專利名稱：一種二值圖像的水印嵌入和提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)字圖像的水印處理技術(shù)領(lǐng)域，具體涉及一種用于二值圖像版權(quán)保護(hù)和篡改檢測的水印嵌入和提取方法。
背景技術(shù)：
多媒體大家庭中，文檔(包括文本、PDF文件、樂譜等)是一類有著非常重要的應(yīng)用價(jià)值的媒體。很多紙張文檔(如合同、檔案、遺囑等)往往比音頻、視頻或者圖像之類的媒體更有價(jià)值。這些文檔一旦被惡意篡改，造成的損失也非常巨大?？梢灶A(yù)見的一個(gè)趨勢是，越來越多的文檔資料將通過網(wǎng)絡(luò)來傳播。期刊的網(wǎng)絡(luò)發(fā)行可以大大提高流通的速度，降低出版成本，擴(kuò)展發(fā)行范圍。政府的文件也可以通過網(wǎng)絡(luò)分發(fā)，從而降低行政成本。電子政務(wù)和電子商務(wù)的蓬勃發(fā)展，使得一大批文檔資料通過網(wǎng)絡(luò)的方式傳播、分發(fā)。數(shù)字化圖書館也需要通過網(wǎng)絡(luò)傳播眾多的文檔資料。這些文檔資料一般可以看作二值圖像。二值圖像是指只有黑白兩個(gè)灰度級的圖像。除了文檔資料外，二值圖像在現(xiàn)代社會(huì)中還有其他方面的廣泛用途。例如，黑白漫畫和印刷業(yè)常用的半色調(diào)圖像，也是二值圖像。
但是，隨著數(shù)字多媒體技術(shù)的發(fā)展，尤其是數(shù)字圖像處理技術(shù)的發(fā)展，二值圖像很容易被惡意篡改而不會(huì)留下任何痕跡。以二值圖像的形式保存的重要資料也就容易發(fā)生被篡改的事故，造成重大的損失。
數(shù)字水印是一種在數(shù)字多媒體中加入隱藏信息的技術(shù)。相對于灰度圖像和彩色圖像而言，二值圖像具有自身的特殊性質(zhì)。二值圖像只有兩個(gè)灰度級，它的像素的灰度值只需要用1比特來表示，要么是1，要么是0。如果只是簡單的修改它的像素值，無論是由0到1，還是由1到0，都會(huì)引起比較大的視覺失真，如圖1所示。因此，在二值圖像中嵌入水印是一種具有挑戰(zhàn)性的任務(wù)。為了不引起顯著的視覺失真，二值圖像的水印方法一般將水印嵌入在圖像中物體的邊緣部分。這使得二值圖像水印方法一般都是空間域的方法。由于二值圖像的特殊性，魯棒的二值圖像水印嵌入和提取一直都是一個(gè)難點(diǎn)。與本方法相關(guān)的參考文獻(xiàn)有以下2項(xiàng)1.一種靈敏的文本圖像認(rèn)證混沌脆弱水印技術(shù)，朱從旭、陳志剛，小型微型計(jì)算機(jī)系統(tǒng)，第27卷第1期，2006年1月；2.Wen-Yuan Chen，Chen-Chung Liu.Robust watermarking scheme forbinary images using a slice-based large-cluster algorithm withHamming code.Optical Engineering，vol.45(1)，Jan.2006.

