基于圖像局部區(qū)域的脆弱可逆水印方法
【專利摘要】一種基于圖像局部區(qū)域的脆弱可逆水印方法，具體步驟包括：(1)特征圖像采樣；(2)提取初始特征點序列；(3)計算擴展特征點序列；(4)獲取尺度特征點序列；(5)獲取非越界特征圓序列；(6)獲取非重疊特征圓序列；(7)嵌入水?。?8)特征圖像采樣；(9)提取初始特征點序列；(10)計算擴展特征點序列；(11)獲取尺度特征點序列；(12)獲取非越界特征圓序列；(13)獲取非重疊特征圓序列；(14)提取水印。本發(fā)明利用Harris?Laplace算子選取特征點來確定感興趣區(qū)域，調(diào)節(jié)半徑比例因子確定感興趣區(qū)域大小，提高了水印容量和視覺質(zhì)量，具有感興趣區(qū)域篡改檢測能力。
【專利說明】
基于圖像局部區(qū)域的脆弱可逆水印方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于數(shù)字信息安全技術(shù)領(lǐng)域，更進一步設(shè)及數(shù)字圖像水印嵌入與提取技術(shù) 領(lǐng)域中的一種基于圖像局部區(qū)域的脆弱可逆水印方法。本發(fā)明可用于網(wǎng)絡(luò)環(huán)境中數(shù)字圖像 的篡改檢測，實現(xiàn)數(shù)字圖像的內(nèi)容認證，為版權(quán)保護、侵權(quán)追溯提供重要的依據(jù)。
【背景技術(shù)】
[0002] 當今信息化時代，作為一種將標識信息嵌入到信息載體中的技術(shù)，水印已成功應(yīng) 用于數(shù)字圖像、音頻、視頻和網(wǎng)絡(luò)通信等信息載體中，起到了版權(quán)保護、侵權(quán)追溯的作用。但 是傳統(tǒng)水印技術(shù)往往會永久地修改信息載體信息，雖然運種修改微乎其微，但卻難W滿足 軍事、醫(yī)療和司法領(lǐng)域信息載體無失真的要求。針對運一問題，可逆水印技術(shù)應(yīng)運而生，它 通過無失真地恢復(fù)水印與宿主圖像，保證了水印和宿主圖像的完整性。由于可逆水印的諸 多優(yōu)勢，目前已經(jīng)得到廣泛的研究和關(guān)注，并取得了一些突破性進展。然而，現(xiàn)有的可逆水 印方法大多數(shù)是基于整幅圖像而設(shè)計的，未能很好地考慮圖像感興趣區(qū)域的重要性與特殊 性。例如醫(yī)學圖像中，醫(yī)生往往只關(guān)屯、醫(yī)學圖像中的器官或病變部位。因此，如何設(shè)計有效 的可逆水印方法用于感興趣區(qū)域的內(nèi)容保護至關(guān)重要。
[0003] 崔得龍、左敬龍申請的專利"一種感興趣區(qū)域認證和篡改檢測數(shù)字水印方法"（申 請?zhí)枺?01210443250.3,申請公開號：CN 102945542 A)公開了一種感興趣區(qū)域認證和篡改 檢測數(shù)字水印方法。該方法在水印嵌入端由用戶定義感興趣區(qū)域，在生成水印信息和化Sh 碼之后將水印信息嵌入到圖像背景區(qū)域的小波分解系數(shù)中。在接收端，通過比較感興趣區(qū) 域化Sh碼和水印重建來進行雙重認證。該方法存在的不足之處是：由于該方法中感興趣區(qū) 域需要由用戶自己確定，消耗的時間代價較大;而且不同用戶對感興趣區(qū)域選擇的差異性 會影響水印的容量與含水印圖像的視覺質(zhì)量。
[0004] Q.Gu、T.Gao在論文('A novel reversible watermarking scheme based on block energy difference for medical images"（《2012Joint 6th International Conference on Soft Computing and Intelligent Systems (SCI S) and 13 th International Symposium on Advanced Intelligent Systems(ISIS)》，2012,232-237) 中提出了一種基于醫(yī)學圖像能量差異的可逆水印方法。該方法對原始圖像進行不重疊分 塊，分別對每子塊圖像進行整型小波變換，根據(jù)每個圖像子塊的能量差異將水印嵌入到整 型小波變換的低頻子帶中。該方法存在的不足之處是：由于該方法是在非感興趣區(qū)域中嵌 入水印，當感興趣區(qū)域遭到篡改之后無法實現(xiàn)水印的有效檢測，所W該方法不具有感興趣 區(qū)域篡改檢測能力。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于針對上述已有技術(shù)存在的不足，提出一種基于圖像局部區(qū)域的 脆弱可逆水印方法，不僅提高了水印的嵌入容量和含水印圖像的視覺質(zhì)量，而且具有感興 趣區(qū)域篡改檢測能力。
[0006] 實現(xiàn)本發(fā)明目的的具體思路是，在水印嵌入過程中：首先對載體圖像進行特征圖 像采樣，然后根據(jù)化rris-Laplace算子提取初始特征點序列，接著依次獲取擴展特征點序 列、尺度特征點序列、非越界特征圓序列與非重疊特征圓序列，最后依次在非重疊特征圓序 列中的各個非重疊特征圓進行水印嵌入，得到含水印圖像;在水印提取過程中：首先對待檢 測圖像進行特征圖像采樣，然后根據(jù)化rriS-Laplace算子提取待檢測初始特征點序列，接 著依次獲取待檢測擴展特征點序列、待檢測尺度特征點序列、待檢測非越界特征圓序列與 待檢測非重疊特征圓序列，最后依次在待檢測非重疊特征圓序列中的各個非重疊特征圓進 行水印提取，得到還原后的圖像和水印。
[0007] 本發(fā)明包括水印嵌入和水印提取兩個過程；
[000引本發(fā)明水印嵌入過程的具體步驟為：
[0009] (1)特征圖像采樣：
