。

优选的，所述步骤1.3中的二进制矩阵为正方形。

优选的，所述步骤3具体为：

步骤3.1．对手机拍摄后获得的图像进行透视变换来校正光学失真，并进行裁剪和缩放操作，得到与原始图像大小相同的待提取图像；

步骤3.2．选择水印的提取图像，如果待提取图像是彩色图像，则先将其转化到YCrCb域中，并选择Y通道的图像作为提取图像；否则，直接作为提取图像；

步骤3.3．使用基于强度的SIFT算法选择强度最大的前n个特征点，并按照水印嵌入的方法选择出候选特征点以及候选嵌入区域；

步骤3.4．对候选特征点的位置做偏移补偿，将以特征点为中心的邻域内m个点作为提取点组，根据系数值大小比较确定水印的值，并提取出m个水印，组成水印组；

步骤3.5．将各个水印组中的水印进行交叉验证，并根据统计特征得到提取的水印序列；

步骤3.6．将提取到的水印序列进行BCH解码，并转换为十进制序列，得到最终的水印序列。

本发明与传统方法相比，具有如下优点：（1）在嵌入区域选择阶段，本发明使用高斯函数以及基于强度的SIFT算法找到特征点，并根据特征点的密度构造特征区域，可以使特征区域更集中于图像的关键内容，在提取时定位更准确并且能够抵抗一定的裁剪攻击。（2）在水印嵌入强度方面，通过使用JND模型实现嵌入强度随着图像亮度及纹理的自适应变化，并同时考虑JPEG压缩，保证强度在压缩后仍保持相应关系，因此在鲁棒性以及不可见性之间达到一种平衡。（3）在嵌入水印之后，对邻域内的系数再次进行优化约束调整，以保证和嵌入时修改的系数一致，这样在使用统计特征提取水印时，提高系数大小关系正确的个数，以减少提取结果正好相反的情况，具有更高的准确性。

附图说明

图1是本发明的水印生成及嵌入流程图。

图2是本发明的水印提取和认证流程图。

图3是本发明实施例中基于强度的SIFT算法作密度构造的结果对比图。

图4是本发明实施例中邻域系数大小约束过程的示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

图1、2分别为本发明实施例的水印生成及嵌入流程图、水印提取和认证流程图，其具体内容如下。

第一部分，预处理操作及水印嵌入区域的选择。

步骤1.1．首先选择嵌入水印的宿主图像，如果是彩色图像，则先将其转化到YCrCb域中，并选择Y通道的图像作为宿主图像；否则，直接作为宿主图像。

步骤1.2．对水印序列进行预处理操作，将要嵌入的水印序列转化为二进制水印序列，并进行BCH编码得到待嵌入的二进制水印序列。

步骤1.3．特征区域的选择方法，每一位水印都用8*8的像素区域进行嵌入，将待嵌入的二进制水印序列按列放进一个a*b大小的二进制矩阵中，其中a和b分别是这个矩阵的行数和列数，且这个二进制矩阵尽量为正方形，剩下的部分进行补0操作。

步骤1.4．对宿主图像进行高斯滤波操作，使用基于强度的SIFT算法找出强度最大的前n个的特征点、作为特征区域的中心点，特征区域不得超过图像的边界，且特征区域内特征点的密度达到设定的值。如果得到的特征区域有重合的区域，则选择特征点强度大的那个区域为最终的特征区域。

使用高斯滤波操作，可以减少噪声对图像的影响，提高屏幕拍照过程特征点的检测率，使用基于强度的SIFT算法找到特征点，可以实现水印的盲提取以及提高水印嵌入和检测的效率，并且按照特征点的强度排序选出强度前n大的特征点，然后根据特征区域内至少有k个n中的点进行筛选得到最终的特征区域，以保证每个特征区域中特征点的密度，因为往往特征点越强且越集中的地方，包含的图像的内容信息越多越重要，这样能够减少裁剪攻击的影响，也能在提取时准确地定位到特征区域，具有更强的鲁棒性。如图3所示，未使用根据密度构造的特征区域（图3左图）和使用了根据密度构造的特征区域（图3右图）的图像，可以看出使用了根据密度构造的特征区域更集中在图像的关键部分，这部分往往会携带重要信息，因此受到裁剪攻击或者被遮挡的概率较低。

第二部分，水印的嵌入。

步骤2.1．水印的嵌入是在DCT域中进行的，首先将图片转换到DCT域，通过修改（4,5）和（5,4）位置的系数值大小嵌入水印（即C1位置与C2位置），其中（4,5）和（5,4）分别是DCT域中频系数的位置；嵌入水印的强度由JND模型根据图像的亮度和纹理进行自适应变化，可在鲁棒性以及不可见性之间达到一种平衡，并同时考虑JPEG压缩，在强度上再加上C1和C2系数对应的JPEG压缩因子，保证强度在压缩后仍保持相应关系。

