【技术实现步骤摘要】
一种基于特征区域几何优化的鲁棒可逆水印嵌入和提取方法
本专利技术属于多媒体信息安全领域，涉及一种基于特征区域几何优化的鲁棒可逆水印嵌入和提取方法，可用于网络环境中数字图像的内容认证、版权保护。
技术介绍
数字图像作为国家基础设施建设的支撑性成果之一，在国民经济、国防建设中占有十分重要的地位和广泛的应用。随着计算机技术与数码成像设备的发展与普及，数字图像的安全保护已成为多媒体信息安全领域亟待解决的重要问题之一。近年来，数字水印技术通过在宿主图像中嵌入水印的方式为这一问题的解决提供了有效途径，然而传统方法在水印嵌入过程中常常会对宿主图像造成不可逆失真。即使这些失真难以被人眼察觉，但却影响了它在医学影像、法庭证据、电子票据、军事及遥感图像等领域的实际应用。因此，可逆水印技术应运而生，它利用人类感知与数字图像自身冗余，通过可逆数字嵌入的方式将水印隐藏到宿主图像中，在水印提取之后能（近）无损地恢复宿主图像内容，确保其后续应用（如病变检测、分类、目标识别）不受影响。而且，通过对水印的分析，该技术能够确定版权所有者、认证图像内容以及跟踪侵权行为，从而为数字图像安全保护提供有力的技术支撑。同时，由于实际应用中数字图像往往会受到有损压缩、噪声干扰的影响，嵌入的水印又需要具有抵抗攻击的鲁棒性。这种水印方案称为鲁棒可逆水印，它以其特有的优势引起了国内外研究者们的广泛关注。根据水印嵌入模型的不同，现有的鲁棒可逆图像水印方法可以分为三类。第一类是基于直方图旋转的方法，该方法是基于Patchwork理论，利用数字图像相邻像素间的相关性生成质心向量，并沿不同方向旋转质心向量来嵌入水印，...
【技术保护点】
一种基于特征区域几何优化的鲁棒可逆水印嵌入方法，其特征在于，包括如下步骤： 1）、获取原始图像的低频子带：对原始图像I进行三级提升小波变换，得到其第三级小波分解尺度下的低频子带R3,a； 2）、获取初始特征点集合：利用多尺度Harris特征检测算子Harris‑Affine在低频子带R3,a中提取仿射不变特征点，得到初始特征点集合A：利用多尺度Harris特征检测算子Harris‑Affine在低频子带R3,a中提取仿射不变特征点，得到初始特征点集合A＝{Ai,i＝1,2,…m1}，其中Ai表示第i个特征点，初始特征点集合A的五个属性包括特征点的横坐标特征点的纵坐标特征点的强度特征点的特征尺度特征点椭圆参数与m1表示初始特征点的个数；3）、获取候选特征点集合：选取初始特征点集合A中满足特征尺度向量ξ要求的中间尺度特征点，得到候选特征点集合B：将初始特征点集合A中每个特征点的特征尺度与特征尺度向量ξ＝[ξ1,ξ2]进行比较，选取满足条件的中间尺度特征点，得到候选特征点集合B＝{Bi,i＝1,2,…m2},其中m2表示候选特征点的个数；4）、获取候选特征区域集合：利用候选特征点集合B中的每...
【技术特征摘要】
1.一种基于特征区域几何优化的鲁棒可逆水印嵌入方法，其特征在于，包括如下步骤：1)、获取原始图像的低频子带：对原始图像I进行三级提升小波变换，得到其第三级小波分解尺度下的低频子带R3,a；2)、获取初始特征点集合：利用多尺度Harris特征检测算子Harris-Affine在低频子带R3,a中提取仿射不变特征点，得到初始特征点集合A：利用多尺度Harris特征检测算子Harris-Affine在低频子带R3,a中提取仿射不变特征点，得到初始特征点集合A＝{Ai,i＝1,2,Lm1}，其中Ai表示第i个特征点，初始特征点集合A的五个属性包括特征点的横坐标特征点的纵坐标特征点的强度特征点的特征尺度特征点椭圆参数与m1表示初始特征点的个数；3)、获取候选特征点集合：选取初始特征点集合A中满足特征尺度向量ξ要求的中间尺度特征点，得到候选特征点集合B：将初始特征点集合A中每个特征点的特征尺度与特征尺度向量ξ＝[ξ1,ξ2]进行比较，选取满足条件的中间尺度特征点，得到候选特征点集合B＝{Bi,i＝1,2,Lm2},其中m2表示候选特征点的个数；4)、获取候选特征区域集合：利用候选特征点集合B中的每个特征点，分别构造其仿射协变特征区域，得到候选特征区域集合S：对候选特征点集合B中的每个特征点Bi，利用公式构造其仿射协变特征区域，得到候选特征区域集合S＝{Si,i＝1,2,Lm2}，其中x与y分别表示低频子带R3,a中任意满足上述不等式约束的元素横坐标与纵坐标，表示特征点Bi的横坐标，表示特征点Bi的纵坐标，与是特征点B′i的椭圆参数；5)、计算候选特征区域关联矩阵：根据候选特征区域集合S，计算候选特征区域关联矩阵P；6)、计算候选关联权值向量：利用候选特征区域关联矩阵P，计算候选关联权值向量L；7)、获取筛选特征区域集合：从候选关联权值向量L中查找出最大权值的位置索引k，更新候选特征区域关联矩阵P和候选关联权值向量L，得到筛选特征区域集合H；8)、获取圆形特征区域集合：对筛选特征区域集合H进行归一化处理，得到圆形特征区域集合Q＝{Qi,i＝1,2,Lm3}，m3表示筛选特征区域的个数；9)、得到特征图像：利用圆形特征区域集合Q对低频子带R3,a进行系数置零化处理，得到特征图像C；10)、得到密钥图像：将灰度水印图像W和特征图像C进行按位异或运算，得到密钥图像D；11)、获取密钥信息：利用可逆元胞自动机对密钥图像D与特征尺度向量ξ进行加密得到密钥信息G。