王向陽　楊紅穎　牛盼盼　王春鵬

(遼寧師范大學計算機與信息技術學院　遼寧大連　116081)

(wxy37@126.com)

?

基于四元數指數矩的魯棒彩色圖像水印算法

王向陽楊紅穎牛盼盼王春鵬

(遼寧師范大學計算機與信息技術學院遼寧大連116081)

(wxy37@126.com)

Quaternion Exponent Moments Based Robust Color Image Watermarking

Wang Xiangyang, Yang Hongying, Niu Panpan, and Wang Chunpeng

(SchoolofComputerandInformationTechnology,LiaoningNormalUniversity,Dalian,Liaoning116081)

AbstractIt is a challenging work to design a robust color image watermarking scheme against geometric distortions. Moments and moment invariants have become a powerful tool in robust image watermarking owing to their image description capability and geometric invariance property. However, the existing moment-based watermarking schemes were mainly designed for gray images but not for color images, and detection quality and robustness will be lowered when watermark is directly embedded into the luminance component or three color channels of color images. Furthermore, the imperceptibility of the embedded watermark is not well guaranteed. Based on algebra of quaternions and exponent moments theory, a new color image watermarking algorithm robust to geometric distortions is proposed in this paper. We firstly introduce the quaternion exponent moments to deal with the color images in a holistic manner, and it is shown that the quaternion exponent moments can be obtained from the conventional exponent moments of each channel. Then we provide a theoretical framework to construct a set of combined invariants with respect to geometric distortions (rotation, scaling, and translation). And finally, we present a new color image watermarking algorithm robust to geometric distortions, which is based on a set of quaternion exponent moments invariants. Experimental results show that the proposed color image watermarking is not only invisible and robust against common signals processing such as median filter, noise adding, and JPEG compression, but also robust against the geometric distortions.

Key wordscolor image watermarking; geometric distortions; algebra of quaternions; exponent moments; quantization

摘要近年來，抗幾何攻擊數字圖像水印方法研究取得了很大進展，但現有絕大多數圖像水印嵌入算法都是針對灰度圖像的，直接用于彩色載體圖像的數字水印算法較少.即使原始載體是彩色圖像，大部分方法也只是通過提取其亮度信息或使用單色通道信息嵌入數字水印.也就說，現有算法未能很好體現和保留不同色彩分量在整個顏色空間內的特定聯系，因而必然影響數字水印的魯棒性和不可感知性.以四元數與指數矩理論為基礎，提出了一種基于四元數指數矩的抗幾何攻擊彩色圖像水印算法.1)把傳統灰度圖像的指數矩理論推廣到四元數層面，并定義出彩色圖像的四元數指數矩；2)對四元數指數矩的不變特性進行推導與分析；3)構造出基于四元數指數矩的抗幾何攻擊彩色圖像水印方案.仿真實驗表明，該算法不僅具有較好的不可感知性，而且對常規(guī)信號處理和幾何攻擊均具有較好的魯棒性.

關鍵詞彩色圖像水印；幾何攻擊；四元數；指數矩；量化

抗幾何攻擊的強魯棒數字圖像水印方法研究是一項富有挑戰(zhàn)性的工作[1].一般說來，對于給定的數字圖像水印算法，水印檢測器必需知道數字水印嵌入的確切位置.所謂幾何攻擊，并非指該種攻擊能夠從含水印對象中去除水印信息，而是指其能夠破壞數字水印分量的同步(即改變水印嵌入位置)，從而導致檢測器找不到有效水印.幾何攻擊包括旋轉、縮放、平移、長寬比改變等多種形式.截止到目前，人們主要采用5種措施設計抗幾何攻擊的魯棒圖像水印方案，分別為窮舉搜索、擴頻水印擴頻碼相結合、同步校正、利用原始數據重要特征、構造同步不變量等[2-3].其中，窮舉搜索是圖像信號在遭受時域幾何攻擊后恢復數字水印的最簡單方法.通過定義有關參數(如圖像旋轉、縮放)的變化范圍及變化步長，使它們的每種組合代表一個假設已經對作品進行的攻擊.檢測水印時首先逆轉每個可能的組合，然后各應用一次水印檢測器.顯然，窮舉搜索方法存在2點致命不足：1)計算代價太高，其計算量將隨著搜索空間的增大而急劇膨脹；2)對水印檢測器多次操作會增加虛警率.可見，只有在小搜索空間時，窮舉搜索方法才有效，即該方法不利于實際應用[2-3].

