图像数据处理方法、装置和设备与流程

本发明属于图像处理技术领域，尤其涉及一种图像数据处理方法、装置和设备。

背景技术

随着网络技术的不断进步，无纸化办公已逐渐替代了传统的办公方式，越来越多的人通过网络传输多媒体资源，但是网络传输在带来便利的同时也存在一定的篡改风险，因此，验证多媒体资源内容的完整性显得非常重要。

但是因为图像篡改容易但查证却很艰难，因此使得照片在取证、存档等应用场景中一直无法发挥重要作用，所以亟需通过图像认证的技术手段来保证图像的真实性。

目前，主要有两种方法来进行图像真实性的认证，一种是数字签名，一种是脆弱水印。而脆弱水印是数字水印算法中的一种，数字水印技术由于不需要额外的空间来存储认证信息，因此比数字签名更加适合图像真实性的认证需求。

脆弱水印认证系统与一般水印系统类似，分为水印嵌入和水印提取认证两个步骤。通过一个密钥，根据一定的生成算法生成原始水印，它可以包括原图像的版权信息，或者它自己本身就是一个可视化的版权标志，或者是一串认证符号。根据水印嵌入算法，将生成的原始水印嵌入到原始图像中，则得到了水印图像。

脆弱水印算法中所嵌入图片的认证信息往往通过sha-1或md5等传统的哈希函数生成，而传统的哈希函数处理文本信息固然方便，但对于图像具有计算复杂且安全性相对较低的缺陷。

脆弱水印算法将水印嵌入图像后，会对图像的像素点产生或多或少的改变，无法达到军事、医学、法律或企业等对数据内容的完整性要求较高的领域的标准。

脆弱水印算法将图像的认证信息作为水印嵌入载体图像后，大多只能验证图像是否有被篡改。若图像验证被篡改后，脆弱水印算法对于篡改后进行篡改恢复是无能为力的。

并且，脆弱水印算法认证一般基于统计理论，需要根据预先给定的先验统计特性阈值进行认证，其验证的准确性依赖于所给定的阈值，而不同的图像常常具有不同适合的判断阈值，所以无法找到一个完美的阈值适合于每幅图像。若脆弱水印认证方案不采用阈值技术，则在接收端提取水印进行认证时，通常会需要提供原始水印，不能实现盲检测。

综上，现有的图像认证水印生成方法具有复杂度高、适用性差并且会对原始图片像素点造成影响的缺点。

技术实现要素：

本发明实施例提供了一种图像数据处理方法、装置和设备，能够生成便于水印图像的复原及图像篡改后的恢复的图像认证水印。

第一方面，提供了一种图像数据处理方法，可以包括：

稀疏化原始图像数据。

基于稀疏化的图像数据和测量矩阵通过压缩感知方法获得原始图像数据的第一测量值。

对第一测量值进行编码获得感知哈希值，将感知哈希值作为原始图像数据的第二测量值。

将第二测量值通过可逆水印方法嵌入到原始图像数据中。

第二方面，提供了一种图像数据处理装置，可以包括：稀疏化单元、第一测量值生成单元、第二测量值生成单元和测量值嵌入单元。

该稀疏化单元可以用于稀疏化原始图像数据。

该第一测量值生成单元可以用于基于稀疏化的图像数据和测量矩阵通过压缩感知方法获得原始图像数据的第一测量值。

该第二测量值生成单元可以用于对第一测量值进行编码获得感知哈希值，将感知哈希值作为原始图像数据的第二测量值。

该测量值嵌入单元可以用于将第二测量值通过可逆水印方法嵌入到原始图像数据中。

第三方面，提供了一种图像数据处理设备，可以包括存储器和处理器。

该存储器可以用于储存有可执行程序代码。

该处理器可以用于读取所述存储器中存储的可执行程序代码以执行上述的图像数据处理方法。

根据本发明实施例提供的图像数据处理方法、装置和设备。通过压缩感知方法获得原始图像数据的第一测量值和第二测量值，作为原始图像数据的认证水印，并将用于原始图像数据认证的第二测量值以可逆水印的方式嵌入到原始图像数据中。这种图像数据处理方法、装置和设备具有简单高效、适用广泛的优点，并且能够生成便于水印图像的复原及水印图像被篡改后能够恢复的图像认证水印。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一种实施例的图像数据处理方法的示意性流程图；

