一種基于多尺度空間的魯棒水印嵌入與提取方法
【專利摘要】本發(fā)明涉及一種基于多尺度空間的魯棒性水印嵌入與提取方法。所述方法包括：多尺度空間構(gòu)建；多尺度空間水印嵌入：多尺度水印生成與多尺度水印嵌入；多尺度空間水印提?。禾卣鼽c提取，多尺度空間定位，多尺度空間水印提取；水印對比。本發(fā)明針對目前圖像數(shù)字水印方法中針對大尺度幾何變換攻擊的局限性，通過多分辨率分塊金字塔數(shù)據(jù)結(jié)構(gòu)將大尺度攻擊分解為多層次的小尺度攻擊，有機地將空間域與變換域結(jié)合在一起，以確保在大尺度幾何攻擊下水印信息的不可見性與魯棒性。相比傳統(tǒng)數(shù)字水印算法，在同樣水印容量的前提下，本發(fā)明具有不可感知性更好、針對大尺度幾何變換的魯棒性高等優(yōu)點。
【專利說明】-種基于多尺度空間的魯棒水印嵌入與提取方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于信息隱藏和圖像處理等交叉領(lǐng)域，涉及一種基于多尺度空間的魯棒性 水印嵌入與提取方法。

【背景技術(shù)】
[0002] 隨著攝影技術(shù)與圖像拼接技術(shù)的不斷發(fā)展，超高清晰圖像已經(jīng)逐漸被廣泛應(yīng)用于 天文觀測、地質(zhì)勘測、航空偵察、安全監(jiān)控、文物等可靠資料的記錄上，商業(yè)價值極高，因此 其版權(quán)保護的重要性不言而喻。
[0003] 數(shù)字水印作為一種針對數(shù)字產(chǎn)品版權(quán)司法鑒定困難而出現(xiàn)的信息隱藏技術(shù)，是通 過在受保護的原始數(shù)據(jù)中嵌入特定信息，用以證實電子數(shù)據(jù)所有權(quán)的。作為普通圖像版權(quán) 通告與保護的重要方式之一，其效果已經(jīng)得到了一定的認可。然而對于上述超高清晰圖像， 現(xiàn)有數(shù)字水印算法還無能為力，這主要是由于超高清晰圖像內(nèi)容豐富、分辨率高，其中的一 個小部分亦或是將其十?dāng)?shù)倍縮小后仍具有不菲的收藏價值，相應(yīng)數(shù)字水印方案面臨大尺度 裁剪攻擊與大尺度縮小攻擊，而這兩種攻擊手段正是傳統(tǒng)水印算法的盲點。


【發(fā)明內(nèi)容】

[0004] 鑒于目前圖像數(shù)字水印方法中針對大尺度幾何變換攻擊的局限性，本發(fā)明提出一 種基于多尺度空間的魯棒性水印嵌入與提取方法，力圖探索能夠抵抗大尺度裁剪攻擊與縮 小攻擊的數(shù)字水印方案，提高現(xiàn)有數(shù)字水印算法的魯棒性。
[0005] 為實現(xiàn)這個目標(biāo)，本發(fā)明的技術(shù)方案為：首先基于多分辨率圖像空間與圖像分塊 思想構(gòu)造出載體圖像的分塊金字塔式數(shù)據(jù)結(jié)構(gòu)，然后在水印嵌入步驟，將經(jīng)過預(yù)處理的多 尺度水印信息分層次密集嵌入到圖像塊中，接著在水印提取步驟中，在待提取水印的目標(biāo) 圖像中檢測特征點，確定特征點描述，并利用特征匹配算法在載體圖像的多尺度空間中對 目標(biāo)圖像進行定位，以確定水印嵌入位置，并以此位置處的原始圖像為參考，提取目標(biāo)圖像 的水印信息，并對比其與原水印的相似度。
[0006] 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)勢在于：首次提出基于多尺度空間的魯棒性水印嵌 入與提取方法。該方法通過多分辨率分塊金字塔數(shù)據(jù)結(jié)構(gòu)將大尺度攻擊分解為多層次的小 尺度攻擊，有機地將空間域與變換域結(jié)合在一起，以確保在大尺度幾何攻擊下水印信息的 不可見性與魯棒性。相比傳統(tǒng)數(shù)字水印算法，在同樣水印容量的前提下，其不可感知性更 好，針對大尺度幾何變換的魯棒性高。

【專利附圖】

【附圖說明】
[0007] 圖1為本發(fā)明所涉及方法的框架圖；
