專利名稱：：一種基于特征點的穩(wěn)健數(shù)字水印方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于數(shù)字水印
技術(shù)領(lǐng)域：
，涉及到特征點的提取、特征方向確定、特征區(qū)域的選取，以及水印信息的嵌入和檢測方法。
背景技術(shù)：
：隨著網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，給人們的工作和生活帶來了巨大便利。但以數(shù)字媒介為載體的作品，如書籍、音樂、圖像和視頻等，具有容易獲取、復(fù)制和傳播等特點，極大地豐富了人們的生活，同時數(shù)字產(chǎn)品的版權(quán)保護(hù)也成為一個突出的問題。穩(wěn)健性數(shù)字水印技術(shù)作為解決該問題的一個有效方法，近年來已經(jīng)取得了很大的進(jìn)展。數(shù)字水印(watermark)是1993年由Tirkel等人創(chuàng)造了以來，受到了越來越多的關(guān)注。學(xué)術(shù)界于1996年、1998年、1999年召開了三屆信息隱藏技術(shù)國際研討會。在SPIE和IEEE的一些重要會議上也開辟了相關(guān)的專題。自從1998年以來，IEEE的許多家科學(xué)研究機(jī)構(gòu)都組織了數(shù)字水印的技術(shù)?？?qū)ｎ}報道，政府組織和著名企業(yè)及公司也進(jìn)行了參與，這更加使得數(shù)字水印技術(shù)成為信息科學(xué)前沿中一個新的研究熱點。目前的圖像水印方法能夠有效抵抗如壓縮、加噪和濾波等一般信號處理，但是對于幾何攻擊則缺乏穩(wěn)健性。攻擊者對目標(biāo)圖像進(jìn)行旋轉(zhuǎn)、縮放等幾何變換后，絕大多數(shù)水印算法的檢測器無法再次檢測水印信息，而這種變換并不影響其視覺效果。因此如何有效抵抗幾何攻擊是目前穩(wěn)健性水印算法研究的一大課題。近年來，數(shù)字水印提出了很多穩(wěn)健性的算法，如在空域中直接嵌入水印信息，以及發(fā)展到后來的在變換域中嵌入的數(shù)字水印信息，如在傅立葉變換(DFT)域、或者更為復(fù)雜的傅立葉-梅林等變換域中嵌入數(shù)字水印信息，還有離散余弦變換(DCT)域和小波變換(DWT)域中嵌入數(shù)字水印信息。雖然上面所敘述的方法在水印技術(shù)的研究有了很大進(jìn)展，但是抵抗幾何攻擊方面仍然存在著巨大問題。對于給定的水印算法，水印檢測器必需知道水印嵌入的確切位置。但由于變換域中不具有幾何不變特征，在幾何失真后，原有位置系數(shù)值都將發(fā)生較大的變化。盡管水印分量從一定意義上講，仍然可能存在于數(shù)字媒體中，但各分量的存在位置已經(jīng)與嵌入時完全不同。幾何攻擊并沒有破壞圖像水印，而是破壞了待檢測水印圖像與嵌入水印信息之間的同步。目前有很多種抗幾何攻擊的數(shù)字水印算法，但基于特征的方法在圖像經(jīng)過幾何攻擊，以及壓縮、加噪、濾波等常見的信號處理后仍然能夠較好提取水印信息。目前基于特征的方法有基于輪廓、基于特征點、角點等[①MokhtarianF，SuomelaR.Robustimagecornerdetectionthroughcurvaturescalespace[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,1998，20(12):1376-1381.②HarrisC，St印hensM.Acombinedcornerandedgedetector[C].ProceedingsoftheFourthAlveyVisionConference,1988，147-151.③DericheR，GiraudonG.Acomputationalapproachforcornerandvertexdetection[J].InternationalJournalofComputerVision,1993，10(2):101-124.④ParidaL，GeigerD，HummelR.Junctions:Detection，classification,andreconstruction[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,1998，20(7):687-698.]。