從通信角度來看，原始載體圖像可以被認為是近似連續(xù)幅度的、二維的、有限帶寬的并具有較大平均噪聲功率的信道，欲嵌入的數字水印是信息或信號，而對含水印圖像的攻擊可以被看作是在信道中引入的失真或畸變.顯然，數字圖像水印技術非常接近于典型通信理論，因此許多在連續(xù)信道上進行調制通信的方案，都可以作為數字水印技術的潛在方案，這為擴頻技術在數字水印領域的廣泛應用奠定了基礎.一般說來，基于擴頻原理的圖像水印嵌入方案，往往首先采用誤差糾錯編碼技術，對數字水印信息進行預編碼，然后利用相移鍵控(PSK)等調制方法，對水印信息進行頻譜擴展，最后將擴頻水印信息直接加入到原始圖像的像素值(或變換系數)中.而常見的數字水印檢測方案包括2種：

1) 計算擴頻序列與含水印圖像的互相關性，再通過閾值判定得出數字水印信息；

2) 對含水印圖像進行復原濾波，求得復原圖像與含水印圖像的差值，再與擴頻序列進行相關檢測.

擴頻水印擴頻碼相結合方法的優(yōu)點是無需額外同步信息，但由于其缺乏必要的同步保護機制，故普遍無法抵御長寬比改變等較復雜幾何攻擊.此外，現有部分擴頻水印擴頻碼相結合方案無法實現水印信息的盲檢測，因而不利于實際應用[4-5].

所謂同步校正方法是指首先利用相關技術計算出受攻擊含水印圖像所經歷的各種變換參數(如旋轉角度、縮放倍數等)，然后對受攻擊含水印圖像進行同步校正(即進行逆變換)，最后從校正后含水印圖像中提取數字水印.顯然，各種變換參數的正確計算是該類圖像水印方法的關鍵.基于同步校正的魯棒圖像水印方案主要包括圖像配準方法、模版或可識別結構嵌入方法、SVM同步校正方法等.基于配準的數字圖像水印方法能夠較好抵抗幾何攻擊，但其提取水印時需要原始載體圖像參與，故不利于實際應用.基于模版或可識別結構的圖像水印技術具有2個缺點：

1) 模版或可識別結構的嵌入會占用本可用于嵌入水印信息的空間，因而會影響水印的容量;

2) 容易受到模板移除攻擊，因為在算法己知的情況下任何人都可以對模扳進行操作，將其去除.

而基于SVM同步校正的圖像水印方案具有時間復雜度較高等弱點[6-7].利用原始數據重要特征的圖像水印，即所謂“第2代數字圖像水印”，其基本思想為：利用相對穩(wěn)定的圖像特征點來標識水印嵌入位置，并在與每個特征點相對應的局部特征區(qū)域內獨立地嵌入水印信息，同時利用特征點來定位和檢測數字水印，從而有效抵抗幾何攻擊.然而目前該類方法普遍存在特征點穩(wěn)定性差且分布極不均勻、水印容量十分有限、時間復雜度較高等問題[8-10].

相比較而言，基于同步不變量的圖像水印方案以其工作原理簡單、無需輔助信息、檢測性能穩(wěn)定等特點而日益受到人們重視[11-19].這類算法的基本思想是從原始圖像中找到具有同步不變性的量用來隱藏水印，而目前人們所采納的同步不變量主要包括Fourier-Mellin變換、Radon變換、幾何不變矩、直方圖和奇異值等.由于具有同步不變性，在水印圖像遭受攻擊后，這些量沒有變化，因而隱藏于其中的水印信息得以保存.大多數圖像水印算法在對含水印載體進行幾何攻擊后，提取水印時存在許多問題.為克服這個弱點，研究者陸續(xù)提出了基于Fourier-Mellin變換的數字水印嵌入算法[11]，該類算法首先計算圖像DFT，并對DFT的幅值進行LPM(log-polar map, LPM)，即將笛卡兒坐標系變?yōu)閷禈O坐標系；再對對數極坐標上的系數做DFT，并只取DFT的幅值，從而得到具有仿射變換不變性的空間；最后將水印信息嵌入到仿射變換不變空間內.為抵抗幾何攻擊，文獻[12]引入2種廣義Radon變換，提出了一系列魯棒性能較好的圖像水印方案.該類圖像水印嵌入方案的核心思想如下：1)利用拐角檢測算法檢測圖像內容中的拐角并找到其中魯棒性最強的，該拐角被用作2個一維廣義Radon變換的原點;2)水印嵌入和檢測過程從2個變換中抽取出特征值，并在嵌入或相關檢測之前對參考水印進行仿射變換校正.于是，水印嵌入與水印相關檢測的同步得以實現.結合計算機視覺和模式識別領域廣泛使用的歸一化矩概念，文獻[13]等文獻相繼提出了基于Zernike、偽Zernike、Krawtchouk、Tchebichef等不變矩的魯棒圖像水印嵌入技術.此外，Coatrieux等人[14]結合直方圖形狀不變特性，相繼提出了基于像素(或變換系數)統計特征的空間域(或變換域)圖像水印方法.Bhatnagar等人[15-16]以小波框架變換、可逆隨機擴展變換及奇異值分解(SVD)理論為基礎，提出了一種新的數字圖像水印方法，該方法可以通過奇異值調制修改等措施，同時在原始載體內嵌入2個數字水印.為了取得不可感知性和魯棒性的良好平衡.Niu等人[17]結合不變質心理論，提出了基于彩色圖像歸一化的非下采樣輪廓變換(NSCT)域數字水印算法，獲得了一定的抗全局幾何攻擊能力.

