基于視覺感知的立體圖像零水印算法研究

李琛，于水源

(中國傳媒大學 計算機學院，北京 100024)

基于視覺感知的立體圖像零水印算法研究

李琛，于水源

(中國傳媒大學 計算機學院，北京 100024)

人眼感知立體圖像，主要是對圖像內(nèi)容和深度信息的感知，而視點之間的差異是形成立體圖像深度感知的一個重要原因。本文基于人眼視覺感知特性，提出了視點零水印和視差零水印算法，視點零水印將視點圖像的亮度Y分量分塊做DCT變換，并根據(jù)DCT域中低頻系數(shù)的大小關(guān)系來構(gòu)造視點零水印，提高了水印的魯棒性和不可見性；視差零水印通過求取左右視圖的視差值，搜索得到左右視圖的匹配區(qū)域，根據(jù)匹配區(qū)域內(nèi)左右圖像塊的DC系數(shù)大小關(guān)系來構(gòu)造視差零水印。統(tǒng)計兩類零水印恢復率，達到對立體圖像質(zhì)量和立體感知質(zhì)量客觀評價的目的。實驗結(jié)果表明，該水印算法具有良好的魯棒性和不可見性，通過水印恢復率客觀評價圖像質(zhì)量和立體感知質(zhì)量，與人眼主觀評價具有一致性。

立體圖像；視點零水??；視差零水?。籇CT；水印恢復率

1 引言

立體視頻日趨普及，人們觀看立體視頻能夠獲得對場景身臨其境的感覺，這是由于立體視頻不僅能提供內(nèi)容信息，還能提供場景的深度信息。為保護視頻所有者的版權(quán)，通常會在立體視頻中嵌入數(shù)字水印。視頻是由連續(xù)播放的圖像組合而成的，圖像是視頻的主要表現(xiàn)形式之一。所以，對視頻問題的研究可以轉(zhuǎn)化到對圖像問題的研究。文獻[1]基于DCT變換的頻域水印算法，將經(jīng)過逆離散余弦變換的水印與載體信息相加，從而實現(xiàn)了頻域視頻水印的空域?qū)崿F(xiàn)。文獻[2]提出了一種基于內(nèi)容特征的視頻半脆弱水印算法，通過對視頻亮度分量進行計算，生成特征值并嵌入水印，可以定位幀內(nèi)惡意篡改。但是，傳統(tǒng)的水印算法需要改變原始數(shù)據(jù)，在一定程度上會破壞原始視頻的完整性，降低視頻質(zhì)量，影響其深度感。

為解決此問題，溫泉[3]等人提出了零水印的概念。在零水印技術(shù)中，通過提取媒體中的重要特征以及代表版權(quán)的水印信息來構(gòu)造零水印，生成的零水印并不直接嵌入原始媒體中，而是在權(quán)威的第三方版權(quán)保護數(shù)據(jù)庫中注冊，從而實現(xiàn)對版權(quán)的保護。文獻[4]提出了基于DCT變換的立體圖像零水印算法，根據(jù)立體圖像的左右視圖求出全局視差，利用左右圖像的對應(yīng)關(guān)系完成水印的嵌入。文獻[5]提出了一種基于DWT-SVD的圖像雙零水印算法，一個水印利用SVD空間向量能夠表征圖像的結(jié)構(gòu)特性的性質(zhì)，降低了水印提取時的虛警率；一個水印采用小波變換系數(shù)構(gòu)造零水印信息，提高了算法的魯棒性。實驗證明，零水印具有很好的不可見性和較高的魯棒性，但是以上算法局限于平面圖像，對立體圖像的嵌入也只考慮到視差因素，沒有充分考慮人類視覺特性，將二者融合應(yīng)用于立體圖像中。

人眼感知立體圖像，主要是對圖像內(nèi)容和深度信息的感知，而視點之間的差異是形成立體圖像深度感知的一個重要原因。本文結(jié)合各算法的優(yōu)勢，在人眼視覺感知基礎(chǔ)上，設(shè)計了針對圖像內(nèi)容的視點零水印和針對深度感知的視差零水印。

