基于模糊分类的鲁棒图像水印检测方法
【专利摘要】本发明公开了一种基于模糊分类的鲁棒图像水印检测方法，该方法在含水印图像校正的过程中，提取待检测图像经外接圆下PHT分解后的8个外接圆下PHT矩（低7阶），并令其作为训练特征，结合模糊支持向量机理论，对样本进行训练，得出训练模型，从而进行几何校正，由于模糊向量机FSVM具有很好的学习能力并且PHT分解所得的矩有着高度的精确性，所以在不同攻击下水印信息均能被正确提取出来，从而提高了水印的鲁棒性，且该方法具有计算简单、抽取水印时无需原始载体等特点，增强了其用于数字图像作品版权保护的实用性。
【专利说明】基于模糊分类的鲁棒图像水印检测方法
【技术领域】
[0001] 本发明属于多媒体信息安全中信息隐藏与数字水印【技术领域】，尤其是一种不仅具 有较好的不可感知性，而且对常规信号处理（中值滤波、边缘锐化、叠加噪声和JPEG压缩等） 和去同步攻击(旋转、平移、缩放、剪切、翻转等）均具有较好的鲁棒性的基于模糊分类的鲁 棒图像水印检测方法。
【背景技术】
[0002] 数字水印（DigitalWatermarking)作为传统加密方法的有效补充手段，是一种 可以在开放网络环境下保护版权和认证来源及完整性的新技术，近年来已引起人们高度重 视，并已成为国际学术界研究的一个热点。所谓数字图像水印，就是将具有特定意义的标记 (水印)，利用数据嵌入的方法隐藏在数字图像产品中，用以证明创作者对其作品的所有权， 并作为鉴定、起诉非法侵权的依据，同时通过对水印的检测和分析保证数字信息的完整可 靠性，从而成为知识产权保护和数字多媒体防伪的有效手段。
[0003] 所谓去同步攻击，并非指该种攻击能够从含水印图像中去除水印信息，而是指其 能够破坏数字水印分量的同步（即改变水印嵌入位置)，从而导致检测器找不到有效水印。 近年来，已陆续提出了一系列数字图像水印检测方法，但遗憾的是，现有数字图像水印检测 方法主要将注意力集中在对抗常规信号处理(如有损压缩、低通滤波、噪声干扰等）的研究 上，而对诸如旋转、缩放、平移、行列去除、剪切、等几何攻击的抵抗效果不好。
【发明内容】
[0004] 本发明针对现有技术所存在的上技术问题，提供一种不仅具有较好的不可感知 性，而且对常规信号处理（中值滤波、边缘锐化、叠加噪声和JPEG压缩等）和去同步攻击(旋 转、平移、缩放、剪切、翻转等）均具有较好的鲁棒性的基于机器学习的彩色图像水印嵌入及 检测方法。
[0005] 本发明的技术解决方案是：一种基于模糊分类的鲁棒图像水印检测方法，其特征 在于按如下步骤进行： 步骤1 :在原始图像中嵌入水印，得到含水印图像F; 步骤2 :对含水印图像F进行X-平移，Y-平移，旋转和缩放操作，以操作后的图像为训 练图像构造训练样本集F:: , (A- = 0=l" =JT-l),对样本集中每一训练图像进行外接圆下PHT 分解，并计算每一训练图像8个外接圆下PHT矩(低7阶)，得到反映相应训练图像特征的8 个特征向量，用相关信息系数=OA…=夂-1)表述每一训练图像，得到训练 模型； 步骤3 :对待检测图像/进行外接圆下PHT分解，并计算待检测图像/的8个外接圆下PHT矩(低7阶)，得到反映待检测图像特征的8个特征向量； 步骤4 :利用训练模型对待检测图像I的特征向量进行训练，得到一几何变换参数 ,利用该几何变换参数^对待检测图像J进行反变换，得到校正后的图 像r; 步骤5 :从校正后的图像，中提取水印。
[0006] 所述步骤1如下： 步骤11 :取尺寸为.Α?*ΛΤ的灰度图像为载体图像:对于载体图像提取高8位平 面图像； 步骤12:对所提取的高8位平面图像进行非下采样shearlet变换，得到高频子带系数 和低频子带系数； 步骤13:利用HVS选取量化步长，利用量化方法将水印嵌入到步骤12中提取的低频子 带； 步骤14:根据非下采样逆shearlet变换，将嵌入水印的低频图像与高频图像合并，得 到嵌入水印的高位平面图像。
[0007] 所述步骤12如下： 步骤121:对得到的高8位平面图像，进行一级非下采样shearlet变换，得到一个低频 子带ZowF(Xy)和四个方向高频子带； 步骤122:将得到的低频子带/σιι?χχ;>1)系数分成·^%1±夬，进行分块处理后，每个 小块的大小为P*Q，得到分块后的低频子带系数Λ。
