CN113989089A - 隐形图片水印处理方法、系统、计算机设备、智能终端 - Google Patents

隐形图片水印处理方法、系统、计算机设备、智能终端 Download PDF

Info

Publication number
CN113989089A
CN113989089A CN202111044749.2A CN202111044749A CN113989089A CN 113989089 A CN113989089 A CN 113989089A CN 202111044749 A CN202111044749 A CN 202111044749A CN 113989089 A CN113989089 A CN 113989089A
Authority
CN
China
Prior art keywords
picture
ownership information
transformation
matrix
discrete cosine
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
Application number
CN202111044749.2A
Other languages
English (en)
Other versions
CN113989089B (zh
Inventor
李晖
张铭
郑春皓
谢雨航
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN202111044749.2A priority Critical patent/CN113989089B/zh
Publication of CN113989089A publication Critical patent/CN113989089A/zh
Application granted granted Critical
Publication of CN113989089B publication Critical patent/CN113989089B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T1/005—Robust watermarking, e.g. average attack or collusion attack resistant
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/147—Discrete orthonormal transforms, e.g. discrete cosine transform, discrete sine transform, and variations therefrom, e.g. modified discrete cosine transform, integer transforms approximating the discrete cosine transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/148—Wavelet transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
    • G06F21/16—Program or content traceability, e.g. by watermarking

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Technology Law (AREA)
  • Multimedia (AREA)
  • Discrete Mathematics (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Image Processing (AREA)

Abstract

本发明属于通信网络安全及计算机视觉技术领域，公开了一种隐形图片水印处理方法、系统、计算机设备、智能终端，所述隐形图片水印处理方法首先通过将图片所有权信息整合扩展和Arnold置乱，和RS纠错码一同复写，使用小波变换WT和离散余弦变换DCT将图片所有权信息隐写于图片频域中；然后图片水印提取阶段，将已加入水印的图片进行小波变换和离散余弦变换，同Walsh矩阵进行相关性计算，提取出信息矩阵；最后通过Arnold置乱对比提取出所有权信息，通过大数判决提取出图片所有权信息。本发明基于频域变换的隐形图片水印处理方法及装置，用于降低图片水印被破解或抹除的风险，并确定图片所有权。