2 基于視覺感知的立體圖像零水印算法方案設(shè)計

數(shù)字水印按嵌入位置不同分為空域水印和變換域水印?？沼蛩⊥ㄟ^隨機選擇圖像空間中最不重要的像素位直接嵌入水印信息實現(xiàn)，該算法直接在空域中疊加水印信息，能簡單快速地實現(xiàn)水印的嵌入，但由于將水印信息嵌在圖像中最不重要的像素位，因而容易受到壓縮算法的攻擊，魯棒性差。變換域水印通過對原始信號進行DCT、DWT等變換，將數(shù)據(jù)從空域轉(zhuǎn)到變換域，在變換域中嵌入水印信息，再將含水印的數(shù)據(jù)從變換域轉(zhuǎn)回空域。在變換域中嵌入水印信息，可以將水印信號能量分布到空域中所有像素上，魯棒性較好。DCT 變換是變換域算法中最常用的一種水印算法，將圖像進行DCT變換，能量集中在低頻系數(shù)，一般的圖像攻擊也無法改變這部分數(shù)據(jù)，選擇低頻系數(shù)與版權(quán)信息來構(gòu)造零水印，具有很好的魯棒性和隱蔽性。

本文通過對離散余弦變換(DCT)域中圖像特性進行研究，將視點圖像的亮度Y分量分成不重疊的8*8大小的分塊，對其做DCT變換，根據(jù)DCT域中低頻系數(shù)的大小關(guān)系來構(gòu)造視點零水印。

根據(jù)人眼視覺特性，左右眼觀看到的畫面在視網(wǎng)膜上所成的像略有不同，通過大腦處理融合后會產(chǎn)生深度信息，左右視圖的視差信息是深度感知的重要線索。本文求取左右視圖的視差值，根據(jù)視差值水平搜索得到立體圖像左右視圖的匹配區(qū)域，根據(jù)匹配區(qū)域內(nèi)左右圖像塊的DC系數(shù)大小關(guān)系來構(gòu)造視差零水印。

圖1為本文提出的基于視覺感知的立體圖像零水印算法模型圖。

2.1 立體圖像視點零水印算法

我們選擇印有版權(quán)l(xiāng)ogo的二值圖像作為水印信息，在嵌入前會先對水印圖像進行置亂，置亂后的水印圖像無法辨認，在不知道置亂類型和恢復置亂所需參數(shù)情況下無法恢復水印圖像，保證了水印圖像的安全性。本文采用Arnold變換對水印圖像進行置亂。對于任意M>2，Arnold變換公式為

(1)

圖1 基于視覺感知的立體圖像零水印算法模型圖

Arnold變換周期N是使得上式成立的最小自然數(shù)n，那么，對M*M的二值水印圖像進行K次置亂，再對其進行N-K次可還原水印圖像。

再將視點圖像的Y分量8*8分塊，按塊進行DCT變換。最后對置亂后的水印像素位和視點圖像對應(yīng)塊中低頻系數(shù)大小關(guān)系值進行異或，相同則標記0，相反則標記1，標記位記錄于獨立文件中作為視點零水印，頻域中的低頻系數(shù)不作改變。最后進行DCT逆變換得到嵌完零水印后的視點圖像，由于并未更改頻域系數(shù)，該圖像質(zhì)量接近于原始圖像。檢測和提取水印是水印構(gòu)造的逆過程。

2.1.1 視點零水印的構(gòu)造

Step1 讀取M*M的二值水印圖像，進行K次Arnold置亂。

Step2 將載體圖像的Y分量8*8分塊，按塊進行DCT變換。由于低頻系數(shù)集中了圖像的絕大部分能量，穩(wěn)定性強，因此選擇低頻系數(shù)與水印像素位來構(gòu)造零水印，構(gòu)造過程如下：rationi=BLOCKi[1，1]>BLOCKi[1，2]?：1，0

(2)

signi=rationi⊕watermarki

(3)

