CN114299099A - 一种数字水印提取方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种数字水印提取方法，包括：获取原始图像以及对原始图像嵌入不可见水印后所得的含水印图像；利用高斯混合模型分别对原始图像以及含水印图像进行建模；分别对原始混合模型以及含水印混合模型进行逆变换，将不可见水印对应的水印图像嵌入变换域，得到对应原始混合模型的原始变换域图像，以及对应含水印混合模型的含水印变换域图像；基于背景差分法对原始变换域图像以及含水印变换域图像进行运算，提取水印图像实现不需要原始水印信息也可通过对比植入前后图进行水印提取，满足了当今数字水印提取的需求。本发明还提供了一种装置、设备及存储介质，同样具有上述有益效果。

Description

一种数字水印提取方法、装置、设备及存储介质

技术领域

本发明涉及数字水印技术领域，特别是涉及一种数字水印提取方法、一种数字水印提取装置、一种数字水印提取设备以及一种计算机可读存储介质。

背景技术

数字水印指的是在各种形式的数据，包括文本、图像、视频中植入一些可以供认证的版权等信息，而这些信息可以是图形、图像、视频、字符串等信息，并且这些信息可以是可见的，也可以是不可见的。而常用的图像水印技术则为扩频技术。GMM为高斯混合模型，指的是多个高斯分布函数的线性组合，它可以用来描述图像的特征。也可以被视为一种聚类方法，是机器学习中对“无标签数据”进行训练得到的分类结果。

但是现有的数字水印提取中，提取的过程比较复杂，同时需要原始水印信息才可以进行水印提取，无法满足特定情况的下的提取需求，比如运动目标的提取和检测就比较困难，需要人为干预才可以进行，因此现有的数字水印提取功能不够完善，无法满足当今数字水印的提取需求。所以如何提供一种可以满足当今数字水印提取需求的技术方案是本领域技术人员急需解决的问题。

发明内容

本发明的目的是提供一种数字水印提取方法，可以提取图像中的不可见水印；本发明的另一目的在于提供一种数字水印提取装置、一种数字水印提取设备以及一种计算机可读存储介质，可以提取图像中的不可见水印。

为解决上述技术问题，本发明提供一种数字水印提取方法，包括：

获取原始图像以及对所述原始图像嵌入不可见水印后所得的含水印图像；

利用高斯混合模型分别对所述原始图像以及所述含水印图像进行建模，得到对应所述原始图像的原始混合模型，以及对应所述含水印图像的含水印混合模型；

分别对所述原始混合模型以及所述含水印混合模型进行逆变换，将所述不可见水印对应的水印图像嵌入所述变换域，得到对应所述原始混合模型的原始变换域图像，以及对应所述含水印混合模型的含水印变换域图像；

