专利名称：：基于局部Tchebichef矩的鲁棒图像水印方法
技术领域：
：本发明涉及信息安全
技术领域：
，具体地说是一种数字图像水印嵌入和盲检测方法，该方法能有效抵抗几何攻击和常规图像处理，可用于互联网上数字图像作品的版权保护、所有权验证、拷贝控制领域。
背景技术：
：多媒体数据如图像、视频、音频等的数字化为多媒体信息的存取提供了极大便利，同时也极大地提高了信息表达的效率和准确性。随着互联网的日益普及，多媒体信息的交流更是达到了前所未有的深度和广度，其发布形式也越来越丰富。人们通过互联网可以轻易地进行数字媒体的拷贝、下载和发布。这一方面给人们的生活和工作提供了便利条件，提高了工作效率，另一方面也为数字媒体的盗版提供了方便。一些不法分子在没有获得数字媒体版权所有者授权的情况下，随意拷贝和传播有版权保护的数字媒体出版物，从中谋取利益。此外，政府文件、银行帐单和个人信用资料在互联网上被恶意篡改，使得电子政务、电子商务不能得到顺利推广和应用。因此，如何在互联网上保护数字媒体的版权问题和信息安全已经成为一个迫在眉睫的现实问题。数字水印作为一项很有潜力的解决手段，最近几年成为了商业界和学术界共同关注的热点。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在多媒体数据中嵌入秘密信息，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、縮放等更加难以抵御。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息。抗几何攻击的图像水印方法可以分为非盲检测水印方法和盲检测水印方法。非盲检测水印方法需要借助原始图像或者未受攻击的水印图像，应用受到较大限制。盲检测水印方法大致分为基于几何不变域、基于辅助信息和基于图像特征的水印方法。其中，前两种方法只对全局变换——旋转、缩放和平移有效，无法抵抗局部弯曲、剪切和组合攻击等较为复杂的几何攻击。相比之下，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。通过构造具有几何不变性的图像特征，继而标识出水印嵌入和检测的准确位置，可以抵消几何攻击造成的水印同步误差。图像特征可以是全局的，也可以是局部的。在基于全局特征的抗几何攻击水印方法中，普遍的方法是利用矩对图像进行归一化处理，水印嵌入在归一化后的图像中。例如文献M.AlghoniemyandA.H.Tewfik.Geometricinvarianceinimagewatermarking.正EETrans.ImageProcess.,2004,13(2),145-153.利用几何矩对图像进行归一化，在归一化后的图像中进行水印嵌入和检测可以抵抗缩放、旋转等攻击。然而，这类方法的最大不足在于不能抵抗剪切攻击，这是因为矩的计算依赖于整幅图像的所有像素值，图像部分内容丢失必然会导致矩值的计算出现很大误差。在基于局部特征的抗几何攻击图像水印方法中，通过空间特征点的定位，在与特征点唯一对应的子图像区域中嵌入和提取水印是常见的方法。由于图像中选取的特征点具有足够的稳定性且分布比较均匀，因而这类方法可以有效抵抗剪切攻击。例如文献J.S.JeoandC.D.Yoo.Localizedimagewatermarkingbasedonfeaturepointsofscale-spacerepresentation.PatternRecognit.,2004，37(7):1365-1375.采用Harris-Laplace检测算子提取特征点，以特征点为中心构造圆形特征区域，并将二维圆形水印直接嵌入到特征区域中。基于局部特征区域的水印方法在抗几何攻击方面取得了较好的效果，但存在以下问题(1)几何攻击造成图像特征点的提取出现偏移；(2)几何攻击过程产生的插值误差会改变图像的像素值。