[0010] (Ia)將載體圖像從左上方提取VXV像素的一塊正方形基塊，將此正方形基塊分成 大小為2 X 2像素且互不重疊的子塊，按行排序得到載體圖像塊序列；
[0011] (Ib)丟棄分塊后不能被劃分的剩余部分；
[0012] (Ic)依次選取載體圖像塊序列中各個子塊，計算所選取載體圖像塊序列中子塊的 平均像素值，得到平均像素值序列A;
[0013] (Id)將平均像素值序列A轉(zhuǎn)化為特征圖像H;
[0014] (2)按照下式，從特征圖像中提取初始特征點，得到初始特征點序列：
[0015] F = harrisLaplace(H)
[0016] 其中，F(xiàn)表示初始特征點序列，harrisLaplace表示進行化；rris-Laplace算子計算 操作，H表示特征圖像；
[0017] (3)計算擴展特征點序列：
[0018] 依次選取初始特征點序列中各個特征點，將所選取的初始特征點序列中的特征點 對應(yīng)的行位置和列位置擴大為原來的兩倍，得到擴展特征點序列；
[0019] (4)獲取尺度特征點序列：
[0020] (4a)依次選取擴展特征點序列中各個特征點，計算所選取的擴展特征點序列中特 征點對應(yīng)的尺度，得到特征點尺度序列；
[0021] (4b)在尺度闊值區(qū)間[Tl,T2]內(nèi)，選取滿足擴展特征點尺度序列中的所有尺度，其 中，1《Ti<T2《16;
[0022] (4c)依次將特征點尺度序列中的尺度對應(yīng)的擴展特征點作為尺度特征點，得到尺 度特征點序列；
[0023] (5)獲取非越界特征圓序列：
[0024] (5a)從尺度特征點序列中選取一個尺度特征點，W所選取的特征點所在的位置為 圓屯、，W特征點的尺度和給定的半徑比例因子的乘積為半徑作圓，將該圓作為非越界特征 圓；
[0025] (5b)判斷非越界特征圓是否超過載體圖像的邊界，若是，則舍棄該非越界特征圓， 否則，執(zhí)行步驟(5c);
[0026] (5c)判斷是否選取完尺度特征點序列中的所有尺度特征點，若是，執(zhí)行步驟(5d)， 否則執(zhí)行步驟(5a);
[0027] (5d)將所有非越界特征圓組成非越界特征圓序列；
[00%] (6)獲取非重疊特征圓序列：
[0029] (6a)從非越界特征圓序列中選取一個非越界特征圓，將所選取的非越界特征圓放 入非重疊特征圓序列中；
[0030] (6b)從非越界特征圓序列中選取一個非越界特征圓，判斷所選取的非越界特征圓 是否與非重疊特征圓序列在圓面上發(fā)生重疊，若是，則舍棄該非越界特征圓，否則，執(zhí)行步 驟(6c);
[0031] (6c)將非越界特征圓放入非重疊特征圓序列；
[0032] (6d)判斷是否選取完非越界特征圓序列中的所有非越界特征圓，若是，執(zhí)行步驟 (7)，否則執(zhí)行步驟(6b);
[0033] (7)嵌入水?。?br>[0034] (7a)從非重疊特征圓序列中選取一個非重疊特征圓，計算所選取的非重疊特征圓 的內(nèi)接正方形；
[0035] (7b)按照下式，在選取的內(nèi)接正方形中嵌入水印，得到含水印的內(nèi)接正方形：
[0036] G = embedWM(Q，W)
[0037] 其中，G表示含水印的內(nèi)接正方形，embe抓M表示水印嵌入操作，Q表示非重疊特征 圓的內(nèi)接正方形，W表示擬嵌入的水??；
[0038] (7c)判斷是否選取完非重疊特征圓序列中的所有非越界特征圓，若是，得到含水 印圖像，否則，執(zhí)行步驟(7a);
[0039] 所述水印提取過程的具體步驟為：
[0040] (8)待檢測特征圖像采樣：
[0041] (8a)將待檢測圖像從左上方提取r XVM象素的一塊正方形基塊，將此正方形基塊 分成大小為2X2像素且互不重疊的子塊，按行排序得到待檢測圖像塊序列；
[0042] (8b)丟棄分塊后不能被劃分的剩余部分；
[0043] (8c)依次選取待檢測圖像塊序列中各個子塊，計算所選取待檢測圖像塊序列中子 塊的平均像素值，得到待檢測平均像素值序列;
[0044] (8d)將待檢測平均像素值序列轉(zhuǎn)化為待檢測特征圖像IT ;
[0045] (9)按照下式，從待檢測特征圖像中提取待檢測初始特征點，得到待檢測初始特征 點序列：
[0046] F' =IiarrisLaplace(H')
[0047] 其中，F(xiàn)'表示待檢測初始特征點序列，harrisLaplace表示進行化；rris-Laplace算 子計算操作，表示待檢測特征圖像；
[0048] (10)計算待檢測擴展特征點序列：
[0049] 依次選取待檢測初始特征點序列中各個特征點，將所選取的待檢測初始特征點序 列中的特征點對應(yīng)的行位置和列位置擴大為原來的兩倍，得到待檢測擴展特征點序列；
[0050] (11)獲取待檢測尺度特征點序列：
[0051] (Ila)依次選取待檢測擴展特征點序列中各個特征點，計算所選取的待檢測擴展 特征點序列中特征點對應(yīng)的尺度，得到待檢測特征點尺度序列；
[0052] (Ilb)在尺度闊值區(qū)間[Tl,T2]內(nèi)，選取滿足待檢測擴展特征點尺度序列中的所有 尺度，其中，
[0053] (lie)依次將待檢測特征點尺度序列中的尺度對應(yīng)的待檢測擴展特征點作為尺度 特征點，得到待檢測尺度特征點序列；
[0054] (12)獲取待檢測非越界特征圓序列：
[0055] (12a)從待檢測尺度特征點序列中選取一個尺度特征點，W所選取的特征點所在 的位置為圓屯、，W特征點的尺度和給定的半徑比例因子的乘積為半徑作圓，將該圓作為非 越界特征圓；
[0056] (12b)判斷非越界特征圓是否超過待檢測圖像的邊界，若是，則舍棄該非越界特征 圓，否則，執(zhí)行步驟(12c);
[0057] (12c)判斷是否選取完待檢測尺度特征點序列中的所有尺度特征點，若是，執(zhí)行步 驟(12d)，否則執(zhí)行步驟(12a);
