專利名稱：一種基于圖像相位特征抗局部非線性幾何攻擊的水印方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于圖像相位特征的數(shù)字水印技術(shù)，是一種多媒體數(shù)據(jù)保護(hù)方法，屬于多媒體信號(hào)處理領(lǐng)域。
背景技術(shù)：
目前數(shù)字水印是保護(hù)數(shù)字媒體版權(quán)的有效方法之一。但是現(xiàn)在大多數(shù)水印只能抵抗常規(guī)攻擊，對(duì)于幾何攻擊常常無(wú)能為力。近年來(lái)，國(guó)外一些學(xué)者對(duì)抗幾何攻擊水印算法做了一些理論研究，但效果并不理想。
目前抗幾何攻擊的數(shù)字水印算法主要有利用原始圖像通過(guò)搜索判斷的策略來(lái)判斷所經(jīng)歷的幾何變換，再通過(guò)對(duì)水印圖像進(jìn)行反變換，提取出水印。由于事先并不知道水印圖像所經(jīng)歷的幾何變形，所以搜索的計(jì)算量較大。并且當(dāng)水印圖像經(jīng)歷的幾何變形次數(shù)增多時(shí)，采用該法正確提取水印的概率大大降低。
O’Ruanaidh等提出基于Fourier-Mellin變換(含兩次DFT變換和一次LPM變換)的水印嵌入方法，利用該變換擁有RST(Rotate，Scaling，Translation)不變性，實(shí)現(xiàn)水印的抗RST幾何攻擊能力，但由于LPM變換是在DFT的變換空間進(jìn)行，這就需要在很廣泛的動(dòng)態(tài)范圍內(nèi)進(jìn)行領(lǐng)域系數(shù)的插值運(yùn)算，算法實(shí)現(xiàn)起來(lái)困難，并且多次變換使得誤差較大，水印圖像質(zhì)量變差。
Pereira等使用了模板插入法，即把模板作為一個(gè)校準(zhǔn)因子，把它嵌入到DFT的幅值子空間中，檢測(cè)水印時(shí)利用該模板來(lái)判斷圖像所經(jīng)歷的幾何變換，但模板的嵌入及提取較復(fù)雜，并且模板容易受到攻擊。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。
并且以上研究的幾何攻擊是全局幾何攻擊(RST)，這是一種線性變換。變換前后的每個(gè)象素坐標(biāo)，可以用如下公式表示，x′y′=abcd·xy+ef]]>其中，(x，y)和(x’，y’)分別為變換前后同一象素的坐標(biāo)。
只要確定了系數(shù)(a，b，c，d，e，f)，就可以描述該變換。，通過(guò)對(duì)攻擊后的圖像反變換，就可求出攻擊前的水印圖像。
但是在現(xiàn)實(shí)生活中，常常存在另外一種幾何攻擊，它們屬于局部非線性幾何攻擊。常見(jiàn)的局部非線性幾何攻擊有局域任意扭曲攻擊(RBA，random bending attack)，投影變換(Project transform)和局部扭曲幾何攻擊。特別是RBA攻擊，它由Stirmark軟件產(chǎn)生，RBA造成的局域失真較小，而最小均方差很大，并且不能用有限個(gè)獨(dú)立參數(shù)描述，所以它們不像全局變換那樣容易處理。
正如Voloshynovskiy等指出，這些局部非線性幾何攻擊幾乎使得所有水印算法失效，并且這些攻擊在現(xiàn)實(shí)生活中普遍存在，比如打印和掃描等。至今為止局部非線性幾何攻擊仍是一個(gè)比較難以解決的課題。行之有效的方法，目前尚未見(jiàn)報(bào)道，尚屬空白。所以研究抗局部非線性幾何攻擊數(shù)字水印方法意義重大。

發(fā)明內(nèi)容
本發(fā)明的目的是提出一種能抗擊局部非線性幾何攻擊的數(shù)字水印嵌入與提取方法，以保護(hù)數(shù)字媒體的版權(quán)。