Description

隐形图片水印处理方法、系统、计算机设备、智能终端
技术领域
本发明属于通信网络安全及计算机视觉技术领域，尤其涉及一种隐形图片水印处理方法、系统、计算机设备、智能终端。
背景技术
目前：随着互联网的迅速发展，越来越多的人不断地在社交网络平台上发布他们日常生活的图片，导致社交网络平台上的图像数量激增。微博上每天上传超过1.2亿张图片，Facebook上每天上传超过5.67亿张图片。
随着更多的社交网络平台出现在人们的视野中，社交网络中的图片共享中的隐私保护和所有权确定已经成为一个重要问题。现有的社交网络平台大多缺乏对图片所有权的保护，使用集中式服务器提供图片共享服务，集中服务器存储所有用户的私有图像数据，控制平台用户共享的所有图像的整体传播。用户图片上传后易被窃取并反复在不同平台上传播，且缺乏有效的对抗手段，难以分辨盗取图像来源，难以确定图像的所有权归属，由此引发了一系列问题。
数字图像水印技术是指用信号处理的方法在图像数据中嵌入隐含标记。水印分为易感知水印和不易感知水印两种。易感知水印是可见的水印，一般是半透明图案。该类水印主要为了标识从截取或获取的图像主体，能够起到对非法盗用图像者的警告作用，但会对图像的可见性和观赏性造成一定的损失。不易感知水印是不可见的水印，一般被嵌入于图像的频域或空间域上，该类水印一般无法被肉眼识别，通常用于图片被盗取造成损失后的溯源与责任追究。
通过上述分析，现有技术存在的问题及缺陷为：
(1)水印的保真性：嵌入图像的水印应当在视觉上是不易被感知的，同时不影响原图像的质量。
(2)水印的鲁棒性：嵌入图像的水印应当能够抵抗常见的图像处理操作，如平移、缩放、剪切、镜像、压缩、格式转换等攻击。
(3)可靠的检测机制：水印应当能够快速的被提取和检测，从而确定图像的所属权。
解决以上问题及缺陷的难度为：如何在保证保真性、鲁棒性的前提下，设计一种快速的水印嵌入和提取算法，有效确定图像的归属权。
解决以上问题及缺陷的意义为：旨在填补相关领域的空白，为图像所属权的划分提供支撑与保障。
发明内容
针对现有技术存在的问题，本发明提供了一种隐形图片水印处理方法、系统、计算机设备、智能终端。
本发明是这样实现的，一种隐形图片水印处理方法，所述隐形图片水印处理方法包括：
步骤一，将图片所有权信息整合扩展生成所有权信息序列，对所有权信息序列进行RS纠错码复写和Arnold置乱变换生成所有权信息矩阵；
步骤二，通过小波变换WT和离散余弦变换DCT的方式对图片进行处理，将图片转换至频域；使用离散余弦算法将所有权信息矩阵隐写于图片频域中，然后将图片频域通过离散余弦变换和小波变换的逆变换还原，生成包含隐写图片水印的所有权信息的拓展图像；
步骤三，将步骤二生成的拓展图像拓展图像通过小波变换和离散余弦变换转换至频域，并计算Walsh矩阵的相关性系数提取出所有权信息矩阵，通过Arnold置乱对比提取出所有权信息，根据大数判决提取出图片所有权信息。
进一步，所述隐形图片水印处理方法包括：生成所有权信息的方法：由用户id，上传系统标签，时间戳，纠错码生成的所有权信息序列；序列被转化为标准化的m位二进制序列；序列通过n次复写扩展形成一个大小为m×n的所有权信息矩阵；矩阵通过Arnold置乱形成为一个m×n的所有权信息序列写入矩阵，以实现其抗切割攻击功能。
进一步，所述隐形图片水印处理方法包括：将图片转换至频域的转换方法和信息隐写方法：用于生成并记录图片所有者信息；将图片通过小波变换分为低频低通，低频高通，高频低通，高频高通四个子带。提取低频低通子带LL，切割为8*8大小的子块，在每个子块上执行离散余弦变换算法：
Figure BDA0003250755430000031
将所有权信息按如下算法注入到DCT系数的16个IF系数中：
Figure BDA0003250755430000032
其中，δ为强度常数，d1和d2是两个相互正交的大小为4*4的Walsh矩阵。DCT(x,y)是子块的DCT系数，ω表示信息矩阵的一点，DCT`(x,y)表示注入后的DCT系数；
注入后，将图片再次进行离散余弦变换和小波变换的逆变换，还原为包含注入所有权信息后的拓展图像。
进一步，所述隐形图片水印处理方法包括：所有权信息提取方法：将包含注入所有权信息后的拓展图像进行小波变换，将其低频低通子带分割并进行离散余弦变换；使用如下公式计算向量矩阵的相关性系数：
Figure BDA0003250755430000033
其中，A表示注入信息位置的DCT系数，B表示向量矩阵d1和d2.如果相关系数NC(A，d1)＞NC(A，d2)，则注入位为1，否则为0；
