CN116757903A - 一种水印嵌入和提取方法、及水印处理装置 - Google Patents
一种水印嵌入和提取方法、及水印处理装置 Download PDFInfo
- Publication number
- CN116757903A CN116757903A CN202310561502.0A CN202310561502A CN116757903A CN 116757903 A CN116757903 A CN 116757903A CN 202310561502 A CN202310561502 A CN 202310561502A CN 116757903 A CN116757903 A CN 116757903A
- Authority
- CN
- China
- Prior art keywords
- watermark
- image
- matrix block
- embedding
- information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012545 processing Methods 0.000 title claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 130
- 238000000605 extraction Methods 0.000 claims abstract description 39
- 230000009466 transformation Effects 0.000 claims abstract description 18
- 238000012937 correction Methods 0.000 claims description 61
- 230000001360 synchronised effect Effects 0.000 claims description 20
- 238000001228 spectrum Methods 0.000 claims description 17
- 230000007306 turnover Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000006835 compression Effects 0.000 claims description 10
- 238000007906 compression Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000007639 printing Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 230000007480 spreading Effects 0.000 claims description 2
- 238000003892 spreading Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 238000010008 shearing Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009966 trimming Methods 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- IKGXIBQEEMLURG-NVPNHPEKSA-N rutin Chemical compound O[C@@H]1[C@H](O)[C@@H](O)[C@H](C)O[C@H]1OC[C@@H]1[C@@H](O)[C@H](O)[C@@H](O)[C@H](OC=2C(C3=C(O)C=C(O)C=C3OC=2C=2C=C(O)C(O)=CC=2)=O)O1 IKGXIBQEEMLURG-NVPNHPEKSA-N 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0052—Embedding of the watermark in the frequency domain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0065—Extraction of an embedded watermark; Reliable detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Technology Law (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种水印嵌入和提取方法、及水印处理装置。其中,水印提取方法包括:对非方形的原始图像进行镜像补边,得到方形镜像图;根据所述方形镜像图的亮度数据,生成所述方形镜像图的频谱图,并将所述频谱图的直流分量平移至所述频谱图的中心;根据水印信息生成水印矩阵块,以及生成基于对称性的水印同步信息,并将所述水印矩阵块和所述水印同步信息嵌入所述方形镜像图的亮度通道,得到含水印及同步信息图像;对所述含水印及同步信息图像进行所述镜像补边的逆变换,得到与所述原始图像尺寸相同的、且含水印及同步信息的目标图像。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及一种水印嵌入和提取方法、及水印处理装置。
背景技术
随着计算机技术的不断发展和互联网的广泛普及,数字图像技术已经渗透到我们生活的各个方面。基于数字图像的创作和应用程序不断涌现,为我们提供了越来越多的便利。然而,随之而来的盗版和侵权问题越来越严重,这不仅会损害数字图像所有者的知识产权和合法收入,还会影响数字图像创作者的创作热情。特别是随着社交网络平台的兴起,人们更愿意通过这种方式分享工作和生活照片,但是,图像在通过社交网络平台多次复杂的有损信道传输时可能会受到各种攻击,如压缩、几何形变(缩放、旋转、平移、翻转)、加噪、滤波和裁剪等,而数字水印可以很好地限制这种类型的数字盗窃。
通常,数字水印方案包括水印嵌入和水印提取。在水印嵌入阶段,水印信息通常被嵌入到需要被保护的载体图像中;在水印提取阶段,水印信息可以被提取,提取出的水印信息被用于确定载体图像的版权。
但是,现有的水印方案应用于非方形图像的水印嵌入时,若嵌入水印后的图像经过非等长剪切、补边或旋转攻击而导致图像长宽比发生变化,则会破坏水印的结构,导致无法正确提取水印,影响水印方案应用于非方形图像的鲁棒性。
发明内容
本申请提供了一种水印嵌入和提取方法、及水印处理装置,以解决或至少部分解决上述问题。具体如下。
第一方面,本申请提供了一种水印嵌入方法,包括:
对非方形的原始图像进行镜像补边,得到方形镜像图;
根据所述方形镜像图的亮度数据,生成所述方形镜像图的频谱图,并将所述频谱图的直流分量平移至所述频谱图的中心;
根据水印信息生成水印矩阵块,以及生成基于对称性的水印同步信息,并将所述水印矩阵块和所述水印同步信息嵌入所述方形镜像图的亮度通道,得到含水印及同步信息图像;
