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

局部化盲水印生成、檢測的方法及裝置的制作方法

文檔序號:6442315閱讀:321來源:國知局
專利名稱:局部化盲水印生成、檢測的方法及裝置的制作方法
技術(shù)領(lǐng)域
本發(fā)明涉及到水印檢測技術(shù),特別涉及到一種局部化盲水印生成、檢測的方法及
裝置
背景技術(shù)
數(shù)字水印是一種嵌入到圖像、視頻或音頻數(shù)據(jù)中的不可見標(biāo)志,可以用于多媒體數(shù)據(jù)的版權(quán)保護、認(rèn)證以及追蹤等。數(shù)字水印技術(shù)中,按照水印的提取過程可分為明文水印和盲水印兩種。明文水印需要置入的原始數(shù)據(jù),而盲水印則只需要密鑰。一般來說,明文水印魯棒性較強,但存儲成本太大,不適應(yīng)實際需要;盲水印是水印算法的研究方向。圖像水印技術(shù)中,按照水印嵌入的方式可分為全局嵌入與局部嵌入兩種。全局嵌入是將水印信息嵌入到整幅圖像的空間域、頻率域或小波域等變換域,實驗證明該類方法對JPEG壓縮、噪聲干擾或濾波等干擾有較魯棒的抵抗能力;但由于是在整幅圖像嵌入信息,很難抵抗裁剪攻擊,由于圖像被裁剪后,無法獲得原始圖像的大小以及裁剪后圖像在原始圖像中位置的情況下,很難定位水印的嵌入位置。局部嵌入的思路則是基于圖像內(nèi)容,將水印信息重復(fù)嵌入到圖像中相對穩(wěn)定與突出的特征點鄰域的變換域上。如此,即使圖像經(jīng)過較大幅度的裁剪或修改,仍然能夠通過特征點來確定水印位置,從而恢復(fù)水印信息。局部化水印由于在理論上對各種攻擊均具有良好的穩(wěn)健性,已成為近年來研究的熱點。而局部化盲水印則為上述盲水印與局部化水印兩者的結(jié)合,現(xiàn)有技術(shù)中的局部化盲水印主要涉及到水印的嵌入以及水印的檢測與提取等技術(shù)。該水印的嵌入:首先提取原始圖像中若干特征點,對特征點的鄰域進行局部DCT變換(Discrete Cosine Transform,離散余弦變換)或小波變換。然后,按照基于預(yù)先設(shè)定的嵌入規(guī)則將由一個特定密鑰產(chǎn)生的偽隨機比特序列(即水印信息)嵌入到變換域中,最后進行局部逆變換得到水印圖像。該水印的檢測與提取:對圖像進行特征點提取,對特征點的鄰域進行局部DCT變換或小波變換。然后基于預(yù)先設(shè)定的提取規(guī)則提取出與水印信息同等維數(shù)的比特序列,將該比特序列與預(yù)先嵌入的(可由密鑰獲得)水印信息進行相似度匹配,若匹配程度大于某一閾值T則認(rèn)為水印存在,否則,則認(rèn)為水印不存在。上述局部化盲水印技術(shù)存在以下缺點:水印檢測仍然依賴于密鑰,在檢測的過程中,如無密鑰則無法判定圖像中是否存在水??;在對水印信息進行相似度匹配時,默認(rèn)水印信息空間上的每一個比特位在匹配時置信度是均等的,在有些情況下無法準(zhǔn)確匹配,比如:假設(shè)未知序列為11111,水印A為11110,水印B為01111,此時無法判定在A與B兩種不同水印與同一提取序列匹配值相等時取哪種更為可信;按照取異的匹配方式,則水印A和水印B與未知序列均只差一位,無法判斷未知序列是水印A還是水印B
發(fā)明內(nèi)容
本發(fā)明的主要目的為提供一種局部化盲水印生成的方法,提升了水印檢測的效率。本發(fā)明提出一種局部化盲水印生成的方法,包括步驟:根據(jù)預(yù)設(shè)密鑰生成N維的偽隨機初始序列,將初始序列按比特位置反后追加到初始序列之后,產(chǎn)生了 2N維序列;提取圖像特征點前2N個系數(shù)形成系數(shù)序列,根據(jù)所述2N維序列的對應(yīng)比特位的奇偶性取得所述系數(shù)序列的奇偶性。優(yōu)選地,所述提取圖像特征點前2N個系數(shù)形成系數(shù)序列,根據(jù)所述2N維序列的對應(yīng)比特位的奇偶性取得所述系數(shù)序列的奇偶性的步驟具體包括:提取圖像特征點中DCT塊的前2N個系數(shù)進行一維排列得到系數(shù)序列,并進行量化,根據(jù)2N維序列上與2N系數(shù)序列對應(yīng)的比特位的奇偶性取得系數(shù)序列每位系數(shù)量化后的奇偶性。優(yōu)選地,所述預(yù)設(shè)密鑰為原始圖像文件,所述初始序列為圖像文件的MD5值。