这些问题将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提供一种基于局部Tchebichef矩(LocalTechebichefMoments,LTMs)的鲁棒图像水印方法，以克服上述利用全局特征的水印方法不能抵抗剪切攻击和利用局部特征的水印方法水印检测率偏低的问题，提高对几何攻击和常规图像处理的鲁棒性。实现本发明的技术方案是将以上两类水印方法的优点进行有机结合。水印嵌入时，首先利用Harris-Laplace检测算子提取图像特征点，通过特征选择策略获得一组稳定且彼此独立的圆形特征区域；对每个圆形特征区域通过方向对齐获得几何不变性；利用Tchebichef矩提取每个圆形特征区域的全局特征，通过抖动量化调制低阶Tchebichef矩的幅度值实现嵌入水印，并通过抖动量化低阶Tchebichef矩的幅度值，采用最小距离解码的方式检测水印。具体过程如下一、基于局部Tchebichef矩的鲁棒图像水印嵌入方法，包括如下步骤A.通过密钥生成一个二值的伪随机水印序列b-fe,&,6,.e{0,l};B.利用Harris-Laplace检测算子提取图像原始特征点，根据原始特征点的特征尺度将属于中间特征尺度范围内的特征点选择出来，以这些特征点为中心构造候选圆形特征区域；C.通过基于最小生成树聚类算法的特征选择策略对候选圆形特征区域按照距离约束条件进行聚类，对每一类特征区域，仅选择出强度最大的区域，由此获得稳定且彼此独立的圆形特征区域；D.利用一阶偏导计算每个圆形特征区域的主梯度方向，并通过旋转将这些主梯度方向对齐；E.从旋转后的圆形特征区域中取其内接正方形，计算该内接正方形的Tchebichef矩，并利用抖动量化调制的方式将水印嵌入在低阶Tchebichef矩的幅度值中；F.对Tchebichef矩进行重构获得含水印的内接正方形，并将这些含水印的内接方形图像块逐个替换原始内接方形图像块，得到含水印图像。上述图像水印嵌入方法中，步骤B所述的"以这些特征点为中心构造候选圆形特征区域"，按如下步骤进行Bl.利用Harris-Laplace检测算子提取图像的原始特征点，记为集合Q"B2.根据原始特征点所对应的特征尺度，选择中间尺度范围内的特征点，记为集合02;B3.以集合Q,内的每个特征点为中心，以每个特征点的T倍的特征尺度为半径构造圆形特征区域，其半径表示为5R=r.M，(1)这里，o"表示图像特征点的特征尺度，「q表示取整操作，r为正整数。上述图像水印嵌入方法中，步骤E所述的"利用抖动量化调制的方式将水印嵌入在低阶Tchebichef矩的幅度值中"，按如下步骤进行El.设低阶Tchebichef矩的最大阶数为Omax，将这些Tchebichef矩组成的集合表示为""O鹏，，。}，(2)其中，p+《表示阶数，7^表示第p+《阶的Tchebichef矩；E2.通过密钥K,从集合S中随机选择丄个低阶Tchebichef矩r=(rM,,…,7;^);E3.对于水印序列b-foA,…,^中的每位水印A，采用抖动量化调制的方式修改低阶Tchebichef矩的幅度值，以实现水印的嵌入，修改规则为<formula>formulaseeoriginaldocumentpage8</formula>(3)其中，[.]是四舍五入操作，A是量化步长，《0是第z'个量化函数，且满足《(l)=A/2+J,(0);矢量(《(0),…，《(0))通过密钥K2产生，且在区间[O，A]上服从均匀分布。上述图像水印嵌入方法，步骤F所述的"对Tchebichef矩进行重构获得含水印的内接正方形"，按如下步骤进行Fl.通过Z个修改后的低阶Tchebichef矩的幅度值获得丄个修改后的Tchebichef矩，其表示为<formula>formulaseeoriginaldocumentpage8</formula>(4)其中，fpi为修改后的第Z个低阶Tchebichef矩的幅度值，7;g为原始的第Z个低阶Tchebichef矩的幅度值；F2.在集合S中，利用未被修改的Tchebichef矩重构第一组内接方形图像块/^(;c,;;):y^fe^=/fcy)—/Tfey)，(5)其中，/Oc，y)是原始内接方形图像块，/r(X力是由待修改的Tchebichef矩重构出的内接方形图像块；F3.