[0058] (12d)將所有非越界特征圓組成待檢測非越界特征圓序列；
[0059] (13)獲取待檢測非重疊特征圓序列：
[0060] (13a)從待檢測非越界特征圓序列中選取一個非越界特征圓，將所選取的非越界 特征圓放入待檢測非重疊特征圓序列中；
[0061] (13b)從待檢測非越界特征圓序列中選取一個非越界特征圓，判斷所選取的非越 界特征圓是否與待檢測非重疊特征圓序列在圓面上發(fā)生重疊，若是，則舍棄該非越界特征 圓，否則，執(zhí)行步驟(13c);
[0062] (13c)將非越界特征圓放入待檢測非重疊特征圓序列；
[0063] (13d)判斷是否選取完待檢測非越界特征圓序列中的所有非越界特征圓，若是，執(zhí) 行步驟(14)，否則執(zhí)行步驟(13b);
[0064] (14)提取水?。?br>[0065] (Ha)從待檢測非重疊特征圓序列中選取一個非重疊特征圓，計算所選取的非重 疊特征圓的內(nèi)接正方形；
[0066] (14b)按照下式，在選取的內(nèi)接正方形中提取水印，得到含水印的內(nèi)接正方形：
[0067] (G'，W' ) =extractWM(Q')
[0068] 其中，表示還原后的內(nèi)接正方形，表示還原后的水印，extractWM表示水印提 取操作，Q/表示非重疊特征圓的內(nèi)接正方形；
[0069] (Hc)判斷是否選取完待檢測非重疊特征圓序列中的所有非重疊特征圓，若是，得 到還原后的圖像，否則，執(zhí)行步驟(14曰）。
[0070] 與現(xiàn)有技術(shù)相比，本發(fā)明具有W下優(yōu)點：
[0071] 第一，由于本發(fā)明在水印嵌入和提取的過程中，通過采用化rris-Laplace算子選 取初始特征點并經(jīng)過篩選來確定感興趣區(qū)域，克服了現(xiàn)有技術(shù)中的感興趣區(qū)域必須是由用 戶自己指定，時間消耗代價較大的缺點，使得本發(fā)明具有感興趣區(qū)域自動選取、時間消耗小 的優(yōu)點。
[0072] 第二，由于本發(fā)明在水印嵌入和提取過程中，通過在感興趣區(qū)域中嵌入水印，克服 了一些現(xiàn)有技術(shù)當感興趣區(qū)域遭到篡改之后無法實現(xiàn)水印的有效檢測，使得本發(fā)明具有感 興趣區(qū)域篡改檢測的優(yōu)點。
[0073] 第=，由于本發(fā)明在水印嵌入過程中，通過調(diào)節(jié)給定的半徑比例因子來確定感興 趣區(qū)域大小，克服了一些現(xiàn)有技術(shù)中水印容量和視覺質(zhì)量無法有效調(diào)節(jié)的缺點，使得本發(fā) 明具有水印容量和視覺質(zhì)量良好的優(yōu)點。
【附圖說明】
[0074] 圖1是本發(fā)明的水印嵌入流程框圖；
[0075] 圖2是本發(fā)明的水印提取流程框圖；
[0076] 圖3是本發(fā)明的實驗測試圖像。
【具體實施方式】
[0077] 下面結(jié)合附圖對本發(fā)明做詳細的描述。
[0078] 參照附圖1，本發(fā)明的水印嵌入步驟如下。
[00巧]步驟1，特征圖像采樣。
[0080] 給定大小為MXN的載體圖像I，將載體圖像I從左上方提取VX V像素的一塊正方形 基塊，其中，V=2Xc，c為滿足C < Lmin(i/，yV)/2j條件下的最大正整數(shù)，L.」表示向下取整 操作，min表示取最小值操作，M與N分別表示載體圖像的行數(shù)與列數(shù)。
[0081] 將此正方形基塊分成大小為2X2像素且互不重疊的子塊，按行排序得到載體圖像 塊序列B={Bi，...，B<t>，. . .BcXcK其中B*表示載體圖像塊序列B中第d)個子塊，d)《（cX C)，丟棄分塊后不能被劃分的剩余部分。
[0082] 依次選取載體圖像塊序列中各個子塊，按照下式，計算所選取載體圖像塊序列中 子塊的平均像素值，得到平均像素值序列A:
[008；3] Ai=(Bii+Bi2+Bi3+Bi4)/4
[0084] 其中，Al表示載體圖像塊序列中第i個子塊的平均像素值，Bii表示載體圖像塊序列 中第i個子塊中位于左上角位置處的像素值，Bi2表示載體圖像塊序列中第i個子塊中位于左 下角位置處的像素值，Bi3表示載體圖像塊序列中第i個子塊中位于右上角位置處的像素值， Bi4表示載體圖像塊序列中第i個子塊中位于右下角位置處的像素值。
[0085] 按照下式，將平均像素值序列A轉(zhuǎn)化為特征圖像H:
[00 化]H(q,t)=Ak
[0087] 其中，H(q，t)表示特征圖像H中第q行第t列的像素值，Ak表示平均像素值序列A中 的第k個值，k = qXc+t-c，c表示滿足.C < rain(^#,#V2條件下的最大正整數(shù)，胃.表示向 下取整操作，min表示取最小值操作，M與N分別表示載體圖像的行數(shù)與列數(shù)， ^Co
[0088] 步驟2，提取初始特征點序列。
[0089] 根據(jù)文獻"D.Lowe.Object Recognition from Local Scale-Invariant Features.Computer Science Department，vol.2，pp.ll5〇-1157,Sep 1999，'中提出的特征 點提取方法，按照下式，利用Harris-Laplace算子從特征圖像中提取特征點，得到初始特征 點序列F:
[0090] F 二 harrisLaplace 化）
[0091 ] 其中，F(xiàn)表示初始特征點序列，harrisLaplace表示進行Harris-Laplace算子計算 操作，H表示特征圖像。
[0092] 步驟3，計算擴展特征點序列。
[0093] 依次選取初始特征點序列F中各個特征點，將所選取的初始特征點序列F中的特征 點對應(yīng)的行位置和列位置擴大為原來的兩倍，得到擴展特征點序列U。
