基于差分進化的小波域彩色圖像水印加密算法
【技術領域】
[0001] 本發(fā)明屬于圖像算法技術領域，涉及基于差分進化的小波域彩色圖像水印算法。
【背景技術】
[0002] 隨著計算機技術、通信技術和多媒體技術的不斷進步，各種數(shù)字化產品以數(shù)字媒 體的形式在網(wǎng)絡中得到廣泛傳播，使人類的生產生活方式發(fā)生了深刻變化，推動了社會信 息化的發(fā)展歷程。然而，在人們享受數(shù)字化技術帶來便利的同時，也出現(xiàn)了很多負面、消極 的影響。例如，數(shù)字產品信息的泄露、篡改和偽造，甚至被作為商業(yè)用途謀取非法利益，嚴重 損害了產品版權所有者的合法利益。目前，針對這些現(xiàn)象主要有兩種解決方式，一是加強國 家數(shù)字版權保護法律法規(guī)建設，增加對違法侵權者的懲罰力度 [1'2];二是不斷提高信息安全 技術水平，通過技術手段[3 5]實現(xiàn)數(shù)字化產品資源的版權保護。目前，利用數(shù)字水印技術實 現(xiàn)多媒體資源版權保護的問題一直受到人們關注，并在許多領域得到了廣泛應用。
[0003] 數(shù)字水印算法最重要的兩個特性即算法的不可見性和魯棒性。然而，兩者存在一 定的矛盾，一方面，使用小的嵌入強度有利于水印的不可見的，但對幾種常見攻擊的魯棒性 不好，另一方面，嵌入強度過大提高了水印的魯棒性，但對水印的不可見性較差。因此，如 何選擇合適的嵌入強度進而平衡兩者的關系是提高算法性能的關鍵問題。近年來，一些優(yōu) 化算法，例如模擬退火算法（SimulatedAnnealing，SA)、遺傳算法（GeneticAlgorithm， GA)、微粒群優(yōu)化算法（ParticleSwarmoptimization,PS0)、蟻群算法（AntColony Optimization，AC0)等通過模擬或揭示某些自然現(xiàn)象或過程而逐漸得到發(fā)展，為求解最優(yōu) 化問題提供了新的思路和手段。PereiraS，VoloshynoskiyS等[6]提出一種利用最佳方式 考慮空間域限制的方法，把水印嵌入作為一個線性規(guī)劃問題，在一系列像素失其的線性約 束下期望將水印的強度最大化。E.Vahedi，R.A.Zoroofi等人m利用仿生優(yōu)化原則提出一 種新的基于小波變換的彩色圖像數(shù)字水印算法，結合仿生學原理優(yōu)化數(shù)字水印算法。
[0004]差分進化算法（DifferentialEvolutionAlgorithm，DEA)是基于群體差異的一 種演化算法，具有較強的全局搜索能力和收斂速率，在解決復雜的全局優(yōu)化問題方面，被證 明是一種有效的全局最優(yōu)解的搜索算法M。2009年，V.Aslantas?首次提出采用差分進化 和奇異值分解的魯棒性數(shù)字水印算法，該算法驗證了差分進化能夠很好地平衡數(shù)字水印不 可見性和魯棒性之間的關系，并在一定程度上提高了算法魯棒性。之后，差分進化被廣泛應 用于數(shù)字水印領域 [1° 15]?；诖耍疚奶岢龌诓罘诌M化的小波域數(shù)字圖像水印算法，并 且采用適用性較強的彩色圖像作為算法的載體圖像，在奇異值分解的基礎上結合離散小波 變換多分辨、信號局部分析等特點，對傳統(tǒng)的彩色圖像水印算法進行優(yōu)化，保證水印系統(tǒng)較 優(yōu)的不可見性和魯棒性前提下提高了算法的適用性，另外在嵌入水印前對水印信息進行預 處理，同時也提高了算法的安全性。

【發(fā)明內容】

[0005] 本發(fā)明的目的在于提供基于差分進化的小波域彩色圖像水印優(yōu)化算法，解決了現(xiàn) 有的數(shù)字水印算法對幾種常見攻擊的魯棒性不好，對水印的不可見性較差的問題。
[0006] 本發(fā)明所采用的技術方案是按照以下步驟進行：
[0007] 步驟1 :首先對原始圖像進行彩色空間轉換，將RGB格式轉換成適合人眼視覺系統(tǒng) 的YIQ色彩格式并提取亮度分量Y;
[0008] 步驟2:對水印圖像采用Arnold置亂；
[0009] 步驟3:對原始圖像的Y分量利用離散小波變換進行三級離散小波分解產生的四 個不同頻率子帶，得到子帶圖像；