為了實(shí)現(xiàn)上述目的，本發(fā)明是這樣進(jìn)行的基于DFT變換，利用圖像的低中頻相位特征，將水印技術(shù)與密碼學(xué)有機(jī)結(jié)合起來(lái)，實(shí)現(xiàn)了數(shù)字水印的抗局部非線性幾何攻擊。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)通過(guò)DFT變換，在相位子空間中，求得圖像的一個(gè)相位特征向量V(j)，(2)根據(jù)水印W(j)和圖像的相位特征向量V(j)生成一個(gè)二值邏輯序列key(j)。第二部分為水印提取，包括(3)求出待測(cè)圖像的相位特征向量V’(j)，(4)利用二值邏輯序列key(j)和待測(cè)圖像相位特征向量V’(j)，提取出水印W’(j)；最后根據(jù)W(j)和W’(j)的相關(guān)性來(lái)確定待測(cè)圖像的版權(quán)所有。
現(xiàn)對(duì)本發(fā)明詳細(xì)說(shuō)明如下第一部分通過(guò)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(jī)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，水印的嵌入過(guò)程如下1)通過(guò)對(duì)圖像進(jìn)行DFT變換，得到一個(gè)相位特征向量V(j)先對(duì)原圖F(i，j)進(jìn)行DFT變換，得到DFT系數(shù)矩陣FF(i，j)，再?gòu)南禂?shù)矩陣FF(i，j)的左上角求得其低中頻系數(shù)矩陣。并將該矩陣轉(zhuǎn)換成橫或列向量(可使用Matlab的Im2col指令實(shí)現(xiàn))Y(j)，并通過(guò)符號(hào)運(yùn)算得到該圖像的一個(gè)相位特征向量V(j)，具體做法是當(dāng)DFT系數(shù)為正是我們用“1”表示，系數(shù)為負(fù)或零時(shí)用“0”表示(原因見(jiàn)下部分)，程序描述如下FF(i，j)＝DFT2(F(i，j))Y(j)＝Im2col(FF(i，j))V(j)＝-Sign(Y(j))2)根據(jù)水印W(j)和圖像的相位特征向量V(j)生成一個(gè)二值邏輯序列key(j)key(j)＝V(j)W(j)key(j)是由圖像的相位特征向量V(j)和水印W(j)，通過(guò)密碼學(xué)常用的Hash函數(shù)生成。保存key(i)，在以后提取水印時(shí)需要。通過(guò)將key(j)作為密鑰向第三方申請(qǐng)，以獲得原作品的所有權(quán)，達(dá)到版權(quán)保護(hù)的目的。
第二部分水印的提取3)求出待測(cè)圖像的相位特征向量V’(j)設(shè)待測(cè)圖像為F’(i，j)，經(jīng)過(guò)全圖DFT變換后得到DFT系數(shù)矩陣為FF’(i，j)，按上述Step1方法，求得待測(cè)圖像的一個(gè)相位特征向量V’(j)；FF’(i，j)＝DFT2(F’(i，j))Y’(j)＝Im2col(FF’(i，j))
V’(j)＝-Sign(Y’(j))4)在待測(cè)圖象中提取出水印W’(j)根據(jù)在嵌入水印時(shí)生成的key(j)和待測(cè)圖像的相位特征向量V’(j)，利用Hash函數(shù)性質(zhì)可以提取出待測(cè)圖像的水印W’(j)W’(j)＝key(j)V’(j)再根據(jù)W(j)和W’(j)的相關(guān)程度來(lái)判別待測(cè)圖像的所有權(quán)。
本發(fā)明與現(xiàn)有的水印技術(shù)比較有以下優(yōu)點(diǎn)首先，本發(fā)明是基于DFT變換的相位子空間，對(duì)RBA等局部非線性幾何攻擊有較好的魯棒性。因?yàn)镈FT的系數(shù)符號(hào)是和圖像的相位直接關(guān)聯(lián)的，所以本水印嵌入提取是利用了圖像的相位特征。正如Hayes等所述就圖像的理解來(lái)說(shuō)，相位信息要比圖像的幅度信息更重要。而常規(guī)的抗幾何攻擊水印方法——Fourier-Mellin、模板嵌入等方法，都是在DFT的幅值空間進(jìn)行水印操作，并且無(wú)法抗擊RBA等局部非線性幾何攻擊。因此本發(fā)明有更好的魯棒性。
