CN1932878A - 一种鲁棒的二值文本图像多水印实现方法 - Google Patents

Abstract

本发明公开了一种基于二值文本图像特征的多水印技术，属于多媒体信号处理领域。本发明的步骤是先进行水印的嵌入，包括：(1)通过对二值文本图像进行DFT变换，求出一个抗局部几何攻击的特征向量；(2)利用该向量和要嵌入的多个水印生成相应的多个逻辑表，将这些逻辑表视为密钥，通过向第三方注册，来保护自己对原作品的所有权。然后进行水印提取，包括：(3)对待测图像进行DFT变换，提取待测图像的特征向量；(4)通过第三方注册过的密钥，提取出待测图像中相应的水印。使用该发明，提取多水印的速度快并有较强的抗几何攻击能力。

Description

一种鲁棒的二值文本图像多水印实现方法

                     技术领域

本发明涉及一种基于二值文本图像特征的多数字水印技术，是一种多媒体数据保护方法，属于多媒体信号处理领域。

                     技术背景

在互联网和多媒体时代，数字水印技术是一种有效的数字媒体版权保护方法，但人们目前研究较多的是如何在灰度、彩色图像和视频、音频中嵌入水印，而对如何在二值文本图像中嵌入水印的研究较少。但在实际应用中，二值文本图像普遍存在，如政府文件、商业合同、发票、学历、病例、传真及扫描的文字材料等，有时它们更需要版权保护和防止篡改。与在一般的数字媒体中嵌入水印相比，用常规方法在二值文本图像中嵌入数字水印主要有以下难点：一是二值文本图像中可隐藏的信息量少。二是与普通灰度图像相比，文本图像有丰富的条纹和纹理，并且每个条纹和纹理有确切的含义，这样若通过对这些纹理和条纹进行变化来嵌入水印，就很有可能改变文本本身的含义。

目前国内研究文本数字水印论文较少。主要方法是在空间域中通过调整行间距、字间距或字符特征来嵌入水印，具体如下：

在国外贝尔实验室的Brassil等人提出了通过调整文本的行间距来进行水印的嵌入。行间距编码就是在文本的每一页中，每间隔一行轮流的嵌入水印信息，利用人眼对于垂直移动1/300英寸的变化无法辨识，通过改变行间距，来进行水印的嵌入。而与该行相邻的上下两行位置不动作为译码参考，在移动的每一行中，编码一个信息比特。

类似行间距编码，Huang等人提出字间距编码，在这种方法中，水印的嵌入是通过将文本的某行中的一个单词左右移动，来进行水印的嵌入。该词左右相邻的两个单词位置不动，作为译码参考，当左右移动的水平距离在1/150英寸内时，人眼无法看出来，以此嵌入水印。

还有人使用特征编码，就是通过改变文档中某个字的特征(如字高、字体等)，来嵌入水印，而另一些字不改变，作为译码参考。

但以上在二值文本图像中嵌入水印的方法，都是基于空间域，信息隐藏量少，鲁棒性差，无法抗击几何攻击，特别是无法抗击局部几何攻击能力，因为当二值文本图像受到局部几何攻击时，局部的的行间距、字间距或字的大小会发生改变，从而导致水印提取错误。但是在实际生活中，文本图像的打印和扫描，经常会产生局部几何变形。

另外，一个多媒体产品的制作可能是多个环节或多个人制作，为了进行产品的跟踪或证明版权归多人共同所有，因此常常要在数字媒体中嵌入多个水印信息。

在数字水印研究领域，至今为止二值文本水印的嵌入及多水印的嵌入是一个比较难以解决的课题。目前尚未发现行之有效的方法。

                    发明内容

本文提出了一种在二值文本图像中嵌入多水印的方法，该方法有较好的鲁棒性特别是可以抗击局部几何攻击，且是盲水印，提取水印时不需要原始文本图像。主要思路是，通过对文本图像进行DFT变换求出一个抗局部几何攻击的特征向量，利用该向量和要嵌入的水印生成相应的一个逻辑表，将该逻辑表作为密钥(Secret key)，通过向第三方注册，来保护自己对原作品的所有权。并且通过这个密钥提取二值文本图像中与之对应的水印以证明自己对数字媒体的所有权。

