李偉

（黑龍江八一農(nóng)墾大學(xué)工程學(xué)院，大慶163319）

基于初始簡圖的數(shù)字水印感知模型的研究

李偉

（黑龍江八一農(nóng)墾大學(xué)工程學(xué)院，大慶163319）

針對目前大多的感知模型未考慮圖像的內(nèi)容特征，提出一種基于初始簡圖的第二代水印感知模型構(gòu)建方法。首先利用初始簡圖理論將圖像內(nèi)容分解為結(jié)構(gòu)和紋理兩大特征，并結(jié)合人類視覺系統(tǒng)HVS的感知特性，對內(nèi)容特征進(jìn)行感知度量和權(quán)重優(yōu)化處理，最終構(gòu)建JNDpsk感知模型，并利用該模型指導(dǎo)水印的嵌入和提取過程。實驗結(jié)果表明，該算法在保證圖像視覺質(zhì)量的前提下，水印的魯棒性能有很好的改善。

初始簡圖；第二代水印；內(nèi)容特征；JNDpsk感知模型

近年來，隨著數(shù)字版權(quán)問題日益受到廣泛關(guān)注，作為版權(quán)保護(hù)領(lǐng)域的一個重要技術(shù)手段，數(shù)字水印技術(shù)逐漸成為國內(nèi)外學(xué)術(shù)界一個新興的研究熱點(diǎn)［1］。各種水印算法大量涌現(xiàn)，王福麗等［2］利用奇異值特征具有較好的穩(wěn)定性，將水印的奇異值嵌入到小波變換低頻子帶奇異值上，使水印算法具有較好的魯棒性。肖振久等［3］通過計算圖像塊的熵值將圖像的紋理特征進(jìn)行分類，以控制水印的嵌入信息量，并依據(jù)JND感知模型控制水印嵌入強(qiáng)度，該算法可以較好的平衡水印不可感知性和魯棒性之間的矛盾。但是，目前的這些水印算法大都是將水印能量擴(kuò)展到圖像中所有像素，無法與被嵌入載體內(nèi)容特征結(jié)合起來，因此其魯棒性在很多情況下不能滿足應(yīng)用的需求。為此，M.Kutter首次提出第二代數(shù)字水印的概念，基本思想是利用圖像的內(nèi)容特征（如圖像的邊角點(diǎn)、邊緣和紋理區(qū)域等）來嵌入水印，從而增強(qiáng)水印的魯棒性能，因此圖像內(nèi)容特征的選取是否合理對水印性能有至關(guān)重要的影響［4］。李雷達(dá)等［5］利用SIFT特征結(jié)合奇偶量化的思想來實現(xiàn)水印的嵌入，但該方法沒有考慮人眼感知特性，而且對邊緣與紋理的區(qū)分度不強(qiáng)。文獻(xiàn)中［6］提出了一種利用SIFT特征提取算子的小波域抗幾何攻擊水印算法，雖然魯棒性能有一定程度的增強(qiáng)，但是算法實現(xiàn)不易。

圖像結(jié)構(gòu)、紋理的有效分割對于第二代水印性能起到至關(guān)重要的作用。Guo等［7］利用初始簡圖理論通過數(shù)學(xué)建模的方法，實現(xiàn)了對媒體內(nèi)容的有效分解。因此，基于初始簡圖理論，利用人類視覺特性（Human Visual system，HVS）分析不同圖像特征的感知特性，提出了構(gòu)建內(nèi)容水印感知模型的方案，利用該模型合理分配水印能量，將水印以不同強(qiáng)度嵌入到對視覺敏感性不同的區(qū)域，從而更好的地平衡水印魯棒性和不可感知性之間的矛盾。

1 初始簡圖的理論基礎(chǔ)

Guo等［7］根據(jù)Markov隨機(jī)場理論和稀疏編碼模型在圖像表示方面的優(yōu)缺點(diǎn)，提出了一種新的圖像表示模型——初始簡圖模型（primal sketch model）。根據(jù)初始簡圖理論，可以將圖像劃分為結(jié)構(gòu)和紋理兩大類別，即構(gòu)成圖像結(jié)構(gòu)的可勾描部分，以及組成剩余紋理的不可勾描部分。圖1描述了初始簡圖的具體分解過程，首先通過匹配追蹤法快速定位圖像的可勾描部分（b），并利用稀疏編碼模型，即通過若干基元的線性疊加構(gòu)成圖像的結(jié)構(gòu)部分（c）；而圖像剩余的紋理部分（d）用FRAME模型來表達(dá)，并使用結(jié)構(gòu)輪廓部分作為其邊界條件，F(xiàn)RAME模型依據(jù)最大熵原則，將MRF建模和濾波理論結(jié)合在一起，通過對濾波器的選擇和參數(shù)控制得到圖像在不同尺度和方向上的紋理特征（e）；最后，通過簡圖圖像和合成紋理的融合即可得到最終的合成圖像（f）。

