專利名稱：一種基于小波抗幾何攻擊的數(shù)字水印方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于離散小波變換(DWT)和圖像視覺特征的數(shù)字水印技術(shù)，是一種多媒體數(shù)據(jù)保護方法，屬于多媒體信號處理領(lǐng)域。
背景技術(shù)：
目前數(shù)字水印是保護數(shù)字媒體版權(quán)的有效方法之一?，F(xiàn)在大多數(shù)水印只能抵抗壓縮、濾波等常規(guī)攻擊，對于常見甚至是微小的幾何攻擊都無能為力。近年來，國外一些學(xué)者對抗幾何攻擊水印算法做了一些理論研究，但效果并不理想。Pereira等使用了模板插入法，但模板的嵌入及提取方法較復(fù)雜，嵌入的信息容量小，并且嵌入的模板容易受到攻擊；O’Ruanaidh等基于Fourier-Mellin變換，利用該變換擁有RST(Rotate，Scalling，Transtation)不變性實現(xiàn)水印的抗幾何攻擊能力，但該方法使得水印圖像質(zhì)量變得較差；Pitas等提出將水印信息嵌入DFT域環(huán)形區(qū)域或圓周上，但其只能提供較小的抗旋轉(zhuǎn)能力和嵌入較少的信息。
因此抗幾何攻擊目前是一個具有挑戰(zhàn)性的難題，特別是Voloshynovskiy等在文章中指出局部任意扭曲攻擊是幾何攻擊中更為復(fù)雜的一種，目前幾乎沒有看到有效的抗擊方法公布。
并且以上大部分抗幾何攻擊的算法是基于DFT變換，與新一代的圖像壓縮標(biāo)準JPEG2000和現(xiàn)在使用的JPEG壓縮標(biāo)準不兼容，JPEG2000的核心是小波變換，小波變換具有良好的空間、頻率特性。因此研究基于小波變換的抗幾何攻擊數(shù)字水印算法，有較大意義。

發(fā)明內(nèi)容
本發(fā)明的目的是提出一種基于小波變換可抗擊旋轉(zhuǎn)、縮放、平移和扭曲幾何攻擊的數(shù)字水印嵌入與提取方法，它有較高的魯棒性，以保護數(shù)字媒體的版權(quán)。
為了實現(xiàn)上述目的，本發(fā)明是這樣進行的通過小波變換和DCT變換，進行水印的嵌入和水印圖像的視覺特征向量提取，它將數(shù)字水印技術(shù)和圖像的視覺特征向量、密碼學(xué)有機結(jié)合起來，實現(xiàn)了數(shù)字水印的抗旋轉(zhuǎn)、縮放、平移(RST)和扭曲幾何攻擊。本發(fā)明所采用的方法包括水印嵌入和水印提取兩大部分，第一部分為水印嵌入，包括(1)對宿主圖像F進行小波變換，獲得低頻逼近子圖FAL，(2)在FAL中嵌入水印W(j)，形成FA′L，(3)對含有水印信息的逼近子圖FA′L進行全圖DCT變換，在DCT低中頻系數(shù)中，找到一個對幾何攻擊魯棒的視覺特征向量V(j)，(4)根據(jù)水印W(j)和圖像的視覺特征向量V(j)通過異或邏輯生成一個二值邏輯序列Key(j)，把Key(j)作為密鑰向第三方申請，以獲得原作品的所有權(quán)，達到版權(quán)保護的目的。第二部分為水印提取，包括(5)對待測圖像Test_F(簡記為T_F)進行小波變換，獲得其低頻逼近子圖T_FAL，(6)對逼近子圖T_FAL進行全圖DCT變換，在DCT低中頻系數(shù)中找出待測圖像的視覺特征向量V’(j)，(7)利用二值邏輯序列Key(j)和待測圖像視覺特征向量V’(j)，通過異或邏輯運算，提取出水印W’(j)。
通過比較W(j)和W’(j)的相關(guān)性來判別待測圖像的所有權(quán)。
