专利名称：基于2dpca的数字水印方法
技术领域：
本发明属于数字水印领域，具体涉及一种基于2DPCA的能抵抗局部非线性几何攻击的数字水印算法。
背景技术：
鲁棒数字水印算法强调的是算法抵抗各种攻击的能力，即载体在历经了各种有意无意的操作(攻击)之后，其中嵌入的水印仍然能够被提取或者检测出来。在鲁棒性图像数字水印研究方面，研究人员先后研究过滤波、加噪等常规信号处理攻击JPEG压缩、 JPEG2000压缩等压缩攻击；旋转、缩放、平移等全局几何攻击。但是在现实世界中，常常存在局部非线性几何攻击。这种攻击用图像处理软件非常容易实现，如利用Photoshop就可以轻松实现波纹扭曲、球面扭曲、投影变换等非线性几何攻击。这种攻击在打印扫描水印，又叫印刷水印，等领域也经常出现，载体在经过打印扫描后，由于纸张变化、扫描仪感光不均等原因使得载体中充满了局部非线性几何变换。因此研究抗局部非线性几何攻击的图像数字水印算法，对于数字水印在版权保护、打印扫描等领域具有重大的现实意义，是数字水印技术走向实用化必须要解决的问题。主成分分析，即PCA，是一种经典的特征提取和降维方法，为了使其能够更有效的处理图像，研究人员提出了二维主成分分析，即2DPCA，该方法能够将图像的主成分提取出来。由于图像在遭受了局部非线性几何攻击后，图像的基本内容没有发生变化，即图像显示的主要内容没有发生变化，因此图像的2DPCA主成分变换不大，故我们采用2DPCA方法抵抗局部非线性几何攻击。
发明内容
本专利的研究目的是，研究一种数字水印算法，能够有效抵抗各类非线性几何攻
击ο其原理是将训练图像设置为由原始图像和对原始图像进行多种非线性几何攻击后组成的图像组，然后对这些训练图像的均值矩阵进行特征值计算，进而提取出图像的特征向量矩阵，从而得到从图像整体角度来衡量的原始图像主成分矩阵。然而这种图像主成分矩阵还不足以提供能够抵抗非线性几何攻击的图像特征稳健性，因为经过不同非线性几何攻击，再对图像进行图像主成分矩阵提取，两次计算产生的图像主成分矩阵数值不完全相同，发生了一定程度的变化，但是攻击前后的图像主成分矩阵数值有相同的趋势。若对这种主成分矩阵进行某种变换，如DCT、FFT等，则能将这种趋势分离出来，在此基础上进行水印嵌入就能够得到具有相当稳定性的图像特征。本专利所提出方法的实施过程分为水印嵌入部分和水印提取部分。水印嵌入部分大体过程是基于2DPCA(二维主成分分析)，提取原始图像的主成分，并可对原始水印信息进行纠错编码。将水印比特嵌入经过频域变换的部分图像主成分矩阵中，形成含水印图像。水印提取部分大体过程是对遭受非线性几何攻击的含水印图像提取受攻击图像的的主成分，对受攻击图像的主成分矩阵进行频域变换，并按照水印提取规则提取水印信息。1.图像预处理对原始图像进行各种非线性几何变换(如波纹攻击，挤压攻击，球面攻击，水波攻击，投影攻击，局部旋转攻击等使得原始图像发生变化的变换方法)。且每次均为对原始图像进行非线性几何变换，每次变换后得到一幅新的图像。2.图像特征向量矩阵提取及图像主成分矩阵提取以原始图像和经过图像预处理得到的多幅新图像作为训练图像，进行图像特征向量矩阵提取，具体过程如下(1)将所有训练图像的矩阵进行累加，求出所有训练图像的均值矩阵 (averageimage) 0(2)进行图像特征向量矩阵提取。计算均值矩阵的特征值，将所有特征值从大到小排序组成特征值矩阵。求出每个特征值对应的特征向量，即每个特征值求出一列特征向量。 将所有特征向量根据对应的特征值的大小进行排序，得到图像特征向量矩阵(vsort)，将其保留作为水印提取时的依据。最后根据特征向量矩阵提取出原始图像主成分矩阵(proiection)。