基于小波变换和视觉特性的自适应图像水印嵌入方法

摘要

本发明公开了数字图像信息安全技术领域中的一种基于小波变换和视觉特性的自适应图像水印嵌入方法。包括对图像进行灰度处理，计算图像中每个像素的综合视觉掩盖值，对图像进行小波变换，得到图像中每个像素的低频分量小波系数、高频水平分量小波系数、高频垂直分量小波系数和高频对角分量小波系数，分别计算低频分量小波系数的视觉掩盖值和高频对角分量小波系数的视觉掩盖值，将水印序列平均分成2个水印子序列，确定低频分量小波系数嵌入水印的位置并嵌入一个水印子序列，确定高频对角分量小波系数嵌入水印的位置并嵌入另一个水印子序列，最后进行小波反变换，得到嵌入水印的图像。本发明提高了水印的不可见性和鲁棒性。

说明书

技术领域

本发明属于数字图像信息安全技术领域，尤其涉及一种基于小波变换和视觉特性的自适应图像水印嵌入方法。

背景技术

近些年，数字媒体的出现使人们能够更容易处理、分享和传送信息，但随着数字媒体技术的迅猛发展和广泛应用，数字媒体的版权保护问题越来越受到人们的关注，数字水印技术应运而生。按照水印嵌入的载体，数字水印分为图像水印、音频水印和视频水印，其中图像水印因其应用前景广泛更受研究人员关注。

数字图像水印技术是将水印信息（通常是一幅Logo图像）以一种透明的方式嵌入到原始图像中，生成含水印图像并能够随时随地从图像中提取水印以验证版权信息的技术。水印应具有一定的鲁棒性，即对含水印图像进行一定程度的攻击（如压缩、滤波、剪切等）的情况下，仍能从中提取出水印信息。因此，鲁棒性要求图像中较多地嵌入水印以提高对图像攻击的抵抗能力。水印还应具有透明性，即要求图像中含较少地嵌入水印以尽量降低对原始图像质量的影响。因此，平衡透明性和鲁棒性是数字图像水印的一个重要研究内容。

目前，数字图像水印可分为空域水印嵌入和变换域水印嵌入，其中变换域水印嵌入因采用时频分析方法而拥有更好的透明性和鲁棒性，成为是数字图像水印的研究热点之一。通常，使用峰值信噪比（Power Signal-to-Noise Ratio，PSNR）来衡量含水印图像与原始图像之间的差异（图像失真）。PSNR值越高，表明含水印图像与原始图像之间的差异越小，即水印嵌入过程对原始图像的像素值的改变较小，水印的不可见性越好。然而，现有实验表明，含水印图像的质量不能仅用PSNR衡量，还与人的主观视觉感受有关。因此，充分利用频率域的特点，并挖掘人类视觉系统的特性，将水印嵌入到人眼不敏感的区域，有助于提高水印的不可见性。

发明内容

本发明的目的在于，提供一种基于小波变换和视觉特性的自适应图像水印嵌入方法，用于解决现有技术存在的不足。

为了实现上述目的，本发明提出的技术方案是，一种基于小波变换和视觉特性的自适应图像水印嵌入方法，其特征是所述方法包括：

步骤1：对图像进行灰度处理；

步骤2：计算图像中每个像素的综合视觉掩盖值；

步骤3：对图像进行小波变换，得到图像中每个像素的低频分量小波系数、高频水平分量小波系数、高频垂直分量小波系数和高频对角分量小波系数；

步骤4：利用综合视觉掩盖值分别计算低频分量小波系数的视觉掩盖值和高频对角分量小波系数的视觉掩盖值；

步骤5：将水印序列平均分成2个水印子序列；

步骤6：确定低频分量小波系数嵌入水印的位置并嵌入一个水印子序列，确定高频对角分量小波系数嵌入水印的位置并嵌入另一个水印子序列；

步骤7：对嵌入水印序列的低频分量小波系数、高频水平分量小波系数、高频垂直分量小波系数和嵌入水印序列的高频对角分量小波系数进行小波反变换，得到嵌入水印的图像。

所述计算图像中每个像素的综合视觉掩盖值采用公式M_F(i,j)=MAX(M_L(i,j),MIN(M_E(i,j),M_T(i,j)))；

其中，M_F(i,j)为图像中第i行第j列像素的综合视觉掩盖值；

M_L(i,j)为图像中第i行第j列像素的亮度掩盖值；

M_E(i,j)为图像中第i行第j列像素的纹理掩盖值；

M_T(i,j)为图像中第i行第j列像素的边缘掩盖值。

利用综合视觉掩盖值计算低频分量小波系数的视觉掩盖值/高频对角分量小波系数的视觉掩盖值采用公式$>M(i,j)=\frac{\underset{\left(\begin{array}{c}1\le i\le n\\ 1\le j\le m\end{array}\right)}{\Sigma }F(i,j)\times M_F(i,j)}{\underset{\left(\begin{array}{c}1\le i\le n\\ 1\le j\le m\end{array}\right)}{\Sigma }F(i,j)};$>