基于背景差分法对所述原始变换域图像以及所述含水印变换域图像进行运算，提取所述水印图像。

可选的，所述分别对所述原始混合模型以及所述含水印混合模型进行逆变换，将所述不可见水印对应的水印图像嵌入所述变换域包括：

分别对所述原始混合模型以及所述含水印混合模型进行IDCT变换，将所述不可见水印对应的水印图像嵌入所述DCT域。

可选的，所述利用高斯混合模型分别对所述原始图像以及所述含水印图像进行建模，得到对应所述原始图像的原始混合模型，以及对应所述含水印图像的含水印混合模型包括：

分别提取所述原始图像以及所述含水印图像中每一像素的特征，形成对应所述原始图像的原始特征矢量集，以及对应所述含水印图像的含水印特征矢量集；

根据所述原始特征矢量集生成对应的原始高斯分布模型，以及根据所述含水印特征矢量集生成对应的含水印高斯分布模型；

通过EM算法分别对所述原始高斯分布模型以及所述含水印高斯分布模型进行优化，得到所述原始混合模型以及所述含水印混合模型。

可选的，所述基于背景差分法对所述原始变换域图像含水印变换域图像进行运算，提取所述水印图像包括：

获取所述原始变换域图像对应的原始背景图像，以及所述含水印变换域图像对应的含水印背景图像；

将所述原始变换域图像的背景分割，并将分割后的原始变换域图像与所述原始背景图像相融合，得到原始待差分图像；

将所述含水印变换域图像的背景分割，并将分割后的含水印变换域图像与所述含水印背景图像相融合，得到含水印待差分图像；

通过背景差分法对所述原始待差分图像与所述含水印待差分图像进行处理，提取所述水印图像。

本发明还提供了一种数字水印提取装置，包括：

图像获取模块，用于获取原始图像以及对所述原始图像嵌入不可见水印后所得的含水印图像；

建模模块，用于利用高斯混合模型分别对所述原始图像以及所述含水印图像进行建模，得到对应所述原始图像的原始混合模型，以及对应所述含水印图像的含水印混合模型；

逆变换模块，用于分别对所述原始混合模型以及所述含水印混合模型进行逆变换，将所述不可见水印对应的水印图像嵌入所述变换域，得到对应所述原始混合模型的原始变换域图像，以及对应所述含水印混合模型的含水印变换域图像；

差分模块，用于基于背景差分法对所述原始变换域图像以及所述含水印变换域图像进行运算，提取所述水印图像。

可选的，所述逆变换模块用于：

分别对所述原始混合模型以及所述含水印混合模型进行IDCT变换，将所述不可见水印对应的水印图像嵌入所述DCT域。

可选的，所述建模模块包括：

特征提取单元，用于分别提取所述原始图像以及所述含水印图像中每一像素的特征，形成对应所述原始图像的原始特征矢量集，以及对应所述含水印图像的含水印特征矢量集；

建模单元，用于根据所述原始特征矢量集生成对应的原始高斯分布模型，以及根据所述含水印特征矢量集生成对应的含水印高斯分布模型；

优化单元，用于通过EM算法分别对所述原始高斯分布模型以及所述含水印高斯分布模型进行优化，得到所述原始混合模型以及所述含水印混合模型。

可选的，所述差分模块包括：

背景获取单元，用于获取所述原始变换域图像对应的原始背景图像，以及所述含水印变换域图像对应的含水印背景图像；

原始分割单元，用于将所述原始变换域图像的背景分割，并将分割后的原始变换域图像与所述原始背景图像相融合，得到原始待差分图像；

含水印分割单元，用于将所述含水印变换域图像的背景分割，并将分割后的含水印变换域图像与所述含水印背景图像相融合，得到含水印待差分图像；

差分单元，用于通过背景差分法对所述原始待差分图像与所述含水印待差分图像进行处理，提取所述水印图像。

本发明还提供了一种数字水印提取设备，所述设备包括：

存储器：用于存储计算机程序；

处理器：用于执行所述计算机程序时实现如上述任一项所述数字水印提取方法的步骤。

本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述数字水印提取方法的步骤。

本发明所提供的一种数字水印提取方法，包括：获取原始图像以及对原始图像嵌入不可见水印后所得的含水印图像；利用高斯混合模型分别对原始图像以及含水印图像进行建模，得到对应原始图像的原始混合模型，以及对应含水印图像的含水印混合模型；分别对原始混合模型以及含水印混合模型进行逆变换，将不可见水印对应的水印图像嵌入变换域，得到对应原始混合模型的原始变换域图像，以及对应含水印混合模型的含水印变换域图像；基于背景差分法对原始变换域图像以及含水印变换域图像进行运算，提取水印图像。

利用高斯混合模型对DCT域进行建模，可以精确地描述DCT域的统计特征，高斯混合模型的参数可以代表图像内像素的位置，通过IDCT变化将两个高斯混合模型变换为DCT域图像，通过背景差分法检测比较两者之间的特征数据的差别，提取出水印的位置、大小、形状等详细信息，高斯混合模型和背景差分法都可以进行分割选取，从而能够不需要原始水印信息也可通过对比植入前后图进行水印提取，比较方便，并且背景差分法和高斯混合模型的结合使用能够对运动目标的图像进行提取和检测，满足了当今数字水印提取的需求。

本发明还提供了一种数字水印提取装置、一种数字水印提取设备以及一种计算机可读存储介质，同样具有上述有益效果，在此不再进行赘述。

附图说明

为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例所提供的一种数字水印提取方法的流程图；

图2为本发明实施例所提供的一种具体的数字水印提取方法的流程图；

图3为本发明实施例所提供的一种数字水印提取装置的结构框图；

图4为本发明实施例所提供的一种数字水印提取设备的结构框图。

具体实施方式

本发明的核心是提供一种数字水印提取方法。在现有技术中，提取的过程比较复杂，同时需要原始水印信息才可以进行水印提取，无法满足特定情况的下的提取需求，比如运动目标的提取和检测就比较困难，需要人为干预才可以进行，因此现有的数字水印提取功能不够完善，无法满足当今数字水印的提取需求。

