基于分数阶PECT矩的鲁棒可逆水印嵌入和提取方法

技术领域

本发明涉及数字水印的技术领域，更具体地，涉及一种基于分数阶PECT矩的鲁棒可逆水印嵌入和提取方法。

背景技术

数字水印技术通过将图像标识、数字、文字和序列号等数字信息嵌入到数字媒体中，起到标识作用。近年来对于图像数字水印的鲁棒性研究已取得了很大进展，但是面临旋转、缩放、平移等几何攻击仍存在较大困难。鲁棒可逆水印具有在载体图像未受到攻击时，嵌入的水印信息可以被正确提取且载体图像可以被完全恢复，而载体图像受到一定程度攻击时，水印信息依然可以被无损的正确提取的特点。

现有的方法可以通过计算图像的PECT矩，基于PECT矩对图像进行量化水印嵌入，并通过在量化水印嵌入过程中产生的失真信息来判断图像是否受到攻击；当判断图像未受到攻击时，利用图像的PECT矩提取水印信息并恢复原始图像；当判断图像受到攻击时，计算受到攻击后带有水印信息图像的PECT矩，并利用带有水印信息图像的PECT矩提取水印信息。然而，上述方法在水印嵌入过程中未考虑到重构性能更好的分数阶PECT矩，造成的失真信息过大，几何矩嵌入时仅对单个矩幅值采用量化补偿调制嵌入一位水印信息。

发明内容

本发明为克服上述图像数字水印技术面对几何攻击和常规处理鲁棒性差的缺陷，提供一种基于分数阶PECT矩的鲁棒可逆水印嵌入和提取方法，增加了水印面对几何攻击和常规处理的鲁棒性。

为解决上述技术问题，本发明的技术方案如下：

本发明提供了一种基于分数阶PECT矩的鲁棒可逆水印嵌入方法，包括：

S1：获取原始图像；

S2：计算所述原始图像的分数阶PECT矩，并对其进行归一化操作，得到归一化分数阶PECT矩；

S3：根据所述归一化分数阶PECT矩构造第一差分值；

S4：将鲁棒水印信息量化嵌入到第一差分值中，获得带有鲁棒水印的差分值及其对应的量化失真；

S5：基于所述量化失真，对带有鲁棒水印的差分值进行移动，更新量化失真，获得更新后的量化失真；

S6：根据所述更新后的量化失真，计算带有鲁棒水印的分数阶PECT矩及其对应的量化误差；

S7：计算带有鲁棒水印的分数阶PECT矩与原始图像的分数阶PECT矩的差值，对所述差值进行分数阶PECT反变换和取整操作，获得误差图像；将所述误差图像与所述原始图像进行叠加处理，获得鲁棒水印图像；

S8：对所述鲁棒水印图像进行去水印操作，获得去水印图像；并计算所述原始图像和所述去水印图之间的舍入失真；

S9：基于所述更新后的量化失真、舍入失真和鲁棒水印图像的前N个像素的最低有效位嵌入到鲁棒水印图像中，获得中间图像；

S10：对中间图像生成第一哈希值，并利用所述第一哈希值替换中间图像的前N个像素的最低有效位，获得鲁棒可逆水印图像。

本发明还提供了一种基于分数阶PECT矩的鲁棒可逆水印提取方法，包括：

获取鲁棒可逆水印图像和鲁棒水印图像；所述鲁棒可逆水印图像和鲁棒水印图像采用上述的基于分数阶PECT矩的鲁棒可逆水印嵌入方法生成；

提取所述鲁棒可逆水印图像的前S个像素的最低有效位，获得第一哈希值；基于第一哈希值，利用可逆水印法将所述鲁棒可逆水印图像恢复为中间图像；

提取所述鲁棒水印图像的前S个像素的最低有效位，利用提取结果替换中间图像前S个像素的最低有效位，生成第二哈希值；

判断第一哈希值与第二哈希值是否相等；

若第一哈希值与第二哈希值相等，则鲁棒可逆水印图像和中间图像均未受到攻击；提取未受到攻击的中间图像的鲁棒水印信息，利用可逆水印法将中间图像恢复为原始图像；

若第一哈希值与第二哈希值不相等，则鲁棒可逆水印图像和中间图像均受到攻击；提取受到攻击的中间图像的水印信息。

与现有技术相比，本发明技术方案的有益效果是：

本发明通过计算原始图像的分数阶PECT矩，构造出能够抵消攻击误差的第一差分值，以实现多对一的水印嵌入而提升抗攻击性能；在获得去水印图像后，计算去水印图像和原始图像间的舍入失真，并将该舍入失真作为可逆信息补偿到鲁棒水印图像中，获得鲁棒水印可逆图像。本发明使鲁棒水印可逆图像在面对几何攻击和常规处理时具有更强的鲁棒性，并且进一步降低失真信息量，以实现大容量的水印嵌入。

附图说明

图1为实施例1所述的一种基于分数阶PECT矩的鲁棒可逆水印嵌入方法的流程图。

图2为实施例3所述的一种基于分数阶PECT矩的鲁棒可逆水印提取方法的流程图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