对所述含水印及同步信息图像进行所述镜像补边的逆变换,得到与所述原始图像尺寸相同的、且含水印及同步信息的目标图像。
第二方面,本申请提供了一种水印提取方法,包括:
获取含水印信息的目标图像,并对所述目标图像进行非等比缩放几何校正,得到第一校正后图像;其中,所述水印信息通过如上第一方面所述的水印嵌入方法嵌入所述目标图像中;
生成基于对称性的翻转校正模板,并根据所述翻转校正模板对所述第一校正后图像进行翻转校正,得到第二校正后图像;
根据所述翻转校正的过程参数,确定含水印信息矩阵块;
根据所述含水印信息矩阵块,提取得到所述目标图像中的所述水印信息。第三方面,本申请实施例还提供了一种水印处理装置,所述装置包括:
处理器;以及
存储器,用于存储程序,该电子设备通电并通过所述处理器运行该程序后,执行如第一方面或第二方法所述的方法。
与现有技术相比,本申请具有以下优点:
在本申请实施例提供的方法中,通过镜像补边将非方形图像补为方形,嵌入水印和同步信息后再裁剪为原始尺寸,提升了水印方案应用于非方形图的抗非等长剪切、补边的鲁棒性,增强了非方形图中的水印结构稳定性。
附图说明
图1是本申请实施例提供的一种水印嵌入方法的流程图;
图2是本申请实施例提供的一种水印嵌入方法的具体示例的流程图;
图3是本申请实施例提供的一种水印矩阵冗余方案的对比示意图;
图4是本申请实施例提供的一种对数极坐标映射的示意图;
图5是本申请实施例提供的一种防条纹后处理的流程图;
图6是本申请实施例提供的一种嵌入水印同步矩阵的流程图;
图7是本申请实施例提供的一种水印提取方法的流程图;
图8是本申请实施例提供的一种水印提取方法的具体示例的流程图;
图9是本申请实施例提供的一种对图像进行非等比缩放几何校正的流程图;
图10是本申请实施例提供的一种对图像进行翻转校正的流程图;
图11是本申请实施例提供的一种基于滑动窗口机制选取水印提取范围的示意图;
图12是本申请实施例提供的一种水印处理装置的逻辑结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例,都属于本申请保护的范围。
本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等;用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等;用语“第一”和“第二”等仅作为标记使用,不是对其对象的数量限制。
应当理解,在本申请实施例中,“至少一个”是指一个或者多个,“多个”是指两个或者两个以上。“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解,在本申请实施例中,“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”,表示B与A相关联,根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。
在详细介绍本申请实施例之前,首先对本申请涉及到的一些概念和相关技术进行介绍。
一、概念介绍:
1、鲁棒水印:鲁棒水印被认为是一种追踪溯源和保护版权的策略,可以在一定程度上限制数字产品盗版。通常将不可见的水印信号(版权信息、认证信息、设备代码等)嵌入到待保护的数字载体中,且这种水印信号受常见图像处理、几何攻击以及有损信道的影响小。因此,鲁棒水印在解决文档与图像的版权保护、数字防伪、泄露溯源等方面具有重要的应用价值。
2、盲水印:与非盲水印相比,盲水印技术可以在不需要原始图像信息的情况下进行水印检测,因此更加灵活和隐秘。
3、自适应:指的是一个系统、程序或算法具有根据环境变化或输入数据的变化而自动调整其行为的能力。这种能力可以使系统在不同的环境或输入条件下实现最优化的性能和效果。在计算机科学和人工智能领域中,自适应算法和系统可以根据收集到的数据自动调整模型参数或算法,以提高模型的准确性和鲁棒性。例如,机器学习中的自适应学习算法可以根据输入数据的特征和分布自动调整模型的权重和结构,以适应不同的数据分布和任务要求。
4、对称同步模板:对称同步模板通常是一种特殊的图案,嵌入在数字图像中,以确保在水印提取过程中的正确性。对称同步模板可以用于检测水印的存在,并定位水印的位置。
5、自卷积:自卷积(Auto-convolution)是一种数学运算,它是将一个函数或信号与其自身进行卷积操作的过程。通常,自卷积用于信号或图像处理、模式识别、信号重建等领域。自卷积可以用于信号或图像的特征提取、匹配和识别等任务。例如,对于一个图像来说,自卷积可以用于检测图像中的重复纹理、边缘和特征点等信息,从而实现图像的特征提取和匹配。
6、互相关:互相关(Cross-correlation)是一种常用的计算图像相似性的方法。它可以用于匹配图像中的特征或检测图像中的模式。
7、傅里叶梅林域:傅里叶梅林域(Fourier-Mellin Transform Domain)是一种频域变换技术,它是对傅里叶变换和梅林变换的结合应用。在这种变换中,图像首先被傅里叶变换到频域,然后再应用梅林变换将图像从频域映射到一个叫做傅里叶梅林域的新领域中。在傅里叶梅林域中,图像的旋转、缩放和平移等操作可以通过在该域中对图像进行简单的操作实现,这使得图像识别和匹配变得更加容易和高效。
8、社交网络平台:是指通过互联网或移动网络提供社交服务的在线平台,用户可以在这些平台上创建个人或机构账户,分享自己的信息、观点、活动等,并与其他用户建立联系、互动和分享内容。常见的社交网络平台包括Facebook、Twitter、Wechat、QQ、TikTok等,这些平台提供了多种功能,如个人主页、消息传递、照片分享、视频分享、群组聊天、直播等,用户可以通过这些功能实现不同的社交活动。
二、相关技术介绍:
在社交网络平台应用场景中,进行图像版权保护是一项严峻的挑战。这是因为社交网络平台对图像处理是混合复杂的,面临的不仅仅是单一类别的攻击。因此需要设计一种具有全方位鲁棒性、没有明显短板的水印方案,来应对多种复杂攻击,包括几何攻击和信号处理攻击。当前现有的水印技术,虽然有些方案已经相对成熟,但是能够具有全方位鲁棒性的方案较少,水印不可感知性也有待提升。
以下为现有的一种基于傅里叶梅林域的水印方案,包括水印嵌入和水印提取两大过程。
水印嵌入过程的具体步骤为:
a.根据所需嵌入的多比特水印,计算得到待嵌入的水印矩阵;水印包括多比特的有意义信息序列和模板序列;
b.对原始图像做二维离散傅立叶变换,并平移直流成分到幅度谱中心,然后将步骤a中的水印矩阵嵌入所得的傅立叶系数幅度谱内;
c.对嵌入水印后的傅立叶系数进行逆傅立叶变换,得到含水印图像,水印嵌入过程结束。
水印提取是水印嵌入的逆过程,具体步骤如下:
d.对待测图像进行二维离散傅里叶变换,并平移直流成分到幅度谱中心,将上半平面中频傅里叶系数坐标从直角坐标变换到离散对数极坐标;
e.对具有相同离散对数极坐标的傅立叶系数(这些系数在直角坐标系下位于一个扇区内)取平均值,作为二维的傅立叶系数幅度矩阵的一个元素;可以得到一个二维的傅立叶系数幅度矩阵;
