CN117217976B - 一种基于多混沌系统的四元数域彩色图像零水印处理方法 - Google Patents
一种基于多混沌系统的四元数域彩色图像零水印处理方法 Download PDFInfo
- Publication number
- CN117217976B CN117217976B CN202311481725.2A CN202311481725A CN117217976B CN 117217976 B CN117217976 B CN 117217976B CN 202311481725 A CN202311481725 A CN 202311481725A CN 117217976 B CN117217976 B CN 117217976B
- Authority
- CN
- China
- Prior art keywords
- image
- binary
- watermark
- nms
- low
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 80
- 239000013598 vector Substances 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000000638 solvent extraction Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 55
- 230000000739 chaotic effect Effects 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 27
- 238000013507 mapping Methods 0.000 claims description 14
- 230000002194 synthesizing effect Effects 0.000 claims description 9
- 230000000903 blocking effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 101150107401 outH gene Proteins 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims 1
- 238000010606 normalization Methods 0.000 claims 1
- 239000004065 semiconductor Substances 0.000 claims 1
- 230000009466 transformation Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 22
- 241001504519 Papio ursinus Species 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000007906 compression Methods 0.000 description 5
- 230000006835 compression Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000025174 PANDAS Diseases 0.000 description 1
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 1
- 240000004718 Panda Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Landscapes
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于多混沌系统的四元数域彩色图像零水印处理方法，首先，对原始彩色图像的R、G、B三个颜色分量进行N×N非重叠分块，对每个子块进行全相位双正交离散余弦变换；然后，取各子块变换后的低频系数构造小尺寸彩色低频分量图像，计算彩色低频分量图像不同分数参数下的四元数分数阶雅各比‑傅里叶低阶图像矩，获得二值混合低阶矩特征向量；最后，基于多混沌系统将该特征向量转换为与原始水印同尺寸大小的二值鲁棒特征图像，并与加密水印进行异或操作，生成最终的认证零水印。本发明方法对于抵抗常见的多种图像处理攻击和几何攻击均具有良好的鲁棒性，具备有效性和一定的实用价值。
Description
技术领域
本发明实施例涉及图像处理技术领域，尤其涉及一种基于多混沌系统的四元数域彩色图像零水印处理方法。
背景技术
随着互联网和多媒体的快速发展，数字图像在生活和工作方面得到了广泛应用。但大量的数字图像在未经版权所有者许可的情况下被复制、伪造和任意传播，严重影响了信息产业的健康发展。数字水印作为一种能为多媒体数据安全提供有效保障的数字内容版权保护技术，受到信息安全领域中众多研究者的关注。其中嵌入式水印技术作为一种有效的版权保护方法，得到了极大的发展。然而，嵌入式水印技术中最大的问题是，嵌入过程会破坏原始图像，无法为需要高完整性的特殊图像，例如医疗、军事和遥感图像等提供有效的保护。零水印技术的出现，可以有效解决以上问题，在保证原始图像完整性的同时，对图像进行有效的版权保护。
根据对载体图像的处理方式不同，常见的零水印算法被划分为空域零水印算法、频域零水印算法和基于图像矩的零水印算法。空域零水印算法计算简单、运行速度快，但鲁棒性相对较差；频域零水印算法鲁棒性好，但抗几何攻击性能不佳；基于图像矩的零水印算法具有较好的抗几何攻击鲁棒性，但目前大多数基于图像矩的零水印方法，往往是根据定义直接计算原始图像的全局矩特征来构造零水印，计算复杂度高且提取的图像矩特征稳定性有待提高，影响了算法的鲁棒性。
发明内容
本发明实施例提供一种基于多混沌系统的四元数域彩色图像零水印处理方法，以解决现有技术中彩色图像零水印技术鲁棒性较低和抗几何攻击性能不佳的技术问题。