其次，使用本發(fā)明嵌入的水印具有很好的不可見(jiàn)性，較好的解決了水印的不可見(jiàn)性和魯棒性之間的矛盾。由于只是利用圖像的相位特征，采用的是零水印技術(shù)，所以嵌入水印不影響原始圖像質(zhì)量，是一種無(wú)損水印，在醫(yī)療、遙測(cè)、航空拍攝等方面具有實(shí)用價(jià)值，使用范圍廣，并且可容易實(shí)現(xiàn)多水印和大水印的嵌入與提取。
最后使用本發(fā)明，水印的提取不需要原始圖像，提取速度快，可以實(shí)現(xiàn)在線的水印檢測(cè)。
以下我們從理論基礎(chǔ)和試驗(yàn)數(shù)據(jù)說(shuō)明
1)離散傅立葉變換(DFT)在數(shù)字水印中，DFT被廣泛使用，通過(guò)該變換，我們可以得到圖像的幅值子空間和相位子空間。
假設(shè)f(m，n)是一個(gè)離散空間中的二維函數(shù)，則二維離散傅立葉的正反變換公式如下。
離散傅立葉的正變換公式(DFT)F(p,q)=Σm=0M-1Σn=0N-1f(m,n)e-j(2π/M)pme-j(2π/N)qn)]]>p＝0，1，Λ，M-1；q＝0，1，Λ，N-1；反變換公式(IDFT)f(m,n)=1MNΣp=0M-1Σq=0N-1F(p,q)ej(2π/M)pmej(2π/N)qn)]]>m＝0，1，Λ，M-1；n＝0，1，Λ，N-1；F(p，q)稱為離散傅立葉變換系數(shù)。
其中m，n為空間域采樣值；p，q為頻率域采樣值，通常數(shù)字圖像用像素方陣表示，即M＝N。
2)一種圖像相位特征向量的選取方法目前大部分的數(shù)字水印算法是將水印直接嵌入在圖像的像素或變換系數(shù)中。當(dāng)水印圖像受到輕微的局部扭曲，常常導(dǎo)致像素值或變換系數(shù)值的突然變化，這樣嵌入的水印便被輕易攻擊。而事實(shí)上我們發(fā)現(xiàn)這時(shí)水印圖像并沒(méi)有明顯的幾何變化。通過(guò)對(duì)大量圖像的DFT中低頻系數(shù)觀察，發(fā)現(xiàn)一個(gè)現(xiàn)象，當(dāng)對(duì)一個(gè)圖像進(jìn)行多種局部非線性幾何攻擊時(shí)(投影變換，RBA，局部扭曲等)，中低頻系數(shù)(包括實(shí)部和虛部?jī)刹糠?值大小一般會(huì)可能發(fā)生一些變化，但是系數(shù)的符號(hào)基本保持不變。部分試驗(yàn)數(shù)據(jù)如表1所示。設(shè)DFT系數(shù)(含實(shí)部和虛部?jī)刹糠?，正值用“1”表示，負(fù)值或零值用“0”表示，那么在表1中，對(duì)于原圖Lena512來(lái)說(shuō)DFT系數(shù)矩陣中的F(1，1)-F(1，5)系數(shù)值，對(duì)應(yīng)的“系數(shù)符號(hào)序列”為“10 01 10 01 00”。我們通過(guò)觀察表1中“系數(shù)符號(hào)序列”這一列數(shù)據(jù)可以發(fā)現(xiàn)，對(duì)于不同的幾何攻擊，該列值能保持驚人的相似，并且歸一化的相關(guān)系數(shù)都較大(為1)。所以DFT的低中頻符號(hào)序列具有抗局部非線性幾何攻擊的能力，又由于系數(shù)符號(hào)是和圖像的相位直接相關(guān)的，因此由符號(hào)序列生成的特征向量是一種相位特征向量。