[0008] 圖2為應(yīng)用本發(fā)明對圖像進行縮小攻擊與方形裁剪攻擊后提取水印的效果圖： (al)為原始水印圖像，（a2)為原始載體圖像，（bl?el)對應(yīng)縮小攻擊，（b2?e2)對應(yīng)方 形裁剪攻擊，（bl)、（b2)為傳統(tǒng)DCT算法所得水印結(jié)果，（cl)、（c2)為傳統(tǒng)DWT算法所得水 印結(jié)果，（dl)、（d2)為本發(fā)明結(jié)合DCT算法所得結(jié)果，（el)、（e2)為本發(fā)明結(jié)合DWT算法所 得結(jié)果。

【具體實施方式】
[0009] 下面結(jié)合附圖和【具體實施方式】對本發(fā)明做進一步說明。
[0010] 本發(fā)明的流程框架如圖1所示，具體包括如下步驟：
[0011] 步驟一，多尺度空間構(gòu)建。
[0012] 讀入載體圖像I，用戶將原始分辨率圖像對應(yīng)在最底層，之后各層圖像在長和寬上 減半，即第i層與原圖相比圖像縮小至1八2^2〇,形成多分辨率的金字塔結(jié)構(gòu)。然后，將每 層圖像切割成相同大小的正方形圖塊，本發(fā)明建議切割出的圖像塊大小為256*256像素。 上述多分辨率的分塊圖像，構(gòu)成本發(fā)明的金字塔式結(jié)構(gòu)的多尺度圖像。
[0013] 步驟二，多尺度空間水印嵌入。
[0014] 本步驟包括多尺度水印生成與多尺度水印嵌入兩個子步驟。
[0015] (1)多尺度水印生成
[0016] 本發(fā)明同樣構(gòu)建水印圖像W的多尺度結(jié)構(gòu)，對應(yīng)載體金字塔結(jié)構(gòu)的每一層。在該 結(jié)構(gòu)中每一層水印圖像的長寬是前一層的一半。考慮到水印圖像自身像素數(shù)有限，為了匹 配級別較多的載體圖像金字塔式數(shù)據(jù)結(jié)構(gòu)，建議采用隔級尺寸縮小一次水印圖像的方法。
[0017] 為提升水印圖像的安全性，將不同分辨率的水印圖像Wi分別與預(yù)處理密鑰心結(jié) 合，對初始水印信息進行混沌、加密或置亂，本發(fā)明建議使用二維置亂預(yù)處理。
[0018] (2)多尺度空間密集水印嵌入
[0019] 本發(fā)明在各層圖像Ii內(nèi)均采用以分塊圖像為載體的密集水印嵌入算法，并將對應(yīng) 尺度的水印圖像1無差別地嵌入到相應(yīng)分塊中，獲得含有水印信息的圖像。在選取水印嵌 入算法時，本發(fā)明建議采用變換域算法，以增強整體方案的魯棒性。
[0020] 針對每一塊圖像的水印的嵌入處理，本發(fā)明充分考慮各通道間相互關(guān)系所帶來的 影響，采用與載體圖像主色調(diào)接近的通道作為水印主載體通道，另外的通道用于在水印信 息提取過程中作為顏色調(diào)整等圖像處理攻擊的對照，這也使得攻擊者在去除某一不重要顏 色通道時，不會對水印信息產(chǎn)生影響，增強整體算法的健壯性。
[0021] 步驟三，多尺度空間水印提取。
[0022] 通常情況下需要進行這一步處理時，則是已經(jīng)發(fā)現(xiàn)了疑似版權(quán)盜用的現(xiàn)象，為了 做進一步的證明。盜版者通常會在圖像質(zhì)量不受影響的情況下，對圖像進行微調(diào)，以破壞水 印信息。因此本步驟的輸入不再是原始含水印的圖像，而是經(jīng)過一定攻擊之后的圖像。本 步驟作為步驟二的逆過程，可分解為特征點提取、多尺度空間定位與多尺度空間水印提取 三個子步驟。
[0023] (1)特征點提取
[0024] 鑒于需要最大程度上保證匹配的精確度，本發(fā)明選取金字塔數(shù)據(jù)結(jié)構(gòu)中的中等分 辨率層級的圖像作為匹配模版，對該圖像以及攻擊后的圖像利用具有空間尺度不變性的 局部特征描述算子，提取包含位置、尺度與主方向三項主要內(nèi)容的特征向量。根據(jù)對于特 征提取的需要，本發(fā)明建議在強調(diào)算法運算速度的情況下，采用H. Bay等人于2008年在 ((Computer Vision and Image Understanding〉〉上發(fā)表的論文 "SURF: speeded up robust features"中所提出的特征點提取算法；而在強調(diào)算法的精確度的情況下，采用D. G. Lowe 于 2004 年在《International Journal of Computer Vision》上發(fā)表的論文"Distinctive Image Features from Scale Invariant Key Points" 中所提出的 SIFT 特征提取算法。
