基于PVO和自适应块分割的可逆水印算法制造技术

本发明专利技术公开一种基于PVO和自适应块分割的可逆水印算法，属于多媒体信息安全领域，该算法先根据局部纹理特征的复杂程度将图像块粗分成两类：平滑块和纹理块，再按照块内像素的相关程度将平滑块细分成两个子类：低平滑性的块和高平滑性的块。对于任一个低平滑性的块，按照像素值由低到高的顺序对其进行排序得到(pσ(1),pσ(2),…,pσ(n))，用pσ(n‑2)去预测pσ(n‑1)和pσ(n)或用pσ(3)去预测pσ(2)和pσ(1)，一个低平滑性的块至多能携带四比特水印信息。而对于高平滑性的块，将其分成只包含3个像素的子块，即(p1,p2,p3)，先对(p1,p2,p3)进行排序得到(pσ(1),pσ(2),pσ(3))，本发明专利技术通过仅修改pσ(3)来达到同时修改pσ(1),pσ(2)的目的，极大降低了嵌入失真。

【技术实现步骤摘要】
基于PVO和自适应块分割的可逆水印算法
本专利技术涉及一种多媒体信号处理领域，具体是指数字水印技术中的可逆水印算法。
技术介绍
传统的数字水印技术会造成宿主图像的永久性失真。但在一些实际应用中却不允许对宿主图像有一丁点的永久修改，比如医疗、军事和司法等领域。以医学图像为例，任何形式的失真都是不允许的。任何一幅医学图像的获取需要精密仪器的支持和昂贵的医疗费用，更为重要的是失真可能会造成潜在的误诊。例如，对于一幅ECG(electrocardiographic)信号图，任何一点信号曲线的异常都有可能被解释为某种病理特征。因此，传统的数字水印技术并不适用于医学图像。一种称为可逆水印的技术引起了越来越多人的研究与关注。可逆数字水印能以无损的方式将相关水印信息嵌入到宿主图像中，能在接收端有效地提取水印并精确恢复原始图像。如何在保持载体图像视觉质量的情况下显著提高水印嵌入的数据容量，成为近年来图像可逆水印算法研究的主要方向之一。Feng(F.Peng,X.L.Li,B.Yang,“ImprovedPVO-basedreversibledatahiding,”DigitalSignalProcessing,vol.25,pp.255-265,2014.)提出一种基于PVO和像素间位置关系的可逆水印技术。在Peng等人的方法中，原始图像被分成大小为n＝r×c的图像块。对于任意一个图像块(p1,…,pn)(n≥3)，其全部像素按像素值的大小做升序排列得到(pσ(1),…,pσ(n))，其中σ:{1,...,n}→{1,...,n}是一对一的数据映射，它表示的是像素在排序之前的位置，注意：如果两个像素的值相等，则原先位置在前的像素排序后仍在前而原先位置在后的像素排序后仍在后，即如果pσ(i)＝pσ(j)且i＜j，则pσ(1)≤…≤pσ(n)，σ(i)＜σ(j)。在考虑了pσ(n)和pσ(n-1)之间的位置关系后，产生出一个新的差值dmax。dmax＝pu-pv(1)其中必须保证映射σ在嵌入前后维持不变，否则本专利技术就无法恢复出原始像素值和正确抽取出水印信息。注意：当pσ(n-1)＝pσ(n)时，σ(n-1)必定小于σ(n)。因此，对于dmax＝0且σ(n)＞σ(n-1)，d'max∈{-1,0}；对于dmax＜0，d'max∈(-∞,-2]；对于dmax＝1且σ(n)＜σ(n-1)，d'max∈{1,2}；对于dmax＞1，d'max∈[2,∞)，其中d'max是dmax经过扩展和平移后的值。因此，在水印嵌入之后,d'max互不重叠(见等式(3))，也就是说在解码端，只要计算出d'max的取值就可以无失真恢复出原始差值dmax。其中b∈{0,1}代表1-比特水印信息。相应地，pσ(n)被修改为p'σ(n)：在解码端，借助d'max＝p'u-p'v来恢复出原始像素pσ(n)和提取出原始水印信息。●如果d'max＞0，则可知p'u＞p'v，进而推导出σ(n)＜σ(n-1)，u＝σ(n)和v＝σ(n-1)。如果d'max∈{1,2}，提取的水印b＝d'max-1，恢复出的原始像素为pσ(n)＝p'u-b。