CN113706362A - 一种基于pn函数极值的水印隐藏区域确定方法 - Google Patents

Abstract

本发明公开了一种基于PN函数极值的水印隐藏区域确定方法，包括如下步骤：1：将宿主图像均匀分割成若干非重叠子区域；2：将测试信息分别嵌入到宿主图像的各个子区域中，计算每个子区域嵌入测试信息后的像素重建函数值PRF；3：将嵌入测试信息后的子区域和对应的未嵌入测试信息的子区域合并，得到各个子区域嵌入测试信息前后的合并图像；4：通过攻击破坏合并图像，在合并图像中提取测试信息，计算每个子区域提取测试信息的归一化损失密度函数值NLDF；5：利用PN函数计算宿主图像各个子区域的PN函数值，PN函数极值对应的子区域即为合适的水印隐藏区域。本申请基于水印不可见性和鲁棒性的制约关系，提供了一种两者兼顾的水印隐藏区域确定方法。

Description

一种基于PN函数极值的水印隐藏区域确定方法

技术领域

本发明属于数字图像及印刷图像防伪领域，具体涉及一种基于PN函数极值的水印隐藏区域确定方法。

背景技术

数字水印技术是一种可以通过一定的方法向宿主信息嵌入和提取防伪信息的技术。嵌入的水印防伪信息不影响宿主信息的完整性，而且嵌入的信息是视觉不可见的，但可通过密钥进行解密，将隐藏的信息显现出来。该技术是防止数字媒体非法复制、非法篡改、版权保护的有效手段之一。

随着多媒体技术的不断发展，水印不可见性和鲁棒性的综合需求逐渐被提出，而水印的不可见性和鲁棒性与水印的隐藏区域息息相关。将水印隐藏在对人类视觉影响较小的区域也可以提高水印的不可见性，但会使得其鲁棒性降低。对于水印算法来说，如何选择最优的隐藏区域成为一项函待解决的问题。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种能很好平衡水印不可见性和鲁棒性的基于PN函数极值的水印隐藏区域确定方法。

为了实现上述目的，本发明采用以下技术方案予以实现：

一种基于PN函数极值的水印隐藏区域确定方法，包括如下步骤：

步骤1：将宿主图像均匀分割成若干非重叠子区域；

步骤2：将测试信息分别嵌入到宿主图像的各个子区域中，计算每个子区域嵌入测试信息后的像素重建函数值PRF；

步骤3：将嵌入测试信息后的子区域和对应的未嵌入测试信息的子区域合并，得到各个子区域嵌入测试信息前后的合并图像；

步骤4：通过攻击破坏合并图像，在合并图像中提取测试信息，计算每个子区域提取测试信息的归一化损失密度函数值NLDF；

步骤5：利用综合考虑了像素重建函数值PRF和归一化损失密度函数值NLDF的PN函数计算宿主图像各个子区域的PN函数值，PN函数极值对应的子区域即为合适的水印隐藏区域。

进一步地，所述步骤1中的宿主图像和子区域均为方形图像，所述宿主图像的大小大于512×512，所述子区域的图像大小介于64×64到256×256之间。

进一步地，所述步骤2将测试信息分别嵌入到宿主图像的各个子区域中时采用无下采样双树小波变换分解函数进行分解，分解级数选为2级。

进一步地，所述步骤2中，计算每个子区域嵌入测试信息后的像素重建函数值PRF的计算公式如下：

其中，M、N分别代表子区域的长、宽像素尺寸，C和E分别代表嵌入测试信息前与嵌入测试信息后的对应子区域。

进一步地，所述步骤4中的攻击包括图片旋转、图片压缩、均值滤波、中值滤波、对比度增强、直方图均衡、添加椒盐噪声和添加高斯噪声中的一种或任意几种的组合。

进一步地，所述步骤4在合并图像中提取测试信息时采用无下采样双树小波变换分解函数，分解级数选定为2。

进一步地，所述步骤4中，计算每个子区域提取测试信息的归一化损失密度函数值NLDF的公式如下：

其中，M_c、N_c分别代表测试信息的长、宽像素尺寸，B和Z分别代表原始测试信息和提取测试信息。

进一步地，所述步骤5中利用PN函数计算宿主图像各个子区域的PN函数值的公式如下：

其中，PRF_m代表第m个子区域的像素重建函数值，m＝1，2，……n；PRF_max代表所有子区域中最大的像素重建函数值；NLDF_m代表第m个子区域的归一化损失密度函数值；μ和δ分别为不可见性影响因子和鲁棒性影响因子，且μ+δ＝1。

