一个训练样本，以此得到训练模型。该步骤包括以下步骤： 步骤31:首先在一定范围内随机旋转、缩放、X轴平移、Y轴平移含水印图像/^萬丨)，以 分别产生若干个训练样本图像； 这里使用如下数量样本： 将图像在[0,90]度之间旋转，间隔为1度，产生90幅旋转样本图像;将图像在[0.5，1.5] 之间缩放，间隔为〇.025,产生40幅缩放样本图像;将图像沿X轴和Y轴方向在[0,50]之间平 移，间隔为1，分别产生50幅平移样本图像； 步骤32:利用四元数PHT外接圆对训练样本图像集进行分解，假设爲:、爲:和分别 表示彩色图像的R、G、B三个分量，_||§、和分别表示彩色图像R、G、 B三个分量的传统PHT，表示取复数及:的实部，踢表示取复数.i7的虚部，则四元 数PHT分解可以表示为：
步骤33:将步骤32中分解后计算得到的遵以四元数的形式储存作为图 像的特征，选取每个训练样本图像的8个外接圆下的四元数PHT矩值(低7阶），获得图像样本 集； 步骤34:训练LS-SVR模型。使用步骤33中得到训练样本集以及相关信息系数l : j 表述每一个训练样本，以此得到训练出的LS-SVR模型。
[0017] 本发明的检测方法包括以下步骤： 步骤4:待检测的图像利用外接圆下四元数PHT进行分解，分解所得的矩值作为样本特 征向量。该步骤包括以下步骤： 步骤41:待检测的图像利用步骤32中四元数PHT外接圆进行分解； 步骤42:分解所得的矩值作为参数样本，选取其中8个外接圆下的PHT矩值(低7阶)作为 待检测图像的特征向量。
[0018] 步骤5:利用训练模型对待检测图像的特征向量进行训练，求解几何变换参数 利用该几何变换参数对待检测图像进行同步校正，得到校正后的图 像。该步骤包括以下步骤： 步骤51:利用训练模型对步骤42中得到的待检测图像的特征向量进行训练，求解几何 变换参数·辱=:心说； 步骤52:利用该几何变换参数对待检测图像进行同步校正，得到校正后的图 像。
[0019] 步骤6:校正后的图像按照与嵌入水印的对应方式提取水印。该步骤包括以下步 骤： 步骤6 1 :校正后的图像按照步骤11所述方法得到YUV空间下的三个分量
步骤62:按照步骤12所述方法分别得到三个分量的低频子带系数 步骤63:按照与水印嵌入对应的方式分别提取三个分量的水印图，根据水印提取公式 按位提取：
（8*8)个水印，水印提取公式如下： 使用嵌入水印的量化步长量化低频子带系数:
其中，-?|_.为四舍五入函数，·_(离;；|續为提取出的
_(8*8)个水印 S:|〇 ;然后根摒
(8*8)个水印图像对应位置的值进 行择多选取，二值水印图像::玄i 即为检测出的数字水 印图像； 步骤64:遵循投票原则使用三个分量提取出的水印图投票得出最终的水印图像。
[0020] 表1常规攻击水印检测对比结果(BER)(%)
对比文献：Niu，P.P·，Wang，X.Y·，Yang，Y.P·，Lu，Μ·Υ·，2011. A novel color image watermarking scheme in nonsampled contourlet-domain. Expert Systems with Applications 38 (3), 2081-2098. 表3 LS-SVR同步校正性能测试结果
从对比结果中可以看出本发明抵抗常规攻击效果明显；图像校正部分求解出准确的几 何变换参数，达到几何校正的目的，使本发明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。仿真实验结果表明本发明在抵抗几何攻击方面有更为理想的效 果;同时使用投票原则进行水印图的提取，提高水印的检测率。
【主权项】
1. 一种基于四元数PHT同步校正的彩色图像水印嵌入方法，其特征在于按照如下步骤 进行： 步骤1:将彩色RGB图像转换到YUV空间，获取S个通道分量，分别选择合适的嵌入强度 嵌入水印； 步骤2:将传统灰度图像的PHT理论推广到四元数层面，并进一步定义出彩色图像的四 元数F*HT; 步骤3:训练LS-SVR模型，构造训练样本集，对样本集中每一个训练图像进行外接圆下 四元数PHT分解，取出特定矩值作为训练图像的特征向量，用相关信息系数也^.托齿'表述每 一个训练样本，W此得到训练模型。2. 根据权利要求1所述的基于四元数PHT同步校正的彩色图像水印嵌入方法，其特征在 于所述步骤1如下： 步骤11:提取彩色图像減衣浆!礫忠扔游满這柬<辦的点V :接;及' S个分量 為挺减游换娩為知减，获取分量絶炼游慕輪綠苑賊姆:，转换公式如下：步骤12 :分别将S个分量进行一级非下采样shear let变换，得到一个低频子带 細巧和四个方向高频子带，获取低频子带系数为踩轉，爲； 步骤13:根据分量特性选取合适的量化步长，将得到的低频子带分为^块，每块大小 为^然后将水印按位嵌入到每块中；待修改的低频子带系数￡￡;€取#根据量化步长和 其相应的一个bit水印信息，即1或O，量化嵌入水印；水印嵌入公式如下： 馬;:4两掉游:?.. 修改所取低频系数《取i的值：其中，蹲豁癖为待嵌入水印的系数，水印图像琢;。