采用Haar離散小波變換的彩色圖像水印算法研究

馬金發(fā)

(沈陽(yáng)理工大學(xué)，遼寧 沈陽(yáng) 110159)

采用Haar離散小波變換的彩色圖像水印算法研究

馬金發(fā)

(沈陽(yáng)理工大學(xué)，遼寧 沈陽(yáng) 110159)

提出一種基于Haar離散小波變換的彩色圖像水印算法，將載體圖像分解為88的圖像塊，對(duì)載體圖像塊的R、G、B分量和水印圖像進(jìn)行Haar離散小波變換，析出水印圖像的低頻小波系數(shù)。將低頻系數(shù)隱藏到兩個(gè)相鄰的載體圖像塊中的R、G、B分量。實(shí)驗(yàn)結(jié)果證明了算法的有效性，表明算法對(duì)抵抗多種攻擊具有較好的不可見(jiàn)性、較高的安全性和較強(qiáng)的魯棒性。

Haar離散小波變換；水印圖像；彩色圖像

近年來(lái)，網(wǎng)絡(luò)系統(tǒng)大量傳輸和接收數(shù)字?jǐn)?shù)據(jù)，對(duì)數(shù)字安全保護(hù)尤為重要，數(shù)字水印是一種保護(hù)數(shù)字安全最有效的方法之一。學(xué)者們提出了許多有關(guān)數(shù)字圖像水印方案，最常見(jiàn)的有空間域和頻率域技術(shù)，空間域技術(shù)調(diào)整圖像像素的低頻部分以確保水印的不可見(jiàn)性，頻率域技術(shù)將水印合并到圖像的變換系數(shù)[1]?；谧儞Q的水印算法極易將水印嵌入到圖像的視覺(jué)重要性系數(shù)中；由于很難去除未失真的圖像，使得水印具有更強(qiáng)的魯棒性[1-2]；常用的變換包括離散余弦變換(DCT，Discrete Cosine Transform)和小波變換。目前已有大量將數(shù)字水印嵌入到灰度圖像的方案[1-3]，在實(shí)際應(yīng)用中，絕大部分是彩色圖像，因此進(jìn)一步研究彩色圖像的水印算法更具現(xiàn)實(shí)意義。

彩色圖像的三個(gè)分量(R、G、B)中，針對(duì)JPEG壓縮攻擊R分量的魯棒性最強(qiáng)，而B(niǎo)分量的魯棒性最弱。因此，在R分量隱藏水印信息比在B分量隱藏水印信息更加安全。文獻(xiàn)[1]提出了一種基于離散小波變換(DWT，Discrete Wavelet Transform)的彩色圖像數(shù)字水印方案，將水印嵌入到Y(jié)IQ色彩空間中的Y和Q分量。文獻(xiàn)[2]研究將水印隱藏在R、G、B的88DCT塊的低頻系數(shù)中。文獻(xiàn)[4]提出采用全幀DCT對(duì)R、G、B分量進(jìn)行變換，選擇低頻系數(shù)隱藏水印。

目前，針對(duì)DCT已有大量研究成果，基于DWT的方法正受到越來(lái)越多的關(guān)注，DWT較DCT有很多優(yōu)勢(shì)，DWT與人類視覺(jué)系統(tǒng)(HVS，Human Visual System)的某些特性相近，具有良好的時(shí)頻分解特性，與新一代圖像壓縮標(biāo)準(zhǔn)相兼容[5]。還有其他流行的小波變換，像Daubechies小波、Mexican Hat小波和Morlet小波，但與Haar小波相比計(jì)算代價(jià)更高。另一方面，Haar小波變換簡(jiǎn)單、快速，逆變換沒(méi)有邊緣效應(yīng)，計(jì)算時(shí)不用臨時(shí)數(shù)組，更節(jié)省內(nèi)存。本文研究采用Haar-DWT的彩色圖像數(shù)字水印算法。

1 彩色圖像水印算法

采用DWT對(duì)圖像進(jìn)行二維離散小波變換，得到低頻(LL)、水平(HL)、垂直(LH)和對(duì)角(HH)四個(gè)分量，對(duì)低頻部分可以重復(fù)這一過(guò)程計(jì)算多尺度小波分解，二級(jí)離散小波變換結(jié)果如圖1所示。

LL1HL1LH1HH1HLLHHH

圖1 二級(jí)離散小波變換結(jié)果

對(duì)水印圖像進(jìn)行Haar離散小波變換，由于僅由低頻系數(shù)足以重建整個(gè)圖像，因此只將水印圖像的低頻系數(shù)隱藏到載體圖像。對(duì)于每一個(gè)要隱藏的系數(shù)，首先將其分離為3個(gè)數(shù)字，然后求得每個(gè)數(shù)字的等值二進(jìn)制數(shù)，每個(gè)數(shù)字對(duì)應(yīng)于一個(gè)等值的四位二進(jìn)制數(shù)，共計(jì)12位。

