基于SURF的ROI區(qū)域的可逆水印算法

夏蘭婷　陳青

摘 ?要： 針對ROI水印算法對幾何攻擊的抵抗能力較弱的問題，本文提出一種基于SURF（Speeded Up Robust Features）特征點選取ROI，并分別嵌入中、低頻子帶的可逆水印算法，能有效抵抗幾何攻擊。該算法首先提取載體的SURF特征點，然后對載體圖像進行5/3整數(shù)小波變換，篩選出感性興趣區(qū)域（ROI）的低頻系數(shù)和非感興趣區(qū)域（ROB）的中頻系數(shù);水印經(jīng)過置亂變換和抽樣金字塔分解，水印分解后的近似子帶嵌入感興趣區(qū)域的低頻子帶中，殘差子帶嵌入非感興趣區(qū)域的中頻系數(shù)中。實驗數(shù)據(jù)表明該算法能夠抵抗常規(guī)的幾何攻擊和信號攻擊，提取的水印相似度高，NC值均保持在0.89以上，具有良好的可逆性和魯棒性。

關(guān)鍵詞：?SURF特征檢測;ROI區(qū)域;抽樣金字塔分解;可逆水印

中圖分類號： TP391????文獻標識碼：?A????DOI：10.3969/j.issn.1003-6970.2020.02.027

【Abstract】： Aiming at the problem that ROI watermarking algorithm has weak resistance to geometric attacks， this paper proposes a reversible watermarking algorithm based on SURF （Speeded Up Robust Features） feature point selection ROI combined with medium and low frequency sub-bands， which can effectively resist geometry. attack. The algorithm first extracts the SURF feature points of the carrier， and then performs 5/3 integer wavelet transform on the carrier image to screen the low-frequency coefficients of the perceptual region of interest （ROI） and the IF coefficients of the non-region of interest （ROB）. The watermark undergoes scrambling transformation. And the sampling pyramid decomposition， the approximate subband of the watermark decomposition is embedded in the low frequency subband of the region of interest， and the residual subband is embedded in the intermediate frequency coefficient of the non-region of interest. The experimental data show that the proposed algorithm can resist conventional geometric attacks and signal attacks. The extracted watermarks have high similarity and NC values are above 0.8， which has good reversibility and robustness.

【Key words】：?SURF feature detection; Region of interest; Sampling pyramid decomposition; Reversible watermark

0??引言

在計算機網(wǎng)絡(luò)信息安全中，數(shù)據(jù)加密技術(shù)是一項非常有保障的計算機網(wǎng)絡(luò)信息保護措施[1]。數(shù)字水印技術(shù)的研究也逐漸成為圖像處理領(lǐng)域的一個熱點問題，通過該技術(shù)可以達到版權(quán)保護、篡改定位、完整性保護的目的[2]。水印系統(tǒng)應(yīng)該同時滿足不可見性和魯棒性的要求，但這兩者是互相矛盾的[3]。近年來，出現(xiàn)了許多抗幾何攻擊算法，使得抗幾何

攻擊水印算法成為研究的熱點。這類算法一般利用特征點的不變性，或者矩的不變性對遭受攻擊的圖像校正，然后再提取水印[4]。為了有效提高圖像水印算法抗幾何攻擊的能力，基于圖像特征點的第二代圖像水印技術(shù)得到了廣泛的關(guān)注[5]。

朱丹[6]等運用SIFT算法提取載體圖像的特征點，估計受攻擊的載體圖像的仿射參數(shù)并進行校正，提取出的水印雖具有較好的魯棒性，但是SIFT 算法計算量大，運行效率低。姚紹華[7]等人運用加速