随后，通过Arnold置乱将其还原；不同位上的相关系数计算有冲突，采取大数判决的方法，认定为该位上相关性系数计算较多的位数。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：首先首先将图片所有权信息整合扩展生成所有权信息序列，对所有权信息序列进行RS纠错码复写和Arnold置乱变换生成所有权信息矩阵；然后通过小波变换WT和离散余弦变换DCT的方式对图片进行处理，将图片转换至频域；使用离散余弦算法将所有权信息矩阵隐写于图片频域中，然后将图片频域通过离散余弦变换和小波变换的逆变换还原，生成包含隐写图片水印的所有权信息的拓展图像；最后将生成的拓展图像拓展图像通过小波变换和离散余弦变换转换至频域，并计算Walsh矩阵的相关性系数提取出所有权信息矩阵，通过Arnold置乱对比提取出所有权信息，根据大数判决提取出图片所有权信息。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：首先首先将图片所有权信息整合扩展生成所有权信息序列，对所有权信息序列进行RS纠错码复写和Arnold置乱变换生成所有权信息矩阵；然后通过小波变换WT和离散余弦变换DCT的方式对图片进行处理，将图片转换至频域；使用离散余弦算法将所有权信息矩阵隐写于图片频域中，然后将图片频域通过离散余弦变换和小波变换的逆变换还原，生成包含隐写图片水印的所有权信息的拓展图像；最后将生成的拓展图像拓展图像通过小波变换和离散余弦变换转换至频域，并计算Walsh矩阵的相关性系数提取出所有权信息矩阵，通过Arnold置乱对比提取出所有权信息，根据大数判决提取出图片所有权信息。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的隐形图片水印处理方法。
本发明的另一目的在于提供一种实施所述隐形图片水印处理方法的隐形图片水印处理系统，所述隐形图片水印处理系统包括：
所有权信息注入模块，用于将源用户id，上传系统标签，时间戳，纠错码等信息生成为所有权信息序列；并将序列进行复写和Arnold置乱变换，最终生成所有权信息矩阵；
信息隐写模块，使用小波变换和离散余弦变换等方式对照片进行处理，将照片转换至频域；将所有权信息注入模块所生成的所有权信息矩阵通过离散余弦算法注入照片频域，并通过逆变换将其还原，最终生成包含隐写图片水印信息的拓展图像；
所有权信息提取模块，通过小波变换和离散余弦变换将包含有隐写图片水印的拓展图像转换至频域，并计算Walsh矩阵的相关性系数提取出所有权信息矩阵，通过Arnold置乱对比提取出所有权信息，根据大数判决提取出图片所有权信息。
本发明的另一目的在于提供一种社交网络平台，所述社交网络平台包含所述的隐形图片水印处理系统。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明基于频域变换的隐形图片水印处理方法及装置，用于降低图片水印被破解或抹除的风险，并确定图片所有权。
附图说明
图1是本发明实施例提供的隐形图片水印处理方法流程图。
图2是本发明实施例提供的隐形图片水印处理系统的结构示意图；
图中：1、所有权信息注入模块；2、信息隐写模块；3、所有权信息提取模块。
图3是本发明实施例提供的隐形图片水印处理方法的实现流程图。
图4是本发明实施例提供的测试其鲁棒性示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明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仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种隐形图片水印处理方法、系统、计算机设备、智能终端，下面结合附图对本发明作详细的描述。
如图1所示，本发明提供的隐形图片水印处理方法包括以下步骤：
S101，将图片所有权信息整合扩展生成所有权信息序列，对所有权信息序列进行RS纠错码复写和Arnold置乱变换生成所有权信息矩阵。
S102，通过小波变换WT和离散余弦变换DCT的方式对图片进行处理，将图片转换至频域；使用离散余弦算法将所有权信息矩阵隐写于图片频域中，然后将图片频域通过离散余弦变换和小波变换的逆变换还原，生成包含隐写图片水印的所有权信息的拓展图像。
S103，将S102生成的拓展图像拓展图像通过小波变换和离散余弦变换转换至频域，并计算Walsh矩阵的相关性系数提取出所有权信息矩阵，通过Arnold置乱对比提取出所有权信息，根据大数判决提取出图片所有权信息。
本发明提供的隐形图片水印处理方法业内的普通技术人员还可以采用其他的步骤实施，图1的本发明提供的隐形图片水印处理方法仅仅是一个具体实施例而已。
如图2所示，本发明提供的隐形图片水印处理系统包括：
所有权信息注入模块1，用于将源用户id，上传系统标签，时间戳，纠错码等信息生成为所有权信息序列；并将序列进行复写和Arnold置乱变换，最终生成所有权信息矩阵；
信息隐写模块2，使用小波变换和离散余弦变换等方式对照片进行处理，将照片转换至频域；将所有权信息注入模块所生成的所有权信息矩阵通过离散余弦算法注入照片频域，并通过逆变换将其还原，最终生成包含隐写图片水印信息的拓展图像；
所有权信息提取模块3，通过小波变换和离散余弦变换将包含有隐写图片水印的拓展图像转换至频域，并计算Walsh矩阵的相关性系数提取出所有权信息矩阵，通过Arnold置乱对比提取出所有权信息，根据大数判决提取出图片所有权信息。
下面结合附图对本发明的技术方案作进一步的描述。