[0010] 步驟4 :用A表示子帶圖像矩陣，對三級小波分解后的圖像運用奇異值分解；
[0011] 步驟5 :對置亂加密處理后的水印圖像進行一級離散小波分解；
[0012] 步驟6 :水印嵌入：采用差分進化自適應優(yōu)化選擇嵌入強度以乘性相加的形式在 奇異值分解后的原始圖像中添加水印信息；
[0013] 進一步，所述步驟6中水印嵌入的步驟如下：
[0014] 1)對原始圖像A進行色彩空間轉換，將RGB格式轉換為YIQ格式，提取圖像的亮度 分量Y。對Y分量利用離散小波變換進行三級小波分解，得到四個不同頻率的子帶，即一個 低頻逼近子圖LL和三個高頻細節(jié)子圖LH、HL、HH。
[0015] 2)對上一步得到的四個子帶分別進行奇異值分解，求得對應的奇異值S。
[0016]Yk=UkSkVkTke(LL、LH、HL、HH)
[0017]3)對水印圖像W進行Arnlod置亂得到置亂后的水印圖像W'，置亂次數(shù)取τ，并采 用一級小波分解得到一個低頻逼近子圖LL和三個高頻細節(jié)子圖LH、HL、ΗΗ。
[0018] 4)將Υ分量對應的奇異值分別與水印圖像對應的矩陣進行乘性相加，其嵌入強度 為q，該值通過差分進化算法獲得。
[0019]Sk+qkW，k=CkkG(LL、LH、HL、HH)
[0020] 5)對矩陣C進行奇異值分解得到矩陣Uw、Sw、VWT。
[0021 ]Ck=UwkSwkVwkTke(LL、LH、HL、HH)
[0022] 6)將新得到奇異值Sw與步驟⑵中的酉陣U及VT進行奇異值逆分解。
[0023]UkSwkVkT=YwkkG(LL、LH、HL、HH)
[0024] 之后再利用離散小波變換進行三級小波逆變換（3-IDWT)即可獲得添加水印后圖 像的亮度分量Yw'。
[0025] 7)亮度分量Yw'與原始圖像A的YIQ格式中的I分量以及Q分量組合一起，且將 YIQ格式轉換為RGB格式，即可得到含水印信息的彩色圖像Aw。
[0026] 進一步，若A/表示經過攻擊的含水印信息的彩色圖像，那么提取的水印圖像W$則 由主要以下步驟：
[0027] 1)運用水印嵌入過程中步驟1)和2)對A:進行處理分別得到三個對應的矩陣IT、 s:、V*T。
[0028]Ywk*=Uk*Swk*Vk*Tke(LL、LH、HL、HH)
[0029] 2)將原始圖像A亮度分量Y對應的奇異值分別與經攻擊后矩陣(f進行除性相減， 因子q保持不變，得到矩陣W' '
[0030]Wk，*=(Ck*_Sk) /qkke(LL、LH、HL、HH)
[0031] 3)將矩陣W't進行一級小波逆變換，便提取到攻擊后的置亂水印圖像的W' '
[0032] 4)對W'lR(Τ-τ)次Arnold變換，T為置亂周期，即可得到提取的水印圖像
[0033] 本發(fā)明的有益效果是水印算法具有一定的安全性，且獲得了較好的不可見性，能 夠抵抗常見的圖像處理操作，受到攻擊后的含水印圖像能夠提取出與原始水印圖像相似度 較高，體現(xiàn)了水印算法的魯棒性較強。
【附圖說明】
[0034] 圖1是本發(fā)明方法步驟流程示意圖；
[0035] 圖2是Arnold變換不同置亂次數(shù)效果圖；
[0036] 圖3是三級離散小波分解示意圖；
[0037] 圖3(a)原始圖像；
[0038] 圖3(b)是分解過程圖；
[0039] 圖3 (c)是分解后的圖像；
[0040] 圖4是差分進化算法執(zhí)行過程流程圖；
[0041] 圖5是本發(fā)明算法與文獻[16]的NC值對比折線圖。
【具體實施方式】
[0042] 下面結合【具體實施方式】對本發(fā)明進行詳細說明。
[0043] 本發(fā)明利用差分進化算法較強的全局收斂能力和魯棒性，提出一種基于差分進化 的小波域彩色圖像水印算法，首先對原始圖像進行彩色空間轉換，將RGB格式轉換成更適 合人眼視覺系統(tǒng)的YIQ色彩格式并提取亮度分量Y，然后對Y分量利用離散小波變換進行三 級小波分解產生的四個不同頻率子帶，運用奇異值分解，其次對置亂加密處理后的水印圖 像進行一級離散小波分解，最后采用差分進化自適應優(yōu)化選擇嵌入強度以乘性相加的形式 添加水印信息。仿真實驗表明，該算法具有較好的不可見性，算法對噪聲、旋轉、剪切、平移 以及壓縮等常見圖像處理操作體現(xiàn)了