本發(fā)明還提出一種局部化盲水印生成的裝置,包括:序列生成單元,用于根據(jù)預(yù)設(shè)密鑰生成N維的偽隨機初始序列,將初始序列按比特位置反后追加到初始序列之后,產(chǎn)生了 2N維序列;水印置入單元,用于提取圖像特征點前2N個系數(shù)形成系數(shù)序列,根據(jù)所述2N維序列的對應(yīng)比特位的奇偶性取得所述系數(shù)序列的奇偶性。優(yōu)選地,所述水印置入單元具體用于:提取圖像特征點中DCT塊的前2N個系數(shù)進行一維排列得到系數(shù)序列,并進行量化,根據(jù)2N維序列上與2N系數(shù)序列對應(yīng)的比特位的奇偶性取得系數(shù)序列每位系數(shù)量化后的奇偶性。優(yōu)選地,所述預(yù)設(shè)密鑰為原始圖像文件,所述初始序列為圖像文件的MD5值。本發(fā)明還提出一種局部化盲水印檢測的方法,包括步驟:提取圖像特征點,并進行域變換;提取所述圖像特征點鄰域的變換域的序列按比特位進行檢校,在數(shù)列中前N個系數(shù)與最后N個系數(shù)的比特值相等的個數(shù)在預(yù)設(shè)范圍內(nèi)時,判定所述圖像特征點附近嵌入有水印。優(yōu)選地,所述提取所述圖像特征點鄰域的變換域的序列按比特位進行檢校,在數(shù)列中前N個系數(shù)與最后N個系數(shù)的比特值相等的個數(shù)在預(yù)設(shè)范圍內(nèi)時,判定所述圖像特征點附近嵌入有水印的步驟具體包括:提取所述圖像特征點的鄰域分塊DCT的多個系數(shù)組成的系數(shù)數(shù)列,統(tǒng)計數(shù)列中前N個系數(shù)與最后N個系數(shù)的比特值相等的個數(shù),若所述個數(shù)小于預(yù)定閾值,則判定所述圖像特征點附近嵌入有水??;所述比特值根據(jù)比特位的奇偶性計算;所述N為正整數(shù)。優(yōu)選地,所述方法還包括:在有水印時,計算比特位的奇偶概率以及比特位置信度;根據(jù)所述比特位置信度進行水印匹配。優(yōu)選地,所述在有水印時,計算比特位的奇偶概率以及比特位置信度的步驟具體包括:
在有水印時,統(tǒng)計水印對應(yīng)的系數(shù)數(shù)列中第i位為偶數(shù)及第i+N位為奇數(shù)的個數(shù)Zero [i],基于公式:0nePr0b[i] = (1-ε )ε zeM[i]⑴計算比特位為奇數(shù)的概率,以及基于公式:zeroProb[i] = ε —(卜ε尸咖⑴⑵計算比特位為偶數(shù)的概率,ε為每個比特位上的平均錯誤率,i為自然數(shù);當(dāng)比特位為奇數(shù)的概率大時,置信度為oneProb[i]/(oneProb[i]+zeroProb[i]);當(dāng)比特位為偶數(shù)的概率大時,置信度為zeroProb[i]/(oneProb[i]+zeroProb[i])。優(yōu)選地,所述根據(jù)所述比特位置信度進行水印匹配的步驟具體包括:按照置信度從高到低將序列與數(shù)據(jù)庫中的海量水印信息進行比對,若比對過程中出現(xiàn)第i位錯誤,則返回O至1-Ι位中已經(jīng)比對正確的水印結(jié)果。本發(fā)明還提出一種局部化盲水印檢測的裝置,包括:提取及變換單元,用于提取圖像特征點,并進行域變換;水印校驗單元,用于提取所述圖像特征點鄰域的變換域的序列按比特位進行檢校,在數(shù)列中前N個系數(shù)與最后N個系數(shù)的比特值相等的個數(shù)在預(yù)設(shè)范圍內(nèi)時,判定所述圖像特征點附近嵌入有水印。優(yōu)選地,所述水印校驗單元具體用于:提取所述圖像特征點的鄰域分塊DCT的多個系數(shù)組成的系數(shù)數(shù)列,統(tǒng)計數(shù)列中前N個系數(shù)與最后N個系數(shù)的比特值相等的個數(shù),若所述個數(shù)小于預(yù)定閾值,則判定所述圖像特征點附近嵌入有水印;所述比特值根據(jù)比特位的奇偶性計算;所述N為正整數(shù)。優(yōu)選地,所述裝置還包括:置信度計算單元,用于在有水印時,計算比特位的奇偶概率以及比特位置信度;水印匹配單元,用于根據(jù)所述比特位置信度進行水印匹配。優(yōu)選地,所述置信度計算單元具體用于:在有水印時,統(tǒng)計水印對應(yīng)的系數(shù)數(shù)列中第i位為偶數(shù)及第i+N位為奇數(shù)的個數(shù)ZeiO[i],基于公式:0nePr0b[i] = (1-ε ) —) ε -。