一种图像水印处理方法技术

本发明专利技术公开了一种面向图像的双重水印处理方法，步骤如下：(1)针对原始图像生成鲁棒水印；(2)针对原始图像生成认证水印，其中认证水印分为平滑块认证水印和复杂块认证水印；(3)将步骤(1)中生成的鲁棒水印嵌入原始图像中，生成第一阶段水印图像；(4)将步骤(2)中生成的认证水印嵌入至原始图像中，生成第二阶段水印图像；(5)将步骤(3)和步骤(4)中的第一阶段水印图像和第二阶段水印图像中的水印分别进行提取；分别鉴别光滑区域和纹理复杂区域是否篡改。本发明专利技术能实现水印盲提取，能同时实现版权保护和内容认证，具有较高的篡改定位能力，有较强的鲁棒性，而且又具有非常好的不可见性。

【技术实现步骤摘要】
一种图像水印处理方法
本专利技术属于图像处理
，特别涉及一种医学图像水印处理方法。
技术介绍
随着信息技术的迅猛发展，数字产品的安全问题愈发成为严重的社会问题。影像及数据信息在网络传输的过程中会遭遇篡改、非法复制、版权保护和隐私泄漏等信息安全问题。图像对水印嵌入有一些独特的要求：(1)要求在加入水印时，对图片的改动很小；特别对一些关键部分则不允许改动。(2)对所嵌入水印信息安全性有严格要求，尤其是某些特殊病人的病历为国家和企业机密，绝对不允许泄露，因此水印不能被非法提取。(3)作为水印的信息应该在需要时能被完整准确地提取出来，即嵌入水印具有一定鲁棒性。然而，现有图像水印算法往往存在功能单一的局限性。为了使一个图像水印算法能同时具备版权保护和内容认证双重功能，可以在原始图像中嵌入鲁棒水印和脆弱水印两个水印。鲁棒水印算法具备抵抗攻击的能力，可以实现版权保护功能，但对篡改操作不够敏感，篡改检测和定位能力差，无法实现内容认证。脆弱水印算法则刚好相反，它对篡改操作较敏感，篡改检测和定位能力强，容易实现内容认证。
技术实现思路
专利技术目的：针对现有技术中存在的问题，本专利技术提出一种实现水印盲提取，能同时实现版权保护和内容认证，具有较高的篡改定位能力，有较强的鲁棒性，而且又具有非常好的不可见性的医学图像水印处理方法。技术方案：为解决上述技术问题，本专利技术提供一种医学图像水印处理方法，具体步骤如下：(1)针对原始图像生成鲁棒水印；(2)针对原始图像生成认证水印，其中认证水印分为平滑块认证水印和复杂块认证水印；(3)将步骤(1)中生成的鲁棒水印嵌入原始图像中，生成第一阶段水印图像；(4)将步骤(2)中生成的认证水印嵌入至原始图像中，生成第二阶段水印图像；(5)将步骤(3)和步骤(4)中的第一阶段水印图像和第二阶段水印图像中的水印分别进行提取；(6)分别鉴别光滑区域和纹理复杂区域是否篡改。进一步的，所述步骤(3)中将鲁棒水印嵌入至原始图像的具体步骤如下：3.1：利用拉普拉斯和水平集的分割方法对图像进行分割，分割为感兴趣区域I1和非感兴趣区域I2；然后对分割后的图像进行修正，将图像进行4×4分块，边界围线处子块并入图像的感兴趣区域；3.2：对需要嵌入的水印信息进行Arnold置乱，并将置乱后的图像转化为一维向量；3.3：对非感兴趣区域I2中的各子块进行二层Contourlet变换，对变换后得到的第二层能量较大的细节子带系数进行奇异值分解；3.4：基于密钥KI1，利用Logistic混沌映射建立一个感兴趣区域平滑块与非感兴趣区域块之间的映射函数；将感兴趣区域中的平滑块和复杂块分别按照从左到右、从上至下的顺序进行排序；RONI中块的数目为a，鲁棒水印的信息量是b，那么在RONI中每一块嵌入的鲁棒水印信息量为为向下取整，则在RONI中的每一块嵌入的水印信息量为3.5：通过奇偶量化算法嵌入水印信息，得到新的Contourlet变换系数奇异值；依次取出非感兴趣区域中各块的对角矩阵的第一个值和剩余的各值进行比较判断嵌入水印；当为偶数时，当为奇数时，式中：--floor函数，Wi--水印信息，α--嵌入调整系数，Sij--第i子块第j个奇异值，2≤j≤15；3.6：进行逆SVD，再进行逆Contourlet变换，生成含水印信息的非感兴趣区域I′2，结合感兴趣区域I1得到含嵌入鲁棒水印信息和部分认证水印信息的水印图像。