發(fā)明內(nèi)容
為了解決上述問題，本發(fā)明提出一種用于二值圖像版權(quán)保護(hù)和篡改檢測的水印嵌入和提取方法，在二值圖像被篡改時(shí)，能夠檢測出篡改，從而達(dá)到保護(hù)重要文檔，降低損失的目的。
本發(fā)明所采用的技術(shù)方案如下一種二值圖像的水印嵌入和提取方法，其特征在于，其中水印嵌入的步驟如下a.將圖像分成大小相同互不重疊的塊，然后從塊里面挑選出候選嵌入位置，并提高可翻轉(zhuǎn)像素的利用率；b.計(jì)算每個(gè)候選嵌入位置的可翻轉(zhuǎn)得分RS；c.分塊置亂并將相鄰的塊合并成組；d.采用重復(fù)嵌入策略嵌入水印即對每一個(gè)組，選擇其中具有最小RS值的若干像素，并把它們的像素值全部修改為要嵌入的水印比特；e.逆置亂，得到含水印圖像；相應(yīng)地，水印提取的步驟如下a.將圖像分成大小相同互不重疊的塊，并從塊里面挑選出候選嵌入位置；b.計(jì)算每個(gè)候選嵌入位置的可翻轉(zhuǎn)得分RS；c.分塊置亂并將相鄰的塊合并成組；d.對每一個(gè)組，選擇其中具有最小RS值的若干像素；把它們的平均值作為提取出的水印信息W2′，再按照“多數(shù)”原則，對平均值進(jìn)一步處理得到水印信息W2′。
所述候選嵌入位置的確定方法如下將圖像分成大小相同互不重疊的塊，塊的大小是3×3像素；然后選擇每一塊的中心像素作為候選嵌入位置。
所述提高可翻轉(zhuǎn)像素的利用率的方法是將圖像分成5×5大小的塊，從每個(gè)塊中選出4個(gè)候選位置，即5×5塊中心3×3塊的四角位置。
所述候選嵌入位置像素的可翻轉(zhuǎn)得分RS計(jì)算公式如下RS=|Σi=18|A(i)-A(0)|-4|,]]>其中A是候選嵌入位置像素作為中心與其相鄰8像素塊形成的矩陣；RS有以下幾個(gè)取值RS∈{0，1，2，3，4}，得分越低，表明該像素的可翻轉(zhuǎn)性越好。
所述分塊置亂的方法是假設(shè)一幅數(shù)字圖像f(x，y)共分成M塊(記為{B1，B2，…，BM})，已知種子Key，其置亂的過程如下1)由種子Key生成序列S，滿足Si∈{1，2，...，M)且Si≠Sj，i≠j；2)置亂圖像f′(x，y)的第i塊為Bi′=Bsi,i=1,2,...,M;;]]>已知置亂圖像f′(x，y)和種子Key，逆置亂的過程是1)由種子Key生成序列S，滿足Si∈{1，2，...，M)且Si≠Sj，i≠j；2)恢復(fù)圖像f″(x，y)第Si塊為Bsi′′=Bi′,i=1,2,...,M;;]]>所述水印提取過程中的步驟“d”中對平均值做進(jìn)一步處理的方法是提取出的平均值如果大于0.5，則視其為“1”；如果小于0.5，則視其為“0”；如果正好等于0.5，這時(shí)就把0.5作為提取的水印信息并記錄下來。
本發(fā)明方法將水印信息嵌入到二值圖像的單個(gè)像素上面，并且采用重復(fù)編碼的方法，使得該方法可以檢測到惡意篡改而不需要原始水印的參與。本發(fā)明方法獲取的水印魯棒性能好，可以抵抗一定程度的篡改、噪聲和傳真壓縮。在知道原始水印的情況下，本發(fā)明方法可用來做二值圖像的數(shù)字版權(quán)保護(hù)；在無法得到原始水印的情況下，本發(fā)明方法可以用來檢測二值圖像是否被篡改過。


圖1是隨機(jī)修改像素值引起的視覺失真對照圖；圖2是本發(fā)明方法的流程框圖；圖3是候選嵌入位置的選擇示意圖圖4是5×5塊中候選嵌入位置的選擇示意圖；圖5是可翻轉(zhuǎn)得分計(jì)算示意圖；圖6是分塊置亂效果圖；其中(a)原始圖像，(b)分塊置亂圖像，(c)原始圖像的可翻轉(zhuǎn)候選位置，(d)置亂后的可翻轉(zhuǎn)候選位置；圖7是一個(gè)包含了4×4個(gè)塊的組示意圖；
