抗亮度与对比度攻击的Contourlet域图像水印方法

陈木生，蔡植善

（1.泉州师范学院物理与信息工程学院，福建泉州362000；2.信息功能材料福建省高校重点实验室，福建泉州362000）

抗亮度与对比度攻击的Contourlet域图像水印方法

陈木生1，2，蔡植善1，2

（1.泉州师范学院物理与信息工程学院，福建泉州362000；2.信息功能材料福建省高校重点实验室，福建泉州362000）

针对目前部分基于Contourlet变换域图像数字水印算法无法抵抗亮度和对比度攻击的缺点，提出一种抗亮度和对比度攻击的水印方法。发送端对源图像进行Contourlet变换，得到一个低频分量和多个不同方向的高频子带，将低频子带分成互不重叠的子块，对每一子块进行信号奇异值分解（SVD），利用奇偶量化的方法将经A rnold置乱后的1 bit水印信息嵌入到S的第一分量中，通过SVD和Contourlet逆变换得到含水印图像。检测端对攻击后的含水印图像进行抗亮度和对比度调整修正，根据奇偶性提取出盲水印。实验结果表明，该算法具有较好的水印透明性，当亮度和对比度受到较大攻击时也能够完整地提取出水印信息。

Contourlet变换；数字水印；亮度攻击；对比度攻击；奇异值分解

1 概述

随着网络技术、多媒体技术和数字信号处理技术的发展，多媒体信息越来越丰富，但其在传输、存储的过程更容易被非法复制、使用和篡改，这样严重侵害了原创作者的著作权。由于传统的数字加密方式已远远不能满足多媒体信息版权保护的要求，数字水印技术在这一情形下应运而生。数字水印技术是指发送端将水印信息嵌入到多媒体数据中，并且在接收端能够将这些信息提取出来，通过这些信息来分析数字信息的完整性和可靠性，已成为知识产权保护和数字信息产品防伪的有效手段［1-3］。目前常用的图像水印算法可分为空间域水印算法和频率域水印算法两大类［2］，近几年，研究者提出的图像水印算法大部分是基于频域处理的。空间域水印算法是将通过改变宿主图像的灰度值来实现水印的嵌入，其可嵌入较多的水印信息，并且方法也较为简单。但是该方法嵌入的水印信息不够均衡和稳定，抗攻击的能力较弱。目前的基于频域的数字水印方法主要集中在离散余弦变换（DCT）和离散小波变换（DWT）。由于小波变换在时域和频域同时具有局部特性，并且在JPEG2000压缩标准中得到广泛应用，因而基于小波变换的数字水印算法是研究的一个热点。由于小波变换基是各向同性的，能够很好地反映信号中奇异点的位置和特征，但不能较优地表示出自然图像中高维边缘信息的特征。针对这些问题，MN DO等人对小波变换进行改进提出了Contourlet变换，该变换具有多分辨率、局域性、多方向性等特点，能够较好地保持图像的高维边缘信息［3-4］，并且用少量低频系数就可以有效地表示图像的轮廓，目前在数字水印中也得到广泛应用［5-7］。

基于Contourlet变换的图像水印技术是将水印信息加载到低频或中频，能够得到较好的效果。但这些方法中有些对图像亮度和对比度调整攻击的鲁棒性相对较弱，容易出现严重失真，甚至只对图像进行较小的对比度调整，水印算法就根本无法提取出图像中的水印信息［8-9］。针对这一缺点，本文提出基于Contourlet变换的抗亮度和对比度攻击的图像水印算法。

2 Contourlet变换

Contourlet变换能够较好地表达图像在不同尺度不同方向的边缘信息，能够用较少的系数表示这些特征点，适合用于图像水印技术中。其主要由拉普拉斯塔式分解（LP）和方向滤波器组（DFB）两部分组成。原理是先用拉普拉斯塔式滤波器对图像进行高斯金字塔分解，产生原始图像的一个低频子图像及高频子图像。再利用方向滤波器组对高频子图像进行方向性分析，得到2n个不同方向子带，并将分布在不同方向中属于同一奇异点的信息合并成一个系数。这一分解过程反复在低频子图像上进行迭代，这样就可得到一系列不同分辨率的低频子带和高频子带。因而Contourlet变换能够较好地显示出图像中各个方向的边缘细节信息，并且表示图像边缘的Contourlet系数也非常集中，也具有同小波变换相同的系数统计特性，即Contourlet系数分布也具有持续性和聚集性。在实际应用中，方向数一般随着尺度增加而增加，多个不同方向的高频子带可有效地避免扰频现象［6，10-11］。基于Contourlet变换的图像分解原理如图1所示。