f.由于图像的旋转变换在图像的傅立叶幅度谱的对数极坐标域表现为角度方向的循环平移,图像的缩放变换表现为对数极径方向上的平移;因此将原始模板与幅度矩阵根据相关定理进行幅度相关或者相位相关快速匹配计算,并根据最大相关值确定嵌入水印在幅度矩阵中的位置;
g.用原始伪随机调制序列对矩阵进行解扩频调制,得到有意义的多比特信息。上述技术至少存在以下技术问题:
1、在非方形图像中应用该水印方案时,非等长方式剪切、补边或旋转导致的图像长宽比例改变,也会导致环形水印结构遭受破坏,无法正确提取水印信息,从而影响水印方案的鲁棒性。
2、图像经过二维离散傅里叶变换后,在频率域中嵌入环形水印结构将导致图像边界及边缘出现条纹效应,从而影响水印方案的不可感知性。
3、该水印方案不能解决抗翻转攻击和大幅度缩放攻击。
针对上述问题,本申请实施例提供了一种水印嵌入和提取方法,以解决或至少部分解决上述技术问题。
如图1所示,本申请实施例提供的水印嵌入方法包括以下步骤101~步骤110。以下将结合图2所示的水印嵌入方法的具体示例进行说明。
步骤101:对非方形的原始图像进行镜像补边,得到方形镜像图。
首先,通过步骤101~步骤102对原始图像进行预处理。
在步骤101中,首先,将非方形的原始图像以最长边为基准,将短边缘进行镜像补充,得到方形镜像图。
步骤102:根据方形镜像图的亮度数据,生成方形镜像图的频谱图,并将频谱图的直流分量平移至频谱图的中心。
在步骤102中,将镜像补充后的彩色图像进行通道模式转换,从RGB模式转换成YCbCr模式,选择亮度通道Y作为水印载体。将Y通道进行二维的快速傅里叶变换(FFT),获得方形镜像图的频谱图,并将其直流分量平移至图像中心,也即将频谱图的坐标原点移至频谱图中心。
步骤103:根据水印信息生成水印矩阵块。
然后,通过步骤103生成包括水印信息的水印矩阵块。
步骤103具体包括以下子步骤1031~1035:
1031:根据密钥,分别生成伪随机序列和双极性序列。
其中,将一固定的数字设定密钥Key,将Key值作为种子,产生长度为NT的伪随机序列T,{Tn;n=0,…,NT-1},Tn∈{-1,1}。
同样根据Key值,运用M伪随机序列计算方式,产生长度为NP的双极性序列P,{Pn;n=0,…,NP-1},Pn∈{-1,1}。双极性序列P为平衡序列,其包含的“1”与“-1”的数量保持一致。
1032:生成水印信息,并对水印信息进行编码,得到水印信息编码。
其中,生成原始图像的版权信息字符,并将版权信息字符转成二进制形式,得到长度为L比特的消息码m,{mi;i=0,…,L-1},mi∈{0,1},即水印信息。
对消息码m先经过完整性检验编码(如CRC编码),再进行纠错编码(如BCH编码),得到长度为Lc的消息编码mc,{mci;i=0,…,Lc-1},mci∈{0,1},即水印信息编码。
1033:根据双极性序列对水印信息编码进行扩频。
将水印信息编码mc与双极性序列P进行直接序列扩频(DSSS)计算。其中比特“1”就被扩编为Wi{wij;wij∈{-1,+1},0≤j<NP}=+1×P,比特“0”就被扩编为Wi{wij;wij∈{-1,+1},0≤j<NP}=-1×P,得到扩频后的水印信息编码mp。
1034:将扩频后的水印信息编码与伪随机序列组成一维序列。
得到扩频后的水印信息编码mp后,将扩频后的水印信息编码mp与伪随机序列T进行拼接,组成一维序列m1-D。
1035:将一维序列重构为列优先的二维序列,并将二维序列的行和列分复制多倍,得到包括水印信息的水印矩阵块。
按照以列优先的形式,对一维序列m1-D按照M/2长度进行分割重组,形成二维矩阵中的两列,即每M/2位比特信息作为二维矩阵中的一列,得到矩阵块W0。为了提升后续计算的容错误差,将矩阵块W0的行复制为2倍,列复制为10倍,得到M×N的水印矩阵块W。
在本申请实施例中,通过将二维序列的行和列分复制多倍,增加行冗余和列冗余,以提升含水印的图像的抗旋转攻击角度容错误差。
具体地,在一种可选的实施例中,增加水印矩阵的冗余,将水印矩阵的行处理为2倍冗余,列处理为10倍冗余。如图3所示,在行列各2倍冗余的方案1中,将180°等分成360份,每份代表0.5°,受旋转攻击时,水印定位的列偏移量只能控制在±1等分,即有±0.5°的容错误差。而在本申请提供的行2倍冗余,列10倍冗余的方案2中,可以将180°等分成1800份,每份代表0.1°。受旋转攻击时,水印定位偏移量可控制在±8等分,即有±0.8°的容错误差。因此提升了0.6°的容错误差能力。比如水印设置为2个网格冗余,那么水印定位最多只能偏移1个网格,若偏移2个网格,则水印信息比特将依次错位1位。如果将冗余度设置为10个网格,那么定位点可以偏移到7-8个网格时,通过实验发现仍能正确提取水印。因此,此举提升了抗旋转角度容错偏移误差,便能在旋转与组合攻击情况下,较大提升水印的鲁棒性。
步骤104:根据图像压缩门限值和基准频率最大值,确定基准频率。
基准频率Rembed的值根据图像压缩门限值S和基准频率最大值确定:
其中,即水印嵌入时使水印环形结构的外边界达到图像边缘的基准频率。图像压缩门限值S为社交网络平台压缩图像的尺寸门限值,即社交网络平台为了防止服务器空间和访问流量过载,通过设置阈值尺寸,将用户的上传的大于阈值尺寸的图像进行压缩限制。各个平台设置的阈值尺寸并不一致,因此以其中最小的阈值尺寸为参照,取该阈值尺寸的最长边为S,Lmax为原始图像的最长边尺寸。
步骤105:根据基准频率,确定水印矩阵块自适应于方形镜像图的纹理复杂度、方形镜像图的频域幅度谱值对应的极径值、和图像压缩门限值的自适应嵌入强度。
不同的水印嵌入强度和嵌入范围影响着水印的鲁棒性和不可感知性,根据图像自身的纹理复杂度及其它属性特点,设计自适应选择水印嵌入强度和嵌入范围策略。自适应参数有图像纹理复杂度、图像分辨率、图像频率域幅度谱值。其中图像分辨率:图像分辨率较大,易被社交网络平台压缩,水印嵌入范围应向低频区域靠拢;图像分辨率较小,水印嵌入范围向中高频区域靠拢。纹理复杂度:纹理复杂,图像高频信息较丰富,水印嵌入范围可以向高频区域靠拢;纹理平淡,图像低频信息较丰富,水印嵌入范围可以向低频区域靠拢。其中纹理复杂度Tc的计算公式为:
Tc=mean(Idwt(HL+LH+HH))
将原始图像进行离散小波变换(DWT),取其变换后的HL(水平高频分量)、LH(垂直高频分量)、HH(对角线高频分量)分量之和的均值作为纹理复杂度的衡量基准。自适应嵌入强度A2为:
其中,
C1=a-λM×Rembed
a=21/M
其中,r为极径值,即方形镜像图的频域幅度谱值所在坐标系数到频域中心的距离。C1为水印嵌入范围的内边界,其值取决于基准频率Rembed的值。k1为强度调整权重参数,为定值。λ取1/2。
步骤106:根据自适应嵌入强度,将水印矩阵块嵌入方形镜像图的亮度通道,得到含水印图像。
步骤106具体包括以下子步骤1061~1066:
1061:根据基准频率,确定水印矩阵块在方形镜像图的频谱图中的嵌入区域。
rmin和rmax为水印区域最小和最大范围值:
rmin=a-M/2×Rembed
rmax=aM/2×Rembed
以rmin和rmax指示嵌入区域的内边界和外边界,Rembed为内外边界的中心,形成一个环形的嵌入区域,如图4所示。