现对本发明详细说明如下：

第一部分：水印的嵌入及相应的密钥的生成；

用一组可以代表版权信息的二值伪随机序列作为嵌入的一个水印。设嵌入的第g个水印记为：

W^g＝{w^g(j)|w^g(j)＝0，1；1≤j≤L}作为数字水印，原始二值文本图像为text512，该图像记为F＝{f(i，j)|f(i，j)∈R；1≤i≤N1，1≤j≤N2)}，w^g(j)和f(i，j)分别表示第g个水印序列及原始图像的像素灰度值，设N1＝N2＝N。

1)通过对原始文本图像进行DFT变换，在相位空间中得到文本图像的一个抗局部几何攻击的特征向量V(j)。

先对原图F(i，j)进行DFT变换，得到DFT系数矩阵FF(i，j)，再从DFT系数矩阵FF(i，j)中，取低中频部分的系数，在中低频系数中，通过符号运算得到该图像的一个特征向量V(j)。试验证明该特征向量具有抗几何攻击能力。

           FF(i，j)＝DFT2(F(i，j))

           V(j)＝-Sign(FF(i，j))

2)根据要嵌入的多个水印W^g，g＝1，2...，和文本图像的特征向量V(j)，生成对应的与水印相关的二值逻辑序列key^g(j)，g＝1，2，...。

            key^g(j)＝V(j)W^g(j)

key^g(j)是由图像的相位特征向量V(j)和所要嵌入的水印W^g(j)，通过密码学常用的HASH函数生成。保存key^g(j)，在下面提取水印时要用到。通过将Key^g(j)作为密钥向第三方申请，以获得原作品的所有权，达到保护版权的目的。

第二部分：多水印的提取；

3)求出待测文本图像的一个抗几何攻击的特征向量V’(j)设待测图像为F’(i，j)，经过DFT变换后得到的系数矩阵为FF’(i，j)，同上所述，得到待测图像的一个特征向量V’(j)。

           FF’(i，j)＝DFT2(F’(i，j))

           V’(j)＝-Sign(FF’(i，j))

4)利用二值逻辑序列key^g(j)和待测图像的特征向量V’(j)，提取出相应水印W^g’(j)

           W^g’(j)＝key^g(j)V’(j)

根据在多水印嵌入时生成的key^g(j)和待测图像的相位特征向量V’(j)，利用Hash函数性质可以提取出相应的多个水印W^g’(j)。再根据W^g(j)和W^g’(j)的相关程度来判别是否有水印嵌入。

本发明与现有的文本水印技术比较有以下优点：

1)有较好的抗几何攻击能力。该水印方法对RBA等局部非线性几何攻击有较好的鲁棒性。因为水印的嵌入是基于二值图像的特征，而图像发生局部非线性变换时，图像的基本特征并不发生变化。因此本发明有更好的鲁棒性。

2)多水印的嵌入不影响图像质量。由于只是利用图像的特征，采用的是零水印技术，所以嵌入水印不影响原始图像质量，可以实现多水印的嵌入。

3)使用本发明进行水印的提取不需要原始图像并且提取速度快，可以实现在线的水印检测。

以下我们从理论基础和试验数据说明：

1)离散傅立叶变换(DFT)

在数字水印中，DFT被广泛使用，通过该变换，我们可以得到图像的幅值子空间和相位子空间。

假设f(m，n)是一个离散空间中的二维函数，则二维离散傅立叶的正反变换公式如下。

离散傅立叶的正变换公式(DFT)：

$F(p,q)=\underset{m=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}f(m,n)e^{-j(2\mathrm{\π}/M)\mathrm{pm}}{e}^{-j(2\mathrm{\π}/N)\mathrm{qn})}$

p＝0，1，Λ，M-1；q＝0，1，Λ，N-1；

反变换公式(IDFT)：

$f(m,n)=\frac{1}{\mathrm{MN}}\underset{p=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{q=0}{\overset{N-1}{\mathrm{\Σ}}}F(p,q)e^{j(2\mathrm{\π}/M)\mathrm{pm}}{e}^{j(2\mathrm{\π}/N)\mathrm{qn})}$

