基于新聞文本圖像的魯棒水印算法

劉堯，杜慶治，馬迪南，龍華，3，邵玉斌，黃喜陽

（1.昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院，云南 昆明 650500；2.云南日報(bào)報(bào)業(yè)集團(tuán)，云南 昆明 650032；3.云南省媒體融合重點(diǎn)實(shí)驗(yàn)室，云南 昆明 650228）

0 引言

隨著信息技術(shù)的飛速發(fā)展，文本信息的使用變得頻繁起來。在新聞行業(yè)，新聞文本圖像承載著傳遞新聞信息的重要作用，隨著新聞文本圖像的廣泛傳播，其面臨著版權(quán)保護(hù)的問題，而魯棒性數(shù)字圖像水印算法就能較好地解決問題。

魯棒性數(shù)字圖像水印算法主要在空間域或變換域之中完成水印的嵌入，空間域算法較為簡單但魯棒性較差，常見攻擊會(huì)造成水印被破壞[1]；變換域算法是對圖像做某種局部或者全局變換，修改變換域參數(shù)來實(shí)現(xiàn)水印嵌入，從而有著更強(qiáng)的魯棒性。

在變換域文本圖像水印算法中，文獻(xiàn)[2]描述了文本水印現(xiàn)有的一些研究方法，例如文獻(xiàn)[3]提出了一種基于離散小波變換（Discrete Wavelet Transform,DWT）和離散余弦變換（Discrete Fourier Transform,DCT）的圖像水印算法，算法是將中文文本圖像經(jīng)過DWT 后選擇低頻子帶進(jìn)行DCT，然后選擇中低頻系數(shù)進(jìn)行水印的嵌入，嵌入水印后的圖像有著良好的不可感知性；文獻(xiàn)[4]將文獻(xiàn)[3]中的DWT 替換為了整數(shù)小波變換（Integer Wavelet Transform,IWT）并應(yīng)用于阿拉伯文本圖像，該算法在面對JPEG 壓縮時(shí)抵抗性較好。

上面描述的水印算法雖然在應(yīng)用到文本圖像上時(shí)都有著較好的不可感知性和魯棒性，但是它們都沒有利用文本圖像的背景與文本區(qū)域具有一定的差異性這一特征，導(dǎo)致不能將算法重點(diǎn)關(guān)注于文本區(qū)域，這是本文想要解決的問題一。在醫(yī)學(xué)圖像水印算法中，會(huì)將醫(yī)學(xué)圖像分為感興趣和非感興趣區(qū)域，其中感興趣區(qū)域包含著較多的病理信息，而非感興趣區(qū)域則是背景區(qū)域，由于這種差異信息，使這兩種區(qū)域在很多醫(yī)學(xué)圖像水印算法上被區(qū)別對待。文獻(xiàn)[5]通過算法得到醫(yī)學(xué)圖像的感興趣區(qū)域，然后使用DWT 和奇異值分解（Singular Value Decomposition,SVD）嵌入水印圖像，該方法有著良好的不可感知性和較高嵌入容量。所以本文提出將新聞文本圖像區(qū)分出區(qū)域，在文本區(qū)域進(jìn)行水印嵌入能夠更好的進(jìn)行版權(quán)保護(hù)。