1062:对嵌入区域的频域系数进行对数极坐标映射,得到嵌入区域矩阵块。以下介绍对数极坐标映射(LPM)的方式:
将嵌入区域的频域系数u和v进行极坐标变换:
其中,r和θ分别代表极坐标的极径和极角值。运用对数转换等式:
其中,ceil()函数表示为向上取整。
通过对数极坐标映射,将嵌入区域的频域系数最终转换成离散的(L1,L2)坐标表示的嵌入区域矩阵块W1。
1063:确定水印矩阵块与嵌入区域矩阵块的对应关系。
其中,水印矩阵块W中的一个数值对应于嵌入区域矩阵块W1中的一个或者多个频域幅度谱系数,也即水印矩阵块W中的一个数值对应于嵌入区域矩阵块W1中一个或者多个数值,从而形成了嵌入区域矩阵块W1到水印矩阵块W的对应关系。
1064:根据嵌入区域矩阵块中每个数值对应的自适应嵌入强度、和嵌入区域矩阵块中每个数值在水印矩阵块中对应的数值,对嵌入区域矩阵块中每个数值对应的频域系数进行更新。
一个W(l1,l2)水印比特对应W1中的一个或多个数值对应频域系数(u,v),相应地,子步骤1064通过以下公式实现:
c'(u,v)=c(u,v)×[1+A2×W(l1,l2)]
其中,c(u,v),c'(u,v)分别为水印嵌入前和嵌入后的频域系数(即傅里叶级数系数)。
1065:根据更新得到的第一频域系数,更新方形镜像图的频谱图,得到含水印图像的频谱图。
根据第一频域系数c'(u,v),得到方形镜像图的新频谱图,即含水印图像的频谱图。
1066:对含水印图像的频谱图进行时域转换,得到含水印图像。
对含水印图像的频谱图进行时域转换,即快速傅里叶逆变换(IFFT),再快速傅里叶逆变换(IFFT),并从YCbCr模式转换回RGB模式,得到含水印图像。
在本申请实施例中,通过自适应的水印嵌入强度,提升水印的不可感知性。
步骤107:对方形镜像图进行防条纹后处理。
步骤107具体包括以下子步骤1071~1074,以下结合图5进行说明:
1071:对方形镜像图的亮度数据进行离散小波变换,得到水平高频分量、垂直高频分量和对角线高频分量,并将水平高频分量、垂直高频分量和对角线高频分量作为轮廓细节分量。
当水印嵌入强度达到一定程度时,含水印图像会在四周边缘及纹理明显区域出现条纹效应。经过实验分析发现,产生条纹效应的主要原因是环形水印结构形成掩膜滤波产生的。通过将水印嵌入高频区域可以减弱条纹效应,但是不能在图像伪平滑区域消除条纹效应降低水印不可感知性。因此,我们将水印束缚在图像轮廓边缘和细节区域,即非平滑区域。对方形镜像图Y通道进行离散小波变换(DWT),对于方形镜像图中的任一像素,选取该像素对应的HL(水平高频分量)、LH(垂直高频分量)、HH(对角线高频分量)三个细节分量之和作为该像素的轮廓细节分量Ic。
1072:将含水印频谱图对应的亮度数据与方形镜像图的亮度数据作差值,得到亮度残差分量。
通过将含水印图像Y通道数据Y’与方形镜像图的Y通道数据Y0作差值,得到亮度残差分量Ir,即Y’-Y0=Ir其中,亮度残差分量Ir较大的区域即为水印区域。
1073:根据轮廓细节分量的占比、方形镜像图的纹理复杂度、和图像压缩门限值,针对亮度残差分量计算得到新亮度残差分量。
按照轮廓细节分量Ic的占比、水印嵌入强度过程参数A1、纹理复杂度Tc进行亮度残差分量Ir的调整与融合,即轮廓细节越多,水印的嵌入强度越大,最后得到新的亮度残差分量Irc。
其中,为每个像素对应的Ic中的最大值,/>则表示每个像素对应的轮廓细节分量Ic的占比。
1074:根据新亮度残差分量和方形镜像图的亮度数据,更新含水印图像的亮度数据。
将Irc与Y0相加,从而将Y’更新为Y”,也即更新后的含水印图像的亮度数据Y”=Irc+Y0。
步骤108:生成基于对称性的水印同步信息。
在本申请实施例中,采用基于对称性的水印同步信息,其中,水印同步信息用于在水印提取时找到水印所在的位置。
步骤108具体包括以下子步骤1081~1083:
1081:根据密钥生成随机矩阵,并对随机矩阵进行扩频和上采样,得到同步单元。
根据密钥key生成一个8×8的随机矩阵Mr,然后将其扩频并上采样为32×32的同步单元(b单元)。
1082:将同步单元分别进行水平翻转、垂直翻转和垂直水平垂直翻转,得到水平同步单元、垂直同步单元和垂直水平同步单元。
将b单元分别进行水平翻转、垂直翻转和垂直水平垂直翻转,得到水平同步单元(d单元)、垂直同步单元(p单元)和垂直水平同步单元(q单元)。
1083:将同步单元、水平同步单元、垂直同步单元和垂直水平同步单元进行组合,再按照嵌入水印矩阵块后的含水印图像的尺寸进行平铺,得到水印同步矩阵。
将b单元、d单元、p单元和q单元这4个单元进行随机顺序组合,得到64×64的同步模块Ts。按照含水印图像的大小,将Ts进行平铺,得到水印同步矩阵Tm。
步骤109:将水印同步信息嵌入方形镜像图的亮度通道,得到含水印及同步信息图像。
步骤109具体包括以下子步骤1091~1092,以下结合图6进行说明:
1091:根据预设的全局嵌入强度和嵌入水印矩阵块后的含水印图像的亮度数据的局部方差,确定水印同步矩阵的目标嵌入强度。
设置全局嵌入强度A3,利用局部方差作为纹理复杂的判断指标,得到水印同步矩阵的目标嵌入强度A4(i,j)。
其中,
1092:根据目标嵌入强度,将水印同步矩阵嵌入含水印图像的亮度通道,得到含水印及同步信息图像。
本步骤中,可以将水印同步矩阵Tm按照自适应于含水印图像亮度局部方差的目标嵌入强度A4(i,j)与含水印图像的亮度通道数据进行叠加,得到含水印及同步信息图像。
步骤110:对含水印及同步信息图像进行镜像补边的逆变换,得到与原始图像尺寸相同的、且含水印及同步信息的目标图像。
最后,对含水印及同步信息图像进行镜像补边的逆变换,也即根据镜像补边的规则反向进行裁剪,从而将图像尺寸还原为原始图像的尺寸,得到与原始图像尺寸相同的、且含水印及同步信息的目标图像。
在本申请实施例中,通过镜像补边将非方形图像补为方形,嵌入水印和同步信息后再裁剪为原始尺寸,提升了非方形图的抗非等长剪切、补边的鲁棒性,增强了环形水印结构的稳定性。
与本申请实施例提供的水印嵌入方法相对应的,本申请实施例还提供一种水印提取方法。如图7所示,本申请实施例提供的水印提取方法包括以下步骤201~步骤209。以下将结合图8所示的水印提取方法的具体示例进行说明。
步骤201:获取含水印信息的目标图像,并对目标图像进行非等比缩放几何校正,得到第一校正后图像;其中,水印信息通过如上的水印嵌入方法嵌入目标图像中。
步骤201具体包括以下子步骤2011~2018,以下结合图9进行说明:
2011:对目标图像进行维纳滤波,得到含基于对称性的水印同步信息的噪声图。
首先,将含水印及同步信息的目标图像进行维纳滤波,得到滤波后的含对称信息的噪声图Fn。
2012:增大自卷积的坐标网格基数,并对噪声图进行自卷积,得到噪声图的对称峰值点阵。
然后,运用自卷积函数进行相似性峰值点计算,得到对称峰值点阵Ms。
在本申请实施例中,通过增大自卷积的坐标网格基数,以在通过自卷积函数进行对称峰检测时,能够降低坐标取整带来的精度误差,比如实际间距值90.5被归一至90,与实际间距值180.5被归一至180,后者造成的精度损失较小,因此,本申请实施例中通过增大自卷积的坐标网格基数,可解决自相关计算精度低的问题。