本发明实施例提供了一种基于多混沌系统的四元数域彩色图像零水印处理方法，包括：
在原始彩色图像中嵌入零水印和对待认证合法性的彩色图像进行零水印提取；
所述在原始彩色图像中嵌入零水印，包括：
采用二维Logistic-Gaussian Hyperchaotic Map系统生成2N W ×N W 的混沌随机序列Y 1，截取随机序列Y 1的后半段，进行整数化和去重复操作，并升序排列得到唯一值序列X 1；创建一个长度为N W ×N W 的非0自然数序列X 2，取X 2与X 1的差集作为补充序列，放在序列X 1之后，得到长为N W ×N W 的水印置乱向量X 3；使用置乱向量X 3对大小为N W ×N W 的原始二值版权水印W进行混沌置乱，得到处理后的水印图像W E；
对原始彩色图像I的R、G、B通道进行分离，将分离后的3个颜色分量分别进行非重叠分块；对每个子块进行全相位双正交离散余弦变换，并利用每个子块的低频系数合成新的彩色低频分量T；
计算彩色低频分量T的4个不同分数参数的四元数分数阶雅克比-傅里叶低阶图像矩，即H nms1、H nms2、H nms3和H nms4；
取H nms1、H nms2、H nms3和H nms4的幅值，根据每个矩幅值的中位数对图像矩进行二值化，将二值化的数据转化为一维行向量，采用Piecewise Linear Chaotic Mapping系统从每个矩对应的二值一维行向量中挑选N W /4个元素，组合得到二值混合低阶矩特征向量B v ；采用Logistic-Tent混沌系统生成长为N W 的二值序列X t ，并与二值混合低阶矩特征向量B v 一同作为半张量积系统的输入，得到大小为N W ×N W 的二值扩充矩阵K；
采用二维Chebyshev-Logistic-Infinite Collapse Map系统对二值扩充矩阵K进行混沌加密得到特征图像矩阵B 1；将混沌置乱处理后的水印图像W E和特征矩阵B 1执行异或运算，得到最终的认证零水印W Z，将W Z保存到注册机构的水印数据库中，并将利用二维Logistic-Gaussian Hyperchaotic Map系统对原始二值水印图像W进行混沌置乱生成随机序列Y 1时，使用的固定参数a,b和系统控制参数k 1,k 2以及系统初始值x 0,y 0作为密钥Key1，利用Piecewise Linear Chaotic Mapping得到的长为N W /4的随机序列时，使用的系统控制参数p及系统初始值u 0作为密钥Key2，利用Logistic-Tent系统生成长为N W 的二值序列X t 时，使用的系统控制参数r及系统初始值z 0作为密钥Key3，利用二维Chebyshev-Logistic-Infinite Collapse Map系统产生大小为N W ×N W 的随机矩阵Z时，使用的系统固定参数g,h和系统控制参数l以及系统初始值v 0,w 0作为密钥Key4，把密钥Key1、Key2、Key3和Key4保存，即完成零水印的嵌入过程；
所述对待认证合法性的彩色图像进行零水印提取，包括：
对待认证彩色图像I′的R、G、B通道进行分离，将分离后的3个颜色分量分别进行非重叠分块；对每个子块进行全相位双正交离散余弦变换，并利用每个子块的低频系数合成新的彩色低频分量T′；
计算彩色低频分量T′的4个不同分数参数的四元数分数阶雅克比-傅里叶低阶图像矩，即H nms1 ′、H nms2 ′、H nms3 ′和H nms4 ′；
取H nms1 ′、H nms2 ′、H nms3 ′和H nms4 ′的幅值，根据每个矩幅值的中位数对图像矩进行二值化，将二值化的数据转化为一维行向量，采用Piecewise Linear Chaotic Mapping系统从每个矩对应的二值一维行向量中挑选N W /4个元素，组合得到二值混合低阶矩特征向量B v ′；采用Logistic-Tent系统生成长为N W 的二值序列X t ，并与二值混合低阶矩特征向量B v ′一同作为半张量积系统的输入，得到大小为N W ×N W 的二值扩充矩阵K′；
采用二维Chebyshev-Logistic-Infinite Collapse Map系统对二值扩充矩阵K′进行混沌加密得到特征图像矩阵B 1 ′；
取出保存在注册机构版权鉴别数据库中的认证零水印W Z，与特征图像矩阵B 1 ′进行异或操作，得到未解密的二值水印图像W E ′；
对未解密水印图像W E ′进行反混沌置乱，即可提取出最终的水印信息W′，最后根据W′显示的内容信息来鉴别待认证的彩色图像I′的版权归属。本发明实施例提供的一种基于多混沌系统的四元数域彩色图像零水印处理方法，采用多混沌系统对原始水印和特征矩阵进行加密，确保了零水印算法的安全性，同时先利用分块全相位双正交离散余弦变换得到彩色图像R、G、B各通道中各子块的低频系数，从而构造小尺寸彩色低频分量图像，并充分考虑彩色图像R、G、B三通道之间的相关性，通过计算小尺寸彩色低频分量图像不同分数参数下的四元数分数阶雅克比-傅里叶低阶图像矩，构造原始彩色图像的二值混合低阶矩特征。通过在保持原始彩色图像主要能量信息的前提下缩减图像尺寸，和采用四元数低阶矩，有效减少了数据运算量，在利用多混沌系统增强鲁棒性的同时，总体上未增加较多的运算量，有效增强了算法的时效性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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是本发明实施例提供的一种基于多混沌系统的四元数域彩色图像零水印处理方法中嵌入方法的流程示意图；
图2是本发明实施例提供的一种基于多混沌系统的四元数域彩色图像零水印处理方法中提取方法的流程示意图；
图3（a）是本发明实施例提供的一种基于多混沌系统的四元数域彩色图像零水印处理方法中彩色图像Lena示意图；
图3（b）是本发明实施例提供的一种基于多混沌系统的四元数域彩色图像零水印处理方法中彩色图像Baboon示意图；
图4是本发明实施例提供的一种基于多混沌系统的四元数域彩色图像零水印处理方法中原始二值版权水印图像的示意图；