在集合S中，利用丄个修改后的Tchebichef矩重构第二组内接方形图像块/";c,;;);F4.将第一组内接方形图像块/^Oc，y)和第二组内接方形图像块人(Jc,力进行合并，得到含水印的内接方形图像块7(x，力7(^)=/丄})+/^,力。(6)二、基于局部Tchebichef矩的鲁棒图像水印检测方法，包括如下步骤G利用Harris-Laplace检测算子从待检测图像中提取图像特征点，经过特征选择后，获得稳定且彼此独立的圆形特征区域；H.对每个圆形特征区域计算其主梯度方向并通过旋转进行主梯度方向对齐，在旋转后的圆形特征区域内取其内接正方形，并计算该内接正方形的Tchebichef矩；I.选择Z个低阶Tchebichef矩，通过最小距离解码提取水印b'=&，《，，《};J.比较原始水印b=fe，&，…》」与提取的水印b'=fe',《,…，6U，得到匹配的水印位数r，并与预先定义的匹配检测阈值r进行比较，判断该圆形特征区域中是否嵌入水印，当r》r时，则该圆形特征区域嵌入了水印；当r〈r，则该圆形特征区域没有嵌入水印。上述图像水印检测方法中，步骤I按如下步骤进行II.使用与嵌入过程相同的密钥Kp在内接方形图像块中选择丄个低阶Tchebichef矩:T=(r'，…，r');\Ai，，Pi,/'K.利用相同的密钥K2产生量化矢量(《(0)，…，《(0》和(《(1),…,《(1》；13.利用与水印嵌入过程相同的抖动量化调制方式，对每个低阶Tchebichef矩r",的幅度值进行修改-《wAA+《(/)，(7)其中，A是量化步长，[']是取整运算，/=1，...，丄，/=0,1;14.通过比较r;与其两组量化式6,'=argmini和7其中，将之间的距离，提取Z位水印信息/=1,2,...,丄(8)禾口0触及其两组量化式的距离分别定义为&wo=)f，并计算r=cfo,o-力'rfi，如果^<0，则"=0，否则《=1。本发明由于结合图像的局部特征区域和全局特征表示，利用Harris-Laplace检测算子和特征选择策略获得一组稳定且彼此独立的圆形特征区域，有效提高了系统对几何攻击特别是剪切攻击的鲁棒性；同时由于利用Tchebichef矩表示圆形特征区域的全局统计特性，不仅克服了因特征点偏移以及插值误差造成的水印检测率低的问题，而且利用Tchebichef矩良好的抗噪性和抗压縮能力增强了对常规图像处理的抵抗能力；此外由于水印嵌入和检测时采用抖动量化调制的方法，既实现了水印的盲检测，又提高了水印的检测精度。图l是本发明的总体框图；图2是本发明的水印嵌入流程框图；图3是本发明在水印嵌入过程中圆形特征区域选择过程的示意图，其中图3(a)为原始图像，3(b)为原始圆形特征区域图，图3(c)为中间尺度范围内的圆形特征区域图，图3(d)为经过最小生成树聚类方法选择后的圆形特征区域图；图4是本发明在水印嵌入过程中的嵌入区域形成过程的示意图，其中图4(a)是理想的水印嵌入区域，图4(b)是原始外接方形图像块，图4(c)是"补零"形成的图像块，图4(d)是内接方形图像块；图5是本发明水印检测流程框图；图6是本发明PSNR值、量化步长和水印长度三者之间关系的示意图；图7是本发明水印嵌入效果示意图，其中图7(a)为原始图像，图7(b)为含水印图像，图7(c)为差值图像；图8是本发明检测门限和虚警概率关系示意图。具体实施方案参照图1所示的总体框图，本发明首先利用Harris-Laplace检测算子提取原始图像的特征点，并通过特征选择获得一组稳定且彼此独立的圆形特征区域；然后通过主方向对齐获得几何不变的圆形特征区域；最后，在圆形特征区域的内接方形图像块中计算Tchebichef矩，并通过抖动量化调制修改低阶Tchebichef矩的幅度值实现水印嵌入；检测时，通过抖动量化调制获得修改后的低阶Tchebichef矩并利用最小距离解码提取水印，并与预先定义的检测阈值进行比较以判断是否存在水印。以下参照附图对本发明作进一步详细的描述。