亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

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

文檔序號(hào):6562075閱讀:230來(lái)源:國(guó)知局
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
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1