現(xiàn)有的水印算法根據(jù)載體圖像分為灰度和彩色圖像水印算法，新聞圖像大多都是彩色圖像，彩色三通道圖相比灰度單通道圖在嵌入水印時(shí)有更多的選擇，但是現(xiàn)在很多算法只在單通道嵌入水印，沒有分析各通道能量，導(dǎo)致魯棒性不高，這就是本文想要解決的問題二。文獻(xiàn)[6]實(shí)現(xiàn)了一種DWT 與QR 分解的圖像水印算法，對圖像B 通道進(jìn)行DWT 變換后選擇子帶分塊，對子塊進(jìn)行QR 分解將水印嵌入到R矩陣中，該算法有著較好的不可感知性，但是對于高斯噪聲的魯棒性較差。文獻(xiàn)[7]提出一種基于DWT-SVD 彩色魯棒水印算法，它是將RGB 圖像變換后對Y分量進(jìn)行DWT 變換，并對子帶進(jìn)行SVD 分解，通過修改奇異值來嵌入水印，對濾波攻擊等魯棒性較差。文獻(xiàn)[8]在圖像Y分量進(jìn)行DWT 變換后對子帶進(jìn)行HD 和SVD 分解，并將結(jié)果與Schur分解結(jié)果進(jìn)行比較，得出融合HD 分解的算法具有更好的不可感知性和魯棒性，但是其對運(yùn)動(dòng)模糊等攻擊魯棒性較差。

根據(jù)上述討論發(fā)現(xiàn)，很多算法沒有對新聞文本圖像區(qū)分文本區(qū)域和其他區(qū)域，并且將二值水印嵌入到彩色圖像只在單通道進(jìn)行，沒有考慮通道中存在的能量特性，可能會(huì)將水印嵌入到能量低的部分，導(dǎo)致魯棒性不高。

針對上述兩個(gè)問題，本文提出了基于新聞文本圖像的魯棒水印算法，算法首先對新聞文本圖像使用大津閾值算法（OSTU）進(jìn)行區(qū)域區(qū)分，并保存文字區(qū)域像素點(diǎn)的坐標(biāo)進(jìn)行水印嵌入用來解決問題一。將新聞文本圖像轉(zhuǎn)換為YCrCb 格式，對Cb 和Cr 通道的文本區(qū)域像素點(diǎn)矩陣進(jìn)行DWT 變換，對LL 子帶進(jìn)行PCA（Principal Component Analysis,PCA）分析能量特性，根據(jù)規(guī)則選擇較大能量的主成分嵌入水印，最后將其與水印圖像進(jìn)行SVD 分解嵌入水印，從而解決問題二。

1 理論分析

1.1 文獻(xiàn)本區(qū)域分割

新聞文本圖像指的是在圖像上顯示著帶有豐富新聞信息的文本區(qū)域和帶有少量信息的背景區(qū)域的一類圖像，新聞文本區(qū)域與背景區(qū)域的區(qū)域差異性會(huì)非常明顯。由于這些新聞信息是圖像最主要的信息，所以為了對新聞信息進(jìn)行版權(quán)保護(hù)，本文提出一種基于新聞圖像的魯棒水印算法，水印算法的重點(diǎn)之一是將圖像的文本區(qū)域與其他區(qū)域進(jìn)行區(qū)分，從而將版權(quán)水印嵌入文本區(qū)域，這樣惡意攻擊者企圖破壞嵌入的版權(quán)水印時(shí)同樣也會(huì)對圖像本身造成極大破壞，所以將版權(quán)水印嵌入到文本區(qū)域會(huì)加深對新聞信息版權(quán)的保護(hù)。

假設(shè)將M×M大小的RGB 新聞文本圖像C轉(zhuǎn)換為灰度圖Cg，由于新聞文本圖像中文本區(qū)域與其他區(qū)域的灰度值存在較大差異，所以利用灰度值的差異可以將文本區(qū)域與其他區(qū)域進(jìn)行區(qū)分。本文使用文獻(xiàn)[9]中的OSTU 通過計(jì)算Cg的類間方差σ2(k)確定閾值T，灰度值大于T的為文本區(qū)域。

式中L為灰度圖Cg的灰度級(jí)個(gè)數(shù)。

將Cg經(jīng)過OSTU 后得到二值圖像C0，其中文本區(qū)域的點(diǎn)灰度值為255，其他區(qū)域點(diǎn)灰度值為0。

圖1a）來自于人民網(wǎng)微博發(fā)布的新聞文本圖像，從圖中發(fā)現(xiàn)文本區(qū)域與其他區(qū)域存在較大差異，通過OSTU 得到了文本區(qū)域與其他區(qū)域區(qū)分開的二值圖像C0，如圖1b）所示。

