一种高保真可逆水印嵌入方法
【专利摘要】本发明涉及一种高保真可逆水印嵌入方法，包括水印嵌入过程、水印提取和原始图像恢复过程。水印嵌入过程中，将载体图像素分成互不重叠的两个像素集A和B，先对属于像素集A的像素做嵌入，然后再利用修改后的A中像素预测属于B的像素，并对B中像素实现信息嵌入；对于任一个待预测像素p，将包围p的n个像素构成p的邻域，并将邻域内的所有像素值按大小排序后，用邻域中和p最接近的最大值或最小值去预测p，由于用了最接近p的像素去预测p，预测性能被大大提高。n的值越大，预测越精确，相应地容量也低；n的值越小，预测越不精确，相应地容量也高。本发明在容量确定的情况下，通过穷举搜索法搜寻失真最小的最优嵌入点，从而有效提高了嵌入失真。
【专利说明】
-种高保真可逆水印嵌入方法
技术领域
[0001] 本发明属于多媒体信号处理领域，具体是一种高保真可逆水印嵌入方法。
【背景技术】
[0002] 传统的数字水印技术会造成宿主图像的永久性失真。但在一些实际应用中却不允 许对宿主图像有一下点的永久修改，比如医疗、军事和司法等领域。W医学图像为例，任何 形式的失真都是不允许的。任何一幅医学图像的获取需要精密仪器的支持和昂贵的医疗费 用，更为重要的是失真可能会造成潜在的误诊。例如，对于一幅E C G (electrocardiographic)信号图，任何一点信号曲线的异常都有可能被解释为某种病理特 征。因此，传统的数字水印技术并不适用于医学图像。
[0003] -种称为可逆水印的技术引起了越来越多人的研究与关注。可逆数字水印能W无 损的方式将相关水印信息嵌入到宿主图像中，能在接收端有效地提取水印并精确恢复原始 图像。
[0004] 如何在保持载体图像视觉质量的情况下显著提高水印嵌入的数据容量，成为近年 来图像可逆水印算法研究的主要方向之一。针对此类研究，通常采用预测误差扩展方式来 实现在给定嵌入容量的情况下有效地减少嵌入失真的目的。因此，预测方法的性能优劣将 直接关系到嵌入性能，其中几个有代表性的预测方法介绍如下：
[0005] Sachnev的方法（V. Sachnev ,H. J. Kim, J .Nam, S. Suresh ,Y. Q.化i ,Reversible watermarking algorithm using sorting and prediction, IEEE Trans . Circuits Syst.Video Technol. 19(7)(2009)989-999.)是采用菱形（化ombus)预测器和差值排序的 一种可逆水印算法。在Sachnev等人的算法中，对于某一个像素点Pi, j，将包围Pi, j的四个像 素点（即上下左右四个像素点，分别用Vi-I, W，Vi,W，Vi+l,康示）构成PiJ的邻域像素， Pi,J的预测值l/i,J是通过其邻域像素的加权平均计算得到的，如公式(1):
灯)
[0006]
[0007] Hwang的方法化.J . Hwang, H. J . Kim ,V. Sachnev , Reversible Watermarking Method Using Optimal Histogram Pair Shifting Based on Prediction and Sorting, KSII Transactions on Internet and Information Systems(TIIS),4(4)(2010)655- 670.)没有像传统的基于灰度平移的算法通过选取两个峰值点进行水印嵌入，而是在满足 容量要求的情况下，选择非峰值点进行水印嵌入，从而尽可能减少像素修改造成的失真。 [000引 Qu的方法（X.C.Qu,H.J.Kim,Pixel-based pixel value ordering predictor for high-fidelity reversible date hiding,Sign曰I Processing,93(l)(2015)198- 205.)是采用像素级PV0(pixel-based PV0，PPV0)的一种可逆水印算法。在如等人的算法 中，对于某一个像素点P，取其右邻的n个像素点(nG {3,…，15})构成P的邻域C，如图1所示， 并将邻域C内的所有像素值按大小排序后，用最大值或最小值去预测P，具体的水印嵌入过 程如表1和表2所示。