[0094] 步驟4，獲取尺度特征點序列。
[0095] 依次選取擴展特征點序列U中各個特征點，按照下式，計算所選取的擴展特征點序 列U中的特征點對應(yīng)的尺度，得到特征點尺度序列S:
[0096] Sj = getScale(Uj)
[0097] 其中，Sj表示特征點尺度序列S中第j個尺度，getScale表示尺度計算操作，Uj表示 擴展特征點序列中第j個擴展特征點。
[0098] 在尺度闊值區(qū)間[Tl,T2]內(nèi)，選取滿足擴展特征點尺度序列S中的所有尺度，其中， Tl和T2分別為尺度闊值區(qū)間的最小值和最大值，
[0099] 依次將特征點尺度序列S中尺度對應(yīng)的擴展特征點作為尺度特征點，得到尺度特 征點序列C。
[0100] 步驟5,獲取非越界特征圓序列。
[0101] 第1步，從尺度特征點序列C中選取一個尺度特征點，W所選取的特征點所在的位 置為圓屯、，W特征點的尺度Sn和給定的半徑比例因子A的乘積為半徑作圓，將該圓作為非越 界特征圓Zn,其中，Sn表示特征點尺度序列S中第Tl個尺度，Zn表示第n個尺度特征點對應(yīng)的非 越界特征圓。
[0102] 第2步，判斷非越界特征圓Z是否超過載體圖像I的邊界，若是，則舍棄該非越界特 征圓，否則，執(zhí)行步驟5中的第3步。
[0103] 第3步，判斷是否選取完尺度特征點序列C中的所有尺度特征點，若是，執(zhí)行步驟5 中的第4步，否則，執(zhí)行步驟5中的第1步。
[0104] 第4步，將所有非越界特征圓組成非越界特征圓序列Z= {Zi，...，Ze，...，Z。}，其 中，Ze表示非越界特征圓序列中第0個非越界特征圓，O表示非越界特征圓的個數(shù)。
[01化]步驟6,獲取非重疊特征圓序列。
[0106] 第1步，依次選取非越界特征圓序列Z中各個特征圓對應(yīng)的特征點，按照下式，計算 所選取的越界特征圓序列Z中特征圓對應(yīng)的特征點的強度，得到特征點強度序列P:
[0107] PT = ge1:Powe；KLT)
[010引其中，Pt表示特征點強度序列P中第T個特征點強度，ge巧ower表示特征點強度計 算操作，1^表示非越界特征圓序列Z中第T個特征圓對應(yīng)的特征點。
[0109] 第2步，根據(jù)非越界特征圓序列Z對應(yīng)的特征點強度序列P，將非越界特征圓序列Z 中各個非越界特征圓按照其對應(yīng)的特征點強度從大到小進行排序。
[0110] 第3步，從非越界特征圓序列Z中選取第一個非越界特征圓，將所選取的非越界特 征圓放入非重疊特征圓序列0中。
[0111] 第4步，從非越界特征圓序列Z中依次選取一個非越界特征圓，判斷所選取的非越 界特征圓是否與非重疊特征圓序列0中的各個非重疊特征圓在圓面上發(fā)生重疊，若是，則舍 棄該非越界特征圓，否則，執(zhí)行步驟6中的第5步。
[0112] 第5步，將非越界特征圓放入非重疊特征圓序列0。
[0113] 第6步，判斷是否選取完非越界特征圓序列Z中的所有非越界特征圓，若是，執(zhí)行步 驟7，否則，執(zhí)行步驟6中的第4步。
[0114] 步驟7,嵌入水印。
[0115] 第1步，從非重疊特征圓序列0中選取一個非重疊特征圓，按照下式，計算所選取的 非重疊特征圓的內(nèi)接正方形：
[0116]
[0117] 其中，Li表示非重疊特征圓的內(nèi)接正方形左上角點在載體圖像所在平面上對應(yīng)的 橫坐標值，L2表示非重疊特征圓的內(nèi)接正方形左上角點在載體圖像所在平面上對應(yīng)的縱坐 標值，Di表示非重疊特征圓的內(nèi)接正方形右下角點在載體圖像所在平面上對應(yīng)的橫坐標 值，表示非重疊特征圓的內(nèi)接正方形右下角點在載體圖像所在平面上對應(yīng)的縱坐標值，X 表示非重疊特征圓的圓屯、在載體圖像所在平面上對應(yīng)的橫坐標值，y表示非重疊特征圓的 圓屯、在栽體圖像所在平面上對應(yīng)的縱坐標值，E表示非重疊特征圓的內(nèi)接正方形的邊，
其中，表示向下取整操作，R表示所選取的非重疊特征圓的半徑。
[0118] 第2步，利用文獻氣.6日〇，1^.411，￥.化日11，0^日〇，乂丄1丄〇331633 0日13￡11166(1(1111邑 Using Generalized Statistical Quantity Histogram.IEEE Transactions on Circuits and Systems for Video Technology，vol .21 ,pp.1061-1070,Aug 2011，'中提出 的水印嵌入方法，按照下式，在選取的內(nèi)接正方形中嵌入水印，得到含水印的內(nèi)接正方形：
[0119] G = embedWM(Q，W)
[0120] 其中，G表示含水印的內(nèi)接正方形，embe抓M表示水印嵌入操作，Q表示非重疊特征 圓的內(nèi)接正方形，W表示擬嵌入的水印。
[0121] 第3步，判斷是否選取完非重疊特征圓序列Z中的所有非越界特征圓，若是，得到含 水印圖像Iw,否則，執(zhí)行步驟7中的第1步。
[0122] 通過上述步驟1到步驟7可W實現(xiàn)水印嵌入，得到含水印圖像Iw。
[0123] 參照附圖2,本發(fā)明的水印提取步驟如下。
[0124] 步驟8，待檢測特征圖像采樣。
[0125] 給定大小為XN^的待檢測圖像，將待檢測圖像從左上方提取r X VM象素的 一塊待檢測正方形基塊，其中，r=2xd，d為滿巧
條件下的最大正整 數(shù)，表示向下取整操作，min表示取最小值操作，與滬分別表示待檢測圖像的行數(shù)與列 數(shù)。
[0126] 將此待檢測正方形基塊分成大小為2 X 2像素且互不重疊的子塊，按行排序得到待 檢測圖像塊序列= {B/1，. . .，BS，. . dxd}，其中By表示待檢測圖像塊序列B中第丫個子 塊，1《丫《(d X d)，丟棄分塊后不能被劃分的剩余部分。