图5是本发明实施例提供的一种基于多混沌系统的四元数域彩色图像零水印处理方法中彩色图像Lena和Baboon在几种非几何攻击下的测试BER数值表；
图6是本发明实施例提供的一种基于多混沌系统的四元数域彩色图像零水印处理方法中彩色图像Lena和Baboon在几种几何攻击下的测试BER数值表。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，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，都应当属于本发明保护的范围。
图1是本发明实施例提供了一种基于多混沌系统的四元数域彩色图像零水印处理方法中嵌入方法的流程示意图，图2是本发明实施例提供了一种基于多混沌系统的四元数域彩色图像零水印处理方法中提取方法的流程示意图。本实施例可适用于利用零水印对彩色图像进行版权保护的情况。
如图1所示，本实施例提供的一种基于多混沌系统的四元数域彩色图像零水印处理方法中的嵌入方法，具体包括如下步骤：
S110、采用二维Logistic-Gaussian Hyperchaotic Map系统对大小为N W ×N W 的原始二值版权水印W进行混沌置乱，得到处理后的水印图像W E。
图4是本发明实施例提供的一种基于多混沌系统的四元数域彩色图像零水印处理方法中原始二值版权水印图像的示意图，大小为N W ×N W 。在本实施例中，可采用上述提供的版权水印图像实现零水印处理。
可使用二维Logistic-Gaussian Hyperchaotic Map系统生成长为2N W ×N W 的随机序列Y 1，截取随机序列Y 1的后半段，进行整数化和去重复操作，并升序排列得到唯一值序列X 1；创建一个长为N W ×N W 的非0自然数序列X 2，取X 2与X 1的差集作为补充序列，放在序列X 1之后，得到长为N W ×N W 的水印置乱向量X 3；使用置乱向量X 3对原始水印图像W进行行列置乱，得到混沌置乱处理后的水印图像W E。
所述二维Logistic-Gaussian Hyperchaotic Map系统模型如下：
，
式中，a和b系统固定参数，k 1和k 2为系统控制参数，x n 和y n 为以上系统迭代过程中的中间变量，x n+1和y n+1分别为x n 和y n 的下一个状态；以上参数和系统初始值可以一起作为密钥使用，被记作Key1，便于后期鉴权使用。
所述使用置乱向量X 3对原始水印图像W进行行列置乱，得到处理后的水印图像W E。具体的，行列置乱方法为：将原始二维水印图像W转化为一维向量W 1D，根据置乱向量X 3前后对应元素所指向的位置坐标依次对W 1D进行列元素置换，将置换后的结果转化为二值矩阵，得到混沌置乱后的水印图像W E。
在本实施例中，采用二维Logistic-Gaussian Hyperchaotic Map系统对原始版权水印进行混沌置乱，由于该系统产生的混沌序列不具备周期范围且对初值极其敏感，可以增强整体水印算法的安全性，同时截取随机特性更优越的Y 1的后半段，用于产生水印置乱向量X 3，可以使得原始水印图像W置乱后的0或1像素分布更均匀且混乱，达到更好的置乱效果，又能提高水印算法的鲁棒性。
S120、对原始彩色图像I的R、G、B通道进行分离，将分离后的3个颜色分量分别进行非重叠分块；对每个子块进行全相位双正交离散余弦变换，并利用每个子块的低频系数合成新的彩色低频分量T。
示例性的，把大小为M×M的彩色图像I的R、G、B通道进行分离，将分离后的3个颜色分量分别进行N×N非重叠分块，对每个子块进行全相位双正交离散余弦变换，对子块X执行全相位双正交离散余弦变换表示为：A=BXB T ，A为变换系数矩阵，B为全相位双正交离散余弦变换矩阵，变换矩阵B表示为： ，
N为子块X的大小，将R、G、B各通道分块全相位双正交离散余弦变换后各子块的低频系数组成对应的低频分量T R、T G、T B，最后将T R、T G、T B合成彩色低频分量T。
全相位双正交离散余弦变换较离散余弦变换具有更好的低频能量集中特性，并且可以有效解决压缩过程中使用离散余弦变换出现的低码率块效应的问题。利用全相位双正交离散余弦变换获得的彩色低频分量图像能够代表原始彩色图像的绝大部分信息，基于此低频分量构造鲁棒特征矩阵，可进一步提高算法鲁棒性，此外彩色低频分量图像相比原始彩色图像压缩了图像尺寸，为后续四元数分数阶雅克比-傅里叶图像矩计算中提高计算效率提供了可能。
S130、计算彩色低频分量T的4个不同分数参数的四元数分数阶雅克比-傅里叶低阶图像矩，即H nms1、H nms2、H nms3和H nms4。
所述计算彩色低频分量T的4个不同分数参数的四元数分数阶雅克比-傅里叶低阶图像矩，即H nms1、H nms2、H nms3和H nms4，包括：
将彩色低频分量T转换到极坐标下，获得极坐标图像f(r,θ)，将极坐标图像用四元数表示得到四元数极坐标图像f(r,θ,z)，根据下式计算f(r,θ,z)的四元数分数阶雅克比-傅里叶矩H nms L ，由于四元数不满足乘法交换律，因此，分为H nms L 和H nms R ，
式中，四元数极坐标图像f(r,θ,z)=f R(r,θ)i+f G(r,θ)j+f B(r,θ)k；纯四元数；分数参数α∈R+；阶数n∈N；重复度m∈Z；参数p,q∈R且满足p -q >-1，q>0；径向基函数为/>，/>为权函数，为归一化常数，/>为分数阶Jacobi多项式，/>为伽马函数；
S140、取H nms1、H nms2、H nms3和H nms4的幅值，根据每个矩幅值的中位数对图像矩进行二值化，将二值化的数据转化为一维行向量，采用Piecewise Linear Chaotic Mapping系统从每个矩对应的二值一维行向量中挑选N W /4个元素，组合得到二值混合低阶矩特征向量B v 。
通过如下方式取H nms L 的幅值，并根据H nms L 幅值的中位数对H nms L 进行二值化，将二值化的数据转化为一维行向量，对采用Piecewise Linear Chaotic Mapping系统得到的长为N W /4的随机序列排序且返回位置索引坐标，根据位置索引坐标在每个矩对应的二值一维行向量中分别挑N W /4个元素，串联后组合得到二值混合低阶矩特征向量B v，