图1 塔式方向滤波器组的多分辨多方向分解

图像经Contourlet变换后，低频子带代表图像的轮廓信息，聚集着图像的大部分能量，其值接近于原始图像的能量；多方向子带代表图像中不同方向的细节信息，其平均值接近等于零［10-11］。因而，变换后低频子图像能够很好地反映原图像的基本轮廓特征。

设原始图像为I，其Contourlet低频子带系数为A。对图像I进行灰度增强b和拉伸a得到图像I′，即I′= a×I+b，图像I′的Contourlet低频子带系数为A′。根据Contourlet变换系数的特点，A′与A之间的关系为：

其中，mean代表平均值；std代表标准方差。根据这一特点，本文分析研究了基于Contourlet变换的抗灰度增强和对比度拉伸的图像水印方法。

3 水印嵌入和提取方法

本文以大小为m×n的二值水印图像P，大小为M×N（8m×8n）的原始灰度图像I为例，利用以下的算法进行水印的嵌入和提取［8-9，12］。

3.1 水印嵌入方法

水印嵌入方法如下：

（1）将原始图像I进行两层的Contourelet变换，分解层数为［1，2］，滤波器为′pkva′，得到大小为2m×2n低频子图像A。对二值水印图像P进行A rnold变换，得到置乱后的水印图像W。

（2）对低频子图像A不重叠地划分为m×n个2×2大小的子块图Ai（i=1，2，…，m；j=1，2，…，n）。

（3）对子块图像Aij进行SVD分解［U，S，V］= SVD（Aij），再对S的第一个特征值S（1，1）进行量化处理，即：

其中，round为舍入取整函数；δ为预先设定的量化步长。δ的选取非常重要，δ值过大，水印算法具有较好的稳健性，但会影响水印的透明性；δ值过小，水印算法具有较好的不可见性，但稳健性较差。因而δ选取要适中。

（4）利用水印信息wij和λij构建嵌入水印后的S分量：

3.2 水印提取方法

水印提取方法如下：

（1）计算接收端含水印图像或受过攻击图像I1进行二层Contourlet变换，得到其低频子图像A′，计算A′的平均值m2=mean2（A′），标准偏差s2= std2（A′），并利用式（6）～式（8）对A′进行修正，得到修正后的低频子图像。

其中，floor为向下取整函数。

4 实验结果与分析

4.1 评价指标

为了验证本文算法的有效性和抗攻击能力，本文除了利用人眼主观评价，还利用峰值信噪比和归一化相关值进行评价［8-9，13］。令大小为M×N原始图像为I，嵌入大小为m×n水印信息W，得到含水印图像Iˆ，最终提取的水印信息为Wˆ。

（1）峰值信噪比（PSNR）

4.2 结果分析

实验运行以M atlab2012a为仿真平台，本文提出的水印方法在几幅图像上进行实验，载体图像的大小为512×512，以64×64二值图像作为加载的水印信息，对水印图像进行了20次的A rnold变换。在未受亮度和对比度攻击的情况下，本文算法的仿真结果如图2所示。

图2 未受攻击时水印嵌入前后图像比较

从图2中可以看出，本文算法具有较好的不可见性，能够正确地提取出水印信息。含水印图像与原始图像的峰值信噪比为46.43 dB，提取的水印图像与原始水印图像的两极化相关值为1，这也说明了本文算法的有效性和正确性。

为了验证本文算法抗亮度和对比度攻击的有效性，在受攻击情况下进行仿真，同时与已有的基于DCT变换（文献［8］）和结合小波变换、DCT变换的方法（文献［9］）进行比较，本文算法的量化步长为16，峰值信噪比为46.43 dB；方法1（文献［8］）的量化步长为16，峰值信噪比为46.39 dB；方法2（文献［9］）的量化步长为16，峰值信噪比为46.85 dB，以下3种方法的比较是在水印图像与原图像峰值信噪比相同的情况下完成的。实验结果如图3和表1（Barbara图像）、表2（轮船图像）所示，其中，a代表对比度攻击；b代表亮度攻击。

图3 a=1.1，b=10攻击结果

表1 Barbara图像不同亮度和对比度攻击的仿真结果

表2 轮船图像不同亮度和对比度攻击的仿真结果

从图中可以看出3种方法都具有较好的透明性和稳健性，从表中可以看出当图像受到一定的亮度和对比度攻击时能较好地提取出水印信息。从结果中可以看出本文方法略优于方法1，明显优于方法2。

5 结束语

本文提出一种基于Contourlet和SVD变换的抗亮度和对比度攻击的数字水印算法。首先对原始图像进行Contourlet变换，对分解后得到的低频子图像进行分块和SVD分解，采用相对量化的方法改变S的第一分量。水印提取时，结合Contourlet域抗亮度和对比度攻击的公式进行修正。实验结果表明，受到较大的亮度和对比度攻击时，水印图像也具有较好的视觉效果，能够正确地提取出水印信息。下一步将研究如何把水印信息嵌入到contourlet系数的中低频分量中，进一步提高算法的抗旋转攻击能力，增加嵌入水印信息量。

［1］ 姚 蓍，王 玲，李 燕.基于NSCD和SVD的多重数字水印算法［J］.计算机工程，2014，40（7）：106-113.

