基于图像特征点全局校正的鲁棒水印方法.docx

基于图像特征点全局校正的鲁棒水印方法专利名称：基于图像特征点全局校正的鲁棒水印方法技术领域：本发明属于信息安全技术领域，具体的说是一种数字图像水印嵌入和盲检测方法，该方法能有效抵抗常规图像处理、几何攻击及组合攻击，可用于互联网上数字作品的版权保护、所有权验证及拷贝控制领域背景技术：随着数字技术的不断进步和计算机网络的日益普及，各种形式的多媒体数字作品如图像、视频、音频等纷纷以网络形式发表，多媒体数据正逐渐成为人们获取信息的重要来源数字化的多媒体数据获取容易、复制简单并且传播迅速，不仅给多媒体信息的存取提供了极大的便利，而且极大提高了信息表达的效率和准确性，但由此引发的盗版问题和版权纷争也成为日益严重的社会问题任何人都可能在未经信息持有者许可的情况下轻而易举的克隆网络中传播的数字信息或者数字内容并声称自己对原始信息的所有权，甚至伪造他人的数字内容，以期获得非法利益例如，现代盗版者只需轻点鼠标便可获得原版的复制 品，谋取暴利；而一些具有特殊意义的信息，如涉及司法诉讼、政府机要等信息如果遭到恶意攻击和篡改伪造，则会给司法公正和国家安全带来极大的危害因此如何在利用多媒体信息和计算机网络便利的同时，又可以有效的保护知识产权和保障信息安全已成为了一个亟需解决的现实问题。

数字水印技术是实现数字产品版权保护的一种潜在的有效方法，已成为多媒体信息安全领域的一个研究热点，也是信息隐藏研究领域的一个重要分支数字水印技术一方面弥补了密码技术的缺陷，因为它可以为解密后的数据提供进一步的保护；另一方面，数字水印技术也弥补了数字签名技术的缺陷，因为它可以在原始数据中一次性嵌入大量的秘密信息数字水印技术的基本思想是将具有特定意义的标记，即水印，利用数据嵌入的方法隐藏在多媒体数据中，以便保护数字产品的版权、证明产品的真实可靠性、跟踪盗版行为或者提供产品的附加信息鲁棒的图像水印技术必须具备抵抗多种水印攻击的能力相对于常规图像处理如噪声、滤波、压缩等，几何攻击如平移、旋转、缩放、剪切，特别是仿射变换、不等比例的缩放、镜面反射等更加难以抵御几何攻击并不破坏图像水印本身，而是破坏了待检测水印图像与嵌入水印信息之间的同步关系，致使水印检测器无法检测水印信肩、O按水印的鲁棒性特点，水印可以分为鲁棒水印和脆弱水印，鲁棒性是大多数数字水印的重要指标，水印鲁棒意味着水印作品能够承受大量的、不同的物理和几何失真理想情况下，攻击者如果要去掉鲁棒水印必须使水印作品的质量严重下降而脆弱水印必须对作品的改动很敏感，人们通过脆弱水印的状态判断作品是否被篡改。

基于图像特征的水印方法属于第二代数字水印技术，其基本思想是利用图像中相对稳定的特征点标识出水印嵌入位置，并在与每个特征点对应的局部区域中独立地嵌入水印，检测时仍然利用特征点来定位和检测水印，从而达到抵抗几何攻击的目的由于图像中提取出的特征点具有一定的稳定性且分布均匀，因此这类方法可以有效的抵抗裁剪攻击在图像的统计特征中，“矩”具有良好的全局特征表达能力，因此在水印算法中有很好的应用，但因为矩的计算依赖于整幅图像的所有像素，图像如果丢失部分内容必然会导致矩值计算出现很大误差目前，大部分方法都是结合以上两种方法，即根据图像的特征点选取嵌入区域，在区域中进行矩的计算从而嵌入水印例如文献Jin-guang Sun, WeiHe,uRST Invariant Watermarking Scheme Based on SIFT Feature and Pseudo-ZernikeMoment,，，IEEE International Symposium on Computational Intelligence andDesign, vol. 2，pp: 10-13, 2009.先提取图像的特征点,根据特征点构造圆形特征区域,在圆形区域中计算出的矩值上进行水印嵌入和检测。