图2是本发明另一种实施例的图像数据处理方法的示意性流程图；

图3是本发明又一种实施例的图像数据处理方法的示意性流程图；

图4是本发明再一种实施例的图像数据处理方法的示意性流程图；

图5是本发明一种实施例的图像数据处理装置的示意性结构框图；

图6是本发明另一种实施例的图像数据处理装置的示意性结构框图；

图7是本发明又一种实施例的图像数据处理装置的示意性结构框图；

图8是本发明一种实施例的图像数据处理设备的示意性结构框图；

图9是本发明一种实施例的图像数据处理方法的示例性效果图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中，提出了许多具体细节，以便提供对本发明的全面理解。但是，对于本领域技术人员来说很明显的是，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图对实施例进行详细描述。

图1是本发明一种实施例的图像数据处理方法的示意性流程图。如图1所示，一种图像数据处理方法，可以包括：s110～s140。

s110，稀疏化原始图像数据。

在一个示例中，压缩感知方法中，假设一个自然信号x∈rⁿ，通过一个测量矩阵a∈r^m×n进行y＝ax的线性随机投影，得到一个的测量值y，其中，y∈r^m,m＜＜n。若信号s在ψ上是稀疏的，则y＝ax可表示为：

y＝ax＝aψs＝θs(1)

式(1)中，ψ是稀疏矩阵，θ＝aψ,θ∈r^m×n，r为自然数，矩阵a可以是满足有限等距性质(restrictedisometryproperty，rip)条件的测量矩阵，例如：高斯随机矩阵、贝努力矩阵和由混沌理论生成的混沌矩阵等。通过上述测量矩阵能够通过求解式(1)的逆问题，得到信号s，通过x＝ψs得到信号x。在对原始图像数据进行恢复时，信号s的重构问题可用l1最小范数下最优化问题解决，表示为式(2)的数学模型：

min||s||l1subjecttoy＝θs(2)

所以，不难看出，在采用压缩感知获得原始图像数据的测量值之前，需要对原始图像数据进行稀疏化，来满足压缩感知方法的要求。

在一些示例中，s110可以采用量化系数的z行排序zig-zag方式扫描来了让原始图像数据中相邻像素扩散，从而稀疏化原始图像数据。

s120，基于稀疏化的图像数据和测量矩阵通过压缩感知方法获得原始图像数据的第一测量值。

在一些示例中，压缩感知测量矩阵a可以通过上述公式获得。

例如，假设采用混沌矩阵a对图像进行压缩测量，混沌矩阵a由如下logistic-sine混沌映射模型产生：

zn+1＝fr(zn)＝(ryn(1-yn))+(4-r)sin(πyn/4)mod1,r∈(0,4],yn∈(0,1](3)

xk＝1-2zn+kd(4)

xk∈x(d,k,y0),d＝15,k∈z⁺(5)

其中，k表示正整数，d表示每隔多少个取一次数据，例如，d＝15。y0表示给定的初始值，r表示混沌系数。为了产生混沌矩阵a∈r^m×n，可将混沌系数r与初始值y0作为密钥，由公式(3)～(5)生成长度为m×n的随机序列x(d,k,y0)，最终的混沌测量矩阵如式(6)：

s130，对第一测量值进行编码获得感知哈希值，将感知哈希值作为原始图像数据的第二测量值。

在一些示例中，s130中，可以根据混沌映射方法对第一测量值进行编码获得感知哈希值，将感知哈希值作为原始图像数据的第二测量值。例如，对第二测量值进行迭代混沌映射获得原始图像数据的第二测量值。

s140，将第二测量值通过可逆水印方法嵌入到原始图像数据中。

在一些示例中，s140中，第二测量值可以作为原始图像数据的短水印，采用可逆水印方法嵌入到原始图像数据中。可以在需要时对嵌入了短水印原始图像数据进行复原。

在一些示例中，s140中，可以统计原始图像数据中每个灰度级对应的像素的个数，并绘制直方图，其中，横坐标表示图像的每个灰度级，纵坐标表示该灰度级对应的像素个数。

h(p)＝[h(0),h(1),...,h(255)](7)

