本发明涉及基于统计模型的数字图像水印方法,特别涉及一种基于多相关hmt模型的数字图像水印检测方法。
背景技术:
当今社会,信息技术发展迅速,互联网文化在人们的日常生活中处处可见,图像版权的损害及非法拷贝与传播促使人们急需最佳的数字图像水印技术来解决图像信息安全危机。现有基于统计模型的水印方法,多采用小波、轮廓波等变换,不能很好地捕获二维图像的重要信息和特征,而且往往采用一种相关性来对系数建立模型,故模型不精确,检测的可信度不高。
技术实现要素:
本发明是为了解决现有技术所存在的上述技术问题,提供一种基于多相关hmt模型的数字图像水印检测方法。
本发明的技术解决方案是:一种基于多相关hmt模型的数字图像水印嵌入方法,包括水印嵌入及水印提取,其特征在于:
约定:q指宿主图像;
所述水印嵌入按照如下步骤进行:
a.初始设置
获取宿主图像q并初始化变量;
b.水印嵌入
b.1nsst域最大能量子带选取
宿主图像q进行二级nsst,选取能量最大子带s:
构造出两种乘性嵌入强度函数用于嵌入水印位“1”或“0”:
b.2所选子带进行大小相等不重叠分块
将s进行不重叠且大小相等的分块,选取
b.3利用乘性方式嵌入水印
修改
b.4nsst重构
将
所述水印提取按如下步骤进行:
a.初始设置
获取含水印图像
b.1nsst域最大能量子带选取
宿主图像q进行二级nsst,选取能量最大子带s:
构造出两种乘性嵌入强度函数用于提取水印位“1”或“0”:
b.2所选子带进行大小相等不重叠分块
将s进行不重叠且大小相等的分块,选取
c.bkf-vb-hmm参数估计
c.1通过卡丹公式分别求得两种嵌入强度函数
c.2分别计算每一个高熵块中在嵌入水印“1”和嵌入水印“0”两种假设下的bkf-vb-hmm分布概率
d.构造最大似然检测器进行水印提取
d.1利用s*估计
d.2利用ml决策构造最优检测器提取具体水印位:
则nsst系数中的第
d.3对每个高熵块检测到的水印排序,获得最终的水印序列。
本发明首先选取宿主图像能量最大的nsst域子带作为水印嵌入的最优子带,通过乘性嵌入方式对其系数进行修改,并将修改后系数的子带和其他子带合并进行nsst重构获得具有含水印图像;提取水印的方法是选取含水印图像能量最大的nsst域子带中的高熵块并使用bkf-vb-hmm对其系数进行建模,利用子带内、尺度间、尺度内方向间系数相关性估计模型的参数;最后,利用最大似然检验方法设计出最优检测器检测每个高熵块嵌入的具体水印信息,并按顺序排序获得最终的水印序列。实验结果表明,本发明的方法由于利用多相关的hmt构造出更精确的模型,有效地提高了检测精度,同时还保持了鲁棒性和不可见性的良好平衡。
与现有技术相比,本发明具有以下有益效果:
第一,采用非下采样shearlet变换(nsst),其具有多分辨率、多尺度和各向异性等性质,能够很好地捕获二维图像的重要信息和特征;
第二,采用乘性水印嵌入方法更加符合hvs特性,使嵌入强度随着载体信号强弱成比例的变化,增强算法的鲁棒性;
第三,bkf-vb-hmm模型能够更加准确地描述与捕获子带的边缘分布以及nsst域中的尺度内、尺度间、方向间系数的依赖关系,利用多种相关性进行参数估计,提高了模型的检测精度。
附图说明
图1为本发明实施例在lena、barbara、mandrill三幅图像嵌入128位水印的含水印结果图。
图2为本发明实施例在lena、barbara、mandrill三幅图像嵌入256位水印的含水印结果图。
图3为本发明实施例在lena、barbara、mandrill三幅图像嵌入128位水印后与原图像的10倍差值结果图。
图4为本发明实施例在lena、barbara、mandrill三幅图像嵌入256位水印后与原图像的10倍差值结果图。
图5为本发明实施例不可见性(峰值信噪比)与水印容量关系结果图。
图6为本发明实施例鲁棒性测试结果图。
图7为本发明实施例水印嵌入的流程图。
图8为本发明实施例水印提取的流程图。
具体实施方式
本发明的基于多相关hmt模型的数字图像水印检测方法:
约定:q指宿主图像;
水印嵌入如图7所示,按如下步骤进行:
a.初始设置
获取宿主图像q并初始化变量;
b.水印嵌入
b.1nsst域最大能量子带选取
宿主图像q进行二级nsst,选取能量最大子带s:
构造出两种乘性嵌入强度函数用于嵌入水印位“1”或“0”:
b.2所选子带进行大小相等不重叠分块
将s进行不重叠且大小相等的分块,选取
b.3利用乘性方式嵌入水印
修改
b.4nsst重构
将
水印提取如图8所示,按如下步骤进行:
a.初始设置
获取含水印图像
b.1nsst域最大能量子带选取
宿主图像q进行二级nsst,选取能量最大子带s:
构造出两种乘性嵌入强度函数用于提取水印位“1”或“0”:
b.2所选子带进行大小相等不重叠分块
将s进行不重叠且大小相等的分块,选取
c.bkf-vb-hmm参数估计
c.1通过卡丹公式分别求得两种嵌入强度函数
c.2分别计算每一个高熵块中在嵌入水印“1”和嵌入水印“0”两种假设下的bkf-vb-hmm分布概率
d.构造最大似然检测器进行水印提取
d.1利用s*估计
d.2利用ml决策构造最优检测器提取具体水印位:
则nsst系数中的第
d.3对每个高熵块检测到的水印排序,获得最终的水印序列。
实验测试和参数设置:
实验是在matlabr2011a环境下执行的,所涉及到的都是尺寸为512×512的灰度图像,可从以下站点下载:http://decsai.ugr.es/cvg/dbimagenes/index.php。
图1为本发明实施例在lena、barbara、mandrill三幅图像嵌入128位水印的含水印结果图。
图2为本发明实施例在lena、barbara、mandrill三幅图像嵌入256位水印的含水印结果图。
图3为本发明实施例在lena、barbara、mandrill三幅图像嵌入128位水印后与原图像的10倍差值结果图。
图4为本发明实施例在lena、barbara、mandrill三幅图像嵌入256位水印后与原图像的10倍差值结果图。
图5为本发明实施例不可见性(峰值信噪比)与水印容量关系结果图。
图6为本发明实施例鲁棒性测试结果图。
结果表明:本发明的方法由于利用多相关的hmt构造出更精确的模型,有效地提高了检测精度,同时还保持了鲁棒性和不可见性的良好平衡。