魯棒性特征（Speed-Up Robust Features）算法提取圖像低頻子帶中穩(wěn)定的特征點和特征點描述符，利用特征點匹配對估計、校正含水印圖像的幾何攻擊參數(shù)。但是無法對ROI和ROB區(qū)域的系數(shù)分開嵌入水印，提取水印后恢復(fù)的載體圖像質(zhì)量不高。Fan Yu Chen[8]。在JPEG2000圖像中嵌入兩個水印，同時在JPEG2000圖像的ROI和背景區(qū)域中同時嵌入兩個數(shù)字水印。該算法對設(shè)計ROI水印具有指導(dǎo)意義，遺憾的是水印提取后無法恢復(fù)ROI數(shù)據(jù)，無法保證ROI的高質(zhì)量。Li Wenna[9]等人設(shè)計了一種Contourlet域的ROI可逆水印算法。該算法通過差分技術(shù)將水印嵌入到圖像ROI的Contourlet的子帶中，提取水印完成后能無損地恢復(fù)ROI的數(shù)據(jù)。該可逆水印算法對于感興趣區(qū)域的水印算法具有重要的借鑒意義。Keshavarzian[10]。將分塊水印嵌入在感興趣區(qū)域的低頻子帶系數(shù)中。該算法未能在提取水印后對感興趣區(qū)域數(shù)據(jù)恢復(fù)，屬于不可逆水印。奇異值代表了一幅圖像的本質(zhì)特性，水印嵌入后，在圖像受到簡單攻擊時，奇異值變化很小[11]，差分直方圖技術(shù)可以保證提取水印后ROI的高質(zhì)量。置亂可以增強水印的安全效果，劉艷華等人[12]對像素置亂、行列置亂、色彩飽和度置亂三種算法進行實現(xiàn)，得到對像素進行置亂的加密效果最好。針對以上問題，本文提出了一種基于ROI和SURF相結(jié)合的可逆水印算法，能夠抵抗信號攻擊和幾何攻擊，并能高質(zhì)量的恢復(fù)原圖。

1??相關(guān)理論

1.1 ?SURF特征檢測

SURF（speeded up robust features）是Bay等在SIFT算子基礎(chǔ)上提出的一種快速魯棒性局部特征檢測算法。一般來說，標準的SURF算子比SIFT算子快好幾倍，并且在多幅圖像下具有更好的魯棒性[13]。本文采用基于SURF特征的ROI選取。選取基本思想為：先計算積分圖像，對圖像做一回遍歷即可得所有像素點之和。再構(gòu)建Hessian矩陣[14]，對圖像進行高斯濾波，經(jīng)過濾波之后的Hessian矩陣表達式為：

如果Hessian矩陣的判別式存在局部極大值，那么當(dāng)前的點比周圍點更亮或更暗，可判斷為候選極值點。為了運算速度的提高，SURF使用了盒式濾波器來近似替代高斯濾波器。在定位極值點時，需要計算每一個像素點的Hessian判別式，若為正數(shù)，則像素點為局部極值點，反之不是。將得到的極值點作為候選特征點。再對該點鄰近的3*3*3的立方體鄰域進行非極大值抑制[15]，即將候選極值點與同尺度鄰域8個極值點和相鄰尺度18個極值點相比較，若該點的值仍為最大，那么可確定候選檢測點是該區(qū)域的特征點。

圖像Hessian矩陣行列式反映的是圖像各點的“曲率”，曲率越大表示該像素點的顯著性越高，對ROI 選取的貢獻越大。特征點貢獻度定義為

2.2 ?水印提取

水印提取的具體步驟如圖2所示。

（1）利用遭受了幾何攻擊后的含水印載體的SURF特征點S?和原始載體?SURF特征點S，校正遭受幾何攻擊的含水印載體。

（2）校正后的圖像進行三級整數(shù)小波變換，分別提取ROI中的系數(shù)和ROB中的系數(shù)。

（3）利用差分直方圖可逆水印算法提取感興趣區(qū)域LL3子帶中的水印近似子帶信息，并恢復(fù)ROI的小波子帶數(shù)據(jù)。

（4）利用奇異值分解的算法提取ROB中LH3、LH2、LH1的水印殘差子帶信息L2、L1、L0。提取方式和嵌入方法類似，對各個h×h分塊進行SVD分解A?=US?VT，并計算d=floor（S?（1，1）/q），其中floor為向下取整，S?（1，1）為每個子塊的第一個奇異值。計算mod（d，2）的值，采用奇偶判別式（11），提取每個分辨率的水印的子帶信息。