式(8)中h(i)表示像素值为i的，i∈[0,255]。

找出式(8)中像素个数最多的灰度级作为峰值点及像素个数最多的灰度级作为零点，分别记其为p和z。将峰值点与零点匹配成对，将位于峰值点与零点之间的直方图bin沿零点方向平移一位，若零点在峰值点的右边，则将峰值点和零点之间的所有灰度级加1，反之减1，此时，原零点交换到峰值点旁。

可以扫描原始图像数据，遇峰值点灰度级时，嵌入一个存储单元的第二测量值，例如，1bit，若嵌入的值为“0”,则灰度级保持不变；若嵌入的值为“1”，则灰度级变为相邻的零点，例如，使灰度级加或减1。

由于上述的嵌入方式是可逆的，所以去除短水印后，可将获得的待检测图像数据复原。

根据本发明实施例提供的图像数据处理方法。通过压缩感知方法获得原始图像数据的第一测量值和第二测量值，作为原始图像数据的认证水印，并将用于原始图像数据认证的第二测量值以可逆水印的方式嵌入到原始图像数据中。这种图像数据处理方法具有简单高效、适用广泛的优点，并且能够生成便于水印图像的复原及水印图像被篡改后能够恢复的图像认证水印。

在一些示例中，可以将上述嵌入了短水印的原始图像数据上传到网络中，或者通过其他方式存储至其他终端能够获得的存储系统中。例如，将嵌入了短水印的原始图像数据共享到云端。

在一些示例中，可以将第一测量值作为原始图像数据的长水印直接上传到网络中，或者通过其他方式存储至其他终端能够获得的存储系统中。例如，将长水印云端共享到云端。

图2是本发明另一种实施例的图像数据处理方法的示意性流程图。如图2所示，该图像数据处理方法可以包括：

s210，获得嵌入有第二测量值的待检测图像数据。可以通过多种方式获得嵌入有第二测量值的待检测图像数据。例如可以从网络云端获得。

s220，通过可逆水印方法复原提取待检测图像数据中的第二测量值获得复原图像数据。

s230，稀疏化复原图像数据。

s240，基于稀疏化的复原图像数据和测量矩阵通过压缩感知方法获得复原图像数据的第三测量值。

s250，对第三测量值进行编码获得感知哈希值，将对第三测量值进行编码获得的感知哈希值作为原始图像数据的第四测量值。

s260，判断第四测量值与待检测图像数据的第二测量值是否相同，若第四测量值与待检测图像数据的第二测量值相同，则进入步骤s270a，若第四测量值与待检测图像数据的第二测量值相同，则进入步骤s270b。

s270a，判定待检测图像数据未被篡改。

s270b，判定待检测图像数据被篡改。

图3是本发明又一种实施例的图像数据处理方法的示意性流程图。如图3所示，若判定待检测图像数据被篡改，该图像数据处理方法还可以包括：

s310，通过压缩感知重构方法对复原图像数据进行恢复。在一些示例中，可以对第三测量值通过l1-svd稀疏重构算法恢复被篡改的图像。

在一些示例中，s230中稀疏化复原图像数据之前，还可以包括：

对复原图像数据进行分块处理。

那么，若判定待检测图像数据被篡改，该图像数据处理方法还可以包括图4所示的步骤。图4是本发明再一种实施例的图像数据处理方法的示意性流程图。如图4所示，该图像数据处理方法还可以包括：