3.原始图像主成分矩阵处理原始图像主成分矩阵是通过特征向量矩阵所求，特征向量是通过特征值所求，特征向量矩阵是所有特征向量按照均值矩阵的所有特征值从大到小排序后所得。因此原始图像主成分矩阵的不同列能够反映(代表)的原始图像信息是不同的，且位置越靠前的列所反映(代表)的原始图像信息越强。原始图像主成分矩阵中的第N列是根据特征向量矩阵中第N列所求，特征向量矩阵中第N列是根据特征值矩阵中的第N个特征值所求出，故我们称特征向量矩阵中的第N列为第N主成分，原始图像主成分矩阵中的第N列为第N引出主成分。用特征值矩阵中第N个特征值除以该特征值矩阵中所有特征值的累加和，即为第N 主成分反映图像信息的权值。将之转化为百分数，则为第N主成分反映图像信息的百分比。 上述矩阵及术语定义间关系参见图5及图5说明。第N主成分反映图像信息权值同训练图像数量的多少有关。对于同一幅原始图像，如果训练图像较多，则随着列数的增加，第N主成分反映图像信息权值递减的较平缓； 如果训练图像较少，则随着列数的增加，第N主成分反映图像信息权值递减的较明显。对于同一幅原始图像的同一个主成分，训练图像较多的主成分反映图像信息权值比训练图像较少的主成分反映图像信息权值要低。据此，可以根据图像大小和需嵌入的水印数量，选取原始图像主成分矩阵的部分或全部列作为水印载体矩阵进行嵌入。如果图像较小，选取的列数多，可以提高水印容量， 水印不可见性也会较强，但是会造成水印的鲁棒性降低；如果图像较大，选取的列数少，会降低水印容量，水印不可见性也会较弱，但是水印的鲁棒性会得到保证。但是非线性几何攻击会改变图像任何部位的特征，因而从攻击前后的图像中提取出的图像主成分矩阵中，每位数据的数值都会发生任何不确定性的改变。若想保持原始图像主成分矩阵的特征，就要从矩阵的整体特性来进行分析改进。因为提取图像主成分矩阵时用到的特征向量矩阵是不变的，故即使图像主成分矩阵每一位的数值会发生变化，但是图像主成分矩阵中数据间的波动幅度是近似相近的。所以选取原始图像主成分矩阵中的i 个引出主成分，即将i个不同的主成分反映图像信息的权值累加，其中i小于或等于N，保证累加和达到0. 4至0. 9这个范围之内，对这i个引出主成分再次进行适当变换，如离散余弦变换(DCT)或傅立叶变换(FFT)，得到原始图像主成分矩阵部分引出主成分的整体数量关系，即基于频域的原始图像主成分矩阵，亦即最终的水印嵌入载体矩阵(vector)。4.水印预处理将要嵌入的水印信息更改为二进制数据，为了降低误码率，可对信息进行纠错编码，增强水印的信息强度。根据水印载体矩阵容量，更改要嵌入的水印信息，使之小于或等于可嵌入水印容量。在下文的实例中采用了奇偶校验方式，也可采用其他纠错编码方式。5.水印嵌入按照水印嵌入规则，在第3步得到的水印嵌入载体矩阵上嵌入经过纠错编码后的伪水印。在下文中的实例中采用了基于符号关系的水印嵌入规则进行嵌入，但也可采用其他水印嵌入规则。6.图像恢复嵌入水印后，对水印嵌入载体矩阵进行逆离散余弦变换(idct)或逆傅立叶变换 (ifft)，并且将原主成分矩阵中的i个引出主成分替换为水印嵌入载体矩阵，最后将原始图像主成分矩阵同特征向量矩阵的转置矩阵相乘，得到含有水印信息的图像。7.水印提取用步骤2中保留的特征向量矩阵对经过非线性攻击的图像进行主成分提取的运算，得到受攻击图像的主成分矩阵。对受攻击图像主成分矩阵的i列引出主成分进行逆离散余弦变换(idct)或逆傅立叶变换(ifft)，得到基于频域的受攻击图像主成分矩阵。按照与采用的水印嵌入规则相应的提取方式从基于频域的受攻击图像主成分矩阵中提取出伪水印信息。最后对伪水印信息进行纠错解码，提取出原始水印信息。