[0025] (2)多尺度空間定位
[0026] 本步驟對攻擊后的圖像在載體的多尺度空間中定位。首先通過特征點匹配 算法獲得攻擊后的圖像和作為匹配模板的圖像之間的初始匹配點對；通過單應(yīng)性矩陣 (Homography Matrix),剔除偽匹配；最后根據(jù)匹配的特征對之間的尺度比例確定最接近的 金字塔層級，以及在相應(yīng)層級對應(yīng)的圖像塊編號，最終實現(xiàn)攻擊后的圖像在多尺度空間內(nèi) 的定位。
[0027] (3)多尺度空間水印提取
[0028] 通過前期水印檢測位置的確定，本步以金字塔結(jié)構(gòu)中相應(yīng)尺度的圖像塊作為原始 信息，選取攻擊后的圖像中作為對照的顏色通道，計算其與該圖像中主載體通道的像素比 例差距，并根據(jù)這一比例對原始圖像進行像素值域范圍調(diào)整，使其盡可能避免亮度等圖像 處理攻擊對數(shù)字水印提取的影響。然后將水印載體通道和原始圖像的對應(yīng)通道變換到與嵌 入水印時一致的變換域中，得到變換域中的兩幅圖像。計算二者的差異圖像。最后，對差異 圖像反變換回空域得到估計水印W"。
[0029] 步驟四，水印對比。
[0030] 將上一步驟得到的估計水印W"與原始水印圖像W相比較，評估二者相似度。本 發(fā)明實施例雖然采用歸一化相關(guān)系數(shù)NC對兩者間的相似性進行定量評價，但是其他方法 亦可應(yīng)用，例如比特錯誤率BER、V. Solachidis等人于2000年在《IEEE International Conference on Acoustics, Speech, and Signal Processing〉〉上發(fā)表的論文"Watermarking Polygonal Lines Using Fourier Descriptors"中所提出的具有幾何變換不變性的歸一化 相關(guān)系數(shù)NC。相關(guān)系數(shù)越大，所提取出的水印與原水印相似度越高。
[0031] 下面通過實驗對本發(fā)明所述方法與現(xiàn)有方法的效果進行比較。
[0032] 本次實驗以兩種常見的傳統(tǒng)數(shù)字水印方案，8卩I.J. Cox等人于1997年在 ((IEEE Transactions on Image Processing〉〉上發(fā)表的論文 "Secure Spread Spectrum Watermarking for Multimedia" 中提出的 DCT 算法，與 M. Barni 等人于 2001 年在 ((IEEE Transactions on Image Processing〉〉上發(fā)表的論文''Improved Wavelet Based Watermarking Through Pixel Wise Masking"中提出的DWT算法為對比對象，圖2給出了 針對2048*2048像素的圖像進行0· 1倍縮小攻擊（bl?el)與[200, 300] [200, 300]方形裁 剪攻擊后（b2?e2)的提取水印對比。（al)為原始水印圖像；(a2)為原始載體圖像；(bl)、 (b2)為傳統(tǒng)DCT算法所得水印結(jié)果，NC分別為0. 93934和0. 90488 ; (cl)、（c2)為傳統(tǒng)DWT 算法所得水印結(jié)果，NC分別為0. 27299和0 ; (dl)、（d2)是本發(fā)明方案結(jié)合DCT算法所得結(jié) 果，NC分別為0. 9921和0. 9334 ; (el)、（e2)是本發(fā)明方案結(jié)合DWT算法所得結(jié)果，NC分別 為0. 77311和0. 94506。從圖中可以看出，在相同攻擊的前提下，本發(fā)明的方法能夠得到較 為完整地提取出水印對象，而對比方法得到的結(jié)果較差。例如，（bl)、（cl)中含有明顯的載 體圖像痕跡，而相比于本方案的對應(yīng)結(jié)果，其初始水印圖像中的圓形logo幾乎不可見；在 經(jīng)過大尺度裁剪攻擊后，相比于本發(fā)明，傳統(tǒng)算法均只含有較小信息量，尤其是DWT算法， 完全無法提供水印信息，不能夠?qū)ζ浒鏅?quán)標(biāo)示予以識別。