[0127]依次選取待檢測圖像塊序列中各個子塊，按照下式，計算所選取待檢測圖像塊序 列中子塊的平均像素值，得到待檢測平均像素值序列:
[01 28] A' a= (B' al+B' U2+B' U3+B'。4)/4
[0129] 其中，y a表示待檢測圖像塊序列中第a個子塊的平均像素值，B^ai表示待檢測圖像 塊序列中第a個子塊中位于左上角位置處的像素值，表示待檢測圖像塊序列中第a個子 塊中位于左下角位置處的像素值，B\康示待檢測圖像塊序列中第a個子塊中位于右上角位 置處的像素值，表示待檢測圖像塊序列中第a個子塊中位于右下角位置處的像素值。
[0130] 按照下式，將待檢測平均像素值序列轉(zhuǎn)化為待檢測特征圖像：
[0131] H'(y，u)=A'p
[0132] 其中，IT (y，u)表示待檢測特征圖像IT中第ii行第U列的像素值，表示待檢測平 均像素值序列中的第0個值，e=iixd+u-d，d表示滿足
長件下的最大 正整數(shù)，b_l表示向下取整操作，min表示取最小值操作，與滬分別表示待檢測圖像的行數(shù) 與列數(shù)，
[0133] 步驟9，提取待檢測初始特征點序列。
[0134] 根據(jù)文獻"D.Lowe.Object Recognition from Local Scale-Invariant Features.Computer Science D 邱 a;rtment,vol.2,pp. 1150-1157,S 邱 1999"中提出的特征 點提取方法，按照下式，利用化rris-Laplace算子從待檢測特征圖像中提取特征點，得到待 檢測初始特征點序列護：
[0135] F'=IiarrisLaplace(H')
[0136] 其中，戶表示待檢測初始特征點序列，harrisLaplace表示進行化rris-Laplace算 子計算操作，表示特征圖像。
[0137] 步驟10,計算待檢測擴展特征點序列。
[0138] 依次選取待檢測初始特征點序列中各個特征點，將所選取的待檢測初始特征點 序列中的特征點對應(yīng)的行位置和列位置擴大為原來的兩倍，得到待檢測擴展特征點序列 U'。
[0139] 步驟11，獲取待檢測尺度特征點序列。
[0140] 依次選取待檢測擴展特征點序列IT中各個特征點，按照下式，計算所選取的待檢 測擴展特征點序列IJ/中特征點對應(yīng)的尺度，得到待檢測特征點尺度序列:
[0141] S'e = getScale化'e)
[0142]其中，e表示待檢測特征點尺度序列中第￡個特征點尺度，getScale表示尺度計 算操作，IJ/ E表示待檢測擴展特征點序列中第e個擴展特征點。
[0143] 在尺度闊值區(qū)間[Tl, T2]內(nèi)，選取滿足待檢測擴展特征點尺度序列中的所有尺 度，其中，Tl和T2分別為尺度闊值區(qū)間的最小值和最大值，
[0144] 依次將待檢測特征點尺度序列中的尺度對應(yīng)的擴展特征點作為尺度特征點，得 到待檢測尺度特征點序列。
[0145] 步驟12,獲取待檢測非越界特征圓序列。
[0146] 第1步，從待檢測尺度特征點序列中選取一個尺度特征點，W所選取的特征點所 在的位置為圓屯、，W特征點的尺度^ 4和給定的半徑比例因子A的乘積為半徑作圓，將該圓 作為待檢測非越界特征圓z%，其中，S%表示待檢測特征點尺度序列^中第4個尺度，Z%表 示第4個尺度特征點對應(yīng)的非越界特征圓。
[0147] 第2步，判斷非越界特征圓Z%是否超過待檢測圖像的邊界，若是，舍棄該非越界 特征圓，否則，執(zhí)行步驟12中的第3步。
[0148] 第3步，判斷是否選取完待檢測尺度特征點序列中的所有尺度特征點，若是，執(zhí) 行第4步，否則執(zhí)行步驟12中的第1步。
[0149] 第4步，將所有非越界特征圓組成待檢測非越界特征圓序列
，其中，Z%表示待檢測非越界特征圓序列中第(1)個非越界特征 圓，<9表示待檢測非越界特征圓的個數(shù)。
[0150] 步驟13,獲取待檢測非重疊特征圓序列。
[0151] 第1步，依次選取待檢測非越界特征圓序列中各個特征圓對應(yīng)的特征點，按照下 式，計算所選取的待檢測越界特征圓序列中特征圓對應(yīng)的特征點的強度，得到待檢測特 征點強度序列P/ :
[0152] P'自=ge1:Powe；KL'弓）
[0153]其中，p/ ^表示特征點強度序列p/中第C個特征點強度，getPower表示特征點強度 計算操作，1/^表示待檢測非越界特征圓序列中第C個特征圓對應(yīng)的特征點。
[0154] 第2步，根據(jù)待檢測非越界特征圓序列對應(yīng)的特征點強度序列P/，將待檢測非越 界特征圓序列中各個非越界特征圓按照其對應(yīng)的特征點強度從大到小進行排序。
[0155] 第3步，從待檢測非越界特征圓序列中選取第一個非越界特征圓，將所選取的非 越界特征圓放入待檢測非重疊特征圓序列〇/中。
[0156] 第4步，從待檢測非越界特征圓序列中依次選取一個非越界特征圓，判斷所選取 的非越界特征圓是否與待檢測非重疊特征圓序列〇/中的各個非重疊特征圓在圓面上發(fā)生 重疊，若是，舍棄該非越界特征圓，否則，執(zhí)行步驟13中的第5步。
[0157] 第5步，將非越界特征圓放入待檢測非重疊特征圓序列〇/。
[0158] 第6步，判斷是否選取完待檢測非越界特征圓序列中的所有非越界特征圓，若 是，執(zhí)行步驟14,否則執(zhí)行步驟13中的第4步。
[0159] 步驟14,提取水印。
[0160] 第1步，從待檢測非重疊特征圓序列〇/中選取一個非重疊特征圓，按照下式，計算 所選取的非重疊特征圓的內(nèi)接正方形：
[0161]
[0162]具甲，U'