本实施例提供了一种基于分数阶PECT矩的鲁棒可逆水印嵌入方法，如图1所示，包括：

S1：获取原始图像；

S2：计算所述原始图像的分数阶PECT矩，并对其进行归一化操作，得到归一化分数阶PECT矩；

S3：根据所述归一化分数阶PECT矩构造第一差分值；

S4：将鲁棒水印信息量化嵌入到第一差分值中，获得带有鲁棒水印的差分值及其对应的量化失真；

S5：基于所述量化失真，对带有鲁棒水印的差分值进行移动，更新量化失真，获得更新后的量化失真；

S6：根据所述更新后的量化失真，计算带有鲁棒水印的分数阶PECT矩及其对应的量化误差；

S7：计算带有鲁棒水印的分数阶PECT矩与原始图像的分数阶PECT矩的差值，对所述差值进行分数阶PECT反变换和取整操作，获得误差图像；将所述误差图像与所述原始图像进行叠加处理，获得鲁棒水印图像；

S8：对所述鲁棒水印图像进行去水印操作，获得去水印图像；并计算所述原始图像和所述去水印图之间的舍入失真；

S9：基于所述更新后的量化失真、舍入失真和鲁棒水印图像的前N个像素的最低有效位嵌入到鲁棒水印图像中，获得中间图像；

S10：对中间图像生成第一哈希值，并利用所述第一哈希值替换中间图像的前N个像素的最低有效位，获得鲁棒可逆水印图像。

在具体实施过程中，本实施例通过计算原始图像的分数阶PECT矩，构造出能够抵消攻击误差的第一差分值，以实现多对一的水印嵌入而提升抗攻击性能；在获得去水印图像后，计算去水印图像和原始图像间的舍入失真，并将该舍入失真作为可逆信息补偿到鲁棒水印图像中，获得鲁棒水印可逆图像。本实施例使鲁棒水印可逆图像在面对几何攻击和常规处理时具有更强的鲁棒性，并且进一步降低失真信息量，以实现大容量的水印嵌入。

实施例2

本实施例提供了一种基于分数阶PECT矩的鲁棒可逆水印嵌入方法，包括：

S1：获取原始图像I，所述原始图像I的大小为K×K；本实施例中K＝512；

S2：计算所述原始图像I的分数阶PECT矩A

以原始图像的中心为圆心作原始图像的内切圆；基于所述内切圆构建分数阶PECT矩基函数；以所述内切圆为单位圆，根据所述分数阶PECT矩基函数计算单位圆内像素的n阶m重分数阶PECT矩，计算公式如下：

V

式中，A

对原始图像的分数阶PECT矩进行归一化操作，计算公式如下：

T＝10

式中，

S3：根据所述归一化分数阶PECT矩

将归一化分数阶PECT矩

式中，

S4：将鲁棒水印信息w

式中，

本实施例采用相关几何矩的差值来嵌入1位水印信息，从而有利于进一步提升抗常规信号处理攻击的性能，相当于在两个几何矩中嵌入1位水印信息，根据扩频水印的思想可知在同等攻击时将能较好地减少常规信号处理攻击的影响，从而提升抗常规信号处理攻击的性能。

S5：基于所述量化失真，对带有鲁棒水印的差分值进行移动，更新量化失真，获得更新后的量化失真；

比较所述量化失真与Δ/2的大小，若|D′

式中，

根据移动后的带有鲁棒水印的差分值，对量化失真进行更新，获得更新后的量化失真：

式中，D

S6：根据所述更新后的量化失真，计算带有鲁棒水印的分数阶PECT矩及其对应的量化误差；

将更新后的量化失真D

式中，d

分数阶PECT矩虽然是单位圆上的正交变换，但在正反变换过程中会造成信息损失，此时通过构造误差图像，将失真信息补偿至带有鲁棒水印的图像

S7：计算带有鲁棒水印的分数阶PECT矩与原始图像的分数阶PECT矩的差值，对所述差值进行分数阶PECT反变换和取整操作，获得误差图像；将所述误差图像与所述原始图像进行叠加处理，获得鲁棒水印图像；

式中，

S8：对所述鲁棒水印图像进行去水印操作，获得去水印图像；并计算所述原始图像和所述去水印图之间的舍入失真，具体方法为：

S8.1：计算鲁棒水印图像的分数阶PECT矩

S8.2：对所述鲁棒水印图像的分数阶PECT矩

S8.3：提取所述鲁棒水印图像的归一化分数阶PECT矩

S8.4：对所述去除鲁棒水印的归一化分数阶PECT矩

S8.5：计算去除鲁棒水印的分数阶PECT矩与鲁棒水印图像的分数阶PECT矩的差值，并对所述差值进行分数阶PECT反变换和取整操作，获得取整操作结果；将所述取整操作结果与所述鲁棒水印图像进行叠加处理，获得去水印图像；计算公式为：