本发明与现有技术相比，具有如下技术效果：

本发明综合考虑水印的不可见性和鲁棒性，基于平衡水印不可见性和鲁棒性制约关系的考虑，将两者的因素都兼顾来确定最佳隐藏区域，建立了综合的PRF-NLDF(PN)函数用来锁定最佳的信息隐藏区域。水印的不可见性方面通过PRF函数来衡量，水印的PRF值越高，则不可见性越强。鲁棒性方面通过NLDF函数来评价，水印的NLDF值越高，则鲁棒性越强。通过综合考虑宿主图像各个区域的PRF值和NLDF值，可以锁定适合嵌入水印图像的最佳隐藏区域。

进一步地，通过设立影响因子μ和δ来调节PN函数的输出，μ越大，则函数的输出结果会向不可见性更优的方向趋近；δ更大，则函数的输出结果会向鲁棒性更优的方向趋近；通过调整影响因子μ和δ，可以使得函数的结果更趋近于不可见性或是鲁棒性。

进一步地，将宿主图像进行不重叠区域分割后，通过计算非重叠子区域的PN函数值的高低并依次排序，可以锁定最佳隐藏信息的区域，使得水印信息满足不可见性的同时鲁棒性更强。

附图说明

图1为本发明所涉及的一种基于PN函数极值的水印隐藏区域确定方法的流程图；

图2为本发明实施例所涉及的宿主图像Lena；

图3为本发明实施例所涉及的宿主图像Hestain；

图4为本发明实施例所涉及的宿主图像Stonehenge；

图5为本发明实施例所涉及的宿主图像Fruits；

图6为本发明实施例所涉及的含“陕西科大”字样的测试信息图像；

图7为本发明实施例所涉及的含“印刷防伪”字样的水印图像。

具体实施方式

以下结合实施例对本发明的具体内容做进一步详细解释说明。

实施例1

本实施例提供一种PN函数极值的水印隐藏区域确定方法，具体包括如下步骤：

(1)调整宿主图像尺寸，将宿主图像尺寸调整为1024×1024大小；

(2)将宿主图像分割成16个256×256大小的非重叠子区域；

(3)将与子区域大小相同256×256大小的测试信息嵌入到宿主图像的各个子区域中，嵌入时采用MATLAB中的无下采样双树小波变换分解函数将每个子区域变换到变换域，分解级数选定为2，在变换域中利用加性方法添加测试信息；

(4)计算每个子区域嵌入测试信息后的像素重建函数值PRF，计算公式如下：

其中，M、N分别代表子区域的长、宽像素尺寸，C和E分别代表嵌入测试信息前与嵌入测试信息后的对应子区域；

(5)将嵌入测试信息后的子区域和对应的未嵌入测试信息的子区域进行合并，得到各个子区域嵌入测试信息前后的合并图像；

(6)在MATLAB图像处理工具箱中使用20°旋转、3×3均值滤波和添加0.02强度高斯噪声的方式破坏合并图像；

(7)对合并图像进行信息提取，提取时采用MATLAB中的无下采样双树小波变换分解函数将每个子区域变换到变换域，分解级数选定为2，在变换域中利用加性方法提取测试信息；

(8)计算每个子区域提取测试信息的归一化损失密度函数值NLDF，计算公式如下：

其中M_c、N_c分别代表测试信息的长、宽像素尺寸，B和Z分别代表原始测试信息和提取测试信息；

(9)利用PN函数计算宿主图像各个子区域的PN函数值，PN函数极值对应的子区域即为合适的水印隐藏区域；

{Sequence^m}＝sort(|PN|^m)

其中，PRF_m代表第m个子区域的像素重建函数值，m＝1，2，……16；PRF_max代表所有子区域中最大的像素重建函数值；NLDF_m代表第m个子区域的归一化损失密度函数值；Sort函数是对宿主图像的各个分割子区域按照PN函数值的大小进行排序，得到的顺序为{Sequence^m}，m＝1，2，……16；μ和δ分别为不可见性影响因子和鲁棒性影响因子，μ+δ＝1；μ越大，则函数的输出结果会向不可见性更优的方向趋近；δ更大，则函数的输出结果会向鲁棒性更优的方向趋近；通过调整影响因子μ和δ，可以使得函数的结果更趋近于不可见性或是鲁棒性。

