本發(fā)明屬于多媒體信息安全技術(shù)領(lǐng)域，涉及大容量彩色數(shù)字圖像作為數(shù)字水印的版權(quán)保護(hù)。

背景技術(shù)：

隨著Internet和多媒體技術(shù)的快速發(fā)展，多媒體數(shù)字產(chǎn)品的非法拷貝、惡意篡改、侵犯版權(quán)等行為已越來越成為需要迫切解決的問題，而數(shù)字水印技術(shù)正是一種應(yīng)運(yùn)而生的有效技術(shù)。目前的圖像數(shù)字水印算法多數(shù)是將二值或灰度圖像作為數(shù)字水印，而將彩色數(shù)字圖像作為數(shù)字水印的比較少。一個最重要的原因是將彩色數(shù)字圖像作為數(shù)字水印時，其含有的信息量是相同尺寸灰度圖像的3倍，是二值圖像的24倍，因此增加了水印嵌入的難度，現(xiàn)有的將二值圖像嵌入灰度圖像的數(shù)字水印技術(shù)并不能很好地滿足以彩色數(shù)字圖像為主的版權(quán)保護(hù)，因此如何將彩色數(shù)字圖像作為數(shù)字水印成為亟待解決的問題之一。

另外，現(xiàn)有的彩色圖像數(shù)字水印算法主要研究的是非盲數(shù)字水印技術(shù)，這主要是因為彩色數(shù)字圖像所包含的版權(quán)保護(hù)信息非常大，用非盲數(shù)字水印技術(shù)可以比較方便地嵌入。但是，該類技術(shù)需要借助于原始宿主圖像或原始水印圖像的幫助才能進(jìn)行水印的檢測或提取，在現(xiàn)實生活中有些累贅、很不方便。因此，在近幾年的數(shù)字水印技術(shù)研究中，盲檢測數(shù)字水印算法逐漸成為數(shù)字水印技術(shù)發(fā)展的主流，如何實現(xiàn)彩色水印圖像的盲提取是當(dāng)前數(shù)字圖像水印技術(shù)的難點(diǎn)之一。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提供一種基于矩陣Schur分解的高性能數(shù)字水印方法，其特征在于通過具體的水印嵌入算法和水印提取算法來實現(xiàn)的，其水印嵌入算法的具體步驟描述如下：

第一步：水印序列的生成：首先，將一幅大小為M×M的24位原始水印圖像W 通過降維處理分成三個二維色彩分量水印W_m ，m =1,2,3分別表示紅，綠，藍(lán)色彩分量；其次，把每個色彩分量水印進(jìn)行基于私鑰KA 的Arnold變換置亂；然后，將置亂后的每個色彩分量水印中的像素依次轉(zhuǎn)換為8位二進(jìn)制序列并組合生成嵌入水??；

第二步：嵌入塊的選擇：將一幅大小為N×N的24彩色宿主圖像H 也分成三個分量圖像H_n ，n =1,2,3分別表示紅，綠，藍(lán)三層，并將每個分量圖像H_n 進(jìn)一步劃分為4×4大小的非重疊的圖像塊；同時，用公式（1）所示的基于私鑰KB 的偽隨機(jī)置換算法隨機(jī)選擇嵌入塊；

(1)

其中，HT 表示所有4×4非重疊的圖像塊數(shù)目，ST 表示要選擇嵌入塊的數(shù)目，R 、C 分別表示所選塊在宿主圖像中的行號與列號，randinterval( )為偽隨機(jī)置換函數(shù)；

第三步：選取一個嵌入塊H_i,j并按照公式（2）進(jìn)行Schur分解獲得其酉矩陣U_i,j和上三角矩陣D_i,j，此處i,j 分別表示該圖像塊所在的行號和列號，schur( )是矩陣Schur分解函數(shù)；

（2）

第四步：根據(jù)公式（3）確定上三角矩陣D_i,j中的最大能量元素所在的列號c，其中find( )是查找函數(shù)，max( )是求最大值函數(shù)，abs( )是求絕對值函數(shù)；

（3）

第五步：依據(jù)確定的列號c定位到酉矩陣U_i,j中的第c列；

第六步：根據(jù)公式（4）、（5），修改酉矩陣U_i,j中的第二行第c列元素和第三行第c列元素以嵌入水印w ，并得到含水印的酉矩陣；

(4)

(5)