而本发明所提供的一种数字水印提取方法，包括：获取原始图像以及对原始图像嵌入不可见水印后所得的含水印图像；利用高斯混合模型分别对原始图像以及含水印图像进行建模，得到对应原始图像的原始混合模型，以及对应含水印图像的含水印混合模型；分别对原始混合模型以及含水印混合模型进行逆变换，将不可见水印对应的水印图像嵌入变换域，得到对应原始混合模型的原始变换域图像，以及对应含水印混合模型的含水印变换域图像；基于背景差分法对原始变换域图像含水印变换域图像进行运算，提取水印图像。

利用高斯混合模型对DCT域进行建模，可以精确地描述DCT域的统计特征，高斯混合模型的参数可以代表图像内像素的位置，通过IDCT变化将两个高斯混合模型变换为DCT域图像，通过背景差分法检测比较两者之间的特征数据的差别，提取出水印的位置、大小、形状等详细信息，高斯混合模型和背景差分法都可以进行分割选取，从而能够不需要原始水印信息也可通过对比植入前后图进行水印提取，比较方便，并且背景差分法和高斯混合模型的结合使用能够对运动目标的图像进行提取和检测，满足了当今数字水印提取的需求。

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参考图1，图1为本发明实施例所提供的一种数字水印提取方法的流程图。

参见图1，在本发明实施例中，数字水印提取方法包括：

S101：获取原始图像以及对原始图像嵌入不可见水印后所得的含水印图像。

在本步骤中，首先需要获取已经嵌入有不可见水印的含水印图像，以及未添加有不可见水印的，与上述含水印图像相对应的原始图像。以在后续步骤中，提取出可不见水印自身对应的水印图像。

S102：利用高斯混合模型分别对原始图像以及含水印图像进行建模，得到对应原始图像的原始混合模型，以及对应含水印图像的含水印混合模型。

上述高斯混合模型即GMM，在本步骤中，具体会基于高斯混合模型对上述两张图像分别进行建模，从而将得到原始图像对应的高斯混合模型，即原始混合模型；以及得到含水印图像对应的高斯混合模型，即含水印混合模型。有关利用高斯混合模型的具体内容将在下述发明实施例中做详细介绍，在此不再进行赘述。

S103：分别对原始混合模型以及含水印混合模型进行逆变换，将不可见水印对应的水印图像嵌入变换域，得到对应原始混合模型的原始变换域图像，以及对应含水印混合模型的含水印变换域图像。

在本步骤中，会分别对上述原始混合模型和含水印混合模型进行逆变换，例如IDCT(离散余弦逆变换)等，从而可以将不可见水印嵌入上述逆变换对应的变换域，得到对应原始混合模型的原始变换域图像，以及对应含水印混合模型的含水印变换域图像。将不可见水印嵌入上述逆变换对应的变换域，得到对应的图像，可以进一步通过后续步骤中的背景差分法将该水印图像提取出。有关逆变换的具体过程可以参考现有技术，在此不再进行赘述。

S104：基于背景差分法对原始变换域图像以及含水印变换域图像进行运算，提取所述水印图像。

有关背景差分法的具体内容可以参考现有技术，其具体内容将在下述发明实施例中做详细介绍，在此不再进行赘述。在本步骤中，会基于背景差分法对上述转换成变换域图像的原始变换域图像进行比对运算，从中提取出水印图像。

本发明实施例所提供的一种数字水印提取方法，包括：获取原始图像以及对原始图像嵌入不可见水印后所得的含水印图像；利用高斯混合模型分别对原始图像以及含水印图像进行建模，得到对应原始图像的原始混合模型，以及对应含水印图像的含水印混合模型；分别对原始混合模型以及含水印混合模型进行逆变换，将不可见水印对应的水印图像嵌入变换域，得到对应原始混合模型的原始变换域图像，以及对应含水印混合模型的含水印变换域图像；基于背景差分法对原始变换域图像以及含水印变换域图像进行运算，提取水印图像。

