一种利用影像多尺度特征的DOM不可见水印方法

秦思娴，肖建华，魏 翔，傅晓俊，余咏胜

(武汉市测绘研究院，湖北 武汉 430022)

一种利用影像多尺度特征的DOM不可见水印方法

秦思娴，肖建华，魏 翔，傅晓俊，余咏胜

(武汉市测绘研究院，湖北 武汉 430022)

数字正射影像是测绘地理信息服务的基础数据之一。根据生产单位数据现状和对遥感影像数字水印的需求，本文综合利用影像的光谱、纹理和属性特征，提出了利用影像多尺度特征的DOM不可见水印方法。该方法首先结合小波分解和Harris特征算子提取影像多尺度特征，确定多水印的最佳嵌入区域；再利用扩频化的DWT算法嵌入不可见数字水印；最后利用影像属性信息辅助提取水印。本文从主观分析、客观分析和鲁棒性分析3个方面评价了嵌入水印影像，分析结果表明，该方法能够自动、有效地在DOM上嵌入多个不可见数字水印，多水印嵌入和影像属性信息相结合提取水印的策略极大提高了水印鲁棒性和水印检测成功率，可以满足实际生产对水印不可见性、安全性、高效性和鲁棒性的要求。

DOM；不可见数字水印；多尺度特征；扩频DWT方法

遥感影像是国家重要的基础性、战略性信息资源，目前已经广泛应用于测绘、规划、国土、导航、农林业、军事和政府决策等方面[1]。随着影像广泛应用而来的是数据安全问题。遥感影像非法流传、非法获利现象使得数据拥有者不愿轻易公开或发布产品，阻碍了遥感产品的应用与发展。如何保护遥感影像的数据安全已成为迫在眉睫的问题。

数字水印技术作为一种信息安全技术，是数字时代解决数字化产品安全保护的有效手段。它将水印信息(如版权、用户信息等)嵌入到数字载体中，使水印信息成为数据不可分离的一部分，由此来确定版权拥有者、所有权认证、跟踪侵权行为、识别购买者等附加信息[2]。数字水印技术在图像、图形、视频、音频等领域的安全保护方面取得了许多应用成果，近几年在测绘相关领域也得到了大量应用[3-8]。

DOM(digital orthophoto map)是生产单位的主要产品之一，覆盖范围大，使用频繁，数据安全尤为重要。为了方便使用，DOM通常以分幅存储，按影像地理坐标进行编号。实际生产过程中往往需要对一幅或多幅DOM进行裁剪、拼接和调色等处理。根据生产单位的DOM数据存储现状和应用特点，遥感影像数字水印应满足以下要求：

(1) 不可见性：所嵌入的数字水印需具有良好的视觉不可见性，不影响数据的后期使用。

(2) 安全性：在没有正确密钥的情况下无法提取或修改水印信息。

(3) 高效性：遥感影像数据量庞大，遥感影像数字水印算法要具有一定的高效性。

(4) 鲁棒性：是衡量遥感影像水印算法优劣的重要指标，要求数字水印能够抵抗影像裁剪、拼接、调色、缩放和数据压缩等有意和无意的数据处理。

根据数字水印的可见性差异，遥感影像数字水印分为可见数字水印和不可见数字水印两种类型。可见数字水印将影像的版权信息以可见方式加载至遥感影像中，在明确表明影像版权的同时也降低了影像的视觉效果和价值。不可见数字水印隐式表达影像版权信息，能够同时保证影像的版权保护与视觉效果，但对数字水印技术和安全性要求更高。

当下，测绘业界对遥感影像数据安全和版权保护意识相对较薄弱，缺乏系统性的数字水印理论研究和应用成果。目前所采用的主要技术方法仍沿用数字图像领域的研究成果，将遥感影像作为“图片”使用，并没有考虑遥感影像本身的光谱、纹理和属性特征，应用方式也以可见数字水印为主，不能满足实际应用需求[9-10]。根据以上分析，本文提出了利用影像多尺度特征的DOM不可见水印方法，根据遥感影像光谱和纹理表现确定水印嵌入区域，采用扩频小波变换(discrete wavelet transform，DWT)方法嵌入不可见水印，利用影像属性信息辅助检测水印，解决了遥感影像实际生产中的不可见水印嵌入与检测问题。

1 遥感影像数字水印技术

遥感影像数字水印技术包括水印嵌入和检测两大部分。水印嵌入根据用户要求生成水印信息，并将水印信息嵌入遥感影像。水印检测利用特定的水印检测算法从影像中提取水印信息。在实际应用中，一套完整的遥感影像数字水印技术流程要解决数字水印嵌入位置选择、水印嵌入方法选择和水印检测方法选择3个主要问题，这几个问题处理是否得当将很大程度上影响最终产品质量。具体分析如下：