圖1 OSTU 前后圖

1.2 彩色圖像多通道嵌入

由于新聞圖像大多都是彩色圖像，所以本文算法考慮的是彩色圖像水印算法，而現(xiàn)有的彩色圖像水印算法嵌入二值水印時(shí)通常是在一個(gè)通道上進(jìn)行水印的嵌入，這樣就忽略了通道中存在的能量特性，容易將水印嵌入到能量低的部分中，導(dǎo)致算法的魯棒性不高，單通道上水印的嵌入如下所示：

將新聞文本圖像C轉(zhuǎn)換為YCbCr 格式得到矩陣CY、CCr、CCb。遍歷C0中各點(diǎn)的灰度值，將灰度值為255 的像素點(diǎn)作為文本區(qū)域像素點(diǎn)，得到Cr 通道表示文本區(qū)域的像素矩陣ACr。

對ACr進(jìn)行DWT 變換選擇低頻子帶LLCr，低頻子帶包含著圖像的主要信息，對其進(jìn)行水印嵌入會(huì)有較好的魯棒性[10]；然后進(jìn)行PCA，PCA 能夠在不損失圖像質(zhì)量的情況下降低圖像的維度。在本文中采用SVD 實(shí)現(xiàn)PCA 算法，將LLCr子帶按列相連接就可得到：

式中X表示低頻子帶系數(shù)向量。

首先對LLCr進(jìn)行標(biāo)準(zhǔn)化，公式如下所示：

對LLCrx進(jìn)行SVD 分解，公式如下：

式中：UCrx為左奇異值矩陣；VCrx表示右奇異值矩陣；σCr表示奇異值。

可以通過計(jì)算貢獻(xiàn)率來選擇降低的維度，貢獻(xiàn)率越大的主成分包含的圖像能量也就越大，第一主成分有著最大的能量[11]，所以進(jìn)行PCA 時(shí)一般會(huì)選取前m個(gè)主成分進(jìn)行保留，其主成分貢獻(xiàn)率和[12]為ACR(m)。計(jì)算貢獻(xiàn)率首先要計(jì)算標(biāo)準(zhǔn)化后矩陣的協(xié)方差矩陣，將協(xié)方差矩陣進(jìn)行奇異值分解后，通過奇異值計(jì)算貢獻(xiàn)率，公式如式（7）和式（8）所示：

式中：COV 為協(xié)方差矩陣；σ表示協(xié)方差矩陣奇異值；m為選取的主成分?jǐn)?shù)。文獻(xiàn)[13]提到ACR(m)的值超過85%時(shí)認(rèn)為選擇的主成分包含了大多數(shù)原變量中所包含的信息，假設(shè)降低維度至N，N＜M2，且ACR(N) ＞85%，降低維度后的子帶矩陣為LLCrp，將其進(jìn)行SVD 分解，如式（9）所示，從式中可以看到降維至N的矩陣LLCrp是將子帶LLCr的左奇異值矩陣UCrx與其前N個(gè)奇異值組成的矩陣相乘得到。

