一种基于多尺度空间的鲁棒水印嵌入与提取方法
【专利摘要】本发明涉及一种基于多尺度空间的鲁棒性水印嵌入与提取方法。所述方法包括：多尺度空间构建；多尺度空间水印嵌入：多尺度水印生成与多尺度水印嵌入；多尺度空间水印提取：特征点提取，多尺度空间定位，多尺度空间水印提取；水印对比。本发明针对目前图像数字水印方法中针对大尺度几何变换攻击的局限性，通过多分辨率分块金字塔数据结构将大尺度攻击分解为多层次的小尺度攻击，有机地将空间域与变换域结合在一起，以确保在大尺度几何攻击下水印信息的不可见性与鲁棒性。相比传统数字水印算法，在同样水印容量的前提下，本发明具有不可感知性更好、针对大尺度几何变换的鲁棒性高等优点。
【专利说明】-种基于多尺度空间的鲁棒水印嵌入与提取方法
【技术领域】
[0001] 本发明属于信息隐藏和图像处理等交叉领域，涉及一种基于多尺度空间的鲁棒性 水印嵌入与提取方法。
【背景技术】
[0002] 随着摄影技术与图像拼接技术的不断发展，超高清晰图像已经逐渐被广泛应用于 天文观测、地质勘测、航空侦察、安全监控、文物等可靠资料的记录上，商业价值极高，因此 其版权保护的重要性不言而喻。
[0003] 数字水印作为一种针对数字产品版权司法鉴定困难而出现的信息隐藏技术，是通 过在受保护的原始数据中嵌入特定信息，用以证实电子数据所有权的。作为普通图像版权 通告与保护的重要方式之一，其效果已经得到了一定的认可。然而对于上述超高清晰图像， 现有数字水印算法还无能为力，这主要是由于超高清晰图像内容丰富、分辨率高，其中的一 个小部分亦或是将其十数倍缩小后仍具有不菲的收藏价值，相应数字水印方案面临大尺度 裁剪攻击与大尺度缩小攻击，而这两种攻击手段正是传统水印算法的盲点。
【发明内容】
[0004] 鉴于目前图像数字水印方法中针对大尺度几何变换攻击的局限性，本发明提出一 种基于多尺度空间的鲁棒性水印嵌入与提取方法，力图探索能够抵抗大尺度裁剪攻击与缩 小攻击的数字水印方案，提高现有数字水印算法的鲁棒性。
[0005] 为实现这个目标，本发明的技术方案为：首先基于多分辨率图像空间与图像分块 思想构造出载体图像的分块金字塔式数据结构，然后在水印嵌入步骤，将经过预处理的多 尺度水印信息分层次密集嵌入到图像块中，接着在水印提取步骤中，在待提取水印的目标 图像中检测特征点，确定特征点描述，并利用特征匹配算法在载体图像的多尺度空间中对 目标图像进行定位，以确定水印嵌入位置，并以此位置处的原始图像为参考，提取目标图像 的水印信息，并对比其与原水印的相似度。
[0006] 与现有技术相比，本发明的优势在于：首次提出基于多尺度空间的鲁棒性水印嵌 入与提取方法。该方法通过多分辨率分块金字塔数据结构将大尺度攻击分解为多层次的小 尺度攻击，有机地将空间域与变换域结合在一起，以确保在大尺度几何攻击下水印信息的 不可见性与鲁棒性。相比传统数字水印算法，在同样水印容量的前提下，其不可感知性更 好，针对大尺度几何变换的鲁棒性高。
【专利附图】
【附图说明】
[0007] 图1为本发明所涉及方法的框架图；
[0008] 图2为应用本发明对图像进行缩小攻击与方形裁剪攻击后提取水印的效果图： (al)为原始水印图像，（a2)为原始载体图像，（bl?el)对应缩小攻击，（b2?e2)对应方 形裁剪攻击，（bl)、（b2)为传统DCT算法所得水印结果，（cl)、（c2)为传统DWT算法所得水 印结果，（dl)、（d2)为本发明结合DCT算法所得结果，（el)、（e2)为本发明结合DWT算法所 得结果。
【具体实施方式】
[0009] 下面结合附图和【具体实施方式】对本发明做进一步说明。
[0010] 本发明的流程框架如图1所示，具体包括如下步骤：
[0011] 步骤一，多尺度空间构建。
[0012] 读入载体图像I，用户将原始分辨率图像对应在最底层，之后各层图像在长和宽上 减半，即第i层与原图相比图像缩小至1八2^2〇,形成多分辨率的金字塔结构。然后，将每 层图像切割成相同大小的正方形图块，本发明建议切割出的图像块大小为256*256像素。 上述多分辨率的分块图像，构成本发明的金字塔式结构的多尺度图像。
[0013] 步骤二，多尺度空间水印嵌入。
[0014] 本步骤包括多尺度水印生成与多尺度水印嵌入两个子步骤。
[0015] (1)多尺度水印生成
[0016] 本发明同样构建水印图像W的多尺度结构，对应载体金字塔结构的每一层。在该 结构中每一层水印图像的长宽是前一层的一半。考虑到水印图像自身像素数有限，为了匹 配级别较多的载体图像金字塔式数据结构，建议采用隔级尺寸缩小一次水印图像的方法。
