本發(fā)明屬于多媒體大數(shù)據(jù)內容安全技術領域，涉及彩色圖像作為數(shù)字水印的多媒體大數(shù)據(jù)快速版權保護。

背景技術：

隨著多媒體大數(shù)據(jù)的快速發(fā)展和人們版權保護意識的提高，一方面要求用于版權保護的技術能適應云計算快速、高效的需要；另一方面面臨用于版權保護的標識由傳統(tǒng)的偽隨機序列、二值圖像、灰度圖像逐漸轉向有意義的彩色圖像；但是，目前已提出的數(shù)字水印方法多數(shù)是針對灰度圖像的，而對彩色圖像數(shù)字水印方法研究要少一些，這主要是因為灰度圖像較彩色圖像便于處理，且灰度圖像僅含有亮度信息而不含色度信息，在其中嵌入水印不會產生新的顏色分量，而嵌入較多信息量的彩色圖像數(shù)字水印時，水印編碼、嵌入和提取將存在較大的難度，降低了數(shù)字水印的不可見性和魯棒性；同時現(xiàn)有的數(shù)字水印技術，尤其采用人工智能、深度學習等技術的數(shù)字水印技術，其算法的運行時間難以滿足多媒體大數(shù)據(jù)版權保護高效、快速的需要。

依據(jù)宿主圖像工作域的不同，數(shù)字水印算法主要有空域水印算法和變換域水印算法，前者具有算法簡單、運算高效的優(yōu)點，但具有魯棒性差的缺點；而后者雖具有魯棒性強的優(yōu)點，卻因需要進行相應的正變換和反變換而造成水印算法運行時間較長。因此，如何充分結合二者的優(yōu)點設計高魯棒性、高實時性的數(shù)字水印算法成為亟待解決的問題之一。

技術實現(xiàn)要素：

本發(fā)明的目的是提供一種融合空域和schur分解的彩色圖像盲水印方法，包含水印嵌入過程和提取過程，其水印嵌入過程描述如下：

第一步：將三維彩色圖像數(shù)字水印w按層分成紅、綠、藍3個二維分層水印圖像；為了提高水印的安全性，將分層水印圖像進行基于kai（i=1,2,3）的arnold置亂變換；然后，將每個十進制表示的像素用8位二進制數(shù)表示，并依次組合形成分層水印序列wi，i=1,2,3分別表示紅、綠、藍三層；

第二步：將原始宿主圖像h也分成3個分層宿主圖像hi，i=1,2,3分別表示紅、綠、藍三層；同時，把每一個分層宿主圖像hi進行m×m的非重疊分塊，并利用基于密鑰kbi（i=1,2,3）的偽隨機序列在分層宿主圖像hi中選擇像素塊，以便嵌入分層水印序列wi；

第三步：選取一個像素塊a，并按照公式（1）在空域中直接近似求出像素塊a經(jīng)過schur分解后對應的最大特征值；

(1)

其中，是m×m像素塊a經(jīng)過schur分解后可以求得的最大特征值，該值在空域中利用公式（1）直接近似求得而不需進行schur分解再獲得，,，i，j分別表示像素在像素塊a中所處的行號和列號；

第四步：根據(jù)公式（2），理論計算如果在空域中將水印嵌入到schur分解的最大特征值上，則應將其最大特征值修改為；

(2)

其中，表示嵌入水印后schur分解的最大特征值，為水印嵌入強度，t為量化步長；

第五步：根據(jù)公式（3），理論計算schur分解的最大特征值的變化量e；

(3)

第六步：按照公式（6），計算schur分解最大特征值的變化量e在m×m像素塊a中所有像素上的分配量，即在空域中通過調整像素的值以實現(xiàn)變換域中schur分解最大特征值的調整；具體原因是：

因為根據(jù)公式（1）可表示為：

(4)

其中，，，i，j分別表示像素在含水印的像素塊中所處的行號和列號；

由公式（3）得，，

即

(5)

則，(6)

第七步：將分配量依次加到像素塊a的所有像素上，這樣在空域中完成對schur分解最大特征值的修改并嵌入了水印，此時在空域中得到真正含水印的像素塊；

第八步：重復執(zhí)行步驟第三步到第七步，直到所有的水印信息都被嵌入完成為止；最后，將含水印的紅、綠、藍分層圖像重新組合并獲得含水印圖像；

其水印提取過程描述如下：

第一步：將含水印圖像分成3個分層含水印圖像，i=1,2,3分別表示紅、綠、藍三層，并將每一分層含水印圖像進一步分成m×m的非重疊像素塊；

第二步：利用基于密鑰kbi（i=1,2,3）的偽隨機序列在分層圖像中選擇像素塊；

第三步：選取一個像素塊，根據(jù)公式（4）在空域中近似計算其schur分解最大特征值；

第四步：利用公式（7），提取像素塊中所含有的水印；

(7)