(1) 水印嵌入位置的选择是数字水印领域的基础性问题。遥感影像具有丰富的细节和纹理特征，选择具有较好抗旋转和缩放能力的区域嵌入水印，能够有效提高水印抵抗影像几何攻击的鲁棒性[11]。然而，随着攻击强度的增加，水印抵抗力下降。为此，本文提出利用多尺度特征提取的方法，结合小波分解和特征提取的优势，充分利用光谱和纹理属性，提高水印嵌入区域的鲁棒性。

(2) 数字水印嵌入算法性能直接决定数字水印的优劣，是数字水印技术的核心问题。频域数字水印算法在影像频域空间进行调制计算，鲁棒性优于空域算法，是当前数字水印领域的研究热点。扩频算法在一个宽频信号中搭载水印信息，增加了信息冗余度，能够有效提高水印的鲁棒性，是当前数字水印领域的主流研究方法[12]。本文对DWT频域算法进行扩频化改进，综合扩频方法与频域算法的优点，以提高水印的鲁棒性。

(3) 一般而言，水印检测需要先对图像进行水印定位，计算水印的相对像素坐标，再提取数字水印。当图像大小发生变化时，该方法往往失效。遥感影像包含分辨率、地理坐标等属性信息，即使影像大小发生变化，地理坐标数据也不会改变。因此，本文在水印检测时引入影像属性信息，以提高检测效率和成功率。

2 利用影像多尺度特征的不可见水印方法

2.1 利用影像多尺度特征的不可见水印方法技术路线

利用影像多尺度特征的不可见水印方法包括5个主要步骤(如图1所示)，即基于多尺度小波分解和Harris特征提取的影像多尺度特征点提取、多尺度特征点DBSCAN聚类分析、水印嵌入区域计算与优化、扩频方法嵌入水印、水印影像质量评价。

2.2 影像多尺度特征点提取

对影像进行小波分解后得到LL、LH、HL和HH这4个子带，其中LL低频子带是影像的近似，信息量最大，影像纹理和边缘特征集中在LH、HL和HH高频子带。小波分解级数越大，各子带所具备的信息量越大，信息被隐藏程度越深，所提取的特征点也将具有更好的抵抗力，但所需要的计算时间也增加。以2级小波分解为例，各子带信息量排序为：{LL2、HL2、LH2、HH2、LL1、HL1、LH1、HH1}[13]。

综合考虑计算量和信息隐藏能力，本文对影像进行了3级小波分解，在LL1、LL2和LL3低频子带分别提取各个尺度的Harris特征点，再按照不同尺度小波分解的空间对应关系[13]，将各尺度特征点映射至原始影像，得到影像不同尺度特征点集合。通过这种方法能够有效利用小波分解和Harris特征点的优点，提高水印嵌入区域的鲁棒性。

Harris算子定义了与自相关函数相关的M矩阵，M矩阵的特征值RH是自相关函数的一阶曲率。对图像中的任意一点(x,y)，如果水平方向和垂直方向RH值大于一定阈值且高于其邻域中的其他点，则认为该点为特征点[13]。M矩阵定义为

RH=Det(M)-k·Trace2(M)

(1)

(2)

式中，W表示高斯窗口函数；*表示卷积运算；Lx、Ly和Lxy分别为图像在水平方向x和垂直方向y上的偏导和二阶偏导；Det(M)表示矩阵M的行列式；Trace(M)表示矩阵M的轨迹；k为经验值，一般取值0.03～0.05之间。

图1 利用影像多尺度特征的不可见水印方法技术路线

2.3 最优水印嵌入区域计算与优化

由于实际生产应用中往往需要对DOM进行裁剪和拼接，嵌入单个水印会导致水印信息丢失，无法起到保护数据安全的作用。为此，本文提出在一幅DOM中嵌入多个数字水印的策略，以保证水印的有效性。

为了确定水印的嵌入区域，对提取的多尺度Harris特征点采用DBSCAN动态聚类分析方法进行分析，得到多个确定的特征区域，取特征区域的质心点作为水印嵌入中心位置，为准确实现水印重定位奠定基础。本文利用DBSCAN算法的流程如下：

(1) 以多尺度Harris特征点数据集F为计算对象，以任意点m为起始点，查找F中所有关于从m密度可达的点，构成m的Eps邻域。

(2) 如果没有点从m密度可达，则m被设定为噪声点。如果该Eps邻域内特征点数大于最少点数目minpts，以邻域内所有点为种子点，查找密度可达点，直到所有的点都被查找完毕。