其中，w 是要嵌入的水印，和分別是和因嵌入水印而被修改后的結(jié)果，sign( )是求符號函數(shù)，T 是水印嵌入強(qiáng)度，；

第七步：利用公式（6）進(jìn)行逆Schur變換，得到嵌入水印后的圖像塊；

（6）

第八步：重復(fù)執(zhí)行步驟第三步到第七步，直到所有的水印信息都被嵌入完成為止；最后，將含水印的紅、綠、藍(lán)分層圖像重新組合并獲得含水印的圖像H ^* ；

其水印提取算法的具體步驟描述如下：

第一步：將含水印圖像H ^* 分成三個含水印的分量圖像，n =1,2,3分別表示紅，綠，藍(lán)三層，并將每一個含水印的分量圖像進(jìn)一步分成4×4的非重疊圖像塊；

第二步：利用公式（1）所示的基于私鑰KB 的偽隨機(jī)置換算法選擇含水印的圖像塊；

第三步：選取一個含水印的圖像塊，并按照公式（2）進(jìn)行Schur分解獲得其酉矩陣和上三角矩陣，此處i ,j 分別表示該圖像塊所在的行號和列號；

第四步：根據(jù)公式（3）確定上三角矩陣中的最大能量元素所在的列號c；

第五步：依據(jù)確定的列號c，并定位到酉矩陣中的第c列；

第六步：根據(jù)公式（7），利用酉矩陣中的第二行第c列元素和第三行第c列元素，提取水印信息；

（7）

第七步：重復(fù)執(zhí)行第三步至第六步，直到提取所有的水印信息，把這些提取的信息按照每8位一組進(jìn)行分解，并轉(zhuǎn)換為十進(jìn)制的像素值，然后形成分量水印，m =1, 2, 3分別表示紅，綠，藍(lán)三層；

第八步：將每個分量水印進(jìn)行基于私鑰KA 的逆Arnold變換，并結(jié)合成最終提取的水印W^* 。

該方法簡單快捷，具有較好的水印不可見性；提取水印時不需要原始宿主圖像或原始水印圖像的幫助，能從各種受攻擊圖像中快速提取所嵌入的水印，具有較強(qiáng)的魯棒性，該方法適用于彩色數(shù)字圖像作為數(shù)字水印的版權(quán)保護(hù)。

附圖說明

圖1（a）、圖1（b）、圖1（c）、圖1（d）是四幅原始彩色宿主圖像。

圖2（a）、圖2（b）是兩幅彩色數(shù)字水印圖像。

圖3（a）、圖3（b）、圖3（c）、圖3（d）是將圖2（a）所示的水印依次嵌入到宿主圖像圖1（a）、圖1（b）、圖1（c）、圖1（d）后所得到的含水印圖像，其結(jié)構(gòu)相似度SSIM值依次是0.9937、0.9805、0.9711、0.9874，其峰值信噪比PSNR值依次是38.4001dB、39.3033dB、37.7619dB、37.3412dB。

圖4（a）、圖4（b）、圖4（c）、圖4（d）是依次從圖3（a）、圖3（b）、圖3（c）、圖3（d）中提取的水印，其歸一化互相關(guān)系數(shù)NC值分別是1.0000、1.0000、1.0000、1.0000。

圖5（a）、圖5（b）、圖5（c）、圖5（d）、圖5（e）、圖5（f）是將圖3（a）所示的含水印圖像依次進(jìn)行JPEG2000壓縮(5:1)、椒鹽噪聲(0.02)、低通濾波(100,1)、銳化(1.0)、剪切(50%)、縮放(4:1)等攻擊后所提取的水印，其歸一化互相關(guān)系數(shù)NC值分別是0.9979、0.9936、0.9567、0.9995、0.7831、0.9949。

圖6（a）、圖6（b）、圖6（c）、圖6（d）是將圖2（b）所示的水印依次嵌入到宿主圖像圖1（a）、圖1（b）、圖1（c）、圖1（d）后所得到的含水印圖像，其結(jié)構(gòu)相似度SSIM值依次是0.9837、0.9795、0.9709、0.9871，其峰值信噪比PSNR值依次是38.5112dB、38.3033dB、37.9869dB、37.3305dB。

圖7（a）、圖7（b）、圖7（c）、圖7（d）是依次從圖6（a）、圖6（b）、圖6（c）、圖6（d）中提取的水印，其歸一化互相關(guān)系數(shù)NC值分別是1.0000、1.0000、1.0000、1.0000。