圖8是一些典型的二值圖像示意圖；其中(a)文字，(b)馬，(c)兒童，(d)等高線；圖9是圖8嵌入水印后的示意圖；圖10是選用的原始水印圖像；圖11是兩種水印W1′和W2′比較示意圖；圖12是本發(fā)明方法抵抗偶然噪聲的示意圖；圖13是NC平均值和噪聲等級的關(guān)系圖；圖14是本發(fā)明方法對抗篡改攻擊的示意圖；圖15是篡改檢測的整個(gè)框架示例圖；圖16是篡改檢測實(shí)例示意圖；圖17是漏警概率和篡改程度的關(guān)系示意圖。
具體實(shí)施例方式
下面結(jié)合附圖對本發(fā)明方法作進(jìn)一步的闡述。
由于二值圖像的特殊性，魯棒的二值圖像水印方法一直都是一個(gè)難點(diǎn)。本發(fā)明方法提出的一種魯棒水印方法，將水印信息嵌入到單個(gè)像素上面，并且采用重復(fù)編碼的方法，使得該方法可以檢測到惡意篡改而不需要原始水印的參與。本發(fā)明方法可以抵抗一定程度的篡改、噪聲和傳真壓縮；跟同類方法相比，本方法的魯棒性能要更勝一籌。如圖2所示，本發(fā)明方法包括水印嵌入和水印提取兩個(gè)過程，其中水印嵌入的步驟如下a.將圖像分成大小相同互不重疊的塊，然后從塊里面挑選出候選嵌入位置，并提高可翻轉(zhuǎn)像素的利用率；b.計(jì)算每個(gè)候選嵌入位置的可翻轉(zhuǎn)得分RS；c.分塊置亂并將相鄰的塊合并成組；
d.采用重復(fù)嵌入策略嵌入水印即對每一個(gè)組，選擇其中具有最小RS值的若干像素，并把它們的像素值全部修改為要嵌入的水印比特；e.逆置亂，得到含水印圖像；相應(yīng)地，水印提取的步驟如下a.將圖像分成大小相同互不重疊的塊，并從塊里面挑選出候選嵌入位置；b.計(jì)算每個(gè)候選嵌入位置的可翻轉(zhuǎn)得分RS；c.分塊置亂并將相鄰的塊合并成組；d.對每一個(gè)組，選擇其中具有最小RS值的若干像素；把它們的平均值作為提取出的水印信息W1′，再按照“多數(shù)”原則，對平均值進(jìn)一步處理得到水印信息W2′。
對平均值做進(jìn)一步的處理的方法是提取出的平均值如果大于0.5，則視其為“1”；如果小于0.5，則視其為“0”。有可能出現(xiàn)正好等于0.5的情形，這時(shí)就把0.5作為提取的水印信息并記錄下來。這樣進(jìn)一步處理之后，提取出的水印和原始水印更為接近一些。因此，本發(fā)明方法提取水印時(shí)有兩個(gè)不同的水印。為了區(qū)分它們，用W表示原始水印，用W′表示提取出的水印。其中，將W′又分為W1′和W2′，W1′表示直接計(jì)算平均值得到的水印，W2′表示將平均值進(jìn)一步處理得到的水印。W1′比W2′包含更多的浮點(diǎn)數(shù)，用來對二值圖像進(jìn)行篡改檢測。W2′比W1′更接近原始水印，可用來做二值圖像的數(shù)字版權(quán)保護(hù)。
下面對上述方法作詳細(xì)說明。
1.水印嵌入的位置本發(fā)明方法首先需要挑選出一些候選位置；水印必須嵌入在這些候選位置上。但是并不是每一個(gè)候選位置都可以嵌入水印。必須計(jì)算每一個(gè)候選位置的可翻轉(zhuǎn)得分，然后從這些候選位置中挑選可以翻轉(zhuǎn)的像素來嵌入水印。