，
其中，n表示阶数，m表示重复度，分数参数α∈{0.5,1,2,3}，符号表示向上取整。
将具有不同分数参数（α∈{0.5,1,2,3}）的四元数低阶矩幅值组合成一个混合的特征向量集合，而不是将它们作为单一的特征。由于分数阶参数与分数阶雅克比-傅里叶矩基函数的时域特性有关，故将这些矩进行组合可以使特征更有鉴别性。此外，由于只采用图像的低阶矩(即低频信息)，可以在确保特征鲁棒性的同时，减少计算消耗，进而提升算法的时效性。
Piecewise Linear Chaotic Mapping系统，采用如下公式表达：
，
式中，p为系统控制参数，u i 为以上系统迭代过程中的中间变量，u i+1为u i 的下一个状态；以上参数和系统初始值可以一起作为密钥使用，被记作Key2。
S150、采用Logistic-Tent系统生成长为N W 的二值序列X t ，并与二值混合低阶矩特征向量B v 一同作为半张量积系统的输入，得到大小为N W ×N W 的二值扩充矩阵K。
所述Logistic-Tent系统，采用如下公式表达：，
式中，r为系统控制参数，z i 为以上系统迭代过程中的中间变量，z i+1为z i 的下一个状态，mod表示取余；以上参数和系统初始值可以一起作为密钥使用，被记作Key3。
所述半张量积系统，包含：定义两个矩阵P∈M a×b ，Q∈M c×d ，则半张量积定义为：，式中，n是b和c的最小公倍数，I为单位矩阵，/>为Kronecker积。将由Logistic-Tent系统生成长为N W 的二值序列X t ，并与二值混合低阶矩特征向量B v 一同作为半张量积系统的输入，得到大小为N W ×N W 的二值扩充矩阵K。
采用Logistic-Tent系统生成长为N W 的二值序列X t 并作为半张量积系统的输入，一方面是通过使用新的混沌系统来增加整体算法秘钥的复杂性，从而保证算法的安全性，另一方面利用该系统产生的二值序列X t 具有较好的随机特性，以提高算法的鲁棒性。半张量积运算是对传统矩阵乘法的推广，解决了矩阵相乘时维数不匹配的难题，同时还具备传统矩阵乘法的性质，通过半张量积系统扩充特征向量B v ，解决了特征矩阵与加密水印异或时的尺寸不匹配问题，且提高了算法的稳定性。
S160、采用二维Chebyshev-Logistic-Infinite Collapse Map系统对扩充矩阵K进行混沌加密得到特征图像矩阵B 1。
所述二维Chebyshev-Logistic-Infinite Collapse Map系统，采用如下公式表达：，
式中，g和h为系统固定参数，l为系统控制参数，v i 和w i 为以上系统迭代过程中的中间变量，v i+1和w i+1为v i 和w i 的下一个状态；以上参数和系统初始值可以一起作为密钥使用，被记作Key4。
采用二维Chebyshev-Logistic-Infinite Collapse Map系统产生大小为N W ×N W 的随机矩阵Z，将矩阵Z二值化后与半张量积的输出扩充矩阵K进行异或，得到混沌加密特征图像B 1。
S170、将混沌置乱处理后的水印图像W E和特征矩阵B 1执行异或运算，得到最终的认证零水印W Z，将W Z保存到注册机构的水印数据库中，并将零水印嵌入过程中的密钥保存，即完成零水印的嵌入过程。
，
通过上述步骤，获得最终的认证零水印图像W Z ，和零水印嵌入过程中使用的相关秘钥Key1、Key2、Key3和Key4，供最后校验待认证立体图像的版权使用。
此外，本实施例还提供一种基于多混沌系统的四元数域彩色图像零水印处理方法中的提取方法，如图2所示，具体包括如下步骤：
S210、对待认证彩色图像I′的R、G、B通道进行分离，将分离后的3个颜色分量分别进行非重叠分块；对每个子块进行全相位双正交离散余弦变换，并利用每个子块的低频系数合成新的彩色低频分量T′。
S220、计算彩色低频分量T′的4个不同分数参数的四元数分数阶雅克比-傅里叶低阶图像矩，即H nms1 ′、H nms2 ′、H nms3 ′和H nms4 ′。
S230、取H nms1 ′、H nms2 ′、H nms3 ′和H nms4 ′的幅值，根据每个矩幅值的中位数对图像矩进行二值化，将二值化的数据转化为一维行向量，采用Piecewise Linear Chaotic Mapping系统从每个矩对应的二值一维行向量中挑选一定数量的元素，组合得到二值混合低阶矩特征向量B v ′。
通过如下方式取H nms L ′的幅值，并根据H nms L ′幅值的中位数对H nms L ′进行二值化，将二值化的数据转化为一维行向量，对采用Piecewise Linear Chaotic Mapping系统得到的长为N W /4的随机序列排序且返回位置索引坐标，根据位置索引坐标在每个矩对应的二值一维行向量中分别挑N W /4个元素，串联后组合得到二值混合低阶矩特征向量B v ′，，
其中，n表示阶数，m表示重复度，分数参数α∈{0.5,1,2,3}，符号表示向上取整。
S240、采用Logistic-Tent系统生成长为N W 的二值序列X t ，并与B v ′一同作为半张量积的输入，得到大小为N W ×N W 的二值扩充矩阵K′。
S250、采用二维Chebyshev-Logistic-Infinite Collapse Map系统对扩充矩阵K′进行混沌加密得到特征图像矩阵B 1 ′。
S260、取出保存在注册机构版权鉴别数据库中的认证零水印W Z，与特征图像矩阵B 1 ′进行异或操作，得到未解密的二值水印图像W E ′。
，
S270、对未解密水印图像W E ′进行反混沌置乱，即可提取出最终的水印信息W′，最后根据W′显示的内容信息来鉴别待认证的彩色图像I′的版权归属。
所述对未解密水印图像W′ E进行反混沌置乱，即可提取出最终的水印信息W′，最后根据W′显示的内容信息来鉴别待认证的彩色图像I′的版权归属；包括：