為了進(jìn)一步驗(yàn)證該符號(hào)序列可以作為該圖像的一個(gè)特征向量，我們把常見(jiàn)的不同測(cè)試圖像(見(jiàn)圖2(a)-(f))的相位特征向量進(jìn)行比較。先進(jìn)行DFT變換，先求出各個(gè)測(cè)試圖的“系數(shù)符號(hào)序列”，再算出不同測(cè)試圖像之間的“系數(shù)符號(hào)序列”的相關(guān)系數(shù)，計(jì)算結(jié)果見(jiàn)表2。從表2發(fā)現(xiàn)不同的測(cè)試圖像，“系數(shù)符號(hào)序列”的相關(guān)系數(shù)很小，因此DFT的符號(hào)序列可以作為該圖像的一個(gè)特征向量。另外，為了有統(tǒng)計(jì)特性，這里在計(jì)算相關(guān)系數(shù)時(shí)，測(cè)試圖像的符號(hào)序列取的位數(shù)為128bit。
表1 圖像受局部幾何攻擊后DFT中低頻部分系數(shù)的變化值

*系數(shù)單位1.0e+007表2 不同測(cè)試圖像相位特征向量(128bit)之間的相關(guān)系數(shù)

*V1-V6分別對(duì)應(yīng)標(biāo)準(zhǔn)測(cè)試圖像圖2(a)-圖2(f)的相位特征向量，母?jìng)€(gè)特征向量為128bit。
3)水印嵌入的位置和一次性嵌入的長(zhǎng)度根據(jù)人類視覺(jué)特性(HVS，Human Vision System)，低中頻信號(hào)對(duì)人的視覺(jué)影響較大，代表者圖像的主要輪廓特征。因此我們所選取圖像的相位特征向量是DFT低中頻系數(shù)(一個(gè)系數(shù)由實(shí)部和虛部?jī)刹糠纸M成)的符號(hào)，低中頻系數(shù)的個(gè)數(shù)L的確定與原始圖像的大小、以及一次性嵌入的信息量和要求的魯棒性有關(guān)，L值越小，一次性嵌入的信息量越少，但魯棒性越高。綜合考慮，這里選取L的長(zhǎng)度為128bit。
綜上所述，我們通過(guò)對(duì)DFT系數(shù)的分析，利用圖像低中頻系數(shù)的符號(hào)序列得到一個(gè)圖像的相位特征向量；


圖1(a)是原始圖像。
圖1(b)是經(jīng)過(guò)投影攻擊的圖像。
圖1(c)是經(jīng)過(guò)RBA攻擊的圖像。
圖1(d)是經(jīng)過(guò)波紋扭曲的圖像。
圖1(e)是經(jīng)過(guò)擠壓扭曲的圖像。
圖1(f)是經(jīng)過(guò)旋轉(zhuǎn)扭曲的圖像。
圖2(a)是標(biāo)準(zhǔn)測(cè)試圖Lena512。
圖2(b)是標(biāo)準(zhǔn)測(cè)試圖Peppers512。
圖2(c)是標(biāo)準(zhǔn)測(cè)試圖Woman512。
圖2(d)是標(biāo)準(zhǔn)測(cè)試圖Baboo512。
圖2(e)是標(biāo)準(zhǔn)測(cè)試圖Crowd512。
圖2(f)是標(biāo)準(zhǔn)測(cè)試圖Harbour512。
圖3(a)是不加干擾時(shí)的水印圖像。
圖3(b)是不加干擾時(shí)的網(wǎng)格檢測(cè)。
圖3(c)是不加干擾時(shí)的圖像水印檢測(cè)。
圖4(a)是有投影變換的水印圖像。
圖4(b)是有投影變換的網(wǎng)格圖像。
圖4(c)是有投影變換的圖像水印檢測(cè)。
圖5(a)是沒(méi)有受到RBA攻擊的帶網(wǎng)格的水印圖像。
圖5(b)是有RBA攻擊的帶網(wǎng)格的水印圖像(stirmark4.0)。
圖5(c)是有RBA攻擊的圖像水印檢測(cè)。
圖6(a)是有波紋扭曲的水印圖像(扭曲數(shù)量為400％)。
圖6(b)是有波紋扭曲的網(wǎng)格。
圖6(c)是有波紋扭曲的水印檢測(cè)。
圖7(a)是有擠壓扭曲的水印圖像(扭曲數(shù)量為50％)。
圖7(b)是有擠壓扭曲的網(wǎng)格。
圖7(c)是有擠壓扭曲的水印檢測(cè)。
圖8(a)是有球面扭曲的水印圖像(扭曲數(shù)量為40％)。