如圖3所示，將圖像分成大小相同互不重疊的塊，塊的大小是3×3像素。選擇每一塊的中心像素作為候選位置。必須從這些候選位置上選出一些像素來嵌入水印。圖中，陰影部分就是我們選擇出來的候選位置。候選位置確定后，還要計(jì)算每個(gè)候選位置的可翻轉(zhuǎn)得分。如圖所示每一個(gè)候選位置周圍的8個(gè)像素用來計(jì)算候選位置的可翻轉(zhuǎn)得分。對于給定的二值圖像，其候選的嵌入位置是確定的。因此，很多可翻轉(zhuǎn)像素由于不是候選嵌入位置，不能夠用來嵌入水印。
為了提高可翻轉(zhuǎn)像素的利用率，可以采用下述方法。如圖4所示，將圖像分成5×5大小的塊，每個(gè)塊中選出4個(gè)候選位置。圖中用圓角矩形框出的部分是四個(gè)候選位置各自的8鄰域?？梢钥闯?，它們的8鄰域有一些像素是重合的。但是這些重合的地方不能嵌入水印，也就是說在嵌入水印的過程中不發(fā)生改變；因此，按照所示方法在這些候選位置嵌入水印并不會(huì)影響候選位置可翻轉(zhuǎn)得分的計(jì)算。顯然，這種方法在每一個(gè)5×5塊內(nèi)有4個(gè)候選嵌入位置，其密度是4/25；而用前面的方法，每一個(gè)3×3塊里只有1個(gè)候選嵌入位置，密度是1/9＜4/25。一般來講，對于一個(gè)大小為(2k+1)×(2k+1)像素的塊(k＝1，2，3，…)，候選嵌入位置的個(gè)數(shù)是k2，嵌入密度為k2(2k+1)2.]]>隨著k的增大，候選位置的密度也隨之增大。
這說明分塊越大，可資利用的可翻轉(zhuǎn)像素就越多。
2.候選位置的可翻轉(zhuǎn)得分計(jì)算參考文獻(xiàn)1中，朱從旭和陳志剛給出了一種計(jì)算候選位置的可翻轉(zhuǎn)得分的方法，根據(jù)這種方法，候選位置的可翻轉(zhuǎn)得分在嵌入水印前和嵌入水印后是相同的。也就是說，水印嵌入不會(huì)影響可翻轉(zhuǎn)得分的計(jì)算，就可以做到水印的盲檢測。某一像素可翻轉(zhuǎn)得分的計(jì)算需要用到該像素的8鄰域塊，如圖5所示。
圖5中，中心像素的8鄰域用矩陣A來表示。用下面的公式來計(jì)算中心像素的可翻轉(zhuǎn)得分(Reversible Score，簡寫為RS)RS=|Σi=18|A(i)-A(0)|-4|---(1)]]>一個(gè)像素的可翻轉(zhuǎn)得分只有下面幾個(gè)取值RS∈{0，1，2，3，4}。得分越低，表明該像素的可翻轉(zhuǎn)性越好。得分為4的像素不能翻轉(zhuǎn)，稱為不可翻轉(zhuǎn)的像素。其他幾種稱為可翻轉(zhuǎn)像素?？梢宰C明，當(dāng)中心像素即A(0)從0變成1或者從1變成0時(shí)，其可翻轉(zhuǎn)得分不會(huì)發(fā)生改變。證明如下假設(shè)像素A(0)翻轉(zhuǎn)之后變成A′(0)，它的可翻轉(zhuǎn)得分由RS變成RS′。那么，RS′=|Σi=18|A(i)-A′(0)|-4|=|(8-Σi=18|A(i)-A(0)|)-4|=RS--(2)]]>本方法將水印嵌入到可翻轉(zhuǎn)的候選位置上；在嵌入水印的過程中，候選位置的8鄰域像素不會(huì)發(fā)生改變，而且水印的嵌入不會(huì)影響到候選位置的可翻轉(zhuǎn)得分。這樣，提取水印時(shí)就可以做到盲提取。
3.圖像分塊置亂圖像分塊置亂指的是將像素的位置打亂，使像素的分布呈現(xiàn)類似隨機(jī)的特征。大多數(shù)圖像置亂的方法都需要一個(gè)種子生成偽隨機(jī)序列或者混沌序列。這個(gè)種子可以當(dāng)作密鑰使用，需要通過秘密信道傳送給接收方。引入密鑰可以保證本方法的安全性。