其中基于特征點的方法能夠在一定程度上抵抗幾何攻擊[PetitcolasFAP，AndersonRJ，MGKuhn.Attacksoncopyrightmarkingsystems[C].ProcofInformationHiding.1998,1525:218-238.]，所以現(xiàn)在得到了廣泛的應(yīng)用。但目前還存在很多問題[①LoweDG.DistinctiveImagefeaturesfromscale-Invariantkeypoints[J]，InternationalJournalofComputerVision,2004，60(2):91-110.②PingD，JovanGB，NikolasPG，YangY，F(xiàn)Davoine.Digitalwatermarkingrobusttogeometricdistortions[J].IEEETransactionsonlmageProcessing,2005，14(12):2140-2150.]。目前的特征點的提取方法主要是基于多尺度特征點的提出方法，以及SIFT方法。這類特征點的提取方法提取的特征點大量應(yīng)用于圖像匹配，目前還沒有針對數(shù)字水印抗幾何攻擊的特征點。用上述的方法提取的特征點在受到幾何攻擊后，特征點的穩(wěn)定性較差。而且嵌入數(shù)字水印信息對特征點的要求與圖像匹配對特征點的要求不同，數(shù)字水印要求特征點的穩(wěn)定要好，特征點數(shù)量不要過多(能夠適應(yīng)嵌入水印信息長度即可)，并且在同一特征區(qū)域內(nèi)要求特征點的個數(shù)要盡量少。而目前提取特征點方法應(yīng)用在穩(wěn)健數(shù)字水印還存在很多問題，主要是提取的特征點過多，抵抗幾何攻擊的能力差，在同一區(qū)域內(nèi)相互影響的特征點過多等問題。
發(fā)明內(nèi)容本方法以Harris-Laplace算法為基礎(chǔ)，提出一種新的適用于穩(wěn)健數(shù)字水印的特征點提取方法，通過提取的特征點為基礎(chǔ)，確定特征方向和特征區(qū)域，最后在該特征區(qū)域內(nèi)嵌入水印信息。本發(fā)明的技術(shù)方案如下(1)特征點的提取首先利用本文改變的Harris-Laplace算法提取候選特征點，在算出每個候選特征點的局部方差，如果它的局部方差大于閥值就確定為特征點。首先改變Harris角點的尺度空間，改變后如下—、7-J収x,y)I丄(x，y》、CXx，y，s)ss《G(x，y，s)承l(wèi),/其中Ix(x，y)，Iy(x，y)表示在圖像在I(x，y)與模dx=[-101;-101;-101]和dy=dx'的巻積。然后，再計算M，如果M〉TM(其中TM閥值，本方法以Lena、P印pers、Baboon進(jìn)行100次測試，得出的效果比較好的閥值為TM=40000)，并且L即lace算子達(dá)到局部的極值，那么就把該點作為候選特征點。最后求候選的特征點求局部方差，局部方差D2(x，y)定義如下D2(x，y)=￡(I(xy》—if(x;，y;))2其中I(Xi，y》為以特征點為中心腫n區(qū)域內(nèi)任意一點的灰度值，如果某個候選特征點的局部方差tf(x，y)大于一個閥值T。(其中TD閥值，本方法以Lena、P印pers、Baboon進(jìn)行100次測試，得出的效果比較好的閥值為TD=35000)，那么這個點就為特征點。由于在提取特征點時，有時會在同一地方會提取兩個(尤其是在受到幾何攻擊后)，這里就是一個偽特征點，所以要去掉這個點。本文根據(jù)它們的D2(x，y)的大小來判斷它們的真?zhèn)巍Ｈ绻鸇2(x，y)的值大就認(rèn)為它為真正的特征點。(2)特征方向的確定在特征點(x，y)選取一個半徑R的區(qū)域，沿梯度方向取灰度值為極值的點(如果沿梯度方向的灰度值變小，那么取最小值；反之，取最大值)，然后半徑加l，再取梯度方向的極植點。如果在一個方塊中有相同的極值點，那么取它們的位置平均值。之所以選擇這樣的點，作為特征角的運算，主要是它們受到濾波等信號處理，以及幾何攻擊后，仍然能夠保持相對于特征點的位置的不變。在梯度方向上求特征點每一個鄰域I(x，y)^(i=7，9，...，2*n-l)的求最大值所在位置(Xi，y》。然后根據(jù)它們距特征點的—1nX—X—1ny.—y距離、=*「^+^—y)2分別求出下面的兩個值。