圖8（a）、圖8（b）、圖8（c）、圖8（d）、圖8（e）、圖8（f）是將圖6（a）所示的含水印圖像依次進(jìn)行JPEG2000壓縮(5:1)、椒鹽噪聲(0.02)、低通濾波(100,1)、銳化(1.0)、剪切(50%)、縮放(4:1)等攻擊后所提取的水印，其歸一化互相關(guān)系數(shù)NC值分別是0.9898、0.9908、0.9678、0.9995、0.7992、0.9831。

具體實施方式

本發(fā)明的目的是提供一種基于矩陣Schur分解的高性能數(shù)字水印方法，其特征在于通過具體的水印嵌入算法和水印提取算法來實現(xiàn)的，其水印嵌入算法的具體步驟描述如下：

第一步：水印序列的生成：首先，將一幅大小為32×32的24位原始水印圖像W 通過降維處理分成三個二維色彩分量水印W_m ，m =1,2,3分別表示紅，綠，藍(lán)色彩分量；其次，把每個色彩分量水印進(jìn)行基于私鑰KA 的Arnold變換置亂；然后，將置亂后的每個色彩分量水印中的像素依次轉(zhuǎn)換為8位二進(jìn)制序列并組合生成嵌入水印；

第二步：嵌入塊的選擇：將一幅大小為512×512的24彩色宿主圖像H 也分成三個分量圖像H_n ，n =1,2,3分別表示紅，綠，藍(lán)三層，并將每個分量圖像H_n 進(jìn)一步劃分為4×4大小的非重疊的圖像塊；同時，用公式（1）所示的基于私鑰KB 的偽隨機(jī)置換算法隨機(jī)選擇嵌入塊；

(1)

其中，HT 表示所有4×4非重疊的圖像塊數(shù)目，ST 表示要選擇嵌入塊的數(shù)目，R 、 C 分別表示所選塊在宿主圖像中的行號與列號，randinterval( )為偽隨機(jī)置換函數(shù)；

第三步：選取一個嵌入塊H_i,j并按照公式（2）進(jìn)行Schur分解獲得其酉矩陣U_i,j和上三角矩陣D_i,j，此處i ,j 分別表示該圖像塊所在的行號和列號，schur( )是矩陣Schur分解函數(shù)；

（2）

設(shè)選取的嵌入塊是，經(jīng)過Schur分解后獲得的其上三角矩陣為，酉矩陣分別為；

第四步：根據(jù)公式（3）確定上三角矩陣D_i,j中的最大能量元素所在的列號c，其中find( )是查找函數(shù)，max( )是求最大值函數(shù)，abs( )是求絕對值函數(shù)；

（3）

由上三角矩陣得最大能量元素766.0000所在的列號c為2；

第五步：依據(jù)確定的列號c定位到酉矩陣中的第c列；

此時，依據(jù)確定的列號2定位到酉矩陣中的第2列；

第六步：根據(jù)公式（4）、（5），修改酉矩陣U_i,j中的第二行第c列元素和第三行第c列元素以嵌入水印w ，并得到含水印的酉矩陣；

(4)

(5)

其中，w 是要嵌入的水印， 和分別是和因嵌入水印而被修改后的結(jié)果，sign( )是求符號函數(shù)，T 是水印嵌入強(qiáng)度，；

此時，設(shè)要嵌入的水印是“0”，水印嵌入強(qiáng)度為0.04，，則根據(jù)公式（4），（5）來修改與；得到含水印的酉矩陣為；

第七步：利用公式（6）進(jìn)行逆Schur變換，得到嵌入水印后的圖像塊；

（6）

此時，進(jìn)行逆Schur變換，得到嵌入水印后的圖像塊為

第八步：重復(fù)執(zhí)行步驟第三步到第七步，直到所有的水印信息都被嵌入完成為止；最后，將含水印的紅、綠、藍(lán)分層圖像重新組合并獲得含水印的圖像；

其水印提取算法的具體步驟描述如下：

第一步：將含水印圖像分成三個含水印的分量圖像，n =1,2,3分別表示紅、綠、藍(lán)三層，并將每一個含水印的分量圖像進(jìn)一步分成4×4的非重疊圖像塊；

