一种融合Schur分解的空域彩色图像盲水印方法与流程

本发明属于多媒体大数据内容安全技术领域，涉及彩色图像作为数字水印的多媒体大数据快速版权保护。

背景技术：

随着多媒体大数据的快速发展和人们版权保护意识的提高，一方面要求用于版权保护的技术能适应云计算快速、高效的需要；另一方面面临用于版权保护的标识由传统的伪随机序列、二值图像、灰度图像逐渐转向有意义的彩色图像；但是，目前已提出的数字水印方法多数是针对灰度图像的，而对彩色图像数字水印方法研究要少一些，这主要是因为灰度图像较彩色图像便于处理，且灰度图像仅含有亮度信息而不含色度信息，在其中嵌入水印不会产生新的颜色分量，而嵌入较多信息量的彩色图像数字水印时，水印编码、嵌入和提取将存在较大的难度，降低了数字水印的不可见性和鲁棒性；同时现有的数字水印技术，尤其采用人工智能、深度学习等技术的数字水印技术，其算法的运行时间难以满足多媒体大数据版权保护高效、快速的需要。

依据宿主图像工作域的不同，数字水印算法主要有空域水印算法和变换域水印算法，前者具有算法简单、运算高效的优点，但具有鲁棒性差的缺点；而后者虽具有鲁棒性强的优点，却因需要进行相应的正变换和反变换而造成水印算法运行时间较长。因此，如何充分结合二者的优点设计高鲁棒性、高实时性的数字水印算法成为亟待解决的问题之一。

技术实现要素：

本发明的目的是提供一种融合空域和schur分解的彩色图像盲水印方法，包含水印嵌入过程和提取过程，其水印嵌入过程描述如下：

第一步：将三维彩色图像数字水印w按层分成红、绿、蓝3个二维分层水印图像；为了提高水印的安全性，将分层水印图像进行基于kai（i=1,2,3）的arnold置乱变换；然后，将每个十进制表示的像素用8位二进制数表示，并依次组合形成分层水印序列wi，i=1,2,3分别表示红、绿、蓝三层；

第二步：将原始宿主图像h也分成3个分层宿主图像hi，i=1,2,3分别表示红、绿、蓝三层；同时，把每一个分层宿主图像hi进行m×m的非重叠分块，并利用基于密钥kbi（i=1,2,3）的伪随机序列在分层宿主图像hi中选择像素块，以便嵌入分层水印序列wi；

第三步：选取一个像素块a，并按照公式（1）在空域中直接近似求出像素块a经过schur分解后对应的最大特征值；

(1)

其中，是m×m像素块a经过schur分解后可以求得的最大特征值，该值在空域中利用公式（1）直接近似求得而不需进行schur分解再获得，,，i，j分别表示像素在像素块a中所处的行号和列号；

第四步：根据公式（2），理论计算如果在空域中将水印嵌入到schur分解的最大特征值上，则应将其最大特征值修改为；

(2)

其中，表示嵌入水印后schur分解的最大特征值，为水印嵌入强度，t为量化步长；

第五步：根据公式（3），理论计算schur分解的最大特征值的变化量e；

(3)

第六步：按照公式（6），计算schur分解最大特征值的变化量e在m×m像素块a中所有像素上的分配量，即在空域中通过调整像素的值以实现变换域中schur分解最大特征值的调整；具体原因是：

因为根据公式（1）可表示为：

(4)

其中，，，i，j分别表示像素在含水印的像素块中所处的行号和列号；

由公式（3）得，，

即

(5)

则，(6)

第七步：将分配量依次加到像素块a的所有像素上，这样在空域中完成对schur分解最大特征值的修改并嵌入了水印，此时在空域中得到真正含水印的像素块；

第八步：重复执行步骤第三步到第七步，直到所有的水印信息都被嵌入完成为止；最后，将含水印的红、绿、蓝分层图像重新组合并获得含水印图像；

其水印提取过程描述如下：

第一步：将含水印图像分成3个分层含水印图像，i=1,2,3分别表示红、绿、蓝三层，并将每一分层含水印图像进一步分成m×m的非重叠像素块；

第二步：利用基于密钥kbi（i=1,2,3）的伪随机序列在分层图像中选择像素块；

第三步：选取一个像素块，根据公式（4）在空域中近似计算其schur分解最大特征值；

第四步：利用公式（7），提取像素块中所含有的水印；

(7)