（5）對步驟（3）和步驟（4）中提取的水印子帶信息進行抽樣金字塔重構(gòu)。再對重構(gòu)的圖像進行Arnold反變換，即可得到提取出的水印。

3??結(jié)果分析和討論

實驗環(huán)境為MATLAB2014a，分別進行不可見性測試、多分辨率提取測試和魯棒性測試。實驗載體為512×512的灰度圖像，水印為32×32的二值圖像“USST”。Arnold的置亂次數(shù)設(shè)置為10，ROB水印的嵌入強度為6。

3.1??不可見性測試

實驗的載體圖像分別為Lena，Airplane。水印在ROB的嵌入強度為6，嵌入水印后得到圖像，如圖3所示，峰值信噪比（PSNR）如表1所示。未受攻擊時，PSNR均大于38，且提取后NC為1，不可見性很好。

使用逐漸檢測方法提取水印。當(dāng)重構(gòu)不同分辨率的圖像時，檢測相應(yīng)位置的水印抽樣金字塔的子帶信息。按照分辨率可伸縮的重要性排序，解碼分辨率增加時，提取水印圖像的抽樣金字塔子帶信息也在逐漸增加，水印圖像的分辨率逐漸提高，水印?NC值逐漸增大，從而滿足可伸縮水印的可檢測性。分辨率可伸縮水印的的檢測效果如圖5所示。不同尺度下水印維度提升為原水印大小時的?NC如表2所示，完全重構(gòu)時，可以提取完整的水印，水印技術(shù)對各級分辨率實行了保護。

3.3 ?魯棒性測試

圖像在傳輸過程中，自然會遭受信號處理或幾何攻擊，這會影響水印的提取，所以需要對嵌入的水印進行魯棒性測試。嵌入強度設(shè)置為6，對Lena水印圖像進行旋轉(zhuǎn)，縮放，組合攻擊和信號處理攻擊。

（1）幾何攻擊

根據(jù)本文提出的算法，對遭受攻擊的圖像進行校正后再提取水印，先分別對圖像只進行旋轉(zhuǎn)和縮放攻擊，測試的旋轉(zhuǎn)角度設(shè)置為0-90°，縮放范圍設(shè)置為0.5-4.0。Masoumeh[15]。等人提出了差分直方圖可逆水印算法。該算法首先計算原始圖像的差分，統(tǒng)計圖像差分直方圖并求得峰值，通過峰值嵌入水印。兩者對比結(jié)果如表3所示。

組合攻擊是指將旋轉(zhuǎn)、縮放和平移攻擊同時進行，并與文獻[16]的測試數(shù)據(jù)相比較，對比結(jié)果見表4，其中R、S、T分別表示旋轉(zhuǎn)、縮放和平移攻擊。

分析表中數(shù)據(jù)各值：對于平移、旋轉(zhuǎn)、縮放等幾何攻擊和三者分別的組合攻擊，本文算法提取出的NC值均在0.89以上，在旋轉(zhuǎn)角度90°時能達到NC值為1。尤其對于縮放的魯棒性檢測最好，在縮放因子為1.25、1.5、2、3、4 時，NC值均為1，可見在受到縮放攻擊時提取的水印仍然清晰可見。

文獻[16]的算法在受到旋轉(zhuǎn)、平移、縮放等幾何攻擊時，NC值只能達到0.6。對比數(shù)據(jù)發(fā)現(xiàn)，本文算法對于幾何攻擊有很好的魯棒性。

（2）信號處理攻擊

常規(guī)的信號處理攻擊主要有加噪和濾波兩種形式。實驗是通過改變噪聲的方差和濾波器窗口的大小來測試的。對比結(jié)果見表5。

分析表中數(shù)據(jù)各值：經(jīng)過常規(guī)的信號處理攻擊后，本文算法和文獻[16]算法提取水印的NC值均大于0.85，差別不大。所以在抵抗信號處理攻擊方面，本文算法的性能雖改善不大，但也都能保持NC值大于0.89，具有良好的魯棒性。