其中，M(i,j)为第i行第j列像素的低频分量小波系数的视觉掩盖值/高频对角分量小波系数的视觉掩盖值；

M_F(i,j)为第i行第j列像素的综合视觉掩盖值；

F(i,j)为第i行第j列像素的综合视觉掩盖值权值且$>F(i,j)=\left(\begin{array}{cc}1& p(i,j)\ge \bar{x}\\ {\left(\frac{\bar{x}}{p(i,j)}\right)}^3& p(i,j)<\bar{x}\end{array}\right),$>p(i,j)为第i行第j列像素的灰度值，为以第i行第j列像素为中心点的5x5像素组成的区块的像素灰度值平均值；

n为图像中像素的行数；

m为图像中像素的列数。

所述步骤6具体是：

步骤101：对每个像素的低频分量小波系数按照该像素的低频分量小波系数的视觉掩盖值的大小排序，得到第一序列；

对每个像素的高频对角分量小波系数按照该像素的高频对角分量小波系数的视觉掩盖值的大小排序，得到第二序列；

步骤102：选择第一序列的前N个低频分量小波系数嵌入一个水印子序列，选择第二序列的前N个高频对角分量小波系数嵌入另一个水印子序列；

其中，N为水印子序列中水印的个数。

所述选择第一序列的前N个低频分量小波系数嵌入一个水印子序列/选择第二序列的前N个高频对角分量小波系数嵌入另一个水印子序列采用公式：C_k′(i,j)=C_k(i,j)+watermark(k)×M(i,j)×embedpower；

其中，C_k(i,j)为第一序列/第二序列中第k个低频分量小波系数/高频对角分量小波系数；

i和j分别为第k个低频分量小波系数/高频对角分量小波系数对应的像素的横坐标和纵坐标；

C_k′(i,j)为第一序列/第二序列中第k个低频分量小波系数/高频对角分量小波系数嵌入水印后的值；

watermark(k)为水印子序列中的第k位水印值；

M(i,j)为低频分量小波系数/高频对角分量小波系数C_k(i,j)的视觉掩盖值；

embedpower为设定比例系数。

本发明有效地利用了小波变换和人眼视觉特性，将水印信息嵌入在人眼不敏感的区域，提高水印的不可见性，并根据敏感程度来尽量嵌入更多的水印以提高水印的鲁棒性。

附图说明

图1是基于小波变换和视觉特性的自适应图像水印嵌入方法流程图；

图2是标准Lena图的综合视觉掩盖结果图；

图3是本发明提供的图像水印嵌入方法实施过程示意图；

图4是利用本发明提供的方法嵌入水印再经过攻击后提取的效果图；其中，(a)是标准Boat图嵌入水印再经过攻击后提取的效果图，(b)标准Lena图嵌入水印再经过攻击后提取的效果图，(c)标准Peppers图嵌入水印再经过攻击后提取的效果图。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

图1是基于小波变换和视觉特性的自适应图像水印嵌入方法流程图。如图1所示，本发明提供的基于小波变换和视觉特性的自适应图像水印嵌入方法包括：

步骤1：对图像进行灰度处理。

图像的灰度处理就是将彩色图像转换为灰度图像，将图像中像素在三个颜色分量（R、G、B）上的值转化为一个值。图像的灰度处理有很多方法，比如最大值法，即取像素在三个颜色分量中的最大值作为灰度值；再比如平均值法，即取像素在三个颜色分量的平均值作为灰度值；还有加权平均值法，即对像素的三个颜色分量分别乘以权值后求和再取平均值。图像的灰度处理已经是现有技术，选择任意一种灰度处理方式即可。

