一種基于WLD特征的盲檢測數(shù)字水印算法

鄭　偉，張大興，景陽帥

(杭州電子科技大學(xué) 計(jì)算機(jī)學(xué)院，浙江 杭州 310018)

?

一種基于WLD特征的盲檢測數(shù)字水印算法

鄭偉，張大興，景陽帥

(杭州電子科技大學(xué) 計(jì)算機(jī)學(xué)院，浙江 杭州 310018)

摘要提出了一種基于WLD特征的數(shù)字圖像盲水印算法。在圖像WLD特征的基礎(chǔ)上通過編碼、加密操作生成魯棒安全的全局水印信息，采用扇形分塊方案在圖像子塊DCT頻域中實(shí)現(xiàn)水印的嵌入操作。利用WLD全局統(tǒng)計(jì)的特性，提取和認(rèn)證水印的過程無需任何載體圖像信息的輔助。實(shí)驗(yàn)結(jié)果表明，文中盲水印算法的不可感知性較好，同時(shí)對加性噪聲、伽馬校正和剪切操作等具有較好的魯棒性，算法為認(rèn)證圖像信息的真實(shí)性提供了便利。

關(guān)鍵詞WLD特征；DCT變換；盲水印算法；魯棒性

數(shù)字圖像水印是在圖像中嵌入特定標(biāo)記的技術(shù)。根據(jù)目的和方法的不同，有不同的分類方法，如根據(jù)嵌入位置可分為空間域水印和變換域水??；根據(jù)水印應(yīng)用目的可分為魯棒水印和脆弱水??；根據(jù)水印提取是否需要原始圖像,水印算法又分為盲檢測水印和非盲檢測水印。通常變換域算法因?yàn)榫哂袑D像的視覺影響小的優(yōu)點(diǎn)而受到研究者的重視，這其中DCT變換水印又是比較常用的,這是因?yàn)镴PEG壓縮標(biāo)準(zhǔn)也是采用的DCT變換[1]操作，其他的變換操作還有離散傅立葉變換(DFT)[2]，離散小波變換(DWT)[3]等。本文利用圖像WLD特征[4]的全局統(tǒng)計(jì)特性來生成水印信息,采用扇形分塊方案在圖像子塊DCT頻率域中進(jìn)行水印的嵌入操作。實(shí)驗(yàn)結(jié)果表明該算法對視覺影響小，對常規(guī)操作有較好的魯棒性。

1關(guān)于WLD圖像特征

由Jie Chen等人提出WLD特征是一種既突出重點(diǎn)又統(tǒng)籌全局的紋理描述子，其基本思想來源于名為韋伯定律的心理學(xué)原理：感觸到某一事物的變化是由兩方面因素決定的，事物的變化程度以及事物自身原始強(qiáng)度。綜合尺度不變SIFT特征點(diǎn)[5]和LBP特征[6]的優(yōu)秀性能，WLD特征包含差分激勵(lì)ξ和方向角θ兩個(gè)分量。

圖1　卷積模板

差分激勵(lì)ξ描述了局部像素的變化強(qiáng)度，方向角θ刻畫了像素在水平方向和豎直方向上的相對值。區(qū)別于SIFT關(guān)鍵點(diǎn)只關(guān)心感興趣區(qū)域的特點(diǎn)，WLD是局部與整體相結(jié)合的描述子，不會出現(xiàn)因?yàn)閳D像光滑而沒有特征點(diǎn)的現(xiàn)象。圖1中卷積模板分別與載體圖像進(jìn)行卷積運(yùn)算，運(yùn)算結(jié)果分別按照式(1)和式(2)求得差分激勵(lì)ξ和方向角θ。其中，卷積模板(a)與(b)用于計(jì)算差分激勵(lì)，模板(c)與(d)用于計(jì)算方向角

(1)

(2)

對差分激勵(lì)ξ和方向角θ采用合理的參數(shù)進(jìn)行量化能得到魯棒的WLD特征。圖2(a)和(b)分別用WLD兩個(gè)分量描述Airplane圖，可看出WLD具有優(yōu)秀的特征刻畫能力。