(1)比較低頻系數(shù)BLOCKi[1，2]和BLOCKi[1，3]的大小關(guān)系，若BLOCKi[1，1]大于BLOCKi[1，2]，則標記relationi為1，否則標記relationi為0；

(2)將低頻系數(shù)關(guān)系值relationi與水印像素位watermarki進行異或。若二者同為1或者同為0，則不改變低頻系數(shù)BLOCK，將標記位signi記為0；若二者不同值，也不改變低頻系數(shù)BLOCK，將標記位signi記為1；

(3)對載體圖像當前塊i進行逆DCT變換；

(4)若i

Step3 將零水印sign存入文件，作為提取水印信息的公鑰，在權(quán)威的第三方版權(quán)保護數(shù)據(jù)庫中注冊。將水印圖像尺寸M*M作為提取水印信息的私鑰，保存在版權(quán)所有人手中。

2.1.2 視點零水印的檢測

檢測和提取水印是水印構(gòu)造的逆過程。

Step1 讀取公鑰文件，將零水印賦值給sign。

Step2 對失真視點圖像的Y分量進行8*8分塊，按塊進行DCT變換。選擇低頻系數(shù)與零水印來提取水印值，提取過程如下：rationi=BLOCKi[1，1]>BLOCKi[1，2]?：1，0

(4)

watermarki=rationi⊕signi

(5)

(1)比較低頻系數(shù)BLOCKi[1，2]和BLOCKi[1，3]的大小關(guān)系，若BLOCKi[1，1]大于BLOCKi[1，2]，則標記relationi為1，否則標記relationi為0；

(2)將低頻系數(shù)關(guān)系值relationi與零水印值signi進行異或。當零水印值signi為0時，則水印像素值watermarki與低頻系數(shù)關(guān)系值relationi相同，即watermarki=relationi；當零水印值signi為1時，則水印像素值watermarki與低頻系數(shù)關(guān)系值relationi相反，即watermarki=1-relationi；

(3)對載體圖像當前塊i進行逆DCT變換；

(4)若i

Step3 讀取私鑰，根據(jù)水印圖像尺寸M*M確定 Arnold 變換周期 N，將得到的水印信息再進行(N-K)次Arnold 變換，得到最終提取的水印圖像。

2.2 立體圖像視差零水印算法

立體圖像的左右視圖包含大量相似信息，雙目視差在物體邊緣表現(xiàn)最為明顯。圖2和圖3分別為立體圖像的左視圖和右視圖，方框中為兩者相似部分，視圖偏移距離為視差值。

圖2 左視圖

圖3 右視圖

求取左右視圖的視差值，最直接的方法是將左右視點圖像中每個點做匹配，然后逐一比較視差，但是這種匹配方法計算量巨大，且容易出現(xiàn)誤匹配。本文采用的方法是將立體圖像的左右視圖分別轉(zhuǎn)化為灰度圖，按列進行分割，立體圖像左右視圖被分割成許多對應(yīng)的圖像塊，這樣可以將在左右視圖中逐一尋找對應(yīng)點，求取視差的問題轉(zhuǎn)化為左右視圖灰度圖的分割，尋找左右視圖對應(yīng)圖像塊，求取圖像塊的視差問題。

視差值的計算最常用的方法有灰度差平方和灰度差絕對值等，本文采用灰度差絕對值和作為左右視圖的視差值，公式如下：

(6)

其中，W和H分別為視點圖像的寬高，IL和IR分別為左右視圖的灰度值，i表示左右視點圖像偏移列數(shù)，x，y分別為對應(yīng)像素坐標。

根據(jù)以上公式，求得Valuei的最小值，此時對應(yīng)的i值即為左右視圖的視差值。

2.2.1 視差零水印的構(gòu)造

Step1 讀取M*M的二值水印圖像，進行K次Arnold置亂。

Step2 求取左右視圖的視差值d，找到立體圖像左右視圖的匹配區(qū)域。

Step3 將左右視圖匹配區(qū)域的Y分量8*8分塊，按塊進行DCT變換。由于DC系數(shù)集中了圖像的絕大部分能量，穩(wěn)定性強，因此選擇DC系數(shù)與水印像素位來構(gòu)造零水印，構(gòu)造過程如下：