实施例2

参见图1-7，现以尺寸为1024×1024的Lena、Hestain、Stonehenge和Fruits四张图像分别作为宿主图像，以尺寸为256×256的“陕西科大”字样为测试信息图像，以尺寸为256×256的“印刷防伪”字样为水印图像，使用MATLAB工具进行代码的编辑，提供一种基于PN函数极值的水印隐藏区域确定方法，具体包括如下步骤：

(1)打开MATLAB将Lena、Hestain、Stonehenge和Fruits图像的尺寸分别裁定为1024×1024，将测试信息图像和水印图像分别裁定为256×256。

(2)对Lena图像进行非重叠子区域分割，得到16个256×256大小的子区域图像。

(3)在MATLAB中将256×256大小的测试信息图像“陕西科大”按照相同的水印嵌入算法嵌入到256×256大小的各个子区域中，得到16个嵌入水印图像{WI^m}，m＝1，2，……，16；嵌入测试信息图像时采用无下采样双树小波变换分解函数将每个子区域变换到变换域，分解级数选定为2，在变换域中利用加性方法添加测试信息。

具体算法为：选定特定的分解级数J；利用MATLAB软件编写无下采样双树小波变换分解函数NSDTCWT将图像从空间域转换到变换域；NSDTCWT函数的具体格式为：[TreeA，TreeB]＝NSDTCWT(I，J)；其中I是待变换图像，J是分解级数，TreeA和TreeB分别是分解得到的树A与树B的所有子带。

(4)计算每个子区域嵌入测试信息后的像素重建函数值PRF：

其中M、N分别代表子区域的长、宽像素尺寸，C和E分别代表嵌入测试信息前和嵌入测试信息后的对应子区域。

(5)将嵌入测试信息后的子区域和对应的未嵌入测试信息的子区域合并，得到合并图像IW。

(6)通过20°旋转、3×3均值滤波和添加0.02强度高斯噪声的方式破坏合并图像IW；具体格式为：[Attack₁]＝imrotate(IW，20，’nearest’)；h＝fspecial(′average′，3)；[Attack₂]＝filter2(IW，h)；[Attack₃]＝imnoise(IW，‘gaussian’，0，0.02)；其中A为待破坏图像，Attack_t为破坏后的图像，t＝1，2，3。

(7)对破坏后的合并图像分别进行信息提取，提取时采用无下采样双树小波变换分解函数将每个子区域变换到变换域，分解级数选定为2，在变换域中利用加性方法提取测试信息。

(8)计算每个子区域提取测试信息的归一化损失密度函数值NLDF：

其中，M_c、N_c分别代表测试信息的长、宽像素尺寸，B和Z分别代表原始测试信息和提取测试信息。

(9)利用PN函数计算每个子区域的PN函数值，PN函数极值所在的区域即为合适的隐藏区域。

{Sequence^m}_P×O＝sort(|PN|^m)

其中PRF_m代表第m个子区域的像素重建函数值，m＝1，2，……16；PRF_max代表所有子区域中最大的像素重建函数值；NLDF_m代表第m个子区域的归一化损失密度函数值；使用Sort函数对所有子区域按照PN函数值的大小进行排序，得到的顺序为{Sequence^m}。影响因子μ和δ选定为0.49和0.51。

如果需要嵌入多个隐藏信息，则将PN函数值排序，优先选择PN函数值较大的区域隐藏信息。

对步骤(1)处理后的Hestain、Stonehenge和Fruits图像，同样进行步骤(2)-(9)的操作，得到四幅宿主图像Lena、Hestain、Stonehenge和Fruits各个子区域的PN函数值如下表所示。

表1四幅宿主图像各个子区域的PN函数值

由上表1可知，各个子区域的PN函数值在0.8835到0.9994之间随机分布，四幅不同宿主图像的PN函数极值分别达到了0.9945，0.9962，0.9994和0.9932，在PN函数极值出现的区域隐藏信息能够使得信息的不可见性和鲁棒性更强。

为了检验该方法的正确性，分别在四幅宿主图像的PN函数极值对应的子区域嵌入含“印刷防伪”字样的水印图像，计算每个宿主图像嵌入水印信息后的像素重建函数值PRF，将嵌入水印信息后的宿主图像块与未嵌入水印信息的宿主图像块进行合并，之后分别通过7×7均值滤波、7×7中值滤波、添加0.02高斯噪声、添加0.02椒盐噪声、JPEG压缩70％、旋转20度、对比度增强和直方图均衡的方式破坏嵌入水印信息后的宿主图像，从破坏的宿主图像中分别提取水印信息，通过归一化损失密度函数(NLDF)评价水印信息的鲁棒性。为了更好地说明该方法的正确性，随机在宿主图像中选择区域进行“印刷防伪”水印信息的隐藏，重复上述步骤，计算像素重建函数值PRF和归一化损失密度函数值NLDF，像素重建函数值PRF高于3就可以说明人眼无法识别嵌入水印信息前与嵌入水印信息后宿主图像的差异，满足不可见性要求，归一化损失密度函数值NLDF越接近于0，说明水印的鲁棒性越强。

