基于顯著目標(biāo)的圖像認(rèn)證與自恢復(fù)

石艷嬌，張 晴，易玉根

1(上海應(yīng)用技術(shù)大學(xué) 計(jì)算機(jī)科學(xué)與信息工程學(xué)院，上海 201418)2(江西師范大學(xué) 軟件學(xué)院， 南昌 330022)

1 引 言

隨著多媒體與網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，數(shù)字化圖像信息充斥于網(wǎng)絡(luò)及日常工作與學(xué)習(xí)中. 然而，利用一些易于使用的圖像編輯軟件，人們可以不留痕跡地任意編輯、修改或偽造數(shù)字圖像的內(nèi)容，如不加甄別地使用這些被編輯或篡改的圖像將造成嚴(yán)重后果，尤其是在醫(yī)療、軍事等一些敏感領(lǐng)域. 因此如何對(duì)數(shù)字圖像的真實(shí)性與完整性進(jìn)行認(rèn)證受到研究學(xué)者的廣泛關(guān)注. 脆弱水印技術(shù)是解決該問(wèn)題的一個(gè)有效工具和途徑，并且已被廣泛用于多媒體認(rèn)證領(lǐng)域[1，2].

Walton[3]首次提出用脆弱數(shù)字水印的方法實(shí)現(xiàn)圖像認(rèn)證， 該方法利用圖像中一些像素的7個(gè)最高有效位生成校驗(yàn)碼并作為水印嵌入到其最低有效位中. 該方法原理簡(jiǎn)單易于實(shí)現(xiàn)，為后來(lái)的基于脆弱水印的圖像認(rèn)證指明了方向. Celik等人[4]提出在多級(jí)層次下將圖像分塊并計(jì)算在各層次上的塊簽名. 最低層的較小圖像塊的簽名確保更高精度的篡改定位，較高層的圖像塊簽名可提供抗VQ攻擊的能力，而在最高一層，利用整個(gè)圖像計(jì)算得到的簽名則可抗偽造攻擊.

然而以上方法未考慮對(duì)被篡改的內(nèi)容進(jìn)行復(fù)原. 當(dāng)檢測(cè)到篡改時(shí)即需要發(fā)送方重新發(fā)送圖像，造成了網(wǎng)絡(luò)資源的浪費(fèi). 因此，在一些實(shí)際應(yīng)用中，在檢測(cè)到篡改后能夠恢復(fù)被篡改區(qū)域的原始內(nèi)容是十分必要的. 文獻(xiàn)[5]首次提出一種稱為"自嵌入"的水印方法用于重構(gòu)被篡改區(qū)域. 在自嵌入水印方法中，圖像或視頻的壓縮版本被嵌入到該載體本身. 在認(rèn)證端，提取的壓縮版本用于重構(gòu)被篡改部分. 近年來(lái)，涌現(xiàn)了一批用于圖像和視頻的自嵌入水印方法[6-9]. 在文獻(xiàn)[6，7]中，表示區(qū)域的主要內(nèi)容的數(shù)據(jù)將隱藏在兩個(gè)不同區(qū)域. 如果這兩個(gè)區(qū)域都遭到篡改，那么恢復(fù)將失敗. 這種現(xiàn)象被稱作"篡改一致"問(wèn)題. 為了降低篡改一致發(fā)生的概率，在文獻(xiàn)[8]中采用了多個(gè)描述編碼. 然而，這是以犧牲恢復(fù)質(zhì)量為代價(jià)來(lái)增強(qiáng)自恢復(fù)能力. 接下來(lái)，文獻(xiàn)[9]提出一種"參考共享"機(jī)制來(lái)解決這個(gè)問(wèn)題. 在該機(jī)制中，將根據(jù)不同區(qū)域的主要內(nèi)容信息生成的參考做為水印，并且由這些區(qū)域共享該水印. 在識(shí)別篡改區(qū)域后，使用完好的、未受攻擊區(qū)域的參考數(shù)據(jù)和原始內(nèi)容來(lái)恢復(fù)被篡改區(qū)域. 鑒于"參考共享"機(jī)制的優(yōu)勢(shì)，本文采用該機(jī)制實(shí)現(xiàn)圖像的自嵌入與自恢復(fù).