2013:通过预设的间距阈值范围,对对称峰值点阵进行二值化处理,以删除位于间距阈值范围之外的对称峰值点。
对含水印发图像受到有损信道传输攻击后,通过自卷积函数检测出的对称峰是比较杂乱的。因此,本申请实施例中通过设定间距阈值范围,将部分对称峰值点干扰值排除。
2014:对对称峰值点阵分别确定长度方向和宽度方向的相邻对称峰值点的目标间距。
2015:若目标间距小于或等于预设的间距阈值,则将目标间距确定为所属方向的相邻对称峰值点间距。
2016:若目标间距大于间距阈值,则将目标间距的一半确定为所属方向的相邻对称峰值点间距。
2017:对相邻对称峰值点间距进行长度方向和宽度方向的聚类,将长度方向上数量最多的相邻对称峰值点间距确定为长度方向的相邻对称峰值点第一间距,将宽度方向上数量最多的相邻对称峰值点间距确定为所述宽度方向的相邻对称峰值点第二间距。
在子步骤2014-2017中,通过霍夫变换,分别找到在相互垂直的长度方向和宽度方向上各对称峰值点的共线。计算并统计共线的直线上相邻对称峰值点的间距值及其数量,并进行聚类,选取数量较多的聚类值作为该方向上的间距值,即得到长度方向的相邻对称峰值点的间距、和宽度方向的相邻对称峰值点的间距。
其中,对于每个对称峰值点所检测到的相邻对称峰值点,本申请实施例采用预设的间距阈值,判断检测到的相邻对称峰值点为真正的相邻对称峰值点,还是次相邻对称峰值点。若为真正的相邻对称峰值点,则直接采用检测到的间距作为聚类所需的间距值,若为次相邻对称峰值点,则采用检测到的间距的一半作为聚类所需的间距值。如此,可以提升相邻对称峰值点间距的准确性。
2018:根据相邻对称峰值点第一间距、和相邻对称峰值点第二间距,确定长宽缩放比,并通过长宽缩放比对目标图像进行缩放,实现对目标图像的非等比缩放几何校正。
若a1>b1,长宽缩放比Rs=a1/b1,据此通过仿射变换形式进行逆变换,还原图像至等比状态,即图像长度保持不变,宽度进行Rs倍缩放。
若a1<b1,其长宽缩放比Rs=b1/a1,据此通过仿射变换形式进行逆变换,将图像还原至等比状态,即图像宽度保持不变,长度进行Rs倍缩放。
如此,得到非等比缩放几何校正后的图像,即第一校正后图像。
步骤202:生成基于对称性的翻转校正模板,并根据翻转校正模板对第一校正后图像进行翻转校正,得到第二校正后图像。
步骤202具体包括以下子步骤2021~2028,以下结合图10进行说明:
2021:根据密钥,生成伪随机序列。
将密钥Key作为种子,产生长度为NT的伪随机序列T,{Tn;n=0,…,NT-1},Tn∈{-1,1}。其中,子步骤2021中的密钥key与水印嵌入时所用的密钥key(参照子步骤1031)一致,子步骤2021中所产生的伪随机序列T也与水印嵌入时所产生的伪随机序列T(参照子步骤1031)一致。
2022:将伪随机序列填充为第一矩阵块,并对第一矩阵块分别进行水平翻转、垂直翻转和垂直水平翻转,得到四种翻转状态的翻转校正模板。
将伪随机序列T填充为第一矩阵块,并对第一矩阵块分别进行水平翻转、垂直翻转和垂直水平翻转,得到四种翻转状态的翻转校正模板。其中,第一矩阵块即为b模板,b模板经过水平翻转得到d模板,b模板经过垂直翻转得到p模板,b模板经过垂直水平翻转得到q模板。
2023:选定初始的基准频率,并根据初始的基准频率确定初始的水印提取范围。
其中,水印提取范围的内边界根据Rmin确定,水印提取范围的内边界根据Rmax确定。
Rmin=a-λM×Rembed
Rmax=aλM×Rembed
设置参数λ,调整控制水印提取范围的Rmin和Rmax值。在本申请实施例中,设定λ值大于二分之一,将获得一个比嵌入阶段更大的一个空间区域来搜索水印,如图11所示。其中,搜索水印的空间区域根据不同的基准频率Rembed值采用窗口滑动机制,定位水印的最佳位置。
在本申请实施例中,由于设计的是盲水印方案,当含水印图像遭受组合攻击时,我们并不清楚其攻击强度和类型,如果设定单一的水印提取范围,那么将极大地限制水印方案的鲁棒性,难以提升水印方案的适用性。我们设计了水印提取窗口滑动机制,寻找定位水印最佳位置,同时通过确定跟踪序列模板的翻转状态来确定水印翻转状态。通过进行翻转校正和滑动窗口机制,提升了水印对大强度缩放攻击和翻转攻击的鲁棒性、适用性。
2024:对第一校正后图像的频谱图中位于初始的水印提取范围中的部分进行对数极坐标映射,得到第二矩阵块。
根据对数极坐标映射关系,由初始的水印提取范围得到一个待检测的图像频谱信息矩阵块(即第二矩阵块W2),将在这个矩阵块中去搜寻定位水印信息。
2025:选定初始的翻转校正模板,并计算第二矩阵块与翻转校正模板的相关性系数。
选定b模板、d模板,p模板和q模板中的一个作为当前的翻转校正模板,并计算第二矩阵块W2与当前的翻转校正模板的相关性系数ti,相关性系数ti的计算方法如下:
其中,为第二矩阵块W2的幅度谱系数,G(u,v)为当前的翻转校正模板G经过FFT后的幅度谱系数,G*为G的复共轭,/>为相位部分。
2026:若相关性系数未达到系数阈值,则更换翻转校正模板,再次进行相关性系数的计算,直至相关性系数达到系数阈值。
2027:若将翻转校正模板更换一轮后,相关性系数仍未达到系数阈值,则调整基准频率,并再次开始新一轮的翻转校正模板更换和每次更换后的相关性系数计算,直至相关性系数达到系数阈值。
也即基准频率是等待4个翻转校正模板更换一轮且相关性系数仍未达到系数阈值时再进行更换,并不是一次一换。
2028:根据使相关性系数达到系数阈值时的翻转校正模板对应的翻转状态,对第一校正后图像的频谱图进行翻转。
若相关性系数ti达到系数阈值t,则确定了当前对应的翻转校正模板G及基准频率Rembed,正确定位水印。否则,逐一调整翻转校正模板G和Rembed值,直至满足系数阈值条件。
其中,系数阈值t可设计为自适应阈值,如下:
t=k+mean(|ti|)
也即让最大冲击函数值与其他均值保持k的距离,此举有助于解决阈值僵化问题。
在本申请实施例中,通过基于对称性的翻转校正模板对图像进行自适应的翻转校正,提升了含水印的图像的抗翻转攻击、大幅度缩放攻击的鲁棒性。
步骤203:根据翻转校正的过程参数,确定含水印信息矩阵块。
其中,根据使相关性系数ti达到系数阈值t时对应的Rembed值,可对应确定一个第二矩阵块W2(通过上述子步骤2023-2024确定得到),该第二矩阵块W2即为使相关性系数ti达到系数阈值t时对应的第二矩阵块W2。本申请实施例中,将使相关性系数ti达到系数阈值t时对应的第二矩阵块W2,确定为含水印信息矩阵块。
步骤204:根据含水印信息矩阵块,提取得到目标图像中的水印信息。
步骤204具体包括以下子步骤2041~2042:
2041:对含水印信息矩阵块进行下采样处理,得到第三矩阵块。
对含水印信息矩阵块进行下采样处理,即多个相邻数值点求其均值得到一个数值点,最终获得扩频后的第三矩阵块W3。
2042:根据基于密钥生成的伪随机序列和双极性序列,对第三矩阵块进行解扩和解码,得到目标图像中的水印信息。
