基于Harris-SIFT特征区域的抗屏摄鲁棒水印算法

本发明涉及图像水印，尤其涉及一种基于harris-sift特征区域的抗屏摄鲁棒水印算法。

背景技术：

1、随着数字图像的广泛应用和互联网的普及，数字图像的版权保护变得越来越重要。为了解决这一问题，数字水印技术应运而生。数字水印是一种将数字信息嵌入到多媒体数据(如图像、音频、视频等)中的技术，用于保护数字内容的版权和完整性。虽然数字水印技术已经被广泛应用于图像、音频、视频等领域，但随着技术的发展，智能移动设备的普及化和芯片技术的完善化，通过手机拍摄屏幕中展示的媒体文件内容，生成的照片就能实现高效高质的信息记录。屏摄的图片不仅记录了有效信息，而且在很大程度上破坏了携带的水印信号，使得传播拍摄照片进行泄密的行为更加隐蔽且难以溯源。传统的水印技术已经无法满足水印图像信息安全的需要，因此如何应对屏幕拍摄泄密造成的安全问题成为一个重要的研究方向。

2、针对这些问题，越来越多的研究人员投入到抗拍摄水印领域。nakamura t和katayama a等人(katayama,atsushi,et al."new high-speed frame detection method:side trace algorithm(sta)for i-appli on cellular phones to detectwatermarks."proceedings of the 3rd international conference on mobile andubiquitous multimedia.2004)首次讨论了打印-拍摄图像水印的鲁棒性方法。他们提出了一种空间域水印嵌入和检测方案，通过从配备摄像头的手机捕获的图像焦点中提取水印，使用帧同步但只能抵抗微小的几何失真。pramila等人(pramila,a,keskinarkaus a,t.multipledomain watermarking for print-scan and jpeg resilient datahiding.in proceedings ofinternational workshop on digital watermarking；springer:berlin/heidelberg,germany,2008；pp.279–293)针对打印扫描过程提出了一种基于多域的算法。他们通过在离散傅里叶域中嵌入圆形模板，以校正图像的旋转和缩放，从而具有一定的几何失真鲁棒性。

3、在打印-拍摄水印算法研究的基础上，fang等人(fang h,zhang w,zhou h,etal.screen-shooting resilient watermarking[j].ieee transactions oninformation forensics and security,2018,14(6):1403-1418)提出了一种基于强度的尺度不变特征变换算法，针对屏幕拍摄过程中的特殊畸变问题。他们结合小模版算法，将水印重复嵌入不同区域中，具有较高的鲁棒性和视觉质量。然而，在面对简单纹理图像时，该方法无法准确定位水印区域。chen等人(chen w,ren n,zhu c,et al.screen-cam robustimage watermarking with feature-based synchronization[j].applied sciences,2020,10(21):7494)为提高对严重畸变的屏幕拍摄过程的弹性，提出了一种基于特征同步的屏幕拍摄鲁棒水印方案。他们使用改进的嵌入算法将消息重复的嵌入每个选定的局部正方形特征区域中，对屏幕拍摄和其他常见的去同步攻击具有很好的鲁棒性。deng等人(dengb,li s,qian z.an svd-based screen-shooting resilient watermarking scheme[j].multimedia tools and applications,2022:1-15)提出了一种新的弹性屏幕拍摄水印方案，利用sift算法定位嵌入区域，并通过奇异值矩阵在符号不变性方面的稳定性来嵌入水印。在提取时定位了更多的区域以提高容错率。利用该方案，实现了在嵌入更多比特和更好的条件下完成水印的精确提取。

技术实现思路

1、针对现有抗屏摄水印算法鲁棒性和透明性不足的情况，本发明提出了一种基于harris-sift特征区域的抗屏摄鲁棒水印算法。

2、为了实现上述目的，本发明采用以下技术方案：

3、一种基于harris-sift特征区域的抗屏摄鲁棒水印算法，包括：

4、步骤1，采用基于熵值加权的harris角点检测算法对图像进行特征点的提取，并结合sift算法在特征点上生成特征方向，随后构建特征区域并筛选出互不重叠的特征区域用于后续水印的嵌入；

5、步骤2，生成一段60bit的伪随机序列作为水印信息，在将特征区域转换为dft域后，以圆形模板的方式将水印信息嵌入到图像的特征区域中；在完成多个特征区域的水印嵌入后得到完整的含水印图像；