以上水印方法均是通過(guò)修改像素值將水印信息嵌入到圖像中進(jìn)而實(shí)現(xiàn)圖像的認(rèn)證與保護(hù)，這勢(shì)必將造成圖像中的像素值發(fā)生改變進(jìn)而帶來(lái)圖像失真. 雖然一般的水印嵌入方法均能夠保證這種失真不被人類視覺(jué)系統(tǒng)所感知，但在一些敏感的應(yīng)用領(lǐng)域如衛(wèi)星遙感、法律證據(jù)、醫(yī)學(xué)診斷圖像等，要求圖像盡量保留細(xì)節(jié)信息. 因此要求算法在提取秘密信息后能夠?qū)D像恢復(fù)至原始狀態(tài)，這就是無(wú)損水印方法. 在圖像遭受篡改攻擊情況下，在這些敏感應(yīng)用領(lǐng)域，也希望算法能夠無(wú)損恢復(fù)被篡改區(qū)域. 然而，圖像恢復(fù)質(zhì)量與成功恢復(fù)概率是兩個(gè)互相矛盾與制約的指標(biāo)，如何權(quán)衡二者的關(guān)系是該類算法中的一個(gè)難題.

在實(shí)際情況中，往往只關(guān)注圖像中的感興趣區(qū)域，而背景部分的微小失真并不會(huì)對(duì)后續(xù)的處理產(chǎn)生影響. 受此激發(fā)，本文提出一種基于顯著目標(biāo)的圖像認(rèn)證與自恢復(fù)方法. 該方法不僅能夠準(zhǔn)確識(shí)別與定位篡改，并能夠?qū)Υ鄹膬?nèi)容進(jìn)行分層恢復(fù). 對(duì)于不受關(guān)注的背景區(qū)域，只恢復(fù)其主要內(nèi)容而忽略其細(xì)節(jié)信息，對(duì)于圖像中的感興趣區(qū)域即顯著目標(biāo)，要做到無(wú)損恢復(fù). 換言之，不僅要保持其主要內(nèi)容，也要保護(hù)好其細(xì)節(jié)信息，以使其在一些敏感應(yīng)用領(lǐng)域仍具有使用價(jià)值. 在此前提下，如何保證在篡改后仍然能都準(zhǔn)確定位顯著目標(biāo)在圖像中的準(zhǔn)確位置以進(jìn)一步對(duì)其進(jìn)行無(wú)損恢復(fù)，是一個(gè)關(guān)鍵問(wèn)題. 為此，本文提出了一種合成圖像的思想. 該合成圖像利用圖像的主要信息生成. 在認(rèn)證端，一旦判定圖像遭到篡改，會(huì)首先恢復(fù)其主要內(nèi)容，這就能夠保證在嵌入前與恢復(fù)后的合成圖像一致，保證了提取完全一致的顯著目標(biāo).

2 基于顯著目標(biāo)的圖像認(rèn)證與自恢復(fù)

本文提出一種基于顯著目標(biāo)的圖像認(rèn)證與自恢復(fù)方法.在嵌入時(shí)，將整個(gè)圖像的主要信息及顯著目標(biāo)的細(xì)節(jié)信息生成參考位，分布式地嵌入到圖像中. 在接收端，當(dāng)含密圖像被認(rèn)證為完整時(shí)，無(wú)損恢復(fù)因嵌入操作造成信息損失的顯著目標(biāo)；當(dāng)圖像被判定為被篡改時(shí)，準(zhǔn)確定位被篡改區(qū)域后，恢復(fù)被篡改區(qū)域的主要信息，并進(jìn)一步無(wú)損恢復(fù)顯著目標(biāo)的細(xì)節(jié)信息. 本文提出算法的整體流程如圖1所示.

2.1 顯著目標(biāo)提取

顯著性檢測(cè)試圖模擬人類視覺(jué)系統(tǒng)，找到圖像或視頻中人眼感興趣區(qū)域. 由于其在目標(biāo)識(shí)別、目標(biāo)跟蹤、圖像檢索等領(lǐng)域都有廣泛應(yīng)用，受到越來(lái)越多學(xué)者的關(guān)注. 目前研究學(xué)者們提出很多經(jīng)典、有效的顯著性檢測(cè)方法[10-12]，而基于IMMR(Improved Multi-Manifold Ranking)的顯著性檢測(cè)方法[13]受到越來(lái)越多學(xué)者的關(guān)注

圖1 基于顯著目標(biāo)的圖像認(rèn)證與自恢復(fù)方法流程圖
Fig.1 Flowchart of saliency object based image authentication and self-recovery

圖2 顯著目標(biāo)提取效果圖Fig.2 Illustration of Salient object detection

在檢測(cè)性能上具有優(yōu)越表現(xiàn)，因此本文采用該方法進(jìn)行顯著性檢測(cè)，以更準(zhǔn)確地檢測(cè)出圖像中的顯著目標(biāo).