圖2　圖像WLD特征

融合WLD兩個(gè)分量特征得到WLD二維特征WLD{ξ,θ}，二維特征可理解為一個(gè)二維矩陣，不同的行和列表示不同區(qū)間的差分激勵(lì)ξi和方向角θj。WLD二維特征有很好的全局描述能力，可用于盲水印和感知哈希等領(lǐng)域。

綜合分析，WLD特征具有以下優(yōu)勢：(1)對噪聲魯棒性較好。差分激勵(lì)計(jì)算公式中考慮到了自身像素值大小，因此可降低奇異像素值的影響；(2)抵抗伽馬校正能力強(qiáng)。圖1中卷積模板(a)計(jì)算了當(dāng)前像素與周圍像素的相對變化量，伽馬校正會影響全局像素，而不會影響相對變化量；(3)計(jì)算簡單。相對于SIFT特征點(diǎn)復(fù)雜的計(jì)算過程，WLD特征計(jì)算復(fù)雜度明顯低很多，且計(jì)算時(shí)間與圖像大小呈線性關(guān)系，與圖像具體內(nèi)容無關(guān)。

2數(shù)字圖像盲水印算法

2.1生成魯棒、安全水印信息

用載體圖像的WLD特征作為嵌入水印，為生成魯棒、安全的水印信息需要以下3個(gè)步驟：首先，提取載體圖像的WLD特征，且分別對其兩個(gè)分量ξ和θ進(jìn)行量化；其次，融合ξ與θ得到WLD二維特征，按照一定規(guī)則對二維特征編碼，得到二值化水印信息；最后，基于秘鑰K1對二值化水印信息置亂。

量化操作忽略了WLD特征的局部細(xì)節(jié)信息，提高水印的魯棒性。特征編碼抽象化WLD二維特征，生成的二值化水印具有更好的魯棒性，同時(shí)也降低了嵌入復(fù)雜度。置亂操作提高了水印的安全性，在無K1的情況下要知曉水印的組織結(jié)構(gòu)將是困難的。

2.2圖像分塊

圖像分塊是水印算法中重要的環(huán)節(jié)，不同分塊方案決定水印算法性能優(yōu)劣[7]。等面積環(huán)形分塊和等角度扇形分塊[8]是感知哈希算法中常用的兩種方法，圖3所示。借鑒并發(fā)展此分塊方案，文中將環(huán)形劃分和扇形劃分結(jié)合起來，等面積劃分圖像各個(gè)子塊。倘若環(huán)形劃分R份，扇形劃分A份，最后將得到R×A份等面積的圖像子塊。

圖3　圖像分塊特征

2.3水印嵌入

水印嵌入過程在DCT頻率域完成，具體嵌入位置保存在秘鑰K2中。水印信息是二值序列，通過提升和下降操作完成不同水印值的嵌入?？紤]到水印提取效果，采取在每個(gè)圖像塊中嵌入3份水印的拷貝的方案。假設(shè)K2映射出的3對相鄰中頻系數(shù)分別用(a1,a2)、(b1,b2)、(c1,c2)表示，具體嵌入操作如公式(3)描述。其中，公式中x依次表示3對中頻系數(shù)a，b，c

(3)

(1) 系數(shù)提升。水印數(shù)據(jù)為1時(shí)，約定每一對中頻系數(shù)差不小于閾值H，不滿足要求則進(jìn)行系數(shù)提升。系數(shù)提升是自適應(yīng)的：數(shù)值小的系數(shù)往負(fù)方向提升，數(shù)值大的系數(shù)往正方向提升；

(2) 系數(shù)下降。水印數(shù)據(jù)為0時(shí)，約定每一對中頻系數(shù)差不大于?×H，不滿足要求則進(jìn)行系數(shù)下降調(diào)整。下降與提升的方向相逆：數(shù)值小的系數(shù)往正方向下降，數(shù)值大的系數(shù)往負(fù)方向下降。水印嵌入完成后，經(jīng)過DCT反變換得到含水印的圖片。圖4描述了水印生成以及水印嵌入的流程。