以上分析表明，抗幾何攻擊數字圖像水印方法研究已取得了很大進展，但現有絕大多數圖像水印嵌入算法都是針對灰度圖像的，直接用于彩色載體圖像的數字水印算法較少[18-19].即使原始載體是彩色圖像，大部分方法也只是通過提取其亮度信息或使用單色通道信息嵌入數字水印[16-17,20-21]，由于其未能很好體現和保留不同色彩分量在整個顏色空間內的特定聯系，故必然影響數字水印的魯棒性和不可感知性.文獻[22]提出了一種彩色圖像四元數頻域幅值調制水印算法，該算法首先對原始載體圖像進行分塊四元數傅里葉變換，然后將數字水印嵌入到傅里葉直流分量的模值中.由于算法將水印帶來的誤差擴散到紅、綠、藍3色圖像分量上，故可獲得較好的抗常規(guī)信號處理能力.蓋琦[23]將離散四元數余弦變換理論引入到彩色圖像水印領域，并提出了一種基于離散四元數余弦變換的彩色圖像水印新方法，獲得了較好的抵抗JPEG壓縮能力，并對疊加噪聲、尺度縮放等攻擊有一定的魯棒性.Tsui等人[24]提出了基于多維傅里葉變換的非盲彩色圖像水印算法，盡管該算法考慮了不同色彩分量間的特定聯系，但因其忽略了多維傅里葉變換系數間的對稱特性及數字水印的同步問題，導致數字水印的不可感知性與抗幾何攻擊能力均較差.王丹[25]給出了基于Pauli算符與歐拉公式的雙側四元數傅里葉變換求解過程，并提出了基于極坐標映射關系的笛卡爾坐標系彩色圖像數字水印算法，該算法選取中頻環(huán)形區(qū)域作為嵌入位置，同時采用傳統加性原則嵌入水印信息，但其只能抵抗中輕度信號處理和幾何攻擊.陳北京等人[26]定義了四元數調制重疊變換(MQLT)，分析了MQLT系數的對稱特性，同時結合MQLT變換及其系數對稱特性，提出了一種魯棒的雙彩色圖像盲水印算法，具有較好的不可感知性和對常規(guī)信號處理的魯棒性.Tsougenis等人[27]以傳統Tchebichef矩、Krawtchouk矩理論為基礎，結合可反映色彩分量間聯系的四元數技術，構造了四元數圖像矩并據此提出了自適應彩色圖像水印方法，但因Tchebichef矩和Krawtchouk矩不同程度存在圖像描述與重建能力較差、對噪聲較為敏感、數值計算穩(wěn)定性較差等不足，導致整個圖像水印系統工作性能并不理想.

鑒于此，本文以性能優(yōu)良的指數矩理論為基礎(圖像描述與重建能力強、噪聲敏感性低、數值計算穩(wěn)定等)，結合基于四元數的彩色像素矢量整體處理技術，將傳統灰度圖像指數矩理論拓展推廣至四元數層面，定義推導了適合于彩色圖像的高精度四元數指數矩，構造了適合于彩色圖像的四元數指數矩幾何不變量，并進一步提出了基于四元數指數矩的抗幾何攻擊彩色圖像水印方案.

1四元數與指數矩簡介

1.1彩色圖像的四元數描述

四元數可看成是復數的推廣，并以高維度形式呈現.早在1843年英國數學家Hamilton[28]就提出了四元數理論，但是直到20世紀90年代四元數的理論和方法才被英國科學家Sangwine應用到彩色圖像處理中.