本发明通过将图片所有权信息整合扩展和Arnold置乱，和RS纠错码一同复写，使用小波变换(WT)和离散余弦变换(DCT)将图片所有权信息隐写于图片频域中。图片水印提取阶段，将已加入水印的图片进行小波变换和离散余弦变换，同Walsh矩阵进行相关性计算，提取出信息矩阵，再次并通过Arnold置乱对比提取出所有权信息，最终通过大数判决提取出图片所有权信息。
所有权信息注入模块1提供一种生成所有权信息矩阵的生成方法，包括：由用户id，上传系统标签，时间戳，纠错码生成的所有权信息序列。该序列可被转化为标准化的m位二进制序列。该序列通过n次复写扩展形成一个大小为m×n的所有权信息矩阵。该矩阵通过Arnold置乱形成为一个m×n的所有权信息序列写入矩阵，以实现其抗切割攻击功能。
信息隐写模块2提供一种将图片转换至频域的转换方法和信息隐写方法，包括：用于生成并记录图片所有者信息；将图片通过小波变换分为低频低通，低频高通，高频低通，高频高通四个子带。提取低频低通子带，将其切割为8*8大小的子块，在每个子块上执行离散余弦变换算法。其中，LL为低频低通子带，DCT为离散余弦算法，xn,ym为其中一个子块。
Figure BDA0003250755430000071
随后，将所有权信息按如下算法注入到DCT系数的16个IF系数中：
Figure BDA0003250755430000072
其中，δ为强度常数，d1和d2是两个相互正交的大小为4*4的Walsh矩阵。DCT(x,y)是子块的DCT系数，ω表示信息矩阵的一点，DCT`(x,y)表示注入后的DCT系数。
注入后，将图片再次进行离散余弦变换和小波变换的逆变换，将其还原为包含注入所有权信息后的拓展图像。
所有权信息提取模块3提供一种所有权信息提取方法，包括：将包含注入所有权信息后的拓展图像进行小波变换，将其低频低通子带分割并进行离散余弦变换。使用如下公式计算向量矩阵的相关性系数：
Figure BDA0003250755430000081
其中，A表示注入信息位置的DCT系数，B表示向量矩阵d1和d2.如果相关系数NC(A，d1)＞NC(A，d2)，则注入位为1，否则为0。
随后，通过Arnold置乱将其还原。由于前期进行了拓展，不同位上的相关系数计算如有冲突，采取大数判决的方法，认定其为该位上相关性系数计算较多的位数。
如图3所示，本发明提供的图片水印处理方法包括以下步骤：
(1)系统自动生成所有权信息，将源用户id，上传系统标签，时间戳，纠错码等信息生成为所有权信息序列。转化为标准化的m位二进制序列。该序列通过n次复写扩展形成一个大小为m×n的所有权信息矩阵。
(2)将所有权信息进行复写和Arnold置乱变换成为一个m×n的写入矩阵。
(3)使用小波变换和离散余弦变换等方式对照片进行处理，将照片转换至频域。将图片通过小波变换分为低频低通，低频高通，高频低通，高频高通四个子带。提取低频低通子带(LL)，将其切割为8*8大小的子块，在每个子块上执行离散余弦变换算法。将所有权信息注入到DCT系数的16个IF系数中：
(4)将图片再次进行离散余弦变换和小波变换的逆变换，将其还原为包含注入所有权信息后的拓展图像。
(5)将包含注入所有权信息后的拓展图像进行小波变换，将其低频低通子带分割并进行离散余弦变换。计算向量矩阵的相关性系数。
(6)通过Arnold置乱将其还原。由于前期进行了拓展，不同位上的相关系数计算如有冲突，采取大数判决的方法，认定其为该位上相关性系数计算较多的位数。
(7)提取并还原出所有权信息序列。
下面结合测试对本发明的技术效果作详细的描述。
本实验为验证实施例中所述方法有效性，在计算机上部署该系统并进行实验验证。
(1)首先测试其抗压缩性能，将不同照片上传至服务器，在服务器中对其进行压缩运算并计算器所有权信息提取成功率，实验结果如表1所示：
表1
Figure BDA0003250755430000091
(2)其次，测试其鲁棒性，本发明测试了几种可能的攻击，并将结果与Whash算法进行了比较。结果如图4所示，该方法在对抗胡椒噪声、高斯噪声和斑点噪声攻击方面表现得更好。使篡改区域达到40％，其所有权序列提取成功率仍然保持在90％以上，这可以通过RS纠错码进行纠正。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种隐形图片水印处理方法，其特征在于，所述隐形图片水印处理方法包括：
步骤一，将图片所有权信息整合扩展生成所有权信息序列，对所有权信息序列进行RS纠错码复写和Arnold置乱变换生成所有权信息矩阵；
步骤二，通过小波变换WT和离散余弦变换DCT的方式对图片进行处理，将图片转换至频域；使用离散余弦算法将所有权信息矩阵隐写于图片频域中，然后将图片频域通过离散余弦变换和小波变换的逆变换还原，生成包含隐写图片水印的所有权信息的拓展图像；
步骤三，将步骤二生成的拓展图像拓展图像通过小波变换和离散余弦变换转换至频域，并计算Walsh矩阵的相关性系数提取出所有权信息矩阵，通过Arnold置乱对比提取出所有权信息，根据大数判决提取出图片所有权信息。
2.如权利要求1所述的隐形图片水印处理方法，其特征在于，所述隐形图片水印处理方法包括：生成所有权信息矩阵的方法：将源用户id、上传系统标签、时间戳及纠错码生成所有权信息序列；所有权信息序列被转化为标准化的m位二进制序列；所有权信息序列通过n次复写扩展形成一个大小为m×n的所有权信息矩阵；矩阵通过Arnold置乱形成为一个m×n的所有权信息序列写入矩阵。