s410，获得待检测图像数据的第二测量值，其中，待检测图像数据的第二测量值是基于分块处理后的待检测图像数据获得的。

s420，逐块比较第三测量值和待检测图像数据的第二测量值。

s430，对第三测量值和待检测图像数据的第二测量值不同的块对应的复原图像数据通过压缩感知重构方法进行恢复。

由于图4所示的图像数据处理方法仅需要重构恢复被篡改的图像块数据，所以运算速度很快，且恢复的图像质量较高。

根据一些实施例，该图像数据处理方法中的s110之前可以先对原始图像数据进行分块处理。

在一些示例中，假设原始图像数据是大小为n×n(2ⁿ×2ⁿ)的灰度图像，则可以将图像数据划分成s个非重叠块，每块大小为b×b(2^b×2^b)，那么s＝n²/b²＝2^n-b×2^n-b。

在一些示例中，s110可以包括将得到的每个图像块用zig-zag方式进行扫描，将每个图像块转变成一维向量

在一些示例中，s120中，可以通过公式(3)～(6)并在两个预设密钥k1(r01,y01)与k2(r02,y02)的指导下生成感知测量矩阵a1与a2，λ是整整数集，用a1,a2分别对进行感知采样得到测量值g1i,g2i∈r^λ,i∈(1,2,...,s)，并将测量值对应相加求和得到gi＝g1i+g2i,i∈(1,2,...,λ×s)。

在一些示例中，s120中，可以对s个非重叠块进行dct变换，分别对每块的dct系数用zig-zag方式进行扫描将其转变成一维向量利用公式(3)～(6)在预设密钥k4(r04,y04)的指导下生成感知测量矩阵a3，用生成的测量矩阵a3分别对s个一维向量进行感知采样得到压缩测量值fi＝a3×βi，fi∈r^λ,i∈(1,2,...,s)。将得到的第一测量值f＝{f1,f2,...,fl}作为长水印以零水印的方式上传云端进行保存。

在一些示例中，s130中，利用公式(3)logistic-sine混沌映射对测量值gi进行编码。在一些示例中，由于混沌映射参数要求r∈(0,4],yn∈(0,1]，故可以先将测量值gi用公式(7)进行量化。

其中max＝max(g1,g2,...,gλ×s),min＝min(g1,g2,...,gλ×s)。量化完成后在预设密钥k3(r03,y03)指导进行迭代混沌映射，例如可以进行4轮迭代混沌映射，如下所示：假设每轮混沌映射需计算n次，令n＝λ×s：

第一轮：正向迭代混沌映射

1th：r1＝(g1+r03)/2∈(0,4],y1＝fr1(y03)∈(0,1]

2～nth：ri＝(gi+ri-1)/2∈(0,4],yi＝fri(yi-1)∈(0,1]

第二轮：反向迭代混沌映射

n+1th：rn+1＝(gn+rn)/2∈(0,4],yn+1＝fr(n+1)(yn)∈(0,1]

n+2～2nth：ri＝(g2n-i+1+ri-1)/2∈(0,4],yi＝fri(yi-1)∈(0,1]

第三轮：正向迭代混沌映射

2n+1th：r2n+1＝(g1+r2n)/2∈(0,4],y2n+1＝fr(2n+1)(y2n)∈(0,1]

2n+2～3nth：ri＝(gi-2n+ri-1)/2∈(0,4],yi＝fri(yi-1)∈(0,1]

第四轮：反向迭代混沌映射

3n+1th：r3n+1＝(gn+r3n)/2∈(0,4],y3n+1＝fr(3n+1)(y3n)∈(0,1]

3n+2～4nth：ri＝(g4n-i+1+ri-1)/2∈(0,4],yi＝fri(yi-1)∈(0,1]

在一些示例中，s130中，可以将yn,y2n,y3n,y4n4个数分别转换成二进制格式，例如，可以取每个数小数点后的40bit级联拼接成160bit，即为生成的感知哈希值，作为原始图像数据的第二测量值，也就是原始图像数据的短水印。采用上述图像数据处理方法得到的图像认证水印的安全性不仅仅依赖算法本身，还依赖密钥，相比传统的哈希函数sha-1和md5，图像数据更适合通过计算感知哈希值来生成认证水印，并且提高了水印认证方法的安全性。