⑴⑴計算比特位為奇數(shù)的概率,以及基于公式:zeroProbti] = ε⑵計算比特位為偶數(shù)的概率,ε為每個比特位上的平均錯誤率,i為自然數(shù);當(dāng)比特位為奇數(shù)的概率大時,置信度為oneProb[i]/(oneProb[i] +zeroProb[i]);當(dāng)比特位為偶數(shù)的概率大時,置信度為zeroProb[i]/(oneProb[i]+zeroProb[i])。優(yōu)選地,所述水印匹配單元具體用于:按照置信度從高到低將序列與數(shù)據(jù)庫中的海量水印信息進行比對,若比對過程中出現(xiàn)第i位錯誤,則返回O至1-Ι位中已經(jīng)比對正確的水印結(jié)果。本發(fā)明還提出一種局部化盲水印匹配的方法,包括步驟:在有水印時,計算比特位的奇偶概率以及比特位置信度;根據(jù)所述比特位置信度進行水印匹配。優(yōu)選地,所述在有水印時,計算比特位的奇偶概率以及比特位置信度的步驟具體包括:在有水印時,統(tǒng)計水印對應(yīng)的系數(shù)數(shù)列中第i位為偶數(shù)及第i+N位為奇數(shù)的個數(shù)Zero[i],基于公式:0nePr0b[i] = (1-ε )ε zeM[i]⑴計算比特位為奇數(shù)的概率,以
及基于公式:zeroProb[i] = ε —(卜ε尸咖⑴⑵計算比特位為偶數(shù)的概率,ε為每個比特位上的平均錯誤率,i為自然數(shù);當(dāng)比特位為奇數(shù)的概率大時,置信度為oneProb [i]/(oneProb[i]+zeroProb[i]);當(dāng)比特位為偶數(shù)的概率大時,置信度為zeroProb[i]/(oneProb[i]+zeroProb[i])。優(yōu)選地,所述根據(jù)所述比特位置信度進行水印匹配的步驟具體包括:按照置信度從高到低將序列與數(shù)據(jù)庫中的海量水印信息進行比對,若比對過程中出現(xiàn)第i位錯誤,則返回O至1-Ι位中已經(jīng)比對正確的水印結(jié)果。本發(fā)明還提出一種局部化盲水印匹配的裝置,包括:置信度計算單元,用于在有水印時,計算比特位的奇偶概率以及比特位置信度;水印匹配單元,用于根據(jù)所述比特位置信度進行水印匹配。優(yōu)選地,所述置信度計算單元具體用于:在有水印時,統(tǒng)計水印對應(yīng)的系數(shù)數(shù)列中第i位為偶數(shù)及第i+N位為奇數(shù)的個數(shù)ZeiO[i],基于公式:0nePr0b[i] = (1-ε ) —) ε -。⑴⑴計算比特位為奇數(shù)的概率,以及基于公式:zeroProbti] = ε⑵計算比特位為偶數(shù)的概率,ε為每個比特位上的平均錯誤率,i為自然數(shù);當(dāng)比特位為奇數(shù)的概率大時,置信度為oneProb[i]/(oneProb[i] +zeroProb[i]);當(dāng)比特位為偶數(shù)的概率大時,置信度為zeroProb[i]/(oneProb[i]+zeroProb[i])。優(yōu)選地,所述水印匹配單元具體用于:按照置信度從高到低將序列與數(shù)據(jù)庫中的海量水印信息進行比對,若比對過程中出現(xiàn)第i位錯誤,則返回O至1-Ι位中已經(jīng)比對正確的水印結(jié)果。本發(fā)明可將水印數(shù)據(jù)進行冗余拓展,增加較原始比特數(shù)據(jù)規(guī)模(比如一倍以上)的檢驗數(shù)據(jù),再嵌入到圖像特征點鄰域的變換域;在檢測時,對某個特征點鄰域的變換域提取出的序列按比特位進行檢校,基于檢校結(jié)果判定該點附近是否嵌入水印,可提升水印檢測的效率;同時,在水印匹配時,可按比特位置信度進行水印匹配,通過觀察每個比特位在不同有效點提取的序列中的分布狀態(tài),基于后驗估計給出每個比特位的置信度,根據(jù)該置信度進行水印匹配,可提升水印辨識的精確度。由于水印嵌入中采用了局部化嵌入方式,對于圖像裁切、圖像內(nèi)容部分PSThotoshop)處理或修改等攻擊具有極佳的穩(wěn)健性,較好地滿足了實際需求。


圖1是本發(fā)明局部化盲水印生成的方法一實施例中步驟流程示意圖;圖2是本發(fā)明局部化盲水印生成的裝置一實施例中步驟流程示意圖;圖3是本發(fā)明局部化盲水印檢測的方法一實施例中步驟流程示意圖;圖4是本發(fā)明局部化盲水印檢測的方法又一實施例中步驟流程示意圖;圖5是本發(fā)明局部化盲水印檢測的方法一實施例中計算水印置信度的步驟流程示意圖6是本發(fā)明局部化盲水印檢測的裝置一實施例中結(jié)構(gòu)示意圖;圖7是本發(fā)明局部化盲水印檢測的裝置又一實施例中結(jié)構(gòu)示意圖;圖8是本發(fā)明另一局部化盲水印匹配的方法一實施例中步驟流程示意圖;圖9是本發(fā)明另一局部化盲水印匹配的方法一實施例中計算水印置信度的步驟流程示意圖;圖10是本發(fā)明另一局部化盲水印匹配的裝置一實施例中結(jié)構(gòu)示意圖。本發(fā)明目的的實現(xiàn)、功能特點及優(yōu)點將結(jié)合實施例,參照附圖做進一步說明。