本文利用合成圖像而非原始圖像提取顯著目標(biāo)，以確保水印的嵌入不影響顯著目標(biāo)的提取結(jié)果. 對(duì)于彩色圖像，首先進(jìn)行降2采樣，然后將其三個(gè)顏色通道分解為8個(gè)位平面bc8，bc7，bc6，bc5，bc4，bc3，bc2，bc1，c=R，G，B. 稱bc8，bc7，bc6，bc5，bc4為最高有效位(Most Significant Bit，MSB)，稱bc3，bc2，bc1為最低有效位(Least Significant Bit，LSB). 降2采樣后的MSB被視為該圖像的主要信息. 因?yàn)樗∏度胨惴長(zhǎng)SB替換，因此為了使嵌入前后提取的顯著目標(biāo)一致，我們將顯著目標(biāo)的bc3，bc2和bc1 三個(gè)位平面置為"100". 基于降2采樣后圖像的MSB和修改后的LSB平面即為合成圖像，用來(lái)進(jìn)行顯著目標(biāo)提取. 圖2給出對(duì)于一張測(cè)試圖像分別使用原始圖像和合成圖像進(jìn)行顯著目標(biāo)提取的效果對(duì)比，結(jié)果顯示二者提取的顯著目標(biāo)基本一致，說(shuō)明合成圖像能夠代替原始圖像進(jìn)行顯著目標(biāo)提取.

2.2 水印生成與嵌入

本方法要保護(hù)的信息為圖像的主要信息以及其中的感興趣區(qū)域的細(xì)節(jié)信息，即待嵌入信息為下采樣圖像的MSB和顯著目標(biāo)的所有位平面. 受文獻(xiàn)[9]的啟發(fā)，嵌入到載體的并不是數(shù)據(jù)本身，而是由其生成的參考位，連同哈希數(shù)據(jù)，分布式的嵌入到載體中，從而實(shí)現(xiàn)較高的篡改恢復(fù)能力[9].

原始圖像的下采樣圖像的MSB及顯著目標(biāo)的所有位平面組成二進(jìn)制串B，作為被保護(hù)的對(duì)象. 設(shè)圖像的寬、高分別為w、h，用NSO表示顯著目標(biāo)的像素個(gè)數(shù)，那么B的長(zhǎng)度為15×(w×h/4)+24×NSO. 將B數(shù)據(jù)集置亂并分成長(zhǎng)度為L(zhǎng)d的M個(gè)子集. 記第k個(gè)子集的元素為dk,1,dk,2,…,dk,Ld，其參考位rk,1,rk,2,…,rk,L通過(guò)公式(1)得出：

(1)

其中A是偽隨機(jī)二值矩陣，其大小為L(zhǎng)r×Ld，Lr為參考位的長(zhǎng)度. 公式(1)中的計(jì)算為模2計(jì)算.在這一步中將生成Nref(Nref=15/2×w×h)位參考位，所以每組參考位的長(zhǎng)度應(yīng)確定為L(zhǎng)r=?Nref/M」. 置亂后的參考位將和哈希校驗(yàn)碼一同嵌入到載體圖像中. 在此使用置亂算法進(jìn)一步增強(qiáng)算法的安全性，并且偽隨機(jī)二值矩陣A的生成也是基于秘鑰的.

為了檢測(cè)篡改，本文使用哈希函數(shù)來(lái)生成校驗(yàn)碼，連同參考位一同嵌入到載體圖像中. 嵌入時(shí)，將圖像劃分為8×8的基本單元，將產(chǎn)生(w×h)/64個(gè)圖像塊.同時(shí)將參考位也化為為同等數(shù)量的組，每組中有480位.因此建立了圖像單元與參考位組的對(duì)應(yīng)關(guān)系. 對(duì)于每一圖像單元，利用其MSB信息和參考位生成96位哈希位. 哈希函數(shù)輸入端有微小的差別就會(huì)導(dǎo)致輸出端有極大變化，因此采用哈希碼作為驗(yàn)證碼.接下來(lái)將參考位和哈希位置亂并替換圖像塊的LSB. 矩陣A及置亂操作都是基于密鑰實(shí)現(xiàn)的，進(jìn)一步增強(qiáng)了算法的安全性.