在一些示例中，s140中，可以将短水印通过可逆水印的方法嵌入原始图像数据中，并和计算得到的长水印上传至云端进行存储。

在一些示例中，s210中，在获得一个待测图像数据后，可以通过可逆水印方法复原提取待检测图像数据中的第二测量值获得复原图像数据。若图像未被篡改，则复原图像数据应的第四测量值与原始图像数据的第二测量值一致，且复原图像数据与原始图像数据相同，图像可100％复原到原始状态。

在一些示例中，s410中，若图像被篡改了，可以对复原的图像重新进行分块处理、稀疏处理通过压缩感知方法得到第三测量值。

在一些示例中，s420中，按图像块为单位将获得的待测图像数据的第一测量值与复原图像数据的第三测量值进行比较，找到不相同的图像块，实现篡改定位。

在一些示例中，s430中，按图像块为单位将获得的待测图像数据的第一测量值与复原图像数据的第三测量值进行比较，不相同的图像块即判定为篡改块，采用压缩感知重构算法恢复替换被篡改的图像块。由于该方法仅需要重构恢复被篡改的图像块，所以运算速度很快，且恢复的图像质量较高。

上文中结合图1至图4，详细描述了根据本发明实施例的图像数据处理方法，下面将结合图5至图8，详细描述根据本发明实施例的图像数据处理装置和设备。

图5是本发明一种实施例的图像数据处理装置的示意性结构框图。如图5所示，一种图像数据处理装置500，可以包括：稀疏化单元510、第一测量值生成单元520、第二测量值生成单元530和测量值嵌入单元540。

稀疏化单元510可以用于稀疏化原始图像数据。

第一测量值生成单元520可以用于基于稀疏化的图像数据和测量矩阵通过压缩感知方法获得原始图像数据的第一测量值。

第二测量值生成单元530可以用于对第一测量值进行编码获得感知哈希值，将感知哈希值作为原始图像数据的第二测量值。

测量值嵌入单元540可以用于将第二测量值通过可逆水印方法嵌入到原始图像数据中。

根据本发明实施例的图像数据处理装置500可对应于根据本发明实施例的图像数据处理方法中的执行主体，并且图像数据处理装置500中的各个单元的功能分别为了实现图1中的各个方法的相应流程，为了简洁，在此不再赘述。

因此，根据本发明实施例提供的图像数据处理装置。通过压缩感知方法获得原始图像数据的第一测量值和第二测量值，作为原始图像数据的认证水印，并将用于原始图像数据认证的第二测量值以可逆水印的方式嵌入到原始图像数据中。这种图像数据处理装置具有简单高效、适用广泛的优点，并且能够生成便于水印图像的复原及水印图像被篡改后能够恢复的图像认证水印。

在一些示例中，第二测量值生成单元530还用于：

根据混沌映射方法对第一测量值进行编码获得感知哈希值，将感知哈希值作为原始图像数据的第二测量值。

图6是本发明另一种实施例的图像数据处理装置的示意性结构框图。如图6所示，图像数据处理装置600，可以包括：稀疏化单元610、第一测量值生成单元620、第二测量值生成单元630、测量值嵌入单元640和判断单元650。

在一些示例中，其中的图像数据处理装置600，可以稀疏化单元610、第一测量值生成单元620、第二测量值生成单元630和测量值嵌入单元640与图5中示出的稀疏化单元510、第一测量值生成单元520、第二测量值生成单元530和测量值嵌入单元540的功能类似。

在一些示例中，判断单元650可以用于：

获得嵌入有第二测量值的待检测图像数据。

通过可逆水印方法复原提取待检测图像数据中的第二测量值获得复原图像数据。

稀疏化复原图像数据。

基于稀疏化的复原图像数据和测量矩阵通过压缩感知方法获得复原图像数据的第三测量值。

对第三测量值进行编码获得感知哈希值，将对第三测量值进行编码获得的感知哈希值作为原始图像数据的第四测量值。

第四测量值与待检测图像数据的第二测量值相同，判定待检测图像数据未被篡改。

第四测量值与待检测图像数据的第二测量值不相同，判定待检测图像数据被篡改。

图7是本发明又一种实施例的图像数据处理装置的示意性结构框图。如图7所示。图像数据处理装置700可以包括：稀疏化单元710、第一测量值生成单元720、第二测量值生成单元730、测量值嵌入单元740、判断单元750和恢复单元760。