具體實施例方式應(yīng)當(dāng)理解,此處所描述的具體實施例僅僅用以解釋本發(fā)明,并不用于限定本發(fā)明。參照圖1,提出本發(fā)明一種局部化盲水印生成的方法一實施例。該方法可包括:步驟S60、根據(jù)預(yù)設(shè)密鑰生成N維的偽隨機初始序列,將初始序列按比特位置反后追加到初始序列之后,產(chǎn)生了 2N維序列;步驟S61、提取圖像特征點前2N個系數(shù)形成系數(shù)序列,根據(jù)所述2N維序列的對應(yīng)比特位的奇偶性取得所述系數(shù)序列的奇偶性。上述步驟S61可具體包括:提取圖像特征點中DCT塊的前2N個系數(shù)進行一維排列得到系數(shù)序列,并進行量化,根據(jù)2N維序列上與2N系數(shù)序列對應(yīng)的比特位的奇偶性取得系數(shù)序列每位系數(shù)量化后的奇偶性。上述預(yù)設(shè)密鑰可為原始圖像文件(數(shù)據(jù)),上述初始序列為圖像文件的MD5值。將水印嵌入圖像可包括以下流程:產(chǎn)生水印信息、提取圖像特征點、進行DCT變換以及嵌入水印。上述產(chǎn)生水印信息的過程可為:由特定密鑰K生成一個N維的偽隨機比特序列S,將序列S按位置反后追加到S后面,產(chǎn)生了一個2N維的序列SS。本實施例中,密鑰K可為原始圖像文件,序列S為圖像文件進行MD5算法后產(chǎn)生的128維序列。上述提取圖像特征點的過程可為:對原始圖像進行RGB_>YCrCb色彩域變換,提取YCrCb中的光照分量Y。在Y圖上提取Harris角點,為了保證嵌入水印信息互不干擾,要求提取的角點空間位置之間至少保持一定的距離D。本實施例中,D取值可為48個像素,Harris窗口大小為5x5個像素。上述DCT變換的過程可為:在提取的每個特征點附近鄰域RxR個像素窗口中,進行分塊DCT變換,塊大小為8x8。本實施例中,R取值可為32。上述嵌入水印的過程可為:對每個經(jīng)過DCT變換的特征點,按照zig-zag方式提取所有DCT塊的前M個系數(shù)進行一維排列得到系數(shù)序列W,要保持W維數(shù)與水印序列SS相等。然后進行量化,量化因子為F,根據(jù)SS序列上比特位值為O或I,來決定系數(shù)序列W每位系數(shù)量化后的奇偶性。本實施例中,M取值可為16,當(dāng)SS[i]為O時,則W[i]取量化后與之最接近的偶數(shù),否則,則取奇數(shù)。上述局部化盲水印生成的方法,在進行水印檢測時,可對被檢測的某個特征點鄰域的變換域提取出的序列按比特位進行檢校,并基于檢校結(jié)果判定該點附近是否嵌入水印。如此,水印的檢測無需再依賴于密鑰,可使得水印檢測的過程更快速和便捷,檢測效率更高。
參照圖2,本發(fā)明提出一種局部化盲水印生成的裝置一實施例。該裝置可包括:序列生成單元71以及水印置入單元72 ;該序列生成單元71,用于根據(jù)預(yù)設(shè)密鑰生成N維的偽隨機初始序列,將初始序列按比特位置反后追加到初始序列之后,產(chǎn)生了 2N維序列;該水印置入單元72,用于提取圖像特征點前2N個系數(shù)形成系數(shù)序列,根據(jù)所述2N維序列的對應(yīng)比特位的奇偶性取得所述系數(shù)序列的奇偶性。上述水印置入單元72具體用于:提取圖像特征點中DCT塊的前2N個系數(shù)進行一維排列得到系數(shù)序列,并進行量化,根據(jù)2N維序列上與2N系數(shù)序列對應(yīng)的比特位的奇偶性取得系數(shù)序列每位系數(shù)量化后的奇偶性。上述預(yù)設(shè)密鑰可為原始圖像文件(數(shù)據(jù)),上述初始序列為圖像文件的MD5值。將水印嵌入圖像可包括以下流程:產(chǎn)生水印信息、提取圖像特征點、進行DCT變換以及嵌入水印。該產(chǎn)生水印信息的過程由序列生成單元71執(zhí)行,其余過程由水印置入單元72執(zhí)行。上述產(chǎn)生水印信息的過程可為:由特定密鑰K生成一個N維的偽隨機比特序列S,將序列S按位置反后追加到S后面,產(chǎn)生了一個2N維的序列SS。本實施例中,密鑰K可為原始圖像文件,序列S為圖像文件進行MD5算法后產(chǎn)生的128維序列。