對于大小為M×N的彩色圖像，用f(x,y)表示圖像中的一個像素，x和y分別為像素所在矩陣的行和列的位置，x∈[1,M]，y∈[1,N].令四元數的3個虛部分別代表彩色圖像的R，G，B三個分量，實部為0，則四元數可以把在三色空間上的彩色圖像視為一個矢量整體進行描述，即彩色圖像f(x,y)可以表示為如下的無實部純虛四元數：

(1)

其中，fR(x,y)，fG(x,y)，fB(x,y)是對應彩色圖像的R，G，B三個分量，i，j，k為虛數單位.

顯然，相對于傳統的單色通道或提取亮度圖像后再處理的方法而言，基于四元數的彩色圖像處理更能體現出彩色圖像的整體性，彩色圖像的顏色信息能夠得到很好的保持.

1.2指數矩基本理論

孟敏等人[29]于2011年提出的指數矩，能夠很容易地構造出圖像的高階矩和低階矩，并可以使用較少的矩來重建圖像.與Legendre矩、Zernike矩、偽Zernike矩、Tchebichef矩、Krawtchouk矩等相比，指數矩不僅具有良好的圖像描述能力，而且具有基函數簡單、計算復雜度低、對噪聲不敏感、數值計算穩(wěn)定等特點，故可廣泛應用于模式識別、信息檢索與分類、數字水印等諸多領域.

在極坐標系(r,θ)中，階數為n，重復度為m的指數矩Enm可定義為

(2)

根據正交完整函數系理論，圖像可以用無限的正交函數序列重建.使用有限數目的指數矩可以近似重建原圖像函數f(r,θ)，并且所用項數越多，其近似程度越高.若已知圖像最高階nmax、最大重復度mmax的指數矩，則由其完備性和正交性，可得原始圖像的重構公式：

(3)

2彩色圖像的四元數指數矩

為便于全面刻畫與描述彩色圖像特征，我們這里將傳統灰度圖像的指數矩理論推廣到四元數層面，并進一步定義出彩色圖像的四元數指數矩.假設f(r,θ)為極坐標系下的彩色圖像，則根據傳統灰度圖像的指數矩定義及四元數理論，我們可以定義彩色圖像四元數指數矩(quaternion exponent moments, QEMs)[30-31]為

(4)

其中，μ是一個單位純四元數，在此選擇μ=(i+j+k)(r)表示徑向基函數An(r)的共軛，且有：

(5)

(6)

2.1四元數指數矩與傳統指數矩之間的關系

1) 四元數指數矩分解與傳統指數矩分解之間的關系

假設fR，fG，fB分別表示彩色圖像的R，G，B三個分量，Enm(fR)，Enm(fB)，Enm(fG)分別表示彩色圖像R，G，B三個分量的傳統指數矩，Re(p)表示取復數p的實部，Im(p)表示取復數p的虛部，則四元數指數矩分解與傳統指數矩分解之間的關系可以表示為

(7)

其中：

(8)

2) 四元數指數矩重構與傳統指數矩重構之間的關系

根據四元數傅里葉變換及其逆變換理論[28]，四元數指數矩的重構過程可描述如下：

(9)

其中：

(10)

(11)

2.2四元數指數矩與傳統指數矩之間的區(qū)別

四元數指數矩與傳統指數矩之間的區(qū)別主要體現在2個方面:

1) 對于傳統指數矩Enm=Anm+iBnm，其關于中心對稱位置的指數矩為E-n-m=A-n-m+iB-n-m，其滿足Anm=A-n-m,Bnm=-B-n-m，即Enm和E-n-m是一組共軛復數[29].

2) 由 1)知，傳統指數矩的幅值滿足|Enm|=|E-n-m|，即傳統指數矩幅值是關于中心對稱的[29]；

顯然，進行數字水印嵌入時，應充分考慮上述四元數指數矩分布特點，以提高系統的不可感知性能.

圖1給出了128×128×24 b真彩色圖像Lena和Barbara的四元數指數矩重構圖像及相應的重構誤差.其中，由左至右，依次為階數為5，10，20，30，40，50的四元數指數矩重構圖像及相應的重構誤差.

Fig. 1　The reconstructed images and reconstruction errors.圖1　四元數指數矩的重構圖像及相應的重構誤差

3四元數指數矩的幾何不變特性分析

下面我們來詳細分析與討論四元數指數矩的幾何不變特性[30-32].

3.1四元數指數矩的平移不變性

四元數指數矩的平移不變性是通過幾何矩實現的.對于一幅彩色圖像，我們可以首先計算其質心，而彩色圖像的質心坐標可通過零階幾何矩和一階幾何矩得到，即彩色圖像的質心(xc,yc)為

(12)

其中，m0,0(fR)，m1,0(fR)，m0,1(fR)是顏色分量R的零階和一階幾何矩，m0,0(fG)，m1,0(fG)，m0,1(fG)是顏色分量G的零階和一階幾何矩，m0,0(fB)，m1,0(fB)，m0,1(fB)是顏色分量B的零階和一階幾何矩.

