一种基于WLD特征的盲检测数字水印算法

郑　伟，张大兴，景阳帅

(杭州电子科技大学 计算机学院，浙江 杭州 310018)



一种基于WLD特征的盲检测数字水印算法

郑伟，张大兴，景阳帅

(杭州电子科技大学 计算机学院，浙江 杭州 310018)

摘要提出了一种基于WLD特征的数字图像盲水印算法。在图像WLD特征的基础上通过编码、加密操作生成鲁棒安全的全局水印信息，采用扇形分块方案在图像子块DCT频域中实现水印的嵌入操作。利用WLD全局统计的特性，提取和认证水印的过程无需任何载体图像信息的辅助。实验结果表明，文中盲水印算法的不可感知性较好，同时对加性噪声、伽马校正和剪切操作等具有较好的鲁棒性，算法为认证图像信息的真实性提供了便利。

关键词WLD特征；DCT变换；盲水印算法；鲁棒性

数字图像水印是在图像中嵌入特定标记的技术。根据目的和方法的不同，有不同的分类方法，如根据嵌入位置可分为空间域水印和变换域水印；根据水印应用目的可分为鲁棒水印和脆弱水印；根据水印提取是否需要原始图像,水印算法又分为盲检测水印和非盲检测水印。通常变换域算法因为具有对图像的视觉影响小的优点而受到研究者的重视，这其中DCT变换水印又是比较常用的,这是因为JPEG压缩标准也是采用的DCT变换[1]操作，其他的变换操作还有离散傅立叶变换(DFT)[2]，离散小波变换(DWT)[3]等。本文利用图像WLD特征[4]的全局统计特性来生成水印信息,采用扇形分块方案在图像子块DCT频率域中进行水印的嵌入操作。实验结果表明该算法对视觉影响小，对常规操作有较好的鲁棒性。

1关于WLD图像特征

由Jie Chen等人提出WLD特征是一种既突出重点又统筹全局的纹理描述子，其基本思想来源于名为韦伯定律的心理学原理：感触到某一事物的变化是由两方面因素决定的，事物的变化程度以及事物自身原始强度。综合尺度不变SIFT特征点[5]和LBP特征[6]的优秀性能，WLD特征包含差分激励ξ和方向角θ两个分量。

图1　卷积模板

差分激励ξ描述了局部像素的变化强度，方向角θ刻画了像素在水平方向和竖直方向上的相对值。区别于SIFT关键点只关心感兴趣区域的特点，WLD是局部与整体相结合的描述子，不会出现因为图像光滑而没有特征点的现象。图1中卷积模板分别与载体图像进行卷积运算，运算结果分别按照式(1)和式(2)求得差分激励ξ和方向角θ。其中，卷积模板(a)与(b)用于计算差分激励，模板(c)与(d)用于计算方向角

(1)

(2)

对差分激励ξ和方向角θ采用合理的参数进行量化能得到鲁棒的WLD特征。图2(a)和(b)分别用WLD两个分量描述Airplane图，可看出WLD具有优秀的特征刻画能力。

图2　图像WLD特征

融合WLD两个分量特征得到WLD二维特征WLD{ξ,θ}，二维特征可理解为一个二维矩阵，不同的行和列表示不同区间的差分激励ξi和方向角θj。WLD二维特征有很好的全局描述能力，可用于盲水印和感知哈希等领域。

综合分析，WLD特征具有以下优势：(1)对噪声鲁棒性较好。差分激励计算公式中考虑到了自身像素值大小，因此可降低奇异像素值的影响；(2)抵抗伽马校正能力强。图1中卷积模板(a)计算了当前像素与周围像素的相对变化量，伽马校正会影响全局像素，而不会影响相对变化量；(3)计算简单。相对于SIFT特征点复杂的计算过程，WLD特征计算复杂度明显低很多，且计算时间与图像大小呈线性关系，与图像具体内容无关。

2数字图像盲水印算法

2.1生成鲁棒、安全水印信息

用载体图像的WLD特征作为嵌入水印，为生成鲁棒、安全的水印信息需要以下3个步骤：首先，提取载体图像的WLD特征，且分别对其两个分量ξ和θ进行量化；其次，融合ξ与θ得到WLD二维特征，按照一定规则对二维特征编码，得到二值化水印信息；最后，基于秘钥K1对二值化水印信息置乱。