进一步的，所述步骤(4)中将认证水印嵌入至原始图像的具体步骤如下：4.1：利用图像分割的方法，得到ROII1，并通过计算I1中每个块的熵，将其分为平滑块和纹理复杂块；4.2：基于密钥KI2，利用Logistic混沌映射在I1中建立一个图像平滑块与另一平滑块之间的映射函数，将自身块产生的水印认证信息嵌入到相应的映射块中，保存Logistic混沌映射密钥KI2；通过Logistic混沌映射将在I1中利用平滑块生成的认证水印嵌入相应的RONI块中；4.3：构建溢出图，对于利用差值扩展嵌入信息后会超出图像灰度值范围的像素点，在溢出图中进行标注；压缩溢出图和认证水印一起通过广义差值扩展方式嵌入到相应的映射块中；基于广义差分扩展算法，将平滑块生成的认证水印嵌入到相应的平滑块中；4.4：通过广义差值扩展算法将平滑块生成的认证水印嵌入到相对应的感兴趣区域I1的平滑块中，生成新的感兴趣区域I′1；4.5：将ROI中的纹理复杂块划分为四个子块，每一子块按从左到右，从上到下排序；基于密钥KI3，利用Logistic混沌映射在I1中构造一个复杂块子块和其他复杂块子块之间的映射函数；将含鲁棒水印的RONII′2分成互不重叠大小为2×2的子块；基于密钥KI4，利用Logistic混沌映射构造复杂块子块和RONI中子块之间的映射函数；由图像块本身生成的水印认证信息嵌入到相应的映射块中。保存Logistic混沌映射密钥KI3和KI4；4.6：通过复杂块的子块生成认证水印被嵌入到相应的ROII1复杂块子块和对应的RONII′2子块中：Xi是一个复杂图像块，分割出的子块Ai包含11位认证水印Wi＝{wi1,wi2,…,wi11}；将Wi嵌入到相应ROII1复杂块子块X′i和相应RONII′2子块Y′i的低位中，从而生成含认证水印图像块X″i和Y″i。4.7：将所有的认证水印嵌入到相应的ROII1子块和相应的RONII2子块中，最终生成含水印图像。进一步的，所述步骤(5)水印提取的具体步骤如下：5.1：按照水印嵌入的方法，利用拉普拉斯和水平集的分割方法对含水印图像进行分割，将其划分为感兴趣区域I1和非感兴趣区域I2；5.2：将非感兴趣区域I2划分成大小为4×4的互不重叠的子块；含边界轮廓的块被纳入图像ROI中；5.3：对RONI中每一块做二层Contourlet变换，对变换后得到的第二层能量较大的细节子带系数进行奇异值分解；5.4：取出每一个对角矩阵的第一个值和剩余各值进行比较判断来提取水印；判断的值为奇数还是偶数，如果的值为偶数，则提取的水印信息为0；如果的值为奇数，则提取的水印信息为1。以此提取出每子块中的水印信息；5.5：去除该水印信息中并入的认证水印，再进行Arnold置乱反变换恢复得到原鲁棒水印信息。进一步的，所述步骤(6)中光滑区域的篡改定位的具体步骤如下：6.1.1：依据水印嵌入方法，利用拉普拉斯和水平集的分割方法对含水印图像进行分割，将其划分为感兴趣区域I1和非感兴趣区域I2；然后对分割后的图像进行校正并分成大小为4×4的互不重叠的块，含边界轮廓的块被纳入到图像ROI中；6.1.2：通过计算ROII1中每个块的熵值，将所有块分为两大类：平滑块，纹理复杂块；6.1.3：通过水印提取将鲁棒水印和RONI块相对应的ROI平滑块生成的认证水印进行提取；6.本文档来自技高网...

【技术保护点】
1.一种医学图像水印处理方法，其特征在于，具体步骤如下：/n(1)针对原始图像生成鲁棒水印；/n(2)针对原始图像生成认证水印，其中认证水印分为平滑块认证水印和复杂块认证水印；/n(3)将步骤(1)中生成的鲁棒水印嵌入原始图像中，生成第一阶段水印图像；/n(4)将步骤(2)中生成的认证水印嵌入至原始图像中，生成第二阶段水印图像；/n(5)将步骤(3)和步骤(4)中的第一阶段水印图像和第二阶段水印图像中的水印分别进行提取；/n(6)分别鉴别光滑区域和纹理复杂区域是否篡改。/n