要隱藏這3個(gè)四位二進(jìn)制數(shù)，需要載體圖像的兩個(gè)相鄰圖像塊，將水印圖像的DWT的一個(gè)低頻系數(shù)隱藏到原始載體圖像的兩個(gè)相鄰8×8DWT圖像塊中。由于水印圖像的尺寸為64×64，因此，總共需使用2048個(gè)載體圖像塊。

1.1 水印嵌入算法實(shí)現(xiàn)步驟

本文算法實(shí)現(xiàn)步驟：

(1)讀取尺寸為512×512的24位彩色載體圖像；

(2)將載體圖像分解為8×8的圖像塊(共2048個(gè))；

(3)讀取尺寸為64×64的8位水印圖像；

(4)對(duì)水印圖像進(jìn)行Haar離散小波變換，析出低頻系數(shù)(僅隱藏水印圖像的低頻系數(shù))；

(5)對(duì)水印圖像的每一個(gè)低頻系數(shù)(共1024個(gè))采用本文提出的嵌入算法將其隱藏到兩個(gè)相鄰的8×8載體圖像塊中；

(6)對(duì)由嵌入算法返回的含水印的Haar離散小波變換塊進(jìn)行逆小波變換，合并含水印的圖像塊，獲得含水印的圖像。

1.2 水印嵌入算法流程

水印嵌入算法的流程圖如圖2所示。

圖2 水印嵌入流程圖

1.3 嵌入算法

嵌入算法的輸入?yún)?shù)為BL1、BL2和C，其中：BL1為載體圖像88的圖像塊；BL2為載體圖像8×8的相鄰圖像塊；C為水印圖像Haar離散小波變換的一個(gè)低頻小波系數(shù)。算法步驟如下：

(1)將系數(shù)C除2使其在0～255內(nèi)，C′=C/2；

(2)將系數(shù)C′分解為x、y、z三個(gè)數(shù)字(將數(shù)字x隱藏到R分量、y隱藏到G分量、z隱藏到B分量)；

(3)將x、y、z轉(zhuǎn)換為等值的四位二進(jìn)制數(shù)(將二進(jìn)制數(shù)的前兩位隱藏到BL1，后兩位隱藏到BL2)；

(4)對(duì)BL1和BL2的每個(gè)分量進(jìn)行Haar離散小波變換，得到R1、R2、G1、G2、B1、B2圖像塊，其中：R1為BL1的R分量Haar離散小波變換塊；R2為BL2的R分量Haar離散小波變換塊；G1為BL1的G分量Haar離散小波變換塊；G2為BL2的G分量Haar離散小波變換塊；B1為BL1的B分量Haar離散小波變換塊；B2為BL2的B分量Haar離散小波變換塊；

(5)采用移位運(yùn)算分別將四位二進(jìn)制數(shù)x、y、z的前兩位隱藏到R1、G1、B1，將四位二進(jìn)制數(shù)x、y、z的后兩位隱藏到R2、G2、B2；

(6)返回含水印的R1、R2、G1、G2、B1、B2圖像塊。

水印檢測(cè)算法是水印嵌入算法的逆運(yùn)算。

2 實(shí)驗(yàn)結(jié)果及討論

為驗(yàn)證算法的性能，載體圖像采用Baboon，尺寸為512512的24位彩色BMP圖像，水印采用“水印”，尺寸為64×64的8位單色BMP圖像進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)用圖像如圖3所示。

(a)載體圖像

(b)水印圖像

采用本文算法將水印圖像嵌入到載體圖像，結(jié)果如圖4a所示。從嵌入水印的圖像中提取出的水印圖像如圖4b所示。

(a)嵌入水印的圖像

(b)提取的水印圖像

對(duì)比圖3a和圖4a可看出，嵌入水印后的圖像質(zhì)量并未明顯降低，說(shuō)明該算法具有不可見(jiàn)性。對(duì)比圖3b和圖4b可看出，提取出的水印圖像質(zhì)量略微下降，但不影響水印的檢測(cè)。因此，主觀上可確認(rèn)該算法的有效性。

采用結(jié)構(gòu)相似度指數(shù)(SSIM，Structural Similarity Index Measurement)[6]評(píng)價(jià)含水印圖像的視覺(jué)質(zhì)量，圖3a與圖4a的SSIM值均為0.9987，客觀地說(shuō)明了該水印算法的不可見(jiàn)性；采用歸一化相關(guān)系數(shù)(NC，Normalized Ross-Correlation)評(píng)價(jià)原水印圖像與提取的水印圖像的相似性，圖3b與圖4b的NC值均為0.9998，表明該算法嵌入的水印具有可識(shí)別性。因此，客觀上證明了算法的有效性。

2.1 抗攻擊性能

為檢測(cè)算法的性能，對(duì)嵌入水印的Baboon圖像進(jìn)行各種攻擊，包括：高斯噪聲、椒鹽噪聲、銳化、放大、剪裁、旋轉(zhuǎn)等攻擊。表1為嵌入水印圖像經(jīng)各種攻擊的測(cè)試結(jié)果。

表1 多種攻擊測(cè)試結(jié)果

表中：SSIM為載體圖像與嵌入水印經(jīng)攻擊的圖像結(jié)構(gòu)相似度指數(shù)；NC為原水印圖像與提取的水印圖像的歸一化相關(guān)系數(shù)。