x，rr，y;gt遏后求出特征方向為=arcton《，/S)o(3)選取特征區(qū)域首先對選出的特征點集按特征強(qiáng)度的大小，從大到小進(jìn)行按排序。然后以特征點為中心，取長方形的特征區(qū)域的對角線長度為:k^^T,其中k為常數(shù)，a與b分別為圖像長和寬的尺寸。方向為特征方向的一個長方形。在這里"方向為特征方向"是指，這個特征點的特征方向垂直于長方形特征區(qū)域高的中點連線的方向。當(dāng)我們選取的特征區(qū)域發(fā)生重疊時，刪除特征強(qiáng)度相對較小的特征點所對應(yīng)的特征區(qū)域。這樣選取的區(qū)域能夠有效的抵抗圖像長寬不同比率變化以及其它方式的幾何攻擊引起的特征區(qū)域的變形。數(shù)字水印的嵌入本文對特征區(qū)域進(jìn)行8*8的離散余弦變換，在中頻系數(shù)中嵌入水印信息。數(shù)字水印的檢測根據(jù)上面的方法，提取特征特征區(qū)域，然后對每個區(qū)域進(jìn)行離散余弦變換，再利用嵌入水印的相關(guān)性來檢測水印是否存在。本發(fā)明的效果和益處是本發(fā)明提出了一種基于特征點的穩(wěn)健數(shù)字水印方法，所提取的圖像特征點不僅穩(wěn)定性好，而且分布均勻，提高了整個水印系統(tǒng)對常規(guī)信號處理、隨機(jī)剪切等攻擊的抵抗能力，利用特征點和特征方向提取幾何不變特征區(qū)域，從而實現(xiàn)數(shù)字水印的抗幾何攻擊。實驗表明，在旋轉(zhuǎn)、縮放、裁減等一般性幾何攻擊以及它們的復(fù)合攻擊后的水印圖像，仍能夠較好的保持和原始圖像相同的數(shù)字水印，從而表明了該算法對數(shù)字水印抗幾何攻擊的穩(wěn)健性。本方法適用于數(shù)字水印領(lǐng)域。圖1是特征點檢測流程示意圖。圖2是特征方向確定示意圖。圖3是本文方法提取特征點示意圖。圖4(a)是原始宿主圖像Lena示意圖。圖4(b)是原始宿主圖像P印pers示意圖。圖5(a)含有水印圖像Lena檢測結(jié)果示意圖。圖5(b)含有水印圖像P印pers檢測結(jié)果示意圖。圖6是從受到幾何攻擊的水印圖像中提取的特征區(qū)域示意圖。圖7是從受到復(fù)合攻擊的水印圖像中提取的特征區(qū)域示意圖。具體實施例方式以下結(jié)合技術(shù)方案和附圖詳細(xì)敘述本發(fā)明的實施例。1.特征點的提取Harris特征點檢測算法是一種基于圖像的特征點提取算子，其原理是要處理的圖像以窗口W(—般為矩形區(qū)域)向任意方向移動微小位移(x，y)，則其灰度改變量可定義為<formula>formulaseeoriginaldocumentpage6</formula>其中，X和Y是一階灰度梯度，可對圖像求巻積得<formula>formulaseeoriginaldocumentpage6</formula>為了提高抗噪能力，對圖像窗口進(jìn)行了高斯平滑，選用如下的高斯窗口<formula>formulaseeoriginaldocumentpage6</formula>另外定義<formula>formulaseeoriginaldocumentpage6</formula>和矩陣<formula>formulaseeoriginaldocumentpage6</formula>注意到，e與局部自相關(guān)函數(shù)很接近，M描述了這個自相關(guān)函數(shù)在原點的形狀。設(shè)a和P分別是M的2個特征值。a和13與局部自相關(guān)函數(shù)的主曲率成比例，構(gòu)成一個對M的旋轉(zhuǎn)不變數(shù)。此時，可以通過判斷a和|3的值來判斷平坦區(qū)、角點和邊沿。當(dāng)兩個曲率都很小，說明局部自相關(guān)函數(shù)很平坦；當(dāng)一個曲率大，另一個曲率小，說明局部自相關(guān)函數(shù)呈現(xiàn)山脊?fàn)?，則e沿著山脊的變化很小，而垂直于山脊的變換很大，此處為一個邊沿；當(dāng)兩個曲率都很大，說明局部自相關(guān)函數(shù)有一個尖峰，則e沿任何方向變化都很激烈，此處為一個角點。