[0010]
[0009] 表1:当min(C)声max(C)时，对像素 P的水印嵌入过程
[0011]
[0012]
[001引从表1和2可W看出，Qu的方法将水印信息嵌入到了值为0的预测误差中。事实上， 数值为0的预测误差就是峰值点。因此，Qu的方法也是通过将水印信息嵌入到了频率最高的 峰值点中。事实上，邻近峰值点的像素点在数量上仅次于峰值点的数量，对峰值点进行水印 嵌入，必然会平移峰值点附近的像素点，运样必将移动大量像素点从而导致较大的嵌入失 真。
[0014] 综上，在如等人的算法中，仅用P的右邻n个像素去预测P并不能精确估算出P的局 部复杂度，因此预测性能要弱于Sachnev方法的性能。除此之外，Ou等人的方法依旧和传统 的基于灰度平移的方法一样，选择峰值点作为嵌入点，必然会平移大量邻近峰值点的像素 点，因此，会导致较大的嵌入失真。
【发明内容】
[0015] 为了解决现有技术所存在的问题，本发明提出一种高保真可逆水印嵌入方法，该 方法利用全包围P的n个像素去预测P从而提高预测性能，选择非峰值点作为嵌入对象，从而 降低了由灰度平移所引入的嵌入失真。
[0016] 本发明采用如下技术方案来实现:一种高保真可逆水印嵌入方法，包括水印嵌入 过程、水印提取和原始图像恢复过程;其中，水印嵌入过程包括W下步骤：
[0017] S11、将载体图像素分成互不重叠的两个像素集A和B，先对属于像素集A的像素做 嵌入，然后再利用修改后的A中像素预测属于B的像素，并对B中像素实现信息嵌入；
[001引S12、对于像素集A中任一个像素 P，将包围P的n个像素构成P的邻域Ienp,并用O表示 像素集Ienp的方差，若方差O小于某一给定的口限^h,则认为P属于平滑区域Sp，否则认为P属 于纹理区域Cp;其中nG {4,…，13};
[0019] S13、对位于纹理区域的图像块，在嵌入过程中不做任何修改；
[0020] 将位于平滑区域的图像块分成两个部分:水印嵌入后没有遭受像素溢出的图像块 归为第一部分;水印嵌入后遭受像素溢出的图像块归为第二部分;产生一个位置图来标识 所述第一部分、第二部分，并将无损压缩后的位置图和载荷一起嵌入到载体图像中；对于第 一部分的任一个待预测像素 P，将包围P的n个像素构成P的邻域，并将邻域内的所有像素值 按大小排序后，用邻域中与P最接近的最大值或最小值去预测P从而得到预测误差的直方 图；
[0021] S14、对像素集B的像素，采用步骤S12-S13来嵌入;最终得到含水印的图像；
[0022] 水印提取和原始图像恢复过程是水印嵌入过程的逆过程，包括W下步骤：
[0023] 按照与水印嵌入过程相同的方式，将含水印的图像分成互不重叠的两个像素集A 和B，先对属于B的像素做提取，然后再利用恢复出来的B中像素恢复属于A的像素，并对A中 像素实现信息提取：
[0024] S21、抽取压缩后的位置图，并对其进行无损恢复得到原始位置图；
[0025] S22、对于任一个含水印像素 P'，如果其对应邻域的方差大于某一给定口限，则保 持其不变;若其方差小于某一给定口限，且位置图中所对应的位置标示的是'〇'，则对其不 做任何处理;对于剩余的图像块，对其进行水印的抽取和原始图像的恢复；
[00%] S23、重复步骤S21-S22处理像素集A中的像素，最终恢复出原始图像。
[0027] 优选地，步骤S13嵌入水印时，通过穷举捜索法捜寻在容量给定的情况下失真最小 的两个最优嵌入点(乂)，其中代表从像素集A中选取的最佳嵌入点，而巧， 代表从像素集B中选取的最佳嵌入点。