参照图1和图2，本发明的水印嵌入步骤如下步骤一利用Harris-Laplace检测算子提取图像特征点。对原始图像图3(a)，利用Harris-Laplace检测算子提取圆形特征区域，初始圆形特征区域如图3(b)所示。Harris-Laplace检测算子包括尺度自适应Harris算子和自动尺度选择技术两部分，提取的特征点对旋转、縮放、平移以及噪声干扰等具有较好的鲁棒性，具体步骤是首先，给定尺度空间，^")-1.4".c7。,^;^0.7.of)("-l,2,…，15)和阈值1000，其中cr。表示初始尺度，利用尺度自适应Harris算子计算出图像的候选特征点，尺度自适应Harris算子的自相关矩阵M表示为丄〗(x，y,)丄x丄"x，y,o"J(x,L)gy，CT。)Z(x,y，0=DL(2)其中，^和o^分别表示积分尺度和微分尺度；g^7)表示均值为0方差为C的高斯函数；丄为图像的高斯尺度空间表示；丄,表示丄在^方向上的偏导数；/为输入图像；表示线性巻积。给定ov和cr。，可以确定点(x，力的特征强度i:i(x,y,,<rD)=Det(M(;c，y,~,crD))-kTr2(M(x,_y，(t7,cr^))'(3)这里，Det(.)和TrO分别表示矩阵的行列式和迹；k是常数，通常取0.04。在每一个尺度平面上，特征点可以按照下述规则提取(1)及(x,y,o",，o^)〉i(x,:v，cr"o"d)V(;,j))eJ(4)及(jc，少,,crD)2Th其中，J表示像素点(x,jO的某一邻域；Th表示阈值。然后，对每个候选特征点，采用迭代法确定特征点及其特征尺度St印l:设^为候选图像特征点，检验LoG算子在该点处是否能在整个尺度搜索范围内获得局部极值，如果不能获得极值，则舍弃该点，尺度搜索范围限定为of+1)=rof),=0.7广.，1.4，LoG算子表示为l丄oG(x,y,ov)=ct，|Z(x，少，)+~(x,y，crJ，(5)这里，i^表示Z在;c方向上的二阶偏导数，i^表示Z在j;方向上的二阶偏导数；Step2:对于LoG算子能获得极值的图像特征点^，在该点的邻域内搜索特征强度最大的特征点，若A+1存在则舍弃&;Step3:重复SteplStep2，直到of+1)=of)或^+1=;^为止。步骤二局部圆形特征区域的构造及选择。特征点只包含位置信息和特征尺度信息，并不能进行水印的嵌入和提取，因此需要以特征点为中心构造合适的特征区域。这里，以特征点为圆心，并以特征点所对应的特征尺度的倍数为半径，构造圆形特征区域，该圆形特征区域的半径为W=r-W，(6)其中，o"表示图像特征点的特征尺度；「^表示取整操作；r为正整数，用于调节圆形特征区域的大小。由于特征尺度能够反映图像尺寸的变化，因而构造的圆形特征区域能协变于图像的縮放变化。Harris-Laplace检测算子最初用于图像匹配和目标识别，检测出的特征点十分密集，形成的特征区域交叠严重。为了增强本发明的鲁棒性，需要选择一组稳定且彼此独立的圆形特征区域用于水印嵌入和检测，该选择过程如下Stepl:利用Harris-Laplace检测算子提取如图3(a)所示的原始图像的初始特征点，记为集合A，如图3(b)所示；Step2:特征尺度小的特征点，其稳定性较低，而特征尺度大的特征点形成的特征区域交叠严重，因此首先选择中间尺度范围内的特征点，记为集合^，如图3(c)所示；Step3:以集合Q,内的特征点为中心，以其特征尺度的r倍为半径构造圆形特征区域，较小的区域可以增加水印的鲁棒性，但会限制水印容量，而较大的区域虽然可以增加嵌入容量但会降低水印的鲁棒性，因此r应该折中水印的鲁棒性和水印容量；11，(7)Step4:为了得到彼此独立的特征区域，特征点之间的距离也需要考虑特征距离小，区域重叠严重，特征距离大，区域个数不足，本发明引入距离约束D，利用最小生成树聚类方法对特征点进行聚类，对同一类特征点，选择特征强度最大的特征点并形成圆形特征区域，如图3(d)所示。步骤三构造几何不变的圆形特征区域经过上述步骤之后，得到了一组稳定且彼此独立的圆形特征区域，这些区域对平移、缩放具有不变性。