[0017] 为提升水印图像的安全性，将不同分辨率的水印图像Wi分别与预处理密钥心结 合，对初始水印信息进行混沌、加密或置乱，本发明建议使用二维置乱预处理。
[0018] (2)多尺度空间密集水印嵌入
[0019] 本发明在各层图像Ii内均采用以分块图像为载体的密集水印嵌入算法，并将对应 尺度的水印图像1无差别地嵌入到相应分块中，获得含有水印信息的图像。在选取水印嵌 入算法时，本发明建议采用变换域算法，以增强整体方案的鲁棒性。
[0020] 针对每一块图像的水印的嵌入处理，本发明充分考虑各通道间相互关系所带来的 影响，采用与载体图像主色调接近的通道作为水印主载体通道，另外的通道用于在水印信 息提取过程中作为颜色调整等图像处理攻击的对照，这也使得攻击者在去除某一不重要颜 色通道时，不会对水印信息产生影响，增强整体算法的健壮性。
[0021] 步骤三，多尺度空间水印提取。
[0022] 通常情况下需要进行这一步处理时，则是已经发现了疑似版权盗用的现象，为了 做进一步的证明。盗版者通常会在图像质量不受影响的情况下，对图像进行微调，以破坏水 印信息。因此本步骤的输入不再是原始含水印的图像，而是经过一定攻击之后的图像。本 步骤作为步骤二的逆过程，可分解为特征点提取、多尺度空间定位与多尺度空间水印提取 三个子步骤。
[0023] (1)特征点提取
[0024] 鉴于需要最大程度上保证匹配的精确度，本发明选取金字塔数据结构中的中等分 辨率层级的图像作为匹配模版，对该图像以及攻击后的图像利用具有空间尺度不变性的 局部特征描述算子，提取包含位置、尺度与主方向三项主要内容的特征向量。根据对于特 征提取的需要，本发明建议在强调算法运算速度的情况下，采用H. Bay等人于2008年在 ((Computer Vision and Image Understanding〉〉上发表的论文 "SURF: speeded up robust features"中所提出的特征点提取算法；而在强调算法的精确度的情况下，采用D. G. Lowe 于 2004 年在《International Journal of Computer Vision》上发表的论文"Distinctive Image Features from Scale Invariant Key Points" 中所提出的 SIFT 特征提取算法。
[0025] (2)多尺度空间定位
[0026] 本步骤对攻击后的图像在载体的多尺度空间中定位。首先通过特征点匹配 算法获得攻击后的图像和作为匹配模板的图像之间的初始匹配点对；通过单应性矩阵 (Homography Matrix),剔除伪匹配；最后根据匹配的特征对之间的尺度比例确定最接近的 金字塔层级，以及在相应层级对应的图像块编号，最终实现攻击后的图像在多尺度空间内 的定位。
[0027] (3)多尺度空间水印提取
[0028] 通过前期水印检测位置的确定，本步以金字塔结构中相应尺度的图像块作为原始 信息，选取攻击后的图像中作为对照的颜色通道，计算其与该图像中主载体通道的像素比 例差距，并根据这一比例对原始图像进行像素值域范围调整，使其尽可能避免亮度等图像 处理攻击对数字水印提取的影响。然后将水印载体通道和原始图像的对应通道变换到与嵌 入水印时一致的变换域中，得到变换域中的两幅图像。计算二者的差异图像。最后，对差异 图像反变换回空域得到估计水印W"。
[0029] 步骤四，水印对比。
[0030] 将上一步骤得到的估计水印W"与原始水印图像W相比较，评估二者相似度。本 发明实施例虽然采用归一化相关系数NC对两者间的相似性进行定量评价，但是其他方法 亦可应用，例如比特错误率BER、V. Solachidis等人于2000年在《IEEE International Conference on Acoustics, Speech, and Signal Processing〉〉上发表的论文"Watermarking Polygonal Lines Using Fourier Descriptors"中所提出的具有几何变换不变性的归一化 相关系数NC。相关系数越大，所提取出的水印与原水印相似度越高。
[0031] 下面通过实验对本发明所述方法与现有方法的效果进行比较。
