一种基于关系的彩色水印算法

轩 璐

(三门峡职业技术学院，三门峡 472000)



一种基于关系的彩色水印算法

轩 璐

(三门峡职业技术学院，三门峡 472000)

利用随机序列将水印信息嵌入到彩色载体图片绿色和蓝色分量的DCT系数中，提高了算法的安全性，同时在嵌入时将能量分散到4个相邻的DCT系数中，有效的提高了水印的不可见性和鲁棒性.

关系；离散余弦变换；鲁棒性；数字水印

0 引 言

数字水印技术是目前应用普遍的多媒体版权保护手段之一[1].伴随着多媒体应用的日益普及，如何设计出稳定且易实现的数字水印方案成为学界研究的主要问题[2].传统的数字水印技术主要分为空域和频域两种，一般来说空域算法较为直接，易于实现，但对于各类攻击的鲁棒性较差，目前应用较少.所以目前主要研究都集中在计算较为复杂，但鲁棒性较好的频域水印嵌入[3].在频域水印研究中，主要研究的问题集中在载体图像的水印容量、水印嵌入点的选择以及水印嵌入强度等方面.水印研究的重点就是通过以上三个方面的研究力求达到水印不可见性与鲁棒性的平衡[4].

文献[5]提出了一种基于关系的DCT域算法，算法以载体图像8*8DCT变换的(5,2)和(4.3)位置值的大小关系为嵌入条件，将置乱的水印信息通过位置交换的方式插入到以上两点.文献[6]利用8*8DCT变换矩阵(3，3)、(4,4)位置周围4个点的均值作为插入系数实现水印在以上两点的插入.以上两种方法较好的实现水印的不可见性，但水印插入基于单值得修改，在各类攻击中受到影响较大，鲁棒性上仍存在改进的空间.本文利用人类视觉系统特性，提出了一中基于关系的邻域均值的水印算法，将水印插入能量分散在DCT变换的多个位置中，有效的提高了针对多种攻击的抗干扰性，在保证不可见性的基础上，对鲁棒性有明显提高.

1 水印算法

1.1 水印置乱

文献[7]中提到了一种基于混沌的数字图像置乱算法，内容如下：

Xi+1=μXi(1-X)(i=0,1,…,k-1)

(1)

0

其中μ为分支参数0≤μ≤4,当μ=4时Logistic映射处于混沌状态.

置乱密钥共包含5个参数Key=(XR0,XC0,nRow,nCol,nS),其中XR0,XC0为随机初值，nRow,nCol为行、列循环最大步长，nS为置乱次数.

对m行n列的水印图像进行置乱，分别将XR0,XC0带入公式(1)结果分别与nRow,nCol相乘即可得到两个新的序列newXR(n*nS)和newXC(n*nS).将图像进行k次置乱(k=1,2,…,nS): 分别对图像进行行、列循环移位，即第i行自左向右循环newXR[(k-1)*m+i]，第j列自上向下循环newXC[(k-1)*n+j]位，置乱后的水印如图1所示.

图1 水印置乱

1.2 嵌入位置选择

水印的嵌入位置的选择是决定水印算法效果的重要因素.彩色图像水印嵌入一般选择在绿色分量或蓝色分量DCT变换的低频分量上嵌入水印.本文提出，将水印能量分散嵌入到DCT变换的多个分量上，以减少对载体图像的干扰，提高不可见性.可以选择绿色和蓝色分量进行，首先利用蓝色分量进行多值均值和单值的稳定性分析.

提取待检测图片蓝色分量进行8*8的DCT变换，提取每个矩阵文献[5]使用的(5.2)位置的数值与图片受到乘性噪声攻击(0.05)、高斯滤波噪声攻击(4*4，0.5)以及均值滤波攻击(3*3)后的数值进行比较，观察其变化幅度，结果如图2所示.在此基础上，本文提出将DCT变换后矩阵 (1,3)、(2,3)、(1,4)、(2,4)位置的均值进行上述实验，结果如图3所示.通过分析，我们可以看出均值攻击后的变化幅度远远小于单值得变化幅度.即均值的抗干扰能力强于均值，更换绿色分量进行多次实验，实验结果一致.

图2 蓝色分量单值攻击

图3 蓝色分量均值攻击

1.3 水印嵌入

水印的嵌入流程如图4所示，首先将载体图像的绿色分量和蓝色分量分别进行8*8DCT变换，然后根据控制信息对选定均值块进行水印嵌入，最后将嵌入水印信息的绿色和蓝色分量分别进行IDCT变换，最后与蓝色分量合并得到包含水印信息的载体图像.