利用高斯混合模型对DCT域进行建模，可以精确地描述DCT域的统计特征，高斯混合模型的参数可以代表图像内像素的位置，通过IDCT变化将两个高斯混合模型变换为DCT域图像，通过背景差分法检测比较两者之间的特征数据的差别，提取出水印的位置、大小、形状等详细信息，高斯混合模型和背景差分法都可以进行分割选取，从而能够不需要原始水印信息也可通过对比植入前后图进行水印提取，比较方便，并且背景差分法和高斯混合模型的结合使用能够对运动目标的图像进行提取和检测，满足了当今数字水印提取的需求。

有关本发明所提供的一种数字水印提取方法的具体内容将在下述发明实施例中做详细介绍。

请参考图2，图2为本发明实施例所提供的一种具体的数字水印提取方法的流程图。

参见图2，在本发明实施例中，数字水印提取方法包括：

S201：获取原始图像以及对原始图像嵌入不可见水印后所得的含水印图像。

本步骤与上述发明实施例中S101基本一致，详细内容请参考上述发明实施例，在此不再进行赘述。

S202：分别提取原始图像以及含水印图像中每一像素的特征，形成对应原始图像的原始特征矢量集，以及对应含水印图像的含水印特征矢量集。

在本步骤中，具体会提取原始图像每一像素的特征，具体的，在本步骤中会对原始图像中每一像素的纹理、颜色、布局等像素特征进行分析，再检索与数据库中的特征比对，从而提取出原始图像每一像素的特征，形成原始特征矢量集；相应的，在本步骤中也会通过同样的方式提取含水印图像每一像素的特征，形成含水印特征矢量集。

有关上述特征的具体类型可以根据实际情况自行设定，例如纹理、颜色、布局等在此不做具体限定。

S203：根据原始特征矢量集生成对应的原始高斯分布模型，以及根据含水印特征矢量集生成对应的含水印高斯分布模型。

有关根据特征矢量构建高斯分布的具体内容可以参考现有技术，在本步骤中具体会根据上述原始特征矢量集构建对应原始图像的原始高斯分布模型，以及根据含水印特征矢量集构建对应含水印图像的含水印高斯分布模型。

S204：通过EM算法分别对原始高斯分布模型以及含水印高斯分布模型进行优化，得到原始混合模型以及含水印混合模型。

在本步骤中，具体会使用EM算法，即期望最大化算法分别对上述原始高斯分布模型以及含水印高斯分布模型进行优化，得到对应原始图像的高斯混合模型，即原始混合模型；以及对应含水印图像的高斯混合模型，即含水印混合模型。

EM算法是一种迭代算法，每次迭代包含两个步骤：

第一步、求期望；

第二步、求极大，计算新一轮迭代的模型参数。

通过EM算法迭代更新高斯混合模型参数，在分割的图像中，重复计算上述第一步以及第二步直至收敛，从而可以找到了高斯混合模型的参数，实现高斯混合模型的建立。需要注意的是，EM算法具备收敛性，但并不保证找到全局最大值，有可能找到局部最大值。解决方法是初始化几次不同的参数进行迭代，取结果最好的那次。

具体在计算过程中，一个加权平均之后得到的每一个类的平均值，加权平均之后得到的每一个类的方差，利用得到的权重，平均值和方差重新估计高斯分布函数，并根据重新得到的高斯分布函数计算出似然函数值，看看似然函数值是否变化较小，若变化较小则直接退出。然后根据像素值计算得到概率值，利用概率值代替原来的像素值就实现了图像的分割。

具体的，在本步骤之后，可以进一步对上述原始混合模型的参数向量，以及所述含水印混合模型的参数向量分别进行混元，并分别估算对应混合模型的参数，具体可以依据EM算法对参数进行估算。即分别估算混元后原始混合模型以及混元后含水印混合模型的参数，从而进一步对上述原始混合模型以及含水印混合模型进行优化，而上述混元的过程可以理解为对上述对应混合模型的参数向量构建数据集的过程，其具体内容可以参考现有技术，在此不再进行赘述。具体的，此处可以通过分别计算原始图像与含水印图像中每个像素的概率值，并直接根据概率值求得平均值和方差，直接对对应图像直方图进行拟合，从而实现对应模型的优化。