第二步：利用公式（1）所示的基于私鑰KB 的偽隨機(jī)置換算法選擇含水印的圖像塊；

第三步：選取一個含水印的圖像塊，并按照公式（2）進(jìn)行Schur分解獲得其酉矩陣和上三角矩陣，此處i ,j 分別表示該圖像塊所在的行號和列號；

此時，選取一個含水印的圖像塊，隨之進(jìn)行Schur分解得其上三角矩陣為，酉矩陣為；

第四步：根據(jù)公式（3）確定上三角矩陣中的最大能量元素所在的列號c；

由上三角矩陣得最大能量元素760.4852所在的列號c為1；

第五步：依據(jù)確定的列號c，并定位到酉矩陣中的第c列；

此時，依據(jù)確定的列號1定位到酉矩陣中的第1列；

第六步：根據(jù)公式（7）,利用酉矩陣中的第二行第c列元素和第三行第c列元素，提取水印信息；

（7）

此時，根據(jù)酉矩陣中第二行第一列元素0.4781和第三行第一列元素0.5175，提取水印信息“0”；

第七步：重復(fù)執(zhí)行第三步至第六步，直到提取所有的水印信息，把這些提取的信息按照每8位一組進(jìn)行分解，并轉(zhuǎn)換為十進(jìn)制的像素值，然后形成分量水印，m =1, 2, 3分別表示紅，綠，藍(lán)三層；

第八步：將每個分量水印進(jìn)行基于私鑰KA 的逆Arnold變換，并結(jié)合成最終提取的水印W^* 。

本發(fā)明有效性驗證

為了證明本發(fā)明的有效性，選擇如圖1（a）、圖1（b）、圖1（c）、圖1（d）所示的四幅大小為512×512的24位彩色圖像作為宿主圖像，并分別用如圖2（a）、圖2（b）所示的兩幅大小為32×32的24位彩色圖像作為數(shù)字水印進(jìn)行驗證。

圖3（a）、圖3（b）、圖3（c）、圖3（d）是將圖2（a）所示的水印依次嵌入到宿主圖像圖1（a）、圖1（b）、圖1（c）、圖1（d）后所得到的含水印圖像，其結(jié)構(gòu)相似度SSIM值依次是0.9937、0.9805、0.9711、0.9874，其峰值信噪比PSNR值依次是38.4001dB、39.3033dB、37.7619dB、37.3412dB,說明本算法具有較好的水印不可見性。

圖4（a）、圖4（b）、圖4（c）、圖4（d）是依次從圖3（a）、圖3（b）、圖3（c）、圖3（d）中提取的水印，其歸一化互相關(guān)系數(shù)NC值分別是1.0000、1.0000、1.0000、1.0000。

圖5（a）、圖5（b）、圖5（c）、圖5（d）、圖5（e）、圖5（f）是將圖3（a）所示的含水印圖像依次進(jìn)行JPEG2000壓縮(5:1)、椒鹽噪聲(0.02)、低通濾波(100,1)、銳化(1.0)、剪切(50%)、縮放(4:1)等攻擊后所提取的水印，其歸一化互相關(guān)系數(shù)NC值分別是0.9979、0.9936、0.9567、0.9995、0.7831、0.9949，說明本算法具有較強(qiáng)的水印魯棒性。

圖6（a）、圖6（b）、圖6（c）、圖6（d）是將圖2（b）所示的水印依次嵌入到宿主圖像圖1（a）、圖1（b）、圖1（c）、圖1（d）后所得到的含水印圖像，其結(jié)構(gòu)相似度SSIM值依次是0.9837、0.9795、0.9709、0.9871，其峰值信噪比PSNR值依次是38.5112dB、38.3033dB、37.9869dB、37.3305dB，說明本算法具有較好的水印不可見性。

圖7（a）、圖7（b）、圖7（c）、圖7（d）是依次從圖6（a）、圖6（b）、圖6（c）、圖6（d）中提取的水印，其歸一化互相關(guān)系數(shù)NC值分別是1.0000、1.0000、1.0000、1.0000。

圖8（a）、圖8（b）、圖8（c）、圖8（d）、圖8（e）、圖8（f）是將圖6（a）所示的含水印圖像依次進(jìn)行JPEG2000壓縮(5:1)、椒鹽噪聲(0.02)、低通濾波(100,1)、銳化(1.0) 、剪切(50%)、縮放(4:1)等攻擊后所提取的水印，其歸一化互相關(guān)系數(shù)NC值分別是0.9898、0.9908、0.9678、0.9995、0.7992、0.9831，說明本算法具有較強(qiáng)的水印魯棒性。

由此可見，所嵌入的彩色圖像數(shù)字水印具有良好的不可見性；同時，從各種受攻擊圖像中所提取的數(shù)字水印圖像具有良好的可鑒別性，說明該方法具有較強(qiáng)的魯棒性，能夠很好地提取所嵌入的彩色水印。