如果d'max＞2，说明没有隐藏任何水印信息，恢复出的原始像素为pσ(n)＝p'u-1。●如果d'max≤0，则可知pu≤pv，进而推导出σ(n)＞σ(n-1)，u＝σ(n-1)和v＝σ(n)。如果d'max∈{0,-1}，提取的水印b＝-d'max，恢复出的原始像素为pσ(n)＝p'v-b。如果d'max＜-1，说明没有隐藏任何水印信息，恢复出的原始像素为pσ(n)＝p'v-1。其中(u,v)来自于等式(1)。事实上，将上述的核心思想直接应用到(pσ(1),pσ(2),pσ(3))中，就能得到最小值修改的嵌入方案，细节如下：假设两个最小值之间的差值为dmin，其值计算如下：dmin＝ps-pt(5)其中s＝min(σ(1),σ(2))，t＝max(σ(1),σ(2))。同理，最小值pσ(1)被修改为p'σ(1)：在解码端，借助d'min＝p's-p't来恢复出原始像素pσ(1)和提取出原始水印信息。●如果d'min＞0，则可知p's＞pt'，进而推导出σ(1)＞σ(2)，s＝σ(2)和t＝σ(1)。如果d'min∈{1,2}，提取的水印b＝d'min-1，恢复出的原始像素为pσ(1)＝p't+b。如果d'min＞2，说明没有隐藏任何水印信息，恢复出的原始像素为pσ(1)＝p't+1。●如果d'min≤0，则可知pu≤pv，进而推导出σ(n)＞σ(n-1)，u＝σ(n-1)和v＝σ(n)。如果d'min∈{0,-1}，提取的水印b＝-d'min，恢复出的原始像素为pσ(1)＝p's+b。如果d'min＜-1，说明没有隐藏任何水印信息，恢复出的原始像素为pσ(1)＝p's+1。其中s＝min(σ(1),σ(2))，t＝max(σ(1),σ(2))。在Peng等人的算法中，用排序后的第二大像素pσ(n-1)去预测最大像素pσ(n)(或用第二小像素pσ(2)去预测最小像素pσ(1))，相对于最近邻预测方法(用每一个像素的右邻或左邻像素来预测这个像素)，预测性能大大提高。然而，Peng等人的算法认为所有的平滑块都具有相同的平滑性，因此对每一个平滑块都采用了相同的处理方式(即通过仅修改pσ(1)和pσ(n)来实现至多2比特的水印信息嵌入)。事实上，块的平滑性也是有很大差异的，平滑级别高的块理应比平滑级别低的块携带更多的水印比特。基于以上想法，本专利技术提出了一种基于PVO的自适应块分割算法。具体地说，根据块的局部复杂性将平滑块细分成两类：G1和G2，其中G1包含了局部复杂性高的全部平滑块，G2包含了局部复杂性低的全部平滑块。通过使得不同级别的图像块携带不同数量的水印信息，本专利技术在巨大提高嵌入容量的同时保持了较高的图像视觉效果。又由于本专利技术仅嵌水印信息在位于平滑区域的图像块中，所以能实现低嵌入率下的高PSNR值。
技术实现思路
本专利技术的目的是提出一种降低了嵌入失真的基于PVO的自适应水印嵌入方案。可以用于医学图像、军事地图和军用图像的管理和授权使用信息中，以此为依据判别医学图像、军事地图和军用图像的来源，版权，真伪等信息。为实现上述目的，本专利技术所采用的技术方案是：一种基于PVO(pixel-value-ordering，像素值排序)和自适应块分割的可逆水印算法，包括水印嵌入过程、水印提取及原始图像恢复过程，其中，水印提取及原始图像恢复过程是水印嵌入过程的逆过程，水印嵌入过程包括以下步骤：①将一幅载体图像素分成互不重叠的图像块，每一个图像块包含n个像素，图像块的(n+1)个相邻像素组成一个像素集合，并计算该集合的方差；设定方差的阈值，将像素集合的方差与阈值比较，如果方差小于某个所述的阈值，则认为图像块属于平滑区域，否则认为图像块位于纹理区域；②对于位于纹理区域的图像块，在水印嵌入过程中对它们不做任何修改；对于位于平滑区域的图像块，分成两个部分：第一部分是水印嵌入后没有遭受像素溢出的图像块，第二部分是水印嵌入后遭受像素溢出的图像块；产生一个位置图来标识这两部分图像块的位置信息，并将无损压缩后的位置图和载荷一起嵌入到载体图像中；③第一部分图像块本文档来自技高网...