为了实现圆形特征区域对旋转的不变性，本发明通过特征点邻域像素的梯度方向分布特性计算每个圆形特征区域主方向，并经过主方向对齐实现旋转不变性。实际计算时，在以特征点为中心的邻域窗口内采样，并用直方图统计邻域像素的梯度方向，直方图的峰值代表了该特征点的主方向，也作为对应的圆形特征区域的主方向。图像/中点(;co，少o)处的梯度为-V/(x0,y0)=[(5〃a4(3〃^)]这里，梯度的幅度为7(3//&)2+(3//^)2;梯度的方向为tan—K^/axMs//^;^步骤四选取圆形特征区域的内接方形图像块并计算Tchebichef矩为了在如图4(a)所示的圆形特征区域中嵌入水印，实际处理时，首先得到包含圆形特征区域的外接方形图像块，如图4(b)所示；然后通过四周"补零"获得如图4(c)所示的图像块。考虑到"补零"区域对计算Tchebichef矩的影响以及最终嵌入水印的区域应该保持协变特性，本发明在主方向对齐后的圆形特征区域内取其内接方形区域，如图4(d)所示。考虑到Tchebichef具有很好的特征表达能力和更强的噪声抑制能力，本发明在内接方形区域内计算Tchebichef矩。步骤五在低阶Tchebichef矩中嵌入水印Step1.通过密钥生成一个二值的伪随机水印序列b=&,62,6,.e{0，l};Step2.低阶Tchebichef矩的最大矩阶数为O皿，则这些Tchebichef矩构成的集合表示为-S—;，/^<Omax，p,"0}，(8)为了折中不可见性和鲁棒性，应该选择合适的低阶Tchebichef矩嵌入水印；Step3.通过密钥K,从集合S中随机选择i:个低阶Tchebichef矩T=(7^，...，7;^)用于嵌入水印；Step4.对于每个水印位6,，采用抖动量化调制低阶Tchebichef矩幅度值的方法实现水印嵌入，其嵌入规则为-A(9)式中，[.]是四舍五入操作；A是量化步长；是第z'个量化函数，且满足《②=A/2+《(0);矢量(《(0),...,《(O))通过密钥K2产生，且在区间上服从均匀分布；Step5,将修改后的Tchebichef矩表示为a《,:i，…，丄，(io)其中，r一为原始的第/个低阶为修改后的第/个低阶Tchebichef矩的幅度值，Tchebichef矩的幅度值。步骤六将含水印圆形特征区域逐一替换原始的圆形特征区域，获得含水印图像。首先，将含水印的内接方形图像块分为两组第一组为由未被修改的Tchebichef矩重构得到的内接方形图像块/^(x，力厶H/(x,力-/t(")，(11)这里，/(x,;;)是原始内接方形图像块；/t(;c,3;)是由待修改的Tchebichef矩重构的内接方形图像块。第二组为由修改后的Tchebichef矩重构得到的内接方形图像块/"x，力。然后，将以上两组内接方形图像块合并，得到含水印的内接方形图像块7^,力7W)=/resf(W)+/f(U)。(12)最后，将所有含水印的内接方形图像块替换原始内接方形图像块，并将含有水印的外接方形图像块四周"去零"得到含水印圆形特征区域，在经过主方向恢复并替换所有的原始圆形特征区域后可得到含水印图像。参照图1和图5，本发明的水印检测步骤如下步骤一利用Harris-Laplace检测算子从待检测图像中提取图像特征点并进行特征选利用Harris-Laplace检测算子从待检测图像中提取图像特征点。由于图像可能遭受了一定的攻击，因此提取的特征点并非和嵌入时提取出的特征点完全一致。经过相同的特征选择策略之后，获得一组稳定的且彼此独立的圆形特征区域。实验已经证明，经过特征选择策略获得的特征区域具有较好的重检测率，即使图像遭受了一定的几何攻击，大部分含水印的圆形特征区域依旧能够被检测出来。步骤二对圆形特征区域进行主方向对齐并计算Tchebichef矩。为了实现圆形特征区域对旋转的不变性，通过特征点邻域像素的梯度方向分布特性计算每个圆形特征区域主方向，并经过主方向对齐实现旋转不变性。在每个主方向对齐后的圆形特征区域中取其内接方形图像块并计算Tchebichef矩。步骤三水印检测Step1.