量化操作忽略了WLD特征的局部细节信息，提高水印的鲁棒性。特征编码抽象化WLD二维特征，生成的二值化水印具有更好的鲁棒性，同时也降低了嵌入复杂度。置乱操作提高了水印的安全性，在无K1的情况下要知晓水印的组织结构将是困难的。

2.2图像分块

图像分块是水印算法中重要的环节，不同分块方案决定水印算法性能优劣[7]。等面积环形分块和等角度扇形分块[8]是感知哈希算法中常用的两种方法，图3所示。借鉴并发展此分块方案，文中将环形划分和扇形划分结合起来，等面积划分图像各个子块。倘若环形划分R份，扇形划分A份，最后将得到R×A份等面积的图像子块。

图3　图像分块特征

2.3水印嵌入

水印嵌入过程在DCT频率域完成，具体嵌入位置保存在秘钥K2中。水印信息是二值序列，通过提升和下降操作完成不同水印值的嵌入。考虑到水印提取效果，采取在每个图像块中嵌入3份水印的拷贝的方案。假设K2映射出的3对相邻中频系数分别用(a1,a2)、(b1,b2)、(c1,c2)表示，具体嵌入操作如公式(3)描述。其中，公式中x依次表示3对中频系数a，b，c

(3)

(1) 系数提升。水印数据为1时，约定每一对中频系数差不小于阈值H，不满足要求则进行系数提升。系数提升是自适应的：数值小的系数往负方向提升，数值大的系数往正方向提升；

(2) 系数下降。水印数据为0时，约定每一对中频系数差不大于∂×H，不满足要求则进行系数下降调整。下降与提升的方向相逆：数值小的系数往正方向下降，数值大的系数往负方向下降。水印嵌入完成后，经过DCT反变换得到含水印的图片。图4描述了水印生成以及水印嵌入的流程。

图4　水印嵌入流程

2.4水印提取

分块提取水印数据，将各图像块的水印数据串联起来便得到完整的水印信息。水印提取是水印嵌入的逆过程，按式(4)的原理依次分析3对中频系数，分别提取水印数据

(4)

采取投票机制，选择3次提取中的多数结果作为该子块最终的提取结果。图5是盲水印算法的认证模型，参考水印的计算过程如上所示。完整的水印认证流程无需原始图像的辅助，因此文中算法属于盲检测水印算法。

图5　盲水印算法认证模型

3实验结果和分析

选择10张尺寸512×512的标准测试图作为测试图片。文献[4]推荐使用参数M=6,T=8, 分别对WLD特征ξ和θ进行量化。串接10份WLD水印序列，最终二值水印长480 bit。图像分块参数R=12，A=40，共480个图像块。水印嵌入和提取过程中参数∂=1/3，H=30，c=10。

3.1水印不可感知性

计算载体图像与含水印图像的PSNR和MSE，相关实验结果见表1。不难发现，表1中PSNR均在46以上，且MSE均<1.5。因此可得出结论，利用本文算法嵌入水印信息后水印的不可感知性较好。

3.2水印算法对常规操作的鲁棒性

鲁棒性检测是在保持感知内容不变的前提下，算法对常规有损操作的稳健性[9-10]。本文的测试项目包括噪声、模糊、压缩和伽马校正等几种常规操作。表2详细描述了各项测试的参数范围以及采样个数。

表1　水印不可感知性数据

表2　内容保持类操作及参数

用平均PSNR与平均提取率来描述盲水印算法的鲁棒性。平均提取率是指所有测试图片经过表2中某项指定参数范围的操作后，提取出的水印与参考水印相同位数在水印总长度中的占比。从表3的实验结果可得出结论，盲水印算法对噪声、模糊有一定的鲁棒性，对伽马校正的鲁棒性最佳。本文水印还可以抵抗轻度的有损压缩。

表3　鲁棒性测试数据

3.3水印算法对剪切操作的鲁棒性

采用随机位置剪切的方式，分别测试了50×50～150×150等11个剪切面积不同的参数。图6中(a)与图6(b)展示了随机位置、不同参数的剪切结果，图6(c)图用曲线图的形式描述了算法对剪切操作的鲁棒性能。