待獲得彩色圖像的質心坐標(xc,yc)以后，我們可以先將彩色圖像中心移到彩色圖像的質心坐標，而后再計算彩色圖像的四元數指數矩，此時四元數指數矩就具有了平移不變性.

3.2四元數指數矩的旋轉不變性

(13)

對式(13)兩端取模，可得：

(14)

可見，旋轉后彩色圖像四元數指數矩的模與原彩色圖像四元數指數矩的模是相等的，也就是說彩色圖像四元數指數矩的模具有旋轉不變特性.

3.3四元數指數矩的縮放不變性

我們可首先將彩色圖像歸一化到單位圓內，然后再計算彩色圖像四元數指數矩，此時所計算得到的彩色圖像四元數指數矩具有縮放不變性.對于一個給定的彩色圖像函數g(r′,θ)，找到彩色圖像的半徑k，則r′的變化范圍為0≤r′≤k，其歸一化彩色圖像函數可表示為

(15)

圖2給出了四元數指數矩(幅值)的抗幾何攻擊能力測試結果(128×128×24 b真彩色圖像Lena).這里，所測試的幾何攻擊包括旋轉、縮放、平移、縮放旋轉聯合等.實驗結果表明，彩色圖像的四元數指數矩具有良好的幾何不變特性.

Fig. 2The modulus distribution of QEMs for color image Lena under various attacks.
圖2四元數指數矩(幅值)的抗幾何攻擊能力測試(真彩色圖像Lena)

Fig. 3　Watermark embedding.圖3　數字水印的嵌入原理

4抗幾何攻擊彩色圖像水印

4.1基于四元數指數矩的彩色圖像水印嵌入

本文將以性能優(yōu)良的四元數指數矩為基礎，提出一種可有效抵抗幾何攻擊的彩色圖像水印新方案，其基本工作原理為：首先結合四元數指數矩的幾何不變特性，計算出原始彩色圖像的四元數指數矩，然后選取部分低階四元數指數矩，并采納量化調制策略將水印信息嵌入到四元數指數矩幅值中.圖3給出了數字水印嵌入算法的系統框圖.

設原始載體為24 b真彩色圖像F={f(x,y),1≤x≤M,1≤y≤N}.其中，f(x,y)表示原始載體圖像第x行、第y列像素的顏色值.

數字水印為二值圖像W={w(i,j),1≤i≤P,1≤j≤Q}.其中，w(i,j)∈{0,1}代表二值水印圖像的第i行、第j列像素值.則整個彩色圖像水印的嵌入過程(關鍵步驟)可描述如下:

1) 數字水印的預處理

為了消除二值水印圖像的像素空間相關性，提高整個數字水印系統的安全性能，確保彩色圖像某一部分受到破壞后仍能全部或部分地恢復水印，宜首先對二值水印圖像進行置亂加密.為此，本文首先引入Arnold變換，對二值水印圖像W進行置亂加密并進一步將置亂后水印圖像轉換成一維數字水印W1，其中:

2) 四元數指數矩的計算

對原始彩色載體圖像進行歸一化處理，并計算出歸一化彩色圖像的四元數指數矩.參見第2節(jié).

3) 低階四元數指數矩的選取

大量仿真實驗結果表明：面對濾波、疊加噪聲、JPEG壓縮等常規(guī)信號處理，部分四元數指數矩存在微小的計算誤差.也就是說，必須合理選擇四元數指數矩用于水印嵌入.為此，本文結合濾波、疊加噪聲、JPEG壓縮等常規(guī)信號處理實驗，確定了如下穩(wěn)定四元數指數矩(本文指攻擊前后矩幅值變化小于2%的四元數指數矩為穩(wěn)定四元數指數矩)選取規(guī)則：

①n≤0且m=0；

圖4給出了512×512真彩色圖像的穩(wěn)定四元數指數矩選取示意圖(這里四元數指數矩的最高階nmax=31).其中，陰影部分所覆蓋的區(qū)域即為穩(wěn)定四元數指數矩所在區(qū)域.

Fig. 4　Robust QEMs selection.圖4　穩(wěn)定四元數指數矩選取示意圖

4) 數字水印的嵌入

本文采用量化調制四元數指數矩幅值的方法嵌入數字水印信息，量化規(guī)則如下：

(16)

5) 含水印彩色圖像的生成

① 計算出含水印歸一化彩色圖像，其由2部分合并而成：

部分1是未被修改的四元數指數矩所重構的彩色圖像f*(x,y)：

(17)

這里，fO(x,y)是原始載體的歸一化彩色圖像，fW(x,y)是待修改四元數指數矩的重構部分彩色圖像，重構方法見第2節(jié).