【技术保护点】
一种基于PVO和自适应块分割的可逆水印算法，包括水印嵌入过程、水印提取及原始图像恢复过程，其中，水印提取及原始图像恢复过程是水印嵌入过程的逆过程，其特征在于，水印嵌入过程包括以下步骤：①将一幅载体图像素分成互不重叠的图像块，每一个图像块包含n个像素，图像块的(n+1)个相邻像素组成一个像素集合，并计算该集合的方差；设定方差的阈值，将像素集合的方差与阈值比较，如果方差小于某个所述的阈值，则认为图像块属于平滑区域，否则认为图像块位于纹理区域；②对于位于纹理区域的图像块，在水印嵌入过程中对它们不做任何修改；对于位于平滑区域的图像块，分成两个部分：第一部分是水印嵌入后没有遭受像素溢出的图像块，第二部分是水印嵌入后遭受像素溢出的图像块；产生一个位置图来标识这两部分图像块的位置信息，并将无损压缩后的位置图和载荷一起嵌入到载体图像中；③第一部分图像块的细分：按照局部纹理特征的复杂程度将第一部分的像素块分成两类：低平滑性的图像块和高平滑性的图像块；④对于任意一个低平滑性的图像块，按照像素值由低到高进行排序(pσ(1),pσ(2),…,pσ(n))，该图像块的两个最大像素和两个最小像素被分别修改，用pσ(n‑2)去预测pσ(n‑1)和pσ(n)或用pσ(3)去预测pσ(2)和pσ(1)，使低平滑性的图像块至多携带4个水印比特；对于高平滑性的图像块，将其细分成只包含3个像素的子块，即(p1,p2,p3)，先对(p1,p2,p3)进行排序得到(pσ(1),pσ(2),pσ(3))，用pσ(3)分别预测pσ(1),pσ(2)得到两个预测误差，当两个预测误差同时需要被平移1位时，仅修改pσ(3)来达到同时对pσ(1),pσ(2)的修改，待所有属于第一部分的图像块经上述修改之后，得到含水印的图像。...

【技术特征摘要】
1.一种基于PVO和自适应块分割的可逆水印算法，包括水印嵌入过程、水印提取及原始图像恢复过程，其中，水印提取及原始图像恢复过程是水印嵌入过程的逆过程，其特征在于，水印嵌入过程包括以下步骤：①将一幅载体图像素分成互不重叠的r×c大小的图像块，对于每一个图像块，将环绕该图像块的右邻r+1个像素和下邻c个像素构成一个像素集合，并计算该集合的方差σ；设定阈值vTh，将像素集合的方差与阈值比较，如果方差σ小于阈值vTh，则认为图像块属于平滑区域，否则认为图像块位于纹理区域；②对于位于纹理区域的图像块，在水印嵌入过程中对它们不做任何修改；对于位于平滑区域的图像块，分成两个部分：第一部分是水印嵌入后没有遭受像素溢出的图像块，第二部分是水印嵌入后遭受像素溢出的图像块；产生一个位置图来标识这两部分图像块的位置信息，并将无损压缩后的位置图和载荷一起嵌入到载体图像中；③第一部分图像块的细分：按照局部纹理特征的复杂程度将第一部分的像素块分成两类：低平滑性的图像块和高平滑性的图像块；④对于任意一个低平滑性的图像块，按像素值的大小做升序排列得到(pσ(1),pσ(2),…,pσ(n))，用块中第三大像素pσ(n-2)分别预测最大两个像素pσ(n-1)和pσ(n)得到两个预测误差，同时，用第三小像素pσ(3)分别预测最小两个像素pσ(2)和pσ(1)得到两个预测误差,因此，通过对四个预测误差进行修改可使得一个低平滑性的块能至多携带4个水印比特；对于高平滑性的图像块，将其细分成包含3个像素的子块，即(p1,p2,p3)，先对(p1,p2,p3)按像素值的大小做升序排列得到(pσ(1),pσ(2),pσ(3))，再用pσ(3)分别预测pσ(1),pσ(2)得到两个预测误差，当两个预测误差同时需要被平移1位时，通过仅修改pσ(3)来达到同时对pσ(1),pσ(2)做平移1位的修改，待所有属于第一部分的图像块经上述修...

【专利技术属性】
技术研发人员：翁韶伟，张天聪，潘正祥，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44