分析图6 (c)图数据，随着剪切尺寸增大，水印的提取率逐渐下降。随机位置剪切可能导致水印提取曲线出现局部极值点，但整体上是递减形式。设定提取率0.85为阈值，对应图中红色分界线。当剪切尺寸为140×140，水印的提取率最低为0.89，但并没有在阈值0.85之下。可得出结论，本文盲水印算法对剪切操作有较好的鲁棒性。

图6　对剪切操作的鲁棒性

4结束语

WLD图像纹理描述子既突出重点又统筹全局，水印嵌入前后提取的WLD特征能保持高度的一致性，适合用于数字图像盲水印方案中。实验结果表明，本文算法对噪声、模糊、剪切操作的鲁棒性较好，尤其对伽马校正模糊的鲁棒性最佳。对于有损压缩的抵抗性还有待提升的空间。今后的研究内容将用多尺度WLD特征来进一步提高对高斯噪声和模糊操作的鲁棒性，尝试用矩函数来拓展文中盲水印算法对于几何旋转的盲检测能力。

参考文献

[1]Lakhani G.Modifying JPEG binary arithmetic codec for exploiting inter/intra-block and DCT coefficient sign redundancies[J].IEEE Transactions on Image Processing,2013,22(4):1326-1339.

[2]Solachidis V,Pitas I.Cireularly symmetric watermark embedding in 2D DFT domain[J].IEEE Transactions on Image Proeessing,2001,10(11):1741-1753.

[3]Mohammad Reza Keyvanpour,Farnoosh Merrikh Bayat.Blind image watermarking method based on chaotic key and dynamic coefficient quantization in the DWT domain[J].Mathematical and Computer Modelling,2013,58(1/2):56-67.

[4]Chen Jie,Shan Shiguang,He Chu,et al.WLD: A robust local image descriptor[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2010,32(9):1705-1720.

[5]Lowe David-G. Distinctive image feature transfrom scale-invariant keypoints[J]. International Journal of Computer Vision,2004,60(2):91-110.

[6]郑永斌,黄新生,丰松江.SIFT和旋转不变LBP相结合的图像匹配算法[J].计算机辅助设计与图形学学报,2010,22(2):286-292.

[7]黄继武,Shi Yun Q,程卫东.DCT域图像水印:嵌入对策和算法[J].电子学报,2000(4):57-60.

[8]Lv X,Wang Z J.Perceptual image hashing based on shape contexts and local feature points[J]. IEEE Transactions on Information Forensics and Security,2012(3):1081-1093.

[9]Chinmayee Das,Swetalina Panigrahi,Vijay K Sharma,et al.A novel blind robust image watermarking in DCT domain using inter-block coefficient correlation[J].Archiv fur Elektronik and Ubertragungstechnik: Electronic and Communication,2014,68(3):244-253.

[10] 丁志中,梁秋娟.一种基于关系和量化的强鲁棒性盲水印算法[J].中国图象图形学报,2010,15(1):31-36.

A Blind Detection Digital Watermarking Algorithm Based on WLD Features

ZHENG Wei, ZHANG Daxing, JING Yangshuai

(School of Computer Science, Hangzhou Dianzi University, Hangzhou 310018, China)

AbstractThis paper proposes a blind watermarking scheme based on the WLD features. The watermark information is a robust and security binary sequence, with the result of successively encoding, encryption operation based on WLD features. The sector partition scheme and embed watermark in introduced into the DCT frequency domain. Based on WLD global statistical characteristics, the watermark can be extracted and authenticated with out the aid of the host image. Experiments show that the watermark has a good invisibility with a good robustness to additive noise, gamma correction and shear operations. As a blind robust watermarking algorithm, our scheme offers convenient image authentication.

KeywordsWLD features; DCT transform; blind image watermarking; robustness

收稿日期:2015- 11- 09

基金项目:国家自然科学基金资助项目(61572160)

作者简介:张大兴(1971-)，男，博士，副教授。研究方向：多媒体信息安全。郑伟(1990-)，男，硕士研究生。研究方向：多媒体信息安全。

doi:10.16180/j.cnki.issn1007-7820.2016.07.005

中图分类号TP309.7

文献标识码A

文章编号1007-7820(2016)07-015-04