使用与嵌入过程相同的密钥K,，选择Z个低阶Tchebichef矩T'=(r;,…，)用于水印提取；Step2.利用与嵌入过程相同的密钥密钥1^产生量化矢量(《(0),...,《(0))和(柳,…,^(1));Step3.采用与嵌入过程相同的抖动量化调制公式，对每个低阶Tchebichef矩r;进行、A(6)其中，[']是取整运算，/=1"..，丄，J'=0,1;Step4.比较r;,及其两组量化式和之间的距离，提取水印信息&;=argIj—I;I)2,/=1,2,…,丄，其中，将r",及其两组量化式的距离分别定义为cfo^=(7;(7))2和赫《T')2，并计算,=^rfo-^fo/i，如果^<0，则6;=0，否则6;=1步骤四比较原始水印b""A,…，6」与提取的水印b、fe'，《，…,Z^，获得匹配位数r，并与预先定义的检测阈值r进行比较，判断该圆形特征区域中是否嵌入水印，当":r时，则该圆形特征区域嵌入了水印；当/<7\则该圆形特征区域没有嵌入水印。检测阈值r的步骤如下Step1.对于未嵌入水印的图像，水印的提取过程可以看作Bernoulli试验，因此，提取的水印位是匹配概率;=0.5的伪随机变量，将提取的水印序列与原始水印序列进行比较，当匹配数大于某个检测阈值时，才能认为待检测产品中存在水印信息，故每个圆形特征区域的虚警错误概率为i广1、丄广H(〖一r)！(8)其中，7;表示检测阈值，丄表示水印长度，r表示水印匹配的比特数；St印2.由大数定律可知，当丄很大时，二元随机变量的概率分布近似为均值为m=丄;、方差为&=1^(1-^的高斯分布，因此，式(8)近似表示为14<formula>formulaseeoriginaldocumentpage15</formula>这里，r=(7;-m)/6，a=l/;r，6=2;r;Step3.根据式(9)，可以得出如图8所示的检测阈值与虚警概率的关系曲线，由该曲线可知，当检测阈值7;=140时，虚警概率4=9.13x10-5，即提取的水印与原始水印的匹配个数达到140位时，每个圆形特征区域的虚警概率为尸#=9.13><10—5。本发明的优点可通过以下实验进一步说明本发明在大量标准灰度图像上进行了测试实验，其中包括基准测试图像A^oo"、Zem、尸印戸ry。5a6oo"包含平滑区域和复杂纹理区域；Ze"a具有多种不同类型的图像特征；户印;^^代表亮度变化。以不可见性和鲁棒性作为本发明性能优劣的评测依据。(1)不可见性本发明以客观指标PSNR作为评价不可见性的依据。通过分析可知，本发明中的PSNR值主要受两个因素的影响。当水印长度固定时，抖动调制中的量化步长A影响PSNR值，A越大水印强度就越大，但PSNR值反而会越小；当固定△或水印强度时，水印位数越长，PSNR就会越低。图6给出了图像的平均PSNR值、量化步长A以及水印位数三者之间的关系。当量化步长厶=18，水印长度丄=224时，整体的PSNR值均大于50dB。图7(a)为5fl6oo"、丄e"a和尸^戸M三幅图像的原始图像；图7(b)为含水印图像；图7(c)为原始图像与含水印图像的差值图像，即水印对原始图像产生的影响。图7进一步说明了本发明具有很好的不可见性。(2)鲁棒性利用评测工具Stirmark4.0对含水印图像进行一系列攻击实验，以测试本发明的鲁棒性。表1和表2分别给出了本发明对常规图像处理和几何攻击的水印检测结果。我们以检测率作为评价本发明鲁棒性的指标，表格中的分数即为检测率。"W=-=-这里，表示攻击图像中成功检测到水印信息的特征区域个数；#or/gz'"fl/_www6m表示原始图像嵌入水印的特征区域个数。表1数字水印对常规图像处理的抵抗能力<table>tableseeoriginaldocumentpage16</column></row><table>表2数字水印对几何攻击的抵抗能力<table>tableseeoriginaldocumentpage16</column></row><table>表1和表2中方法1为本发明的测试结果，方法2按照"CW.Wang,H.M.Hang.Afeature-basedrobustdigitalimagewatermarkingscheme.7hz肌5Vg"a/ZVoce柳'"g.