一种基于自适应预测模型的高容量可逆水印方法技术

本发明专利技术公开了一种基于自适应预测模型的高容量可逆水印方法；包括水印嵌入过程及水印提取和原图像恢复过程；所述水印嵌入过程包括预测模型的设计过程及自适应嵌入策略；所述水印提取和原图像恢复过程为所述水印嵌入过程的逆过程；本发明专利技术通过充分利用相邻像素间高相关性的特性，得到预测性能较高的预测模型，从而有效地降低了已有算法中修改预测误差进行水印嵌入时所产生的高嵌入失真；另外，通过评估待嵌入集合中的每一像素的四个环绕像素的相关程度，使得约占全部像素四分之三的像素能携带1-2比特水印，因此，实现了容量的提高。

【技术实现步骤摘要】
一种基于自适应预测模型的高容量可逆水印方法
本专利技术涉及多媒体信号处理
，具体地讲，涉及一种基于自适应预测模型的高容量可逆水印方法。
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。Wu(H.-T.WuandJ.W.Huang,“Reversibleimagewatermarkingonpredictionerrorsbyefficienthistogrammodification,”SignalProcessing,vol.92(12),pp.3000–3009,2012.)提出了基于四种预测模型和有效灰度修改的可逆水印方法。在Wu提出的每一种预测模型中，对于约占全部像素的二分之一的每一个像素，Wu通过计算它的两个相邻像素的灰度值的均值来预测它；对于约占全部像素的四分之一的每一个像素，Wu用它的和两条对角线方向上的四个近邻像素来预测它。然而，仅用某一像素的两相邻像素去预测这个像素，预测精度不会很高，而且，对获得的预测误差进行水印嵌入会导致较高的嵌入失真。为此，我们设计出了四种新的预测模型，对于这部分像素中的每一个像素，我们能用它的四个相邻像素去预测它，因此，预测精度大大提高，同时对预测误差进行水印嵌入所产生的失真也大大降低。在Wu的论文中，Wu从嵌入容量和视觉质量两个方面和Peng(F.Peng,X.Li,andB.Yang,“Adaptivereversibledatahidingschemebasedonintegertransform,”SignalProcessing,vol.92(1),pp.54–62,2012.)、Luo(L.Luo,Z.Chen,M.Chen,X.Zeng,andZ.Xiong,“Reversibleimagewatermarkingusinginterpolationtechnique,”IEEETransactionsonInformationForensicsandSecurity,vol.5(1),pp.187–193,2010.)的方法做了比较。在本专利技术中，我们也将给出本专利技术和Wu、Peng和Luo在嵌入容量和视觉质量两个方面的比较结果。
技术实现思路
本专利技术的主要目的在于，针对上述现有技术中的不足，提供一种基于自适应预测模型的高容量可逆水印方法，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。本专利技术解决现有技术问题所采用的技术方案是：包括水印嵌入过程及水印提取和原图像恢复过程；所述水印嵌入过程包括：预测模型的设计过程；所述预测模型的设计过程包括以下两个步骤：（1）将一副原始图像的全部像素分成第一类像素和第二类像素；所述第一类像素约占全部像素的四分之一，组成用于预测所述第二类像素的像素集合，且所述第一类像素不允许水印嵌入过程对它们有任何的修改，称第一类临时不变集；所述第二类像素约占全部像素的四分之三，组成待嵌入像素集合，称第一类改变集；（2）设计四种预测模型，每一种预测模型分成以下两步：①所述第二类像素包括三分之一的第二类像素和三分之二的第二类像素；先让所述三分之一的第二类像素暂时保持不变，组成第二类临时不变集，所述第二类临时不变集和所述第一类临时不变集一起预测所述三分之二的第二类像素，故称所述三分之二的第二类像素为第二类改变集；②用所述第二类临时不变集的和两条对角线上的四个属于所述第一类像素的像素去预测第二类临时不变集。还包括自适应嵌入策略；在每一个所述的四种预测模型中，由所述自适应嵌入策略计算出所述第二类临时不变集中每一像素的四个相邻像素的方差，若方差小于某一给定的门限，则称该四个相邻近像素的相关性强，并嵌2比特水印到此像素中；若方差大于或等于所述某一给定的门限，则嵌1比特水印到此像素中；所述水印提取和原图像恢复过程为所述水印嵌入过程的逆过程。本专利技术的有益效果是：其一，由于待嵌入像素集（约占全部像素的四分之三）中每一个像素，都能用四个环绕着它的像素去预测它，因此预测精度高；其二，通过评估每一个待嵌入像素的四个环绕像素的相关程度，本专利技术对每一个待嵌入像素进行自适应地水印嵌入，提高了嵌入容量。附图说明图1是本专利技术实施例中四种预测模型的结构示意图；其中：图(a)、预测模型1；图(b)、预测模型2；图(c)、预测模型3；图(d）、预测模型4；图2是本专利技术实施例中基于自适应预测模型的高容量可逆水印方法的整体系统流程图；图3是对于大小的Lena图像，本专利技术与Wu方案、Luo方案、Peng方案的性能比较图；图4是对于大小的Baboon图像，本专利技术与Wud方案、Luo方案、Peng方案的性能比较图；本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式以下将结合附图及具体实施例详细说明本专利技术的技术方案，以便更清楚、直观地理解本专利技术的专利技术实质。本专利技术的基于自适应预测模型的高容量可逆水印方法包括水印嵌入过程及水印提取和原图像恢复过程。参照图1所示，在水印嵌入过程中，首先设计四种预测模型:预测模型1、预测模型2、预测模型3、预测模型4，在每一种预测模型中，将一副大小为的原始图像的全部像素分成第一类像素和第二类像素；所述第一类像素约占全部像素的四分之一，组成用于预测所述第二类像素的像素集合，称第一类临时不变集，此类像素不允许水印嵌入过程对它们有任何的修改，因为一旦它们在嵌入过程中受到修改，算法的可逆性就将遭到破坏，因此，它们的使命就是用来预测第二类像素的；所述第二类像素约占全部像素的四分之三，组成待嵌入像素集合，称第一类改变集。以预测模型1为例，在预测模型1中，位于第一行和第一列上的像素在嵌入过程中不会发生变化，图中用圆圈来代表它们，它们的作用仅是用来和其它三种模型区别开来。对于预测模型1，用表示第一类像素，则，在图中用五角星来表示。表示第二类像素，由三部分组成，其中，，每一种预测模型分成以下两步：①所述第二类像素包括三分之一的第二类像素和三分之二的第二类像素；先让所述三分之一的第二类像素暂时保持不变，组成第二类临时不变集，所述第二类临时不变集和所述第一类临时不变集一起预测所述三分之二的第二类像素，故称所述三分之二的第二类像素为第二类改变集；这样做的好处就是为了保证第二类改变集中每一个像素都有上、下、左、右四个邻近且不会发生改变的像素，因此预测精度能达到很高；②由于第二类改变集中的像素在第一步已被修改，因此它们本文档来自技高网...