上述提取圖像特征點的過程可為:對原始圖像進行RGB_>YCrCb色彩域變換,提取YCrCb中的光照分量Y。在Y圖上提取Harris角點,為了保證嵌入水印信息互不干擾,要求提取的角點空間位置之間至少保持一定的距離D。本實施例中,D取值可為48個像素,Harris窗口大小為5x5個像素。上述DCT變換的過程可為:在提取的每個特征點附近鄰域RxR個像素窗口中,進行分塊DCT變換,塊大小為8x8。本實施例中,R取值可為32。上述嵌入水印的過程可為:對每個經(jīng)過DCT變換的特征點,按照zig-zag方式提取所有DCT塊的前M個系數(shù)進行一維排列得到系數(shù)序列W,要保持W維數(shù)與水印序列SS相等。然后進行量化,量化因子為F,根據(jù)SS序列上比特位值為O或I,來決定系數(shù)序列W每位系數(shù)量化后的奇偶性。本實施例中,M取值可為16,當(dāng)SS[i]為O時,則W[i]取量化后與之最接近的偶數(shù),否則,則取奇數(shù)。上述局部化盲水印生成的裝置,在進行水印檢測時,可對被檢測的某個特征點鄰域的變換域提取出的序列按比特位進行檢校,并基于檢校結(jié)果判定該點附近是否嵌入水印。如此,水印的檢測無需再依賴于密鑰,可使得水印檢測的過程更快速和便捷,檢測效率更高。參照圖3,提出本發(fā)明一種局部化盲水印檢測的方法一實施例。該方法可包括:步驟S10、提取圖像特征點,并進行域變換;步驟S11、提取所述圖像特征點鄰域的變換域的序列按比特位進行檢校,在數(shù)列中前N個系數(shù)與最后N個系數(shù)的比特值相等的個數(shù)在預(yù)設(shè)范圍內(nèi)時,判定所述圖像特征點附近嵌入有水印。上述局部化盲水印檢測的方法,在進行水印檢測時,可對被檢測的某個特征點鄰域的變換域提取出的序列按比特位進行檢校,并基于檢校結(jié)果判定該點附近是否嵌入水印。如此,水印的檢測無需再依賴于密鑰,可使得水印檢測的過程更快速和便捷,檢測效率更高。
將水印嵌入圖像可包括以下流程:產(chǎn)生水印信息、提取圖像特征點、進行DCT變換、嵌入水印以及獲取水印圖像。上述產(chǎn)生水印信息的過程可為:由特定密鑰K生成一個N維的偽隨機比特序列S,將序列S按位置反后追加到S后面,產(chǎn)生了一個2N維的序列SS。本實施例中,密鑰K可為原始圖像文件,序列S為圖像文件進行MD5算法后產(chǎn)生的128維序列。上述提取圖像特征點的過程可為:對原始圖像進行RGB_>YCrCb色彩域變換,提取YCrCb中的光照分量Y。在Y圖上提取Harris角點,為了保證嵌入水印信息互不干擾,要求提取的角點空間位置之間至少保持一定的距離D。本實施例中,D取值可為48個像素,Harris窗口大小為5x5個像素。上述DCT變換的過程可為:在提取的每個特征點附近鄰域RxR個像素窗口中,進行分塊DCT變換,塊大小為8x8。本實施例中,R取值可為32。上述嵌入水印的過程可為:對每個經(jīng)過DCT變換的特征點,按照zig-zag方式提取所有DCT塊的前M個系數(shù)進行一維排列得到系數(shù)序列W,要保持W維數(shù)與水印序列SS相等。然后進行量化,量化因子為F,根據(jù)SS序列上比特位值為O或I,來決定系數(shù)序列W每位系數(shù)量化后的奇偶性。本實施例中,M取值可為16,當(dāng)SS[i]為O時,則W[i]取量化后與之最接近的偶數(shù),否則,則取奇數(shù)。上述獲取水印圖像的過程可為:對所有DCT塊進行逆變換,得到新的Yl分量,再進行YCrCb->RGB變換,得到水印RGB圖像。在進行圖像水印的檢測時可包括以下流程:提取圖像特征點、DCT變換、檢測水印是否存在、計算水印置信度以及水印辨識與匹配等。上述步驟SlO中提取圖像特征點以及DCT變換的處理流程,可與上述水印嵌入過程中的提取圖像特征點以及DCT變換的處理流程相同。上述步驟Sll即為檢測水印是否存在的處理流程,其具體可包括:提取所述圖像特征點的鄰域分塊DCT的多個系數(shù)組成的系數(shù)數(shù)列,統(tǒng)計數(shù)列中前N個系數(shù)與最后N個系數(shù)的比特值相等的個數(shù),若所述個數(shù)小于預(yù)定閾值(或者大于預(yù)定閾值),則判定所述圖像特征點附近嵌入有水?。凰霰忍刂蹈鶕?jù)比特位的奇偶性計算;所述N為正整數(shù)。檢測時,對每個圖像特征點P,提取其鄰域分塊DCT的前M個系數(shù)組成系數(shù)數(shù)列W,檢驗每個W[i]系數(shù)的奇偶性,i為自然數(shù)。本實施例中,若W[i]為奇,則檢測出的序列UnKnowSS[i]的比特值取 I,否則取 O。