現(xiàn)對本發(fā)明的方法進行詳細說明如下第一部分通過水印的嵌入操作，得到二值邏輯序列Key(j)首先用一組可以代表版權(quán)信息的二值偽隨機序列W，W＝{w(j)|w(j)＝0，1；1≤j≤L}作為數(shù)字水印，原始圖像記為F＝{f(i，j)|f(i，j)∈R；1≤i≤N1，1≤j≤N2)}，其中，w(j)和f(i，j)分別表示水印序列及原始圖像的像素灰度值，設(shè)N1＝N2＝N，水印的嵌入如下1)對原始圖像F進行小波L級分解并獲得逼近子圖系數(shù)FAL對原始圖像F進行L級小波分解后，可以得到多個細節(jié)子圖系數(shù)FDjk，(k＝1，2，3；j＝1，2，3...L)和一個逼近子圖系數(shù)FAL，L為小波分解級數(shù)，分解級數(shù)L越高，小波系數(shù)抗JPEG壓縮、濾波等常規(guī)攻擊能力越強，但小波分解和重構(gòu)時間相應(yīng)加長，本發(fā)明在試驗時取L＝1。
2)在逼近子圖系數(shù)FAL中，嵌入數(shù)字水印生成FA′L采用常用的疊加法，將水印嵌入逼近子圖小波系數(shù)FAL中，具體公式為FA′L＝FAL+αW，其中α為水印嵌入強度，其取值范圍一般是0＜α≤0.5，如果α取0值，那是一種零水印的嵌入方式。
3)對嵌有水印的逼近子圖FA′L，進行全圖DCT變換，得到圖像的一個抗幾何抗擊的視覺特征向量V(j)先對逼近子圖FA′L進行全圖DCT變換，得到DCT系數(shù)矩陣FD(i，j)，再對DCT系數(shù)矩陣FD(i，j)，進行Zig-Zag掃描，得到頻率由低到高的DCT系數(shù)序列Y(j)；在低中頻的系數(shù)序列中，找出J個對幾何攻擊魯棒性好的點，即在對水印圖像進行幾何攻擊時，這些低頻系數(shù)的符號不改變，或基本不改變，由這些系數(shù)的符號(二值序列)，組成一個圖像的視覺特征向量V(j)，V＝{v(j)|v(j)＝0，1；1≤j≤J}，J的值表示視覺特征向量V(j)的元素多少，J的取值大小要根據(jù)一次性嵌入水印的長度和對魯棒性要求的強弱來決定，本文試驗中，J取值32。
4)利用異或邏輯，生成二值邏輯序列Key(j)Key(j)＝V(j)W(j)上式中，V(j)是圖像的視覺特征向量；W(j)是要嵌入的一個水印，通過密碼學(xué)常用的異或邏輯，生成一個二值邏輯序列Key(j)。
保存Key(j)，這在下面提取水印時要用到。通過將Key(j)作為密鑰向第三方申請，可以獲得原作品的所有權(quán)，達到保護版權(quán)的目的。
第二部分水印的提取5)通過小波變換求出待測圖像的逼近子圖T_FAL(i，j)將待測的圖像Test_F(簡記為T_F)進行與嵌入時相同的L級小波分解，求出逼近子圖T_FAL(i，j)；6)對逼近子圖T_FAL(i，j)進行DCT變換，求出待測圖像的特征向量V’(j)；在DCT低中頻系數(shù)中，求得特征向量V’(j)，所求方法以及其各元素在DCT系數(shù)的位置與嵌入時的特征向量V(j)相一致；7)根據(jù)水印嵌入過程中生成的邏輯序列Key(j)和待測圖像的特征向量V’(j)求出水印W’(j)，W’(j)＝V’(j)Key(j)；再根據(jù)W和W’的相關(guān)程度來判別是否有水印嵌入。從而確定待測圖像的所有者。該算法提取水印不需要原始圖像，因此可以更好的保護原圖像。
本發(fā)明與現(xiàn)有的水印技術(shù)比較有以下優(yōu)點由于本發(fā)明是基于小波變換的數(shù)字水印技術(shù)，具有于新一代JPEG2000相兼容的優(yōu)點；在提取圖像特征時同時使用了主流變換DCT，與現(xiàn)在流行的JPEG也兼容；該發(fā)明不僅抗旋轉(zhuǎn)、縮放和平移幾何攻擊能力還有較強的抗扭曲幾何攻擊能力；與嵌入模板的水印算法相比，該水印的提取主要是根據(jù)圖像的特征向量，所以該方法不用擔(dān)心“嵌入模板被攻擊”這些問題，有更好的魯棒性，并且水印的嵌入和提取簡單易行。
較好的解決了水印的不可見性和魯棒性的矛盾；嵌入水印的強弱主要由α決定，而水印的魯棒性主要由選擇的圖像特征向量來決定。