【技术保护点】
一种基于自适应预测模型的高容量可逆水印方法，其特征在于：包括水印嵌入过程及水印提取和原图像恢复过程；所述水印嵌入过程包括：预测模型的设计过程；所述预测模型的设计过程包括以下两个步骤：将一副原始图像的全部像素分成第一类像素和第二类像素；所述第一类像素约占全部像素的四分之一，组成用于预测所述第二类像素的像素集合，且所述第一类像素不允许水印嵌入过程对它们有任何的修改，称第一类临时不变集；所述第二类像素约占全部像素的四分之三，组成待嵌入像素集合，称第一类改变集；设计四种预测模型，每一种预测模型分成以下两步：①所述第二类像素包括三分之一的第二类像素和三分之二的第二类像素；先让所述三分之一的第二类像素暂时保持不变，组成第二类临时不变集，所述第二类临时不变集和所述第一类临时不变集一起预测所述三分之二的第二类像素，故称所述三分之二的第二类像素为第二类改变集；②用所述第二类临时不变集的????????????????????????????????????????????????和两条对角线上的四个属于所述第一类像素的像素去预测第二类临时不变集。2013104087921100001dest_path_image001.jpg,998166dest_path_image002.jpg...

【技术特征摘要】
1.一种基于自适应预测模型的高容量可逆水印方法，其特征在于：包括水印嵌入过程及水印提取和原图像恢复过程；所述水印嵌入过程包括：预测模型的设计过程；所述预测模型的设计过程包括以下两个步骤：将一副原始图像的全部像素分成第一类像素和第二类像素；所述第一类像素约占全部像素的四分之一，组成用于预测所述第二类像素的像素集合，且所述第一类像素不允许水印嵌入过程对它们有任何的修改，称第一类临时不变集；所述第二类像素约占全部像素的四分之三，组成待嵌入像素集合，称第一类改变集；设计四种预测模型，每一种预测模型分成以下两步：①所述第二类像素包括三分之一的第二类像素和三分之二的第二类像素；先让所述三分之一的...

【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：