嫉驻，皿《1为模运算函数，乎为量 化步长； 步骤14:修改后的低频系数，与高频系数合并，合并后的系数经过一级非下采样 shearlet逆变换得到嵌入水印的S个分量图據私,誘濃《取嫁戒知滅； 步骤15:分量激锭滅笔施,器锭姆转换为RGB空间，转换公式如下：步骤16:将得到的分量遍奴感蟲後，续游徐沒合并得到最终的嵌入水印的彩色图像 .巧填满:=!;緻輪泌鷄托辣滋故:谢.。3. 根据权利要求2所述的基于四元数PHT同步校正的彩色图像水印嵌入方法，其特征在 于所述步骤2如下： 步骤21:将传统灰度图像的PHT理论推广到四元数层面，阶数为如，重复度为I，且 拉I =间二键孤的PCET定义为其中，誦未示?的共辆复数，禹参'，磅東示极坐标系下的原始图像函数，基函数致Jv該 被分解为径向多项式和角向多项式，如下：径向多项式W复指数形式直接给出，如下： 并且满足正交条件并且有其中，凌为归一化因子，是Kronecker符号，錢游杳,雜r表示替措祇，酵的共 辆，因此，极坐标系下的图像函数箱於聲的PHT可W表示为：步骤22:假设沪|我缉!为极坐标系下的彩色图像，贝账据传统灰度图像的PHT定义及四元 数理论，定义出如下形式的彩色图像四元数PHT:其中，與一个单位纯四元数，选择終=我乎J手歲糸;#，剌輯沒)表示极坐标系下的彩色 图像函数。4. 根据权利要求3所述的基于四元数PHT同步校正的彩色图像水印嵌入方法，其特征在 于所述步骤3如下： 步骤31:首先在一定范围内随机旋转、缩放、X轴平移、Y轴平移含水印图像；f%,賊，W 分别产生若干个训练样本图像； 步骤32:利用四元数PHT外接圆对训练样本图像集进行分解，假设窮;茲郝鬼分别表 示彩色图像的R、G、BS个分量，游分别表示彩色图像R、G、B S个分量的传统PHT表示取复数扭的实部，:;細表示取复数取的虚部，则四元 数PHT分解可W表示为：其中，步骤33:将步骤32中分解后计算得到的為J:驾W四元数的形式储存作为图像 的特征，选取每个训练样本图像的8个外接圆下的四元数PHT矩值，获得图像样本集； 步骤34:训练LS-SVR模型，使用步骤33中得到训练样本集W及相关信息系数4?:.技技' 表述每一个训练样本，W此得到训练出的LS-SVR模型。5. -种如权利要求1所述基于四元数PHT同步校正的彩色图像水印嵌入方法对应的检 测方法，其特征在于按照如下步骤进行： 步骤4:待检测的图像利用外接圆下四元数PHT进行分解，分解所得的矩值作为样本特 征向量； 步骤5:利用训练模型对待检测图像的特征向量进行训练，求解几何变换参数色衣想' ，利用该几何变换参数?一-',6'对待检测图像进行同步校正，得到校正后的图像； 步骤6:校正后的图像按照与嵌入水印的对应方式提取水印。6. 根据权利要求5所述的基于四元数PHT同步校正的彩色图像水印方法，其特征在于所 述步骤4如下： 步骤41:待检测的图像利用步骤32中四元数PHT外接圆进行分解； 步骤42:分解所得的矩值作为参数样本，选取其中8个外接圆下的四元数PHT矩值作为 待检测图像的特征向量。7. 根据权利要求6所述的基于四元数PHT同步校正的彩色图像水印方法，其特征在于所 述步骤5如下： 步骤51:利用训练模型对步骤42中得到的待检测图像的特征向量进行训练，求解几何 变换参数按每耗簇； 步骤52:利用该几何变换参数知餐:拓凑对待检测图像进行同步校正，得到校正后的图 像。8. 根据权利要求7所述的基于四元数PHT同步校正的彩色图像水印方法，其特征在于所 述步骤6如下： 步骤6 1 :校正后的图像按照步骤1 1的方法得到Y U V空间下的S个分量 撥私隸濃飯裝k馬1?骑； 步骤62:按照步骤12的方法分别得到=个分量的低频子带系数杖薄:； 步骤63:按照与水印嵌入对应的方式分别提取=个分量的水印图，根据水印提取公式 按位提取，得出 个水印，水印提取公式如下： 使用嵌入水印的量化步长量化低频子带系数1?':自其中，.错游踩为四舍五入函数，退深!决.:錄为提取出的个水印 巧法r安縣:1塞.家这度皆;然后根据BIT(相疑，按照个水印图像对应位置的值进行择多 选取，二值水印图像辦钱.稱轉诗細鶴!雖:玄3?承，i這;j适鎖即为检测出的数字水印图像； 步骤64:遵循投票原则使用=个分量提取出的水印图投票得出最终的水印图像。
【专利摘要】本发明公开了一基于四元数PHT同步校正的彩色图像水印嵌入及检测方法，将彩色RGB图像转换到YUV空间，分别选择合适的嵌入强度嵌入水印；定义出彩色图像的四元数PHT；训练LS-SVR模型，构造训练样本集，对每一个训练图像进行外接圆下四元数PHT分解，取出特定矩值作为训练图像的特征向量，用相关信息系数表述每一个训练样本；待检测的图像利用外接圆下四元数PHT进行分解，分解所得的矩值作为样本特征向量；利用训练模型对待检测图像的特征向量进行训练，求解几何变换参数，利用该几何变换参数对待检测图像进行同步校正，得到校正后的图像；按照与嵌入水印的对应方式提取水印。
【IPC分类】G06T1/00
【公开号】CN105590292
【申请号】CN201510997997
【发明人】王向阳, 李硕, 牛盼盼
【申请人】辽宁师范大学
【公开日】2016年5月18日
【申请日】2015年12月28日