2.3 篡改區(qū)域定位與內(nèi)容恢復(fù)

接收到圖像后首先認(rèn)證其真實(shí)性與完整性. 如圖像遭到篡改，利用可信信息對(duì)篡改區(qū)域的主要內(nèi)容和顯著目標(biāo)的細(xì)節(jié)信息進(jìn)行恢復(fù). 如圖像未受攻擊，則恢復(fù)顯著目標(biāo)細(xì)節(jié)信息即可.

2.3.1 篡改塊的定位

在接收端，首先將圖像劃分為8×8的圖像塊，提取LSB，并將所提取數(shù)據(jù)分為參考位和哈希位. 將該圖像塊的MSB和提取的參考位送入哈希函數(shù)中. 若生成的哈希碼與提取的哈希位不一致，則認(rèn)為該塊已被篡改.

2.3.2 圖像恢復(fù)

若圖像未受攻擊，則按照以下步驟無(wú)損恢復(fù)顯著目標(biāo)：

步驟1.構(gòu)建合成圖像. 由于在嵌入過(guò)程中并未改變圖像的MSB，可以保證在此步驟中的合成圖像與嵌入端的一致.

步驟2.通過(guò)公式(2)，利用下采樣含密圖像的MSB和提取到的參考位求解出顯著目標(biāo)信息：

(2)

其中DM和DSO為下采用圖像的MSB和顯著目標(biāo)的所有位平面信息，矩陣AM和ASO的列對(duì)應(yīng)于DM中的MSB和DSO中顯著目標(biāo)的所有位平面. 等式左側(cè)和ASO均為已知，目的是求解DSO. 如果該線性等式具有唯一解，那么便可以成功求解到顯著目標(biāo)的信息. 記向量DSO的長(zhǎng)度為L(zhǎng)SO，當(dāng)且僅當(dāng)矩陣ASO的秩等于LSO，即ASO的各列線性不相關(guān)，公式(2)存在唯一解，即可成功恢復(fù).

如果一個(gè)或多個(gè)塊被判定為被篡改，篡改塊的MSB和顯著目標(biāo)信息可通過(guò)公式(3)進(jìn)行恢復(fù)：

(3)

其中rk,e(1),rk,e(2),…,rk,e(v)為提取到的參考位，矩陣AE為矩陣A的對(duì)應(yīng)于可提取參考位的那些列，D(R，M)、D(T，M)和DSO分別為未篡改的MSB、篡改的MSB和顯著目標(biāo)信息. 將公式(3)改寫位如下形式：

(4)

3 實(shí)驗(yàn)結(jié)果與分析

在實(shí)驗(yàn)中，從THUS10000數(shù)據(jù)集中隨機(jī)選取一些測(cè)試圖像，進(jìn)行三方面的評(píng)估實(shí)驗(yàn)：水印嵌入對(duì)圖像視覺(jué)質(zhì)量的影響、無(wú)篡改情況下對(duì)顯著目標(biāo)的恢復(fù)能力、篡改情況下的恢復(fù)能力.

3.1 視覺(jué)質(zhì)量評(píng)估

在此使用峰值信噪比(Peak Signal to Noise Ratio， PSNR)對(duì)含密圖像的質(zhì)量進(jìn)行評(píng)估. PSNR定義為：

(5)

其中C(i，j)和S(i，j)分別表示在原始載體圖像與含密圖像的第i行第j列處的像素值. 表1列出了各測(cè)試圖像的PSNR值. 從中可以看出，PSNR值得范圍為37.79 dB 到38.17 dB，平均PSNR為37.93dB，達(dá)到了不可見的要求.

表1 部分測(cè)試圖像的PSNR值Table 1 PSNR of some test images

圖3顯示了一些原始圖像及相應(yīng)的含密圖像，其中圖3(a)和(d)分別為原始載體圖像，圖3(b)和(e)是相應(yīng)的含密圖像，從圖中可以看出，人眼幾乎觀察不到水印嵌入帶來(lái)的視覺(jué)失真. 事實(shí)上，由于水印嵌入是通過(guò)修改圖像像素值來(lái)實(shí)現(xiàn)的，因此這種由于水印嵌入而帶來(lái)的圖像失真必然是客觀存在的. 為了進(jìn)一步觀察水印嵌入對(duì)圖像質(zhì)量的影響，將圖3中的載體圖像與相應(yīng)的含密圖像做差，差值圖像分別如圖3(c)和(f)所示. 綜上可以看出，雖然水印嵌入帶來(lái)的失真在人眼可接受范圍內(nèi)，但這種圖像失真是客觀存在的，而本文提出方法能夠解決顯著目標(biāo)的失真問(wèn)題.