以下我們從理論基礎(chǔ)和試驗數(shù)據(jù)說明1)圖像的小波變換圖像的小波變換S.Mallat于1988年提出的小波變換，是近幾年興起的一個新的信號分析理論，它是一種“時—頻”分析方法，其基本思想是以小波函數(shù)ψa，b(t)為基底，對信號f(t)進行分解。
Wf(a，b)＝∫Rf(t)ψa，b(t)dt
其中小波函數(shù)ψa，b(t)是由同一基底函數(shù)ψ經(jīng)平移、伸縮而得到的一組函數(shù)。
ψa，b(t)＝|a|-1/2ψ((t-b)/a)a，b∈R，a≠0ψ稱為基小波，a為伸縮因子，b為平移因子。
Mallat算法分解公式為cj+1,k=Σn∈zcj,nh‾n-2k,k∈z]]>dj+1,k=Σn∈zcj,ng‾n-2k,k∈z]]>重構(gòu)公式為cj,k=Σn∈zcj+1,nhn-2k+Σn∈zdj+1,ngk-2n,k∈z]]>對二維信號圖像進行級小波分解后，原圖分成高頻細節(jié)子圖(水平、垂直和對角線方向)和低頻逼近子圖，高頻細節(jié)子圖主要包含了原圖的邊緣信息，但容易受到外部干擾的影響，而低頻逼近子圖包含圖像的基本信息(低頻部分)，受外部影響小，因此把水印加在逼近子圖中，有較好的視覺特性。
新的圖像壓縮JPEG2000和視頻壓縮標(biāo)準MPE-4都采用了小波變換。因此選用小波進行水印的制作，與新的圖像和視頻壓縮標(biāo)準有較好的兼容性。
2)余弦變換(DCT)DCT用于圖像編碼是目前廣泛使用的JPEG壓縮和MPEG-1/2的標(biāo)準。它運算速度快，精度高，以提取特征成分的能力和運算速度之間的最佳平衡而著稱。
二維離散余弦正變換(DCT)公式如下F(u,v)=c(u)c(v)Σx=0M-1Σy=0N-1f(x,y)cosπ(2x+1)u2Mcosπ(2y+1)v2N]]>u＝0，1，Λ，M-1；v＝0，1，Λ，N-1；式中c(u)=1/Mu=02/Mu=1,2,Λ,M-1]]>c(v)=1/Nv=02/Nv=1,2,Λ,N-1]]>二維離散余弦反變換(IDCT)公式如下f(x,y)=Σu=0M-1Σv=0N-1c(u)c(v)F(u,v)cosπ(2x+1)u2Mcosπ(2y+1)v2N]]>x＝0，1，Λ，M-1；y＝0，1，Λ，N-1其中x，y為空間域采樣值；u，v為頻率域采樣值，通常數(shù)字圖像用像素方陣表示，即M＝N，圖像DCT變換的低中頻系數(shù)放映了圖像的主要特征。
3)一種圖像主要特征向量的選取方法目前大部分單純基于小波變換水印算法抗幾何攻擊能力較差的主要原因是當(dāng)水印圖像受到幾何攻擊攻擊，小波系數(shù)，會發(fā)生較大的改變。但如果我們能夠找到圖像的特征向量，而該特征向量對圖像的幾何變換有較強的抗攻擊能力，那么可以利用該特征向量進行水印的提取。通過大量試驗數(shù)據(jù)表明，一個圖像，先經(jīng)過小波變換，我們把水印圖像嵌入在其代表低頻信息的逼近子圖中，然后對這個逼近子圖進行全圖DCT變換，對DCT系數(shù)再進行Zig_zag排序，表1中列出前經(jīng)過排序后的前十個系數(shù)，C1，C2，C3...C10，對這些系數(shù)進行觀察。發(fā)現(xiàn)一個現(xiàn)象，當(dāng)對一個圖像進行旋轉(zhuǎn)、縮放、平移和扭曲等幾何變換時，中低頻系數(shù)值的大小一般會發(fā)生一些變化，但是系數(shù)的符號基本保持不變。表1中，用作測試的原圖是圖1(a)，(lena512)。受到各種常見的幾何攻擊后的圖像見圖1(b)-(f)。設(shè)在C1-C10系數(shù)中，正系數(shù)用”1”表示，負或零系數(shù)用”0”表示，那么C1-C10系數(shù)對應(yīng)的系數(shù)符號序列見表1的“系數(shù)符號序列”。觀察該列發(fā)現(xiàn)，對于表1中不同的幾何攻擊該符號序列和原圖的符號系列能保持一致，它們對應(yīng)的符號系列歸一化相關(guān)系數(shù)值都較大(見“相關(guān)系數(shù)”這一列)；表1圖像經(jīng)過DWT-DCT變換后低頻部分系數(shù)受幾何攻擊影響