式（1）中， (x,y)代表图像的像素位置，JND(x,y)为(x,y)位置的JND值，

和

是亮度掩蔽因子和纹理掩蔽因子的可见性阈值，C1、C2是(x_c1,y_c1)位置、(x_c2,y_c2)位置的离散余弦变换系数值，

、

为修正后的系数值，d为和JPEG压缩因子有关的冗余参数，q1和q2分别是C1和C2的JPEG压缩因子，w为水印值。

步骤2.2．嵌入水印后对（4,5）和（5,4）位置的邻域内的9个系数进行与（4,5）和（5,4）一样的大小约束调整，以满足式（2）和式（3），其中C(3,4)和C(4,3)，C(5,6)和C(6,5)这两对系数如果不满足条件则直接交换，C(3,5)、C(4,4)、C(5,3)以及C(4,6)、C(5,5)、C(6,5)如果不满足条件则排序后填入相应位置，C(3,6)和C(6,3)则按照式（4）进行调整，最终得到嵌入水印后的图像。

在嵌入水印之后，对修改的系数邻域内的其他系数进行和修改的系数一样的大小约束调整，可以更准确的提取出水印信息，具有更强的鲁棒性。

由于拍摄过程可能会导致提取时一些特征点的偏移，所以使用邻域遍历的方法来进行偏移补偿。但是如果真正发生偏移的话，进行比较的可能就不只是(4,5)和(5,4)这两个系数值，会出现八种偏移的结果。所以当其他系数对的值的大小关系与(4,5)和(5,4)的大小关系正好相反的时候，且相反的系数对的个数大于相同的系数对的个数时，就很有可能提取的信息和嵌入的信息正好相反，从而不能正确的提取出信息。所以如图4所示，在嵌入水印之后，再对(4,5)和(5,4)这两个位置的3*3邻域内的离散余弦变换系数进行大小约束，以保证在特征点发生偏移时依然能够准确地提取出水印信息。

第三部分，水印的提取。

步骤3.1．对手机拍摄后获得的图像进行透视变换来校正光学失真，并进行裁剪和缩放操作，得到与原始图像大小相同的待提取图像。

步骤3.2．选择水印的提取图像，如果待提取图像是彩色图像，则先将其转化到YCrCb域中，并选择Y通道的图像作为提取图像；否则，直接作为提取图像。

步骤3.3．使用基于强度的SIFT算法选择强度最大的前n个特征点，并按照嵌入的方法选择出候选特征点以及候选嵌入区域。

步骤3.4．对候选特征点的位置做偏移补偿，将以特征点为中心的邻域内9个点作为提取点组，根据系数值大小比较确定水印的值，并提取出9个水印，组成水印组。

步骤3.5．将各个水印组中的水印进行交叉验证，选择差异小于阈值的水印相加，每一位选择出现概率高的值作为最终的水印值，最终可以得到提取的水印序列。

步骤3.6．将提取到的水印序列进行BCH解码，并转换为十进制序列，得到最终的水印序列。

以下为SIFT算法、JND模型以及DCT的理论基础说明。

（1）SIFT算法

SIFT算法，即尺度不变特征变换，是一种用于图像处理邻域的算法。可以在图像中检测出关键点，以及对关键的方向提供一种特征描述子。该算法能够适应亮度的变化，具有良好的稳定性和不变性。

基于强度的SIFT算法是由SIFT演化而来的，在不考虑关键点的尺度和方向的情况下，只考虑特征点的强度，使用关键点的强度来代替使用描述符来定位关键点。

（2）JND

JND(Just Noticeable Distortion)是最小可觉差，在图像处理邻域，JND 可以用来度量人眼对图像中不同区域失真的敏感性。JND模型主要考虑了HVS的亮度掩蔽和纹理掩蔽的特性，采用非线性关系来对两者的效果进行叠加，得到JND模型。通过JND来确定水印嵌入的强度，可以达到水印强度随着图像纹理，亮度等的自适应变化。

