CN1315091C - 一种基于特征的数字图象认证方法 - Google Patents

Abstract

一种基于特征的数字图像认证方法是基于内容的半脆弱水印的图像认证方法，本发明将原始图像的具有半脆弱特性的特征作为水印，以结构化的方法嵌入到图像中。当图像需要认证时，通过判断提取水印，即原始图像的特征与待认证图像的特征之间的误差是否在可接受范围，从而认证图像内容是否是可信的。本发明方法能够正确判断对图像的处理是恶意篡改还是正常的图像处理，并可以对篡改的位置精确定位，属于多媒体信号处理领域。本发明为数字图像认证提供了一种新的方法。

Description

一种基于特征的数字图象认证方法

技术领域

本发明是一种基于半脆弱水印，能够正确判断对图象的处理是恶意篡改还是正常的图象处理，并可以对篡改的位置精确定位的图象认证方法，属于多媒体信号处理领域。

背景技术

随着大多数多媒体的存储形式数字化，通过使用编辑软件，可以很容易地对媒体信息进行修改和仿制。在某些场合，多媒体数据必须被证明是可信的，也即没有遭受过恶意地篡改。传统基于数字签名的信息完整性保护技术应用于多媒体信息存在一些不足。例如，对正常的信号处理(如数据压缩、信号滤波等)和信道噪声(如无线信道等)过于敏感、无法定位篡改位置等。

数字水印是国际上90年代中后期才形成的一个多媒体信号处理和信息安全技术交叉研究方向。由于数字水印是作为解决多媒体版权问题的方法被提出的，到目前为止，数字水印领域的研究重点一直集中在鲁棒水印上。相对来说，脆弱水印的研究相对来说起步较晚。由于其在数据完整性证实中的特殊用途，近年来已经得到了人们的高度重视。除了版权保护，数字水印也可用于同样重要的篡改验证问题。其主要技术要求是对于恶意篡改十分敏感且能精确定位篡改位置，同时，对正常的信号处理或噪声干扰必须是鲁棒的，即验证时经过正常处理的图象被认为是可信的。

目前利用数字水印进行图象认证的方法主要在图象的变换域实现，在稳健性测试时主要偏重于对于JPEG的稳健性。其中由Kundur和Hatzinakos提出的小波域系数量化的图像认证方法比较有代表性，其水印是和图像内容无关的。对抗Jpeg压缩最高为Q＝50，此时对于篡改的检测能力是32×32地块。目前应用水印技术进行图像认证的大多数方法的水印是和图像无关的，且定位精度和稳健性方面有待于提高。

发明内容

本发明的目的是提出一种基于图像特征的认证方法，既可以确定图像是否是可信的，同时又可以准确定位恶意篡改的位置。

本发明的方法分为水印嵌入和图象认证两个过程，图象认证时利用基于图象的特征的半脆弱水印正确判断对图象的处理是恶意篡改还是正常的图象处理对篡改的位置精确定位，具体步骤是：水印嵌入过程如下：1)对原始图象进行3级2-D DWT(DiscreteWavelet Transform)，抽取DWT低频子带系数；2)将低频子带系数映射到0-255级灰度上，得到低频子带图；3)抽取低频子带图的边缘并进行二值化；4)在二值化图象上计算49个ZMM(zernike moment magnitude)；5)将ZMM均匀量化为16位，并取最高4位有效位作为半脆弱水印；6)将半脆弱水印以结构化的方法嵌入到DWT的HL3子带中，即每个ZMM的4个高有效位以2×2的块的结构化形式嵌入；7)小波逆变换得到嵌入水印的图象。图象认证过程不需要原始图象，步骤如下：1)对待认证图象进行3级2-D DWT(Discrete Wavelet Transform)，抽取DWT低频子带系数；2)将低频子带系数映射到0-255级灰度上，得到低频子带图；3)抽取低频子带图的边缘并进行二值化；4)在二值化图象上计算49个ZMM(zernike moment magnitude)，记做ZMM_A；5)提取HL3子带中的水印信息并将其转换为49个ZMM(zernike moment magnitude)，记做ZMM_O；6)依次计算49个对应ZMM_A与ZMM_O的差的平方，并判断是否超过了设定的阈值，如果存在1个超过阈值，则认为该图象遭受过恶意攻击；7)根据结构化嵌入的位置确定受恶意篡改的位置。

本发明方法的更详细描述为：

1：小波变换域具有半脆弱特性的图像特征的抽取

首先对图像进行2-D 3级DWT，得到10个子带{LH_i，HL_i，HH_i，LL₃，i＝1-3}，其中LL3子带是原始图象的低通近似，集中了图象信号的大部分能量。利用边缘提取算法抽取低频子带系数图的边缘并进行二值化，在二值化图像上计算49个ZMM(Zernikemoments magnitude)，并将其归一化为0-1之间的小数。其计算和归一化方法参见Alireza Khotanzao and Yaw huahong，“Invariant Image Recognition by ZernikeMoments，”IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINEINTELLIGENC，VOL.12，NO.5，MAY 1990。ZMMs具有对JPEG、噪声、平移、旋转、缩放的稳健性，但同时它又是图像形状的描述特征，当图像内容被替换时，将引起ZMM的较大变化，因此具有半脆弱特性。本发明将每个ZMM量化为16位，取最高4位做为水印嵌入到DWT域的HL3子带。