经过DBSCAN算法分析后，Harris特征点分为有效特征点和噪声点两类。剔除噪声点，将有效特征点按所属类别进行分类，根据各有效特征点地理坐标计算各聚类中心点集C={c1，c2，…，cN}。由于提取的Harris特征点较多，经过DBSCAN聚类分析后仍有较多的聚类中心得以保留，分别由Pts={pts1,pts2，…，ptsN}个特征点计算得到。直接利用聚类中心C嵌入水印会由于嵌入水印过多导致影像质量下降，同时聚类中心距离太近也会导致水印彼此干扰，影响水印嵌入和检测，必须对聚类中心C进行优化，方法如下：将Pts按照从高到低排序，对特征显著的前20%聚类中心按下式优化

(3)

(4)

(5)

2.4 基于扩频DWT算法的水印嵌入

假设在宿主信号中嵌入1比特的水印信息b，b=wi∈{0,1}。先用扩展因子cr对其进行扩展得到序列B={bb…b}，用长度为cr的比特序列表示1比特的水印信息，提高水印信息冗余度。对扩展序列B调制，得到调制序列

bp={bp0,bp1，…，bpcr-1}

(6)

pi∈{-1,1},i=0,1，…，cr-1

(7)

对于bp该序列用放大因子α进行调幅以增加水印嵌入的强度，得到待嵌入的水印信号序列X={abp0,abp1，…，abpcr-1}。最后选取cr个宿主信号H={h0,h1，…，hcr-1}叠加水印信号序列，得到嵌入水印的隐蔽信号

si=hi+abpi,i=1,2，…，cr-1

(8)

本文改进后的扩频DWT算法流程如下：

(1) 对上文计算得到的水印嵌入区域进行16×16区域划分，对各分区依次进行三级小波分解，得到{LL32×2，LH32×2,HL32×2,HH32×2}子带，下标表示各子带的维度；

(2) 对纹理和边缘信息集中的LH3和HL3子带扩展，得到宿主信号H2×4=[LH3，HL3]；

(3) 对水印信号进行调制，得到bp序列；

(4) 定义放大因子α，按式(8)计算嵌入水印的隐蔽信号S2×4=[LH3′,HL3′]；

(5) 对{LL3,LH3′,HL3′,HH3}进行逆DWT变换，转换至影像RGB空间，完成水印嵌入。

2.5 基于影像属性信息的水印提取策略

分辨率和地理坐标是遥感影像的特有属性。利用影像属性信息计算每个像素地理坐标(x,y)，将每个水印嵌入区域的中心点、四个角点的地理坐标作为密钥信息输出。水印检测前直接利用地理坐标和影像属性信息计算水印嵌入区域，在该区域内进行水印检测。该方法一方面避免了水印重定位过程，提高了水印检测效率；另一方面不受影像缩放、裁剪等几何攻击影响，提高了水印检测的成功率。

3 试验结果与分析

3.1 试验数据

本文试验数据为0.2 m高分辨率DOM产品，包含RGB这3个波段，影像大小为5000×5000像素。影像范围内有农田、房屋、水域、林地和道路等地物类型，便于直观比较嵌入水印后的影像。要嵌入的数字水印图像为武汉市测绘研究院缩写“WHGI”，大小为64×128像素。原始影像数据和数字水印图像如图2所示。

图2 本文采用的DOM产品和水印图像

3.2 试验结果与分析

本文从主观分析、客观分析和鲁棒性分析3个方面对试验结果进行评价。主观分析对嵌入水印区域和影像进行主观分析，客观分析利用统计信息、影像质量评价指数等对嵌入水印影像进行定量评价，鲁棒性分析评价水印对影像处理攻击的抵抗能力。

由于人眼对蓝波段信息最不敏感，按上文介绍的方法对蓝波段进行处理，试验结果如图3所示。对DOM提取了1683个多尺度Harris特征点，特征点集中在房屋、道路、温室大棚等区域，均为明显人类活动区域。对多尺度特征点进行DBSCAN聚类分析，剔除噪声点后得到36个聚类中心。选取特征显著区域作为水印嵌入区域并优化，得到了6个水印嵌入区域。所有的水印嵌入区域均具有较为丰富的细节和纹理特征，且多为实际生产中需要重点关注的区域，如房屋、道路等，一般不会通过影像处理对这些区域进行干预。利用扩频DWT算法嵌入不可见水印，嵌入水印后的影像如图3(d)所示。水印具有良好的视觉不可见性，可以满足实际应用需求。

图3 DOM数字水印试验结果

利用均值、方差、最大差异值(DM)、峰值信噪比(PSNR)、熵和计算时间为指标进行定量评价，各指标见表1。相比于原始影像，嵌入水印影像在均值、方差和熵上没有变化，PSNR值为56.98，表明影像视觉效果较好。对于5000×5000像素影像，嵌入6个水印所需要的时间为95s，主要计算时间用于寻找最优嵌入点，水印嵌入所需的计算时间为5.24s，计算时间满足实际应用需求。