利用密钥Key1得到长为N W ×N W 的水印置乱向量X 3，对未解密水印图像W E ′进行行列反置乱方法为：将未解密水印图像W E ′转化为一维向量W 1D ′，根据置乱向量X 3前后对应元素所指向的位置坐标依次对W 1D ′进行列元素置换，将置换后的结果转化为二值矩阵，得到反混沌置乱图像，即提取出最终的水印图像W′。
本实施例提供的一种基于多混沌系统的四元数域彩色图像零水印处理方法，通过全相位双正交离散余弦变换获得原始彩色图像R、G、B各通道的小尺寸低频分量，并利用各小尺寸低频分量构造原始彩色图像的四元数图像矩，把彩色图像的各通道当成一个整体处理，充分考虑彩色图像各通道之间的相关性，有利于提高算法的整体鲁棒性；然后利用小尺寸彩色低频分量图像的四元数分数阶雅克比-傅里叶的混合低阶矩特征，获得鲁棒的二值特征矩阵，既保证了算法的计算效率，又利用了特征矩良好的几何不变性，有效提高了算法的抗几何攻击性能；同时采用多混沌系统对原始水印图像和二值特征矩阵进行加密和置乱，增强了算法的安全性。对于抵抗常见的多种图像处理攻击如添加噪声、滤波、JPEG压缩、剪切以及旋转、缩放、平移几何攻击均等具有很好的鲁棒性。
下面结合具体实例对本发明提供的一种基于多混沌系统的四元数域彩色图像零水印处理方法的过程和效果进行具体说明。
为了验证本发明的有效性，仿真实验中采用CVG-UGR数据库的标准彩色图像，图3展示的是数据库中的Lena和Baboon两幅彩色图像，其大小均为512×512。原始二值版权水印图像采用大小64×64的Panda图像，如图4所示。本发明采用误码率（BER）来评价最终检测到的二值水印图像W′和原始二值水印图像W之间的相似程度，BER定义如下：
，
其中，N W 2为原始版权水印图像大小，W(i,j)表示原始水印图像在(i,j)点处的像素值，W′(i,j)表示最终检测到的二值水印图像在(i,j)点处的像素值。BER值越低，表示提取出的二值水印图像W′与原始二值水印图像W越相似，即表明该方法的鲁棒性越强。图5是本发明实施例提供的一种基于多混沌系统的四元数域彩色图像零水印处理方法中彩色图像Lena和Baboon在几种非几何攻击下的测试BER数值表。由图5可以看出，Lena和Baboon图像在面对不同种类噪声、滤波攻击时，提取水印的BER值为0，在面对两种不同压缩方式的压缩攻击时，仅Lena图像在质量因子为10的JPEG压缩下BER值不为0，表明该方法具有较好的抵抗非几何攻击的能力，有极强的鲁棒性。
图6是本发明实施例提供的一种基于多混沌系统的四元数域彩色图像零水印处理方法中彩色图像Lena和Baboon在几种几何攻击下的测试BER数值表。从图6可见，针对不同的彩色图像，本实施例提供的彩色图像零水印方法，对常见的几何攻击均表现出优越的鲁棒性，进一步说明了本发明实施例提供的一种基于多混沌系统的四元数域彩色图像零水印处理方法在抵抗几种几何攻击性能方面的鲁棒性和普适性。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (6)
1.一种基于多混沌系统的四元数域彩色图像零水印处理方法，其特征在于，包括：
在原始彩色图像中嵌入零水印和对待认证合法性的彩色图像进行零水印提取；
所述在原始彩色图像中嵌入零水印，包括：
采用二维Logistic-Gaussian Hyperchaotic Map系统生成长为2N W ×N W 的混沌随机序列Y 1，截取随机序列Y 1的后半段，进行整数化和去重复操作，并升序排列得到唯一值序列X 1；创建一个长度为N W ×N W 的非0自然数序列X 2，取X 2与X 1的差集作为补充序列，放在序列X 1之后，得到长为N W ×N W 的水印置乱向量X 3；使用置乱向量X 3对大小为N W ×N W 的原始二值版权水印W进行混沌置乱，得到处理后的水印图像W E；
对原始彩色图像I的R、G、B通道进行分离，将分离后的3个颜色分量分别进行非重叠分块，对每个子块进行全相位双正交离散余弦变换，并利用每个子块的低频系数合成新的彩色低频分量T；
计算彩色低频分量T的4个不同分数参数的四元数分数阶雅克比-傅里叶低阶图像矩，即H nms1、H nms2、H nms3和H nms4；
取H nms1、H nms2、H nms3和H nms4的幅值，根据每个矩幅值的中位数对图像矩进行二值化，将二值化的数据转化为一维行向量，采用Piecewise Linear Chaotic Mapping系统从每个矩对应的二值一维行向量中挑选N W /4个元素，组合得到二值混合低阶矩特征向量B v ；
采用Logistic-Tent混沌系统生成长为N W 的二值序列X t ，并与二值混合低阶矩特征向量B v 一同作为半张量积系统的输入，得到大小为N W ×N W 的二值扩充矩阵K；
采用二维Chebyshev-Logistic-Infinite Collapse Map系统对二值扩充矩阵K进行混沌加密得到特征图像矩阵B 1；
将混沌置乱处理后的水印图像W E和特征图像矩阵B 1执行异或运算，得到最终的认证零水印W Z，将W Z保存到注册机构的水印数据库中，并将利用二维Logistic-GaussianHyperchaotic Map系统对原始二值水印图像W进行混沌置乱生成随机序列Y 1时，使用的固定参数a, b和系统控制参数k 1, k 2以及系统初始值x 0, y 0作为密钥Key1，利用PiecewiseLinear Chaotic Mapping得到的长为N W /4的随机序列时，使用的系统控制参数p及系统初始值u 0作为密钥Key2，利用Logistic-Tent系统生成长为N W 的二值序列X t 时，使用的系统控制参数r及系统初始值z 0作为密钥Key3，利用二维Chebyshev-Logistic-InfiniteCollapse Map系统产生大小为N W ×N W 的随机矩阵Z时，使用的系统固定参数g, h和系统控制参数l以及系统初始值v 0, w 0作为密钥Key4，将密钥Key1、Key2、Key3和Key4保存，即完成零水印的嵌入过程；
所述对待认证合法性的彩色图像进行零水印提取，包括：
对待认证彩色图像I′的R、G、B通道进行分离，将分离后的3个颜色分量分别进行非重叠分块；对每个子块进行全相位双正交离散余弦变换，并利用每个子块的低频系数合成新的彩色低频分量T′；