[0028] 与现有技术相比，本发明具有如下优点及有益效果：
[0029] 1、利用全包围P的n个像素去预测P从而提高预测性能，因为运种预测方法能够更 好地利用图像冗余性，所得的预测误差直方图更加集中。
[0030] 2、不选择峰值点作为嵌入对象，而是选择非峰值点作为嵌入对象，从而降低了由 灰度平移所引入的嵌入失真。
[0031] 3、在容量确定的情况下，通过穷举捜索法捜寻失真最小的最优嵌入点，从而有效 提高了嵌入失真。
[0032] 4、可W用于医学图像、军事地图和军用图像的管理和授权使用信息中，W此为依 据判别医学图像、军事地图和军用图像的来源、版权、真伪等信息。
【附图说明】
[0033] 图1是现有技术中由Pi, j右邻的15个像素组成的邻域C;
[0034] 图2是由包围P的13个像素组成的邻域C;
[0035]图3是最优灰度对平移方法；
[0036] 图4是最优嵌入点的选择过程；
[0037] 图51^512 X 512大小的'Lena ' 为测试图像，本发明和Qu、0u、Peng、Li、Sachnev和 Hong的方案的性能比较；
[003引 图6对于512 X 512大小的'Baboon'为测试图像，本发明和Qu、Ou、Peng、Li、Sachnev 和化ng的方案的性能比较；
[0039] 图7对于512X512大小的'Barbara'为测试图像，本发明和Qu、0u、Peng、Li、 Sachnev和Hong的方案的性能比较；
[0040] 图8对于512 X 512大小的'Airplane '为测试图像，本发明和Qu、0u、Peng、Li、 Sachnev和Hong的方案的性能比较；
[0041 ] 图9对于512 X 512大小的'Boat '为测试图像，本发明和Qu、0u、Peng、Li、Sachnev和 化ng的方案的性能比较；
[0042] 图10对于512X512大小的'Peppers'为测试图像，本发明和Qu、0u、Peng、Li、 Sachnev和化ng的方案的性能比较。
【具体实施方式】
[0043] 下面结合附图和实施例对本发明作进一步描述，但本发明的实施方式不限于此。
[0044] 实施例
[0045] 本发明主要由W下两大部分组成:S1、水印嵌入过程;S2、水印提取和原始图像恢 复过程。其中，水印嵌入过程包括W下步骤：
[0046] S11、图像分割:将一幅大小为RXC的载体图像素分成互不重叠的两个像素集A和 B，每一个像素集包含^个像素。先对属于像素集A的像素做嵌入，然后再利用修改后 的A中像素预测属于B的像素，并对B中像素实现信息嵌入。
[0047] 运里，对属于像素集A或B的像素执行的嵌入过程称为一层嵌入。双层嵌入保证了 算法的可逆性。
[004引S12、像素的局部相关性：对于像素集A中任一个像素 P，将包围P的n(n G {4,…， 13})个像素构成P的邻域Ienp,并用O表示像素集Ienp的方差，从而可依据O的大小来判定P是 位于平滑区域还是纹理区域。图2示意了由包围P的13个像素组成的邻域C。由W下公式可计 算出方差O的值：
化
[0049]
[0050] 其中化N读示集合Ienp的均值。若方差O小于某一给定的口限vTh，则认为P和环绕它 的所有像素之间存在着很强的相关性，即认为P属于平滑区域(用Sp来表示平滑集）；否则认 为两者之间的相关性弱，P属于纹理区域（用Cp来表示纹理集）dSp包含了局部复杂性小于乃1^ 的所有块(平滑块），即Sp={pGD，o<パh};Cp包含了所有纹理块，即Cp={pGA，o>パh}。
[0051] S13、水印嵌入:对于位于纹理区域的图像块，为了降低失真，在嵌入过程中不会对 它们做任何修改。将那些位于平滑区域的图像块分成两个部分:①第一部分包含了水印嵌 入后没有遭受像素溢出（即含水印的像素仍在[0,255]范围内）的图像块;②将水印嵌入后 遭受像素溢出的图像块归为第二部分。
