殷文俊

(滁州城市職業(yè)學(xué)院 基礎(chǔ)部,安徽 滁州 239000)

0 引言

近年來由于多媒體系統(tǒng)的快速發(fā)展和數(shù)字信息在互聯(lián)網(wǎng)上的廣泛傳播,導(dǎo)致數(shù)字商品的版權(quán)保護(hù)問題日益突出。水印技術(shù)在數(shù)字信息(音頻或視頻等數(shù)據(jù))上的嵌入稱為水印的版權(quán)信息，以監(jiān)測保護(hù)所有權(quán)。通常數(shù)字水印技術(shù)必須滿足兩個要求。其一,水印對于圖像數(shù)據(jù)應(yīng)該是透明的或在感知上是不可見的。其二,水印在傳輸過程中可以抵抗各種攻擊。因此水印算法需要常見的信號處理操作具有魯棒性,例如壓縮、濾波、增強(qiáng)、旋轉(zhuǎn)、裁剪和轉(zhuǎn)換等圖像操作。數(shù)字圖像水印技術(shù)通常分為兩類:直接修改原始圖像的像素值來嵌入水印的空間域技術(shù)[1-3]和將水印嵌入到圖像可逆變換域的變換域技術(shù)?？臻g域算法的優(yōu)點是直接簡單,但是抗攻擊性能較差,因此實際實現(xiàn)過程中主要采用變換域算法實現(xiàn)水印的嵌入。離散余弦變換(DCT)和離散小波變換(DWT)是變換域水印技術(shù)的代表[4-5]。變換域算法使用水印數(shù)據(jù)修改變換系數(shù)的子集,可以獲得比空間域方法更好的魯棒性。一些研究工作采用小波變換,因為它比DCT具有更多優(yōu)點。小波變換將輸入圖像分為幾個可以獨立處理的頻帶,更接近人類視覺系統(tǒng)(HVS)[6],該算法是一種多分辨率轉(zhuǎn)換的方案,通常會采用圖像特征,例如平滑區(qū)域、邊緣或紋理區(qū)域、還有一些水印方案將水印數(shù)據(jù)嵌入在HVS不太敏感的紋理區(qū)域或邊緣中,采用多個閾值來執(zhí)行邊緣跟蹤[7]。

本文提出的水印算法將簽名數(shù)據(jù)嵌入到選定的小波變換系數(shù)組中,根據(jù)子帶級別和對應(yīng)系數(shù)所在的組來改變水印強(qiáng)度。首先將輸入圖像通過DWT分解為四個級別,從而產(chǎn)生具有低頻分量的近似子帶和具有高頻分量的12個細(xì)節(jié)子帶。所提出的算法使用Sobel邊緣檢測器檢測每個子帶中的邊緣,并根據(jù)其幅度形成兩組系數(shù)。接著圍繞每個邊緣系數(shù)的形態(tài)學(xué)擴(kuò)張操作捕獲邊緣附近的系數(shù)。最后,將上述水印數(shù)據(jù)嵌入到宿主圖像中,接收器一端通過將水印圖像與水印序列相關(guān)并且將相關(guān)因子與閾值進(jìn)行比較來檢測簽名數(shù)據(jù)。

1 本文算法

1.1 Sobel算子

Sobel算子是一種常見的可以檢測水平邊緣和垂直邊緣的檢測模板,是濾波算子的一種形式,Sobel算子主要用于提取邊緣,可以快速地實現(xiàn)卷積,廣泛應(yīng)用在圖像處理領(lǐng)域。Sobel算子的優(yōu)點是方法簡單、處理速度快,并且所得的邊緣光滑、連續(xù)，其缺點是邊緣較粗，由于處理時需作兩值化處理,故得到的邊緣與閾值的選取也有很大的關(guān)系。本文提出的邊緣細(xì)化方法是通過引入衰減因子而得到不失真的灰階邊緣圖,再用Sobel算子進(jìn)行細(xì)化。對于邊緣較陡的部分可以得到光滑、連續(xù)且接近單點寬的邊緣;而對于邊緣模糊的部分,這種過程可以重復(fù)多次,也可得到較細(xì)的邊緣。

1.2 水印嵌入過程

圖1顯示了1級離散小波變換(DWT)的例子。

圖1 一級小波變換Fig.1 First level wavelet transform

本文使用Daubechies抽頭濾波器對輸入圖像進(jìn)行四級DWT分解,每個子帶的小波系數(shù)由Sobel邊緣檢測器檢測[8-9],并相對于閾值分為兩組。