統(tǒng)計UnKnowSS 中前N位UnKnowSS[O]至UnKnowSS[i]與后N位UnKnowSS [i+Ι]至UnKnowSS [i+N]的比特值相等的個數(shù)Q,若Q小于預(yù)先給定的閾值T,則認(rèn)為該圖像特征點為有效點,此時序列UnKownSS為有效序列ValidSS,即存在有效水印信息。本實施例中,上述T值可取為12。參照圖4,在本發(fā)明的又一實施例中,上述步驟Sll之后還可包括:步驟S111、在有水印時,計算比特位的奇偶概率以及比特位置信度;步驟S112、根據(jù)所述比特位置信度進行水印匹配。參照圖5,上述步驟Slll可為計算水印置信度的處理流程,其具體可包括:步驟S1111、在有水印時,統(tǒng)計水印對應(yīng)的系數(shù)數(shù)列中第i位為偶數(shù)及第i+N位為奇數(shù)的個數(shù)ZeiO[i],基于公式:0nePr0b[i] = (1-ε ).— m) ε zeM[i]⑴計算比特位為奇數(shù)的概率,以及基于公式=ZeroPiOb [i] = ε (2V_ZCT°[i]) (1- ε )zero[i]⑵計算比特位為偶數(shù)的概率,ε為每個比特位上的平均錯誤率,i為自然數(shù);步驟S1112、當(dāng)比特位為奇數(shù)的概率大時,置信度為oneProb[i]/(oneProb[i]+zeroProb[i]);步驟S1113、當(dāng)比特位為偶數(shù)的概率大時,置信度為ZeroProb[i]/(oneProb[i]+zeroProb[i])。設(shè)有效點個數(shù)為V,申請數(shù)組 Zero[i], oneProb[i], zeroProb[i] ,1 = 0,1,
2,......,N(自然數(shù))。統(tǒng)計所有有效點產(chǎn)生的序列ValidSS第i位為O及第i+N位為I
的個數(shù)。即對每一個序列 ValidSS,若 ValidSS[i] = O 或者 ValidSS[i+N] = 1,則 Zero[i]自增一次。然后,基于以下的公式⑴或⑵來計算每個比特位取值為O或I的概率。公式(I):oneProb[i] = (1-ε ) tev^zero[i]) ε zero[i] (I);公式⑵:zeroProb[i] = ε ⑶—⑴)(!- ε )zero[l] (2) o其中,oneProb[i]與zeroProb[i]為每一比特位取值為0或I的相對概率。ε為每個比特位上的平均錯誤率,可以通過統(tǒng)計得到。設(shè)輸出水印序列為SS[i],若onePix)b[i]
>zeroProb [i],則輸出 SS[i] = I,置信度可為 oneProb [i]/ (oneProb [i]+zeroProb [i]);否則,輸出 SS [i] = 0,置信度為 zeroProb [i]/ (oneProb [i] +zeroProb [i])。上述步驟S112可為水印辨識與匹配的處理流程,其具體可包括:按照置信度從高到低將序列與數(shù)據(jù)庫中的海量水印信息進行比對,若比對過程中出現(xiàn)第i位錯誤,則返回O至1-ι位中已經(jīng)比對正確的水印結(jié)果。上述步驟Sll的具體推理過程如下:設(shè)水印類別為wl,非水印類別為w2,未知序列UnKnowSS中前N位UnKnowSS
至UnKnowSS[i],與后N位UnKnowSS[i+Ι]至UnKno`wSS[i+N]的比特值相等個數(shù)為Q的狀態(tài)為Θ,那么判別該狀態(tài)隸屬于水印類別的概率為p(wl I Θ),而屬于非水印類別的概率為P (w2 I Θ ),由貝葉斯后驗估計:
/ 1p(0|wl)p(wl)p(wl Θ)=-^———--- (3).ρ(θ I w I )p( w I )+ρ(θ I w2)p( w2),設(shè)UnKnowSS 序列任一匹配 <UnKnowSS[i], UnKnowSS [i+N] >在水印類別 wl 條件下出現(xiàn)比特值相等的概率彼此獨立且均為P(BitAccord|wl),則:p(9|wl)=C^P(BitAccord|wl)QP(BitDisAccord|wl)(N'Q) (4);同樣:p(0|w2)=C^P(BitAccord|w2)QP(BitDisAccord|w2)(N'Q) (5);在水印類別wl條件下,每一比特位由于噪聲、壓縮發(fā)生變換的平均錯誤率為ε,那么:P (BitAccord | wl) = 2 ε (1- ε ) (6);在非水印類別w2條件下:P(BitAccord|w2) = P(BitDisAccord|w2) =0.5(7);令R = p (w2) /p (wl)則將(4) (5) (6) (7)代入(3)式得:
,(0.19)12(0.81)1162128 (8);p(wl θ)=---——
(0.19)12(0.81)1162128+R
經(jīng)過實驗統(tǒng)計,在裁剪、格式變換以及輕度壓縮(壓縮率不低于60% )的條件下,ε的估計值低于0.1,代入至IJ (8)式中,令N = 128,Q = 12,R < 10000則:
權(quán)利要求
1.一種局部化盲水印生成的方法,其特征在于,包括步驟: 根據(jù)預(yù)設(shè)密鑰生成N維的偽隨機初始序列,將初始序列按比特位置反后追加到初始序列之后,產(chǎn)生了 2N維序列; 提取圖像特征點前2N個系數(shù)形成系數(shù)序列,根據(jù)所述2N維序列的對應(yīng)比特位的奇偶性取得所述系數(shù)序列的奇偶性。
2.根據(jù)權(quán)利要求1所述的局部化盲水印生成的方法,其特征在于,所述提取圖像特征點前2N個系數(shù)形成系數(shù) 序列,根據(jù)所述2N維序列的對應(yīng)比特位的奇偶性取得所述系數(shù)序列的奇偶性的步驟具體包括: 提取圖像特征點中DCT塊的前2N個系數(shù)進行一維排列得到系數(shù)序列,并進行量化,根據(jù)2N維序列上與2N系數(shù)序列對應(yīng)的比特位的奇偶性取得系數(shù)序列每位系數(shù)量化后的奇偶性。
3.根據(jù)權(quán)利要求1或2所述的局部化盲水印生成的方法,其特征在于,所述預(yù)設(shè)密鑰為原始圖像文件,所述初始序列為圖像文件的MD5值。
4.一種局部化盲水印生成的裝置,其特征在于,包括: 序列生成單元,用于根據(jù)預(yù)設(shè)密鑰生成N維的偽隨機初始序列,將初始序列按比特位置反后追加到初始序列之后,產(chǎn)生了 2N維序列; 水印置入單元,用于提取圖像特征點前2N個系數(shù)形成系數(shù)序列,根據(jù)所述2N維序列的對應(yīng)比特位的奇偶性取得所述系數(shù)序列的奇偶性。
5.根據(jù)權(quán)利要求4所述的局部化盲水印生成的裝置,其特征在于,所述水印置入單元具體用于: 提取圖像特征點中DCT塊的前2N個系數(shù)進行一維排列得到系數(shù)序列,并進行量化,根據(jù)2N維序列上與2N系數(shù)序列對應(yīng)的比特位的奇偶性取得系數(shù)序列每位系數(shù)量化后的奇偶性。
6.根據(jù)權(quán)利要求4或5所述的局部化盲水印生成的裝置,其特征在于,所述預(yù)設(shè)密鑰為原始圖像文件,所述初始序列為圖像文件的MD5值。
7.一種局部化盲水印檢測的方法,其特征在于,包括步驟: 提取圖像特征點,并進行域變換; 提取所述圖像特征點鄰域的變換域的序列按比特位進行檢校,在數(shù)列中前N個系數(shù)與最后N個系數(shù)的比特值相等的個數(shù)在預(yù)設(shè)范圍內(nèi)時,判定所述圖像特征點附近嵌入有水印。
8.根據(jù)權(quán)利要求7所述的局部化盲水印檢測的方法,其特征在于,所述提取所述圖像特征點鄰域的變換域的序列按比特位進行檢校,在數(shù)列中前N個系數(shù)與最后N個系數(shù)的比特值相等的個數(shù)在預(yù)設(shè)范圍內(nèi)時,判定所述圖像特征點附近嵌入有水印的步驟具體包括: 提取所述圖像特征點的鄰域分塊DCT的多個系數(shù)組成的系數(shù)數(shù)列,統(tǒng)計數(shù)列中前N個系數(shù)與最后N個系數(shù)的比特值相等的個數(shù),若所述個數(shù)小于預(yù)定閾值,則判定所述圖像特征點附近嵌入有水??;所述比特值根據(jù)比特位的奇偶性計算;所述N為正整數(shù)。
9.根據(jù)權(quán)利要求7或8所述的局部化盲水印檢測的方法,其特征在于,所述方法還包括: 在有水印時,計算比特位的奇偶概率以及比特位置信度;根據(jù)所述比特位置信度進行水印匹配。