[0052] 产生一个位置图来标识运两部分，并将无损压缩后的位置图和载荷一起嵌入到载 体图像中。对于第一部分的任一个待预测像素 P，将包围P的n(nG {4,…，13})个像素构成P 的邻域，并将邻域内的所有像素值按大小排序后，用邻域中与P最接近的最大值或最小值去 预测P从而得到预测误差的直方图。
[0053] 本发明并没有选取峰值点作为嵌入点，而是通过穷举捜索法捜寻在容量给定的情 况下失真最小的两个最优嵌入点(第一层嵌入和第二层嵌入各有一个最优嵌入点）。在每一 层嵌入中，将水印信息嵌入到最优嵌入点中。
[0054] 水印嵌入后，含水印的像素必须在[0,25引范围之内，否则含水印像素将遭受溢出 (上溢（>255)或下溢（<0))。像素溢出将直接导致在解码端无法正确恢复出原始像素 p。为 了避免像素溢出，我们定义D= {p GA: 0《p'《255}。
[0055] S14、对于第二层像素，也就是B中像素，采用相同的嵌入策略，重复步骤S12-S13。 当双层嵌入完成后，整幅图像的嵌入就完成了，并得到含水印的图像。
[0056] 按照和嵌入过程相同的方式将含水印的图像分成互不重叠的两个像素集A和B，水 印提取和原始图像恢复过程是水印嵌入过程的逆过程。为了保证可逆性，必须按照和嵌入 过程相反的顺序进行水印信息的抽取和原始图像的恢复，先对属于B的像素做提取，然后再 利用恢复出来的B中像素恢复属于A的像素，并对A中像素实现信息提取。步骤如下：
[0057] S21、抽取压缩后的位置图，并对其进行无损恢复得到原始位置图。
[0058] S22、对于任一个含水印像素 P'，如果其对应邻域的方差大于某一给定口限，则保 持其不变;若其方差小于某一给定口限，且位置图中所对应的位置标示的是'〇'，则对其不 做任何处理;对于剩余的图像块，对其进行水印的抽取和原始图像的恢复。
[0059] S23、重复步骤S21-S22处理像素集A中的像素。当双层提取完成后，就恢复出了原 始图像。
[0060] 本实施例中，对于属于平滑区域像素的水印数据嵌入方案为:对于任意一个属于 平滑集Sp的像素来说，用n个包围它的像素预测它，具体的预测过程如表3、4和5所示，其中 Cmax和Cmin分别是像素 P的邻域Ienp中最大值像素和最小值像素。通过表3得到集合A中任意一 个像素 P的预测误差Pe,并得到预测误差的灰度直方图。
[0061] 由于本发明没有选用预测误差直方图中数量最多的两个峰值点作为嵌入点，而是 选用非峰值点作为嵌入点，W便通过减少被平移预测误差的数量从而降低嵌入失真。如何 选取嵌入点将关系到最终的嵌入性能，本发明选用最优对平移方法的理念来得到最优嵌入 点。图3给出了一个例子来说明为什么最优灰度对平移方法相比于传统的灰度平移方法可 W降低嵌入失真，具体的说，当嵌入容量都是12时，如果选用峰值点0进行水印嵌入，则由灰 度平移引入的失真为：
[0062] MSEsh = G X 0^+6 X 1^+8 X 1^+4 X 1^+2 X 1^+1 X 1^ = 27
[0063] 如果选用非峰值点（即-2和2)进行水印嵌入，则失真为：
[0064] M沈HPS = S X 12+3 X l2巧 X l2+l X 12+3 X 12+4 X 12+2 X l2+l X 12 = 19
[0065] 由上述分析可知，选取峰值点作为嵌入点并不能实现最优的嵌入性能。
[0066] 图4出示了本发明选取最优嵌入点的过程，即在容量给定的情况下，选择引入嵌入 失真最低的两个预测误差为最优嵌入对，其中;代表从第一层像素(A中像 素）中选取的最佳嵌入点，而代表从第二层像素(B中像素）中选取的最佳嵌入点，U代 表载荷大小。从表3可W看出，当Cmin时，Pe = Cmin-P,之所W运样做的原因是为了保证Pe> 0,从而可W减少最优嵌入点的数量（即一层只需要确定一个大于0的最优嵌入点），进而降 低时间复杂度。