，2003,51(4):950-959."中方法得到的结果，方法3按照"J.S.Seo,C.D.Yoo.Imagewatermarkingbasedoninvariantregionsofscale-spacerepresentation.Jhmy.S/g"a/iVoce训'"g,2006,54(4):1537-1549."中方法得到的结果。从表l可以看出，本发明能有效抵抗常规图像处理，尤其是加噪和JPEG压缩。这是因为(l)提取的特征点具有很好的稳定性，在经过常规图像处理后，水印的嵌入位置没有改变，保证了水印信息能正确提取；(2)局部Tchebichef矩本身对加噪和JPEG压縮具有很好的抵抗力。相比之下，方法2嵌入水印前需要进行归一化处理，将造成水印信息能量较大损失，降低了方法的检出率。方法3通过空域叠加直接嵌入水印，因而对常规图像处理的抵抗力较差。从表2可以看出，本方法对几何攻击(特别是纵横比改变、行列移除和随机弯曲)及组合攻击具有较好的鲁棒性，所有情况下均获得了较高的检出率。方法2使用固定的局部特征区域尺寸，不具有协变性，大大降低了该方法对大角度旋转、縮放和纵横比改变及组合攻击的鲁棒性。方法3虽能抵抗大部分几何攻击，但是嵌入策略存在的不足降低了该方法的检出率，且对纵横比改变不具有鲁棒性。权利要求1.一种基于局部Tchebichef矩的鲁棒图像水印嵌入方法，包括如下步骤A.通过密钥生成一个二值的伪随机水印序列b＝{b1，b2，…，bL}，bi∈{0，1}；B.利用Harris-Laplace检测算子提取图像原始特征点，根据原始特征点的特征尺度将属于中间特征尺度范围内的特征点选择出来，以这些特征点为中心构造候选圆形特征区域；C.通过基于最小生成树聚类算法的特征选择策略对候选圆形特征区域按照距离约束条件进行聚类，对每一类特征区域，仅选择出强度最大的区域，由此获得稳定且彼此独立的圆形特征区域；D.利用一阶偏导计算每个圆形特征区域的主梯度方向，并通过旋转将这些主梯度方向对齐；E.从旋转后的圆形特征区域中取其内接正方形，计算该内接正方形的Tchebichef矩，并利用抖动量化调制的方式将水印嵌入在低阶Tchebichef矩的幅度值中；F.对Tchebichef矩进行重构获得含水印的内接正方形，并将这些含水印的内接方形图像块逐个替换原始内接方形图像块，得到含水印图像。2.根据权利要求1所述的鲁棒图像水印嵌入方法，其中步骤B所述的"以这些特征点为中心构造候选圆形特征区域"，按如下步骤进行Bl.利用Harris-Laplace检测算子提取图像的原始特征点，记为集合。1;B2.根据原始特征点所对应的特征尺度，选择中间尺度范围内的特征点，记为集合Q2;B3.以集合"内的每个特征点为中心，以每个特征点的r倍的特征尺度为半径构造圆形特征区域，其半径表示为这里，(T表示图像特征点的特征尺度，「0表示取整操作，r为正整数。3.根据权利要求1所述的鲁棒图像水印嵌入方法，其中步骤E所述的"利用抖动量化调制的方式将水印嵌入在低阶Tchebichef矩的幅度值中"，按如下步骤进行El.设低阶Tchebidief矩的最大阶数为6>_，将这些Tchebidief矩构成集合<formula>formulaseeoriginaldocumentpage3</formula>其中，；+《表示阶数，7^表示第p+《阶的Tchebichef矩；E2.通过密钥从集合S中随机选择￡个低阶Tchebichef矩r=(7;。，...,);El.对于水印序列b=中的每位水印6,.,采用抖动量化调制的方式修改低阶Tchebichef矩的幅度值，以实现水印的嵌入，修改规则为<formula>formulaseeoriginaldocumentpage3</formula>其中，[.]是四舍五入操作，A是量化步长，《(.)是第Z个量化函数，且满足《(1)=A/2+《(0)，矢量(《(0),...,《(O))通过密钥K2产生，且在区间上服从均匀分布。