【權(quán)利要求】
1. 一種基于多尺度空間的魯棒性水印嵌入與提取方法，其特征在于包括以下步驟： 步驟一，多尺度空間構(gòu)建； 讀入載體圖像I，使原始分辨率圖像對應(yīng)最底層，之后逐層對圖像在長和寬上減半，即 第i層與原圖相比圖像縮小至1八2^2〇，形成多分辨率的金字塔結(jié)構(gòu)；然后，將每層圖像 切割成相同大小的正方形圖塊；上述多分辨率的分塊圖像，構(gòu)成金字塔式結(jié)構(gòu)的多尺度圖 像； 步驟二，多尺度空間水印嵌入； (1) 多尺度水印生成 將水印圖像W的尺寸按長寬減半的方法逐層縮小，構(gòu)建多尺度水?。幻恳粚臃謩e用于 載體圖像的對應(yīng)層；對于級別較多的金字塔式載體數(shù)據(jù)結(jié)構(gòu)，隔層對水印尺寸縮小一次； 將不同層的水印圖像Wi分別與預(yù)處理密鑰Ki結(jié)合，對初始水印信息進行混沌、加密或 置亂，本發(fā)明建議使用二維置亂預(yù)處理； (2) 多尺度空間密集水印嵌入 在各層圖像Ii內(nèi)均采用以分塊圖像為載體的密集水印嵌入算法，并將對應(yīng)層的水印圖 像1用變換域方法無差別地嵌入到相應(yīng)分塊中； 采用與載體圖像主色調(diào)接近的顏色通道作為水印主載體通道，其他通道作為對照載體 通道； 步驟三，多尺度空間水印提?。? (1) 特征點提取 選取中等分辨率層級的圖像作為匹配模版，對該圖像以及攻擊后的圖像利用具有空間 尺度不變性的局部特征描述算子，提取包含位置、尺度與主方向的特征向量； (2) 多尺度空間定位 首先通過特征點匹配算法獲得攻擊后的圖像和作為匹配模板的圖像之間的初始匹配 點對；然后通過計算單應(yīng)性矩陣剔除偽匹配；最后根據(jù)匹配的特征對之間的尺度比例確定 最接近的金字塔層級，以及在相應(yīng)層級對應(yīng)的圖像塊編號，最終實現(xiàn)攻擊后的圖像在多尺 度空間內(nèi)的定位； (3) 多尺度空間水印提取 選取載體金字塔結(jié)構(gòu)中相應(yīng)尺度的載體圖像塊作為原始信息，選取受攻擊后的圖像中 作為對照的顏色通道，計算其與該圖像中主載體通道的像素比例差距，并根據(jù)這一比例對 原始圖像進行像素值域范圍調(diào)整；將水印載體通道和原始圖像的對應(yīng)通道變換到與嵌入水 印時一致的變換域中，得到變換域中的兩幅圖像；計算二者的差異圖像；對差異圖像反變 換回空域得到估計水印W"; 步驟四，水印對比； 采用歸一化相關(guān)系數(shù)評估水印W"與原始水印圖像W的相似度；相關(guān)系數(shù)越大，所提取 出的水印與原水印相似度越高。
2. 根據(jù)權(quán)利要求1所述的一種基于多尺度空間的魯棒性水印嵌入與提取方法，其特征 在于，所述步驟一切割出的圖像塊大小為256*256像素。
3. 根據(jù)權(quán)利要求1所述的一種基于多尺度空間的魯棒性水印嵌入與提取方法，其特征 在于，所述步驟三的特征點提取步驟，在強調(diào)算法運算速度的情況下，采用H. Bay提出的特 征點提取算法；而在強調(diào)算法的精確度的情況下，采用D. G. Lowe提出的SIFT特征提取算 法。
【文檔編號】G06T1/00GK104091302SQ201410327861
【公開日】2014年10月8日 申請日期:2014年7月10日 優(yōu)先權(quán)日:2014年7月10日
【發(fā)明者】馬偉, 焦嬌, 段立娟 申請人:北京工業(yè)大學(xué)