和全局置亂不同的是，分塊置亂方法是以塊為單位進(jìn)行的。塊內(nèi)各像素的相對位置在置亂過程中不改變的。置亂只是改變了塊和塊之間的位置。因此，分塊置亂保存了原始圖像的部分局部信息。這些局部信息可以用來計(jì)算每個(gè)塊的候選嵌入位置的可翻轉(zhuǎn)性，而水印信息就嵌入在這些可翻轉(zhuǎn)的候選位置上。
若一幅數(shù)字圖像f(x，y)共分成M塊(記為{B1，B2，...，BM})，已知種子Key。置亂的過程是1)由種子Key生成序列S，滿足Si∈{1，2，...，M}且Si≠Sj，i≠j；2)置亂圖像f′(x，y)的第i塊為Bi′=Bsi,i=1,2,...,M;;]]>已知置亂圖像f′(x，y)和種子Key，逆置亂的過程是1)由種子Key生成序列S，滿足Si∈{1，2，...，M)且Si≠Sj，i≠j；2)恢復(fù)圖像f″(x，y)第Si塊為Bsi′′=Bi′,i=1,2,...,M;;]]>上面的過程中，生成序列S是關(guān)鍵。有很多方法可以生成序列S，這里不再做詳細(xì)介紹。置亂和逆置亂互為相反過程。所以，相繼經(jīng)過置亂和逆置亂兩個(gè)過程之后，圖像會(huì)恢復(fù)為原始圖像。圖6所示，給出了一幅二值圖像的分塊置亂效果，置亂以3×3塊為基本單位。經(jīng)過置亂后，可翻轉(zhuǎn)的候選位置大體均勻的分布于整個(gè)圖像上，這正是我們需要的效果。
4.聚塊成組如圖6所示，分塊置亂之后，整個(gè)圖像中的可翻轉(zhuǎn)候選位置基本上均勻的分布在整個(gè)圖像上。嵌入水印前，首先將相鄰的若干塊組合到一起，稱為一個(gè)組。本發(fā)明方法中水印嵌入的過程是以組為單位進(jìn)行的。每個(gè)組里面只允許嵌入1比特信息。聚塊成組的過程如圖7所示(以3×3塊為例)。
根據(jù)公式(1)，一個(gè)像素的可翻轉(zhuǎn)得分只有下面幾個(gè)取值RS∈{0，1，2，3，4，}。得分越低，表明翻轉(zhuǎn)該像素引起的視覺失真越小。得分為4的像素不能翻轉(zhuǎn)，稱為不可翻轉(zhuǎn)的像素。其他幾種稱為可翻轉(zhuǎn)像素。在一個(gè)組中，可翻轉(zhuǎn)像素的個(gè)數(shù)有很多個(gè)。選擇其中得分最低的若干個(gè)，把它們的像素值全部修改成要嵌入的水印信息。顯然，這是一種重復(fù)嵌入的策略，因?yàn)橛锌赡芤粋€(gè)組中的很多可翻轉(zhuǎn)候選位置上都嵌入了同一個(gè)水印比特。運(yùn)用這種重復(fù)嵌入的策略是為了實(shí)現(xiàn)篡改檢測，同時(shí)使得該水印方法的魯棒性有一定的提高。
5.篡改檢測的判斷準(zhǔn)則在水印提取的最后一個(gè)步驟中，對于每個(gè)組，選擇具有最小RS值的像素的平均值作為水印信息。其意義在于當(dāng)含水印圖像沒有遭到篡改時(shí)，顯然提取的水印信息和嵌入的水印信息是一樣的，要么是1，要么是0，不會(huì)出現(xiàn)浮點(diǎn)數(shù)；而一旦含水印圖像遭到篡改，具有最小RS值的像素取值可能出現(xiàn)不一致，提取的水印信息就可能出現(xiàn)浮點(diǎn)數(shù)。因此，是否出現(xiàn)浮點(diǎn)數(shù)可以作為判斷圖像是否被篡改的準(zhǔn)則。用公式(3)表示如下 下面介紹本發(fā)明方法的應(yīng)用實(shí)例。
如圖8所示，我們采用下面幾幅典型的二值圖像作為示例。圖9所示是圖8中的圖像相應(yīng)的嵌入了水印的圖像。含水印圖像和原始圖像的區(qū)別很小，說明該方法引入的視覺失真比較小。