圖8(b)是有球面扭曲的網(wǎng)格。
圖8(c)是有球面扭曲的水印檢測(cè)。
圖9(a)是有旋轉(zhuǎn)扭曲的水印圖像(扭曲角度為40度)。
圖9(b)是有旋轉(zhuǎn)扭曲的網(wǎng)格。
圖9(c)是有旋轉(zhuǎn)扭曲的圖像水印檢測(cè)。
圖10(a)是有水波扭曲的圖像(水池波紋類型，扭曲數(shù)量為40％)。
圖10(b)是有水波扭曲的網(wǎng)格。
圖10(c)是有水波扭曲的圖像水印檢測(cè)。
圖11是Photoshop6.0軟件波浪隨機(jī)扭曲參數(shù)設(shè)置界面。
圖12(a)是有波浪隨機(jī)扭曲水印圖像(參數(shù)類型為正旋)。
圖12(b)是有波浪隨機(jī)扭曲水印圖像水印檢測(cè)。
圖13(a)是有波浪隨機(jī)扭曲水印圖像(參數(shù)類型為三角形)。
圖13(b)是有波浪隨機(jī)扭曲水印圖像水印檢測(cè)。
圖14(a)是有波浪隨機(jī)扭曲水印圖像(參數(shù)類型為方形)。
圖14(b)是有波浪隨機(jī)扭曲水印圖像水印檢測(cè)。
具體實(shí)施例方式
下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明，試驗(yàn)平臺(tái)采用Matlab6.5，使用1000組獨(dú)立的二值偽隨機(jī)序列(取值為+1或-1)，每組序列長(zhǎng)度為128bit，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。原始圖像為lena512，見(jiàn)圖3(a)，原始圖像表示為F(i，j)，其中1≤i≤512，1≤j≤512對(duì)應(yīng)的DFT變換系數(shù)矩陣為FF(i，j)，其中1≤i≤512，1≤j≤512。通過(guò)對(duì)FF(i，j)低中頻部分的系數(shù)進(jìn)行符號(hào)運(yùn)算，形成圖像的相位特征向量。考慮到魯棒性和一次性嵌入水印的容量，這里取特征特征向量長(zhǎng)度為，L＝128bit。檢測(cè)出水印W’后，通過(guò)計(jì)算歸一化相關(guān)系數(shù)NC(Normalized Cross Correlation)來(lái)判斷是否有水印嵌入。其中歸一化相關(guān)系數(shù)NC(Normalised Cross-Correlation)NC=ΣiΣjW(i,j)W′(i,j)ΣiΣjW2(i,j)]]>NC作為水印檢測(cè)器的輸出，根據(jù)該值大小可反映出水印是否存在。
不加外部干擾時(shí)的水印圖像見(jiàn)圖3(a)，水印圖像清晰，對(duì)應(yīng)的網(wǎng)格見(jiàn)圖3(b)，水印檢測(cè)器的輸出見(jiàn)圖3(c)，可以看到NC＝1.0，明顯檢測(cè)到水印的存在。
下面通過(guò)試驗(yàn)來(lái)檢測(cè)該水印抗非線性局部幾何攻擊能力。
1)投影變換投影變換是一種局部非線性變換。
圖4(a)是經(jīng)過(guò)投影變換后的水印圖像；
圖4(b)是對(duì)應(yīng)的網(wǎng)格變化；圖4(c)是水印檢測(cè)器響應(yīng)，從圖4(c)可以明顯檢測(cè)到水印的存在，這時(shí)NC＝0.68。但使用photoshop6.0中的商業(yè)水印軟件Digimarc卻無(wú)法從水印圖像圖4(a)中將水印出來(lái)。
2)局域任意扭曲攻擊(RBA，Random bending attack)stirmark是數(shù)字水印研究中，比較常用檢測(cè)軟件。這里使用該軟件(stirmark4.0)對(duì)水印圖像進(jìn)行一種局域任意扭曲攻擊。為觀察方便，我們?cè)谒D像中加入網(wǎng)格。