计算彩色低频分量T′的4个不同分数参数的四元数分数阶雅克比-傅里叶低阶图像矩，即H nms1 ′、H nms2 ′、H nms3 ′和H nms4 ′；
取H nms1 ′、H nms2 ′、H nms3 ′和H nms4 ′的幅值，根据每个矩幅值的中位数对图像矩进行二值化，将二值化的数据转化为一维行向量，采用Piecewise Linear Chaotic Mapping系统从每个矩对应的二值一维行向量中挑选N W /4个元素，组合得到二值混合低阶矩特征向量B v ′；
采用Logistic-Tent系统生成长为N W 的二值序列X t ，并与二值混合低阶矩特征向量B v ′一同作为半张量积系统的输入，得到大小为N W ×N W 的二值扩充矩阵K′；
采用二维Chebyshev-Logistic-Infinite Collapse Map系统对二值扩充矩阵K′进行混沌加密得到特征图像矩阵B 1 ′；
取出保存在注册机构的水印数据库库中的认证零水印W Z，与特征图像矩阵B 1 ′进行异或操作，得到未解密的二值水印图像W E ′；
对未解密水印图像W E ′进行反混沌置乱，即可提取出最终的水印信息W′，最后根据W′显示的内容信息来鉴别待认证的彩色图像I′的版权归属；所述对未解密水印图像WE′进行反混沌置乱，即可提取出最终的水印信息W′，包括：
利用密钥Key1得到长为NW×NW的水印置乱向量X3，将未解密水印图像WE′转化为一维向量W1D′，根据置乱向量X3前后对应元素所指向的位置坐标依次对W1D′进行列元素置换，将置换后的结果转化为二值矩阵，得到反混沌置乱图像，即提取出最终的水印图像W′。
2.根据权利要求1所述的一种基于多混沌系统的四元数域彩色图像零水印处理方法，其特征在于，所述采用二维Logistic-Gaussian Hyperchaotic Map系统对原始二值版权水印W进行混沌置乱，得到处理后的水印图像W E，包括：
所述二维Logistic-Gaussian Hyperchaotic Map系统，采用如下公式表达：
；
式中，a和b为系统固定参数，k 1和k 2为系统控制参数，x n 和y n 为以上系统迭代过程中的中间变量，x n+1和y n+1分别为x n 和y n 的下一个状态；
采用二维Logistic-Gaussian Hyperchaotic Map系统得到长度为N W ×N W 的水印置乱向量X 3，将原始二值版权水印W转化为一维向量W 1D，根据置乱向量X 3前后对应元素所指向的位置坐标依次对W 1D进行列元素置换，将置换后的结果转化为二值矩阵，得到混沌置乱后的水印图像W E。
3.根据权利要求1所述的一种基于多混沌系统的四元数域彩色图像零水印处理方法，其特征在于，所述对原始彩色图像I的R、G、B通道进行分离，将分离后的3个颜色分量分别进行非重叠分块，对每个子块进行全相位双正交离散余弦变换，并利用每个子块的低频系数合成新的彩色低频分量T，包括：
将大小为M×M的彩色图像I的R、G、B通道进行分离，将分离后的3个颜色分量分别进行N×N非重叠分块，对每个子块进行全相位双正交离散余弦变换，对子块X进行全相位双正交离散余弦变换表示为：A=BXB T ，A为变换系数矩阵，B为全相位双正交离散余弦变换矩阵，变换矩阵B表示为：
；
N为子块X的大小，将R、G、B各通道分块全相位双正交离散余弦变换后各子块的低频系数组成对应的低频分量T R、T G、T B，最后将T R、T G、T B合成彩色低频分量T。
4.根据权利要求1所述的一种基于多混沌系统的四元数域彩色图像零水印处理方法，其特征在于，所述计算彩色低频分量T的4个不同分数参数的四元数分数阶雅克比-傅里叶低阶图像矩，并采用Piecewise Linear Chaotic Mapping系统从每个矩对应的二值一维行向量中挑选N W /4个元素，组合得到二值混合低阶矩特征向量B v ，包括：
将彩色低频分量T转换到极坐标下，获得极坐标图像f(r,θ)，将极坐标图像用四元数表示得到四元数极坐标图像f(r,θ,z)，根据下式计算f(r,θ,z)的四元数分数阶雅克比-傅里叶矩H nms L ，由于四元数不满足乘法交换律，因此，分为H nms L 和H nms R ，
；
式中，四元数极坐标图像f(r,θ,z)=f R(r,θ)i+f G(r,θ)j+f B(r,θ)k；纯四元数；分数参数α∈R+；阶数n∈N；重复度m∈Z；参数p,q∈R且满足p - q > -1，q> 0；径向基函数为/>，其中，权函数表示为，/>为归一化常数，为分数阶Jacobi多项式，/>为伽马函数；
通过如下方式取H nms L 的幅值，并根据H nms L 幅值的中位数对H nms L 进行二值化，将二值化的数据转化为一维行向量，；
其中，n表示阶数，m表示重复度，分数参数α∈{0.5,1,2,3}，符号⌈•⌉表示向上取整；
所述Piecewise Linear Chaotic Mapping系统，采用如下公式表达：
；
式中，p为系统控制参数，u i 为以上系统迭代过程中的中间变量，u i+1为u i 的下一个状态；
对采用Piecewise Linear Chaotic Mapping系统得到的长为N W /4的随机序列排序且返回位置索引坐标，根据位置索引坐标在每个矩对应的二值一维行向量中分别挑N W /4个元素，串联后组合得到二值混合低阶矩特征向量B v 。
5.根据权利要求1所述的一种基于多混沌系统的四元数域彩色图像零水印处理方法，其特征在于，所述采用Logistic-Tent系统生成长为N W 的二值序列X t ，并与二值混合低阶矩特征向量B v 一同作为半张量积系统的输入，得到大小为N W ×N W 的二值扩充矩阵K的方法为：
所述Logistic-Tent系统，采用如下公式表达：
；
式中，r为系统控制参数，z i 为以上系统迭代过程中的中间变量，z i+1为z i 的下一个状态，mod表示取余；
所述半张量积系统，包括：定义两个矩阵P∈M a×b ，Q∈M c×d ，则半张量积定义为：，式中，n是b和c的最小公倍数，I为单位矩阵，/>为Kronecker积；