[0032] 本次实验以两种常见的传统数字水印方案，8卩I.J. Cox等人于1997年在 ((IEEE Transactions on Image Processing〉〉上发表的论文 "Secure Spread Spectrum Watermarking for Multimedia" 中提出的 DCT 算法，与 M. Barni 等人于 2001 年在 ((IEEE Transactions on Image Processing〉〉上发表的论文''Improved Wavelet Based Watermarking Through Pixel Wise Masking"中提出的DWT算法为对比对象，图2给出了 针对2048*2048像素的图像进行0· 1倍缩小攻击（bl?el)与[200, 300] [200, 300]方形裁 剪攻击后（b2?e2)的提取水印对比。（al)为原始水印图像；(a2)为原始载体图像；(bl)、 (b2)为传统DCT算法所得水印结果，NC分别为0. 93934和0. 90488 ; (cl)、（c2)为传统DWT 算法所得水印结果，NC分别为0. 27299和0 ; (dl)、（d2)是本发明方案结合DCT算法所得结 果，NC分别为0. 9921和0. 9334 ; (el)、（e2)是本发明方案结合DWT算法所得结果，NC分别 为0. 77311和0. 94506。从图中可以看出，在相同攻击的前提下，本发明的方法能够得到较 为完整地提取出水印对象，而对比方法得到的结果较差。例如，（bl)、（cl)中含有明显的载 体图像痕迹，而相比于本方案的对应结果，其初始水印图像中的圆形logo几乎不可见；在 经过大尺度裁剪攻击后，相比于本发明，传统算法均只含有较小信息量，尤其是DWT算法， 完全无法提供水印信息，不能够对其版权标示予以识别。
【权利要求】
1. 一种基于多尺度空间的鲁棒性水印嵌入与提取方法，其特征在于包括以下步骤： 步骤一，多尺度空间构建； 读入载体图像I，使原始分辨率图像对应最底层，之后逐层对图像在长和宽上减半，即 第i层与原图相比图像缩小至1八2^2〇，形成多分辨率的金字塔结构；然后，将每层图像 切割成相同大小的正方形图块；上述多分辨率的分块图像，构成金字塔式结构的多尺度图 像； 步骤二，多尺度空间水印嵌入； (1) 多尺度水印生成 将水印图像W的尺寸按长宽减半的方法逐层缩小，构建多尺度水印；每一层分别用于 载体图像的对应层；对于级别较多的金字塔式载体数据结构，隔层对水印尺寸缩小一次； 将不同层的水印图像Wi分别与预处理密钥Ki结合，对初始水印信息进行混沌、加密或 置乱，本发明建议使用二维置乱预处理； (2) 多尺度空间密集水印嵌入 在各层图像Ii内均采用以分块图像为载体的密集水印嵌入算法，并将对应层的水印图 像1用变换域方法无差别地嵌入到相应分块中； 采用与载体图像主色调接近的颜色通道作为水印主载体通道，其他通道作为对照载体 通道； 步骤三，多尺度空间水印提取； (1) 特征点提取 选取中等分辨率层级的图像作为匹配模版，对该图像以及攻击后的图像利用具有空间 尺度不变性的局部特征描述算子，提取包含位置、尺度与主方向的特征向量； (2) 多尺度空间定位 首先通过特征点匹配算法获得攻击后的图像和作为匹配模板的图像之间的初始匹配 点对；然后通过计算单应性矩阵剔除伪匹配；最后根据匹配的特征对之间的尺度比例确定 最接近的金字塔层级，以及在相应层级对应的图像块编号，最终实现攻击后的图像在多尺 度空间内的定位； (3) 多尺度空间水印提取 选取载体金字塔结构中相应尺度的载体图像块作为原始信息，选取受攻击后的图像中 作为对照的颜色通道，计算其与该图像中主载体通道的像素比例差距，并根据这一比例对 原始图像进行像素值域范围调整；将水印载体通道和原始图像的对应通道变换到与嵌入水 印时一致的变换域中，得到变换域中的两幅图像；计算二者的差异图像；对差异图像反变 换回空域得到估计水印W"; 步骤四，水印对比； 采用归一化相关系数评估水印W"与原始水印图像W的相似度；相关系数越大，所提取 出的水印与原水印相似度越高。
2. 根据权利要求1所述的一种基于多尺度空间的鲁棒性水印嵌入与提取方法，其特征 在于，所述步骤一切割出的图像块大小为256*256像素。
3. 根据权利要求1所述的一种基于多尺度空间的鲁棒性水印嵌入与提取方法，其特征 在于，所述步骤三的特征点提取步骤，在强调算法运算速度的情况下，采用H. Bay提出的特 征点提取算法；而在强调算法的精确度的情况下，采用D. G. Lowe提出的SIFT特征提取算 法。
【文档编号】G06T1/00GK104091302SQ201410327861
【公开日】2014年10月8日 申请日期:2014年7月10日 优先权日:2014年7月10日
【发明者】马伟, 焦娇, 段立娟 申请人:北京工业大学