10.根據(jù)權(quán)利要求9所述的局部化盲水印檢測的方法,其特征在于,所述在有水印時,計算比特位的奇偶概率以及比特位置信度的步驟具體包括: 在有水印時,統(tǒng)計水印對應(yīng)的系數(shù)數(shù)列中第i位為偶數(shù)及第i+N位為奇數(shù)的個數(shù)Zero [i],基于公式:0nePiOb[i] = (1- ε ) (2V_—m) ε ⑴計算比特位為奇數(shù)的概率,以及基于公式:zeroProbti] = ε —(卜十抑⑴⑵計算比特位為偶數(shù)的概率,ε為每個比特位上的平均錯誤率,i為自然數(shù); 當(dāng)比特位為奇數(shù)的概率大時,置信度為oneProb[i]/ (oneProb [i] +zeroProb [i]); 當(dāng)比特位為偶數(shù)的概率大時,置信度為zeroProb [i]/ (oneProb [i]+zeroProb [i])。
11.根據(jù)權(quán)利要求9所述的局部化盲水印檢測的方法,其特征在于,所述根據(jù)所述比特位置信度進行水印匹配的步驟具體包括: 按照置信度從高到低將序列與數(shù)據(jù)庫中的海量水印信息進行比對,若比對過程中出現(xiàn)第i位錯誤,則返回O至1-Ι位中已經(jīng)比對正確的水印結(jié)果。
12.—種局部化盲水印檢測的裝置,其特征在于,包括: 提取及變換單元,用于提取圖像特征點,并進行域變換; 水印校驗單元,用于提取所述圖像特征點鄰域的變換域的序列按比特位進行檢校,在數(shù)列中前N個系數(shù)與最后N個系數(shù)的比特值相等的個數(shù)在預(yù)設(shè)范圍內(nèi)時,判定所述圖像特征點附近嵌入有水印。
13.根據(jù)權(quán)利要求12所述的局部化盲水印檢測的裝置,其特征在于,所述水印校驗單元具體用于: 提取所述圖像特征點的鄰域分塊DCT的多個系數(shù)組成的系數(shù)數(shù)列,統(tǒng)計數(shù)列中前N個系數(shù)與最后N個系數(shù)的比特值相等的個數(shù),若所述個數(shù)在預(yù)設(shè)范圍內(nèi),則判定所述圖像特征點附近嵌入有水?。凰霰忍刂蹈鶕?jù)比特位的奇偶性計算;所述N為正整數(shù)。
14.根據(jù)權(quán)利要求12或13所述的局部化盲水印檢測的裝置,其特征在于,所述裝置還包括: 置信度計算單元,用于在有水印時,計算比特位的奇偶概率以及比特位置信度; 水印匹配單元,用于根據(jù)所述比特位置信度進行水印匹配。
15.根據(jù)權(quán)利要求14所述的局部化盲水印檢測的裝置,其特征在于,所述置信度計算單元具體用于: 在有水印時,統(tǒng)計水印對應(yīng)的系數(shù)數(shù)列中第i位為偶數(shù)及第i+N位為奇數(shù)的個數(shù)Zero [i],基于公式:oneProb [i] = (1-ε ) —]) ε (I)計算比特位為奇數(shù)的概率,以及基于公式:Zer0PiOb[i] = ε _(1_ε廣⑵計算比特位為偶數(shù)的概率,ε為每個比特位上的平均錯誤率,i為自然數(shù);當(dāng)比特位為奇數(shù)的概率大時,置信度為oneProb[i]/(oneProb[i] +zeroProb[i]);當(dāng)比特位為偶數(shù)的概率大時,置信度為zeroProb[i]/(oneProb[i]+zeroProb[i])。
16.根據(jù)權(quán)利要求14所述的局部化盲水印檢測的裝置,其特征在于,所述水印匹配單元具體用于: 按照置信度從高到低將序列與數(shù)據(jù)庫中的海量水印信息進行比對,若比對過程中出現(xiàn)第i位錯誤,則返回O至1-Ι位中 已經(jīng)比對正確的水印結(jié)果。
全文摘要
本發(fā)明揭示了一種局部化盲水印生成、檢測的方法及裝置。該生成的方法可包括步驟根據(jù)預(yù)設(shè)密鑰生成N維的偽隨機初始序列,將初始序列按比特位置反后追加到初始序列之后,產(chǎn)生了2N維序列;提取圖像特征點前2N個系數(shù)形成系數(shù)序列,根據(jù)所述2N維序列的對應(yīng)比特位的奇偶性取得所述系數(shù)序列的奇偶性。本發(fā)明可將水印數(shù)據(jù)進行冗余拓展,增加較原始比特數(shù)據(jù)規(guī)模的檢驗數(shù)據(jù),再嵌入到圖像特征點鄰域的變換域;在檢測時,對某個特征點鄰域的變換域提取出的序列按比特位進行檢校,基于檢校結(jié)果判定該點附近是否嵌入水印,可提升水印檢測的效率。
文檔編號G06T1/00GK103177413SQ20111043038
公開日2013年6月26日 申請日期2011年12月20日 優(yōu)先權(quán)日2011年12月20日
發(fā)明者郭曉威, 李凱 申請人:深圳市騰訊計算機系統(tǒng)有限公司
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1