3.如权利要求1所述的隐形图片水印处理方法，其特征在于，所述隐形图片水印处理方法包括：将图片转换至频域的转换方法和信息隐写方法：用于生成并记录图片所有者信息；将图片通过小波变换分为低频低通，低频高通，高频低通，高频高通四个子带；提取低频低通子带LL，切割为8*8大小的子块，在每个子块上执行离散余弦变换算法：
Figure RE-FDA0003394663000000011
将所有权信息按如下算法注入到DCT系数的16个IF系数中：
Figure RE-FDA0003394663000000021
其中，δ为强度常数，d1和d2是两个相互正交的大小为4*4的Walsh矩阵；DCT(x,y)是子块的DCT系数，ω表示信息矩阵的一点，DCT`(x,y)表示注入后的DCT系数；
注入后，将图片再次进行离散余弦变换和小波变换的逆变换，还原为包含注入所有权信息后的拓展图像。
4.如权利要求1所述的隐形图片水印处理方法，其特征在于，所述隐形图片水印处理方法包括：所有权信息提取方法：将包含注入所有权信息后的拓展图像进行小波变换，将其低频低通子带分割并进行离散余弦变换；使用如下公式计算向量矩阵的相关性系数：
Figure RE-FDA0003394663000000022
其中，A表示注入信息位置的DCT系数，B表示向量矩阵d1和d2.如果相关系数NC(A，d1)＞NC(A，d2)，则注入位为1，否则为0；
随后，通过Arnold置乱将其还原；不同位上的相关系数计算有冲突，采取大数判决的方法，认定为该位上相关性系数计算较多的位数。
5.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：首先将图片所有权信息整合扩展生成所有权信息序列，对所有权信息序列进行RS纠错码复写和Arnold置乱变换生成所有权信息矩阵；然后通过小波变换WT和离散余弦变换DCT的方式对图片进行处理，将图片转换至频域；使用离散余弦算法将所有权信息矩阵隐写于图片频域中，然后将图片频域通过离散余弦变换和小波变换的逆变换还原，生成包含隐写图片水印的所有权信息的拓展图像；最后将生成的拓展图像拓展图像通过小波变换和离散余弦变换转换至频域，并计算Walsh矩阵的相关性系数提取出所有权信息矩阵，通过Arnold置乱对比提取出所有权信息，根据大数判决提取出图片所有权信息。
6.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：首先首先将图片所有权信息整合扩展生成所有权信息序列，对所有权信息序列进行RS纠错码复写和Arnold置乱变换生成所有权信息矩阵；然后通过小波变换WT和离散余弦变换DCT的方式对图片进行处理，将图片转换至频域；使用离散余弦算法将所有权信息矩阵隐写于图片频域中，然后将图片频域通过离散余弦变换和小波变换的逆变换还原，生成包含隐写图片水印的所有权信息的拓展图像；最后将生成的拓展图像拓展图像通过小波变换和离散余弦变换转换至频域，并计算Walsh矩阵的相关性系数提取出所有权信息矩阵，通过Arnold置乱对比提取出所有权信息，根据大数判决提取出图片所有权信息。
7.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现权利要求1～5任意一项所述的隐形图片水印处理方法。
8.一种实施权利要求1～5任意一项所述隐形图片水印处理方法的隐形图片水印处理系统，其特征在于，所述隐形图片水印处理系统包括：
所有权信息注入模块，用于将源用户id，上传系统标签，时间戳，纠错码等信息生成为所有权信息序列；并将序列进行复写和Arnold置乱变换，最终生成所有权信息矩阵；
信息隐写模块，使用小波变换和离散余弦变换等方式对照片进行处理，将照片转换至频域；将所有权信息注入模块所生成的所有权信息矩阵通过离散余弦算法注入照片频域，并通过逆变换将其还原，最终生成包含隐写图片水印信息的拓展图像；
所有权信息提取模块，通过小波变换和离散余弦变换将包含有隐写图片水印的拓展图像转换至频域，并计算Walsh矩阵的相关性系数提取出所有权信息矩阵，通过Arnold置乱对比提取出所有权信息，根据大数判决提取出图片所有权信息。
9.一种社交网络平台，其特征在于，所述社交网络平台包含权利要求9所述的隐形图片水印处理系统。
CN202111044749.2A 2021-09-07 2021-09-07 隐形图片水印处理方法、系统、计算机设备、智能终端 Active CN113989089B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111044749.2A CN113989089B (zh) 2021-09-07 2021-09-07 隐形图片水印处理方法、系统、计算机设备、智能终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111044749.2A CN113989089B (zh) 2021-09-07 2021-09-07 隐形图片水印处理方法、系统、计算机设备、智能终端