4??結(jié)束語

針對一般的水印算法抗幾何攻擊能力較差的問題，本文利用SURF特征點不變性的特點，提出了一種基于SURF特征點選取ROI區(qū)域的抗幾何攻擊可逆水印算法。載體圖像經(jīng)過SURF特征點提取后做三級整數(shù)小波分解，并且對水印做三級抽樣金子塔分解，水印的近似子帶嵌入ROI的低頻子帶，殘差子帶分別嵌入ROB的LH3、LH2和LH1中，形成可伸縮結(jié)構(gòu)。提取水印時，利用SURF特征點進行幾何校正，然后提取可伸縮水印。實驗結(jié)果表明，基于差分直方圖的可逆水印技術(shù)保證了提取水印后ROI的高質(zhì)量，SURF校正確保了嵌入水印能抵抗幾何攻擊，SVD分解保證了魯棒性。在沒有攻擊的情況下，可以提取未受損的可伸縮水印。含水印圖像遭受信號處理攻擊和幾何攻擊時，均能提取有效的水印，具有較強的魯棒性，具有一定的應(yīng)用價值。

參考文獻

尚永強.?計算機網(wǎng)絡(luò)信息安全中數(shù)據(jù)加密技術(shù)的探討[J].?軟件，?2018，?39（12）：?198-201.

WU J， YANG F， WU C. Review of Digital Watermarking for 2D-Vector Map[C]. [13]Green Computing and Communications.?IEEE， 2013：2098-2101.

張飛艷，?全桓立，?林立宇，?等.?基于奇異值分解的Contourlet域穩(wěn)健性數(shù)字水印算法[J].?計算機應(yīng)用研究，?2012，?29（04）：?1402-1404+1408.

BAS P， CHASSERY J M， et al. Geometrically Invariant Watermarking Using Feature Points[J]. Image Processing， 2002， 11（9）：1014-1028.

廖琪男. 基于?SIFT 特征點匹配的水印圖像幾何校正算法[J]. 計算機應(yīng)用研究， 2011， 28（6）： 2247-2249.

朱丹丹，?呂鯉志.?基于偽Zernike矩和Contourlet變換的抗幾何攻擊圖像水印算法[J].?計算機科學(xué)，?2016，?43（06）：?131-134.

陳青，?姚紹華，?陳祥.?基于SURF的NSCT域抗幾何攻擊水印算法[J].?包裝工程，?2018，?39（01）：?162-167.

FAN YU-CHENG， TSAO HEN-WAI. A Dual Pyramid Watermaring for JPEG2000[C]. International Conference on Advanced Information Networking and Applications， 2005：?239-242.

LI WENNA， GAO LIQUN， et al. A Blind Watermark Algorithm?for Medical Images Use ROI and Contourlet[J]. Journal of Harbin Engineering University， 2013，?34（7）：?918-923.

于海嬌，?孫劉杰，?李毓彬，?等.?基于QR碼的DWT-SVD數(shù)字水印算法[J].?包裝工程，?2015，?36（23）：?125-129+154.

KESHAVARZIAN R. A New ROI and Block Based Watermarking Scheme Using DWT[C]. Electrical Engineering.?IEEE， 2012：?1323-1328.

劉艷華. 數(shù)字圖像置亂加密解密技術(shù)的研究與實現(xiàn)[J].?軟件， 2018（3）：?141-144.

BAY H， TUYTELAARS T， GOOL L V. SURF：?Speeded Up Robust Features[J]. Computer Vision & Image Understanding， 2006， 110（3）： 404—417.

李永明.?基于Hessian矩陣的邊緣檢測方法[J].?激光雜志，?2014，?35（05）：?27-30+33.

侯翔，?閔連權(quán).?基于SURF特征區(qū)域的魯棒水印算法[J].?武漢大學(xué)學(xué)報（信息科學(xué)版），?2017，?42（03）：?421-426.

KHODAEI M， FAEZ K. Histogram-based Reversible Data Hiding[C]. Pacific Rim Conference on Advances in Multimedia Information Processing. Springer-verlag， 2010：?677-684.