基于數(shù)字水印技術(shù)的數(shù)字版權(quán)保護(hù)，需要先將水印加入到數(shù)字圖像中；如果有其他人聲明對這些圖像擁有版權(quán)，我們可以將圖像中的水印提取出來，并和原始水印作對比，計(jì)算它們之間的相似程度，并據(jù)此聲明我們對圖像擁有的版權(quán)。用于數(shù)字版權(quán)保護(hù)的場合，都是可以事先知道原始水印信息的。數(shù)字版權(quán)保護(hù)需要比較魯棒的水印方法。對于二值圖像而言，一般需要考慮的修改包括噪聲、剪切、拼貼、傳真壓縮等。本發(fā)明方法對這些修改具有一定的魯棒性能，因此可以用來做二值圖像的數(shù)字版權(quán)保護(hù)。
我們采用歸一化相關(guān)系數(shù)(Normalized Correlation，簡稱NC)衡量提取出的水印圖像W′和原始水印圖像W之間的相似程度采用下面公式(4)
NC=ΣiΣjW(i,j)W′(i,j)ΣiΣj[W(i,j)]2---(4)]]>顯然，當(dāng)W和W′完全一樣時(shí)，相似度最大。此時(shí)，NC＝1。NC越接近1，表明提取出的水印圖像和原始水印圖像之間的相似度越高，表明方法的魯棒性能就越好。
本方法使用的原始水印圖像的放大圖如圖10所示。根據(jù)本發(fā)明方法的具體步驟我們?nèi)匀粚⑻崛〕龅乃′分為W1′和W2′，W1′是直接取平均值得到的水印，W2′是按“多數(shù)原則”將W1′進(jìn)一步處理后得到水印。顯然，W2′更接近原始水印W如圖11兩種水印比較所示。
圖11中，(a)是含水印圖像，(b)篡改過的圖像。圖中的橢圓標(biāo)示了被篡改的位置。(c)和(d)是從(b)提取的水印，其中(c)是W1′，(d)是W2′。顯然，W2′比W1′更接近原始水印。它們的NC值也反映了這一點(diǎn)W1′的NC值是0.9691，W2′的NC值是0.9907，W2′的NC值更接近于1。因此，我們下面的魯棒性能測試實(shí)驗(yàn)不再給出W1′，直接用W2′作為最終提取出的水印。
下面給出該發(fā)明方法抵抗偶然噪聲的實(shí)驗(yàn)結(jié)果。圖12中給出了例子，左邊一列是含水印圖像；中間一列是加了噪聲的圖像，圖像下面的數(shù)字顯示加了多少個(gè)噪聲點(diǎn)；右邊一列是提取出的水印W2′及其NC值?？梢钥闯?，該方法對抗偶然噪聲的魯棒性能比較好。當(dāng)加入的噪聲點(diǎn)在220個(gè)左右時(shí)，提取出的水印的NC值都在0.96以上。
表1給出了和文獻(xiàn)2中的結(jié)果的比較。其中，文獻(xiàn)2使用的圖像大小都是336×336像素，每一幅圖像中都加入了200個(gè)噪聲點(diǎn)。本章使用的圖像大小是240×240像素，每一幅圖像中加入了213～225個(gè)噪聲點(diǎn)不等?？梢钥闯?，本文加入噪聲的比例是文獻(xiàn)2的兩倍多，然而水印的相關(guān)系數(shù)卻比文獻(xiàn)2高的多。
這表明本文方法的魯棒性能要好。
表1抗噪聲性能比較

圖13給出了NC值和噪聲程度之間的關(guān)系。實(shí)驗(yàn)中，我們將100幅含水印圖像加上噪聲，噪聲占圖像像素總個(gè)數(shù)的百分比逐級增多。對每一個(gè)噪聲等級，計(jì)算從100幅圖像中提取的水印的平均NC值。這樣，就可以得到平均NC值和噪聲等級之間的一個(gè)關(guān)系曲線。如圖6-12所示。圖中，x軸表示噪聲等級，每增加一級，約增加6個(gè)噪聲點(diǎn)；y軸表示NC的平均值?？梢钥闯鰜?，NC的平均值隨噪聲等級的變化關(guān)系基本上符合圖中的參考直線。這意味著提取出的水印的質(zhì)量隨著噪聲的增加呈線性下降趨勢。