步骤2：计算图像中每个像素的综合视觉掩盖值。

计算图像中每个像素的综合视觉掩盖值采用公式：

M_F(i,j)=MAX(M_L(i,j),MIN(M_E(i,j),M_T(i,j)))  （1）

公式（1）中，M_F(i,j)为图像中第i行第j列像素的综合视觉掩盖值，M_L(i,j)为图像中第i行第j列像素的亮度掩盖值，M_E(i,j)为图像中第i行第j列像素的纹理掩盖值，M_T(i,j)为图像中第i行第j列像素的边缘掩盖值。

由于图像中像素的亮度掩盖值、纹理掩盖值和边缘掩盖值的计算方式是本领域的常用技术，因此本发明只进行大致描述。

首先，图像中像素的亮度掩盖值的计算过程是：

步骤101：以待计算亮度掩盖值的像素为中心点，选取中心点周围5x5像素的区块。当中心点为图像边缘点时，采用拓展的方式拓展5x5像素区块，此时，对于原本不在图像中的像素，其像素灰度值取0。

步骤102：采用加权平均的方法计算该区块的平均加权背景亮度，计算公式为：

$>L(i,j)=\frac{\underset{\left(\begin{array}{c}1\le i\le 5\\ 1\le j\le 5\end{array}\right)}{\Sigma }\omega (i,j)\times p(i,j)}{\underset{\left(\begin{array}{c}1\le i\le 5\\ 1\le j\le 5\end{array}\right)}{\Sigma }\omega (i,j)}---\left(2\right)$>

公式（2）中，p(i,j)为区块中第i行第j列像素的灰度值，ω(i,j)为区块中第i行第j列像素的权值。本实施例中，提供权值组成的权值矩阵为$>W=\left[\omega (i,j)\right]=\left(\begin{array}{ccccc}1& 1& 1& 1& 1\\ 1& 2& 2& 2& 1\\ 1& 2& 0& 2& 1\\ 1& 2& 2& 2& 1\\ 1& 1& 1& 1& 1\end{array}\right)·$>

步骤103：计算该区块在4个Chou定义的标准权值矩阵下的加权平均值的最大值。

该区块在每个Chou定义的标准权值矩阵下的加权平均值计算公式为：

$>\mathrm{value}=1/16\times \underset{1\le i\le \mathrm{5,1}\le j\le 5}{\Sigma }G(i,j)\times p(i,j)---\left(3\right)$>

公式（3）中，G(i,j)为Chou定义的标准权值矩阵的第i行第j列元素的值。本实施例给出的4个Chou定义的标准权值矩阵分别为$>G_A=\left(\begin{array}{ccccc}0& 0& 0& 0& 0\\ 1& 3& 8& 3& 1\\ 0& 0& 0& 0& 0\\ -1& -3& -8& -3& -1\\ 0& 0& 0& 0& 0\end{array}\right),$>$>G_B=\left(\begin{array}{ccccc}0& 0& 1& 0& 0\\ 0& 8& 3& 0& 0\\ 1& 3& 0& -3& -1\\ 0& 0& -3& -8& 0\\ 0& 0& -1& 0& 0\end{array}\right),G_C=\left(\begin{array}{ccccc}0& 0& 1& 0& 0\\ 0& 0& 3& 8& 0\\ -1& -3& 0& 3& 1\\ 0& -8& -3& 0& 0\\ 0& 0& -1& 0& 0\end{array}\right)$>和$>G_D=\left(\begin{array}{ccccc}0& 1& 0& -1& 0\\ 0& 3& 0& -3& 0\\ 0& 8& 0& -8& 0\\ 0& 3& 0& -3& 0\\ 0& 1& 0& -1& 0\end{array}\right)·$>

计算出该区块在每个Chou定义的标准权值矩阵下的加权平均值后，选出其最大值。

步骤104：计算像素的亮度掩盖值M_L(i,j)，计算公式为：

$>M_L(i,j)=\left(\begin{array}{cc}\max \{\mathrm{mg}\times (0.0001\times \mathrm{bg}+0.115)-0.01\times \mathrm{bg},17\times (1-\sqrt{\mathrm{bg}/127})+3\}& \mathrm{bg}\le 127\\ \max \{\mathrm{mg}\times (0.0001\times \mathrm{bg}+0.115)-0.01\times \mathrm{bg},3/126\times (\mathrm{bg}-127)+3\}& \mathrm{bg}>127\end{array}\right)---\left(4\right)$>

