一种基于分数阶Rulkov神经元模型的数字水印加密方法、装置制造方法及图纸

本发明专利技术涉及数字水印加密技术领域，更具体的，涉及一种基于分数阶Rulkov神经元模型的数字水印加密方法、装置。本发明专利技术构建了分数阶Rulkov神经元模型产生高复杂度的混沌序列S，并对水印图像P进行处理加密，安全性有了较大提高。本发明专利技术对于载体图像Q的R、G、B三个通道进行处理，构建了9个待嵌入区，并按照嵌入规则进行嵌入处理，然后在重塑整合成嵌入水印图像P后的载体图像Q'，从而实现了数字水印加密。本发明专利技术的密钥的敏感性高，密钥空间大；并且经过仿真验证，本发明专利技术可以有效的抵抗攻击。因此，本发明专利技术解决了现有基于混沌的数字水印算法存在安全性差、密钥空间小和对抵抗攻击的鲁棒性差的问题。的问题。的问题。

【技术实现步骤摘要】
一种基于分数阶Rulkov神经元模型的数字水印加密方法、装置


[0001]本专利技术涉及数字水印加密
，具体涉及基于分数阶Rulkov神经元模型的数字水印加密方法、以及使用了该数字水印加密方法的数字水印加密装置。

技术介绍

[0002]水印的创新起源于中世纪的欧洲，当时水印首次用于代表品牌。在现代，“计算机化水印”一词出现在1988年，由小松和富永撰写。国际标准化组织(ISO)在2007年计划制定MPEG原则。从那时起，人们对计算机化水印产生了极大的热情。
[0003]现今的计算机化水印，一般指的是数字水印(Digital Watermarking)，是把一些标识信息(即数字水印)直接嵌入数字载体当中(包括多媒体、文档、软件等)或是间接表示(修改特定区域的结构)，且不影响原载体的使用价值，也不容易被探知和再次修改。
[0004]但现有基于混沌的数字水印算法，存在安全性差、密钥空间小和对抵抗攻击的鲁棒性差等缺点，需要进行改进。