S205：分别对原始混合模型以及含水印混合模型进行IDCT变换，将不可见水印对应的水印图像嵌入DCT域。

上述DCT为离散余弦变换。在本步骤中，具体会对原始混合模型以及含水印混合模型进行IDCT变换，从而将不可见水印对应的水印图像嵌入DCT域。当然，若在本步骤中选用其他种类的逆变换，可以将水印图像嵌入其他的变换域，例如DCT、DFT(离散傅里叶变换)、DWT(离散小波变换)等均可。

在本步骤中进行IDCT变换时，会将输入图像分解为8×8大小的数据块，然后用正向二维DCT把每个块转变成64个DCT系数值，其中左上角第一个数值是直流(DC)系数，即8×8空域图像子块的平均值，其余的63个是交流(AC)系数，接下来对DCT系数进行量化，最后将变换得到的量化的DCT系数进行编码和传送，得到对应原始混合模型的原始变换域图像，以及对应含水印混合模型的含水印变换域图像。

S206：获取原始变换域图像对应的原始背景图像，以及含水印变换域图像对应的含水印背景图像。

在本步骤中，需要获取两张背景图像，分别为原始变换域图像对应的原始背景图像，以及含水印变换域图像对应的含水印背景图像，以便后续通过背景差分法提取水印图像。

S207：将原始变换域图像的背景分割，并将分割后的原始变换域图像与原始背景图像相融合，得到原始待差分图像。

在本步骤中，首先需要将原始变换域图像的背景分割，在分割后将原始变换域图像与原始背景图像相融合，即使用原始背景图像替换原始变换域图像的背景，得到原始待差分图像。

S208：将含水印变换域图像的背景分割，并将分割后的含水印变换域图像与含水印背景图像相融合，得到含水印待差分图像。

在本步骤中，首先需要将含水印变换域图像的背景分割，在分割后将含水印变换域图像与含水印背景图像相融合，即使用含水印背景图像替换含水印变换域图像的背景，得到含水印待差分图像。需要说明的是，本步骤与上述S207可以并行的执行也可以先执行任一步骤均可，在此不做具体限定。

S209：通过背景差分法对原始待差分图像与含水印待差分图像进行处理，提取所述水印图像。

在本步骤中，具体会将上述原始待差分图像与含水印待差分图像输入背景差分算法所对应的差分模型进行运算，通过背景差分法检测比较两者之间的特征数据的差别，提取出水印的位置、大小、形状等详细信息，最后得到水印图像。

具体的，上述对原始变换域图像以及含水印变换域图像进行分割时，具体可以对其进行分帧处理。而后续差分模型进行背景差分运算时，可以具体是在灰度空间中做差分图像，并进行差分检测。

上述背景差分算法首先需要将每一点的混合高斯模型按权值和标准差的比值，即ω/σ按从大到小的顺序排列，根据下式选择前B个模型作为背景模型：

上式中的T表示作为背景中的点，它的像素值保持不变的概率，w为各个像素点所对应的值。如果T选择过小，则背景通常为单峰，这种情况下采用单一高斯模型的背景构造方法更简单，如果T选择过大，则背景通常为多峰，这样采用混合高斯模型的背景构造方法更适合处理这种有重复运动的背景。

在本发明实施例中，不可见水印在嵌入图像后可以得到两份图像，分别为原始图像与含水印图像。当水印嵌入变换域时，以DCT为例，可以使用高斯混合模型对DCT域进行建模，可以精确地描述DCT域的统计特征。水印隐藏进DCT域，导致原始图像与含水印图像的统计特征不会完全相同。高斯混合模型的参数可以代表图像内像素的位置，再将原始图像与含水印图像两个高斯混合模型变换为DCT域图像，通过背景差分法检测比较两者之间的特征数据的差别，从而可以提取出水印的位置、大小、形状等详细信息。