结果如下：

表2两种不同方式隐藏信息的像素重建函数值PRF

表3两种不同方式隐藏信息的归一化损失密度函数值NLDF

结果表明，两种嵌入方法的PRF值均高于3，满足不可见性要求，且基于PN函数极值隐藏信息的方法比随机隐藏信息的方法PRF值约高0.33，说明该方法的不可见性更强。在鲁棒性方面，基于PN函数极值隐藏信息的方法比随机隐藏信息的方法NLDF值约低0.04，说明通过PN函数极值确定隐藏区域的方法一定程度上提升了隐藏信息的鲁棒性，基于PN函数极值隐藏信息的方法即便是在遭受最大化破坏(对比度增强)后，提取信息的NLDF值仍然低达0.0740，说明该隐藏方法使得隐藏信息具备良好的鲁棒性能。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (8)

1.一种基于PN函数极值的水印隐藏区域确定方法，其特征在于，包括如下步骤：

步骤1：将宿主图像均匀分割成若干非重叠子区域；

步骤2：将测试信息分别嵌入到宿主图像的各个子区域中，计算每个子区域嵌入测试信息后的像素重建函数值PRF；

步骤3：将嵌入测试信息后的子区域和对应的未嵌入测试信息的子区域合并，得到各个子区域嵌入测试信息前后的合并图像；

步骤4：通过攻击破坏合并图像，在合并图像中提取测试信息，计算每个子区域提取测试信息的归一化损失密度函数值NLDF；

步骤5：利用综合考虑了像素重建函数值PRF和归一化损失密度函数值NLDF的PN函数计算宿主图像各个子区域的PN函数值，PN函数极值对应的子区域即为合适的水印隐藏区域。

2.如权利要求1所述的基于PN函数极值的水印隐藏区域确定方法，其特征在于，所述步骤1中的宿主图像和子区域均为方形图像，所述宿主图像的大小大于512×512，所述子区域的图像大小介于64×64到256×256之间。

3.如权利要求1所述的基于PN函数极值的水印隐藏区域确定方法，其特征在于，所述步骤2将测试信息分别嵌入到宿主图像的各个子区域中时采用无下采样双树小波变换分解函数进行分解，分解级数选为2级。

4.如权利要求1所述的基于PN函数极值的水印隐藏区域确定方法，其特征在于，所述步骤2中，计算每个子区域嵌入测试信息后的像素重建函数值PRF的计算公式如下：

其中，M、N分别代表子区域的长、宽像素尺寸，C和E分别代表嵌入测试信息前与嵌入测试信息后的对应子区域。

5.如权利要求1所述的基于PN函数极值的水印隐藏区域确定方法，其特征在于，所述步骤4中的攻击包括图片旋转、图片压缩、均值滤波、中值滤波、对比度增强、直方图均衡、添加椒盐噪声和添加高斯噪声中的一种或任意几种的组合。

6.如权利要求1所述的基于PN函数极值的水印隐藏区域确定方法，其特征在于，所述步骤4在合并图像中提取测试信息时采用无下采样双树小波变换分解函数，分解级数选定为2。

7.如权利要求1所述的基于PN函数极值的水印隐藏区域确定方法，其特征在于，所述步骤4中，计算每个子区域提取测试信息的归一化损失密度函数值NLDF的公式如下：

其中，M_c、N_c分别代表测试信息的长、宽像素尺寸，B和Z分别代表原始测试信息和提取测试信息。

8.如权利要求1所述的基于PN函数极值的水印隐藏区域确定方法，其特征在于，所述步骤5中利用PN函数计算宿主图像各个子区域的PN函数值的公式如下：

其中，PRF_m代表第m个子区域的像素重建函数值，m＝1，2，……n；PRF_max代表所有子区域中最大的像素重建函数值；NLDF_m代表第m个子区域的归一化损失密度函数值；μ和δ分别为不可见性影响因子和鲁棒性影响因子，且μ+δ＝1。

Images