这些方法可以抵抗常规图像处理和一定程度的旋转、缩放等几何攻击，但存在以下问题几何攻击尤其是复杂的几何攻击会造成图像特征点出现位置的偏移，破坏图像信息与水印信息的同步性，构造的区域内容也会发生改变，圆形特征区域内像素值的改变会导致矩计算出现较大误差，这些问题将大大影响水印检测器的性能，致使水印的检测率较低发明内容本发明的目的在于克服上述已有技术的不足，提供了一种基于特征点匹配的图像 矫正方法，将遭受几何攻击后的图像恢复到原始图像状态，以最大程度的恢复图像信息和水印信息的同步性，借助图像分割的信息，提取特征点的位置，在圆形特征区域的Zernike矩值上实现鲁棒水印的嵌入和提取，提高对几何攻击和常规图像处理的鲁棒性实现本发明目的的技术方案包括如下步骤(I)水印嵌入步骤(Ia)通过密钥Keyl生成一个二值的伪随机水印序列b= Od1, b2,…，bj ,bd e {O, I}, d=l,2,…山L是水印序列的位数；(Ib)利用尺度不变特征变换SIFT检测算子，提取原始图像I的SIFT特征点，获得原始图像I的SIFT特征点集F ；(Ic)以高斯平滑滤波后的图像Is的每一个像素为一个点构造网格图，按照距离约束进行图像分割，将平滑图像Is划分为不同的区域，得到不同分割区域集S=Is1, S2，…，sk}，st表示一个分割区域，t=l, 2，…，k, k是分割区域的个数；(Id)从分割集S中每一个区域所对应原始图像I的相应区域内，在中频尺度内选择特征强度最大的SIFT特征点，作为圆心构造半径为R的稳定且彼此独立的圆形特征区域，若该区域不存在SIFT特征点，则不选择该分割区域所对应原始图像I的相应区域，从而获得一系列圆形特征区域O=Io1, O2，…，oh}, O1表示一个圆形特征区域，1=1, 2,是圆形特征区域的个数，h^k；(Ie)将获得的圆形特征区域四周补0，得到外接方形子图像，计算该外接方形子图像的Zernike矩，并利用抖动量化调制的方法将水印嵌入到筛选出的L个Zernike矩的幅度值中，该L个Zernike矩的位置信息保存为密钥Key2 ；(If)对Zernike矩进行重构，获得含水印的外接方形子图像，并将这些含水印的外接方形子图像去掉周围O值后逐个替换原始圆形特征区域，得到含有水印的图像。

