一种基于纹理复杂度和JND模型的图像数字水印算法系统技术方案

本发明专利技术申请公开一种将纹理复杂度和离散余弦变换(Discrete Cosine Transform，DCT)域的最小可觉差(Just Noticeable Difference，JND)模型相结合的图像水印算法。首先将原图像分成子块，利用各子块灰度共生矩阵的4个纹理特性计算其纹理复杂度，并据此对子块进行排序以确定水印嵌入的子块位置后对原图像素矩阵进行DCT变换，结合新的分区方式计算各块JND值，根据JND值以及新的嵌入规则确定子块内水印嵌入方式。算法有效考虑了图像块的纹理特性和人眼视觉敏感性，提高了嵌入水印后的图像质量，扩大了水印嵌入容量。

An image digital watermarking algorithm system based on texture complexity and JND model

The invention applies for an image watermarking algorithm that combines the minimum perceptible difference (Just Noticeable Difference, JND) model of the texture complexity and the Discrete Cosine Transform (DCT) domain. First, the original image is divided into sub blocks, and the texture complexity is calculated by using the 4 texture characteristics of each sub block gray level co-occurrence matrix, and then the sub block is sorted to determine the location of the embedded sub block. The original image pixel matrix is transformed by DCT, and the new partition method is used to calculate the JND values of each block, according to the JND value and the new embedding rule. The watermark embedding method in the subblock is determined. The algorithm effectively considers the texture characteristics of the image block and the human visual sensitivity, improves the image quality after embedding the watermark, and expands the embedding capacity of the watermark.

【技术实现步骤摘要】
一种基于纹理复杂度和JND模型的图像数字水印算法系统
本专利技术涉及图像数字水印算法领域，特别是基于纹理复杂度和JND模型的图像数字水印算法系统。
技术介绍
纹理特征分析最初应用于遥感图像分析，由于纹理特征是在图像计算中经过量化的图像特征，通过对其分析能够得到图像有效的宏观和微观信息，故纹理特征分析成为图像处理、数字水印等方面的重要研究途径。但由于其嵌入规则的局限性而限制了水印的嵌入容量，同时其水印集中在图像纹理最复杂的128×128子块上嵌入，影响了图像质量和鲁棒性。最小可觉差(JustNoticeableDifference，JND)描述人眼不能察觉的最大图像失真，考虑人眼能够接受图像一定的改变而不被察觉。在图像处理领域，JND能用来检测人眼对图像中不同区域失真的敏感性。近年来，各种JND模型被广泛应用于图像领域。目前有人将反向传播神经网络技术和JND模型结合应用，水印目标系数的调整受JND影响，其方案能承受各种图像处理攻击，具有优异的鲁棒性和不可感知性，实现了有效的盲图像水印。综上所述，基于灰度共生矩阵(GaryLevelCo-occurrenceMatrix，GLCM)的纹理分析和变换域JND模型在水印的嵌入中各自有着极为广泛的应用前景，但目前还没有一种方法将GLCM和DCT域JND模型结合起来以弥补各自模型的不足，因此本专利技术提出一种将两者结合的水印嵌入新方法。
技术实现思路
1.专利技术目的本专利技术针对已有算法的不足，提出一种基于纹理复杂度和JND模型的图像数字水印算法，本专利技术的方法优化了JND模型，扩充了水印嵌入容量，也提高了图像峰值信噪比和水印信息提取的准确度，解决当前在保证嵌入水印后的图像质量情况下，水印嵌入容量过小的问题，并保证了水印提取准确度，使得水印信息能够得到一定质量的恢复。2.技术方案一种基于纹理复杂度和JND模型的图像数字水印算法系统，包括以下几个单元：(1)预处理单元，先将M*N图像划分个为n*n的图像子块，根据GLCM的四个参数(能量J、熵H、对比度D、相关性COV)，结合均方误差求得各图像子块纹理复杂度，根据该复杂度的大小，可以获取水印的嵌入的优先位置；而对于水印嵌入强度，将图像区域细分为平滑区、纹理区、边缘区，在此基础上考虑JND模型中的对比度掩盖因子Fcontrast(i,j)的影响，最终得到如下关系式：在图像不同的纹理区域Fcontrast(i,j)中ψ的值不同：对于平滑区和边缘区，人眼对其变化较为敏感，式中ψ＝1，对于纹理区域，由于人眼对纹理区域低频系数的敏感度相对较小，此时加权系数ψ＝2.25，而高频系数的加权ψ＝1.25。根据图像区域的分类，不同区域具有不同的Fcontrast(i,j)值，最终得到各个子块的JND值，即为水印在该区域的嵌入强度。所述将图像区域细分为平滑区、纹理区、边缘区的具体步骤如下：首先计算出整副图像的平滑度E：式中分别是计算图像复杂度中能量和熵对应的权值，B代表图像分成的块数。是第i块的平均能量，故子块的平滑度为：然后根据以下规则来划分平滑和非平滑区：图像的纹理指的是图像中具有一定随机性、重复性的部分，边缘指的是图像中具有一定的对比度和结构化的部分，图像的边缘区域对比度一般较大、像素之间的相关性较小，因此本文通过对比度和相关性将非平滑区划分纹理区和边缘区：首先计算整幅图像的纹理度：再计算子块的纹理度：按照如下规则来划分纹理区和边缘区：式中分别是计算图像复杂度中对比度和相关性对应的权值。根据上述构建的数学模型将图像划分成平滑区、纹理区和边缘区。以上所述，提出了纹理复杂度的方案以及图像子块区域划分的具体方法，根据其提出的数学模型，将纹理复杂度和JND模型相结合，从而获得水印嵌入的位置和强度。其算法如下：(2)水印嵌入单元，在预处理单元得到水印嵌入的位置和嵌入强度后，根据水印嵌入规则如公式(8)，应用DCT变换对宿主图像嵌入数字水印。若水印信息的二进制编码为1，则宿主图像的DCT值加上相应JND值；若水印信息的二进制编码为0，则宿主图像的DCT值减去相应JND值。按水印信息容量大小嵌入到不同的图像子块，遍历完整个水印信息后，则水印嵌入成功。(3)水印提取单元，水印提取过程为水印嵌入的逆过程。先对原始图像和含水印的图像进行DCT变换，根据原始图像的纹理复杂度，以及在水印嵌入过程中保存的水印信息长度来确定含水印图像的水印嵌入的位置，所述水印信息长度即为秘钥Key[3]，进一步根据该区域的JND值来确定水印嵌入强度。根据水印提取规则如公式(9)提取水印的二进制编码，再将其转换为十进制信息按序放入M×N的矩阵即可得到水印图像。在以上步骤完成之后，为了更好的证明本专利技术的优越性，本专利技术采用两个评价参数来保证较大容量的水印信息嵌入，分别为：衡量嵌入水印后的宿主图像质量的峰值信噪比PSNR和衡量提取出水印准确度的水印相似度NC。本专利技术的水印相似度计算方法为提取出水印与原水印相似的像素个数/原水印的像素个数。3.有益效果传统的基于纹理复杂度的数字水印算法，只能够保证在小容量的水印信息嵌入后图像的峰值信噪比。为了扩大水印的嵌入容量的同时又能保证图像的峰值信噪比，并且使提取的水印有一定的准确度。本专利技术将纹理复杂度和JND结合构建了一个新的水印嵌入、提取方案。通过实验证明，本专利技术的数字水印算法提高了嵌入水印后图像的峰值信噪比，也扩大了水印嵌入容量。附图说明图1是本专利技术提供的基于纹理复杂度和JND模型的图像数字水印算法模型的流程图；图2是本专利技术的水印提取的过程图图3是本专利技术提供的图像，(a)为Lena图像原始图片，(b)、(c)分别为嵌入8192、32768bit水印信息后的Lena图片图4是提取前后的水印图像，(a)原始水印图像，(b)传统基于灰度共生矩阵纹理特征选块的水印算法提取的水印，(c)本专利技术提取的水印图5是容量为32768bit提取前后的水印图像具体实施方式下面结合实施例和附图对本专利技术作进一步说明。一种基于纹理复杂度和JND模型的图像数字水印算法系统，参照图1，步骤如下：(1)预处理单元若原始图像大小为M2×N2，将其进行32×32分块，则共有图像块，对每块图像块分别计算各自的能量J，熵H，对比度D，相关性COV，并根据计算纹理复杂度的公式计算每块图像块的纹理复杂度f1,f2,…,fn。表1是Lena图像部分纹理复杂度信息，水印信息优先从图像复杂度高的子块进行嵌入。表1部分图像的图像复杂度信息(2)水印嵌入单元[1]先将水印图像像素依次由十进制转化为二进制，比如：0→00000000，255→11111111；若水印图像的大小为M1×N1，则转化成二进制后的编码长度为M1×N1×8，将其保存在密匙数组Key[3]＝[8,M1,N1]中。[2]对上一步预处理单元求得图像纹理复杂度f1,f2,…,fn按降序排序，得到水印嵌入的优先位置，并进行标记。[3]将每个32×32子块分成16个8×8小块，再对每一小块计算JND值。过程如下：①计算每个8×8小块J，H，D，COV，将图像进行平滑区域、边缘区域和纹理区域的分类。②对原始图像像素矩阵进行DCT变换；③结合第①步得到的分区结果，计算每个8×8图像块的JND值。④按照图像纹理复杂度降序选择图像子块进行水印二进制本文档来自技高网...