其中，mod()是求余函数，t为量化步长；

第五步：重复执行第三步、第四步，直到提取所有的水印信息，并将所提取的二进制水印信息每8位一组转换成十进制的像素值；

第六步：执行基于密钥kai（i=1,2,3）的逆arnold变换并获得分层水印；

第七步：组合分层水印形成最终的提取水印；

该方法简单快捷，利用在空域中求得schur分解最大特征值的方法及变换域中最大特征值变化量在空域像素上的分布规律，在空域中实现了变换域中进行数字水印的嵌入与盲提取，该方法既具有较好的水印鲁棒性，又具有较高的算法实时性，适用于彩色图像作为数字水印的多媒体大数据的高效版权保护。

附图说明

图1（a）、图1（b）是两幅原始彩色宿主图像。

图2（a）、图2（b）是两幅彩色水印图像。

图3（a）、图3（b）是将图2（a）所示的水印依次嵌入到宿主图像图1（a）、图1（b）后所得到的含水印图像，其结构相似度ssim值依次是0.9701、0.9657，其峰值信噪比psnr值依次是40.6976db、40.5906db。

图4（a）、图4（b）是依次从图3（a）、图3（b）中提取的水印，其归一化互相关系数nc值分别是1.0000、1.0000。

图5（a）、图5（b）、图5（c）、图5（d）、图5（e）、图5（f）是将图3（a）所示的含水印图像依次进行jpeg2000压缩（5：1）、椒盐噪声（2%）、中值滤波(3×3)、锐化(1.0)、缩放（400%）、剪切（25%）等攻击后所提取的水印，其归一化互相关系数nc值分别是0.9991、0.9917、0.9446、0.9987、1.0000、0.7538。

图6（a）、图6（b）是将图2（b）所示的水印依次嵌入到宿主图像图1（a）、图1（b）后所得到的含水印图像，其结构相似度ssim值依次是0.9663、0.9893，其峰值信噪比psnr值依次是40.5428db、40.6095db。

图7（a）、图7（b）是依次从图6（a）、图6（b）中提取的水印，其归一化互相关系数nc值分别是1.0000、1.0000。

图8（a）、图8（b）、图8（c）、图8（d）、图8（e）、图8（f）是将图6（a）所示的含水印图像依次进行jpeg2000压缩（5：1）、椒盐噪声（2%）、中值滤波(3×3)、锐化(1.0)、缩放（400%）、剪切（25%）等攻击后所提取的水印，其归一化互相关系数nc值分别是0.9998、0.9766、0.9097、0.9946、0.9990、0.7450。

具体实施方式

本发明的目的是提供一种融合空域和schur分解的彩色图像盲水印方法，包含水印嵌入过程和提取过程，其水印嵌入过程描述如下：

第一步：将32×32的24位三维彩色图像数字水印w按层分成红、绿、蓝3个二维分层水印图像；为了提高水印的安全性，将分层水印图像进行基于kai（i=1,2,3）的arnold置乱变换；然后，将每个十进制表示的像素用8位二进制数表示，并依次组合形成分层水印序列wi，i=1,2,3分别表示红、绿、蓝三层，例如可将177，178分别转换成二进制数10110001，10110010，并连接为水印序列1011000110110010；

第二步：将512×512的24位原始宿主图像h也分成3个分层宿主图像hi，i=1,2,3分别表示红、绿、蓝三层；同时，把每一个分层宿主图像hi进行4×4的非重叠分块，并利用基于密钥kbi（i=1,2,3）的伪随机序列在分层宿主图像hi中选择像素块，以便嵌入分层水印序列wi；

第三步：选取一个像素块a，并按照公式（1）在空域中直接近似求出像素块a经过schur分解后对应的最大特征值；

(1)

其中，是m×m像素块a经过schur分解后可以求得的最大特征值，该值在空域中利用公式（1）直接求得而不需进行schur分解再获得，，，i，j分别表示像素在像素块a中所处的行号和列号；

此处，设选取的像素块a为，利用公式（1）可得该像素块的最大特征值为828.5000；如果该像素块进行schur分解可得其上三角矩阵为，其最大特征值为828.5048，所以无需进行真正的schur分解，而利用公式（1）在空域中直接近似求得其最大特征值；

第四步：根据公式（2），理论计算如果在空域中将水印嵌入到schur分解的最大特征值上，则应将其最大特征值修改为；

(2)

其中，表示嵌入水印后schur分解的最大特征值，为水印嵌入强度，t为量化步长，此时，设w=0，，t=33，则根据公式（2），求得；

第五步：根据公式（3），理论计算schur分解的最大特征值的变化量e；

(3)