将Logistic-Tent系统生成的长为N W 的二值序列X t ，与二值混合低阶矩特征向量B v 一同作为半张量积系统的输入，得到大小为N W ×N W 的二值扩充矩阵K。
6.根据权利要求1所述的一种基于多混沌系统的四元数域彩色图像零水印处理方法，其特征在于，所述采用二维Chebyshev-Logistic-Infinite Collapse Map系统对二值扩充矩阵K进行混沌加密得到特征图像矩阵B 1，包括：
所述二维Chebyshev-Logistic-Infinite Collapse Map系统，采用如下公式表达：
；
式中，g和h为系统固定参数，l为系统控制参数，v i 和w i 为以上系统迭代过程中的中间变量，v i+1和w i+1为v i 和w i 的下一个状态；
采用二维Chebyshev-Logistic-Infinite Collapse Map系统产生大小为N W ×N W 的二维随机矩阵Z，将矩阵Z二值化后与半张量积系统的输出二值扩充矩阵K进行异或，得到特征图像矩阵B 1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311481725.2A CN117217976B (zh) | 2023-11-09 | 2023-11-09 | 一种基于多混沌系统的四元数域彩色图像零水印处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311481725.2A CN117217976B (zh) | 2023-11-09 | 2023-11-09 | 一种基于多混沌系统的四元数域彩色图像零水印处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117217976A CN117217976A (zh) | 2023-12-12 |
| CN117217976B true CN117217976B (zh) | 2024-01-30 |
Family
ID=89049661
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311481725.2A Active CN117217976B (zh) | 2023-11-09 | 2023-11-09 | 一种基于多混沌系统的四元数域彩色图像零水印处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117217976B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109859093A (zh) * | 2019-01-29 | 2019-06-07 | 中国民航大学 | 一种基于变参数混沌映射的混合变换域图像零水印方法 |
| CN109919824A (zh) * | 2019-03-06 | 2019-06-21 | 辽宁师范大学 | 基于快速四元数广义极复指数变换的彩色图像零水印方法 |
| CN110570342A (zh) * | 2019-07-01 | 2019-12-13 | 齐鲁工业大学 | 彩色医学图像零水印构造方法、系统及检测方法、系统 |
| CN111583088A (zh) * | 2020-05-06 | 2020-08-25 | 中国民航大学 | 一种基于多变换域的自嵌入全盲彩色图像鲁棒水印方法 |
| CN114359012A (zh) * | 2022-03-21 | 2022-04-15 | 中国民航大学 | 一种鲁棒的组合域彩色图像零水印嵌入和提取方法 |
| CN115311119A (zh) * | 2022-10-09 | 2022-11-08 | 中国民航大学 | 一种抗几何攻击的立体图像零水印嵌入与提取方法 |
| CN115358906A (zh) * | 2022-07-11 | 2022-11-18 | 湖州师范学院 | 一种面向彩色图像版权保护的彩色图像零水印方法 |
-
2023
- 2023-11-09 CN CN202311481725.2A patent/CN117217976B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109859093A (zh) * | 2019-01-29 | 2019-06-07 | 中国民航大学 | 一种基于变参数混沌映射的混合变换域图像零水印方法 |
| CN109919824A (zh) * | 2019-03-06 | 2019-06-21 | 辽宁师范大学 | 基于快速四元数广义极复指数变换的彩色图像零水印方法 |
| CN110570342A (zh) * | 2019-07-01 | 2019-12-13 | 齐鲁工业大学 | 彩色医学图像零水印构造方法、系统及检测方法、系统 |
| CN111583088A (zh) * | 2020-05-06 | 2020-08-25 | 中国民航大学 | 一种基于多变换域的自嵌入全盲彩色图像鲁棒水印方法 |
| CN114359012A (zh) * | 2022-03-21 | 2022-04-15 | 中国民航大学 | 一种鲁棒的组合域彩色图像零水印嵌入和提取方法 |
| CN115358906A (zh) * | 2022-07-11 | 2022-11-18 | 湖州师范学院 | 一种面向彩色图像版权保护的彩色图像零水印方法 |
| CN115311119A (zh) * | 2022-10-09 | 2022-11-08 | 中国民航大学 | 一种抗几何攻击的立体图像零水印嵌入与提取方法 |
Non-Patent Citations (5)
| Title |
|---|
| High-efficiency medical image encryption method based on 2D Logistic-Gaussian hyperchaotic map;Qiang Lai et al.;《Applied Mathematics and Computation》;第1-15页 * |