*系數(shù)單位1.0e+004為了進一步驗證圖像的DWT-DCT系數(shù)的符號系列是否代表了圖像的幾何特征值，我們又把常見不同的標(biāo)準測試圖像(見圖2(a)-(f))，進行相同的DWT-DCT變換和Zig-Zag排序，求出對應(yīng)的系數(shù)見表2的C1-C10，看其系數(shù)符號序列見第12列，可以發(fā)現(xiàn)不同的測試圖像，符號序列的相關(guān)系數(shù)很小，具體相關(guān)值見“相關(guān)系數(shù)”列；這說明水印圖像經(jīng)過小波變換和DCT變換，其中低頻系數(shù)符號序列可以反映該圖像的主要視覺特征(簡單起見這里只取了前10個系數(shù)來觀察)。
表2不同測試圖像經(jīng)過DWT-DCT變換低中頻部分系數(shù)

*系數(shù)單位1.0e+0045)圖像特征向量具體元素的篩選根據(jù)人類視覺特性(HVS)，低中頻信號對人的視覺影響較大，代表者圖像的主要特征。為了有好的魯棒性，我們嵌入水印是在小波變換的逼近子圖中，所選取的圖像的視覺特征向量是DCT低中頻系數(shù)的符號序列。但我們發(fā)現(xiàn)，并不是所有的低中頻系數(shù)對幾何攻擊魯棒性都很好，在具體選取哪些低中頻系數(shù)符號作為特征點時，可以先通過RST(或根據(jù)需求選擇其中一個變換為主要的)幾何操作，找出那些魯棒性更好的系數(shù)(其系數(shù)符號基本不變)，記住這些系數(shù)的位置，位于這些位置的系數(shù)符號組成一個序列作為該圖像的特征向量，至于選擇系數(shù)的個數(shù)(特征向量的元素個數(shù))，要根據(jù)一次性嵌入水印的長度和對魯棒性要求的強弱來決定，一般來說，特征向量所含元素個數(shù)越少，水印的魯棒性越好，但一次性嵌入的水印信息也越少，綜合考慮，在本文試驗中，圖像特征向量的元素個數(shù)J，取值32。
綜上所述，我們通過對宿主圖像進行小波變換和DCT變換后的系數(shù)的分析，利用某些低中頻系數(shù)的符號序列得到一種取得圖像視覺特征向量的方法；發(fā)明了抗RST和扭曲攻擊的數(shù)字水印方法。


圖1(a)是原始圖像(Lena512)。
圖1(b)是經(jīng)過旋轉(zhuǎn)的圖像(順時針旋轉(zhuǎn)20度)。
圖1(c)是經(jīng)過縮放的圖像(縮放因子為0.5)。
圖1(d)是經(jīng)過水平移動的圖像(水平左移20pixel)。
圖1(e)是經(jīng)過旋轉(zhuǎn)扭曲的圖像(旋轉(zhuǎn)扭曲50度)。
圖1(f)是經(jīng)過波紋扭曲的圖像(波紋扭曲數(shù)量200)。
圖2(a)標(biāo)準測試圖Lena512。
圖2(b)標(biāo)準測試圖Baboo512。
圖2(c)標(biāo)準測試圖Peppers512。
圖2(d)標(biāo)準測試圖Crowd512。
圖2(e)標(biāo)準測試圖Harbour512。
圖2(f)標(biāo)準測試圖Woman512。
圖3(a)沒有干擾時的水印圖像。
圖3(b)沒有干擾時的水印檢測。
圖4(a)旋轉(zhuǎn)35度后的水印圖像。
圖4(b)旋轉(zhuǎn)35度后的水印檢測。
圖5(a)水平移動40pixel后的圖像。
圖5(b)水平移動后的水印檢測。
圖6(a)原始圖像。
圖6(b)縮放因子為0.5的水印圖像。
圖6(c)縮放因子為0.5的水印檢測。
圖7(a)旋轉(zhuǎn)扭曲為80度的水印圖像。
圖7(b)旋轉(zhuǎn)扭曲為80度的水印檢測。
圖8(a)波紋扭曲數(shù)量為400的水印圖像。
圖8(b)波紋扭曲數(shù)量為400的水印檢測。