3.2 無(wú)篡改情況下對(duì)顯著目標(biāo)的恢復(fù)能力

為了使顯著目標(biāo)盡量保持其細(xì)節(jié)信息，本文的第一個(gè)目的是在無(wú)篡改情況下無(wú)損恢復(fù)顯著目標(biāo). 在接收端接收到圖4中的含密圖像后，首先對(duì)其完整性認(rèn)證. 被認(rèn)證為未受攻擊后，求解公式(2)中的未知項(xiàng). 同時(shí)利用接收到的含密圖像構(gòu)建合成圖像，提取顯著目標(biāo). 接下來(lái)即可對(duì)顯著目標(biāo)的細(xì)節(jié)信息進(jìn)行恢復(fù). 因?yàn)閳D像未受攻擊，因此顯著目標(biāo)的MSB是可信的，只有LSB由于水印的嵌入發(fā)生了改變. 所以此時(shí)只需恢復(fù)其LSB信息. 圖4(a)和(b)分別顯示原始圖像及所提取的顯著目標(biāo)，圖4(c)為恢復(fù)目標(biāo)細(xì)節(jié)后的圖像，圖4(d)為恢復(fù)目標(biāo)細(xì)節(jié)后圖像與原始圖像的差值圖像，為了便于觀察，將此差值放大30倍. 可以看出，顯著目標(biāo)部分的差值均為0，即顯著目標(biāo)被無(wú)損地恢復(fù)至未嵌入水印之前的狀態(tài). 從該實(shí)驗(yàn)可以看出，在無(wú)篡改情況下，本文提出方法能夠無(wú)損恢復(fù)顯著目標(biāo)區(qū)域.

圖3 嵌入前后視覺(jué)對(duì)比 (a)和(d)為原始的載體圖像，(b)和(e)為嵌入水印后的含密圖像，(c)和(f)為含密圖像與原始圖像的差值圖像Fig.3 Visual comparation between before and after embedding

圖4 無(wú)篡改情況下目標(biāo)細(xì)節(jié)的恢復(fù)效果圖(a)原始載體圖像，(b)顯著目標(biāo)檢測(cè)結(jié)果，(c)恢復(fù)顯著目標(biāo)細(xì)節(jié)后的圖像，(d)恢復(fù)目標(biāo)細(xì)節(jié)后圖像與原始圖像的差值圖像(×30)Fig.4 Recovery result of salient object without tempering

3.3 篡改情況下的恢復(fù)能力

為了驗(yàn)證算法在篡改攻擊下的恢復(fù)能力，對(duì)含密圖像進(jìn)行了部分篡改后的恢復(fù)實(shí)驗(yàn). 圖5(a)為接收到的含密圖像，圖5(b)為提取的顯著目標(biāo)掩膜，圖5(c)為對(duì)含密圖像進(jìn)行局部篡改的效果，圖5(d)為篡改定位結(jié)果，其中黑色區(qū)域表示被篡改區(qū)域，篡改率已經(jīng)達(dá)到37.76%. 圖5(e)為恢復(fù)后的結(jié)果，圖5(d)為恢復(fù)后圖像與原始載體圖像之間的差值，其中，為了便于觀看，將差值放大30倍進(jìn)行顯示. 可以看出，顯著目標(biāo)部分的差值為0. 從該實(shí)驗(yàn)可以看出，本文提出方法能夠?qū)崿F(xiàn)篡改區(qū)域的恢復(fù)和顯著目標(biāo)的無(wú)損恢復(fù).

圖5 篡改定位與恢復(fù)效果圖(a)含密圖像，(b)顯著目標(biāo) 檢測(cè)結(jié)果，(c)篡改攻擊效果，(d)篡改定位結(jié)果，(e)恢復(fù)后結(jié)果，(f)恢復(fù)后圖像與原始圖像之間的差值(×30)Fig.5 Result of tampering location