图4 水印嵌入流程

算法具体步骤为：

第一步，随机生成一个长度为W的均值为0的随机数序列R，R属于[-1,1],秘钥为K.当Ri=0时，水印信息嵌入到绿色分量对应位置，当Ri=1时，水印信息嵌入到蓝色分量对应位置.

第二步，利用公式<1>对水印图片进行置乱，得到一个长度为W的一维二进制序列W′.

第四步，GIlDCT(i,j),BIlDCT(i,j)根据图4所示，分别记为G1到G5和B1到B5.根据公式(2)确定水印信息嵌入分量为GIlDCT(i,j)或BIlDCT(i,j).

(2)

第五步，根据公式<3>进行水印嵌入,其中T是防止差值过小设置的阀值.

i∈[1,4]

(3)

第七步，将RGB分量合并得到嵌入水印信息的载体图像.

1.4 水印提取

水印提取过程如图5所示，含有水印信息的载体图像进行嵌入逆过程即可得到水印图像，具体步骤可归纳为：第一步，根据秘钥K生成跟嵌入时一样的随机数序列R.第二步，提取含有水印的载体图像的绿色分量、蓝色分量分别进行8*8DCT转换.第三步，根据R和公式(2)确定含有嵌入信息的GIi和BIi，根据公式(4)提取嵌入信息.

(4)

第三部，根据顺序将提取的嵌入信息组成一维二进制序列W*，对W*进行Logistic逆变换，即可得到最终提取结果.

图5 水印提取过程

2 实验结果分析

本文在Matlab7.0环境下进行仿真测试，载体图像与水印图像(见图6),分别为256*256的彩色Lena图像以及32*32的二值图.测试采峰值信噪比(PSNR)评价算法的不可见性见公式(5)，归一化相关系数(NC)公式(6)来定量的评价算法的鲁棒性.

(5)

其中m,n为帧的长和宽，p和P*分别嵌入前后的图像.

(6)

2.1 不可见性

通过图7与图6Lena图的对比，肉眼无法分辨有明显的不同，计算PSNR值为29.5716，可以得出结论本文算法具备较好的不可见性.

图6 嵌入水印图片与水印

图7 嵌入后图片与提取水印

2.2 鲁棒性分析

为验证算法的鲁棒性，本文采取了部分常见攻击测试，具体数据见表1.

表1 在不同攻击下水印提取平均成功率

通过数据可以得出结论，本算法在应对各种攻击时表现出较强的性能，具备一定的应用价值.

3 结 论

本文将水印信息通过随机方式嵌入到载体图像的绿色和蓝色分量中，在嵌入时将能量分散到4个相邻的DCT系数，有效的提高了水印的不可见性，通过实验证明了算法的鲁棒性，但是对两个分量的选择嵌入也造成了一定的水印容量的浪费，下一步可以考虑如何充分利用这部分容量，以提升算法性能.

[1] LI Li-zhong，GU Qiao-lun，GAO Tiegang．A Zero-watermarking Algorithm Based on Fuzzy Adaptive Resonance Theory[C]/ / Proc． FSKD '09． Tian-jin: IEEE Press，2009: 378-382.

[2] 鲁晓辉,金渊智. 基于MPEG-2的视频水印算法[J]. 计算机应用与软件，2014(10)：144-146.

[3] 熊祥光,王端理. 基于HVS和关系的DCT域彩色图像水印方案[J]. 计算机工程与科学，2014(2):311-316.

[4] 武风波,汪 峰. 基于HVS的小波变换数字图像水印算法[J]. 应用光学，2014(2)：311-316.

[5] 徐金东,黎洪松,倪梦莹. 一种基于关系的DCT域数字水印改进算法[J]. 北京师范大学学报(自然科学版)，2007(1):57-59.

[6] 谢 斌，刘 珊，任克强 . 基于 DCT 的自适应多重彩色图像盲水印算法[J]． 电视技术，2014,38( 9) ：21-24.

[7] 蔡 虔,陈 艺,谢 斌. 一种DCT域多重视频盲水印算法[J]. 电视技术，2013(5)：26-28.

A Color Watermarking Algorithm Based on Numerical Relationship

XUAN Lu

(San Men Xia Polytechnic, Sanmenxia 472000, China)

In order to improve the security of the algorithm,watermarking information is embedded into the DCT coefficient of green and blue components of carrier image by using random sequence. At the same time,energy in embedding process is scattered into the four neighboring DCT coefficients to improve the invisibility and robustness of the algorithm.

relationship, discrete cosine transform, robustness; digital watermarking

2014-12-26

国家自然科学基金资助项目(61003246).

轩 璐 (1981-),女, 硕士,讲师，研究方向:信息安全、数字水印.

TP309.7

A

1671-119X(2015)02-0051-04