圖14給出了該發(fā)明方法抵抗惡意篡改的一些結(jié)果。左邊一列是含水印圖像；中間一列是篡改了的圖像，圖像下面的數(shù)字顯示修改了多少像素點(diǎn)；右邊一列是提取出的水印W2′及其NC值。示例中的篡改是多種多樣的，有的將兩個(gè)不同位置的內(nèi)容對調(diào)，有的添加了本來不存在的內(nèi)容，有的將原來的內(nèi)容替換成其他東西。可以看出，提取的水印和原始水印的相似程度比較高，提取水印的NC值也都在0.9以上。這說明該方法對抗篡改的魯棒性能也比較好，可以用于數(shù)字版權(quán)保護(hù)的場合。圖中，某些不易看出的修改用橢圓標(biāo)示了出來。
數(shù)字版權(quán)保護(hù)適用于已知原始水印的情形。很多情況下，原始水印是無法得到的。這個(gè)時(shí)候，需要對圖像進(jìn)行鑒別，判斷圖像是否被惡意篡改過。由于本章方法的一些特點(diǎn)，該方法也可以用于篡改檢測，對二值圖像進(jìn)行認(rèn)證，而且認(rèn)證時(shí)不需要原始水印。用魯棒的水印方法對二值圖像進(jìn)行認(rèn)證，是本方法的一個(gè)新穎之處。目前還沒有其他文章用魯棒水印做二值圖像的認(rèn)證。圖6-14給出了篡改檢測的整個(gè)框架示例圖。
根據(jù)上文所述，將提取出的水印W′分為W1′和W2′，W1′是直接取平均值得到的水印，W2′是按“多數(shù)原則”將W1′進(jìn)一步處理后得到水印。當(dāng)含水印圖像沒有遭到篡改時(shí)，顯然提取的水印信息和嵌入的水印信息是一樣的，要么是1，要么是0，不會(huì)出現(xiàn)浮點(diǎn)數(shù)；而一旦含水印圖像遭到篡改，具有最小RS值的候選位置的像素值可能取值不一致，提取的水印信息就可能出現(xiàn)浮點(diǎn)數(shù)。因此，提取的水印是否出現(xiàn)浮點(diǎn)數(shù)可以作為判斷圖像是否被篡改的準(zhǔn)則如果有浮點(diǎn)數(shù)，就說明含水印被篡改過；否則，認(rèn)為含水印圖像沒有被篡改過。因?yàn)閃1′比W2′包含了更多的浮點(diǎn)數(shù)，因此W1′比W2′對篡改更加靈敏。所以，我們使用W1′來做篡改檢測。檢測的示例請參考圖16。本發(fā)明方法只存在漏警現(xiàn)象，不存在虛警現(xiàn)象。
圖16中，提取的水印指的是W1′?？梢钥闯?，W1′中出現(xiàn)了一些灰色的像素點(diǎn)，對應(yīng)的水印值都是浮點(diǎn)數(shù)。據(jù)此可以判斷出圖像被惡意篡改過。我們采用100幅240×240大小的二值圖像做實(shí)驗(yàn)。對每一幅圖像，首先將預(yù)先設(shè)定的水印信息嵌入到原始圖像中去，然后隨機(jī)選擇一個(gè)l×l(l＝1，2，…，32)大小的塊，翻轉(zhuǎn)塊內(nèi)的每一個(gè)像素。再根據(jù)本章的判斷準(zhǔn)則來確定圖像是否被篡改過。圖17給出了漏警率和篡改程度的關(guān)系，x軸表示塊的大小l，y軸表示漏警率(％)。當(dāng)篡改的塊的大小超過16×16像素(約是一個(gè)5號中文漢字的大小)時(shí)，漏警率不超過10％。該方法既可以檢測出對圖像內(nèi)容的比較大的修改，也可以容忍一些無關(guān)緊要的小的修改。這是本方法和完全脆弱水印方法(用于完整性認(rèn)證)的不同之處。
權(quán)利要求