2：水印的结构化嵌入

3级小波变换后HL3子带的一个小波系数值和实际图像中8×8的块相关。同样HL3子带2×2的块与实际图像16×16块相关。本发明依次将每个ZMM的高4位以2×2的块的形式嵌入到HL3子带中，那么在实际图像中16×16的块篡改将可能改变一个矩的值。在认证时可以根据变化了的矩的位置确定恶意篡改的位置。每一位水印的嵌入方法如下：

先定义两个变量S_LSB5(a，b)和G_LSB5(a)，其中S_LSB5(a，b)表示用b的低五位代替a的低五位，而G_LSB5(a)表示取出a的低五位。当我们要嵌入比特‘1’时，使用公式

$F_i^{\′}(u,v)=\left\{\begin{array}{cc}S\_\mathrm{LSB}5(F_i(u,v)-01000b,11000b)& G\_\mathrm{LSB}5\left(F_i(u,v)\right)\≤01000b\\ S\_\mathrm{LSB}5(F_i(u,v),11000)& \mathrm{otherwise}\end{array}\right.$

当我们要嵌入比特‘0’时，使用公式

$F_i^{\′}(u,v)=\left\{\begin{array}{cc}S\_\mathrm{LSB}5(F_i(u,v)+10000b,01000b)& G\_\mathrm{LSB}5\left(F_i(u,v)\right)\≥11000b\\ S\_\mathrm{LSB}5(F_i(u,v),01000b)& \mathrm{otherwise}\end{array}\right.$

其中，F_i(u，v)是小波HL3子带系数，F_i ^′(u，v)是水印嵌入后系数。

最后进行小波逆变换，得到嵌入水印的图像。

3：认证方法

首先对待认证图像进行2-D 3级DWT，得到10个子带{LH_i，HL_i，HH_i，LL₃，i＝1-3}。利用Canny边缘提取算法抽取低频子带系数图的边缘并进行二值化，在二值化图像上计算49个ZMM(Zernike moments magnitude)，并将其归一化为0-1之间的小数。这些ZMM代表了待认证图像的特征，称为ZMM_A。

在HL3子带按嵌入结构依次在2×2的块内提取水印，重构原始图像的49个ZMM，称为ZMM_O。

依次计算49个ZMM_A和ZMM_O的差的平方，与选定的阈值0.003比较，如果大于阈值，则认为该ZMM对应的嵌入位置处遭到了恶意篡改，对应空间域的16×16块。如果有1块被判定遭到了恶意篡改，则待认证图像被认为是不可信的。

本发明与现有基于水印的图像认证技术比较有以下优点：

1)将图像本身的特征做为水印嵌入图像，并利用特征之间的差别进行认证，使认证结果更加可靠。

2)提出了一种有效的结构化嵌入方法。在认证时不仅能够给出待认证图像是否是可靠的，还可以给出恶意篡改的位置。

3)本发明提出的算法不可见性良好，对常规图像处理的稳健性较好，而对恶意篡改比较敏感，且定位精度较高。本发明方法嵌入水印后图像的PSNR值为43dB以上，对抗JPEG的稳健性达到Q＝50，对抗噪声的强度是S＝3，S＝3表示原始图像叠加[-15，15]之间的随机噪声。当图像发生内容篡改时，认证将认为该图像是不可信的，篡改的定位精度是16×16的块。