部分2是已修改四元數指數矩的重構部分彩色圖像fW′(x,y)，重構方法見第2節(jié).

將上面2部分合并，即得到含水印歸一化彩色圖像f′(x,y)：

(18)

② 對含水印歸一化彩色圖像f′(x,y)進行逆歸一化處理，即可得到含水印彩色圖像F′.

4.2基于四元數指數矩的彩色圖像水印提取

本文討論的彩色圖像水印檢測算法屬于目標檢測算法，即在檢測數字水印時不需要原始的載體圖像.設待檢測彩色圖像為F′，則數字水印檢測過程(關鍵步驟)可描述如下:

Fig. 5　The host color images.圖5　原始彩色載體圖像

1) 對待檢測彩色圖像F′進行歸一化處理，并計算出歸一化彩色圖像的四元數指數矩.詳見第2節(jié).

2) 利用密鑰Key1選擇P×Q個四元數指數矩

3) 數字水印提取.

(19)

(20)

其中，i=1,2,…,P×Q,式(20)可以分解為3個具體步驟:

Ⅱ 計算Ⅰ中2個距離的差值，記為t=dis0-dis1；

5仿真實驗與結論

為了驗證本文彩色圖像水印算法的高效性，以下分別給出了不可感知性能測試、抗攻擊(包括常規(guī)信號處理和幾何攻擊)能力測試的實驗結果，并與圖像歸一化算法[17]、線性判別分析算法[20]、SVM分類算法[21]進行了對比.實驗中，所選用的原始載體分別為256×256×24 b真彩色標準圖像“Lena”,“Barbara”,“Mandrill”,“Peppers”,“Airplane”,“Sailboat and lake”,“Splash”,“House”,“Girl”,和“San Diego”，數字水印采用了16×16的二值圖像，如圖5和圖6所示.另外，量化步長Δ=0.5.這里，我們使用了比特失真率BER和峰值信噪比PSNR來衡量數字水印算法的工作性能，BER和PSNR定義如下：

(21)

其中,F(i,j)和F′(i,j)分別為原始彩色載體圖像和含水印彩色圖像，M,N為圖像大小.

Fig. 6　Digital watermark.圖6　數字水印

5.1不可感知性能測試

表1給出了4種彩色圖像水印方法的不可感知性能測試結果.圖7分別給出了圖像歸一化算法[17]及本文算法的含水印彩色圖像Lena，Barbara和Mandrill.圖8分別給出了圖像歸一化算法[17]及本文算法的差值圖像(原始彩色載體和含水印彩色圖像的差值圖像).

Table 1　The PSNR for Various Watermarking Method

Fig. 7　The watermarked images using different algorithms.圖7　不同彩色圖像水印方法的含水印圖像

Fig. 8　The absolute difference images for different algorithms.圖8　不同彩色圖像水印方法的差值圖像

5.2抗攻擊能力測試

為了檢測本文算法的魯棒性能，仿真實驗分別對圖像歸一化算法[17]、線性判別分析算法[20]、SVM分類算法[21]及本文算法的含水印彩色圖像進行了一系列攻擊.

圖9給出了本文算法的部分數字水印檢測結果(在常規(guī)信號處理和幾何攻擊下).在完全相同的實驗環(huán)境和條件下，表2和表3分別給出了4種彩色圖像水印方法的抗攻擊能力對照結果(失真率BER).

Fig. 9　The attacked watermarked image and the extracted watermark.圖9　本文算法的部分數字水印檢測結果(在常規(guī)信號處理和幾何攻擊下)

AttackLenaBarbaraMandrillProposedSchemeNormali-zation[17]LDA[20]SVM[21]ProposedSchemeNormali-zation[17]LDA[20]SVM[21]ProposedSchemeNormali-zation[17]LDA[20]SVM[21]MedianFilter0.01950.03030.04960.070300.02340.08590.14650.00390.00490.11620.2422GuassianFilter00.03130.03810.035200.02250.06050.092800.01070.09670.1865RandomNoise0.02340.02930.03220.05960.01560.01950.05470.10350.01950.00590.11040.0947GaussianNoise0.02340.02730.02640.05570.01170.02150.08980.14160.03130.02340.10350.1338SaltandPeppersNoise00.02340.02730.029300.01640.06840.051800.02050.12210.0850JPEGCompression700.00390.03210.15330.221700.02540.21090.25590.00390.02030.21580.2002500.00390.03340.20800.253900.02440.25490.42580.00780.02930.29690.2705300.01170.04000.24710.37210.02340.02830.27050.43070.02340.03220.33200.3652MedianFilter+GaussianNoise0.02340.02440.04300.27640.00780.01860.13960.28130.01950.01370.12790.3037MedianFilter+JPEG700.01560.02640.18550.32810.00390.01960.24220.31740.00780.01950.26860.3779Average0.01250.02980.10110.17020.00620.02200.14770.22470.01170.01800.17900.2260