[0067] 在图4中，Spa和Spb用于分别表示集合A和B中位于平滑区域的像素集合Sp, 乂。和乃2 用于判别集合A和B中A々像素甚杏干平滑区域。VTi-经确定，就可W确定出预测误差的灰 度直方图，从中找出
的Pe,并将满足上述条件的所有预测误差组成集合
其中巧(C )用于表示Pe的数量，下标I表示第一层，巧I卿代表CSl 中数量最小的预测误差，而it 代表CSl中数量最多的预测误差。
[0068] 本发明通过穷举法的方式来捜寻最优嵌入对。首先，从CSi中选取第一个预测误差 作为第一层临时嵌入点巧 1^,，按照表4和5对集合A中预测误差进行修改，并将 巧戶比特水印信息嵌入到巧中从而得到第一层含水印图像IwA。
[0069] 然后，对于第一层含水印图像Im，用修改后的集合A中像素预测集合B中像素，当阔值 乃2取某一个给定值时，得到集合B中像素的灰度直方图。捜寻满足
的预测误差Pe,将满足上述条件的所有预测误差组成集合
，其中也 (Pe)代表预测误差Pe的数量，下标2代表第二层，巧代表CS2中数量最小的预测误差，而 巧代表C&中数量最多的预测误差。
[0070] 接下来，从盼2中选取第一个预测误差作为第二层临时嵌入点按照表4 和5对集合帥像素进行修改，并将巧(巧比特水印信息嵌入到巧中从而得到最终的 含水印图像Iw,同时计算当前的均方误差(Mean Squared Erroi^MSE),且设定最小均方误 差（the lowest MSE，LMSE)为当前MSE。遍历CS2中所有的预测误差，如果新计算出来的MSE (new MSE，醒SE)小于LM沈，则设定LMSE为醒沈，否则LM沈保持不变。表4、5中的b指的是1比 特水印信息。
[0071] W上的过程是在第一层嵌入点是的情况下得到LMSE的过程。因此，需遍历CSi 中所有的预测误差才能得到在给定(vTi，vT2)时MSE最小的最优嵌入对(乂 具体 地说，CSi中每一个预测误差都需执行W上过程从而得到最小的MSE，记录MSE最小时的嵌入 点，即为最优嵌入对。
[0072] 表3:梦和口6的计算过程
[0073]
[0074]
[0075]
[0076]
1 RxC
[0077] 本实施例中，位置图的形成过程为：当〇<^h时，用一个大小为lx -的一维 L 2」 二值位置图，来区分一个平滑像素是否遭受到了像素溢出，具体地说，位置图中符号'I'表 示Sp中的像素，'0'表示
（遭受了溢出的像素）中的像素。运里有一点 需要注意：在解码端，只要判断出就可W知道哪些像素属于Cp,因此没有必要记载Cp 中像素的位置信息。用算术编码无损压缩位置图。压缩位置图产生的码流用L表示，假设其 长度为Ls。因此待嵌入水印信息来自两个方面:I)压缩后的码流L 2)载荷P。
[0078] 位置图的嵌入过程:对于前Ls个像素根据表4、表5修改完之后，收集像素的最不重 要位化SB),并把收集到的Ls个最不重要位添加到载荷P的后面。剩余的像素，对其处理的过 程和前Ls个像素类似。但不同的是其最不重要位不需要收集。
[0079] 在步骤S21对位置图的恢复时，收集前Ls个像素序列中像素的最不重要位，形成一 个比特流。在此比特流中找到算术编码的结束符，从开始到结束符的比特流被解压缩得到 原始位置图。
[0080] 而步骤S22对水印的抽取和原始图像的恢复过程为:对于某一像素 P'，将其所有相 邻像素 Cl,…，Cn(nG {4,…，13})构成和嵌入过程中相同的Ienp(注意：C1，…，Cn必须要先于 P'恢复出来，才能保证从P'中正确恢复出原始像素 P) Jenp经等式（1)得到P'所对应的0,如 果O大于或等于^h,则保持不变;如果O小于，且在位置图中所对应的是'〇'，则保持不变； 如果在位置图中所对应的是'1'且〇<乃4则按照表6、7和8对P'进行水印的提取和原始像素 的恢复r
[0081]
[0082]
[0083]
[0084] 实验结果和举例