基于密钥key可以生成伪随机序列T和双极性序列P,按列为单位依次将第三矩阵块W3与双极性序列P进行互相关计算,实现信息解扩,如果互相关系数大于0,则提取的比特的值为1,否则为0,获得解扩后的第三矩阵块,解扩后的第三矩阵块中包括水印信息的码字(即水印信息编码)和伪随机序列T的码字。/>
之后,对解扩后的第三矩阵块进行纠错解码和完整性校验解码,再将解码结果中的伪随机序列T删除,即得到目标图像中的水印信息,完成水印提取。
本申请实施例提供了一种抗社交网络平台混合攻击及有损信道传输的数字图像水印方案,解决了现有的傅里叶梅林域水印方案对非方形图像抗非等长剪切、补边的鲁棒性以及抗翻转攻击、大幅度缩放攻击的鲁棒性的短板,使得含水印图像能够抵抗多种组合攻击和社交网络平台的有损信道传输。
此外,本申请实施例设计了一种多层自适应策略,根据图像自身的纹理复杂度、尺寸大小来自适应计算选择水印嵌入强度,根据图像在频率域不同的范围自适应控制水印嵌入强度,控制嵌入强度来提升水印的不可感知性,根据原始图像尺寸大小来自适应选择水印嵌入的位置,以此适应于社交网络平台根据图像尺寸大小进行有损压缩和缩小攻击。
与现有技术相比,本申请实施例提供的方法具有以下优点:
1、提升了环形水印结构的稳定性。
2、提升了非方形图像进行水印盲提取时的鲁棒性。
3、提升了含水印图像的抗翻转攻击和大比例缩放攻击的鲁棒性。
4、避免了水印条纹效应,提升了水印的不可感知性。
5、解决了在抗非等比缩放和非等长裁剪、补边攻击鲁棒性之间的矛盾。
综上,本申请实施例提供的方法提升了抗社交网络平台混合攻击的鲁棒性。
与本申请实施例提供的水印嵌入方法和水印提取方法相对应的,本申请实施例还提供一种水印处理装置。如图12所示,所述水印处理装置包括:处理器601;以及存储器602,用于存储水印嵌入方法和/或水印提取方法的程序,该设备通电并通过所述处理器运行该水印嵌入方法和/或水印提取方法的程序后,执行如下步骤:
对非方形的原始图像进行镜像补边,得到方形镜像图;
根据所述方形镜像图的亮度数据,生成所述方形镜像图的频谱图,并将所述频谱图的直流分量平移至所述频谱图的中心;
根据水印信息生成水印矩阵块,以及生成基于对称性的水印同步信息,并将所述水印矩阵块和所述水印同步信息嵌入所述方形镜像图的亮度通道,得到含水印及同步信息图像;
对所述含水印及同步信息图像进行所述镜像补边的逆变换,得到与所述原始图像尺寸相同的、且含水印及同步信息的目标图像。
和/或
获取含水印信息的目标图像,并对所述目标图像进行非等比缩放几何校正,得到第一校正后图像;其中,所述水印信息通过上述的水印嵌入方法嵌入所述目标图像中;
生成基于对称性的翻转校正模板,并根据所述翻转校正模板对所述第一校正后图像进行翻转校正,得到第二校正后图像;
根据所述翻转校正的过程参数,确定含水印信息矩阵块;
根据所述含水印信息矩阵块,提取得到所述目标图像中的所述水印信息。
与本申请实施例提供的水印嵌入方法和/或水印提取方法相对应的,本申请实施例提供一种计算机可读存储介质,存储有水印嵌入方法和/或水印提取方法的程序,该程序被处理器运行,执行下述步骤:
对非方形的原始图像进行镜像补边,得到方形镜像图;
根据所述方形镜像图的亮度数据,生成所述方形镜像图的频谱图,并将所述频谱图的直流分量平移至所述频谱图的中心;
根据水印信息生成水印矩阵块,以及生成基于对称性的水印同步信息,并将所述水印矩阵块和所述水印同步信息嵌入所述方形镜像图的亮度通道,得到含水印及同步信息图像;
对所述含水印及同步信息图像进行所述镜像补边的逆变换,得到与所述原始图像尺寸相同的、且含水印及同步信息的目标图像。
和/或
获取含水印信息的目标图像,并对所述目标图像进行非等比缩放几何校正,得到第一校正后图像;其中,所述水印信息通过如权利要求1-8任一项所述的水印嵌入方法嵌入所述目标图像中;
生成基于对称性的翻转校正模板,并根据所述翻转校正模板对所述第一校正后图像进行翻转校正,得到第二校正后图像;
根据所述翻转校正的过程参数,确定含水印信息矩阵块;
根据所述含水印信息矩阵块,提取得到所述目标图像中的所述水印信息。
需要说明的是,对于本申请实施例提供的装置及计算机可读存储介质的详细描述可以参考对本申请实施例中对方法的相关描述,这里不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (18)
1.一种水印嵌入方法,其特征在于,所述水印嵌入方法包括:
对非方形的原始图像进行镜像补边,得到方形镜像图;
根据所述方形镜像图的亮度数据,生成所述方形镜像图的频谱图,并将所述频谱图的直流分量平移至所述频谱图的中心;
根据水印信息生成水印矩阵块,以及生成基于对称性的水印同步信息,并将所述水印矩阵块和所述水印同步信息嵌入所述方形镜像图的亮度通道,得到含水印及同步信息图像;
对所述含水印及同步信息图像进行所述镜像补边的逆变换,得到与所述原始图像尺寸相同的、且含水印及同步信息的目标图像。
2.根据权利要求1所述的水印嵌入方法,其特征在于,根据水印信息生成水印矩阵块的步骤,包括:
根据密钥,分别生成伪随机序列和双极性序列;
生成水印信息,并对所述水印信息进行编码,得到水印信息编码;
根据所述双极性序列对所述水印信息编码进行扩频;
将扩频后的所述水印信息编码与所述伪随机序列组成一维序列;
将所述一维序列重构为列优先的二维序列,并将所述二维序列的行和列分复制多倍,得到包括水印信息的水印矩阵块。
3.根据权利要求2所述的水印嵌入方法,其特征在于,对所述水印信息进行编码的步骤,包括:
对所述水印信息进行完整性校验编码和纠错编码。
4.根据权利要求1所述的水印嵌入方法,其特征在于,将所述水印矩阵块嵌入所述方形镜像图的亮度通道的步骤,包括:
根据图像压缩门限值和基准频率最大值,确定基准频率;
根据所述基准频率,确定所述水印矩阵块自适应于所述方形镜像图的纹理复杂度、所述方形镜像图的频域幅度谱值对应的极径值、和所述图像压缩门限值的自适应嵌入强度;
根据所述自适应嵌入强度,将所述水印矩阵块嵌入所述方形镜像图的亮度通道,得到含水印图像。
5.根据权利要求4所述的水印嵌入方法,其特征在于,根据所述自适应嵌入强度,将所述水印矩阵块嵌入所述方形镜像图的亮度通道,得到含水印图像的步骤,包括:
根据所述基准频率,确定所述水印矩阵块在所述方形镜像图的频谱图中的嵌入区域;
根据所述水印矩阵块和所述自适应嵌入强度,对所述嵌入区域的频域系数进行更新;
根据更新得到的第一频域系数,更新所述方形镜像图的频谱图,得到所述含水印图像的频谱图;
对所述含水印图像的频谱图进行时域转换,得到所述含水印图像。
6.根据权利要求5所述的水印嵌入方法,其特征在于,根据所述水印矩阵块和所述自适应嵌入强度,对所述嵌入区域的频域系数进行更新的步骤,包括:
对所述嵌入区域的频域系数进行对数极坐标映射,得到嵌入区域矩阵块;
确定所述水印矩阵块与所述嵌入区域矩阵块的对应关系;
根据所述嵌入区域矩阵块中每个数值对应的所述自适应嵌入强度、和所述嵌入区域矩阵块中每个数值在所述水印矩阵块中对应的数值,对所述嵌入区域矩阵块中每个数值对应的频域系数进行更新。
7.根据权利要求1所述的水印嵌入方法,其特征在于,在将所述水印矩阵块嵌入所述方形镜像图的亮度通道之后,所述水印嵌入方法还包括:
对所述方形镜像图的亮度数据进行离散小波变换,得到水平高频分量、垂直高频分量和对角线高频分量,并将所述水平高频分量、所述垂直高频分量和所述对角线高频分量作为轮廓细节分量;
将所述含水印频谱图对应的亮度数据与所述方形镜像图的亮度数据作差值,得到亮度残差分量;
根据所述轮廓细节分量的占比、所述方形镜像图的纹理复杂度、和所述图像压缩门限值,针对所述亮度残差分量计算得到新亮度残差分量;
根据所述新亮度残差分量和所述方形镜像图的亮度数据,更新所述含水印图像的亮度数据。
8.根据权利要求1所述的水印嵌入方法,其特征在于,生成基于对称性的水印同步信息的步骤,包括:
根据密钥生成随机矩阵,并对所述随机矩阵进行扩频和上采样,得到同步单元;
将所述同步单元分别进行水平翻转、垂直翻转和垂直水平垂直翻转,得到水平同步单元、垂直同步单元和垂直水平同步单元;
将所述同步单元、所述水平同步单元、所述垂直同步单元和所述垂直水平同步单元进行组合,再按照嵌入所述水印矩阵块后的含水印图像的尺寸进行平铺,得到水印同步矩阵。
9.根据权利要求1所述的水印嵌入方法,其特征在于,将所述水印同步信息嵌入所述方形镜像图的亮度通道,得到含水印及同步信息图像的步骤,包括:
根据预设的全局嵌入强度和嵌入所述水印矩阵块后的含水印图像的亮度数据的局部方差,确定所述水印同步矩阵的目标嵌入强度;
根据所述目标嵌入强度,将所述水印同步矩阵嵌入所述含水印图像的亮度通道,得到含水印及同步信息图像。
10.根据权利要求9所述的水印嵌入方法,其特征在于,根据所述目标嵌入强度,将所述水印同步矩阵嵌入所述含水印图像的亮度通道,得到含水印及同步信息图像的步骤,包括:
将所述水印同步矩阵按照所述目标嵌入强度与所述含水印图像的亮度通道数据进行叠加,得到所述含水印及同步信息图像。
11.一种水印提取方法,其特征在于,所述水印提取方法包括:
获取含水印信息的目标图像,并对所述目标图像进行非等比缩放几何校正,得到第一校正后图像;其中,所述水印信息通过如权利要求1-10任一项所述的水印嵌入方法嵌入所述目标图像中;
生成基于对称性的翻转校正模板,并根据所述翻转校正模板对所述第一校正后图像进行翻转校正,得到第二校正后图像;
根据所述翻转校正的过程参数,确定含水印信息矩阵块;
根据所述含水印信息矩阵块,提取得到所述目标图像中的所述水印信息。
12.根据权利要求11所述的水印提取方法,其特征在于,对所述目标图像进行非等比缩放几何校正,得到第一校正后图像的步骤,包括:
对所述目标图像进行维纳滤波,得到含基于对称性的水印同步信息的噪声图;
增大自卷积的坐标网格基数,并对所述噪声图进行自卷积,得到所述噪声图的对称峰值点阵;
对所述对称峰值点阵中的各个对称峰值点进行长度方向和宽度方向的聚类,得到所述长度方向的相邻对称峰值点第一间距、和所述宽度方向的相邻对称峰值点第二间距;
根据所述相邻对称峰值点第一间距、和所述相邻对称峰值点第二间距,确定长宽缩放比,并通过所述长宽缩放比对所述目标图像进行缩放,实现对所述目标图像的非等比缩放几何校正。
13.根据权利要求12所述的水印提取方法,其特征在于,对所述对称峰值点阵中的各个对称峰值点进行长度方向和宽度方向的聚类,得到所述长度方向的相邻对称峰值点第一间距、和所述宽度方向的相邻对称峰值点第二间距的步骤,包括:
通过预设的间距阈值范围,对所述对称峰值点阵进行二值化处理,以删除位于所述间距阈值范围之外的对称峰值点;
对所述对称峰值点阵分别确定所述长度方向和所述宽度方向的相邻对称峰值点的目标间距;
若所述目标间距小于或等于预设的间距阈值,则将所述目标间距确定为所属方向的相邻对称峰值点间距;
若所述目标间距大于所述间距阈值,则将所述目标间距的一半确定为所属方向的相邻对称峰值点间距;
对所述相邻对称峰值点间距进行所述长度方向和所述宽度方向的聚类,将所述长度方向上数量最多的所述相邻对称峰值点间距确定为所述长度方向的相邻对称峰值点第一间距,将所述宽度方向上数量最多的所述相邻对称峰值点间距确定为所述宽度方向的相邻对称峰值点第二间距。
14.根据权利要求11所述的水印提取方法,其特征在于,生成基于对称性的翻转校正模板,并根据所述翻转校正模板对所述第一校正后图像进行翻转校正,得到第二校正后图像的步骤,包括:
根据密钥,生成伪随机序列;
将所述伪随机序列填充为第一矩阵块,并对所述第一矩阵块分别进行水平翻转、垂直翻转和垂直水平翻转,得到四种翻转状态的翻转校正模板;
选定初始的基准频率,并根据初始的所述基准频率确定初始的水印提取范围;
对所述第一校正后图像的频谱图中位于初始的所述水印提取范围中的部分进行对数极坐标映射,得到第二矩阵块;
选定初始的所述翻转校正模板,并计算所述第二矩阵块与所述翻转校正模板的相关性系数;
若所述相关性系数未达到所述系数阈值,则更换所述翻转校正模板,再次进行相关性系数的计算,直至相关性系数达到所述系数阈值;
若将所述翻转校正模板更换一轮后,相关性系数仍未达到所述系数阈值,则调整所述基准频率,并再次开始新一轮的翻转校正模板更换和每次更换后的相关性系数计算,直至相关性系数达到所述系数阈值;
根据使相关性系数达到所述系数阈值时的所述翻转校正模板对应的翻转状态,对所述第一校正后图像的频谱图进行翻转。
15.根据权利要求14所述的水印提取方法,其特征在于,根据所述翻转校正的过程参数,确定含水印信息矩阵块的步骤,包括:
将使相关性系数达到所述系数阈值时对应的第二矩阵块,确定为含水印信息矩阵块。
16.根据权利要求11所述的水印提取方法,其特征在于,根据所述含水印信息矩阵块,提取得到所述目标图像中的所述水印信息的步骤,包括:
对所述含水印信息矩阵块进行下采样处理,得到第三矩阵块;
根据基于密钥生成的伪随机序列和双极性序列,对所述第三矩阵块进行解扩和解码,得到所述目标图像中的所述水印信息。
17.根据权利要求16所述的水印提取方法,其特征在于,对解扩后的所述第三矩阵块进行解码的步骤,包括:
对解扩后的所述第三矩阵块进行纠错解码和完整性校验解码。
18.一种水印处理装置,其特征在于,包括:
处理器;以及
存储器,用于存储程序,该电子设备通电并通过所述处理器运行该程序后,执行如权利要求1-17中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310561502.0A CN116757903A (zh) | 2023-06-20 | 2023-06-20 | 一种水印嵌入和提取方法、及水印处理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310561502.0A CN116757903A (zh) | 2023-06-20 | 2023-06-20 | 一种水印嵌入和提取方法、及水印处理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116757903A true CN116757903A (zh) | 2023-09-15 |
Family