于是，Harris特征點可以定義為下式的局部區(qū)域最大值<formula>formulaseeoriginaldocumentpage6</formula>其中，Tr(M)表示矩陣M的跡；Det(M)表示矩陣M的行列式值；k值Harris推薦為在具體的計算中，注意下面2個關(guān)系<formula>formulaseeoriginaldocumentpage6</formula>則其特征點邊緣響應(yīng)函數(shù)可定義為R=AB-C2-k(A+B)2(8)本文方法首先對Harris角點的尺度空間進(jìn)行改變，改變后如下<formula>formulaseeoriginaldocumentpage6</formula>其中Ix(x，y)，Iy(x，y)表示在圖像在I(x，y)與模dx=[-101;-101;-101]和dydx'的巻積。然后，再計算M，如果M〉TM(TM為閥值)，并且算子達(dá)到局部的極值，那么就把該點作為候選特征點。最后對候選的特征點求局部方差，局部方差D2(x，y)定義如下D2(x,y)=i(l(xy》—^tI(x;，y;))2(10)其中I(Xi，y》為以特征點為中心r^n區(qū)域內(nèi)任意一點的灰度值，如果tf(x，y)大于一個閥值TD，那么這個點就為特征點。由于在提取特征點時，會在同一地方會提取兩個(尤其是在受到幾何攻擊后)，這里就是一個偽特征點，這是由于Harris-Laplace算法產(chǎn)生的，所以要去掉這個點，本文根據(jù)它們的D2(x，y)的大小來判斷它們的真?zhèn)巍Ｈ绻鸇2(x，y)的值大就認(rèn)為它為真正的特征點。特征點提取的流程如附圖1。對特征點提取方法進(jìn)行旋轉(zhuǎn)的幾何攻擊以及JPEG壓縮攻擊實驗如圖3和下面表是每種特征點提取方法提取的特征點的個數(shù)、和原始圖像特征點對應(yīng)的個數(shù)以及重復(fù)率。檢測結(jié)果簾禱度數(shù)提取特征點tt個數(shù)和原始圖像對應(yīng)點翁個數(shù)衝復(fù)率o度2.22.2雄o,oo紫5度w86,36*10度201777,27%15度21W隨，320魔211777.27H25度191881,821)30度22W7"2*73%35度221777.27%40度乙<^1672.73%45度1463.謹(jǐn)2.特征方向的確定和特征區(qū)域選取特征方向是指依靠特征點確定的方向，這個方向在在圖像旋轉(zhuǎn)后，仍然能夠保證它相對于特征區(qū)域中保持不變。本文特征方向的選取按照灰度變化最大的方向，也是梯度方向。變化最大那這個值在特征點的領(lǐng)域內(nèi)一定是最大值或最小值的方向，所以本文選取的特征方向方法如下(1)分別在特征點(x，y)的3*3鄰域和5*5內(nèi)求最大與最小值。(2)求兩個最大值與特征點的值之差的絕對值max，再求兩個最小值與特征點之差的絕對值min，比較它們的大小。公式如下max=|max(I(x，y)3*3)-I(x，y)|+1max(I(x，y)5*5)-I(x，y)(11)min=|min(I(x，y)3*3)-I(x，y)|+1min(I(x，y)5*5)-I(x，y)(3)如果最大值與特征點的值之差的絕對值大于最小值與特征點的值之差的絕對值，那么就把最大值的方向為梯度方向。否則以最小值方向為梯度方向。在這里假設(shè)最大值方向為梯度方向。(4)在特征點(x，y)選取一個半徑R的鄰域區(qū)域，沿梯度方向取灰度值為極值的點(如果沿梯度方向的灰度值變小，那么取最小值；反之，取最大值)，然后半徑加l，再取梯度方向的極植點。圖2為依照本文算法提取的一個特征點鄰域的灰度值矩陣，中心表示特征點所在的位置，沿著梯度方向，在每個方塊中分別取灰度值的極值點(每個方塊中的最小值)，如果在一個方塊中有相同的極值點，那么取它們的位置平均值。之所以選擇這樣的點，作為特征角的運算，主要是它們受到濾波等信號處理，以及幾何攻擊后，仍然能夠保持相對于特征點的位置的不變。在梯度方向上求特征點每一個鄰域I(x，y)^(i=7，9，...，2*n-l)的求最大值所在位置(Xi，y》。然后根據(jù)它們距特征點的距離r,^"T^^T^(12)(5)分別求出下面的兩個值。i^丄堂fi^，；；il;I^1(13)n,-isnwij(6)最后求出特征方向為6=arctan(y/x)(14)特征區(qū)域選取這個區(qū)域能夠在旋轉(zhuǎn)、縮放、平移等幾何攻擊下，仍然能夠保持它的不變性。在后面簡稱特征區(qū)域。因此通過幾何不變特征區(qū)域嵌入和提取水印的算法能夠有效的抵抗幾何攻擊。本文利用特征點和特征方向選取幾何不變的特征區(qū)域具體算法如下首先對選出的特征點集P={Pi|Pi為特征點，i=l，...