1.一種二值圖像的水印嵌入和提取方法，其特征在于，其中水印嵌入的步驟如下a.將圖像分成大小相同互不重疊的塊，然后從塊里面挑選出候選嵌入位置，并提高可翻轉(zhuǎn)像素的利用率；b.計(jì)算每個(gè)候選嵌入位置的可翻轉(zhuǎn)得分RS；c.分塊置亂并將相鄰的塊合并成組；d.采用重復(fù)嵌入策略嵌入水印即對每一個(gè)組，選擇其中具有最小RS值的若干像素，并把它們的像素值全部修改為要嵌入的水印比特；e.逆置亂，得到含水印圖像；相應(yīng)地，水印提取的步驟如下a.將圖像分成大小相同互不重疊的塊，并從塊里面挑選出候選嵌入位置；b.計(jì)算每個(gè)候選嵌入位置的可翻轉(zhuǎn)得分RS；c.分塊置亂并將相鄰的塊合并成組；d.對每一個(gè)組，選擇其中具有最小RS值的若干像素；把它們的平均值作為提取出的水印信息W1′，再按照“多數(shù)”原則，對平均值進(jìn)一步處理得到水印信息W2′。
2.根據(jù)權(quán)利要求1所述的二值圖像的水印嵌入和提取方法，其特征在于，所述候選嵌入位置的確定方法如下將圖像分成大小相同互不重疊的塊，塊的大小是3×3像素；然后選擇每一塊的中心像素作為候選嵌入位置。
3.根據(jù)權(quán)利要求1所述的二值圖像的水印嵌入和提取方法，其特征在于，所述提高可翻轉(zhuǎn)像素的利用率的方法是將圖像分成5×5大小的塊，從每個(gè)塊中選出4個(gè)候選位置，即5×5塊中心3×3塊的四角位置。
4.根據(jù)權(quán)利要求1所述的二值圖像的水印嵌入和提取方法，其特征在于，所述候選嵌入位置像素的可翻轉(zhuǎn)得分RS計(jì)算公式如下RS=|Σi=18|A(i)-A(0)|-4|,]]>其中A是候選嵌入位置像素作為中心與其相鄰8像素塊形成的矩陣；RS有以下幾個(gè)取值RS∈{0，1，2，3，4}，得分越低，表明該像素的可翻轉(zhuǎn)性越好。
5.根據(jù)權(quán)利要求1所述的二值圖像的水印嵌入和提取方法，其特征在于，所述分塊置亂的方法是假設(shè)一幅數(shù)字圖像f(x，y)共分成M塊(記為{B1，B2，…，BM})，已知種子Key，其置亂的過程如下1)由種子Key生成序列S，滿足Si∈{1，2，...，M}且Si≠Sj，i≠j；2)置亂圖像f′(x，y)的第i塊為Bi′=Bsi,]]>i＝1，2，...，M；；已知置亂圖像f′(x，y)和種子Key，逆置亂的過程是1)由種子Key生成序列S滿足Si∈{1，2，...，M}且Si≠Sj，i≠j；2)恢復(fù)圖像f″(x，y)第Si塊為Bsi′′=Bi′,]]>i＝1，2，...M；；
6.根據(jù)權(quán)利要求1所述的二值圖像的水印嵌入和提取方法，其特征在于，所述水印提取過程中的步驟“d”中對平均值做進(jìn)一步處理的方法是提取出的平均值如果大于0.5，則視其為“1”；如果小于0.5，則視其為“0”；如果正好等于0.5，這時(shí)就把0.5作為提取的水印信息并記錄下來。
全文摘要
本發(fā)明涉及數(shù)字圖像的水印處理技術(shù)領(lǐng)域，具體公開了一種用于二值圖像版權(quán)保護(hù)和篡改檢測的水印嵌入和提取方法。本發(fā)明方法包括水印嵌入和水印提取兩個(gè)過程，嵌入水印時(shí)采用重復(fù)嵌入策略，首先將分塊置亂，然后將相鄰的塊聚成組，從每一個(gè)組中選出若干可翻轉(zhuǎn)像素，并且將它們的值都修改為要嵌入的比特信息；提取水印時(shí)，對每一個(gè)組，選擇其中具有最小RS值的若干像素，把它們的平均值作為提取出的水印信息W
文檔編號G06T1/00GK101082981SQ20071002810
公開日2007年12月5日 申請日期2007年5月22日 優(yōu)先權(quán)日2007年5月22日
發(fā)明者劉紅梅, 芮偉, 黃繼武 申請人:中山大學(xué)