式中，I

S8.6：计算所述原始图像和所述去水印图之间的舍入失真，计算公式为：

d

式中，d

S9：基于所述量化误差d

S12：采用SHA-256算法对中间图像

实施例3

本实施例提供了一种基于分数阶PECT矩的鲁棒可逆水印提取方法，包括：

获取鲁棒可逆水印图像

提取所述鲁棒可逆水印图像

提取所述鲁棒水印图像

判断第一哈希值H

若第一哈希值H

若第一哈希值H

所述提取未受到攻击的中间图像的水印信息，利用可逆水印法将中间图像恢复为原始图像的具体方法为：

提取未受到攻击的中间图像的前S个像素的最低有效位、量化误差和舍入失真，利用可逆水印法将未受到攻击的中间图像恢复为鲁棒水印图像；

计算鲁棒水印图像的分数阶PECT矩，并对其进行归一化操作，获得鲁棒水印图像的归一化分数阶PECT矩；

根据鲁棒水印图像的归一化分数阶PECT矩对应构造第二差分值，利用量化水印法从第二差分值中提取鲁棒水印信息，计算公式为：

式中，w

根据所述量化误差，将所述鲁棒水印图像的归一化分数阶PECT矩转换为第一、二分数阶PECT矩：

式中，

对所述第一、二分数阶PECT矩进行分数阶PECT矩反变换和取整操作，获得去水印图像，计算公式为：

式中，I

根据所述舍入失真，将去水印图像转换为原始图像，计算公式为：

I＝I

式中，I表示原始图像，d

所述提取受到攻击的中间图像的水印信息的具体方法为：

计算受到攻击的中间图像的分数阶PECT矩

利用量化水印法从第三差分值

式中，w

所述可逆水印法基于预测误差扩展和直方图平移技术实现，具体步骤包括：

采用菱形模式预测方案，将图像中的所有像素点分为两个相互交叉的集合，分别被称为叉集和点集，其中叉集用于嵌入信息，点集用于计算预测值；

对于点集，中心像素点u

通过将中心像素点u

同理可得所有叉集中像素点的预测误差；

计算所有叉集像素点的局部方差并进行升序排列，得到适用于嵌入量化失真d

使用直方图平移方法将量化误差d

在具体实施过程中，验证版权信息的时候只需要把鲁棒可逆水印图像

然后再把鲁棒水印图像

本实施例中使用图片Lena、图片Peppers、图片Barbara和图片Baboon的灰度图像作为实验对象对本实施例的方法进行验证；这四组图片具有不同的特性，图片Lena包括平整的区块、清晰细致的纹路、渐渐变化的光影和颜色的深浅层次等；图片Peppers具有更多明暗区域、区块内部颜色相近和区块之间颜色差异大的特点；图片Barbara具有大量规则纹理；图片Baboon则具有大量不规则纹理等特性。本实施例所选择的图片尺寸为512×512，不同图像差异不大，日常生活中的各类图片具有这些特性，因此采用这四组图片作为实验对象可以使得实验结果具有推广性；

对于本实施例的方法而言，鲁棒可逆水印图像在受到攻击后误码率在20％以下时认为具有较好的鲁棒性，图片Lena受到攻击时的误码率结果如下表所示：

从上表可以看出，在图片Lena中嵌入鲁棒水印为128bits，本实施例的方法可以抗质量因子为10的JPEG压缩、压缩比为100∶1的JPEG2000攻击、0度到360度的旋转攻击和拉伸因子0.5到2.0的缩放攻击，以及均值为0，方差为0.009到0.029的高斯噪声攻击；

图片Peppers受到攻击时的误码率结果如下表所示：

/>

从上表可以看出，在图片Peppersa中嵌入鲁棒水印为128bits，本实施例的方法可以抗质量因子为10的JPEG压缩、压缩比为100∶1的JPEG2000攻击、0度到360度的旋转攻击和拉伸因子0.5到2.0的缩放攻击，以及均值为0，方差为0.009到0.029的高斯噪声攻击；

图片Barbara受到攻击时的误码率结果如下表所示：

从上表可以看出，在图片Barbara中嵌入鲁棒水印为128bits，本实施例的方法可以抗质量因子为10的JPEG压缩、压缩比为100∶1的JPEG2000攻击、0度到360度的旋转攻击和拉伸因子0.5到2.0的缩放攻击，以及均值为0，方差为0.009到0.029的高斯噪声攻击；

图片Baboon受到攻击时的误码率结果如下表所示：

从上表可以看出，在图片Baboon中嵌入鲁棒水印为128bits，本实施例的方法可以抗质量因子为10的JPEG压缩、压缩比为100∶1的JPEG2000攻击、0度到360度的旋转攻击和拉伸因子0.5到2.0的缩放攻击，以及均值为0，方差为0.009到0.029的高斯噪声攻击。

综上所述，本实施例的方法日常生活中的大部分特性和任意大小的图片，可以抗质量因子为10的JPEG压缩、压缩比为100∶1的JPEG2000攻击、0度到360度的旋转攻击和拉伸因子0.5到2.0的缩放攻击，以及均值为0，方差为0.009到0.029的高斯噪声攻击，鲁棒性高。

相同或相似的标号对应相同或相似的部件；

附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。