m＝0，1，Λ，M-1；n＝0，1，Λ，N-1；

F(p，q)称为离散傅立叶变换系数。

其中m，n为空间域采样值；p，q为频率域采样值，通常数字图像用像素方阵表示，即M＝N。

2)一个抗局部几何攻击图像特征向量的选取

目前大部分的数字水印算法是将水印直接嵌入在图像的像素或变换系数中。当水印图像受到轻微的局部扭曲，常常导致像素值或变换系数值的突然变化，这样嵌入的水印便被轻易攻击。而事实上我们发现水印图像并没有明显的几何变化。Hayes等研究表明对图像特征而言，相位比幅度更重要，只要图像是相似的其相位不应该有太大的差异。通过对大量图像的DFT系数(中低频)观察，发现一个现象，当对一个图像进行多种局部非线性几何攻击时(投影变换，RBA，局部扭曲等)，中低频系数(包括实部和虚部两部分)值大小一般会可能发生一些变化，但是低中频系数的符号基本保持不变，设DFT系数(含实部和虚部两部分)，正值用”1”表示，负值或零值用”0”表示，可以得到一个二值序列，将该序列作为图像的一个特征向量，并且该向量具有抗局部几何攻击的能力。即当原始文本图像遭到局部几何攻击，该图像的这一特征向量基本保持不变，与原图的特征向量相关程度都大于0.5，具体数据见表1所示，这里在计算相关系数时，测试图像的符号序列的长度和后面的试验部分一样，取128bit。

               表1 二值文本图像受局部几何攻击前后特征向量的相关程度

	原始文本图像Text512	投影变换攻击	RBA攻击	波纹扭曲(200％)	挤压扭曲(40％)	旋转扭曲(40度)
							PSNR(dB)		5.63	6.26	8.82	6.14	6.36
相关度	1.0	0.76	0.75	0.87	0.60	0.65

为了进一步确定该符号序列可以作为该图像的特征向量，我们又把常见的不同测试图像(见图2(a)-(f))，进行DFT变换，先求出各个测试图的“系数符号序列”，再算出不同测试图像“系数符号序列”的相关系数，计算结果见表2。从表2发现不同的测试图像，“系数符号序列”的相关系数很小，因此DFT的符号序列可以作为该图像的一个特征向量。

              表2 不同二值文本测试图像的图像特征向量之间的相关系数

	V1	V2	V3	V4	V5	V6
							V1	1.00	0.09	0.11	0.03	0.17	0.22
V2	0.09	1.00	0.29	0.34	0.29	0.12
							V3	0.11	0.29	1.00	0.26	0.15	0.13
V4	0.11	0.34	0.26	1.00	0.26	0.18
							V5	0.17	0.29	0.15	0.26	1.00	0.01
V6	0.22	0.12	0.13	0.18	0.01	1.00

^*V1-V6分别对应图2(a)-图2(f)的图像特征向量。

3)水印嵌入的位置和一次性嵌入的长度

根据人类视觉特性(HVS，Human Vision System)，低中频信号对人的视觉影响较大，代表者图像的主要轮廓特征。因此我们所选取图像的图像是DFT低中频系数的符号，低中频系数的个数L的确定与原始图像的大小、以及一次性嵌入的信息量和要求的鲁棒性有关，L值越小，一次性嵌入的信息量越少，但鲁棒性越高。综合考虑，这里选取L的长度为128bit。