（3）DCT

DCT离散余弦变换是用一组不同频率和幅值的余弦函数和来近似一副图像。先将图像函数变换成偶函数形式，再对其进行二维离散傅立叶变换，因此DCT变换可以看成是一种简化的傅立叶变换。离散余弦变换分为一维离散余弦变换和二维离散余弦变换。对于DCT系数变换来说，图像的主要能量是集中在其DCT系数的一小部分，即低频部分。大体上，沿左上到右下的方向DCT系数的绝对值是依次递减的。也就是说低频系数的绝对值大于高频系数的绝对值。中、低频系数所含有的原始信号的成份较多，所以由其反变换重构图像就能得到图像的近似部分。高频区域指的是空域图像中突变程度大的区域，比如目标边界区域，通常是纹理丰富的区域。

对所公开的实施例的上述说明，使本邻域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本邻域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (5)

1.面向屏幕拍照的基于JND的鲁棒水印算法，其特征在于步骤如下：

步骤1．对宿主图像进行预处理，使用高斯函数以及基于强度的SIFT算法并根据特征点的密度构造水印嵌入的区域；

步骤2．水印的嵌入；

步骤2.1．在DCT域中进行水印的嵌入，将图片转换到DCT域，通过修改(x_c1,y_c1)位置、(x_c2,y_c2)位置的系数值C1、C2大小嵌入水印，其中(x_c1,y _c1)位置和(x_c2,y_c2)位置是DCT域中频系数的位置，嵌入水印的强度由JND模型根据图像的亮度和纹理进行自适应变化，同时加上与系数值对应的JPEG压缩因子进行修正；

步骤2.2．嵌入水印后对(x_c1,y_c1)位置和(x_c2,y_c2)位置邻域内其他位置的系数进行与(x_c1,y_c1)位置和(x_c2,y _c2)位置一样的大小约束调整，得到最终的嵌入水印后的图像；

步骤3．水印的提取。

2.根据权利要求1所述的面向屏幕拍照的基于JND的鲁棒水印算法，其特征在于，所述步骤2.1中，(x_c1,y _c1)位置和(x_c2,y _c2)位置修正后的系数值按如下公式计算：

其中，(x,y)代表图像的像素位置，JND(x,y)为(x,y)位置的JND值，

和

是亮度掩蔽因子和纹理掩蔽因子的可见性阈值，C1、C2是(x_c1,y_c1)位置、(x_c2,y_c2)位置的离散余弦变换系数值，

、

为修正后的系数值，d为和JPEG压缩因子有关的冗余参数，q1和q2分别是C1和C2的JPEG压缩因子，w为水印值。

3.根据权利要求1所述的面向屏幕拍照的基于JND的鲁棒水印算法，其特征在于，所述步骤1具体为：

步骤1.1．首先选择嵌入水印的宿主图像，如果是彩色图像，则将其转化到YCrCb域中，并选择Y通道的图像作为宿主图像；否则，直接作为宿主图像；

步骤1.2．对水印序列进行预处理操作，将要嵌入的水印序列转化为二进制水印序列，并进行BCH编码得到待嵌入的二进制水印序列；

步骤1.3．选择特征区域，每一位水印都用8*8的像素区域进行嵌入，将待嵌入的二进制水印序列按列放进一个a*b大小的二进制矩阵中，其中a和b分别是二进制矩阵的行数和列数，剩下的部分进行补0操作；

步骤1.4．对宿主图像进行高斯滤波操作，使用基于强度的SIFT算法找出强度最大的前n个的特征点、作为特征区域的中心点，特征区域不得超过图像的边界，且特征区域内特征点的密度达到设定的值，如果得到的特征区域有重合的区域，则选择特征点强度大的那个区域为最终的特征区域。

4.根据权利要求3所述的面向屏幕拍照的基于JND的鲁棒水印算法，其特征在于，所述步骤1.3中的二进制矩阵为正方形。

5.根据权利要求1所述的面向屏幕拍照的基于JND的鲁棒水印算法，其特征在于，所述步骤3具体为：

步骤3.1．对手机拍摄后获得的图像进行透视变换来校正光学失真，并进行裁剪和缩放操作，得到与原始图像大小相同的待提取图像；

步骤3.2．选择水印的提取图像，如果待提取图像是彩色图像，则先将其转化到YCrCb域中，并选择Y通道的图像作为提取图像；否则，直接作为提取图像；

步骤3.3．使用基于强度的SIFT算法选择强度最大的前n个特征点，并按照水印嵌入的方法选择出候选特征点以及候选嵌入区域；

步骤3.4．对候选特征点的位置做偏移补偿，将以特征点为中心的邻域内m个点作为提取点组，根据系数值大小比较确定水印的值，并提取出m个水印，组成水印组；

步骤3.5．将各个水印组中的水印进行交叉验证，并根据统计特征得到提取的水印序列；

步骤3.6．将提取到的水印序列进行BCH解码，并转换为十进制序列，得到最终的水印序列。

Images