具體實施例方式
下面結(jié)合附圖對本發(fā)明作進一步說明使用1000組獨立的二值偽隨機序列(取值為+1或-1)，每組序列長度為32bit，在這1000組數(shù)據(jù)中，我們?nèi)纬槿∫唤M(這里我們選擇第500組)，作為嵌入的水印序列。原始圖像見圖3(a)，原圖表示為F(i，j)，其中1≤i≤512，1≤j≤512，先經(jīng)過一層小波分解，然后在其低頻逼近子圖中嵌入水印，再對嵌有水印的逼近子圖進行全圖DCT變換，其對應(yīng)的DCT系數(shù)矩陣為FD(i，j)，其中1≤i≤256，1≤j≤256，對其經(jīng)過Zig_Zag掃描后得到排序的DCT序數(shù)為Y(j)，第一個值Y(1)代表圖像的直流分量，然后由低到高的頻率順序排開?？紤]到魯棒性和一次性嵌入水印的容量，我們在前64個低頻系數(shù)中，選出32個對幾何攻擊魯棒性更強的特征點。檢測出W’后，我們通過計算歸一化相關(guān)系數(shù)NC(Normalized Cross Correlation)來判斷是否有水印嵌入。
NC作為水印檢測器的輸出，該值可明顯反映出水印是否存在。
圖3(a)是不加干擾時的水印圖像；
圖3(b)不加干擾時，水印檢測器的輸出，可以看到NC＝1.0，明顯檢測到水印的存在。
下面我們通過具體試驗來判斷該數(shù)字水印方法抗幾何攻擊能力(1)旋轉(zhuǎn)變換圖4(a)是水印圖像旋轉(zhuǎn)35°，這時水印圖像的PSNR＝10.38dB，信噪比很低；圖4(b)為檢測的水印圖像，可以明顯檢測到水印的存在NC＝0.63。
表3為水印抗旋轉(zhuǎn)攻擊試驗數(shù)據(jù)。表中可以看到當(dāng)水印圖像旋轉(zhuǎn)40°時，NC＝0.57，仍然可以檢測到水印存在；Pitas等人提出的抗幾何攻擊算法，把水印嵌入DFT幅度譜的園環(huán)中，只能抵抗不大于3度的旋轉(zhuǎn)。
表3水印抗旋轉(zhuǎn)攻擊試驗數(shù)據(jù)

(2)平移變換圖5(a)為圖像水平左移40pix的情況，這時PSNR＝10.58dB，信噪比很低；圖5(b)為水印檢測器輸出，可以明顯檢測到水印的存在NC＝0.76。
表4是水印抗平移攻擊試驗數(shù)據(jù)。從表中得知當(dāng)水平左移55pixel，仍然可以檢測到水印的存在，故該數(shù)字水印有較強的抗平移能力。
表4水印圖像抗平移攻擊試驗數(shù)據(jù)

(3)縮放變換圖6(a)為原始圖像；圖6(b)為縮放因子為0.5的水印圖像；圖6(c)是水印檢測結(jié)果，可以明顯檢測到水印的存在NC＝0.94。
表5為水印縮放攻擊試驗數(shù)據(jù)，從表5可以看到當(dāng)水印圖像縮放因子小至0.2時，相關(guān)系數(shù)值仍然很高，NC＝0.94，可明顯測得水印的存在。Pereira等采用的在DFT中置入模板的方法，只能抵御縮放因子不小于0.65的縮放，說明該發(fā)明有較強的抗縮放能力。
表5水印縮放攻擊試驗數(shù)據(jù)

對圖像進行小波變換、DCT變換后，觀察其低中頻系數(shù)，發(fā)現(xiàn)當(dāng)水印圖像進行縮放時，其變換的系數(shù)做相應(yīng)比例的放大和縮小，但系數(shù)符號不變，因此該發(fā)明有很強的抗縮放幾何攻擊能力。(4)旋轉(zhuǎn)扭曲試驗圖7(a)為旋轉(zhuǎn)扭曲80度的水印圖像，這時圖像明顯旋轉(zhuǎn)扭曲，PSNR＝14.71dB。
圖7(b)為水印檢測結(jié)果，NC＝0.75，可以明顯檢測到水印的存在。
表6為水印抗旋轉(zhuǎn)扭曲試驗數(shù)據(jù)，從表中可以看到該發(fā)明有較強的抗旋轉(zhuǎn)扭曲能力。
表6水印圖像抗旋轉(zhuǎn)扭曲

*扭曲的實現(xiàn)及參數(shù)調(diào)整可使用photoshop濾鏡中的扭曲功能。