對于所選擇的系數(shù),通過公式1以像素增加的方式插入水印。插入水印的細(xì)節(jié)子帶包含邊緣信息或高頻系數(shù)。因此,將水印添加到這些系數(shù)對人類視覺系統(tǒng)而言是不可加的。此外,根據(jù)分解級別和系數(shù)所屬的組來縮放插入。最后,通過逆變換獲得帶水印的圖像。

(1)

圖2 水印插入過程Fig.2 Watermark insertion process

1.3 水印檢測過程

水印檢測是通過將可能受到攻擊的水印圖像的標(biāo)記小波系數(shù)與要檢測水印相關(guān)聯(lián)來執(zhí)行的,水印檢測是一種非盲過程,本文使用

(2)

ρ>Twtrue watermark

ρ

(3)

1.4 圖像質(zhì)量評估

圖像質(zhì)量的客觀評估是通過PSNR進(jìn)行的,PSNR定義為

(4)

其中mse計算如下:

(5)

其中M,N是輸入圖像的尺寸；x,y是原始圖像和帶有水印的圖像；x(i,j)和y(i,j)分別表示原始圖像對應(yīng)像表點的灰度值的大小。但是,由于HVS與誤差平方的相關(guān)性不夠理想,所以PSNR一般低于感知的主觀質(zhì)量。 因此本文采用局部方差的加權(quán)PSNR來衡量圖片質(zhì)量:

(6)

(7)

2 實驗結(jié)果

在圖3所示的四個圖像中評估了所提出的方法:“ Lena”是具有較大平滑區(qū)域的圖像，“ Barbara”、“ Baboon”和“ Boat”具有紋理區(qū)域。所有圖像的尺寸為512×512像素。

圖3 實驗圖像Fig.3 Experimental image

性能指標(biāo)是代表水印的不可見性的圖像相關(guān)系數(shù)和該方法針對各種類型攻擊的魯棒性。本文用于測試的攻擊是常見的信號處理操作(例如JPEG壓縮、中值濾波和高斯噪聲)和幾何操作(例如裁剪和縮放)。圖4顯示了“ Lena”的原始圖像及其帶有水印的副本，帶水印的副本的客觀質(zhì)量約為24 dB，可以看到帶水印的副本與原始圖像沒有區(qū)別。

圖4 lena水印圖Fig.4 Lena watermark

表1描述了所提出方法對被測圖像的客觀質(zhì)量值。 眾所周知,水印的兩個理想特征,即透明性和魯棒性是矛盾的。 因此,適當(dāng)調(diào)整水印增益因子的值,以使水印序列完全不可見。

表1 不同增益因子的抗攻擊力Table 1 Anti attack power of different gain factors

可以看出,對于相同的攻擊響應(yīng),在不同的增益因子下都可以保證水印序列足夠健壯并且水印圖像的客觀質(zhì)量剛好高于25 dB,這是在圖像降級之前的典型值。

表2 不同攻擊下的mse和CRTable 2 mse and CR under different attacks

本文還利用CR和mse來衡量水印算法的質(zhì)量。從表2也可以看到,在不同攻擊下,CR都能保持在92%以上,mse也維持在相對穩(wěn)定的值,這說明本文的算法具有較強(qiáng)的透明性和魯棒性。

3 結(jié)論

在本文中,提出了一種新穎的圖像水印方法。該方法將水印數(shù)據(jù)嵌入到輸入圖像的選定小波系數(shù)組上。在使用Sobel邊緣檢測器和閾值檢測邊緣之后,形成兩組系數(shù)。另一組通過對邊緣系數(shù)進(jìn)行形態(tài)學(xué)擴(kuò)張運算來表示。所選系數(shù)位于細(xì)節(jié)子帶上,并描述圖像的邊緣或它們周圍的區(qū)域。水印強(qiáng)度根據(jù)子帶級別和每個系數(shù)所處的組進(jìn)行調(diào)整，利用對高頻變化不太敏感的HVS,實現(xiàn)了嵌入信息的透明性,因此對透明性和魯棒性而言,本文所提出方法的評估顯示出非常好的性能。最后本文通過噪聲攻擊(例如中值濾波,高斯噪聲,JPEG壓縮和幾何變換)實驗對算法的魯棒性進(jìn)行驗證,測試證明,顯示出非常好的結(jié)果,能滿足水印算法的高保真,魯棒性等要求。