［2］ Bhatnagar G，W ua Q M J.A New Robust Adjustable Logo Watermarking Scheme［J］.Computings&Security，2012，（31）：40-58.

［3］ 杨韫饴，王 玲.非抽样Contourlet变换的盲水印数字水印［J］.计算机与数字工程，2010，38（10）：113-117.

［4］ Ali M，Ahn C W.An Optimized Watermarking Technique Based on Self-adaptive DE in DWT-SVD Transform Domain［J］.Signal Processing，2014，94（1）：545-556.

［5］ Makbol N M，Eekhoo B.A New Robust and Secure Digital Image Watermarking Scheme Based on the Integer Wavelet Transform and Singular Value Decomposition［J］.Digital Signal Processing，2014，（33）：134-147.

［6］ 吴一全，庞 磊.基于Contourlet变换的抵抗几何攻击的视频水印算法［J］.系统仿真学报，2009，21（7）：1969-1973.

［7］ 何 密，成礼智.基于Contourlet变换和子空间投影的非对称数字水印［J］.通信学报，2009，30（4）：27-34.

［8］ 李旭东.抗亮度和对比度攻击的DCT域图像数字水印算法［J］.光电子.激光，2013，24（6）：1184-1190.

［9］ 叶天语.抗亮度和对比度调整的盲鲁棒量化水印算法［J］.光子学报，2011，40（10）：1577-1583.

［10］ Chen Liquan，Sun Xiaoyan，Lu Miao.Contourlet Watermarking Algorithm Based on Arnold Scrambling and Singular Value Decomposition［J］.Journal of Southeast University，2012，28（4）：386-391.

［11］ 陈木生.基于Contourlet变换和模糊理论的多聚焦图像融合［J］.泉州师范学院学报，2012，30（2）：23-27.

［12］ 李旭东.抗几何攻击的空间域图像数字水印算法［J］.自动化学报，2008，34（7）：832-837.

［13］ Das C，Panigrahi S，Sharm a V K.A Novel Blind Robust Image Watermarking in DCT Domain Using Inter-block Coefficient Correlation［J］.International Journal of Electronics and Communications，2014，68（1）：244-253.

编辑 索书志

Contour let Domain Image Watermark Method of Anti-brightness and Anti-contrast Attack

CHEN Musheng1，2，CAI Zhishan1，2
（1.College of Physics and Information Engineering，Quanzhou Normal University，Quanzhou 362000，China；2.Key Laboratory of Information Functional Material for Fujian Higher Education，Quanzhou 362000，China）

Lots of existing image watermark algorithms based on Contourlet transformation cannot resist brightness and contrast attack.In order to solve the problem，a blind robust quantization-based watermark algorithm against brightness and contrast is presented.The original image is transformed by Contourlet transformation and gets low frequency band and high frequency sub-bands，and the low frequency band is split into non-overlapping blocks.Each block is decomposed with Singular Value Decomposition（SVD）and a bit of watermark is embedded into the Component of S through odd-even quantization.The inverse Contourlet transformation and SVD are applied to obtain the carried image with the watermark.At the detection end，revision for resistance against brightness and contrast is used to the attacked watermarked image and a watermark is blindly extracted through odd-even judgment.Experimental results show that the proposed algorithm has good transparency for the embedded watermark and it is strongly robust against brightness and contrast attack.

Contourlet transformation；digital watermark；brightness attack；contrast attack；Singular Value Decomposition（SVD）

陈木生，蔡植善.抗亮度与对比度攻击的Contourlet域图像水印方法［J］.计算机工程，2015，41（11）：263-266.

英文引用格式：Chen Musheng，Cai Zhishan.Contourlet Domain Image Watermark Method of Anti-brightness and Anticontrast Attack［J］.Computing Engineering，2015，41（11）：263-266.

1000-3428（2015）11-0263-04

A

TP309

10.3969/j.issn.1000-3428.2015.11.045

福建省科技厅基金资助项目（2013H0041）；福建省教育厅科研基金资助项目（JA 13262）；泉州市科技基金资助项目（2012 Z108）；泉州师范学院校重点学科电子科学与技术基金资助项目。

陈木生（1980-），男，副教授、硕士，主研方向：数字水印，图像融合；蔡植善（通讯作者），副教授。

2014-12-30

2015-01-28 E-m ail：mushengchen@163.com