巧不菲里畳特征圓的內(nèi)接正方形左上角點在待檢測圖像所在平面上對 應(yīng)的橫坐標值，1/2表示非重疊特征圓的內(nèi)接正方形左上角點在待檢測圖像所在平面上對 應(yīng)的縱坐標值，D^i表示非重疊特征圓的內(nèi)接正方形右下角點在待檢測圖像所在平面上對 應(yīng)的橫坐標值，0^2表示非重疊特征圓的內(nèi)接正方形右下角點在待檢測圖像所在平面上對 應(yīng)的縱坐標值，表示非重疊特征圓的圓屯、在待檢測圖像所在平面上對應(yīng)的橫坐標值，/ 表示非重疊特征圓的圓屯、在待檢測載體圖像所在平面上對應(yīng)的縱坐標值，護表示非重疊特 征圓的內(nèi)接正方形的邊
其中，表示向下取整操作，R/表示所選取的非 重疊特征圓的半徑。
[0163] 第2步，利用文獻氣.6日〇，1^.411，￥.化日11，0^日〇，乂丄1丄〇331633 0日13￡11166(1(1111邑 Using Generalized Statistical Quantity Histogram.IEEE Transactions on Circuits and Systems for Video Technology,vol.21,pp. 1061-1070,Aug 2011"中提出 的水印嵌入方法，按照下式，在選取的內(nèi)接正方形中嵌入水印，得到含水印的內(nèi)接正方形：
[0164] (G'，W' )=extractWM(Q')
[01化]其中，表示還原后的內(nèi)接正方形，表示還原后的水印，extractWM表示水印提 取操作，Q/表示非重疊特征圓的內(nèi)接正方形。
[0166] 第3步，判斷是否選取完待檢測非重疊特征圓序列中的所有非越界特征圓，若是， 得到還原后的圖像，否則，執(zhí)行步驟14中的第1步。
[0167] 通過上述步驟8到步驟14可W實現(xiàn)水印嵌入，得到還原后的圖像和還原后的水 印W'。
[0168] 下面結(jié)合仿真實驗測試圖像對本發(fā)明效果做進一步的描述。
[0169] 1.仿真實驗條件：
[0170] 實現(xiàn)本發(fā)明方法的軟件環(huán)境為美國Mathworks公司開發(fā)的MATLAB 2015曰，系統(tǒng)運 行環(huán)境為Linux。參照附圖3,圖3(a)和圖3(b)為仿真實驗測試圖像，大小為512X512。為了 評估本發(fā)明方法的性能，實驗中Wq.Gu、T.Gao在論文"A novel reversible watermarking scheme based on block energy difference for medical images"中提出的方法為基 礎(chǔ)，計算塊能量生成直方圖并通過直方圖平移在非感興趣區(qū)域中嵌入水印，運里將運一方 法標記為BED,而將本發(fā)明方法記為RROI，分別從容量、視覺質(zhì)量和篡改檢測能力S方面進 行測試。
[0171] 2.仿真實驗內(nèi)容：
[0172] 實驗1:容量仿真實驗：
[0173] 本發(fā)明中的仿真實驗容量是指載體圖像中最多能嵌入的水印位數(shù)，分別在測試圖 像中使用運兩種方法進行水印嵌入操作，得到含水印圖像，檢測含水印圖像的水印容量，單 位為bit,得到的結(jié)果如表1所示。由表1結(jié)果可見，本發(fā)明方法比現(xiàn)有技術(shù)B邸具有更高的水 印容量。
[0174] 表1.水印容量
[0175]
[0176] 實驗2:視覺質(zhì)量仿真實驗：
[0177] 本發(fā)明W客觀指標峰值信噪比PSNR作為評判依據(jù)，分別在測試圖像中使用運兩種 方法進行水印嵌入操作，得到含水印圖像，檢測含水印圖像的視覺質(zhì)量。PSNR表示為 [017 引
[0179] 其中，MXN是載體圖像I的大小，
I表示載體 圖像，IW表示含水印圖像，KiJ)是載體圖像在第i行第j列的像素值，iw(ij)是含水印圖像 在第i行第j列的像素值，結(jié)果如表2所示，單位為地。
[0180] 表2.視覺質(zhì)量
[0181]
[0182] 由表2結(jié)果可見，本發(fā)明方法比現(xiàn)有技術(shù)B邸具有更高的視覺質(zhì)量。
[0183] 實驗3:篡改檢測仿真實驗：
[0184] 參照附圖3,圖3(c)是圖3(a)篡改感興趣區(qū)域后得到的圖像，圖3(d)是圖3(b)篡改 感興趣區(qū)域后得到的圖像。仿真實驗中通過比較水印相似度S來確定運兩種方法的水印篡 改檢測能力。S表示為
[0185]
[0186] 具甲，sum巧不求和探作，bitxor表示異或操作，胖"^示嵌入的水印，表示從篡改 后圖像中提取的水印，M表示嵌入水印的長度。當S小于1時，說明水印能夠有效判斷出圖像 篡改，而當S等于1時，由于提取的水印與嵌入的水印完全相同，無法實現(xiàn)篡改檢測，得到的 結(jié)果如表3所示。
[0187] 表3.水印相似度
[018 引
[0189]由表3結(jié)果可見，與現(xiàn)有技術(shù)B邸相比，本發(fā)明方法能夠?qū)崿F(xiàn)感興趣區(qū)域的篡改檢。
【主權(quán)項】