| Image encryption algorithm based on 2D-CLICM chaotic system;Xiaoman Jiang et al.;《IET Image Processing》;第2127-2141页 * |
| Robust and discriminative image representation: fractional-order Jacobi-Fourier moments;Hongying Yang et al.;《Pattern Recognition》;第1-18页 * |
| 基于四元数域的彩色图像双重零水印算法;冯银波;陈善学;;计算机应用与软件;31(09);第263-268页 * |
| 抗强剪切攻击的四元数彩色图像零水印算法;何冰;;图学学报;36(06);第909-919页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117217976A (zh) | 2023-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hosny et al. | Novel encryption for color images using fractional-order hyperchaotic system | |
| Sari et al. | A good performance OTP encryption image based on DCT-DWT steganography | |
| Parah et al. | A new secure and robust watermarking technique based on logistic map and modification of DC coefficient | |
| Shifa et al. | Joint crypto-stego scheme for enhanced image protection with nearest-centroid clustering | |
| CN115311119B (zh) | 一种抗几何攻击的立体图像零水印嵌入与提取方法 | |
| CN112202545B (zh) | 基于y型填充曲线和变步长约瑟夫遍历的图像加密方法 | |
| CN106709854A (zh) | 基于猫脸变换和混沌的图像信息融合加密方法 | |
| Tuncer et al. | A novel image watermarking method based on center symmetric local binary pattern with minimum distortion | |
| CN111861851A (zh) | 一种矢量地理数据交换密码水印的方法 | |
| CN113129196A (zh) | 一种基于dna序列和忆阻混沌的图像加密方法 | |
| Joshi et al. | An enhanced method for data hiding using 2-bit xor in image steganography | |
| Ernawan et al. | A blind multiple watermarks based on human visual characteristics | |
| Bekkouch et al. | Robust and reversible image watermarking scheme using combined DCT-DWT-SVD transforms | |
| Idakwo et al. | An extensive survey of digital image steganography: State of the art | |
| CN110136045B (zh) | 一种基于两图像互置乱隐藏及恢复的方法 | |
| Tiken et al. | A comprehensive review about image encryption methods | |
| Waleed et al. | A robust optimal zero-watermarking technique for secret watermark sharing | |
| Elsadany et al. | Image encryption and watermarking in ACO-OFDM-VLC system employing novel memristive hyperchaotic map | |
| CN113099069B (zh) | 基于三维螺旋模型的多图像加密方法 | |
| CN104463772A (zh) | 一种用于版权保护的零水印方法 | |
| Abdulhammed | Improving encryption digital watermark by using blue monkey algorithm | |
| CN110264390A (zh) | 一种基于双水印嵌入的数字水印方法 | |
| Durafe et al. | Image steganography using fractal cover and combined chaos-DNA based encryption | |
| CN117217976B (zh) | 一种基于多混沌系统的四元数域彩色图像零水印处理方法 | |
| Sun et al. | A Novel Image Steganography Based on Contourlet Transform and Hill Cipher. |
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 | ||
| GR01 | Patent grant |