Table 3　The Watermark Detection Results for Geometric Distortions (BER)

實驗結果表明:本文所提出的彩色圖像水印算法不僅具有較好的不可感知性，而且對常規(guī)信號處理和幾何攻擊均具有較好的魯棒性，整體工作性能明顯優(yōu)于圖像歸一化、線性判別分析、SVM分類等彩色圖像水印方案，其原因在于本文采用了性能穩(wěn)定的四元數指數矩不變量嵌入水印.

6結束語

本文以傳統的四元數理論與指數矩理論為基礎，定義推導了可全面反映色彩分量間內在聯系的彩色圖像四元數指數矩，分析了彩色圖像四元數指數矩的不變特性，并據此提出了一種基于四元數指數矩的抗幾何攻擊彩色圖像水印算法.同時，仿真實驗結果也說明了本文算法的有效性.

特別需要指出的是:本文所定義推導的彩色圖像四元數指數矩可廣泛應用于彩色圖像識別、分類、檢索等諸多領域，故具有較大的應用價值.

參考文獻

[1]Marco B, Davide C, Victor P. Protecting the content integrity of digital imagery with fidelity preservation: An improved version[J]. ACM Trans on Multimedia Computing, Communications, and Applications, 2014, 7(3): Article 15

[2]Cheddad A, Condell J, Curran K. Digital image steganography: survey and analysis of current methods[J]. Signal Processing, 2010, 90(3): 727-752

[3]Bianchi T, Piva A. Secure watermarking for multimedia content protection: a review of its benefits and open issues[J]. IEEE Signal Processing Magazine, 2013, 30(2): 87-96

[4]Mathon B, Cayre F, Bas P, et al. Optimal transport for secure spread-spectrum watermarking of still images[J]. IEEE Trans on Image Processing, 2014, 23(4): 1694-1705

[5]Li M, Michel K K, Dimitris A P. Extracting spread-spectrum hidden data from digital media[J]. IEEE Trans on Information Forensics and Security, 2013, 8(7): 1201-1209

[6]Yang H Y, Wang X Y, Wang C P. A robust digital watermarking algorithm in undecimated discrete wavelet transform domain[J]. Computers & Electrical Engineering, 2013, 39(3): 893-906

[7]Zhang H, Shu H, Coatrieux G. Affine legendre moment invariants for image watermarking robust to geometric distortions[J]. IEEE Trans on Image Processing, 2011, 20(8): 2189-2199

[8]Lou Oujun, Wang Zhengxuan. A contourlet-domain watermarking algorithm against geometric attacks based on feature template[J]. Chinese Journal of Computers, 2009, 32(2): 308-317 (in Chinese)(樓偶俊, 王鉦旋. 基于特征點模板的Contourlet域抗幾何攻擊水印算法研究[J]. 計算機學報, 2009, 32(2): 308-317)

[9]Su P, Chang Y, Wu C. Geometrically resilient digital image watermarking by using interest point extraction and extended pilot signals[J]. IEEE Trans on Information Forensics and Security, 2013. 8(12): 1897-1908

[10]Yuan X C, Pun C M, Chen P C L. Geometric invariant watermarking by local Zernike moments of binary image patches[J]. Signal Processing, 2013, 93(7): 2087-2095

[11]Kang X G, Huang J W, Zeng W J. Efficient general print-scanning resilient data hiding based on uniform log-polar mapping[J]. IEEE Trans on Information Forensics & Security, 2010, 5(1): 1-12

[12]Zhu H Q, Liu M, Li Y. The RST invariant digital image watermarking using Radon transforms[J]. Digital Signal Processing, 2010, 20(6): 1612-1628

[13]Papakostas G A, Koulouriotis D E, Tourassis V D. Performance evaluation of moment-based watermarking methods: A review[J]. Journal of Systems and Software, 2012, 85(8): 1864-1884

[14]Coatrieux G, Pan W, Cuppens-Boulahia N. Reversible watermarking based on invariant image classification and dynamic histogram shifting[J]. IEEE Trans on Information Forensics and Security, 2013, 8(1): 111-120

[15]Bhatnagar G, Wu Q M, Atrey P K. Secure randomized image watermarking based on singular value decomposition[J]. ACM Trans on Multimedia Computing, Communications, and Applications (TOMCCAP), 2013, 10(1): Article 4