[0085] 本发明用了六幅自然图像作为测试图像，分别是<16齡'，<Barbara'，<Baboon'， 'Airplane'，'Peppers'和'Boat' D图5-10例证了本发明和Qu的方法、Peng的方法、Ou的方 法、Li的方法、Sachnev的方法W及化ng的方法的率失真性能比较。
[0086] 到目前为止，Peng 的方法（F.Peng，X.L.Li ,B.Yang, Improved pvo-based reversible data hiding，Digit.Signal Process.25(2014)255_265.)是所有基于PVO的 可逆水印算法中性能最好的算法，它是在PVO的基础上考虑了像素之间的位置关系而提出 的一种可逆水印算法。Qu的方法（B ? Ou，X? L丄i，Y? Zhao ,and R? R? Ni ? Reversible data hiding using invariant pixel-value-ordering and prediction-error expansion. Signal Processing: Image Commimicatio打，29(7) (2014) 198 - 205.)提出 了一 种PVO-K的可逆水印算法。Li的方法（X.L.Li，W.M.Zhang，X.L.Gui，B.Yang，A novel reversible data hiding scheme based on two-dimensional difference-histogram modification, IE邸 Trans. Inf .Forensic Secur .8(7) (2013) 1091-1100.)是基于二维差 值修改的一种可逆水印算法。Sachnev的方法（V. Sachnev，H. J .Kim，J ? Nam, S ? Suresh， Y.Q.Shi,Reversible watermarking algorithm using sorting and prediction，IEEE Trans ? Circuits Syst ? Video Technol ? 19(7) (2009)989-999 ?)是米用菱形预测器和差值 排序的一种可逆水印算法DHong的方法（W. Hong ,Adaptive reversible data hiding method based on error energy control and histogram shifting,Opt.Commun.285(2) (2012)101-108.)是采用局部差值能量控制和灰度平移的自适应可逆水印隐藏方法。
[0087] 从图5-10可^看出，本发明的性能远远优于Qu的方法的性能。从图5-10也可^看 出，对于六幅测试图像，本发明的性能远优于其它六种方法（即Qu的方法、Ou的方法、Peng的 方法、Li的方法、SachneV的方法W及Hong的方法）。
[0088]大量的实验结果表明，与W往大部分的同类方案相比，本发明所设计的一种高保 真可逆水印嵌入方法一一无论是在嵌入容量上，还是在恢复图像质量的主观评价上，都有 了相当程度的提高。其原因在于:①利用全包围P的n个像素去预测P从而提高预测性能，因 为运种预测方法能够更好地利用图像冗余性，所得的预测误差直方图更加集中；②用Hwang 的方法去降低嵌入失真，即不选择峰值点作为嵌入对象，而是选择非峰值点作为嵌入对象， 从而降低了由灰度平移所引入的嵌入失真。
【主权项】