技术实现思路

[0005]基于此，有必要针对现有基于混沌的数字水印算法存在安全性差、密钥空间小和对抵抗攻击的鲁棒性差的问题，提供一种基于分数阶Rulkov神经元模型的数字水印加密方法、装置。
[0006]本专利技术采用以下技术方案实现：
[0007]第一方面，本专利技术公开了基于分数阶Rulkov神经元模型的数字水印加密方法，用于将水印图像P嵌入载体图像Q。
[0008]数字水印加密方法包括以下步骤：
[0009]构建分数阶Rulkov神经元模型，并依据水印图像P的规格生成混沌序列S；
[0010]对水印图像P使用混沌序列S进行像素置乱，得到置乱后的数字水印T；
[0011]将载体图像Q提取出R、G、B三个通道的像素矩阵P
R
、P
G
、P
B
；
[0012]对P
R
、P
G
、P
B
分别进行2级DWT变换，得到子带LH2、HL2、HH2、LH2'、HL2'、HH2'、LH2”、HL2”、HH2”，并作为9个待嵌入区；
[0013]将置乱后的数字水印T按照嵌入规则嵌入到9个待嵌入区，得到嵌入后的子带SLH2、SHL2、SHH2、SLH2'、SHL2'、SHH2'、SLH2”、SHL2”、SHH2”；其中，对HH2、HH2'、HH2”先进行DCT变换，再进行嵌入处理；
[0014]对SLH2、SHL2、SHH2进行2级DWT反变换，得到R通道上嵌入后图像P
R
'；对SLH2'、SHL2'、SHH2'进行2级DWT反变换，得到G通道上嵌入后图像P
G
'；对SLH2”、SHL2”、SHH2”进行先进行DCT反变换，再进行2级DWT反变换，得到B通道上嵌入后图像P
B
'；
[0015]将P
R
'、P
G
'、P
B
'重塑整合，形成嵌入水印图像P后的载体图像Q'。
[0016]基于分数阶Rulkov神经元模型的数字水印加密方法的实现根据本公开的实施例
的方法或过程。
[0017]第二方面，本专利技术公开了一种数字水印加密装置，使用了如第一方面公开的基于分数阶Rulkov神经元模型的数字水印加密方法。
[0018]数字水印加密装置包括：混沌序列生成模块、像素置乱处理模块、像素矩阵提取模块、正变换处理模块、嵌入处理模块、反变换处理模块、重塑整合模块。
[0019]混沌序列生成模块用于构建分数阶Rulkov神经元模型，并依据水印图像P的规格生成混沌序列S。像素置乱处理模块用于对水印图像P使用混沌序列S进行像素置乱，得到置乱后的数字水印T。像素矩阵提取模块用于将载体图像Q提取出R、G、B三个通道的像素矩阵P
R
、P
G
、P
B
。正变换处理模块用于对P
R
、P
G
、P
B
分别进行2级DWT变换，得到子带LH2、HL2、HH2、LH2'、HL2'、HH2'、LH2”、HL2”、HH2”，并作为9个待嵌入区。嵌入处理模块用于将置乱后的数字水印T按照嵌入规则嵌入到9个待嵌入区，得到嵌入后的子带SLH2、SHL2、SHH2、SLH2'、SHL2'、SHH2'、SLH2”、SHL2”、SHH2”；其中，对HH2、HH2'、HH2”先进行DCT变换，再进行嵌入处理。重塑整合模块用于将P
R
'、P
G
'、P
B
'重塑整合，形成嵌入水印图像P后的载体图像Q'。
[0020]该种视频加密装置的实现根据本公开的实施例的方法或过程。
[0021]第三方面，本专利技术公开了一种可读存储介质。可读存储介质中存储有计算机程序指令，计算机程序指令被一处理器读取并运行时，执行如第一方面公开的基于分数阶Rulkov神经元模型的数字水印加密方法的步骤。
[0022]与现有技术相比，本专利技术具备如下有益效果：
[0023]本专利技术采用分数阶Rulkov神经元模型产生高复杂度的混沌序列S对水印图像P进行处理，安全性有了较大提高。本专利技术可以有效的抵抗噪声攻击，并且对嵌入水印图像的载体图像在传输过程中的数据丢失也有很好的鲁棒性。本专利技术对密钥的敏感性高，密钥空间大，具有良好的实际应用前景。
附图说明
[0024]图1为本专利技术实施例1中基于分数阶Rulkov神经元模型的数字水印加密方法的流程图。
[0025]图2为本专利技术中分数阶Rulkov神经元模型所用离散忆阻器的直流V
‑
I图；
[0026]图3为本专利技术中分数阶Rulkov神经元模型样本熵复杂度的三维图；
[0027]图4为本专利技术中产生的一个混沌序列S的时域图；
[0028]图5为本专利技术中四种嵌入方式的示意图；
[0029]图6为本专利技术实施例2中使用的3种载体图像Q1～Q3和1种水印图像P；
[0030]图7为本专利技术实施例2中对嵌入水印图像P后的载体图像Q1'进行裁剪攻击测试的结果图；
[0031]图8为本专利技术实施例2中对嵌入水印图像P后的载体图像Q2'进行裁剪攻击测试的结果图；
[0032]图9为本专利技术实施例2中对嵌入水印图像P后的载体图像Q3'进行裁剪攻击测试的结果图；
[0033]图10为本专利技术实施例2中对嵌入水印图像P后的载体图像Q2'进行椒盐噪声攻击测试的结果图；
[0034]图11为本专利技术实施例2中对嵌入水印图像P后的载体图像Q2'进行亮度攻击测试的结果图；
[0035]图12为本专利技术实施例2中进行密钥敏感度测试的结果图。
具体实施方式
[0036]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于分数阶Rulkov神经元模型的数字水印加密方法，用于将水印图像P嵌入载体图像Q，其特征在于，所述数字水印加密方法包括以下步骤：构建分数阶Rulkov神经元模型，并依据所述水印图像P的规格生成混沌序列S；对所述水印图像P使用混沌序列S进行像素置乱，得到置乱后的数字水印T；将所述载体图像Q提取出R、G、B三个通道的像素矩阵P
R
、P
G
、P
B
；对P
R
、P
G
、P
B
分别进行2级DWT变换，得到子带LH2、HL2、HH2、LH2'、HL2'、HH2'、LH2”、HL2”、HH2”，并作为9个待嵌入区；将置乱后的数字水印T按照嵌入规则嵌入到9个待嵌入区，得到嵌入后的子带SLH2、SHL2、SHH2、SLH2'、SHL2'、SHH2'、SLH2”、SHL2”、SHH2”；其中，对HH2、HH2'、HH2”先进行DCT变换，再进行嵌入处理；对SLH2、SHL2、SHH2进行2级DWT反变换，得到R通道上嵌入后图像P
R
'；对SLH2'、SHL2'、SHH2'进行2级DWT反变换，得到G通道上嵌入后图像P
G
'；对SLH2”、SHL2”、SHH2”进行先进行DCT反变换，再进行2级DWT反变换，得到B通道上嵌入后图像P
B
'；将P
R
'、P
G
'、P
B
'重塑整合，形成嵌入水印图像P后的载体图像Q'。2.根据权利要求1所述的基于分数阶Rulkov神经元模型的数字水印加密方法，其特征在于，所述分数阶Rulkov神经元模型的表达式为：其中，F(x
n
,y
n
)表示离散忆阻器，x
n
、y
n
、表示状态变量，x0、y0、表示初始值；q表示分数阶次；k表示耦合系数；表示离散忆阻器阻值，β、ξ表示离散忆阻器内部参数；F(x
n
,y
n
)的表达式为：α、μ、ε表示常数。3.根据权利要求2所述的基于分数阶Rulkov神经元模型的数字水印加密方法，其特征在于，所述混沌序列的生成方法包括：获取所述水印图像P的规格为M
×
N个像素；预设密钥为输入到分数阶Rulkov神经元模型并进行3
×
M
×
N次迭代，得到混
沌序列S。4.根据权利要求1所述的基于分数阶Rulkov神经元模型的数字水印加密方法，其特征在于，进行两级DWT变换的方法包括：步骤201，对P
R
进行第一级DWT变换，得到子带LL1、LH1、HL1、HH1；对P
G
进行第一级DWT变换，得到子带LL1'、LH1'、HL1'、HH1'；对P
B
进行第一级DWT变换，得到子带LL1”、LH1”、HL1”、HH1”；步骤202，对HH1进行第二级DWT变换，得到子带LL2、LH2、HL2、HH2；对HH1'进行第二级DWT变换，得到子带LL2'、LH2'、HL2'、HH2'；对HH1”进行第二级DWT变换，得到子带LL2”、LH2”、HL2”、HH2”。5.根据权利要求1所述的基于分数阶Rulkov神经元模型的数字水印加密方法，其特征在于，进行像素置乱的方法包括：从混沌序列S提取出行索引矩阵I、列索引矩阵J；依据T
i,j
＝P
row,col
，构建出置乱后的数字水印T；其中，T
i,j
表示T的第i行、第j列的像素；P
row,col
表示P的第row行、第col列的像素；row＝mod(I
i,j
+2
...

【专利技术属性】
技术研发人员：丁大为，牛炎，杨宗立，张红伟，王金，王谋媛，陈思琦，张亚利，
申请(专利权)人：安徽大学，
类型：发明
国别省市：