，nh按特征強(qiáng)度的大小，從大到小進(jìn)行按排序。然后以特征點為中心，取長方形的特征區(qū)域的對角線長度為k嗜+b2(15)k為常數(shù)，a與b分別為圖像長和寬的尺寸。方向為特征方向的一個長方形。在這里"方向為特征方向"是指，這個特征點的特征方向垂直于長方形特征區(qū)域高的中點連線的方向。當(dāng)我們選取的特征區(qū)域發(fā)生重疊時，刪除特征強(qiáng)度相對較小的特征點所對應(yīng)的特征區(qū)域。這樣選取的區(qū)域能夠有效的抵抗圖像長寬不同比率變化以及其它方式的幾何攻擊引起的特征區(qū)域的變形。3.數(shù)字水印的嵌入和提取數(shù)字水印的嵌入本文采用對特征區(qū)域的載體圖像進(jìn)行8*8塊的離散余弦變換，然后將二值水印信息嵌入DCT的中頻系數(shù)中。步驟如下(1)特征點提取利用本文所提供的算法從原始圖像中提取出的特征點集。(2)選取特征區(qū)域根據(jù)上面的特征點集選取特征區(qū)域，如果兩個特征區(qū)域重疊，那么保留特征強(qiáng)度比較大的特征點所對應(yīng)的特征區(qū)域。(3)水印產(chǎn)生隨機(jī)序列W={Wl，...，Wn}。其中Wi為0或1。(4)水印信息的嵌入選取一個特征區(qū)域，再對圖4進(jìn)行8*8塊的離散余弦變換產(chǎn)生離散余弦的圖像。假設(shè)在該區(qū)域內(nèi)圖像被分割為互不覆蓋的i個非0圖像塊&(x，y)，其中0《x，y<8，i=1，2，...，經(jīng)過離散余弦變換后為非0的Fi(u，v)，0《u，v〈8，i=1，2，...，F(xiàn)i(u，v)={Xl，...，xn}是一個在頻域空間的二維數(shù)組。去掉最外一圈的非O的塊，這樣保證了水印信息的嵌入特征區(qū)域內(nèi)。對Fi(u，v)內(nèi)的元素進(jìn)行排序，在水印W二{Wl，...，wn}順序取m水印信息，對Fi(u，v)序列中第L+l到L+m的中頻系數(shù)部分的值進(jìn)行修改。之所以選擇這種方式，是由于對于頻域特性來說，如果將圖像從空域變換到頻域，那么頻率越高，人眼的分辨能力就越低；反之，頻率越低，人眼的分辨能力就越高。但是，各種圖像處理操作對于圖像高頻部分的損壞可能大，如有損壓縮、低通濾波等。水印很容易在經(jīng)歷圖像處理的過程中損失，穩(wěn)健性較差。如果要獲得很好的穩(wěn)健性，數(shù)字水印應(yīng)加在低頻部分，但是這樣引起的圖像降質(zhì)較大，無法保證視覺透明性。因此，為了避開這一矛盾，從而在視覺透明性和穩(wěn)健性之間進(jìn)行折中。根據(jù)上面的分析，在本文中數(shù)字水印的嵌入選在圖像的中頻部分，用水印序?qū)χ蓄l系數(shù)進(jìn)行調(diào)整。按以下公式進(jìn)行x'i=Xi當(dāng)i<1或i>l+m.x::=x'+axfwi、1'|:1<i《l+m(16)其中a為大于0常數(shù)，在本文中a取IO，最后再進(jìn)行反離散余弦變換，得到嵌入一部分水印信息的區(qū)域。由于所嵌入的區(qū)域在特征區(qū)域內(nèi)，而在特征區(qū)域外的值都為O，也就是說特征區(qū)域外不包含水印信息。這樣就可以把用上面處理過的圖像與去掉特征區(qū)域的圖像(如下圖6)相加。重復(fù)上面的特征區(qū)域進(jìn)行離散余弦變換，加入水印信息，再進(jìn)行反余弦變換，最后把這個圖像與去掉特征區(qū)域的圖像進(jìn)行相加，便得到嵌入水印信息的圖像。數(shù)字水印的檢測(1)特征點提取利用本文所提供的算法從原始圖像中提取出的特征點集。(2)選取特征區(qū)域根據(jù)上面的特征點集選取特征區(qū)域，如果兩個特征區(qū)域重疊，那么保留特征強(qiáng)度比較大的特征點所對應(yīng)的特征區(qū)域。(3)對特征區(qū)域反方向旋轉(zhuǎn)特征方向角，再進(jìn)行離散余弦變換，然后對系數(shù)進(jìn)行排序，并按下面的公式提取水印信息。對離散余弦變換的8*8塊中的系數(shù)進(jìn)行排序后為&(1!，v)'={x'x'6j，rs的第L+l到L+m的中頻系數(shù)部分嵌入了隨機(jī)序列信息。假設(shè)待檢測的數(shù)字水印rs'=《y;...，y〕。則可以通過待檢水印與圖像中頻系數(shù)作相關(guān)運算來判斷是否所加入了水印。