【技术特征摘要】
1.一种医学图像水印处理方法，其特征在于，具体步骤如下：
(1)针对原始图像生成鲁棒水印；
(2)针对原始图像生成认证水印，其中认证水印分为平滑块认证水印和复杂块认证水印；
(3)将步骤(1)中生成的鲁棒水印嵌入原始图像中，生成第一阶段水印图像；
(4)将步骤(2)中生成的认证水印嵌入至原始图像中，生成第二阶段水印图像；
(5)将步骤(3)和步骤(4)中的第一阶段水印图像和第二阶段水印图像中的水印分别进行提取；
(6)分别鉴别光滑区域和纹理复杂区域是否篡改。


2.如权利要求1所述的医学图像水印处理方法，所述步骤(3)中将鲁棒水印嵌入至原始图像的具体步骤如下：
3.1：利用拉普拉斯和水平集的分割方法对图像进行分割，分割为感兴趣区域I1和非感兴趣区域I2；然后对分割后的图像进行修正，将图像进行4×4分块，边界围线处子块并入图像的感兴趣区域；
3.2：对需要嵌入的水印信息进行Arnold置乱，并将置乱后的图像转化为一维向量；
3.3：对非感兴趣区域I2中的各子块进行二层Contourlet变换，对变换后得到的第二层能量较大的细节子带系数进行奇异值分解；
3.4：基于密钥KI1，利用Logistic混沌映射建立一个感兴趣区域平滑块与非感兴趣区域块之间的映射函数；将感兴趣区域中的平滑块和复杂块分别按照从左到右、从上至下的顺序进行排序；RONI中块的数目为a，鲁棒水印的信息量是b，那么在RONI中每一块嵌入的鲁棒水印信息量为为向下取整，则在RONI中的每一块嵌入的水印信息量为
3.5：通过奇偶量化算法嵌入水印信息，得到新的Contourlet变换系数奇异值；依次取出非感兴趣区域中各块的对角矩阵的第一个值和剩余的各值进行比较判断嵌入水印；
当为偶数时，



当为奇数时，



式中：--floor函数，Wi--水印信息，α--嵌入调整系数，Sij--第i子块第j个奇异值，2≤j≤15；
3.6：进行逆SVD，再进行逆Contourlet变换，生成含水印信息的非感兴趣区域I′2，结合感兴趣区域I1得到含嵌入鲁棒水印信息和部分认证水印信息的水印图像。


3.如权利要求1所述的医学图像水印处理方法，所述步骤(4)中将认证水印嵌入至原始图像的具体步骤如下：
4.1：利用图像分割的方法，得到ROII1，并通过计算I1中每个块的熵，将其分为平滑块和纹理复杂块；
4.2：基于密钥KI2，利用Logistic混沌映射在I1中建立一个图像平滑块与另一平滑块之间的映射函数，将自身块产生的水印认证信息嵌入到相应的映射块中，保存Logistic混沌映射密钥KI2；通过Logistic混沌映射将在I1中利用平滑块生成的认证水印嵌入相应的RONI块中；
4.3：构建溢出图，对于利用差值扩展嵌入信息后会超出图像灰度值范围的像素点，在溢出图中进行标注；压缩溢出图和认证水印一起通过广义差值扩展方式嵌入到相应的映射块中；基于广义差分扩展算法，将平滑块生成的认证水印嵌入到相应的平滑块中；
4.4：通过广义差值扩展算法将平滑块生成的认证水印嵌入到相对应的感兴趣区域I1的平滑块中，生成新的感兴趣区域I′1；
4.5：将ROI中的纹理复杂块划分为四个子块，每一子块按从左到右，从上到下排序；基于密钥KI3，利用Logistic混沌映射在I1中构造一个复杂块子块和其他复杂块子块之间的映射函数；将含鲁棒水印的RONII′2分成互不重叠大小为2×2的子块；基于密钥KI4，利用Logistic混沌映射构造复杂块子块和RONI中子块之间的映射函数；由图像块本身生成的水印认证信息嵌入到相应的映射块中，保存Logistic混沌映射密钥KI3和KI4；
4.6：通过复杂块的子块生成认证水印被嵌入到相应的ROII1复杂块子块和对应的RONII′2子块中：Xi是一个复杂图像块，分割出的子块Ai包含11位认证水印Wi＝{wi1,wi2,…,wi11}；将Wi嵌入到相应ROII1复杂块子块X′i和相应RONII′2子块Yi的低位中，从而生成含认证水印图像块X″i和Y″i；





...

【专利技术属性】
技术研发人员：周雷文，
申请(专利权)人：周雷文，
类型：发明
国别省市：浙江;33