從表1可看出，該算法具有較好的不可見(jiàn)性；嵌入水印圖像遭各種攻擊后，提取的水印圖像與原水印圖像的歸一化相關(guān)系數(shù)值較高。說(shuō)明該算法對(duì)多種攻擊具有較強(qiáng)的魯棒性和較高的安全性。

2.2 抗JPEG壓縮性能

采用不同的JPEG質(zhì)量參數(shù)對(duì)含水印圖像進(jìn)行JPEG壓縮。即使采用質(zhì)量因數(shù)(QF，Quality Factor)為30(原圖像尺寸的4%)，仍可檢測(cè)到提取的水印圖像。表2為經(jīng)JPEG壓縮后提取水印圖像的PSNR。

表2 經(jīng)JPEG壓縮后提取水印圖像的PSNR

從表2可看出，本文算法可抵抗持續(xù)的JPEG壓縮攻擊，甚至可抵抗JPEG壓縮至原圖像尺寸的4%。

2.3 與其它算法比較

大多數(shù)基于DWT的水印算法以載體圖像的質(zhì)量為代價(jià)獲得魯棒性?；诖a分多址(CDMA，Code Division Multiple Access)的算法在很大程度上影響載體圖像的質(zhì)量，但圖像復(fù)原具有較強(qiáng)的魯棒性[3]。另一方面，部分基于濾波的水印算法在保持水印圖像不可見(jiàn)性的同時(shí)，提取水印的壓縮比僅達(dá)10～11%[7].將本文結(jié)果與文獻(xiàn)[3]算法和文獻(xiàn)[7]算法進(jìn)行比較。表3為水印嵌入和恢復(fù)耗時(shí)對(duì)比。

表3 水印嵌入和恢復(fù)耗時(shí)對(duì)比 s

從表3可看出，本文算法的水印嵌入和提取所用時(shí)間較文獻(xiàn)[3]算法顯著減少。從表1可看出，與文獻(xiàn)[3]算法比較，本文算法對(duì)嵌入水印后的圖像質(zhì)量沒(méi)有影響。從表2可看出，與文獻(xiàn)[7]算法比較，本文算法恢復(fù)水印數(shù)據(jù)可達(dá)4%的壓縮比。

3 結(jié)束語(yǔ)

提出一種基于Haar離散小波變換的彩色圖像水印算法。實(shí)驗(yàn)結(jié)果表明：該算法具有較好的不可見(jiàn)性；對(duì)抵抗JPEG壓縮等多種惡意攻擊具有較強(qiáng)的魯棒性和較高的安全性；水印嵌入和提取所耗時(shí)間更少；提取水印圖像可達(dá)4%的壓縮比。

[1]Guang min,Sun Yao Yu.DWT Based Watermarking Algorithm of Color Images[C].IEEE Conference on Industrial Electronics and Applications,2007.

[2]Kong Xiangwei,Ma Tao,Wei Wei,et al.Statistic-BasedColor Image Watermarking Scheme in DWT Domain[C].IEEE Proceedings of the Second International Conference on Machine Learning and Cybernetic,2003.

[3]Vikas Saxena,J P Gupta.Towards Increasing the Robustness of Image Watermarking Scheme Against Histogram Equalization Attack[C].Proceedings of IEEE 15th Signal Processing and Communication Applications Conference,Turkey,2007.

[4]Banf M,Bartolini F,Piva A .Multi Channel Watermarking of Color Images[J].IEEE Transactions on Circuits an Systems for Video Technology,2002,12(3):142-156.

[5]褚靜，徐安成，張美鳳.DWT和SVD相融合的彩色圖像水印算法[J].電視技術(shù)，2013，37(17)：29-32.

[6]李紅芳.基于梯度的結(jié)構(gòu)相似度圖像質(zhì)量評(píng)價(jià)方法研究[D].西安：西安科技大學(xué)，2012.

[7] Shih-Chang H.A High Robust Watermarking Algorithm using Sub Band Filtering[C].Proceedings of IEEE 10th International Multimedia Modelling Conference,2004.

(責(zé)任編輯：趙麗琴)

Study of the Watermarking Algorithm for Color Images Using Haar-DWT

MA Jinfa

(Shenyang Ligong University，Shenyang 110159，China)

The watermarking algorithm for color images using Haar-DWT is proposed.The cover image is divided into 8×8 blocks,Haar-DWT of the blocks of cover image is taken for R,G and B channel.Haar-DWT of the watermark image is taken and the low frequency coefficients are sepearated out,the low frequency coefficients are hidden in 2 adjacent Haar-DWT blocks of cover image for R,G and B channel.The experimental results show that this proposed algorithm is effective,the algorithm has good invisibility,higher security and more robustness to various kinds of attacks.

Haar-DWT;watermark image;color image

2015-01-08；

馬金發(fā)(1957—)，男，高級(jí)工程師，研究方向：信息安全、圖像處理.

1003-1251(2015)03-0028-04

TP391

A