发明特点1.对主成分矩阵进行变换得到稳定性较强的水印嵌入载体。发现主成分矩阵的数据具有一定的波动幅度不变性，并且利用这一点对主成分矩阵进行变换，形成可以嵌入水印的具有一定稳健性的水印嵌入载体。2.将2DPCA技术，即二维主成分分析技术，应用到数字水印领域中。2DPCA技术在模式识别领域(如人脸识别技术)已得到一定的应用，但在数字水印领域，尚没有应用这种技术的先例。本方法将2DPCA技术与数字水印技术结合起来，拓宽了 2DPCA技术的应用范围，也实现了数字水印中对非线性几何攻击的抵抗。 3.提出了一种能够在保证数字水印鲁棒性与不可见性的前提下，可有效抵抗非线性几何攻击的数字水印算法。经测试，本算法能够有效抵抗非线性几何攻击(如水波攻击、挤压攻击、球面攻击、波纹攻击、投影攻击、旋转攻击)。算法成功从遭受非线性几何攻击的水印图片中提取出水印信息，误码率小于25%，保证了水印的鲁棒性。采用此算法对原始图像嵌入水印信息后，对图像清晰度影响不大，保证了数字水印的不可见性。实现了对打印扫描过程中非线性几何攻击的抵抗，加强了数字水印技术的实用性。
图1 嵌入过程图2:图像预处理图3 原始图像主成分处理图4 水印预处理图5 矩阵关系 以及术语定义关系说明图1是嵌入过程。首先对图像进行预处理，对图像进行各种非线性几何攻击，产生训练图像。训练图像计算特征值，进而提取出特征向量矩阵。根据提取出的特征向量矩阵， 提取原始图像主成分矩阵，从中选取部分列或全部列对其进行频域变换，得到水印嵌入载体矩阵。然后根据水印嵌入算法在水印嵌入载体矩阵上进行水印嵌入。水印嵌入后，对水印嵌入载体矩阵进行逆变换，并且替换原始图像主成分矩阵中的相应部分，利用特征向量矩阵的转置矩阵重构图像，得到已嵌入水印的图像。图2是图像预处理的过程。此过程比较简单，对原始图像进行适当强度的非线性几何攻击(如波纹攻击，挤压攻击，球面攻击，水波攻击，投影攻击，局部旋转攻击等非线性攻击方法)，得到训练图像后，将所有图像读入。图3是原始图像主成分矩阵的处理过程。将所有训练图像的矩阵进行累加，求出所有训练图像的均值矩阵。根据均值矩阵计算特征值，进而提取出特征向量矩阵。通过特征向量矩阵提取原始图像主成分矩阵，从原始图像主成分矩阵中选取部分列或全部列进行频域变换，得到水印嵌入载体矩阵。图4是水印预处理的过程。根据水印嵌入载体矩阵的大小计算可嵌入的水印容量，将原始水印信息转化为二进制格式，并可对其进行纠错编码。根据水印容量调整水印信息，确保经过纠错编码后的伪水印长度小于或等于水印容量，保证信息的准确嵌入。图5是矩阵运算关系以及术语定义关系说明。图中说明了在算法实施过程中涉及的不同矩阵之间的推导关系，以及实施过程中定义的术语之间关系。
具体实施例方式一.水印嵌入1.图像预处理选取一幅400*400的原始图像。对原始图像进行预处理，得到原始图像分别遭受波纹攻击、挤压攻击、水波攻击、球面攻击、投影攻击、局部旋转攻击等非线性几何攻击后的图像，将它们和原始图像一同作为训练图像读入。2.图像特征向量矩阵提取及图像主成分矩阵提取读取所有训练图像，累加所有训练图像的矩阵，求出每个像素点的平均值，即所有训练图像的均值矩阵。进行图像特征向量矩阵提取。首先计算均值矩阵的所有特征值，参见表1及说明。根据特征值求出相应得特征向量，进而求出特征向量矩阵(vsort)，参见表2及说明。 最后利用特征向量矩阵对原始图像进行图像主成分矩阵提取，得到原始图像主成分矩阵 (projection)，参见表3及说明。表1 案例中涉及的特征值矩阵
权利要求