Publications (2)

Publication Number Publication Date
CN113989089A true CN113989089A (zh) 2022-01-28
CN113989089B CN113989089B (zh) 2024-05-24

Family

ID=79735421

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111044749.2A Active CN113989089B (zh) 2021-09-07 2021-09-07 隐形图片水印处理方法、系统、计算机设备、智能终端

Country Status (1)

Country Link
CN (1) CN113989089B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114670564A (zh) * 2022-03-28 2022-06-28 深圳新宏泽包装有限公司 一种具有防伪全息图的包装盒的智能印刷方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107133906A (zh) * 2017-04-28 2017-09-05 安徽四创电子股份有限公司 一种基于水印技术的视频溯源方法
US20200074582A1 (en) * 2018-08-31 2020-03-05 Taiyuan University Of Technology Method for embedding spread spectrum watermark into images with self-adaptive embedding strength

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107133906A (zh) * 2017-04-28 2017-09-05 安徽四创电子股份有限公司 一种基于水印技术的视频溯源方法
US20200074582A1 (en) * 2018-08-31 2020-03-05 Taiyuan University Of Technology Method for embedding spread spectrum watermark into images with self-adaptive embedding strength

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张玉金;蒋品群;: "基于离散余弦变换和Arnold变换的数字水印算法", 广西师范大学学报(自然科学版), no. 01 *
高文莲;高志娥;薛艳锋;马晓晶;: "几何失真校正耦合位平面分解的图像水印算法", 计算机工程与设计, no. 06 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114670564A (zh) * 2022-03-28 2022-06-28 深圳新宏泽包装有限公司 一种具有防伪全息图的包装盒的智能印刷方法
CN114670564B (zh) * 2022-03-28 2024-03-22 深圳新宏泽包装有限公司 一种具有防伪全息图的包装盒的智能印刷方法

Also Published As

Publication number Publication date
CN113989089B (zh) 2024-05-24

Similar Documents

Publication Publication Date Title
Lu et al. Multipurpose watermarking for image authentication and protection
Singh et al. A survey of digital watermarking techniques, applications and attacks
Voloshynovskiy et al. Multibit digital watermarking robust against local nonlinear geometrical distortions
US6512837B1 (en) Watermarks carrying content dependent signal metrics for detecting and characterizing signal alteration
EP1444653B1 (en) Digital watermarking method robust against local and global geometrical distortions and projective transforms
Zhang et al. Multipurpose watermarking based on multiscale curvelet transform
Hadmi et al. Perceptual image hashing
Pun A novel DFT-based digital watermarking system for images
Vasudev A review on digital image watermarking and its techniques
Hadmi et al. A robust and secure perceptual hashing system based on a quantization step analysis
CN113989089B (zh) 隐形图片水印处理方法、系统、计算机设备、智能终端
Zhong et al. An enhanced multiplicative spread spectrum watermarking scheme
Ahuja et al. A survey of digital watermarking scheme
Tao et al. Robust digital image watermarking in curvelet domain
CN114630130A (zh) 一种基于深度学习的换脸视频溯源方法及系统
Pareek et al. Discrete cosine transformation based image watermarking for authentication and copyright protection
Al-Taay et al. Multimedia Data Hiding Evaluation Metrics
Feng et al. SVM‐based anti‐forensic method for spread‐spectrum fingerprinting
Liang et al. Ridgelet-based robust and perceptual watermarking for images
Cao et al. Robust image watermarking based on singular value decomposition in DT-CWT domain
Kosuru et al. Efficiency Evaluation Parameters of Digital Image Watermarking Techniques
Belkacem et al. A masking model of hvs for image watermaking in the dct domain
Wang et al. A semi-fragile image watermarking resisting to JPEG compression
Chandra A DFT-DWT Domain Invisible Blind Watermarking Techniques for Copyright Protection of Digital Images
Kavadia et al. A literature review on water marking techniques

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