2)校正受攻击图像步骤(2a)利用尺度不变特征变换SIFT检测算子提取受攻击图像I'的SIFT特征点，获得受攻击图像Γ的SIFT特征点集Fi ；(2b)利用原始图像I的SIFT特征点集F和受攻击图像Γ的SIFT特征点集Fi，根据距离约束做特征点匹配；(2c)在匹配好特征点的基础上，利用随机抽样一致RANSAC方法，对匹配好的点进行优化迭代，除去匹配错误的点，计算原始图像I到受攻击图像I’的变换参数T为 ^ii hz OT= /21 t22 O , Jn hz 1_式中，tM表示待计算的参数，p=l, 2，3, q=l, 2 ；(2d)根据受攻击图像Γ和变换参数Τ，逐像素恢复其到未受攻击时的位置，得到受攻击图像Γ校正之后的图像Ip(3)水印检测步骤(3a)利用尺度不变特征变换SIFT检测算子，提取校正之后图像I1的尺度不变特征变换SIFT特征点；(3b)以校正之后图像I1的每一个像素为一个结点构造网格图，按照距离约束进行图像分割，将校正之后的图像I1划分为不同区域，得到不同分割区域集Υ = ···，权利要求1.一种基于图像特征点全局校正的鲁棒水印方法，包括 (1)水印嵌入步骤 (Ia)通过密钥Keyl生成一个二值的伪随机水印序列b= Od1, b2，…，bj , bd e {O, 1},d=l, 2，…，L，L是水印序列的位数； (Ib)利用尺度不变特征变换SIFT检测算子，提取原始图像I的SIFT特征点，获得原始图像I的SIFT特征点集F ; (Ic)以高斯平滑滤波后的图像Is的每一个像素为一个点构造网格图，按照距离约束进行图像分割，将平滑图像Is划分为不同的区域，得到不同分割区域集S=Is1, S2，…，％}，^表示一个分割区域，t=l, 2，…，k，k是分割区域的个数； (Id)从分割集S中每一个区域所对应原始图像I的相应区域内，在中频尺度范围内选择特征强度最大的SIFT特征点，作为圆心构造半径为R的稳定且彼此独立的圆形特征区域，若该区域不存在SIFT特征点，则不选择该分割区域所对应原始图像I的相应区域，从而获得一系列圆形特征区域O=Io1, O2，…，oh}, O1表示一个圆形特征区域，1=1, 2,是圆形特征区域的个数，h^k； (Ie)将获得的圆形特征区域四周补0，得到外接方形子图像，计算该外接方形子图像的Zernike矩，并利用抖动量化调制的方法将水印嵌入到筛选出的L个Zernike矩的幅度值中，该L个Zernike矩的位置信息保存为密钥Key2 ； (If)对Zernike矩进行重构，获得含水印的外接方形子图像，并将这些含水印的外接方形子图像去掉周围O值后逐个替换原始圆形特征区域，得到含有水印的图像； (2)校正受攻击图像步骤 (2a)利用尺度不变特征变换SIFT检测算子提取受攻击图像I,的SIFT特征点，获得受攻击图像Γ的SIFT特征点集Fi ； (2b)利用原始图像I的SIFT特征点集F和受攻击图像I,的SIFT特征点集Fi，根据距离约束做特征点匹配； (2c)在匹配好特征点的基础上，利用随机抽样一致RANSAC方法，对匹配好的点进行优化迭代，除去匹配错误的点，计算原始图像I到受攻击图像I,的变换参数T为^ll ^12 OT — t2l 22 O ， Jji ^32 式中，tM表示待计算的参数，p=l, 2，3, q=l, 2 ； (2d)根据受攻击图像Γ和变换参数T，逐像素恢复其到未受攻击时的位置，得到受攻击图像Γ校正之后的图像I1; (3)水印检测步骤 (3a)利用尺度不变特征变换SIFT检测算子，提取校正之后图像I1的尺度不变特征变换SIFT特征点； (3b)以校正之后图像I1的每一个像素为一个结点构造网格图，按照距离约束进行图像分割，将校正之后的图像1:划分为不同区域，得到不同分割区域集Y 二 Μ，4，···，4Κ表示一个分割区域，t' =1,2,…，k'，k'是分割区域的个数；(3c)从分割区域集f中每一个区域所对应的校正之后图像I1的相应区域内，在中频尺度内选择特征强度最大的SIFT特征点，作为圆心构造半径为R的稳定且彼此独立的圆形特征区域，若该区域不存在SIFT特征点，则不选择该分割区域所对应的校正之后图像I1的相应区域，从而获得一系列圆形特征区域α =，0丨表示一个圆形特征区域，Γ =1,2,…，h'，h'是圆形特征区域的个数，h' Sk'； (3d)对获得的圆形特征区域四周补O，得到外接方形子图像，计算该外接方形子图像的Zernike矩,对Zernike矩进行筛选,得到校正之后图像I1的Zernike矩集合为 sZennke ={ZL·,}，Π1 ( Mmax, Π 幸 4g, g=0, I, 2，…， 式中，Mmax是最大阶数表示阶数为m,重复度为η的Zernike矩； (3e)利用与嵌入水印过程相同的密钥Key2,从S'Zem—中选择L个Zernike矩Zr = (zvh,··-,Zrnini) ’用于水印提取，其对应的幅值为I = (4 ，···，4^ ) C是阶数为mr，重复度为nr的Zernike矩，r=l, 2，…，L,的幅值； (3f)通过最小距离解码提取水印= $，&···，％} (3g)定义匹配检测阈值X=23，定义X为正确匹配的水印位数，逐位比较原始水印bHbiA，…，bj与提取的水印何, ，…，⑷，得到正确匹配的水印位数X，并将该水印位数X与预先定义的匹配检测阈值X进行比较，判断该圆形特征区域中是否嵌入水印，当X SX时，则该圆形特征区域嵌入了水印；ix〈X时，则该圆形特征区域没有嵌入水印；依次检测校正之后图像I1的所有圆形特征区域，若检测出大于等于2个的圆形特征区域嵌入了水印，则认。