综上所述，我们通过对DFT系数的分析，利用图像低中频系数的符号序列得到一个二值图像的图像特征向量，并且该向量有较强的抗局部几何攻击能力；

                       附图说明

图1(a)是原始二值文本图像。

图1(b)是经过投影攻击的图像。

图1(c)是经过RBA攻击的图像。

图1(d)是经过波纹扭曲的图像。

图1(e)是经过挤压扭曲的图像。

图1(f)是经过旋转扭曲的图像。

图2(a)是标准测试图Text_1。

图2(b)是标准测试图Text_2。

图2(c)是标准测试图Text_3。

图2(d)是标准测试图Text_4。

图2(e)是标准测试图Text_5。

图2(f)是标准测试图Text_6。

图3(a)是不加干扰时的二值文本图像。

图3(b)是不加干扰时的网格图像。

图3(c)是不加干扰时的二值图像多水印检测。

图4(a)是有投影变换的二值图像。

图4(b)是有投影变换的网格图像。

图4(c)是有投影变换的二值图像多水印检测。

图5(a)是没有受到RBA攻击的带网格的二值图像。

图5(b)是有RBA攻击的带网格的水印图像(stirmark4.0)。

图5(c)是有RBA攻击的二值图像多水印检测。

图6(a)是有波纹扭曲的水印图像(扭曲数量为200％)。

图6(b)是有波纹扭曲的网格。

图6(c)是有波纹扭曲的二值图像多水印检测。

图7(a)是有挤压扭曲的水印图像(扭曲数量为40％)。

图7(b)是有挤压扭曲的网格。

图7(c)是有挤压扭曲的二值图像多水印检测。

图8(a)是有球面扭曲的多水印图像(扭曲数量为30％)。

图8(b)是有球面扭曲的网格。

图8(c)是有球面扭曲的多水印检测。

图9(a)是有旋转扭曲的水印图像(扭曲角度为40度)。

图9(b)是有旋转扭曲的网格。

图9(c)是有旋转扭曲的图像多水印检测。

图10(a)是有水波扭曲的图像(水池波纹类型，扭曲数量为30％)。

图10(b)是有水波扭曲的网格。

图10(c)是有水波扭曲的图像多水印检测。

                    具体实施方式

仿真平台为Matlab6.1，使用1000组独立的二值伪随机序列(取值为+1或-1)，每组序列长度为128bit，在这1000组数据中，我们任抽取四组(这里我们选择第200、400、600和800组)作为嵌入的四个水印序列。二值文本图像选为Text512(512×512×2)，见图3(a)，原始图像表示为F(i，j)，其中1≤i≤512，1≤j≤512对应的DFT变换系数矩阵为FF(i，j)，其中1≤i≤512，1≤j≤512。通过对其低中频部分的系数进行符号运算，形成图像的特征向量。检测出水印W’后，通过计算归一化相关系数NC(Normalized Cross Correlation)来判断是否有水印嵌入。

其中归一化相关系数NC(Normalised Cross-Correlation)

$\mathrm{NC}=\frac{\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{W}_{(i,j)}{W^{\′}}_{(i,j)}}{\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{W^2}_{(i,j)}}$

NC作为水印检测器的输出，根据该值大小可反映出水印是否存在。不加外部干扰时的水印文本图像见图3(a)，图像清晰，对应的网格见图3(b)，水印检测器的输出见图3(c)，可以看到，明显检测到4个水印的存在，并且NC1＝NC2＝NC3＝NC4＝1.0。

下面通过试验来判断该水印抗局部几何攻击能力。

1)投影变换

投影变换是一种局部非线性变换。

图4(a)是经过投影变换后的水印文本图像，这时PSNR＝5.63dB，数值较低；

图4(b)是对应的网格变化；

图4(c)是水印检测器响应，从图4(c)可以明显检测到个四个水印的存在，这时NC1＝0.765，NC2＝0.765，NC3＝0.772，NC4＝0.764。

2)随机扭曲攻击(RBA，Random bending attack)

Stirmark是数字水印研究中，比较常用检测软件。这里使用该软件(Stirmark4.0)对文本图像进行一种随机扭曲攻击。为观察方便，我们在水印图像中加入网格。

图5(a)是带网格的原始水印图像；

图5(b)是一个经过随机扭曲攻击的图像(LATEST RNDDIST_1.1)，PSNR＝6.26dB；

图5(c)为水印的检测结果，可以明显检测到四个水印的存在，这时NC1＝0.749，NC2＝0.751，NC3＝0.750，NC4＝0.748。

3)其它常见局部扭曲攻击

为了实验的方便和可重复性，我们使用Adobe photoshop6.0的扭曲模块来实现以下常见的局部扭曲攻击。

a)波纹扭曲：

图6(a)是对水印图像进行波纹扭曲，扭曲数量为(200％)，这时水印图像的PSNR＝8.823dB；

图6(b)是对应的网格图像；

图6(c)水印检测结果。可以明显检测到四个水印的存在，这时NC1＝0.874，NC2＝0.873，NC3＝0.875，NC4＝0.878。通过表3可以看到当扭曲数量高达800％时，仍然可以检测到多水印的存在。故本文水印算法有较强的抗波纹扭曲能力。

                       表3 水印抗波纹扭曲试验数据

扭曲数量(％)	100	200	400	600	800
						PSNR(dB)	11.764	8.823	6.929	6.380	6.070
NC1	0.937	0.875	0.889	0.781	0.796
						NC2	0.937	0.873	0.889	0.779	0.795
NC3	0.937	0.874	0.891	0.780	0.796
						NC4	0.937	0.878	0.892	0.794	0.796

b)挤压扭曲：

图7(a)是受到挤压扭曲的水印图像，扭曲数量为40％，这时水印图像的PSNR＝6.14dB，信噪比较低；

图7(b)是对应的网格图像；

图7(c)是水印检测结果。可以明显检测到多水印的存在，这时NC1＝0.608，NC2＝0.609，NC3＝0.611，NC4＝0.609。通过表4可以看到当扭曲数量为50％时，仍然可以检测到多水印的存在，故该水印算法对挤压扭曲有较好的鲁棒性。