圖5(a)是帶網(wǎng)格的原始水印圖像；圖5(b)是一個(gè)經(jīng)過(guò)RBA攻擊的圖像(LATEST RNDDIST_1.1)，Psnr＝15.2dB；圖5(c)為水印的檢測(cè)結(jié)果，NC＝0.75；可以明顯檢測(cè)到水印的存在；而使用photoshop6.0中的商業(yè)水印檢測(cè)軟件Digimarc卻無(wú)法抗擊該RBA攻擊。
3)其它常見(jiàn)局部扭曲攻擊為了實(shí)驗(yàn)的方便和可重復(fù)性，我們使用photoshop6.0的濾鏡功能來(lái)實(shí)現(xiàn)以下常見(jiàn)的局部扭曲攻擊。
a)波紋扭曲圖6(a)是對(duì)水印圖像進(jìn)行波紋扭曲(扭曲數(shù)量為400％)PSNR＝19.69dB；圖6(b)是對(duì)應(yīng)的網(wǎng)格形狀；圖6(c)是水印檢測(cè)結(jié)果，可以明顯檢測(cè)到水印的存在，NC＝0.92。
通過(guò)表3可以看到當(dāng)扭曲數(shù)量高達(dá)900％時(shí)，NC＝0.90，仍然可以檢測(cè)到水印的存在，NC＝0.9。而使用Photoshop6.0中商業(yè)水印軟件Digimarc，能抗擊的扭曲數(shù)量低于150％。故本文水印算法有較強(qiáng)的抗波紋扭曲能力。
表3 水印抗波紋扭曲試驗(yàn)數(shù)據(jù)

b)擠壓扭曲圖7(a)是受到擠壓扭曲的水印圖像(扭曲數(shù)量為50％)，這時(shí)水印圖像的PSNR＝16.23dB，信噪比較低；圖7(b)是對(duì)應(yīng)的網(wǎng)格圖像圖7(c)是水印檢測(cè)結(jié)果?？梢悦黠@檢測(cè)到水印的存在，NC＝0.67。通過(guò)表4可以看到當(dāng)扭曲數(shù)量為70％時(shí)，NC＝0.53，仍然可以檢測(cè)到水印的存在，故該水印算法對(duì)擠壓扭曲有較好的魯棒性。
表4 水印抗擠壓扭曲試驗(yàn)數(shù)據(jù)

c)球面扭曲圖8(a)是受到球面扭曲的水印圖像(扭曲數(shù)量為40％)，這時(shí)水印圖像的PSNR＝15.37dB，信噪比較低；圖8(b)是對(duì)應(yīng)的網(wǎng)格圖像；圖8(c)是水印檢測(cè)結(jié)果，可以明顯檢測(cè)到水印的存在，NC＝0.61。
通過(guò)表5可以看到當(dāng)扭曲數(shù)量為50％時(shí)，NC＝0.51，仍然可以檢測(cè)到水印的存在。
表5 水印抗球面扭曲試驗(yàn)數(shù)據(jù)

d)旋轉(zhuǎn)扭曲圖9(a)為旋轉(zhuǎn)扭曲的水印圖像(旋轉(zhuǎn)角度為40)，這時(shí)水印圖像的PSNR＝16.89dB，信噪比較低；圖9(b)為對(duì)應(yīng)的網(wǎng)格圖像；圖9(c)為水印檢測(cè)結(jié)果，從圖中可以明顯檢測(cè)到水印的存在，NC＝0.64。
通過(guò)表6可以看到當(dāng)扭曲角度為50度時(shí)，NC＝0.53，仍然可以檢測(cè)到水印的存在，故該水印算法有較強(qiáng)的抗旋轉(zhuǎn)扭曲能力。
表6 水印抗旋轉(zhuǎn)扭曲試驗(yàn)數(shù)據(jù)

e)水波扭曲(水池波紋)圖10(a)對(duì)水印圖像進(jìn)行水波扭曲(扭曲數(shù)量為40％，起伏5％)，這時(shí)水印圖像的PSNR＝15.82dB，信噪比較低。
圖10(b)對(duì)應(yīng)的網(wǎng)格圖像；圖10(c)水印檢測(cè)結(jié)果，可以明顯檢測(cè)到水印的存在，NC＝0.53。通過(guò)表7可以看到當(dāng)扭曲角度為50度時(shí)，NC＝0.51，仍然可以檢測(cè)到水印的存在，故該水印算法有較強(qiáng)的抗水波扭曲能力。
表7 水印抗水波扭曲試驗(yàn)數(shù)據(jù)

f)波浪隨機(jī)扭曲圖11為波浪隨機(jī)扭曲的參數(shù)設(shè)置界面。