ID=87948656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310561502.0A Pending CN116757903A (zh) | 2023-06-20 | 2023-06-20 | 一种水印嵌入和提取方法、及水印处理装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116757903A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117575880A (zh) * | 2024-01-16 | 2024-02-20 | 四川数盾科技有限公司 | 一种盲水印嵌入/提取方法及系统 |
-
2023
- 2023-06-20 CN CN202310561502.0A patent/CN116757903A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117575880A (zh) * | 2024-01-16 | 2024-02-20 | 四川数盾科技有限公司 | 一种盲水印嵌入/提取方法及系统 |
CN117575880B (zh) * | 2024-01-16 | 2024-04-12 | 四川数盾科技有限公司 | 一种盲水印嵌入/提取方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Multipurpose watermarking for image authentication and protection | |
Qi et al. | A singular-value-based semi-fragile watermarking scheme for image content authentication with tamper localization | |
Zheng et al. | A survey of RST invariant image watermarking algorithms | |
Lin et al. | Fast, automatic and fine-grained tampered JPEG image detection via DCT coefficient analysis | |
Hosam | Attacking image watermarking and steganography-a survey | |
Daraee et al. | Watermarking in binary document images using fractal codes | |
Tsai et al. | Joint robustness and security enhancement for feature-based image watermarking using invariant feature regions | |
Li et al. | A QDCT-and SVD-based color image watermarking scheme using an optimized encrypted binary computer-generated hologram | |
Yuan et al. | Local multi-watermarking method based on robust and adaptive feature extraction | |
Liu et al. | Robust blind image watermarking based on chaotic mixtures | |
Roy et al. | Watermarking through image geometry change tracking | |
Bolourian Haghighi et al. | An effective semi-fragile watermarking method for image authentication based on lifting wavelet transform and feed-forward neural network | |
Aberna et al. | Digital image and video watermarking: methodologies, attacks, applications, and future directions | |
Sarkar et al. | Large scale image tamper detection and restoration | |
CN116757903A (zh) | 一种水印嵌入和提取方法、及水印处理装置 | |
Huang et al. | Robust texture-aware local adaptive image watermarking with perceptual guarantee | |
Zamani et al. | Knots of substitution techniques of audio steganography | |
Dutta et al. | An efficient and secure digital image watermarking using features from iris image | |
Li et al. | FD-TR: feature detector based on scale invariant feature transform and bidirectional feature regionalization for digital image watermarking | |
Nam et al. | WAN: Watermarking attack network | |
Melman et al. | Methods for countering attacks on image watermarking schemes: Overview | |
Aberna et al. | Optimal semi-fragile watermarking based on maximum entropy random walk and swin transformer for tamper localization | |
Yang et al. | Robust digital watermarking based on local invariant radial harmonic fourier moments | |
Capasso et al. | A Comprehensive Survey on Methods for Image Integrity | |
Barni et al. | Robust watermarking of cartographic images |
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 |