1. 一種基于圖像局部區(qū)域的脆弱可逆水印方法，包括水印嵌入和水印提取兩個過程； 所述水印嵌入過程的具體步驟為： (1) 特征圖像采樣： (la) 將載體圖像從左上方提取V X V像素的一塊正方形基塊，將此正方形基塊分成大小 為2 X 2像素且互不重疊的子塊，按行排序得到載體圖像塊序列； (lb) 丟棄分塊后不能被劃分的剩余部分； (lc) 依次選取載體圖像塊序列中各個子塊，計算所選取載體圖像塊序列中子塊的平均 像素值，得到平均像素值序列A; (ld) 將平均像素值序列A轉(zhuǎn)化為特征圖像H; (2) 按照下式，從特征圖像中提取初始特征點，得到初始特征點序列： F = harrisLaplace(H) 其中，F(xiàn)表示初始特征點序列，harrisLaplace表示進行Harris-Laplace算子計算操作， H表示特征圖像； (3) 計算擴展特征點序列： 依次選取初始特征點序列中各個特征點，將所選取的初始特征點序列中的特征點對應(yīng) 的行位置和列位置擴大為原來的兩倍，得到擴展特征點序列； (4) 獲取尺度特征點序列： (4a)依次選取擴展特征點序列中各個特征點，計算所選取的擴展特征點序列中特征點 對應(yīng)的尺度，得到特征點尺度序列； (4b)在尺度閾值區(qū)間[T1,T2]內(nèi)，選取滿足擴展特征點尺度序列中的所有尺度，其中，1 STKT2 彡 16; (4c)依次將特征點尺度序列中的尺度對應(yīng)的擴展特征點作為尺度特征點，得到尺度特 征點序列； (5) 獲取非越界特征圓序列： (5a)從尺度特征點序列中選取一個尺度特征點，以所選取的特征點所在的位置為圓 心，以特征點的尺度和給定的半徑比例因子的乘積為半徑作圓，將該圓作為非越界特征圓； (5b)判斷非越界特征圓是否超過載體圖像的邊界，若是，則舍棄該非越界特征圓，否 貝IJ，執(zhí)行步驟(5c); (5c)判斷是否選取完尺度特征點序列中的所有尺度特征點，若是，執(zhí)行步驟(5d)，否則 執(zhí)行步驟(5a); (5d)將所有非越界特征圓組成非越界特征圓序列； (6) 獲取非重疊特征圓序列： (6a)從非越界特征圓序列中選取一個非越界特征圓，將所選取的非越界特征圓放入非 重置特征圓序列中； (6b)從非越界特征圓序列中選取一個非越界特征圓，判斷所選取的非越界特征圓是否 與非重疊特征圓序列在圓面上發(fā)生重疊，若是，則舍棄該非越界特征圓，否則，執(zhí)行步驟 (6c)； (6c)將非越界特征圓放入非重疊特征圓序列； (6d)判斷是否選取完非越界特征圓序列中的所有非越界特征圓，若是，執(zhí)行步驟(7)， 否則執(zhí)行步驟(6b); (7) 嵌入水印： (7a)從非重疊特征圓序列中選取一個非重疊特征圓，計算所選取的非重疊特征圓的內(nèi) 接正方形； (7b)按照下式，在選取的內(nèi)接正方形中嵌入水印，得到含水印的內(nèi)接正方形： G = embedffM(Q,ff) 其中，G表示含水印的內(nèi)接正方形，embecWM表示水印嵌入操作，Q表示非重疊特征圓的 內(nèi)接正方形，W表示擬嵌入的水??； (7c)判斷是否選取完非重疊特征圓序列中的所有非越界特征圓，若是，得到含水印圖 像，否則，執(zhí)行步驟(7a); 所述水印提取過程的具體步驟為： (8) 待檢測特征圖像采樣： (8a)將待檢測圖像從左上方提取V' X V'像素的一塊正方形基塊，將此正方形基塊分成 大小為2X2像素且互不重疊的子塊，按行排序得到待檢測圖像塊序列； (8b)丟棄分塊后不能被劃分的剩余部分； (8c)依次選取待檢測圖像塊序列中各個子塊，計算所選取待檢測圖像塊序列中子塊的 平均像素值，得到待檢測平均像素值序列# ; (8d)將待檢測平均像素值序列A'轉(zhuǎn)化為待檢測特征圖像H'; (9) 按照下式，從待檢測特征圖像中提取待檢測初始特征點，得到待檢測初始特征點序 列： F7 =harrisLaplace(H/ ) 其中，F(xiàn)7表示待檢測初始特征點序列，harrisLaplace表示進行Harris-Laplace算子計 算操作，H'表示待檢測特征圖像； (10) 計算待檢測擴展特征點序列： 依次選取待檢測初始特征點序列中各個特征點，將所選取的待檢測初始特征點序列中 的特征點對應(yīng)的行位置和列位置擴大為原來的兩倍，得到待檢測擴展特征點序列； (11) 獲取待檢測尺度特征點序列： (lla) 依次選取待檢測擴展特征點序列中各個特征點，計算所選取的待檢測擴展特征 點序列中特征點對應(yīng)的尺度，得到待檢測特征點尺度序列； (llb) 在尺度閾值區(qū)間[T1,T2]內(nèi)，選取滿足待檢測擴展特征點尺度序列中的所有尺度， 其中，KTKT 2彡16; (IlC)依次將待檢測特征點尺度序列中的尺度對應(yīng)的待檢測擴展特征點作為尺度特征 點，得到待檢測尺度特征點序列； (12) 獲取待檢測非越界特征圓序列： (12a)從待檢測尺度特征點序列中選取一個尺度特征點，以所選取的特征點所在的位 置為圓心，以特征點的尺度和給定的半徑比例因子的乘積為半徑作圓，將該圓作為非越界 特征圓； (12b)判斷非越界特征圓是否超過待檢測圖像的邊界，若是，則舍棄該非越界特征圓， 否則，執(zhí)行步驟(12c); (12c)判斷是否選取完待檢測尺度特征點序列中的所有尺度特征點，若是，執(zhí)行步驟 (12d)，否則執(zhí)行步驟（12a); (12d)將所有非越界特征圓組成待檢測非越界特征圓序列； (13) 獲取待檢測非重疊特征圓序列： (13a)從待檢測非越界特征圓序列中選取一個非越界特征圓，將所選取的非越界特征 圓放入待檢測非重疊特征圓序列中； (13b)從待檢測非越界特征圓序列中選取一個非越界特征圓，判斷所選取的非越界特 征圓是否與待檢測非重疊特征圓序列在圓面上發(fā)生重疊，若是，則舍棄該非越界特征圓，否 貝1J，執(zhí)行步驟(13c); (13c)將非越界特征圓放入待檢測非重疊特征圓序列； (13d)判斷是否選取完待檢測非越界特征圓序列中的所有非越界特征圓，若是，執(zhí)行步 驟(14)，否則執(zhí)行步驟(13b); (14) 提取水印： (Ha)從待檢測非重疊特征圓序列中選取一個非重疊特征圓，計算所選取的非重疊特 征圓的內(nèi)接正方形； (14b)按照下式，在選取的內(nèi)接正方形中提取水印，得到含水印的內(nèi)接正方形： (G' ) = ) 其中，G7表示還原后的內(nèi)接正方形，W7表示還原后的水印，extractWM表示水印提取操 作，Q'表示非重疊特征圓的內(nèi)接正方形； (Hc)判斷是否選取完待檢測非重疊特征圓序列中的所有非重疊特征圓，若是，得到還 原后的圖像，否則，執(zhí)行步驟(14a)。