公式（4）中，bg为以第i行第j列像素为中心点的5x5像素组成的区块的平均加权背景亮度L(i,j)，mg为以第i行第j列像素为中心点的5x5像素组成的区块在4个Chou定义的标准权值矩阵下的加权平均值的最大值。

其次，图像中像素的纹理掩盖值的计算过程是：

步骤201：以待计算纹理掩盖值的像素为中心点，选取所述中心点周围3x3像素的区块。当中心点为图像边缘点时，采用拓展的方式拓展3x3像素区块，此时，对于本不在图像中的像素，其像素灰度值取0。

步骤202：根据公式计算计算纹理掩盖值；其中，x_i为中心点的像素灰度值，为区块各个像素的像素平均值（即像素灰度值之和除以像素数）。

最后，图像中像素的边缘掩盖值的计算过程是：

步骤301：使用拉普拉斯滤波器对原始图像进行滤波处理，得到边缘特征图像。

步骤302：使用Canny算子对边缘特征图像进行特征提取。

步骤303：使用膨胀算法对经过特征提取的边缘特征图像进行膨胀处理。

步骤304：将边缘特征图像与经过膨胀处理的图像的对应像素相乘，得到像素的边缘掩盖值M_T(i,j)。

步骤301-304通过Matlab软件即可实现。

综合视觉掩盖值表示图像中每一个像素点对失真的掩盖能力，同时也表示每一个像素点的JND（Just noticeable difference，最小可视差）值。利用图像的综合掩盖值，不仅能够比较像素点间掩盖能力的大小，寻找水印嵌入点，而且还能够约束水印的嵌入强度。图2为标准Lena图的综合视觉掩盖结果图，图中灰度值较大点为掩盖值较大的点。从图中可以看出，面部以及帽子等光滑区域的掩盖值较低，头发以及帽穗等纹理复杂区域的掩盖值较高，肩旁或者面部有些高亮度区域的掩盖值略高于周围，这说明了综合视觉掩盖值的合理性和正确性。

步骤3：对图像进行小波变换，得到图像中每个像素的低频分量小波系数、高频水平分量小波系数、高频垂直分量小波系数和高频对角分量小波系数。

小波系数具有局部化特性，即一个小波系数只与原始图像中局部的像素点有关，因此当水印嵌入到某个小波系数导致的改变，只会影响原始图像中局部的像素点。由此可知，小波系数的视觉掩盖值与原始图像对应局部区域的视觉掩盖特性存在对应关系。

以采用JPEG2000图像压缩标准中9/7小波，低通滤波器有9个抽头，高通滤波器具有7个抽头。因此，1次小波变换后的低频分量（LL）中某一个小波系数由原始图像中9x9的像素块决定，高频水平分量（LH）的小波系数由原图像中7x9的像素块决定，高频垂直分量（HL）的小波系数由原图像9x7的像素块决定，对角线细节分量由原图像7x7的像素块决定。

步骤4：利用综合视觉掩盖值分别计算低频分量小波系数的视觉掩盖值和高频对角分量小波系数的视觉掩盖值。

由于一个小波系数的视觉掩盖值由空域中多个像素的掩盖值决定，因此可以采用加权平均值的方法求解某一分量的小波系数的视觉掩盖值。以LL分量小波系数为例，根据短板效应原理，原始图像9x9像素块中越小的空域视觉掩盖值对LL小波系数的视觉掩盖的影响越大。因此，在计算加权平均值时将空域视觉掩盖值越小的像素赋予更大的权值，将其权值设为指数级增长；针对视觉掩盖值小于局部掩盖值平均值的像素点对应的权值进行放大处理，放大系数为局部平均掩盖值与该点掩盖值之商的3次方。这样可以保证当小掩盖值出现时，小波系数对应点的掩盖值会迅速降低，防止出现掩盖值虚高的情况。

以低频分量小波系数的视觉掩盖值为例，利用综合视觉掩盖值计算低频分量小波系数的视觉掩盖值采用公式：

$>M(i,j)=\frac{\underset{\left(\begin{array}{c}1\le i\le n\\ 1\le j\le m\end{array}\right)}{\Sigma }F(i,j)\times M_F(i,j)}{\underset{\left(\begin{array}{c}1\le i\le n\\ 1\le j\le m\end{array}\right)}{\Sigma }F(i,j)}---\left(5\right)$>