2.如权利要求1所述的鲁棒可逆水印嵌入方法，其特征在于，所述步骤5)具体包括以下子步骤：5.1)计算候选特征区域集合S中每个候选特征区域Si对应特征点的二阶矩阵Gi，i＝1,2,Lm2：其中，与表示候选特征区域Si对应特征点的椭圆参数，i＝1,2,Lm2，m2表示候选特征区域的个数；5.2)计算候选特征区域集合S中每个候选特征区域Si的长轴长度li，计算公式为：Ei＝f(Gi)其中，f(·)计算二阶矩矩阵的特征值矩阵Ei，Ei(1)取Ei中的第一个元素；5.3)计算候选特征区域集合S的距离矩阵DIS，其中第i个候选特征点和第候选j个特征点的距离表示为：式中，与分别表示第i个候选特征点和第j个候选特征点的横坐标，与分别表示第i个候选特征点和第j个候选特征点的纵坐标，i,j＝1,2,Lm2，m2表示候选特征区域个数；5.4)计算候选特征区域关联矩阵P，其第(i,j)位置上的元素计算公式如下：其中，DIS(i,j)表示第i个候选特征点和第j个候选特征点的距离，li和lj分别表示第i个候选特征点和第j个候选特征点的长轴长度。3.如权利要求1所述的鲁棒可逆水印嵌入方法，其特征在于，所述步骤6)的具体过程是：利用候选特征区域关联矩阵P，计算候选关联权值向量L，其第i个候选特征点的关联权值计算规则如下：其中，表示第i个候选特征点的特征强度，P(i,j)表示候选特征区域关联矩阵P中第(i,j)位置上的元素，m2表示候选特征区域的个数。4.如权利要求1所述的鲁棒可逆水印嵌入方法，其特征在于，所述步骤7)具体包括以下步骤：7.1)从候选关联权值向量L中查找出最大权值的位置索引k，利用如下公式更新候选特征区域关联矩阵P和候选关联权值向量L；P(i,k)＝0,P(k,i)＝0其中表示第i个候选特征点的特征强度，L(i)表示第i个候选特征点的关联权值，P(i,k)与P(k,i)分别表示候选关联矩阵P中第(i,k)与第(k,i)位置上的元素，i＝1,2,Lm2，m2表示候选特征区域的个数；7.2)重复步骤7.1)直到候选关联权值向量L中所有元素都为0，得到筛选特征区域集合H＝{Hi,i＝1,2,Lm3}，m3表示筛选特征区域的个数。5.如权利要求1所述的鲁棒可逆水印嵌入方法，其特征在于，步骤11)的具体过程是：11.1)依次将密钥图像D中每个灰度值转换成8位二进制序列，其中密钥图像D中第(i,j)位置的灰度值D(i,j)所转换成的二进制序列表示为这里λ＝1,2,L8，11.2)按照行扫描顺序将密钥图像D中每个灰度值所转换成的二进制序列进行连接，得到长度为的密钥图像二进制序列Db，表示为：11.3)将特征尺度向量ξ＝[ξ1,ξ2]转换成8位二进制序列，得到原始特征尺度向量二进制序列11.4)采用补零方式将原始特征尺度向量二进制序列ξb进行零填充，生成特征尺度向量二进制序列它的长度与步骤11.2)得到的密钥图像二进制序列Db相同，均为11.5)将步骤11.2)得到的密钥图像二进制序列Db与步骤11.4)得到的特征尺度向量二进制序列ξ′b作为可逆元胞自动机的初始状态，使用可逆元胞自动机加密方法对ξ′b进行加密，得到密钥信息G和共享特征向量Γ，其中可逆元胞自动机规则为41R，迭代次数为10。6.如权利要求1至5中任一权利要求所述的鲁棒可逆水印嵌入方法，其特征在于，还包括步骤12)、将密钥信息G注册到知识产权信息数据库中。7.一种基于特征区域几何优化的鲁棒可逆水印提取方法，其特征在于，包括如下步骤：a)、利用可逆元胞自动机对密钥信息G进行解密，得到密钥图像D与特征尺度向量ξ；b)、将待检测图像I′进行三级提升小波变换，得到其第三级小波分解尺度下的低频子带R′3,a：将大小为...
【专利技术属性】
技术研发人员：安玲玲，尹广学，吴卿，高新波，万波，王泉，
申请(专利权)人：西安电子科技大学昆山创新研究院，西安电子科技大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。