3.4 多篡改區(qū)域下的恢復(fù)能力

為了驗(yàn)證本文提出方法對(duì)多篡改區(qū)域的恢復(fù)能力，進(jìn)行了多篡改區(qū)域的實(shí)驗(yàn). 圖6(a)中給出帶有一架飛機(jī)的圖片，機(jī)身上的數(shù)字和字母可能攜帶了這架飛機(jī)的身份信息，因此對(duì)于辨別這架飛機(jī)的來(lái)源與目的都十分關(guān)鍵. 圖6(b)顯示利用IMMR方法得到的顯著目標(biāo). 第一種篡改方式為用機(jī)身上的其它圖案覆蓋機(jī)身上帶有關(guān)鍵信息的內(nèi)容，第二種篡改方式為在圖像的右下角增加一個(gè)風(fēng)箏圖像. 兩種篡改效果如圖6(c)所示. 用本文提出的方法進(jìn)行認(rèn)證與恢復(fù)的結(jié)果如圖6(d)～6(e)所示. 圖6(d)為篡改定位的結(jié)果，其中黑色區(qū)域表示檢測(cè)出的篡改區(qū)域. 圖8(e)為對(duì)篡改區(qū)域恢復(fù)主要內(nèi)容后效果，圖6(f)為恢復(fù)顯著目標(biāo)細(xì)節(jié)后的最終效果. 為了檢驗(yàn)是否實(shí)現(xiàn)了顯著目標(biāo)的無(wú)損恢復(fù)，將原始圖像圖6(a)與恢復(fù)后的圖像圖6(f)做差，差值如圖6(g)所示. 從圖中不難看出，圖片中的顯著目標(biāo)即飛機(jī)區(qū)域處差值為0，也就是說(shuō)，顯著目標(biāo)區(qū)域被零誤差地恢復(fù)出來(lái). 說(shuō)明對(duì)于多篡改區(qū)域的情況，本文方法仍然能夠進(jìn)行有效地恢復(fù).

圖6 多區(qū)域篡改定位與恢復(fù)效果圖(a)含密圖像，(b)顯著目標(biāo)檢測(cè)結(jié)果，(c)篡改效果，(d)利用本文方法進(jìn)行篡改定位結(jié)果，(e)恢復(fù)被篡改區(qū)域的主要內(nèi)容后的結(jié)果，(f)無(wú)損恢復(fù)顯著目標(biāo)后的最終結(jié)果，(g)最終恢復(fù)結(jié)果與原始載體圖像之間的差值(×30)Fig.6 Result of tampering location under multi-area tampering

圖7 某一顯著區(qū)域恢復(fù)主要內(nèi)容與恢復(fù)細(xì)節(jié)信息的效果對(duì)比圖(a)恢復(fù)主要內(nèi)容后的效果圖(b)恢復(fù)細(xì)節(jié)信息后的效果圖Fig.7 Visual comparation between before and after recovery of one part of salient object

圖7給出了某一顯著區(qū)域恢復(fù)主要內(nèi)容與恢復(fù)細(xì)節(jié)信息的視覺(jué)效果對(duì)比圖，其中圖7(a)給出恢復(fù)篡改區(qū)域主要內(nèi)容后的效果圖，并將圖中矩形框內(nèi)的區(qū)域進(jìn)行放大顯示，圖7(b)顯示的是恢復(fù)顯著目標(biāo)的細(xì)節(jié)信息后的效果圖，并將與圖7(a)中位于同一位置的區(qū)域進(jìn)行放大顯示. 從放大后的細(xì)節(jié)圖片可以看出，圖7(a)中機(jī)身上的文字信息已經(jīng)模糊不清，但恢復(fù)顯著目標(biāo)細(xì)節(jié)的圖7(b)中，卻能夠清晰地辨別出機(jī)身上的文字信息. 因此可以看出對(duì)圖像中的重要內(nèi)容進(jìn)行無(wú)損保護(hù)具有非常重要而實(shí)際的意義.

4 結(jié) 論

本文提出一種基于顯著目標(biāo)檢測(cè)的圖像認(rèn)證與自恢復(fù)方法，能夠使嵌入后圖像及篡改后圖像在敏感應(yīng)用領(lǐng)域仍具有使用價(jià)值. 通過(guò)自嵌入水印方法和無(wú)損嵌入技術(shù)，將顯著目標(biāo)的細(xì)節(jié)信息進(jìn)行了有效保護(hù).同時(shí)，當(dāng)圖像遭受一定程度的篡改攻擊時(shí)，也能夠?qū)崿F(xiàn)顯著目標(biāo)的無(wú)損恢復(fù). 實(shí)驗(yàn)結(jié)果驗(yàn)證了本方法在圖像認(rèn)證與保護(hù)方面的有效性. 但本文算法也存在一定局限性，即當(dāng)感興趣目標(biāo)過(guò)大時(shí)，則會(huì)導(dǎo)致恢復(fù)失敗.因此接下來(lái)的研究工作將關(guān)注于如何進(jìn)一步提高算法的恢復(fù)能力.