圖1 初始簡圖模型方法示意圖Fig.1 Schematic diagram of prime sketch model

2 基于初始簡圖的內(nèi)容感知模型的研究

2.1 模型構(gòu)建

內(nèi)容感知模型構(gòu)建方案的具體思路是依據(jù)人眼具有分層次感知特性［8］，首先通過初始簡圖模型將圖像內(nèi)容分解為結(jié)構(gòu)和紋理兩大類別，然后利用Barni感知模型［9-10］分析結(jié)構(gòu)區(qū)感知閾值JNDtxn和紋理區(qū)感知閾值JNDtxe，最后通過實驗方法確定各自權(quán)重比例，合并處理后獲得原始圖像的感知閾值。該模型綜合考慮了圖像的內(nèi)容特征，以及人眼的視覺感知特性，更加合理的確定水印的嵌入位置和嵌入強(qiáng)度，從而更好地指導(dǎo)水印的嵌入過程。

其中，公式1為Barni感知模型，代表原始圖像三級級小波分解后第l層級、s方向的感知閾值；公式2為基于初始簡圖的內(nèi)容感知模型，C1和C2為權(quán)重系數(shù)，取值通過實驗確定。

2.2 水印的嵌入算法

基于初始簡圖內(nèi)容感知模型的數(shù)字水印嵌入方法如下所述：

Step1：利用JNDpsk模型計算結(jié)構(gòu)區(qū)和紋理區(qū)在不同層級和方向上的感知閾值，并通過權(quán)重分析確定載體圖像的感知閾值：

Step2：根據(jù)載體圖像感知閾值的計算，選取合適的水印嵌入位置Icoef（i，j）。

Step3：本算法選取有意義的圖像作為水印信息，根據(jù)其像素統(tǒng)計特征，選擇合適的門限值進(jìn)行二值化（0、1序列）處理，最終得到適于嵌入的水印信息。

Step4：將載體圖像進(jìn)行三級DWT變換，選擇小波變換低頻區(qū)域進(jìn)行水印嵌入，計算其感知閾值確定水印的嵌入位置，并依據(jù)水印信息W的不同取值，嵌入不同強(qiáng)度S的水印：

Step5：對水印嵌入后的小波子帶圖像進(jìn)行三級IDWT變換，即得到含水印的圖像。

2.3 水印的提取算法

水印提取算法是水印嵌入算法的逆過程，具體的提取過程如下：

Step1：將含水印圖像進(jìn)行三級DWT變換，得到低頻區(qū)域的小波系數(shù)值Icoef。

Step2：首先通過感知閾值確定水印的具體嵌入位置，然后依據(jù)嵌入強(qiáng)度提取水印信息：

Step3：對提取的水印序列進(jìn)行變換處理，得到水印圖像。

3 實驗結(jié)果和性能分析

3.1 實驗環(huán)境

將基于感知模型JNDpsk的內(nèi)容水印算法（后文稱算法2）與文獻(xiàn)［9］的算法（后文稱算法1）進(jìn)行對比實驗仿真。在實驗中采用64×64的灰度圖像作為水印圖像，并且為了檢驗算法的通用性，選擇了三幅512×512的載體圖像進(jìn)行仿真測試。如圖2所示，Lena圖含有分布相對比較平均的輪廓和細(xì)節(jié)區(qū)域；Peppers圖包括較多的平滑區(qū)域以及大量的輪廓信息，但細(xì)節(jié)不豐富；Baboon圖邊緣輪廓不明顯，但具有較多的細(xì)節(jié)信息。

圖2 原始載體圖片F(xiàn)ig.2 Images of original test

3.2 不可感知性測試

水印算法的不可感知性要求圖像在嵌入水印后從視覺上無法感知水印的存在，從圖3中可以看到，嵌入水印后的圖像與原始圖像在視覺質(zhì)量上無明顯差別。從表1中可以看出兩種算法的PSNR值相差在1 dB以內(nèi)，可以說對視覺質(zhì)量幾乎沒有影響，因此結(jié)合主觀評價，我們可以認(rèn)為兩種算法的感知性能基本一致。

圖3 嵌入水印后圖像Fig.3 Images of watermark embedding

表1 基于不同模型算法的圖像PSNR值Table 1 PSNR of two different models

3.3 魯棒性測試

在實驗中使用Stirmark通用測試平臺［11］，對嵌入水印圖像進(jìn)行高斯噪聲、JPEG壓縮、旋轉(zhuǎn)這幾種攻擊測試，然后提取水印信息，通過誤比特率的計算比較這兩種算法在抗攻擊能力方面的優(yōu)劣性。誤比特率的計算方法如下：