1. 一种高保真可逆水印嵌入方法，其特征在于，包括水印嵌入过程、水印提取和原始图 像恢复过程;其中，水印嵌入过程包括以下步骤： SI 1、将载体图像素分成互不重叠的两个像素集A和B，先对属于像素集A的像素做嵌入， 然后再利用修改后的A中像素预测属于B的像素，并对B中像素实现信息嵌入； 512、 对于像素集A中任一个像素p，将包围p的η个像素构成p的邻域IENp，并用σ表示像素 集Ienp的方差，若方差σ小于某一给定的门限vTh，则认为ρ属于平滑区域Sp，否则认为ρ属于纹 理区域 Cp;其中 ηε{4，···，13}; 513、 对位于纹理区域的图像块，在嵌入过程中不做任何修改； 将位于平滑区域的图像块分成两个部分:水印嵌入后没有遭受像素溢出的图像块归为 第一部分;水印嵌入后遭受像素溢出的图像块归为第二部分;产生一个位置图来标识所述 第一部分、第二部分，并将无损压缩后的位置图和载荷一起嵌入到载体图像中；对于第一部 分的任一个待预测像素Ρ，将包围P的η个像素构成ρ的邻域，并将邻域内的所有像素值按大 小排序后，用邻域中与P最接近的最大值或最小值去预测P从而得到预测误差的直方图； 514、 对像素集B的像素，采用步骤S12-S13来嵌入;最终得到含水印的图像； 水印提取和原始图像恢复过程是水印嵌入过程的逆过程，包括以下步骤： 按照与水印嵌入过程相同的方式，将含水印的图像分成互不重叠的两个像素集A和Β， 先对属于B的像素做提取，然后再利用恢复出来的B中像素恢复属于A的像素，并对A中像素 实现信息提取： 521、 抽取压缩后的位置图，并对其进行无损恢复得到原始位置图； 522、 对于任一个含水印像素ρ'，如果其对应邻域的方差大于某一给定门限，则保持其 不变;若其方差小于某一给定门限，且位置图中所对应的位置标示的是'〇'，则对其不做任 何处理;对于剩余的图像块，对其进行水印的抽取和原始图像的恢复； 523、 重复步骤S21-S22处理像素集A中的像素，最终恢复出原始图像。2. 根据权利要求1所述的高保真可逆水印嵌入方法，其特征在于，由以下公式计算出步 骤12所述方差σ的值：其中μΕΝΡ表不集合IENP的均值。3. 根据权利要求1所述的高保真可逆水印嵌入方法，其特征在于，步骤S13嵌入水印时， 通过穷举搜索法搜寻在容量给定的情况下失真最小的两个最优嵌入，其中 代表从像素集A中选取的最佳嵌A点，而代表从像素集B中选取的最佳嵌A点。4. 根据权利要求3所述的高保真可逆水印嵌入方法，其特征在于，所述通过穷举搜索法 搜寻在容量给定的情况下失真最小的两个最优嵌入点，包括以下步骤： Spa和Spb用于分别表示像素集A和B中位于平滑区域的像素集合SP，vTdPvT2分别用于判 别集合A和B中的像素是否位于平滑区域;vTi-经确定，就可以确定出预测误差的灰度直方 图，从中找出丨Pe，并将满足上述条件的所有预测误差组成集合其中Hl (Pe)用于表不Pe的数量，下标1表不第一层，Lw代表载荷大 小，G1Uf代表数量最小的预测误差，而代表CS1中数量最多的预测误差； 首先，从CS1*选取第一个预测误差1^_作为第一层临时嵌入点按照表4和5对集 合A中预测误差进行修改，并）比特水印信息嵌入到中从而得到第一层含水 印图像Iwa; 然后，对于第一层含水印图像Ιμ，用修改后的像素集A中像素预测像素集B中像素，当阈值 VT2取某一个给定值时，得到集合B中像素的灰度直方图;搜寻满足的预测误差Pe，将满足上述条件的所有预测误差组成集￥其中H2 (Pd代表预测误差Pe的数量，下标2代表第二层，/?%,代表CS2中数量最小的预测误差，而 _代表CS2中数量最多的预测误差；接下来，从CS2中选取第一个预测误差/^_作为第二层临时嵌入点，按照表4和5对 像素集B中像素进行修改，并将比特水印信息嵌入到中从而得到最终的含 水印图像Iw，同时计算当前的均方误差MSE，且设定最小均方误差LMSE为当前MSE;遍历CS2中 所有的预测误差，如果新计算出来的均方误差NMSE小于LMSE，则设定LMSE为NMSE，否则LMSE 保持不变;表4、5中的b指的是1比特水印信息。
【文档编号】G06T1/00GK106023058SQ201610362123
【公开日】2016年10月12日
【申请日】2016年5月25日
【发明人】翁韶伟, 张天聪, 蔡念, 潘正祥
【申请人】广东工业大学