(1)比較左右視圖第i個圖像塊的DC系數(shù)大小關(guān)系，若lDCi大于rDCi，則標記relationi為1，否則標記relationi為0；

(2)將DC系數(shù)關(guān)系值relationi與水印像素位watermarki進行異或。若二者同為1或者同為0，則不改變DC系數(shù)，將標記位signi記為0；若二者不同值，也不改變DC系數(shù)，將標記位signi記為1；

(3)對左右視圖當前塊i進行逆DCT變換；

(4)若i

Step4 將零水印sign存入文件，作為提取水印信息的公鑰，在權(quán)威的第三方版權(quán)保護數(shù)據(jù)庫中注冊。將水印圖像尺寸M*M作為提取水印信息的私鑰，保存在版權(quán)所有人手中。

2.2.2 視差零水印的檢測

檢測和提取水印是水印構(gòu)造的逆過程。

Step1 讀取公鑰文件，將零水印賦值給sign。

Step2 求取失真左右視圖的視差值d’，找到立體圖像左右視圖的匹配區(qū)域。

Step3 對失真左右視圖匹配區(qū)域的Y分量進行8*8分塊，按塊進行DCT變換。選擇DC系數(shù)與零水印來提取水印值，提取過程如下：

(1)比較DC系數(shù)lDCi和rDCi的大小關(guān)系，若lDCi大于rDCi，則標記relationi為1，否則標記relationi為0；

(2)將DC系數(shù)關(guān)系值relationi與零水印值signi進行異或。當零水印值signi為0時，則水印像素值watermarki與DC系數(shù)關(guān)系值relationi相同，即watermarki=relationi；當零水印值signi為1時，則水印像素值watermarki與DC系數(shù)關(guān)系值relationi相反，即watermarki=1-relationi；

(3)對左右視圖當前塊i進行逆DCT變換；

(4)若i

Step4 讀取私鑰，根據(jù)水印圖像尺寸M*M確定 Arnold 變換周期 N，將得到的水印信息再進行(N-K)次Arnold 變換，得到最終提取的水印圖像。

3 實驗結(jié)果分析

本次實驗采用了1800*544左右格式的彩色立體圖像，左右圖像大小為900*544，水印圖像為二值圖像，大小為64*64，在Matlab上進行了仿真實驗。實驗中為了檢測算法的魯棒性，對載體圖像進行了多種攻擊。文中用線性歸一化值NC來衡量提取出來的水印與原始水印的相似性程度，計算公式如下：

NC=

(7)

其中，W(i，j)表示原始水印信息，W’(i，j)表示提取出的水印信息。

3.1 立體圖像視點零水印實驗

以右視圖為例，圖4分別為原始圖像、原始水印圖像和提取出來的水印圖像，圖5是幾種攻擊后的實驗結(jié)果。表1列出了圖像在受到攻擊后提取出的水印恢復率。

(a)原始圖像

(c)提取水印圖4 原始圖像、原始水印和提取出的水印

(d)0.09高斯噪聲NC=0.9318

(e)0.09椒鹽噪聲NC=0.9636

(b)原始水印

(f)JPEG壓縮Q=70 NC=0.9865 圖5 幾種攻擊后的實驗結(jié)果

攻擊類型參數(shù)NC值嵌入水印NC值高斯噪聲0.090.93180.83850.50.89890.8438椒鹽噪聲0.090.96360.90630.150.86600.8101JPEG壓縮70%0.98650.943730%0.95900.8412

本文視點零水印算法采用低頻系數(shù)和版權(quán)信息來構(gòu)造零水印，生成的零水印信息存放在獨立文件中，沒有對原始載體圖像做任何改變。實驗結(jié)果表明，視點圖像在受到以上幾種攻擊后，如高斯噪聲、椒鹽噪聲、JPEG壓縮攻擊，仍然能夠提取出清晰的水印信息，本算法具有很好的魯棒性和不可見性。而嵌入式水印算法在嵌入水印時對原始載體圖像進行了不同程度的修改，載體圖像在一定程度上遭到破壞，水印的不可見性和魯棒性都不盡如人意。