其中，W（i，j）表示原始的水印信息，W（i，j）表示受攻擊后提取的水印信息，L表示水印序列的總長度。

（1）抵抗噪聲攻擊能力

圖4 嵌入水印后圖像的加噪攻擊Fig.4 Gaussian noise attack of watermarked images

從圖中可以看出，算法2的誤比特率明顯低于算法1的，即可以說明基于DWT域JNDpsk模型的水印算法抗噪性能更優(yōu)。

（2）抵抗JPEG壓縮能力

圖5 嵌入水印后圖像的JPEG壓縮攻擊Fig.5 JPEG compression attack of watermarked images

從圖中可以看出，在不同JPEG壓縮參數(shù)下，算法2的魯棒性能要優(yōu)于算法1。

（3）抵抗旋轉(zhuǎn)攻擊能力

圖6 嵌入水印后圖像的旋轉(zhuǎn)攻擊Fig.6 Rotation attack of watermarked images

從圖中我們可以看出，當(dāng)圖像受到不同旋轉(zhuǎn)度數(shù)攻擊時，算法2的誤比特率要低于算法1的，說明算法2的抗旋轉(zhuǎn)攻擊性能更優(yōu)。

3.4 實驗結(jié)果分析

根據(jù)上述實驗結(jié)果可知，在嵌入相同水印容量的情況下，兩種水印算法的嵌入水印后圖像的視覺質(zhì)量相似，都具有良好的不可感知性。從PSNR測試結(jié)果來看，兩種水印算法的PSNR值相差在1 dB以內(nèi)，因此，我們認(rèn)為在不可感知性能方面，兩種算法具有一致性。從魯棒性能評測情況來看，基于初始簡圖的DWT域JNDpsk感知模型在抗噪聲攻擊、抗JPEG壓縮攻擊以及抗旋轉(zhuǎn)攻擊方面都較無初始簡圖的感知模型性能具有不同程度的改善。

4 結(jié)論

基于初始簡圖的小波域JNDpsk感知模型有效地利用了圖像的紋理和結(jié)構(gòu)特征，將水印技術(shù)與圖像內(nèi)容結(jié)合在一起，并且通過上述實驗結(jié)果可以看出，基于該模型的算法可以更好地平衡不可感知性和魯棒性之間的矛盾，給數(shù)字水印技術(shù)帶來了優(yōu)越性。因此，基于內(nèi)容特征的第二代水印算法將成為數(shù)字水印技術(shù)探索的新目標(biāo)。

［1］武風(fēng)波，汪峰.基于HVS的小波變換數(shù)字圖像水印算法［J］.應(yīng)用光學(xué)，2014，35（2）：254-259.

［2］王福麗，陳雪松，韓靜.基于DWT和SVD的視頻水印算法研究［J］.黑龍江八一農(nóng)墾大學(xué)學(xué)報，2014，26（4）：83-86.

［3］肖振久，田淑嬌，陳虹.基于圖像紋理復(fù)雜度的小波域數(shù)字水印算法［J］.計算機(jī)工程，2014，40（6）：85-89.

［4］劉律明.抗幾何攻擊圖像水印算法研究［D］.廣州：華南理工大學(xué)，2011.

［5］李雷達(dá)，郭寶龍，表金峰.基于奇偶量化的空域抗幾何攻擊圖像水印算法［J］.電子與信息學(xué)報，2009，31（1）：134-138.

［6］Thorat C G，Jadhav B D.A Blind Digital Watermark Technique for Color Image Based on Integer Wavelet Transform and SIFT［J］.Procedia Computer Science，2010（2）：236-241.

［7］Guo C E，Zhu S C，Wu Y N.A mathematical theory of primal sketch and sketchability［J］.Proc.Int’l conf.on Computer Vision（ICCV），2003（2）：1228-1235.

［8］王幫元.EmguCV耦合視覺引導(dǎo)的圖像目標(biāo)定位與補(bǔ)償技術(shù)研究［J］.湖北民族學(xué)院學(xué)報：自然科學(xué)版，2015（1）：43-45.

［9］Barni M，Bartolini F，Piva A.Improved Wavelet-Based watermarking through Pixel-wise masking［J］.Image Proeessing IEEE Transaetions，2001，10（5）：783-791.

［10］王春哲，李杰.基于邊緣信息的圖像質(zhì)量評價研究［J］.長春大學(xué)學(xué)報，2014，24（10）：1330-1333.

［11］曾高榮，裘正定.數(shù)字水印的魯棒性評測模型［J］.物理學(xué)報，2010，59（8）：5871-5880.

Research on JND M odel in Digital W atermarking Based on Prime Sketch

Li W ei
（College of Engineering，Heilongjiang Bayi Agricultural University，Daqing 163319）

Most of the current models could not consider the content feature of the image，and the perception model based on prime sketch of the second generation watermarking was presented.Firstly，the image was decomposed into two features of structure and texture based on the prime sketch.Then the two features were measured and optimized by the perception characteristics of the human visual system in order to build the JNDpskmodel.Finally，the model was used to guide the process of watermark embedding and extraction.The results showed that the algorithm had the improvement in robustness performance while guaranteeing the visual quality of images.

prime sketch；the second generation watermarking；content features；JNDpskmodel

TN91

A

1002-2090（2016）03-0134-05

10.3969/j.issn.1002-2090.2016.03.026

2015-04-03

李偉（1984-），女，助理實驗師，中國傳媒大學(xué)畢業(yè)，現(xiàn)主要從事機(jī)電方向的研究工作。