4.根据权利要求1所述的鲁棒图像水印嵌入方法，其中步骤F所述的"对Tchebichef矩进行重构获得含水印的内接正方形"，按如下步骤进行-Fl.通过￡个修改后的低阶Tchebichef矩的幅度值获得L个修改后的Tchebichef矩，其表示为-其中，<formula>formulaseeoriginaldocumentpage3</formula>为原始的第/为修改后的第/个低阶Tchebichef矩的幅度值，个低阶Tchebichef矩的幅度值；F2.在集合S中，利用未被修改的Tchebichef矩重构得到第一组内接正方形图像块<formula>formulaseeoriginaldocumentpage3</formula>其中，/(x,少)是原始内接正方形图像块，/t(x,力是由待修改的Tchebichef矩重构出的内接正方形图像块；F3.在集合S中，利用丄个修改后的Tchebichef矩重构得到第二组内接正方形图像F4.将第一组内接正方形图像块/^(x,力和第二组内接正方形图像块/"x，力进行合并，得到含水印的内接正方形图像块7^，力5.—种基于局部Tchebichef矩的鲁棒图像水印检测方法，包括如下步骤-G.利用Harris-Laplace检测算子从待检测图像中提取图像特征点，经过特征选择后，获得稳定且彼此独立的圆形特征区域；H.对每个圆形特征区域计算其主梯度方向并通过旋转进行主梯度方向对齐，在旋转后的圆形特征区域内取其内接正方形，并计算该内接正方形的Tchebichef矩；I.选择Z个低阶Tchebichef矩，通过最小距离解码提取水印b'=fe',《，…,Z^;J.比较原始水印b""，&,…》」与提取的水印b'=…》"，得到匹配的水印位数r，并与预先定义的检测阈值r进行比较，判断该圆形特征区域中是否嵌入水印，当r^r时，则该圆形特征区域嵌入了水印；当^<7，则该圆形特征区域没有嵌入水印。6.根据权利要求5所述的鲁棒图像水印检测方法，步骤I按如下步骤进行11.使用与嵌入过程相同的密钥K,，在内接正方形图像块中选择L个低阶Tchebichef矩:T'=".J;J;12.利用相同的密钥K2产生量化矢量(《(0),...，《(O))和(《(1)，...，《(l));13.利用与水印嵌入过程相同的抖动量化调制方式，对每个低阶Tchebichef矩7^的幅度值进行修改formula>formulaseeoriginaldocumentpage4</formula>中，A是量化步长，[']是取整运算，、1,…,丄，y=o,i;14.通过比较与其两组量化式"=argmin和—之间的距离，提取丄位水印信息z'=i,2，...，i:，其中，将formula>formulaseeoriginaldocumentpage4</formula>及其两组量化式的距离分别定义为&^0=)2，并计算？-tfo,0-^M，如果？<0，则"=0，否则"=1。和全文摘要本发明公开了一种基于局部Tchebichef矩的鲁棒图像水印新方法，主要解决目前基于图像特征的水印算法不能同时有效抵抗常规图像处理和几何攻击的问题。该方法首先利用Harris-Laplace检测算子提取原始图像的特征点，并通过特征选择获得一组稳定且彼此独立的圆形特征区域；然后通过主方向对齐获得几何不变的圆形特征区域；最后，在圆形特征区域的内接方形图像块中计算Tchebichef矩，并通过抖动量化调制修改低阶Tchebichef矩的幅度值实现水印嵌入；检测时，通过抖动量化调制获得修改后的低阶Tchebichef矩并利用最小距离解码实现水印的盲提取。本发明具有很好的不可见性，同时对常规图像处理、几何攻击及组合攻击均具有良好的鲁棒性，整体性能优于同类方法，可用于不同类型图像的版权保护。文档编号G06T1/00GK101556686SQ20091002174公开日2009年10月14日申请日期2009年3月30日优先权日2009年3月30日发明者安玲玲,洁李,田春娜,冰肖,文路,成邓,高新波申请人:西安电子科技大学