此外，對水印恢復率進行統(tǒng)計，可以客觀評價視點圖像遭受攻擊后的圖像質(zhì)量。

3.2 立體圖像視差零水印實驗

圖6分別為原始左視圖、右視圖、原始水印和提取出來的水印圖像，圖7是幾種攻擊后的實驗結(jié)果。表2列出了圖像在受到攻擊后提取出的水印恢復率。

(a)原始左視圖

(b)原始右視圖

(d) 0.09高斯噪聲NC=0.9222

(e) 0.09椒鹽噪聲NC=0.8724

(c)原始水印

(d)提取出的水印
圖6 原始左右視圖、原始水印和提取出的水印

(f)JPEG壓縮Q=70 NC=0.9808圖7 幾種攻擊后的實驗結(jié)果

攻擊類型參數(shù)NC值高斯噪聲0.090.92220.50.8989椒鹽噪聲0.090.87240.150.8750JPEG壓縮70%0.980830%0.9601

本文視差零水印算法利用匹配區(qū)域內(nèi)左右圖像塊的DC系數(shù)大小關(guān)系和版權(quán)信息來構(gòu)造視差零水印，當立體圖像受到攻擊時，左右對應(yīng)圖像塊的頻域系數(shù)變化趨勢一致。從實驗結(jié)果來看，當左右視圖受到高斯噪聲和椒鹽噪聲攻擊后，提取出來的水印信息恢復率不如視點零水印算法提取的高，但水印圖像仍然肉眼可辨；當左右視圖受到JPEG壓縮攻擊后，提取出來的水印信息恢復率高，水印較為清晰。

由于左右對應(yīng)圖像塊受到同樣的攻擊，直流DC系數(shù)大部分還保留原來的對應(yīng)關(guān)系，那么造成水印恢復率明顯降低的原因，可能與左右視圖對應(yīng)視差值的變化有關(guān)。攻擊可能造成左右視圖匹配區(qū)域發(fā)生改變，那么對應(yīng)的視差值也就發(fā)生變化，從而導致水印提取的區(qū)域與嵌入?yún)^(qū)域有些微不同，水印恢復率明顯降低。

4 結(jié)論

本文提出了基于視覺感知的視點零水印和視差零水印算法，視點零水印將視點圖像的亮度Y分量分塊做DCT變換，并根據(jù)DCT域中低頻系數(shù)的大小關(guān)系來構(gòu)造視點零水印，提高了水印的魯棒性和不可見性，統(tǒng)計水印恢復率，客觀評價了視點圖像遭受攻擊后的圖像質(zhì)量；視差零水印通過求取左右視圖的視差值，搜索得到左右視圖的匹配區(qū)域，根據(jù)匹配區(qū)域內(nèi)左右圖像塊的DC系數(shù)大小關(guān)系來構(gòu)造視差零水印，通過零水印恢復率可以判斷受攻擊后立體圖像的左右視差是否發(fā)生變化，從而客觀評價立體圖像的立體感知質(zhì)量。

本文提出的零水印算法擺脫了傳統(tǒng)水印嵌入算法的弊端，保證了原始立體圖像的良好質(zhì)量，實驗結(jié)果表明，該類零算法是具有很好的魯棒性和不可見性。通過統(tǒng)計水印恢復率，能夠客觀評價圖像質(zhì)量和立體感知質(zhì)量。

下一步的工作，就是基于人眼視覺感知，設(shè)計一個立體圖像質(zhì)量評價模型，利用該模型來學習兩類零水印恢復率(視點零水印和視差零水印)與主觀評價值的關(guān)系，并用訓練好的模型完成立體圖像質(zhì)量預(yù)測。

[1]張能歡，于水源.基于DCT變換的頻域視頻水印在空域中實現(xiàn)的性能分析[J].中國傳媒大學學報(自然科學版)，2014，(2)：40-45.