在一些示例中，其中的稀疏化单元710、第一测量值生成单元720、第二测量值生成单元730、测量值嵌入单元740、判断单元750和恢复单元760可以与图6中的稀疏化单元610、第一测量值生成单元620、第二测量值生成单元630、测量值嵌入单元640和判断单元650功能类似。

恢复单元760可以用于通过压缩感知重构方法对复原的图像数据进行恢复。

在一些示例中，上述判断单元还可以用于对复原图像数据进行分块处理。

在一些示例中，上述恢复单元还可以用于：

获得待检测图像数据的第二测量值，其中，待检测图像数据的第二测量值是基于分块处理后的待检测图像数据获得的。

逐块比较第三测量值和待检测图像数据的第二测量值。

对第三测量值和待检测图像数据的第二测量值不同的块对应的复原图像数据通过压缩感知重构方法进行恢复。

图8是本发明一种实施例的图像数据处理设备的示意性结构框图。如图8所示，结合上述的图像数据处理方法和图像数据处理装置的至少一部分可以由计算机设备800实现。该设备800可以包括处理器803和存储器804。

存储器804可以用于储存有可执行程序代码。

处理器803可以用于读取存储器804中存储的可执行程序代码以执行上述的图像数据处理方法。

因此，根据本发明实施例提供的图像数据处理设备。通过压缩感知方法获得原始图像数据的第一测量值和第二测量值，作为原始图像数据的认证水印，并将用于原始图像数据认证的第二测量值以可逆水印的方式嵌入到原始图像数据中。这种图像数据处理设备具有简单高效、适用广泛的优点，并且能够生成便于水印图像的复原及水印图像被篡改后能够恢复的图像认证水印。

在一些说明性示例中，加快网络视图中光标移动的设备800还可以包括输入设备801、输入端口802、输出端口805、以及输出设备806。其中，输入端口802、处理器803、存储器804、以及输出端口805通过总线810相互连接，输入设备801和输出设备806分别通过输入端口802和输出端口805与总线810连接，进而与设备800的其他组件连接。

在一些示例中，这里的输出接口和输入接口也可以用i/o接口表示。具体地，输入设备801接收来自外部的输入信息，并通过输入端口802将输入信息传送到处理器803。例如，输入信息为原始图像数据。

在一些示例中，处理器803基于存储器804中存储的计算机可执行程序代码或指令对输入信息进行处理以生成输出信息，例如，处理器804执行以下步骤：稀疏化原始图像数据。基于稀疏化的图像数据和测量矩阵通过压缩感知方法获得原始图像数据的第一测量值。对第一测量值进行编码获得感知哈希值，将感知哈希值作为原始图像数据的第二测量值。将第二测量值通过可逆水印方法嵌入到原始图像数据中。将输出信息临时或者永久地存储在存储器804中，随后在需要时经由输出端口805将输出信息传送到输出设备806。输出设备806将输出信息输出到设备800的外部。例如，上传到云端。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

图9是本发明一种实施例的图像数据处理方法的示例性效果图。如图9所示，以512×512大小的人像图像为例，像素值介于0～255之间，分块大小均采用16×16。

图9(a)表示原始图像数据。图9(b)表示嵌水印后的原始图像数据。图9(c)表示图9(b)内容被篡改后的图像数据，也可以称图9(c)为待检测图像数据。图9(d)表示使用上述图像处理方法进行认证后的图像数据篡改定位图，其中白色矩形框中的为未通过认证及经过篡改后的区域。图9(e)表示使用上述图像数据处理方法进行篡改恢复后最终得到的恢复图像数据。

可以看出图9(e)中的恢复图像数据与图9(a)中的原始图像数据完全相同。