                          表4 水印抗挤压扭曲试验数据

扭曲数量(％)	10	20	30	40	50
						PSNR(dB)	49.60	6.64	6.292	6.14	5.95
NC1	1.000	0.811	0.686	0.608	0.514
						NC2	1.000	0.814	0.686	0.609	0.514
NC3	1.000	0.813	0.686	0.611	0.517
						NC4	1.000	0.815	0.688	0.609	0.514

c)球面扭曲：

图8(a)是对水印图像进行球面扭曲，扭曲数量为30％，这时水印图像的PSNR＝5.33dB，信噪比较低；

图8(b)是对应的网格图像；

图8(c)是水印检测结果。可以明显检测到多水印的存在，NC1＝0.609，NC2＝0.609，NC3＝0.608，NC4＝0.608。通过表5可以看到当扭曲数量为40％时，仍然可以检测到多水印的存在。

                        表5 水印抗球面扭曲试验数据

扭曲数量(％)	5	10	20	30	40
						PSNR(dB)	8.59	6.68	6.043	5.62	5.33
NC1	0.939	0.887	0.791	0.609	0.514
						NC2	0.936	0.874	0.780	0.609	0.518
NC3	0.939	0.876	0.780	0.607	0.514
						NC4	0.936	0.877	0.784	0.607	0.513

d)旋转扭曲：

图9(a)是对水印图像进行旋转扭曲，旋转角度为40度，这时水印图像的PSNR＝6.367dB；

图9(b)是对应的网格图像；

图9(c)是水印检测结果。可以明显检测到多水印的存在，NC1＝0.655，NC2＝0.661，NC3＝0.663，NC4＝0.655。通过表6可以看到当扭曲角度为50度时，仍然可以检测到多个水印的存在，故该水印算法有较强的抗旋转扭曲能力。

                           表6 水印抗旋转扭曲试验数据

扭曲角度(度)	10	20	30	40	50
						PSNR(dB)	7.92	6.99	6.59	6.36	6.33
NC1	0.905	0.843	0.781	0.655	0.594
						NC2	0.904	0.842	0.782	0.661	0.599
NC3	0.912	0.849	0.782	0.663	0.609
						NC4	0.905	0.843	0.780	0.655	0.592

e)水波扭曲(水池波纹)：

图10(a)是水印图像进行水波扭曲(参数选择为：扭曲数量为30％，起伏5％)。这时水印图像的PSNR＝6.66dB，信噪比较低。

图10(b)是对应的网格图像。

图10(c)是多水印检测结果，可以明显检测到四个水印的存在，NC1＝0.534，NC2＝0.541，NC3＝0.531，NC4＝0.529。通过表7可以看到当扭曲角度为40％时，仍然可以检测到水印的存在，故该水印算法有较强的抗水波扭曲能力。

                              表7 水印抗水波扭曲试验数据

水波扭曲数量(％)	5	10	20	30	40
						PSNR(dB)	8.78	7.57	6.828	6.656	6.438
NC1	0.858	0.749	0.608	0.534	0.579
						NC2	0.859	0.751	0.607	0.541	0.581
NC3	0.859	0.750	0.608	0.531	0.576
						NC4	0.860	0.757	0.613	0.529	0.587

通过上面的系列试验，得知本发明对局部几何攻击有较强的鲁棒性，而Adobe Photoshop6.0所使用的商业水印软件Digimarc却无法对二值图像进行水印的嵌入和提取。

Claims (1)

1、一种鲁棒的二值文本图像多水印实现方法，其特征在于：基于二值文本图像特征，将水印技术与密码学有机结合，实现二值图像的多水印嵌入与提取，该数字水印方法共分两个部分，共计四个步骤：

第一部分是多水印嵌入：

1)对原图进行DFT变换，在DFT低中频系数中，根据这些低中频系数(含实部和虚部两个部分)的符号序列来得到一个抗局部几何攻击的特征向量V(j)；

2)利用Hash函数和要嵌入的多个水印Wg(j)，g＝1，2，...；得到相应的二值逻辑序列keyg(j)，g＝1，2，...；

keyg(j)＝V(j)Wg(j)；g＝1，2，...；

保存keyg(j)，下面提取水印时要用到，通过把keyg(j)作为密钥向第三方申请，以获得对原图的所有权；

第二部分是多水印提取：

3)对待测图像进行DFT变换；在DFT系数中，根据低中频系数的符号提取出待测图像的一个特征向量V’(j)；

4)利用Hash函数性质提取出水印，Wg’(j)＝keyg(j)V’(j)；将Wg(j)和Wg’(j)进行相关度测试，来确定图像的所有权。

Images