圖12(a)當(dāng)類型為正旋形的水印圖像，受到波浪隨機(jī)扭曲時(shí)，水印圖像，PSNR＝15.46dB，這是水印圖像已有較大失真；圖12(b)為水印檢測(cè)結(jié)果，見(jiàn)圖這時(shí)NC＝0.7658，還可以明顯檢測(cè)到水印的存在。
當(dāng)類型為三角形的波浪隨機(jī)扭曲時(shí)，水印圖像見(jiàn)圖13(a)，PSNR＝19.18dB。水印檢測(cè)結(jié)果見(jiàn)圖13(b)，這時(shí)NC＝0.968，可以明顯檢測(cè)到水印的存在。
當(dāng)類型為方形的波浪隨機(jī)扭曲時(shí)，水印圖像見(jiàn)圖14(a)，PSNR＝14.26dB，圖像失真較大。水印檢測(cè)結(jié)果見(jiàn)圖14(b)，這時(shí)NC＝0.73，可以明顯檢測(cè)到水印的存在。
而Photoshop6.0的水印軟件Digimarc無(wú)法抗擊圖12(a)，圖13(a)，和圖14(a)的波浪隨機(jī)扭曲攻擊。
權(quán)利要求
1.一種基于相位特征可抗局部非線性幾何攻擊的數(shù)字水印方法，其特征在于基于圖像的相位特征，并將水印技術(shù)與密碼學(xué)有機(jī)結(jié)合起來(lái)，實(shí)現(xiàn)了數(shù)字水印的抗局部非線性幾何攻擊，該數(shù)字水印方法共分兩個(gè)部分，共計(jì)四個(gè)步驟第一部分是水印嵌入通過(guò)對(duì)水印的嵌入操作，得到相應(yīng)的二值邏輯序列key(j)；1)對(duì)原圖進(jìn)行DFT變換，在DFT系數(shù)中根據(jù)低中頻系數(shù)的符號(hào)序列來(lái)得到該圖的一個(gè)相位特征向量V(j)；2)利用Hash函數(shù)和要嵌入的水印W(j)，得到一個(gè)二值邏輯序列key(j)，key(j)＝V(j)W(j)；保存key(j)，下面提取水印時(shí)要用到。通過(guò)把key(j)作為密鑰向第三方申請(qǐng)，以獲得對(duì)原圖的所有權(quán)；第二部分是水印提取通過(guò)二值邏輯序列key(j)，和待測(cè)圖像的相位特征向量V’(j)，提取出水印W’(j)；3)對(duì)待測(cè)圖像進(jìn)行DFT變換；在DFT系數(shù)中，根據(jù)低中頻系數(shù)的符號(hào)提取出待測(cè)圖像的一個(gè)相位特征向量V’(j)；4)利用Hash函數(shù)性質(zhì)提取出水印，W’(j)＝key(j)V’(j)；將W(j)和W’(j)進(jìn)行相關(guān)度測(cè)試，來(lái)確定圖像的所有權(quán)。
全文摘要
本發(fā)明公開了一種基于圖像相位特征的數(shù)字水印技術(shù)，屬于多媒體信號(hào)處理領(lǐng)域。本發(fā)明的步驟是先進(jìn)行水印的嵌入，包括(1)通過(guò)DFT變換在相位子空間中，提取一個(gè)能代表原始圖像相位特征的向量；(2)利用該相位特征向量和要嵌入的水印通過(guò)Hash函數(shù)得到一個(gè)二值邏輯序列。然后進(jìn)行水印提取，包括(3)對(duì)被測(cè)圖像進(jìn)行DFT變換，找到待測(cè)圖像相位特征向量；(4)利用Hash函數(shù)性質(zhì)和嵌入時(shí)得到的二值邏輯序列來(lái)提取水印。本發(fā)明是基于圖像相位特征的數(shù)字水印技術(shù)，實(shí)驗(yàn)證明有較強(qiáng)的抗局部非線性幾何攻擊能力。
文檔編號(hào)G06T1/00GK1932879SQ20061013706
公開日2007年3月21日 申請(qǐng)日期2006年10月16日 優(yōu)先權(quán)日2006年10月16日
發(fā)明者李京兵 申請(qǐng)人:李京兵