下面对本发明实施例所提供的一种数字水印提取装置进行介绍，下文描述的数字水印提取装置与上文描述的数字水印提取方法可相互对应参照。

请参考图3，图3为本发明实施例所提供的一种数字水印提取装置的结构框图。参照图3，数字水印提取装置可以包括：

图像获取模块100，用于获取原始图像以及对所述原始图像嵌入不可见水印后所得的含水印图像。

建模模块200，用于利用高斯混合模型分别对所述原始图像以及所述含水印图像进行建模，得到对应所述原始图像的原始混合模型，以及对应所述含水印图像的含水印混合模型。

逆变换模块300，用于分别对所述原始混合模型以及所述含水印混合模型进行逆变换，将所述不可见水印对应的水印图像嵌入所述变换域，得到对应所述原始混合模型的原始变换域图像，以及对应所述含水印混合模型的含水印变换域图像。

差分模块400，用于基于背景差分法对所述原始变换域图像以及所述含水印变换域图像进行运算，提取所述水印图像。

作为优选的，在本发明实施例中，所述逆变换模块300用于：

分别对所述原始混合模型以及所述含水印混合模型进行IDCT变换，将所述不可见水印对应的水印图像嵌入所述DCT域。

作为优选的，在本发明实施例中，所述建模模块200包括：

特征提取单元，用于分别提取所述原始图像以及所述含水印图像中每一像素的特征，形成对应所述原始图像的原始特征矢量集，以及对应所述含水印图像的含水印特征矢量集。

建模单元，用于根据所述原始特征矢量集生成对应的原始高斯分布模型，以及根据所述含水印特征矢量集生成对应的含水印高斯分布模型。

优化单元，用于通过EM算法分别对所述原始高斯分布模型以及所述含水印高斯分布模型进行优化，得到所述原始混合模型以及所述含水印混合模型。

作为优选的，在本发明实施例中，所述差分模块400包括：

背景获取单元，用于获取所述原始变换域图像对应的原始背景图像，以及所述含水印变换域图像对应的含水印背景图像。

原始分割单元，用于将所述原始变换域图像的背景分割，并将分割后的原始变换域图像与所述原始背景图像相融合，得到原始待差分图像。

含水印分割单元，用于将所述含水印变换域图像的背景分割，并将分割后的含水印变换域图像与所述含水印背景图像相融合，得到含水印待差分图像。

差分单元，用于通过背景差分法对所述原始待差分图像与所述含水印待差分图像进行处理，提取所述水印图像。

本实施例的数字水印提取装置用于实现前述的数字水印提取方法，因此数字水印提取装置中的具体实施方式可见前文中的数字水印提取方法的实施例部分，例如，图像获取模块100，建模模块200，逆变换模块300，差分模块400分别用于实现上述数字水印提取方法中步骤S101至S104，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。

下面对本发明实施例提供的一种数字水印提取设备进行介绍，下文描述的数字水印提取设备与上文描述的数字水印提取方法以及数字水印提取装置可相互对应参照。

请参考图4，图4为本发明实施例所提供的一种数字水印提取设备的结构框图。

参照图4，该数字水印提取设备可以包括处理器11和存储器12。

所述存储器12用于存储计算机程序；所述处理器11用于执行所述计算机程序时实现上述发明实施例中所述的数字水印提取方法的具体内容。

本实施例的数字水印提取设备中处理器11用于安装上述发明实施例中所述的数字水印提取装置，同时处理器11与存储器12相结合可以实现上述任一发明实施例中所述的数字水印提取方法。因此数字水印提取设备中的具体实施方式可见前文中的数字水印提取方法的实施例部分，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。

本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一发明实施例中所介绍的一种数字水印提取方法。其余内容可以参照现有技术，在此不再进行展开描述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的一种数字水印提取方法、一种数字水印提取装置、一种数字水印提取设备以及一种计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种数字水印提取方法，其特征在于，包括：

获取原始图像以及对所述原始图像嵌入不可见水印后所得的含水印图像；

利用高斯混合模型分别对所述原始图像以及所述含水印图像进行建模，得到对应所述原始图像的原始混合模型，以及对应所述含水印图像的含水印混合模型；

分别对所述原始混合模型以及所述含水印混合模型进行逆变换，将所述不可见水印对应的水印图像嵌入所述变换域，得到对应所述原始混合模型的原始变换域图像，以及对应所述含水印混合模型的含水印变换域图像；