將N×N的水印圖像進(jìn)行SVD 分解后得到N個(gè)奇異值σW1,σW2,…,σWN，將其嵌入到載體圖像的奇異值中，如式（10）所示：

式中：α為嵌入強(qiáng)度；矩陣為LLCrp嵌入水印后的矩陣。

上述就是在Cr 通道進(jìn)行水印嵌入的過程。可以發(fā)現(xiàn)在單通道進(jìn)行水印嵌入時(shí)，假設(shè)主成分個(gè)數(shù)為m，且由式（8）得到ACR(m)=85%。當(dāng)嵌入水印的大小N＞m時(shí)，會(huì)有N-m個(gè)水印奇異值嵌入到載體圖像第m個(gè)之后的N-m個(gè)主成分奇異值中。而主成分的貢獻(xiàn)率是依次遞減的，貢獻(xiàn)率和為85%之后的主成分貢獻(xiàn)率非常低，代表著能量非常低，在這些主成分中嵌入水印會(huì)導(dǎo)致水印算法的魯棒性下降，同樣對其他通道單獨(dú)進(jìn)行水印嵌入會(huì)出現(xiàn)相同的結(jié)果。文獻(xiàn)[14-15]對灰度圖像進(jìn)行PCA 得到具有較大能量的主成分再進(jìn)行水印的嵌入，文獻(xiàn)[12]使用的是彩色載體圖像，也只是在單個(gè)通道進(jìn)行PCA，通過上述分析得知，在單個(gè)通道進(jìn)行水印嵌入會(huì)出現(xiàn)魯棒性下降問題，那么下面假設(shè)在新聞文本圖像的多通道進(jìn)行水印嵌入。

Y 通道表示圖像的亮度分量，在Y 通道進(jìn)行嵌入會(huì)較大影響不可感知性。Cr 和Cb 是色度通道，對人眼的敏感度較小且魯棒性較為相近，因此對Cr 和Cb 進(jìn)行水印嵌入。文獻(xiàn)[14]指出由式（8）得到的貢獻(xiàn)率之和為85%后的各主成分的貢獻(xiàn)率非常小，所以利用85%作為一個(gè)閾值，對一個(gè)通道的貢獻(xiàn)率之和為85%的主成分進(jìn)行水印嵌入之后，剩余的水印信息在另一個(gè)通道主成分進(jìn)行水印嵌入，這樣能利用各通道主成分的能量特性，實(shí)現(xiàn)更好的魯棒性。

假設(shè)Cb 通道貢獻(xiàn)率之和為85%的主成分?jǐn)?shù)為mCb，水印的大小為N×N，且mCb≤N，那么選擇嵌入的Cb 通道的主成分?jǐn)?shù)為m1=mCb，嵌入的Cr 通道的主成分?jǐn)?shù)為m2=N-m1，組成的主成分矩陣分別是LLCbp和LLCrp，如式（11）和式（12）所示：

式中：UCbx和UCrx表示左奇異值矩陣；σCb和σCr表示LLCb和LLCr的奇異值。

將LLCbp、LLCrp與水印圖像W進(jìn)行奇異值分解后進(jìn)行水印嵌入，如式（13）和式（14）所示：

式中：α1和α2表示Cb 和Cr 通道的嵌入強(qiáng)度；σW為水印的奇異值。

通過上述發(fā)現(xiàn)當(dāng)水印圖像信息都嵌入在了Cb 和Cr通道主成分貢獻(xiàn)率之和為85%的具有較大能量的主成分中，從而避免了在單通道嵌入時(shí)可能會(huì)將水印信息嵌入到貢獻(xiàn)率之和為85%之外的較小能量的主成分中，而將水印嵌入到各通道具有較大能量的主成分中會(huì)讓算法具有更好的魯棒性[16]。下面假設(shè)Cb 和Cr 通道的矩陣大小分別為4×4，水印圖像矩陣為3×3，將水印圖像分別按照上文所述方法嵌入到單通道和雙通道中，如圖2 和圖3 所示。

圖2 嵌入到Cb 單通道圖

圖3 嵌入到Cb 和Cr 通道圖

從圖2 和圖3 中可以看到，當(dāng)水印圖像維度大于圖像通道矩陣時(shí)，進(jìn)行PCA 后保留的主成分貢獻(xiàn)率之和為85%的主成分個(gè)數(shù)有部分水印信息會(huì)嵌入到低能量的主成分系數(shù)中，例如圖2中σW3就嵌入到低能量系數(shù)，奇異值分解后的奇異值0.676 5 中。而在圖3 中可以看到，將σW1和σW2嵌入到Cb 通道貢獻(xiàn)率之和為85%的主成分奇異值中后，剩下的水印奇異值σW3則嵌入Cr 通道貢獻(xiàn)率之和為85%的主成分奇異值3.094 6中，同時(shí)Cr和Cb 通道的魯棒性是相近的，嵌入其中會(huì)具有更好的魯棒性，驗(yàn)證了本文提出的算法提升水印魯棒性的可行性。