【技术保护点】
1.一种基于纹理复杂度和JND模型的图像数字水印算法系统，包括以下几个单元：(1)预处理单元，先将M*N图像划分

【技术特征摘要】
1.一种基于纹理复杂度和JND模型的图像数字水印算法系统，包括以下几个单元：(1)预处理单元，先将M*N图像划分个为n*n的图像子块，根据GLCM的四个参数(能量J、熵H、对比度D、相关性COV)，结合均方误差求得各图像子块纹理复杂度，根据该复杂度的大小，可以获取水印的嵌入的优先位置；而对于水印嵌入强度，将图像区域细分为平滑区、纹理区、边缘区，在此基础上考虑JND模型中的对比度掩盖因子Fcontrast(i,j)的影响，最终得到如下关系式：在图像不同的纹理区域Fcontrast(i,j)中ψ的值不同：对于平滑区和边缘区，人眼对其变化较为敏感，式中ψ＝1，对于纹理区域，由于人眼对纹理区域低频系数的敏感度相对较小，此时加权系数ψ＝2.25，而高频系数的加权ψ＝1.25。根据图像区域的分类，不同区域具有不同的Fcontrast(i,j)值，最终得到各个子块的JND值，即为水印在该区域的嵌入强度。所述将图像区域细分为平滑区、纹理区、边缘区的具体步骤如下：首先计算出整副图像的平滑度E：式中分别是计算图像复杂度中能量和熵对应的权值，B代表图像分成的块数。是第i块的平均能量，故子块的平滑度为：然后根据以下规则来划分平滑和非平滑区：再通过对比度和相关性将非平滑区划分纹理区和边缘区：首先计算整幅图像的纹理度：再计算子块的纹理度：按照如下规则来划分纹理区和边缘区：式中分别是计算图像复杂度中...

【专利技术属性】
技术研发人员：李淑芝，龙香玉，邓小鸿，黎琛，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：江西,36