2. 根據(jù)權(quán)利要求1所述的基于圖像局部區(qū)域的脆弱可逆水印方法，其特征在于：步驟 (lc) 中所述計算所選取載體圖像塊序列中子塊的平均像素值是按照如下公式實現(xiàn)的： Ai= (Bii+Bi2+Bi3+Bi4)/4 其中，A1表示載體圖像塊序列中第i個子塊的平均像素值，B11表示載體圖像塊序列中第 i個子塊中位于左上角位置處的像素值，B12表示載體圖像塊序列中第i個子塊中位于左下角 位置處的像素值，B 13表示載體圖像塊序列中第i個子塊中位于右上角位置處的像素值，B14 表示載體圖像塊序列中第i個子塊中位于右下角位置處的像素值。3. 根據(jù)權(quán)利要求1所述的基于圖像局部區(qū)域的脆弱可逆水印方法，其特征在于：步驟 (ld) 中所述將平均像素值序列A轉(zhuǎn)化為特征圖像H是按照如下公式實現(xiàn)的： H(q,t) =Ak 其中，H(q，t)表示特征圖像H中第q行第t列的像素值，Ak表示平均像素值序列A中的第k 個值，k = q X c+t-c，c表示滿足e .V)/2 j條件下的最大正整數(shù)，U表示向下取整 操作，min表示取最小值操作，M與N分別表示載體圖像的行數(shù)與列數(shù)，4. 根據(jù)權(quán)利要求1所述的基于圖像局部區(qū)域的脆弱可逆水印方法，其特征在于：步驟 (4a)中所述計算所選取的擴展特征點序列中特征點對應(yīng)的尺度是按照如下公式實現(xiàn)的： Sj = getScale(Uj) 其中，Sj表示特征點尺度序列中第j個尺度，getScale表示尺度計算操作，山表示擴展特 征點序列中第j個擴展特征點。5. 根據(jù)權(quán)利要求1所述的基于圖像局部區(qū)域的脆弱可逆水印方法，其特征在于：步驟 (7a)中所述計算所選取的非重疊特征圓的內(nèi)接正方形是按照如下公式實現(xiàn)的：其中，L1表示非重疊特征圓的內(nèi)接正方形左上角點在載體圖像所在平面上對應(yīng)的橫坐 標值，1^表示非重疊特征圓的內(nèi)接正方形左上角點在載體圖像所在平面上對應(yīng)的縱坐標 值，D1表示非重疊特征圓的內(nèi)接正方形右下角點在載體圖像所在平面上對應(yīng)的橫坐標值，D 2 表示非重疊特征圓的內(nèi)接正方形右下角點在載體圖像所在平面上對應(yīng)的縱坐標值，X表示 非重疊特征圓的圓心在載體圖像所在平面上對應(yīng)的橫坐標值，y表示非重疊特征圓的圓心 在載體圖像所在平面上對應(yīng)的縱坐標值，E表示非重疊特征圓的內(nèi)接正方形的邊，i示向下取整操作，R表示所選取的非重疊特征圓的半徑。6. 根據(jù)權(quán)利要求1所述的基于圖像局部區(qū)域的脆弱可逆水印方法，其特征在于：步驟 (8c)中所述計算所選取待檢測圖像塊序列中子塊的平均像素值是按照如下公式實現(xiàn)的： A7 a = (B7 αΙ+Β7 α2+Β7 α3+Β7 α4)/4 其中，Α、表示待檢測圖像塊序列中第α個子塊的平均像素值，B'ca表示待檢測圖像塊序 列中第α個子塊中位于左上角位置處的像素值，B'α2表示待檢測圖像塊序列中第α個子塊中 位于左下角位置處的像素值，Β、3表示待檢測圖像塊序列中第α個子塊中位于右上角位置處 的像素值，B^ 4表示待檢測圖像塊序列中第α個子塊中位于右下角位置處的像素值。7. 根據(jù)權(quán)利要求1所述的基于圖像局部區(qū)域的脆弱可逆水印方法，其特征在于：步驟 (8d)中所述將待檢測平均像素值序列A'轉(zhuǎn)化為待檢測特征圖像H'是按照如下公式實現(xiàn)的： H7 (U1U)=A7P 其中，IT (μ，υ)表示待檢測特征圖像H中第μ行第U列的像素值，A、表示待檢測平均像素 值序列A'中的第β個值，β = μ X d+u-d，d表示滿足(if，Λ")/2]條件下的最大正整 數(shù)，表示向下取整操作，min表示取最小值操作，M'與Y分別表示待檢測圖像的行數(shù)與列 數(shù)，8. 根據(jù)權(quán)利要求1所述的基于圖像局部區(qū)域的脆弱可逆水印方法，其特征在于：步驟 (Ila)中所述計算所選取的待檢測擴展特征點序列中特征點對應(yīng)的尺度是按照如下公式實 現(xiàn)的： S7E = getScale(U/ ε) 其中，S7ε表示待檢測特征點尺度序列中第ε個特征點尺度，getScale表示尺度計算操 作，1/ ε表示待檢測擴展特征點序列中第ε個擴展特征點。9. 根據(jù)權(quán)利要求1所述的基于圖像局部區(qū)域的脆弱可逆水印方法，其特征在于：步驟 (Ha)中所述計算所選取的非重疊特征圓的內(nèi)接正方形是按照如下公式實現(xiàn)的：其中，IZ1表示非重疊特征圓的內(nèi)接正方形左上角點在待檢測圖像所在平面上對應(yīng)的橫 坐標值，LS表示非重疊特征圓的內(nèi)接正方形左上角點在待檢測圖像所在平面上對應(yīng)的縱 坐標值，表示非重疊特征圓的內(nèi)接正方形右下角點在待檢測圖像所在平面上對應(yīng)的橫 坐標值，DS表示非重疊特征圓的內(nèi)接正方形右下角點在待檢測圖像所在平面上對應(yīng)的縱 坐標值，Y表示非重疊特征圓的圓心在待檢測圖像所在平面上對應(yīng)的橫坐標值，y'表示非 重疊特征圓的圓心在待檢測載體圖像所在平面上對應(yīng)的縱坐標值，K表示非重疊特征圓的內(nèi)接正方形的邊： 羨示向下取整操作，V表示所選取的非重疊特 征圓的半徑。
【文檔編號】G06T1/00GK106023055SQ201610333977
【公開日】2016年10月12日
【申請日】2016年5月19日
【發(fā)明人】安玲玲, 林建忠, 尹廣學, 蔡固順, 王泉
【申請人】西安電子科技大學