圖4　水印嵌入流程

2.4水印提取

分塊提取水印數(shù)據(jù)，將各圖像塊的水印數(shù)據(jù)串聯(lián)起來便得到完整的水印信息。水印提取是水印嵌入的逆過程，按式(4)的原理依次分析3對中頻系數(shù)，分別提取水印數(shù)據(jù)

(4)

采取投票機(jī)制，選擇3次提取中的多數(shù)結(jié)果作為該子塊最終的提取結(jié)果。圖5是盲水印算法的認(rèn)證模型，參考水印的計(jì)算過程如上所示。完整的水印認(rèn)證流程無需原始圖像的輔助，因此文中算法屬于盲檢測水印算法。

圖5　盲水印算法認(rèn)證模型

3實(shí)驗(yàn)結(jié)果和分析

選擇10張尺寸512×512的標(biāo)準(zhǔn)測試圖作為測試圖片。文獻(xiàn)[4]推薦使用參數(shù)M=6,T=8, 分別對WLD特征ξ和θ進(jìn)行量化。串接10份WLD水印序列，最終二值水印長480 bit。圖像分塊參數(shù)R=12，A=40，共480個(gè)圖像塊。水印嵌入和提取過程中參數(shù)?=1/3，H=30，c=10。

3.1水印不可感知性

計(jì)算載體圖像與含水印圖像的PSNR和MSE，相關(guān)實(shí)驗(yàn)結(jié)果見表1。不難發(fā)現(xiàn)，表1中PSNR均在46以上，且MSE均<1.5。因此可得出結(jié)論，利用本文算法嵌入水印信息后水印的不可感知性較好。

3.2水印算法對常規(guī)操作的魯棒性

魯棒性檢測是在保持感知內(nèi)容不變的前提下，算法對常規(guī)有損操作的穩(wěn)健性[9-10]。本文的測試項(xiàng)目包括噪聲、模糊、壓縮和伽馬校正等幾種常規(guī)操作。表2詳細(xì)描述了各項(xiàng)測試的參數(shù)范圍以及采樣個(gè)數(shù)。

表1　水印不可感知性數(shù)據(jù)

表2　內(nèi)容保持類操作及參數(shù)

用平均PSNR與平均提取率來描述盲水印算法的魯棒性。平均提取率是指所有測試圖片經(jīng)過表2中某項(xiàng)指定參數(shù)范圍的操作后，提取出的水印與參考水印相同位數(shù)在水印總長度中的占比。從表3的實(shí)驗(yàn)結(jié)果可得出結(jié)論，盲水印算法對噪聲、模糊有一定的魯棒性，對伽馬校正的魯棒性最佳。本文水印還可以抵抗輕度的有損壓縮。

表3　魯棒性測試數(shù)據(jù)

3.3水印算法對剪切操作的魯棒性

采用隨機(jī)位置剪切的方式，分別測試了50×50～150×150等11個(gè)剪切面積不同的參數(shù)。圖6中(a)與圖6(b)展示了隨機(jī)位置、不同參數(shù)的剪切結(jié)果，圖6(c)圖用曲線圖的形式描述了算法對剪切操作的魯棒性能。

分析圖6 (c)圖數(shù)據(jù)，隨著剪切尺寸增大，水印的提取率逐漸下降。隨機(jī)位置剪切可能導(dǎo)致水印提取曲線出現(xiàn)局部極值點(diǎn)，但整體上是遞減形式。設(shè)定提取率0.85為閾值，對應(yīng)圖中紅色分界線。當(dāng)剪切尺寸為140×140，水印的提取率最低為0.89，但并沒有在閾值0.85之下?？傻贸鼋Y(jié)論，本文盲水印算法對剪切操作有較好的魯棒性。