[0008] 所述步骤13如下： 步骤131:把待修改非下采样shearlet变换的低频系数，根据量化步长和其相应的一 个bit水印信息（1或0)量化为奇数或偶数以嵌入水印，水印嵌入公式如下：
【权利要求】
1. 一种基于模糊分类的鲁棒图像水印检测方法，其特征在于按如下步骤进 行： 步骤1 :在原始图像中嵌入水印，得到含水印图像F; 步骤2 :对含水印图像F进行X-平移，Y-平移，旋转和缩放操作，以操作后的图像为训 练图像构造训练样本集,汸=0丄?:[-1),对样本集中每一训练图像进行外接圆下PHT 分解，并计算每一训练图像8个外接圆下PHT矩，得到反映相应训练图像特征的8个特征向 量，用相关信息系数rKAf, …A-1)表述每一训练图像，得到训练模型； 步骤3 :对待检测图像/进行外接圆下PHT分解，并计算待检测图像/的8个外接圆下PHT矩，得到反映待检测图像特征的8个特征向量； 步骤4 :利用训练模型对待检测图像J的特征向量进行训练，得到一几何变换参数 ,利用该几何变换参数对待检测图像/进行反变换，得到校正后的图 像r; 步骤5:从校正后的图像r中提取水印。
2. 根据权利要求1所述的基于模糊分类的鲁棒图像水印检测方法，其特征在于所述步 骤1如下： 步骤11 :取尺寸为的灰度图像为载体图像外对于载体图像提取高8位平 面图像； 步骤12 :对所提取的高8位平面图像进行非下采样shearlet变换，得到高频子带系数 和低频子带系数； 步骤13 :利用HVS选取量化步长，利用量化方法将水印嵌入到步骤12中提取的低频子 带， 步骤14 :根据非下采样逆shearlet变换，将嵌入水印的低频图像与高频图像合并，得 到嵌入水印的高位平面图像。
3. 根据权利要求2所述的基于模糊分类的鲁棒图像水印检测方法，其特征在于所述步 骤12如下： 步骤121 :对得到的高8位平面图像，进行一级非下采样shearlet变换，得到一个低频 子带fcwFXu)和四个方向高频子带； 步骤122 :将得到的低频子带(系数分成块，进行分块处理后，每个 小块的大小为P*Q，得到分块后的低频子带系数只。
4. 根据权利要求2所述的基于模糊分类的鲁棒图像水印检测方法，其特征在于所述步 骤13如下： 步骤131 :把待修改非下采样shearlet变换的低频系数，根据量化步长和其相应的一 个bit水印信息量化为奇数或偶数以嵌入水印，水印嵌入公式如下：
其中是原始低频系数，ft是量化修改后的低频系数，
为 舍入取整函数，mod为模运算函数，A为量化步长。
5. 根据权利要求3所述的基于模糊分类的鲁棒图像水印检测方法，其特征在于所述步 骤2如下： 步骤21 :对样本集中每一训练图像进行外接圆下PHT分解，其分解的过程为： 阶数为/?，重复度为人且|?| = |!| =x的PCET定义为：
其中，卜f表示，的共轭复数，/；0%的表示极坐标系下的原始图像函数，基函数 的被分解为径向多项式和角向多项式，如下
步骤22 :计算每一训练图像的8个外接圆下PHT矩分别为：P(0, 1)，P(0, 2)，P(l，0)，P(l，1)，P(l，2)，P(2, 0)，P(2, 1)，P(2, 2)，得到反映相应训练图像特征的这8个特征向量； 步骤23 :利用步骤22中提取图像的特征向量进行约简，得到训练样本集，进而训练出 FSVM模型为训练模型。
6. 根据权利要求5所述的基于模糊分类的鲁棒图像水印检测方法，其特征 在于所述步骤5如下： 步骤51 :计算待检测图像的高位平面图得到/ ; 步骤52 :对得到的高位平面图像，进行非下采样Shearlet变换，得到一 个低频子带彳和若干个高频子带； 步骤53 :利用量化方法提取水印，利用HV选取量化步长，先根据水印提取公式按位提
【文档编号】G06T1/00GK104484850SQ201410793176
【公开日】2015年4月1日 申请日期:2014年12月20日 优先权日:2014年12月20日
【发明者】王向阳, 刘宇男, 牛盼盼 申请人:辽宁师范大学