附图说明

附图中给出本发明提出的方法在图象认证中的应用。附图1-6中给出的是图像Lena和Baboon(大小为352×288)的实验结果。

图1是本发明提出的认证方法在Lena中嵌入水印后的图，其中(a)为Lena原始图，(b)为嵌入水印后的图PSNR＝44.15。

图2是本发明提出的认证方法在Baboon中嵌入水印后的图，其中(a)为Baboon原始图，(b)为嵌入水印后的图PSNR＝45.14。

图3-5是本发明提出的认证方法在Lena图像遭受恶意篡改时的认证结果。

图3(a)是图1(b)局部亮化头发部分，图3(b)是图像认证时给出的篡改定位图；

图4(a)是图1(b)中增加一标签，图4(b)是图像认证时给出的篡改定位图。

图5(a)是图1(b)局部模糊脸部，图5(b)是图像认证时给出的篡改定位图。

图6是本发明提出的认证方法在Baboon图像遭受恶意篡改时的认证结果。其中(a)是图2(b)中的一块被替换，肉眼看不出来(b)是图像认证时给出的篡改定位图。

具体实施方式

随着计算机和网络技术的飞速发展，使得多媒体信息的交流达到前所未有的深度和广度。然而，多媒体信息在传输过程中会遭受各类无意或有意的篡改攻击，这使得人们对数字媒体(数字图像、数字音频、数字视频)的完整性和内容的真实性产生质疑。如果篡改涉及到国家安全、法庭举证、历史文献等重要内容时，可能会造成不良的社会影响或重大政治经济损失。因此，如何在网络环境中，对数字媒体内容的真实性、完整性实施有效保护已成为一个严峻的现实问题。基于密码学的传统加密技术已成熟地应用于加密状态下数字媒体内容的保护上。但随着计算机软硬件技术的发展，密码被破译的可能性越来越大，即使非法拦截者在截获密文后无法破译，但可以将其破坏后再发送，使得接收的消息无法译成明文。另外，密码学中的认证方法不仅需另外保存信息认证码，而且认证不容许有一比特的改变，基于水印的认证技术则克服了传统加密方法的缺点。本发明首先利用图象本身的特征作为水印嵌入在图象中，当对图象进行的是正常图象处理时，认证时认为图象是可信的，而当图象受到恶意篡改时，不仅可以判断图象是不可信的，而且还可以定位篡改的位置。

下面介绍基于特征的图象认证方法的使用方法。

现表述用本发明的方法完成水印嵌入和检测的过程。这里给出了用Lena和Baboon这两个具有代表性的图像做实验的测试结果，图像的尺寸不影响测试结果。共有两个方面：不可见性、对正常图像处理如JPEG压缩、噪声的稳健性、对恶意篡改的脆弱性和篡改定位。

图1显示用本发明方法对图像Lena嵌入水印的结果。图1(a)是原始图像，嵌入水印的图像显示在图1(b)中，其PSNR(Peak Signal Noise Ratio)为44.15dB。由图可知嵌入了水印的帧在视觉上与原始帧无明显差异。满足不可见性的要求。

图2显示用本发明方法对图像Baboon嵌入水印的结果。图2(a)是原始图像，嵌入水印的图像显示在图2(b)中，其PSNR(Peak Signal Noise Ratio)为45.13dB。由图可知嵌入了水印的帧在视觉上与原始帧明显差异。满足不可见性的要求。

图3-5是本发明提出的认证方法在Lena图像遭受恶意篡改时的认证结果。当图1(b)中的头发部分被局部亮化，如图3(a)所示，当认证时被认为对图像进行了人为的篡改，是不可信的，同时能够给出篡改的位置，如图3(b)所示。当在图1(b)中增加一个标签，如图4(a)所示，当认证时被认为对图像进行了人为的篡改，是不可信的。同时能够给出篡改的位置，如图4(b)所示。当图1(b)中的脸部被局部模糊被，如图5(a)所示，当认证时被认为对图像进行了人为的篡改，是不可信的，同时能够给出篡改的位置，如图5(b)所示。

图6是本发明提出的认证方法在Baboon图像遭受恶意篡改时的认证结果。当图2(b)中的一块被替换，如图6(a)所示，图中标的框是被替换部分，肉眼虽然看不出来，但当认证时被认为对图像进行了人为的篡改，是不可信的，同时能够给出篡改的位置，如图6(b)所示。

Claims (1)

1、一种基于特征的数字图象认证方法，其特征是该方法分为水印嵌入和图象认证两个过程；图象认证时利用基于图象特征的半脆弱水印正确判断对图象的处理是恶意篡改还是正常的图象处理，并对篡改的位置精确定位；具体步骤是：水印嵌入过程如下：1)对原始图象进行3级2-D DWT，抽取DWT低频子带系数；2)将低频子带系数映射到0-255级灰度上，得到低频子带图；3)抽取低频子带图的边缘并进行二值化；4)在二值化图象上计算49个ZMM；5)将ZMM均匀量化为16位，并取最高4位有效位作为半脆弱水印；6)将半脆弱水印以结构化的方法嵌入到DWT的HL3子带中，即每个ZMM的4个高有效位以2×2的块的结构化形式嵌入；7)小波逆变换得到嵌入水印的图象；图象认证过程不需要原始图象，步骤如下：1)对待认证图象进行3级2-D DWT，抽取DWT低频子带系数；2)将低频子带系数映射到0-255级灰度上，得到低频子带图；3)抽取低频子带图的边缘并进行二值化；4)在二值化图象上计算49个ZMM，记做ZMM_A；5)提取HL3子带中的水印信息并将其转换为49个ZMM，记做ZMM_O；6)依次计算49个对应ZMM_A与ZMM_O的差的平方，并判断是否超过了设定的阈值，如果存在1个超过阈值，则认为该图象遭受过恶意攻击；7)根据结构化嵌入的位置确定受恶意篡改的位置。

Images