圖6　對剪切操作的魯棒性

4結(jié)束語

WLD圖像紋理描述子既突出重點(diǎn)又統(tǒng)籌全局，水印嵌入前后提取的WLD特征能保持高度的一致性，適合用于數(shù)字圖像盲水印方案中。實(shí)驗(yàn)結(jié)果表明，本文算法對噪聲、模糊、剪切操作的魯棒性較好，尤其對伽馬校正模糊的魯棒性最佳。對于有損壓縮的抵抗性還有待提升的空間。今后的研究內(nèi)容將用多尺度WLD特征來進(jìn)一步提高對高斯噪聲和模糊操作的魯棒性，嘗試用矩函數(shù)來拓展文中盲水印算法對于幾何旋轉(zhuǎn)的盲檢測能力。

參考文獻(xiàn)

[1]Lakhani G.Modifying JPEG binary arithmetic codec for exploiting inter/intra-block and DCT coefficient sign redundancies[J].IEEE Transactions on Image Processing,2013,22(4):1326-1339.

[2]Solachidis V,Pitas I.Cireularly symmetric watermark embedding in 2D DFT domain[J].IEEE Transactions on Image Proeessing,2001,10(11):1741-1753.

[3]Mohammad Reza Keyvanpour,Farnoosh Merrikh Bayat.Blind image watermarking method based on chaotic key and dynamic coefficient quantization in the DWT domain[J].Mathematical and Computer Modelling,2013,58(1/2):56-67.

[4]Chen Jie,Shan Shiguang,He Chu,et al.WLD: A robust local image descriptor[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2010,32(9):1705-1720.

[5]Lowe David-G. Distinctive image feature transfrom scale-invariant keypoints[J]. International Journal of Computer Vision,2004,60(2):91-110.

[6]鄭永斌,黃新生,豐松江.SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的圖像匹配算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2010,22(2):286-292.

[7]黃繼武,Shi Yun Q,程衛(wèi)東.DCT域圖像水印:嵌入對策和算法[J].電子學(xué)報(bào),2000(4):57-60.

[8]Lv X,Wang Z J.Perceptual image hashing based on shape contexts and local feature points[J]. IEEE Transactions on Information Forensics and Security,2012(3):1081-1093.

[9]Chinmayee Das,Swetalina Panigrahi,Vijay K Sharma,et al.A novel blind robust image watermarking in DCT domain using inter-block coefficient correlation[J].Archiv fur Elektronik and Ubertragungstechnik: Electronic and Communication,2014,68(3):244-253.

[10] 丁志中,梁秋娟.一種基于關(guān)系和量化的強(qiáng)魯棒性盲水印算法[J].中國圖象圖形學(xué)報(bào),2010,15(1):31-36.

A Blind Detection Digital Watermarking Algorithm Based on WLD Features

ZHENG Wei, ZHANG Daxing, JING Yangshuai

(School of Computer Science, Hangzhou Dianzi University, Hangzhou 310018, China)

AbstractThis paper proposes a blind watermarking scheme based on the WLD features. The watermark information is a robust and security binary sequence, with the result of successively encoding, encryption operation based on WLD features. The sector partition scheme and embed watermark in introduced into the DCT frequency domain. Based on WLD global statistical characteristics, the watermark can be extracted and authenticated with out the aid of the host image. Experiments show that the watermark has a good invisibility with a good robustness to additive noise, gamma correction and shear operations. As a blind robust watermarking algorithm, our scheme offers convenient image authentication.

KeywordsWLD features; DCT transform; blind image watermarking; robustness

收稿日期:2015- 11- 09

基金項(xiàng)目:國家自然科學(xué)基金資助項(xiàng)目(61572160)

作者簡介:張大興(1971-)，男，博士，副教授。研究方向：多媒體信息安全。鄭偉(1990-)，男，碩士研究生。研究方向：多媒體信息安全。

doi:10.16180/j.cnki.issn1007-7820.2016.07.005

中圖分類號TP309.7

文獻(xiàn)標(biāo)識碼A

文章編號1007-7820(2016)07-015-04