公式（5）中，M(i,j)为第i行第j列像素的低频分量小波系数的视觉掩盖值，M_F(i,j)为第i行第j列像素的综合视觉掩盖值。F(i,j)为第i行第j列像素的综合视觉掩盖值权值，并且$>F(i,j)=\left(\begin{array}{cc}1& p(i,j)\ge \bar{x}\\ {\left(\frac{\bar{x}}{p(i,j)}\right)}^3& p(i,j)<\bar{x}\end{array}\right),$>p(i,j)为第i行第j列像素的灰度值，为以第i行第j列像素为中心点的5x5像素组成的区块的像素灰度值平均值。公式（5）中，n为图像中像素的行数，m为图像中像素的列数。

利用综合视觉掩盖值计算高频对角分量小波系数的视觉掩盖值的方法与此类似。

步骤5：将水印序列平均分成2个水印子序列。

小波分解的特性使得低频分量具有较高的鲁棒性，高频分量具有较低的鲁棒性，而在同一小波分量内部的不同小波系数间鲁棒性差异不大，在同一小波分量内嵌入水印时，主要是考虑透明性。为了兼顾鲁棒性和透明性，本发明将水印平均分为2份，分别嵌入到9/7小波分解得到的低频分量和高频对角线分量中。

步骤6：确定低频分量小波系数嵌入水印的位置并嵌入一个水印子序列，确定高频对角分量小波系数嵌入水印的位置并嵌入另一个水印子序列。

以低频分量小波系数嵌入水印为例，确定低频分量小波系数嵌入水印的位置并嵌入一个水印子序列的过程是：

步骤101：对每个像素的低频分量小波系数按照该像素的低频分量小波系数的视觉掩盖值的大小排序，得到第一序列C_k(i,j)。C_k(i,j)为第一序列中第k个低频分量小波系数，而(i,j)为第k个低频分量小波系数对应的像素。

步骤102：选择第一序列的前N个低频分量小波系数嵌入一个水印子序列。其中，N为水印子序列中水印的个数。

水印子序列中每个水印位（1或者0）嵌入到一个小波系数中，对于单点水印嵌入，通常的做法是将水印化为二进制序列，然后转化成-1/1序列，对于每个1位，则将嵌入点的小波系数增加；如果为-1，则将嵌入点的小波系数减少。

对于每一个小波分量，水印嵌入量为定值，所以嵌入水印后的图像质量只跟水印嵌入位置和嵌入强度相关。根据本发明确定小波系数的视觉掩盖值，最简单的方法是选择分量内掩盖值较大的小波系数嵌入水印。因此，本发明选择前N个低频分量小波系数嵌入一个水印子序列，其嵌入采用公式：

C_k′(i,j)=C_k(i,j)+watermark(k)×M(i,j)×embedpower   （6）公式（6）中，C_k′(i,j)为第一序列中第k个低频分量小波系数嵌入水印后的值，watermark(k)为水印子序列中的第k位水印值，M(i,j)为低频分量小波系数C_k(i,j)的视觉掩盖值，embedpower为设定比例系数。

由于综合视觉掩盖值包含着原始图像的JND信息，能够表示原始图像每一个像素点在不引起视觉失真的情况下允许嵌入水印的最大值。并且小波系数的视觉掩盖值与原始图像的综合视觉掩盖值具有相似性，因此本发明采用小波系数的视觉掩盖值可以作为水印嵌入强度的控制参数，即为公式（6）中的M_F(i,j)。此外，因为人眼对于不同分量的视觉敏感性不同，本发明还针对每个小波分量设置不同的比例系数来控制嵌入强度，即为公式中的embedpower。比如，对于具有高透明性的高频分量可以增加嵌入强度以提高鲁棒性。

对于向高频对角分量小波系数嵌入水印，其过程与步骤11-12一致。

步骤7：对嵌入水印序列的低频分量小波系数、高频水平分量小波系数、高频垂直分量小波系数和嵌入水印序列的高频对角分量小波系数进行小波反变换，得到嵌入水印的图像。

以上是本发明设计的基于小波变换和视觉特性的自适应图像水印嵌入方法的实施过程，其示意图如图3所示。水印提取的流程基本是嵌入过程的逆过程，在此不再详细描述。图4给出了对三幅标准的512×512灰度图像（Boat，Lena，Peppers）采用本发明的水印嵌入方法生成的含水印图像，在经过多种不同强度的攻击后提取出水印的效果图。其中，嵌入水印后的含水印图像的PSNR值不低于35dB，视觉质量基本无失真。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。