[2]唐萌佳，于水源.基于內(nèi)容特征的視頻半脆弱水印算法[J].中國傳媒大學學報(自然科學版)，2014，(5)：48-53.

[3]溫泉，孫錟鋒，王樹勛.零水印的概念與應(yīng)用[J].電子學報，2003，(2)：214-216.

[4]趙文龍，于水源.基于立體圖像水印算法的研究[J].中國傳媒大學學報(自然科學版)，2014，(6)：40-45.

[5]陳偉琦，李倩基.基于DWT-SVD的圖像雙零水印算法[J].計算機工程與科學，2014，(10)：1991-1996.

[6]Zhou W J，Yu M，Yu S M，Jiang G Y ，et al.A zero-watermarking algorithm of stereoscopic image based on hyperchaotic system[J]. Acta Physica Sinica，2012，61(8)：080701.

[7]周武杰，郁梅，蔣剛毅，彭宗舉，邵楓.基于視覺感知和零水印的部分參考立體圖像質(zhì)量評價模型[J].電子與信息學報，2012，(8)：1786-1792.

[8]岳斌，侯春萍. 立體視差調(diào)整的快速估計方法[J]. 天津大學學報(自然科學與工程技術(shù)版)，2013，(7)：571-578.

[9]Wang S，Zheng D，Zhao J Y，Tam W J，Speranza F. An image quality evaluation method based on digital watermarking [J]. IEEE Transactions on circuits and systems for video technology，2007，17(1)：98-105.

[10]Lin Y H，Wu J L. A digital blind watermarking for depth-image-based rendering 3D images[J]. IEEE Transactions on Broadcasting，2011，57(2)：602-611.

[11]黃西娟，王冰.一種DCT變換域的魯棒數(shù)字水印[J].計算機工程，2011.(20)：145-148.

[12]李春艷，婁七明，劉靖屏. Arnold置亂在零水印中的二次復用[J]. 網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2012，(12)：61-63.

[13]吳愛紅.面向立體圖像/視頻數(shù)字水印技術(shù)的方法研究[D].寧波大學，2012.

[14]莊曉梅.基于DCT域數(shù)字圖像魯棒水印方案的研究及實現(xiàn)[D].山東師范大學，2013.

[15]Wang Z，Bovik A C，Sheikh H R，et al. Image quality assessment：from error visibility to structural similarity[J]. IEEE Transactions on Image Processing，2004，13(4)：600-612.

(責任編輯：龍學鋒)

Zero-Watermarking Algorithm Research of Stereo Images Based on Visual Perception

LI Chen，YU Shui-yuan

(Computer Science School，Communication University of China，Beijing 100024，China)

The human eye’s perception to stereo image bases mainly on the perception of image content and depth information，and the difference between the viewpoints is an important clue for the depth perception of stereo image. In this paper，based on the characteristics of human visual perception，a view zero-watermark and disparity zero-watermark algorithm is proposed. In the algorithm，we choose the Y component of view image for respectively transforming in block DCT，and the view zero-watermark is constructed by the relationship between the low-frequency coefficients of block DCT，which improving the robustness and invisibility of the watermark. By computing the disparity according to the left and right views，we can work out their similar area，and the disparity zero-watermark is constructed by the relationship between the DC coefficients of left view and right view. By computing the recovery rate of two categories of zero-watermark，we can objectively evaluate the quality of image and stereo perception，which is consistent with the result of the subjective evaluation of the human eye. The experimental results show that the watermark is remarked for high robustness and invisibility.

Stereo images; view zero-watermark; disparity zero-watermark; DCT; the recovery rate of watermark

2015-10-10

國家科技支撐“3D視頻內(nèi)容渲染及水印管理系統(tǒng)研制”(2013BAH54F03)

李琛(1992-)，女(漢族)，江蘇南京人，中國傳媒大學計算機學院研究生.

TP309.2

A

1673-4793(2015)06-0028-07