其中，mod()是求余函數(shù)，t為量化步長；

第五步：重復執(zhí)行第三步、第四步，直到提取所有的水印信息，并將所提取的二進制水印信息每8位一組轉換成十進制的像素值；

第六步：執(zhí)行基于密鑰kai（i=1,2,3）的逆arnold變換并獲得分層水?。?/p>

第七步：組合分層水印形成最終的提取水印；

該方法簡單快捷，利用在空域中求得schur分解最大特征值的方法及變換域中最大特征值變化量在空域像素上的分布規(guī)律，在空域中實現(xiàn)了變換域中進行數(shù)字水印的嵌入與盲提取，該方法既具有較好的水印魯棒性，又具有較高的算法實時性，適用于彩色圖像作為數(shù)字水印的多媒體大數(shù)據(jù)的高效版權保護。

附圖說明

圖1（a）、圖1（b）是兩幅原始彩色宿主圖像。

圖2（a）、圖2（b）是兩幅彩色水印圖像。

圖3（a）、圖3（b）是將圖2（a）所示的水印依次嵌入到宿主圖像圖1（a）、圖1（b）后所得到的含水印圖像，其結構相似度ssim值依次是0.9701、0.9657，其峰值信噪比psnr值依次是40.6976db、40.5906db。

圖4（a）、圖4（b）是依次從圖3（a）、圖3（b）中提取的水印，其歸一化互相關系數(shù)nc值分別是1.0000、1.0000。

圖5（a）、圖5（b）、圖5（c）、圖5（d）、圖5（e）、圖5（f）是將圖3（a）所示的含水印圖像依次進行jpeg2000壓縮（5：1）、椒鹽噪聲（2%）、中值濾波(3×3)、銳化(1.0)、縮放（400%）、剪切（25%）等攻擊后所提取的水印，其歸一化互相關系數(shù)nc值分別是0.9991、0.9917、0.9446、0.9987、1.0000、0.7538。

圖6（a）、圖6（b）是將圖2（b）所示的水印依次嵌入到宿主圖像圖1（a）、圖1（b）后所得到的含水印圖像，其結構相似度ssim值依次是0.9663、0.9893，其峰值信噪比psnr值依次是40.5428db、40.6095db。

圖7（a）、圖7（b）是依次從圖6（a）、圖6（b）中提取的水印，其歸一化互相關系數(shù)nc值分別是1.0000、1.0000。

圖8（a）、圖8（b）、圖8（c）、圖8（d）、圖8（e）、圖8（f）是將圖6（a）所示的含水印圖像依次進行jpeg2000壓縮（5：1）、椒鹽噪聲（2%）、中值濾波(3×3)、銳化(1.0)、縮放（400%）、剪切（25%）等攻擊后所提取的水印，其歸一化互相關系數(shù)nc值分別是0.9998、0.9766、0.9097、0.9946、0.9990、0.7450。

具體實施方式

本發(fā)明的目的是提供一種融合空域和schur分解的彩色圖像盲水印方法，包含水印嵌入過程和提取過程，其水印嵌入過程描述如下：

第一步：將32×32的24位三維彩色圖像數(shù)字水印w按層分成紅、綠、藍3個二維分層水印圖像；為了提高水印的安全性，將分層水印圖像進行基于kai（i=1,2,3）的arnold置亂變換；然后，將每個十進制表示的像素用8位二進制數(shù)表示，并依次組合形成分層水印序列wi，i=1,2,3分別表示紅、綠、藍三層，例如可將177，178分別轉換成二進制數(shù)10110001，10110010，并連接為水印序列1011000110110010；

第二步：將512×512的24位原始宿主圖像h也分成3個分層宿主圖像hi，i=1,2,3分別表示紅、綠、藍三層；同時，把每一個分層宿主圖像hi進行4×4的非重疊分塊，并利用基于密鑰kbi（i=1,2,3）的偽隨機序列在分層宿主圖像hi中選擇像素塊，以便嵌入分層水印序列wi；

第三步：選取一個像素塊a，并按照公式（1）在空域中直接近似求出像素塊a經(jīng)過schur分解后對應的最大特征值；

(1)

其中，是m×m像素塊a經(jīng)過schur分解后可以求得的最大特征值，該值在空域中利用公式（1）直接求得而不需進行schur分解再獲得，，，i，j分別表示像素在像素塊a中所處的行號和列號；

此處，設選取的像素塊a為，利用公式（1）可得該像素塊的最大特征值為828.5000；如果該像素塊進行schur分解可得其上三角矩陣為，其最大特征值為828.5048，所以無需進行真正的schur分解，而利用公式（1）在空域中直接近似求得其最大特征值；

第四步：根據(jù)公式（2），理論計算如果在空域中將水印嵌入到schur分解的最大特征值上，則應將其最大特征值修改為；

(2)

其中，表示嵌入水印后schur分解的最大特征值，為水印嵌入強度，t為量化步長，此時，設w=0，，t=33，則根據(jù)公式（2），求得；

第五步：根據(jù)公式（3），理論計算schur分解的最大特征值的變化量e；

(3)