2 基于新聞圖像的魯棒水印算法

2.1 水印嵌入

水印的嵌入流程圖如圖4 所示。

圖4 水印嵌入流程圖

水印嵌入流程表示過程如下：

1）讀取大小為M×M的載體圖像C的灰度圖Cg，讀取大小為N×N的水印圖像W，通過OSTU 算法對Cg進(jìn)行文本區(qū)域分割得到圖像C0。

2）遍歷圖像C0，保存圖像上灰度值為255 的點(diǎn)坐標(biāo)到列表Hx中。

3）將載體圖像C轉(zhuǎn)換為YCrCb 格式，提取出Cb 和Cr 通道對應(yīng)Hx中坐標(biāo)的像素值，將其放入矩陣ACb和ACr中后進(jìn)行一級(jí)DWT 變換，得到低頻近似子帶LLCb和LLCr。

4）對LLCb子帶進(jìn)行PCA 計(jì)算各主成分的貢獻(xiàn)率，得到各子帶主成分貢獻(xiàn)率之和為85%的主成分?jǐn)?shù)mCb，并按照算法1 選擇嵌入的主成分。

算法1：主成分選取

其中：m1和m2表示LLCb、LLCr子帶PCA 后選擇的前m1和m2個(gè)嵌入的主成分?jǐn)?shù)。

5）將LLCb、LLCr的前m1和m2個(gè)主成分組成的矩陣LLCbp和LLCrp以及水印圖像W分別進(jìn)行SVD 分解，采用式（15）進(jìn)行水印嵌入。

式中：α1和α2為嵌入強(qiáng)度；σWi和σWj為水印圖像的奇異值；i和j表示第i和第j個(gè)奇異值。

6）對嵌入水印后的奇異值矩陣進(jìn)行逆SVD 分解后，通過逆PCA 提升維度得到LL和LL矩陣，將它們進(jìn)行逆DWT 變換后得到矩陣A和A。

7）將A和A中每個(gè)元素放入到Cb 和Cr 通道嵌入水印的坐標(biāo)位置就得到了嵌入水印的Cb 和Cr 通道圖像，然后通道合成轉(zhuǎn)換為RGB 格式就得到嵌入水印的圖像。

2.2 水印提取

水印提取流程圖如圖5 所示。

圖5 水印提取流程圖

水印提取流程表示過程如下：

1）將嵌入水印的圖像轉(zhuǎn)換為YCrCb 格式，將Cb 和Cr 通道按照Hx中的嵌入坐標(biāo)提取出像素點(diǎn)的像素值，分別形成矩陣BCb和BCr。

2）對BCb和BCr進(jìn)行一級(jí)DWT 變換，分別得到低頻子帶LL和LL。

3）對子帶LL和LL進(jìn)行PCA，保留前m1個(gè)和m2個(gè)主成分得到LL和LL，進(jìn)行SVD 分解得到奇異值σ和σ。

4）將奇異值根據(jù)嵌入準(zhǔn)則的逆運(yùn)算得到嵌入奇異值，對其組合得到提取水印的奇異值矩陣S'W，如式（16）和式（17）所示：

式中：i和j表示第i和第j個(gè)奇異值。

5）對奇異值矩陣S'W和矩陣UW、VW進(jìn)行逆奇異值分解，得到提取水印圖像W'。

3 實(shí)驗(yàn)結(jié)果及分析

3.1 實(shí)驗(yàn)設(shè)置

本文實(shí)驗(yàn)使用的仿真工具為pycharm。實(shí)驗(yàn)選取的載體圖像為1 024×1 024 大小的圖6a）、圖6b）、圖6c）、圖6d）4 幅新聞文本圖像，其中圖6b）和圖6c）都來自于人民網(wǎng)微博，圖6a）和圖6d）來自于人民日報(bào)微博。這幾張圖像上的顏色相差較大，并且上面表示文本區(qū)域的大小及內(nèi)容也不相同，用于實(shí)驗(yàn)更能驗(yàn)證本文算法對文本圖像的普適性。水印圖像為32×32 大小的二值圖像，如圖7 所示。Cr 與Cb 通道嵌入強(qiáng)度分別為1 和0.5。