1.基于2DPCA的数字水印方法，其特征在于，步骤如下1)图像预处理对原始图像进行各种非线性几何变换，每次变换后得到一幅新的图像；2)图像特征向量矩阵提取及图像主成分矩阵提取以原始图像和经过图像预处理得到的多幅新图像作为训练图像，进行图像特征向量矩阵提取，具体过程如下·2.1将所有训练图像的矩阵进行累加，求出所有训练图像的均值矩阵；·2. 2进行图像特征向量矩阵提取；计算均值矩阵的特征值，将所有特征值从大到小排序组成特征值矩阵；求出特征值矩阵中每个特征值对应的特征向量，即每个特征值求出一列特征向量，将所有的特征向量根据对应的特征值的大小进行排序，得到图像特征向量矩阵并保留，作 为水印提取时的依据；根据图像特征向量矩阵对原始图像进行图像主成分矩阵提取得到原始图像主成分矩阵；3)图像主成分矩阵处理原始图像主成分矩阵是通过特征向量矩阵所求，特征向量是通过特征值所求，特征向量矩阵是所有特征向量按照均值矩阵的所有特征值从大到小排序后所得；原始图像主成分矩阵中的第N列是根据特征向量矩阵中第N列所求，特征向量矩阵中第N列是根据特征值矩阵中的第N个特征值所求出，称特征向量矩阵中的第N列为第N主成分，原始图像主成分矩阵中的第N列为第N引出主成分；用特征值矩阵中第N个特征值除以特征值矩阵中所有特征值的累加和，即为特征向量矩阵中第N主成分反映图像信息的权值；将权值转化为百分数，则为第N主成分反映图像信息的百分比；选取原始图像主成分矩阵的部分或全部列，将i个不同的主成分反映图像信息的权值累加，其中i小于或等于N，保证累加和达到0. 4至0. 9这个范围之内，再对原始图像主成分矩阵中的i个引出主成分进行离散余弦变换或傅立叶变换，得到i列原始图像主成分矩阵的整体数量关系，即水印嵌入载体矩阵；4)水印预处理将要嵌入的水印信息更改为二进制数据，对信息进行纠错编码，并根据水印嵌入载体矩阵容量，更改要嵌入的水印信息，使之小于或等于可嵌入的水印容量；5)水印嵌入按照水印嵌入规则，在第3)步得到的水印嵌入载体矩阵上嵌入经过水印预处理后的伪水印；6)图像恢复嵌入水印后，对水印嵌入载体矩阵进行逆离散余弦变换或逆傅立叶变换，将原始图像主成分矩阵中的i个引出主成分替换为经过逆变换的水印嵌入载体矩阵，最后将原始图像主成分矩阵同特征向量矩阵的转置矩阵相乘，得到含有水印信息的图像；7)水印提取用步骤2. 2中保留的特征向量矩阵对经过非线性攻击的图像进行主成分提取的运算， 得到受攻击图像的主成分矩阵；对受攻击图像的主成分矩阵的i列进行逆离散余弦变换或逆傅立叶变换，其中i小于或等于N，得到基于频域的受攻击图像主成分矩阵；然后按照与采用的水印嵌入规则相应的提取方式从基于频域的受攻击图像主成分矩阵中提取出伪水印信息；对伪水印信息进行纠错解 码，提取出原始水印信息。
全文摘要
基于2DPCA的数字水印方法属于数字水印领域。本发明步骤如下图像预处理对原始图像进行各种非线性几何变换，每次变换后得到一幅新的图像；图像特征向量矩阵提取及图像主成分矩阵提取；水印预处理；水印嵌入；图像恢复；水印提取。因为提取图像主成分矩阵时用到的特征向量矩阵是不变的，故即使图像主成分矩阵每一位的数值会发生变化，但是图像主成分矩阵中数据间的波动幅度是近似相近的。所以选取原始图像主成分矩阵中的i个引出主成分，即将i个不同的主成分反映图像信息的权值累加，保证累加和达到0.4至0.9这个范围之内，对这i个引出主成分离散余弦变换或傅立叶变换。本发明能够在保证数字水印鲁棒性与不可见性的前提下，有效抵抗非线性几何攻击。
文档编号G06T1/00GK102184516SQ20111009721
公开日2011年9月14日 申请日期2011年4月18日 优先权日2011年4月18日
发明者姜广智, 姜楠, 张锡川, 杨宇泽 申请人:北京工业大学