基于背景差分法对所述原始变换域图像以及所述含水印变换域图像进行运算，提取所述水印图像。

2.根据权利要求1所述的方法，其特征在于，所述分别对所述原始混合模型以及所述含水印混合模型进行逆变换，将所述不可见水印对应的水印图像嵌入所述变换域包括：

分别对所述原始混合模型以及所述含水印混合模型进行IDCT变换，将所述不可见水印对应的水印图像嵌入所述DCT域。

3.根据权利要求2所述的方法，其特征在于，所述利用高斯混合模型分别对所述原始图像以及所述含水印图像进行建模，得到对应所述原始图像的原始混合模型，以及对应所述含水印图像的含水印混合模型包括：

分别提取所述原始图像以及所述含水印图像中每一像素的特征，形成对应所述原始图像的原始特征矢量集，以及对应所述含水印图像的含水印特征矢量集；

根据所述原始特征矢量集生成对应的原始高斯分布模型，以及根据所述含水印特征矢量集生成对应的含水印高斯分布模型；

通过EM算法分别对所述原始高斯分布模型以及所述含水印高斯分布模型进行优化，得到所述原始混合模型以及所述含水印混合模型。

4.根据权利要求1所述的方法，其特征在于，所述基于背景差分法对所述原始变换域图像含水印变换域图像进行运算，提取所述水印图像包括：

获取所述原始变换域图像对应的原始背景图像，以及所述含水印变换域图像对应的含水印背景图像；

将所述原始变换域图像的背景分割，并将分割后的原始变换域图像与所述原始背景图像相融合，得到原始待差分图像；

将所述含水印变换域图像的背景分割，并将分割后的含水印变换域图像与所述含水印背景图像相融合，得到含水印待差分图像；

通过背景差分法对所述原始待差分图像与所述含水印待差分图像进行处理，提取所述水印图像。

5.一种数字水印提取装置，其特征在于，包括：

图像获取模块，用于获取原始图像以及对所述原始图像嵌入不可见水印后所得的含水印图像；

建模模块，用于利用高斯混合模型分别对所述原始图像以及所述含水印图像进行建模，得到对应所述原始图像的原始混合模型，以及对应所述含水印图像的含水印混合模型；

逆变换模块，用于分别对所述原始混合模型以及所述含水印混合模型进行逆变换，将所述不可见水印对应的水印图像嵌入所述变换域，得到对应所述原始混合模型的原始变换域图像，以及对应所述含水印混合模型的含水印变换域图像；

差分模块，用于基于背景差分法对所述原始变换域图像以及所述含水印变换域图像进行运算，提取所述水印图像。

6.根据权利要求5所述的装置，其特征在于，所述逆变换模块用于：

分别对所述原始混合模型以及所述含水印混合模型进行IDCT变换，将所述不可见水印对应的水印图像嵌入所述DCT域。

7.根据权利要求6所述的装置，其特征在于，所述建模模块包括：

特征提取单元，用于分别提取所述原始图像以及所述含水印图像中每一像素的特征，形成对应所述原始图像的原始特征矢量集，以及对应所述含水印图像的含水印特征矢量集；

建模单元，用于根据所述原始特征矢量集生成对应的原始高斯分布模型，以及根据所述含水印特征矢量集生成对应的含水印高斯分布模型；

优化单元，用于通过EM算法分别对所述原始高斯分布模型以及所述含水印高斯分布模型进行优化，得到所述原始混合模型以及所述含水印混合模型。

8.根据权利要求5所述的装置，其特征在于，所述差分模块包括：

背景获取单元，用于获取所述原始变换域图像对应的原始背景图像，以及所述含水印变换域图像对应的含水印背景图像；

原始分割单元，用于将所述原始变换域图像的背景分割，并将分割后的原始变换域图像与所述原始背景图像相融合，得到原始待差分图像；

含水印分割单元，用于将所述含水印变换域图像的背景分割，并将分割后的含水印变换域图像与所述含水印背景图像相融合，得到含水印待差分图像；

差分单元，用于通过背景差分法对所述原始待差分图像与所述含水印待差分图像进行处理，提取所述水印图像。

9.一种数字水印提取设备，其特征在于，所述设备包括：

存储器：用于存储计算机程序；

处理器：用于执行所述计算机程序时实现如权利要求1至4任一项所述数字水印提取方法的步骤。

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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述数字水印提取方法的步骤。

Images