圖6 載體圖像

圖7 水印圖像

3.2 評價(jià)指標(biāo)

本文采用的描述嵌入水印后圖像不可感知性的標(biāo)準(zhǔn)為峰值信噪比（PSNR）。PSNR 是用來對兩幅圖像之間的失真情況進(jìn)行對比，PSNR 越高則表示失真越小。公式如式（18）所示：

式中MSE 表示均方差。

對于魯棒性分析采用歸一化相關(guān)系數(shù)（NC）進(jìn)行評價(jià)。NC 的取值范圍為0～1，NC 值越大，越接近于1，表明水印算法對這種攻擊的魯棒性越好。歸一化相關(guān)系數(shù)的計(jì)算公式如式（19）所示：

式中：Wi,j為原水印各點(diǎn)像素值；W'i,j為提取水印各點(diǎn)像素值；i和j分別是第i行和第j列。

3.3 不可感知性測試及分析

表1 為圖6 進(jìn)行水印嵌入后的實(shí)驗(yàn)結(jié)果。4 幅圖像嵌入水印后在無攻擊時(shí)平均PSNR 為45.66 dB，提取水印NC 值都為1.0，有著良好的不可感知性，并且4 幅圖的PSNR 值相差不大，表明本文算法在一般情況下對新聞文本圖像都適用。

表1 無攻擊時(shí)水印的嵌入和提取

3.4 魯棒性測試及分析

為檢驗(yàn)本文算法的魯棒性，對嵌入水印的4 幅圖像進(jìn)行中值濾波（MF）、均值濾波（AF）、高斯噪聲（GN）、椒鹽噪聲（SP）、斑點(diǎn)噪聲（SN）、左上裁剪（CR TF）、中心裁剪（CR CT）、旋轉(zhuǎn)（RO）、曝光增強(qiáng)（EU）、曝光減弱（ED）、飽和度增強(qiáng)（SU）、飽和度減弱（SD）、對比度增強(qiáng)（CU）、對比度減弱（CD）、暖度增強(qiáng)（WU）、暖度減弱（WD）、JPEG（JP）、直方圖均衡（HE）、縮放（SC）攻擊后提取水印實(shí)驗(yàn)結(jié)果，如表2 所示。

表2 本文算法對常規(guī)攻擊的魯棒性（NC）

從表2 中發(fā)現(xiàn)，本文算法在面對中值、均值濾波攻擊時(shí)圖6a）和圖6d）的性能很好，平均NC 值在0.99 以上，圖6b）和圖6c）也表現(xiàn)良好，平均NC 值在0.96 以上。本文算法對于噪聲具有良好的抵抗性能，得到的NC 值都在0.98 以上。在修改圖像曝光、對比度等攻擊時(shí)，本文算法面對攻擊強(qiáng)度的加大，得到的NC 值沒有明顯變化，除此之外在面對縮放攻擊時(shí)本文算法表現(xiàn)較好。對于裁剪攻擊，由于文本區(qū)域都集中在圖像中心，所以對中心進(jìn)行大范圍裁剪會(huì)導(dǎo)致水印被大幅度去除，這也會(huì)導(dǎo)致圖像的有效信息被大量破壞，其中對圖6a）中心區(qū)域裁剪400×400 像素后的NC 值只有0.283。在面對旋轉(zhuǎn)和直方圖均衡攻擊時(shí)，旋轉(zhuǎn)1°時(shí)NC 值就有了一定的下降，并且圖6a）和圖6b）經(jīng)過直方圖均衡后提取的NC值只有0.886 和0.756，因此本文算法抗旋轉(zhuǎn)和直方圖均衡的能力較差。