只有在待檢水印為所加入的水印時，才能得到較大的相似度值。否則相似度值很小，接近于零。根據(jù)公式(17)，如果滿足Z>T,(T,為閥值，在本文設(shè)置為它們相關(guān)系數(shù)的平均值)時，則表明檢測到匹配水印。否則，未檢測到匹配的水印。本方法的實驗中采用了512*512的Lena和P印pers為宿主圖像。水印采用32位0、1序列水印，重復(fù)嵌入所選取的特征區(qū)域中，對該算法的抗幾何攻擊的穩(wěn)健性進(jìn)行測試。加入水印圖像的峰值信噪比(PSNR)分別為50.0651,48.8951。圖4表示原始圖像，圖5為9含有水印所檢測到的特征區(qū)域的圖像。圖5所檢測到的特征區(qū)域與原始圖像所選擇的特征區(qū)域數(shù)目相同。本方法以Lena為示例，分別對含有水印信息的Lena和P印pers圖像進(jìn)行了一般的幾何攻擊和常規(guī)信號處理攻擊(圖6)，以及它們的復(fù)合攻擊(圖7)來檢測本文的算法。從實驗結(jié)果可以看出本方法對在抗幾何攻擊有了很大提高，而且采用以本文算法提取的特征區(qū)域能夠有效的應(yīng)對幾何攻擊下后的圖像的變化。也避免了在幾何攻擊下，嵌入的水印信息在提取的特征區(qū)域外。權(quán)利要求一種基于特征點的穩(wěn)健數(shù)字水印方法，是基于Harris-Laplace的特征點的提取方法，其特征在于如下步驟(1)特征點的提取首先改變Harris角點的尺度空間，改變后如下<mrow><mi>C</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>,</mo><mover><mi>s</mi><mo>‾</mo></mover><mo>)</mo></mrow><mo>=</mo><msup><mi>s</mi><mn>2</mn></msup><mi>G</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>,</mo><mover><mi>s</mi><mo>‾</mo></mover><mo>)</mo></mrow><mo>*</mo><mfencedopen='('close=')'><mtable><mtr><mtd><msubsup><mi>I</mi><mi>x</mi><mn>2</mn></msubsup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mtd><mtd><msub><mi>I</mi><mi>x</mi></msub><msub><mi>I</mi><mi>y</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mtd></mtr><mtr><mtd><msub><mi>I</mi><mi>x</mi></msub><msub><mi>I</mi><mi>y</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mtd><mtd><msubsup><mi>I</mi><mi>y</mi><mn>2</mn></msubsup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mtd></mtr></mtable></mfenced></mrow>其中Ix(x，y)，Iy(x，y)表示在圖像在I(x，y)與模dx＝[-101；-101；-101]和dy＝dx′的卷積；然后，再計算M，如果M＞TM(其中TM閥值)，并且Laplace算子達(dá)到局部的極值，那么就把該點作為候選特征點；最后求候選的特征點求局部方差，局部方差D2(x，y)定義如下<mrow><msup><mi>D</mi><mn>2</mn></msup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn><mo>,</mo><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msup><mrow><mo>(</mo><mi>I</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>i</mi></msub><mo>,</mo><msub><mi>y</mi><mi>j</mi></msub><mo>)</mo></mrow><mo>-</mo><mfrac><mn>1</mn><msup><mi>n</mi><mn>2</mn></msup></mfrac><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn><mo>,</mo><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><mi>I</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>i</mi></msub><mo>,</mo><msub><mi>y</mi><mi>j</mi></msub><mo>)</mo></mrow><mo>)</mo></mrow><mn>2</mn></msup></mrow>其中I(xi，yj)為以特征點為中心n*n區(qū)域內(nèi)任意一點的灰度值，如果某個候選特征點的局部方差D2(x，y)大于一個閥值TD(其中TD閥值)，那么這個點就為特征點；由于在提取特征點時，有時會在同一地方會提取兩個(尤其是在受到幾何攻擊后)，這里就是一個偽特征點，所以要去掉這個點；本文根據(jù)它們的D2(x，y)的大小來判斷它們的真?zhèn)?；如果D2(x，y)的值大就認(rèn)為它為真正的特征點；(2)特征方向的確定在特征點(x，y)選取一個半徑R的區(qū)域，沿梯度方向取灰度值為極值的點(如果沿梯度方向的灰度值變小，那么取最小值；反之，取最大值)，然后半徑加1，再取梯度方向的極植點；如果在一個方塊中有相同的極值點，那么取它們的位置平均值；之所以選擇這樣的點，作為特征角的運算，主要是它們受到濾波等信號處理，以及幾何攻擊后，仍然能夠保持相對于特征點的位置的不變；在梯度方向上求特征點每一個鄰域I(x，y)i*i(i＝7，9，...，2*n-1)的求最大值所在位置(xi，yi)；然后根據(jù)它們距特征點的距離分別求出下面的兩個值；最后求出特征方向為θ＝arctan(y/x)(3)選取特征區(qū)域首先對選出的特征點集，按特征強(qiáng)度的大小，從大到小進(jìn)行排序；然后以特征點為中心，取長方形的特征區(qū)域的對角線長度為其中k為常數(shù)，a與b分別為圖像長和寬的尺寸；方向為特征方向的一個長方形；“方向為特征方向”是指，這個特征點的特征方向垂直于長方形特征區(qū)域高的中點連線的方向；當(dāng)我們選取的特征區(qū)域發(fā)生重疊時，刪除特征強(qiáng)度相對較小的特征點所對應(yīng)的特征區(qū)域；這樣選取的區(qū)域能夠有效的抵抗圖像長寬不同比率變化以及其它方式的幾何攻擊引起的特征區(qū)域的變形；根據(jù)上面提取特征區(qū)域，然后對每個區(qū)域進(jìn)行離散余弦變換，最后在離散余弦的變換域中加入水?。粩?shù)字水印的檢測是利用嵌入水印的相關(guān)性來檢測水印是否存在。F2009102198336C0000021.tif,F2009102198336C0000022.tif,F2009102198336C0000023.tif,F2009102198336C0000024.tif全文摘要本發(fā)明公開了一種基于特征點的穩(wěn)健數(shù)字水印方法，屬于數(shù)字水印
技術(shù)領(lǐng)域：
。其特征是首先利用改變的算子與局部方來提取特征點。然后利用梯度來確定特征方向，再根據(jù)特征點和它所確定的特征方向來選取特征區(qū)域。最后在特征區(qū)域中嵌入水印。本文的方法，所提取的圖像特征點不僅穩(wěn)定性好，而且分布均勻，提高了整個水印系統(tǒng)對常規(guī)信號處理、隨機(jī)剪切等攻擊的抵抗能力，利用特征點和特征方向提取幾何不變特征區(qū)域，從而實現(xiàn)數(shù)字水印的抗幾何攻擊。實驗表明，在旋轉(zhuǎn)、縮放、裁減等一般性幾何攻擊以及它們的復(fù)合攻擊后的水印圖像，仍能夠較好的保持和原始圖像相同的數(shù)字水印，從而表明了該方法對幾何攻擊的穩(wěn)健性。文檔編號G06T1/00GK101702230SQ20091021983公開日2010年5月5日申請日期2009年11月10日優(yōu)先權(quán)日2009年11月10日發(fā)明者莊庶,張永,李克秋,林愷申請人:大連理工大學(xué)