[16]Su Q, Niu Y, Zou H, et al. A blind dual color images watermarking based on singular value decomposition[J]. Applied Mathematics and Computation, 2013, 219(16): 8455-8466

[17]Niu P P, Wang X Y, Yang Y P, et al. A novel color image watermarking scheme in nonsampled contourlet-domain[J]. Expert Systems with Applications, 2011, 38(3): 2081-2098

[18]Moghaddam M E, Nemati N A. A robust color image watermarking technique using modified imperialist competitive algorithm[J]. Forensic Science International, 2013, 233(1): 193-200

[19]Chou C H, Liu K C. A perceptually tuned watermarking scheme for color images[J]. IEEE Trans on Image Processing, 2010, 19(11): 2966-2982

[20]Fu Y G, Shen R M. Color image watermarking scheme based on linear discriminant analysis[J]. Computer Standard & Interfaces, 2008, 30(3): 115-120

[21]Tsai H H, Sun D W. Color image watermark extraction based on support vector machines[J]. Information Sciences, 2007, 177(2): 550-569

[22]Sun Jing, Yang Jingyu, Fu Desheng. Watermarking algorithm for color images based on quaternion frequency modulation[J]. Computer Science, 2011, 38(3): 123-126 (in Chinese)(孫菁, 楊靜宇, 傅德勝. 彩色圖像四元數頻域幅值調制水印算法[J]. 計算機科學, 2011, 38(3): 123-126)

[23]Gai Qi. Color image information hiding technology based on quaternion theory[D]. Tianjin: Nankai University, 2009 (in Chinese)(蓋琦. 基于四元數理論的彩色圖像信息隱藏技術[D]. 天津: 南開大學, 2009)

[24]Tsui T K, Zhang X P, Androutsos D. Color image watermarking using multidimensional Fourier transforms[J]. IEEE Trans on Information Forensics and Security, 2008, 3(1): 16-28

[25]Wang Dan. Research on quaternion Fourier transform and digital watermarking[D]. Changchun: Jilin University, 2013 (in Chinese)(王丹. 四元數傅立葉變換及數字水印算法研究[D]. 長春: 吉林大學, 2013)

[26]Chen Beijing, Tian Cuicui, Dai Hui, et al. Modulated quaternion lapped transform and its application in dual color image watermarking[J]. Journal of Southeast University: Natural Science Edition, 2013, 43(6): 1195-1202 (in Chinese)(陳北京, 田翠翠, 戴慧, 等. 四元數調制重疊變換及其在雙彩色圖像數字水印中的應用[J]. 東南大學學報: 自然科學版, 2013, 43(6): 1195-1202)

[27]Tsougenis E D, Papakostas G A, Koulouriotis D E, et al. Adaptive color image watermarking by the use of quaternion image moments[J]. Expert Systems with Applications, 2014, 41(14): 6408-6418

[28]Hamilton W R. Elements of Quaternions[M]. London: Longmans Green, 1866

[29]Meng Min, Ping Ziliang. Decompose and reconstruct images based on exponential-Fourier moments[J]. Journal of Inner Mongolia Normal University: Natural Science Edition, 2011, 40(3): 258-260 (in Chinese)(孟敏, 平子良. 基于指數矩的圖像分解和重建[J]. 內蒙古師范大學學報: 自然科學版, 2011, 40(3): 258-260)

[30]Chen B J, Shu H Z, Zhang H et al. Quaternion zernike moments and their invariants for color image analysis and object recognition[J]. Signal Processing, 2012, 92(2): 308-318

[31]Guo L Q, Zhu M. Quaternion Fourier-Mellin moments for color image[J]. Pattern Recognition, 2011, 44(2): 187-195

[32]Xin Y, Liao S, Pawlak S. Circularly orthogonal moments for geometrically robust image watermarking[J]. Pattern Recognition, 2007, 40(12): 3740-3752

Wang Xiangyang, born in 1965. Professor. His research interests include network information security, multimedia computing, and computer vision.

Yang Hongying, born in 1965. Professor. Her research interests include multimedia signal processing, pattern recognition, and multimedia security.

Niu Panpan, born in 1983. PhD, Lecturer. Her research interests include information hiding and digital watermarking.

Wang Chunpeng, born in 1988. PhD candidate. His research interests include image processing and digital watermarking.

中圖法分類號TP309.2

基金項目：國家自然科學基金項目(61472171，61272416)

收稿日期：2014-11-04；修回日期：2015-03-26

This work was supported by the National Natural Science Foundation of China (61472171，61272416).