為了進(jìn)一步驗(yàn)證本文算法的魯棒性，在進(jìn)行OSTU后，將本文算法與文獻(xiàn)[8]和文獻(xiàn)[11]中的算法進(jìn)行比較，選擇圖6a）為載體圖像，水印圖像不變，結(jié)果如表3所示。

表3 本文算法與文獻(xiàn)[8,11]對常規(guī)攻擊的魯棒性（NC）

本文算法在濾波攻擊上NC 均值為0.997，文獻(xiàn)[8]和文獻(xiàn)[11]算法NC 均值分別為0.989 和0.986，表明本文算法的抗濾波攻擊性能最好。三種算法對于噪聲攻擊都表現(xiàn)良好，不過本文算法處于領(lǐng)先地位。本文算法在噪聲攻擊下的NC 均值為0.998，而文獻(xiàn)[8]和文獻(xiàn)[11]的NC均值為0.984 和0.982。本文算法在旋轉(zhuǎn)攻擊時(shí)表現(xiàn)較差，NC 值為0.966，文獻(xiàn)[8]和文獻(xiàn)[11]NC 值略高于本文算法，達(dá)到了0.972 和0.985。在抗JPEG 壓縮攻擊上，本文算法與文獻(xiàn)[8]和文獻(xiàn)[11]的NC 值分別為0.990、0.985、0.990，有著較好性能。在抗直方圖攻擊上，三種算法的魯棒性都較差。對于修改飽和度攻擊，文獻(xiàn)[11]最差，NC 均值為0.975，本文算法和文獻(xiàn)[8]NC 均值稍高于文獻(xiàn)[11]，分別為0.995、0.991。面對縮放攻擊時(shí)，三種算法都具有良好的魯棒性。而在其他攻擊時(shí)，本文算法得到NC 值都處于領(lǐng)先地位；在曝光和對比度修改上，本文算法的NC 均值為0.995，文獻(xiàn)[8]和文獻(xiàn)[11]NC均值為0.982 和0.976；在中心裁剪攻擊上，本文算法與文獻(xiàn)[8]和文獻(xiàn)[11]分別為0.982、0.995 和0.976；在修改暖度上，文獻(xiàn)[8]的魯棒性稍差，均值只有0.823，而本文算法與文獻(xiàn)[11]的均值分別為0.992、0.959，本文算法在抗暖度修改的攻擊上有著更好的魯棒性。

以上實(shí)驗(yàn)表明，在魯棒性方面本文利用Cr 和Cb 通道主成分分析的特性，留下了具有較大能量的主成分系數(shù)，從而實(shí)現(xiàn)增強(qiáng)算法的魯棒性。在與文獻(xiàn)[8]和文獻(xiàn)[11]算法的實(shí)驗(yàn)結(jié)果對比中驗(yàn)證了本文算法對于大部分攻擊具有較強(qiáng)的魯棒性。

4 結(jié)論

本文提出了一種基于新聞文本圖像的魯棒水印算法。對新聞文本圖像提取出了文本區(qū)域進(jìn)行水印嵌入，加深了對圖像的版權(quán)保護(hù)，并利用載體圖像不同通道之間的能量特性進(jìn)行水印嵌入，提高了水印算法的魯棒性。實(shí)驗(yàn)結(jié)果表明，本文算法對于濾波、噪聲、JPEG 壓縮等攻擊具有較好的魯棒性，驗(yàn)證了本文算法在載體圖像Cr 和Cb 通道經(jīng)過PCA 后具有較大能量的主成分中分別嵌入水印的部分信息能夠提高算法的魯棒性。由于本文算法抗旋轉(zhuǎn)攻擊能力較差，未來將會(huì)對水印算法進(jìn)行優(yōu)化，以得到更好的算法性能。

注：本文通訊作者為杜慶治。