此时，根据公式（3），计算e=833.2500-828.5000=4.7500；

第六步：按照公式（6），计算schur分解最大特征值的变化量e在m×m像素块a中所有像素上的分配量，即在空域中通过调整像素的值以实现变换域中schur分解最大特征值的调整；具体原因是：

因为根据公式（1）可表示为：

(4)

其中，,,i,j分别表示像素在含水印的像素块中所处的行号和列号；

由公式（3）得，，

即

(5)

则，(6)

此时，根据公式（6），计算；

第七步：将分配量依次加到像素块a的所有像素上，这样在空域中完成对schur分解最大特征值的修改并嵌入了水印，此时在空域中真正得到含水印的像素块为；

第八步：重复执行步骤第三步到第七步，直到所有的水印信息都被嵌入完成为止；最后，将含水印的红、绿、蓝分层图像重新组合并获得含水印图像；

其水印提取过程描述如下：

第一步：将含水印图像分成3个分层含水印图像，i=1,2,3分别表示红、绿、蓝三层，并将每一分层含水印图像进一步分成m×m的非重叠像素块；

第二步：利用基于密钥kbi（i=1,2,3）的伪随机序列在分层图像中选择像素块；

第三步：选取一个像素块为，根据公式（4）在空域中近似计算其schur分解最大特征值=832.5000；

第四步：利用公式（7），提取像素块中所含有的水印=0；

(7)

其中，mod()是求余函数，t为量化步长33；

第五步：重复执行第三步、第四步，直到提取所有的水印信息，并将所提取的二进制水印信息每8位一组转换成十进制的像素值；

第六步：执行基于密钥kai（i=1,2,3）的逆arnold变换并获得分层水印；

第七步：组合分层水印形成最终的提取水印；

该方法简单快捷，既具有较好的水印鲁棒性，又具有较高的算法实时性，适用于彩色图像作为数字水印的多媒体大数据的高效版权保护。

本发明有效性验证

为了证明本发明的有效性，选择如图1（a）、图1（b）所示的两幅大小为512×512的24位标准图像作为宿主图像，并分别用如图2（a）、图2（b）所示的两幅大小为32×32的24位彩色图像作为数字水印进行验证。

图3（a）、图3（b）是将图2（a）所示的水印依次嵌入到宿主图像图1（a）、图1（b）后所得到的含水印图像，其结构相似度ssim值依次是0.9701、0.9657，其峰值信噪比psnr值依次是40.6976db、40.5906db；图4（a）、图4（b）是依次从图3（a）、图3（b）中提取的水印，其归一化互相关系数nc值分别是1.0000、1.0000；图5（a）、图5（b）、图5（c）、图5（d）、图5（e）、图5（f）是将图3（a）所示的含水印图像依次进行jpeg2000压缩（5：1）、椒盐噪声（2%）、中值滤波(3×3)、锐化(1.0)、缩放（400%）、剪切（25%）等攻击后所提取的水印，其归一化互相关系数nc值分别是0.9991、0.9917、0.9446、0.9987、1.0000、0.7538。

图6（a）、图6（b）是将图2（b）所示的水印依次嵌入到宿主图像图1（a）、图1（b）后所得到的含水印图像，其结构相似度ssim值依次是0.9663、0.9893，其峰值信噪比psnr值依次是40.5428db、40.6095db；图7（a）、图7（b）是依次从图6（a）、图6（b）中提取的水印，其归一化互相关系数nc值分别是1.0000、1.0000；图8（a）、图8（b）、图8（c）、图8（d）、图8（e）、图8（f）是将图6（a）所示的含水印图像依次进行jpeg2000压缩（5：1）、椒盐噪声（2%）、中值滤波(3×3)、锐化(1.0)、缩放（400%）、剪切（25%）等攻击后所提取的水印，其归一化互相关系数nc值分别是0.9998、0.9766、0.9097、0.9946、0.9990、0.7450。

该算法在平台2.27ghzcpu,2.00gbram,win7,matlab7.10.0(r2010a)上进行过近万次运行，其数字水印的平均嵌入时间是0.274117秒，平均提取时间是0.238315秒，总计时间为0.512432秒。

由此可见，所嵌入的彩色图像数字水印具有良好的不可见性；同时，从各种受攻击图像中所提取的数字水印图像具有良好的可鉴别性，说明该方法具有较强的鲁棒性，能够很好地提取所嵌入的彩色水印；同时，该算法的平均运行总时间少于1秒，满足了多媒体大数据快速版权保护的需要。