此時，根據(jù)公式（3），計算e=833.2500-828.5000=4.7500；

第六步：按照公式（6），計算schur分解最大特征值的變化量e在m×m像素塊a中所有像素上的分配量，即在空域中通過調整像素的值以實現(xiàn)變換域中schur分解最大特征值的調整；具體原因是：

因為根據(jù)公式（1）可表示為：

(4)

其中，,,i,j分別表示像素在含水印的像素塊中所處的行號和列號；

由公式（3）得，，

即

(5)

則，(6)

此時，根據(jù)公式（6），計算；

第七步：將分配量依次加到像素塊a的所有像素上，這樣在空域中完成對schur分解最大特征值的修改并嵌入了水印，此時在空域中真正得到含水印的像素塊為；

第八步：重復執(zhí)行步驟第三步到第七步，直到所有的水印信息都被嵌入完成為止；最后，將含水印的紅、綠、藍分層圖像重新組合并獲得含水印圖像；

其水印提取過程描述如下：

第一步：將含水印圖像分成3個分層含水印圖像，i=1,2,3分別表示紅、綠、藍三層，并將每一分層含水印圖像進一步分成m×m的非重疊像素塊；

第二步：利用基于密鑰kbi（i=1,2,3）的偽隨機序列在分層圖像中選擇像素塊；

第三步：選取一個像素塊為，根據(jù)公式（4）在空域中近似計算其schur分解最大特征值=832.5000；

第四步：利用公式（7），提取像素塊中所含有的水印=0；

(7)

其中，mod()是求余函數(shù)，t為量化步長33；

第五步：重復執(zhí)行第三步、第四步，直到提取所有的水印信息，并將所提取的二進制水印信息每8位一組轉換成十進制的像素值；

第六步：執(zhí)行基于密鑰kai（i=1,2,3）的逆arnold變換并獲得分層水??；

第七步：組合分層水印形成最終的提取水印；

該方法簡單快捷，既具有較好的水印魯棒性，又具有較高的算法實時性，適用于彩色圖像作為數(shù)字水印的多媒體大數(shù)據(jù)的高效版權保護。

本發(fā)明有效性驗證

為了證明本發(fā)明的有效性，選擇如圖1（a）、圖1（b）所示的兩幅大小為512×512的24位標準圖像作為宿主圖像，并分別用如圖2（a）、圖2（b）所示的兩幅大小為32×32的24位彩色圖像作為數(shù)字水印進行驗證。

圖3（a）、圖3（b）是將圖2（a）所示的水印依次嵌入到宿主圖像圖1（a）、圖1（b）后所得到的含水印圖像，其結構相似度ssim值依次是0.9701、0.9657，其峰值信噪比psnr值依次是40.6976db、40.5906db；圖4（a）、圖4（b）是依次從圖3（a）、圖3（b）中提取的水印，其歸一化互相關系數(shù)nc值分別是1.0000、1.0000；圖5（a）、圖5（b）、圖5（c）、圖5（d）、圖5（e）、圖5（f）是將圖3（a）所示的含水印圖像依次進行jpeg2000壓縮（5：1）、椒鹽噪聲（2%）、中值濾波(3×3)、銳化(1.0)、縮放（400%）、剪切（25%）等攻擊后所提取的水印，其歸一化互相關系數(shù)nc值分別是0.9991、0.9917、0.9446、0.9987、1.0000、0.7538。

圖6（a）、圖6（b）是將圖2（b）所示的水印依次嵌入到宿主圖像圖1（a）、圖1（b）后所得到的含水印圖像，其結構相似度ssim值依次是0.9663、0.9893，其峰值信噪比psnr值依次是40.5428db、40.6095db；圖7（a）、圖7（b）是依次從圖6（a）、圖6（b）中提取的水印，其歸一化互相關系數(shù)nc值分別是1.0000、1.0000；圖8（a）、圖8（b）、圖8（c）、圖8（d）、圖8（e）、圖8（f）是將圖6（a）所示的含水印圖像依次進行jpeg2000壓縮（5：1）、椒鹽噪聲（2%）、中值濾波(3×3)、銳化(1.0)、縮放（400%）、剪切（25%）等攻擊后所提取的水印，其歸一化互相關系數(shù)nc值分別是0.9998、0.9766、0.9097、0.9946、0.9990、0.7450。

該算法在平臺2.27ghzcpu,2.00gbram,win7,matlab7.10.0(r2010a)上進行過近萬次運行，其數(shù)字水印的平均嵌入時間是0.274117秒，平均提取時間是0.238315秒，總計時間為0.512432秒。

由此可見，所嵌入的彩色圖像數(shù)字水印具有良好的不可見性；同時，從各種受攻擊圖像中所提取的數(shù)字水印圖像具有良好的可鑒別性，說明該方法具有較強的魯棒性，能夠很好地提取所嵌入的彩色水??；同時，該算法的平均運行總時間少于1秒，滿足了多媒體大數(shù)據(jù)快速版權保護的需要。