6、步骤3，通过对含水印图像进行相机拍摄实验来对含水印图像进行屏摄攻击；

7、步骤4，对受屏摄攻击图像进行几何校正以恢复图像在拍摄过程中产生的畸变，对校正图像进行预处理之后再从中提取水印信息。

8、进一步地，所述步骤1中，采用基于熵值加权的harris角点检测算法对图像进行特征点的提取包括：

9、首先，对图像进行预处理，包括灰度化和高斯滤波以提取出局部像素值信息并去除噪声；接着，将熵值作为权重因子，与harris角点响应函数相乘，得到一个新的响应函数；最后，对新的响应函数值进行非极大值抑制，在局部位置上获得的极大值点即为最终的角点。

10、进一步地，所述步骤1中，按照以下方式构建特征区域：

11、对每一个特征点，根据特征尺度构建一个特征区域，以特征点为圆心，特征区域的半径r定义为：

12、r＝floor(k·s)

13、其中k为常数系数，s为特征尺度，floor(·)表示向下取整；

14、在对每一个特征点构建特征区域后，通过限制特征点之间的距离，并且筛选掉特征尺度较小的特征区域。

15、进一步地，所述步骤2包括：

16、利用密钥key生成一个水印位数为60的伪随机序列；

17、然后按顺序提取原始载体图像中的特征区域，并将该区域的亮度带转换为dft域；

18、使用图像的平均灰度值作为参考，来确定水印嵌入半径r1，特征区域的平均灰度值通过下面的公式计算：

19、

20、其中m和n分别表示图像的宽度和高度，i(i，j)表示图像中位于第i行、第j列的像素的灰度值；

21、根据平均灰度值计算水印嵌入半径r1：

22、r1＝k*avg/255

23、其中k是系数，avg是图像的平均灰度值；

24、按照得到的水印嵌入半径r1，将水印信息通过以下公式嵌入到特征区域的dft幅度中：

25、

26、其中mw(x，y)表示水印幅度，α表示嵌入强度，表示幅度的平均值，σ表示幅度的标准差；

27、将嵌入水印的特征区域复原成正方形区域的亮度带，并将其转换为空间域，替换原始图像中对应的区域；当所有的待嵌入特征区域都被替换后，最终得到一张含水印图像。

28、进一步地，所述步骤4中，按照以下方式对受攻击图像进行几何校正以恢复图像在拍摄过程中产生的畸变：

29、通过在受屏摄攻击图像中定位嵌入图像的四个角点，并将其对应的坐标与校正后的图像中的坐标进行匹配来确定变换矩阵，然后将受屏摄攻击图像进行透视变换得到校正后的图像。

30、进一步地，所述步骤4中，对校正图像进行预处理之后再从中提取水印信息包括：

31、对校正后的图像定位特征区域，提取阶段特征区域的定位过程与嵌入过程相同，首先在校正后的图像上执行高斯函数来减少噪声攻击的影响，然后计算图像基于熵值的harris角点和相应的特征方向以获得特征区域，最后提取出相应的特征区域用于水印消息提取；

32、依次对每个特征区域进行水印消息的检测和提取，对每一个特征区域进行检测，当有一个特征区域中检测到水印信息时，对其进行相应的水印提取过程。

33、进一步地，所述水印提取过程包括：

34、对特征点进行3*3像素的遍历来提取特征点位置及其领域的最大幅值，从而获得消息序列：

35、

36、其中w定义了提取的消息序列，v(i)是3*3幅度内提取的最大值，定义了平均值，σw定义了标准差，k2是用于确定消息提取阈值的参数。

37、进一步地，在获得消息序列之后，还包括：

38、在消息序列w提取后，将w与原始嵌入的伪随机序列进行比较并计算错误比特数，如果错误比特数低于设定的阈值，则水印提取成功。

39、与现有技术相比，本发明具有的有益效果：

40、(1)本发明提出了一种基于熵值加权的harris角点检测算法。通过自适应调整权重因子的大小，从而在不同的图像中提取更鲁棒的角点，并筛选掉对比度低的点和边缘点。不仅减少了计算时间，还提高了水印检测的准确性和鲁棒性。

41、(2)本发明提出了基于harris-sift特征区域和dft变换相结合的水印算法。该算法通过在选定的多个特征区域内进行dft变换，并分别嵌入相同的水印。在水印遭受攻击后，只要有一个区域内的水印存活，就能成功提取水印。这有效地提高了水印的鲁棒性。

42、(3)本发明提出了基于平均灰度值的水印半径选择法。根据平均灰度值选择嵌入半径的方法能够根据图像不同特征区域的内容来自适应选择合适的嵌入半径，从而提高水印的不可见性。

43、(4)为验证本发明的有效性，设计并进行了一系列实验。实验结果表明，本发明算法能够抵抗屏摄攻击和常见图像攻击，并且优于目前先进的抗屏摄水印算法。