(5)波紋扭曲試驗圖8(a)為對水印圖像進行波紋扭曲圖像(波紋扭曲數(shù)量為400)；圖8(b)為其水印檢測情況，可以明顯檢測到水印的存在，NC＝0.94。
表7為水印抗波紋扭曲試驗數(shù)據(jù)，從表中試驗數(shù)據(jù)可以得知，當(dāng)波紋扭曲數(shù)量為700時，相關(guān)系數(shù)仍然較高，NC＝0.94。說明該算法對波紋扭曲也有很強的魯棒性。
表7水印圖像抗波紋扭曲試驗數(shù)據(jù)

*具體實現(xiàn)和參數(shù)調(diào)整可通過photoshop濾鏡中的扭曲功能模塊。
權(quán)利要求
1.一種基于小波可抗幾何攻擊的數(shù)字水印方法，其特征在于基于離散小波變換以及圖像視覺特征向量，并將水印技術(shù)與密碼學(xué)有機結(jié)合起來，實現(xiàn)了數(shù)字水印的抗旋轉(zhuǎn)、縮放、平移和扭曲幾何攻擊，該數(shù)字水印方法共分兩個部分，共計七個步驟第一部分是水印嵌入通過對圖像進行水印的嵌入操作和特征提取，得到一個相應(yīng)的二值邏輯序列Key(j)；1)對原圖F進行L級小波分解，得到低頻逼近子圖FAL；2)用疊加法將水印嵌入到逼近子圖小波系數(shù)FAL中，公式為FA′L＝FAL+αW；其中α為水印嵌入強度；3)通過對嵌有水印的逼近子圖FA′L，進行全局DCT變換，找到一個對幾何攻擊魯棒的水印圖像視覺特征向量V(j)，該特征向量由DCT低中頻系數(shù)的符號序列生成，V＝{v(j)|v(j)＝0，1；1≤j≤J}，J表示明視覺特征向量V(j)的元素多少，J的取值大小要根據(jù)一次性嵌入水印長度和對魯棒性要求的強弱來決定；J越小水印魯棒性越好，但一次性嵌入水印的信息越少；4)利用密碼學(xué)中常用的異或邏輯，由圖像的視覺特征向量V(j)和要嵌入的水印W(j)是生成一個二值邏輯序列Key(j)；Key(j)＝V(j)W(j)；保存Key(j)，這在下面提取水印時要用到，通過將Key(j)作為密鑰向第三方申請，可以獲得原作品的所有權(quán)，達到保護版權(quán)的目的；第二部分是水印提取根據(jù)二值邏輯序列Key(j)，和待測圖像的特征向量V’(j)，提取出水印W’(j)；5)對待測圖像Test_F(簡記為T_F)進行L級小波分解，求出待測圖像的逼近子圖T_FAL；6)對逼近子圖T_FAL進行DCT變換，求出待測圖像的特征向量V’(j)；其中待測圖像特征向量的長度和向量元素選取的位置與水印嵌入部分提取的特征向量V(j)相同；7)根據(jù)在水印嵌入過程中形成的邏輯序列Key(j)和待測圖像的圖像特征向量V’(j)，利用異或邏輯的性質(zhì)求出待測圖像中的水印W’(j)，W’(j)＝V’(j)Key(j)；再根據(jù)W和W’的相關(guān)程度來判別是否有水印嵌入，從而確定待測圖像的所有權(quán)。
全文摘要
本發(fā)明公開了一種基于小波變換的數(shù)字水印技術(shù)，屬于多媒體信號處理領(lǐng)域。本發(fā)明分水印嵌入和水印提取兩部分。水印嵌入部分為對原始圖像進行小波變換，將水印嵌入到逼近子圖系數(shù)中，再對該逼近子圖進行全圖DCT變換，找到一個對幾何攻擊魯棒的圖像特征向量；水印提取部分為對被測圖像進行小波變換，對逼近子圖進行全圖DCT變換，找到待測圖像的特征向量，利用該特征向量進行待測圖像的水印提取。本發(fā)明是基于小波變換的數(shù)字水印技術(shù)，并利用圖像特征進行水印提取，試驗表明該方法有較強的抗旋轉(zhuǎn)、縮放、平移和扭曲幾何攻擊能力。
文檔編號G06T1/00GK1808495SQ20061000537
公開日2006年7月26日 申請日期2006年1月18日 優(yōu)先權(quán)日2006年1月18日
發(fā)明者李京兵 申請人:李京兵