对嵌入水印的影像进行影像裁剪、灰度拉伸、影像缩放、有损压缩和旋转攻击，攻击后水印提取结果见表2。分析如下：由于DOM中嵌入多个水印，即使影像经过裁剪后部分水印信息丢失，仍能够成功检测水印；对于影像缩放攻击，像素的地理坐标不会发生变化，由于利用影像属性信息辅助水印检测，水印能够抵抗缩放攻击；频域算法本身对数据压缩有较好的抵抗性能；对于影像旋转攻击，影像旋转后地理坐标和图像行列坐标均发生变化，因此水印检测失败。

整体而言，由于在一幅DOM中嵌入了多个水印信息且辅助采用了影像属性信息，即使在单个水印检测失败的情况下，也能利用其他区域的水印进行检测，有效提高了水印检测的成功率和效率。

表1 嵌入多个不可见水印遥感影像评价指标

表2 水印抵抗影像处理攻击结果

4 结束语

本文提出了基于影像多尺度特征的DOM不可见水印方法，结合影像的光谱和纹理特征确定多个水印的嵌入区域，利用扩频DWT算法嵌入数字水印，再利用影像属性信息辅助进行水印检测，充分利用了影像的光谱、纹理和属性信息。相比于可见数字水印方法，本文提出的不可见数字水印方法在保证影像视觉质量基础上，有效确保了遥感影像的数据版权安全。目前该方法已经应用于实际生产中，可以为遥感影像数据安全和版权提供保护。

[1] 朱述龙，朱宝山，王红卫. 遥感图像处理与应用[M]. 北京：科学出版社, 2006.

[2] 孙圣和，陆哲明，牛夏牧. 数字水印技术与应用[M]. 北京：科学出版社, 2004.

[3] 任娜，朱长青，黄家柱，等. 数字水印技术在高分辨率遥感数据安全保护中的应用[J].火力与指挥控制,2015,40(2)：19-23.

[4] 闵连全.一种鲁棒的矢量地图数据的数字水印[J].测绘学报, 2008,37(2)：262-267.

[5] 侯翔，杨辉. 基于奇异值分解的遥感图像鲁棒水印算法探讨[J].测绘科学,2015,40(7)：123-126.

[6] 朱长青，符浩军，杨成松. 基于整数小波变换的栅格数字地图数字水印算法[J]. 武汉大学学报(信息科学版)，2009,34(5)：619-621.

[7] 朱长青，杨成松，任娜. 论数字水印技术在地理空间数据安全中的应用[J]. 测绘通报,2010(10)：1-3.

[8] 张海涛，祝晓坤，董明，等. 基础地理信息数据产品数字水印技术研究[J]. 测绘通报,2012(S1)：494-497.

[9] ZIEGELER S B,TAMHANKER H, FOWLER J E, et al. Wavelet-based Watermarking of Remotely Sensed Imagery Tailored to Classification Performance[C]∥IEEE Workshop on Advances in Techniques for Analysis of Remotely Sensed Data. Washington：[s.n.]，2003.

[10] 陈辉，郭科，郑文峰.数字水印技术应用于遥感图像版权保护的评测标准研究[J].物探化探计算技术,2008,30(5)：436-441.

[11] 杨猛. 基于特征点的遥感影像底图版权保护方法的研究[D].哈尔滨：哈尔滨工程大学,2011.

[12] 邹潇湘. 多媒体数字水印技术研究[D]. 北京：中国科学院研究生院, 2003.

[13] HARRIS C, STEPHENS M J. A Combined Corner and Edge Detector[C]∥Proceedings of the 4th Alvey Vision Conference.[S.L.]：citeseer.ist.psu.edu，1988.

[14] 黄达人，刘九芬，黄继武.小波变换域图像水印嵌入对策和算法[J].软件学报,2002,13(7)：1290-1296.

[15] ZOU H, TEWWFIK H. Discrete Orthogonal M-band Wavelet Decompositions[C]∥Proceedings of the IEEE 1992 International Conference on Accoustics, Speech and Signal Processing. San Franscisco:[s.n.]，1992：605-608.

Study on Invisible Watermark Method Using Multi-scale Characteristics for DOM

QIN Sixian,XIAO Jianhua,WEI Xiang,FU Xiaojun,YU Yongsheng

(Wuhan Geomatics Institute, Wuhan 430022,China)

DOM is one of the fundamental datasets for the surveying and mapping geographic information services. According to the data status in the production unit and the application requirements of the digital watermark for remote sense images, an invisible digital watermark scheme based on the multi-scale characteristics designed for DOM is proposed in this work. Firstly, this scheme extracts multi-scale characteristics using wavelet decomposition and Harris detector. Watermark embedding areas are computed and optimized based on these multi-scale characteristics. Then digital watermarks are imbedded into these areas by using spread-spectrum DWT algorithm. Finally, watermarks are extracted with DOM attribute data as the auxiliary information. The watermarked DOM is evaluated in the aspects of subjective analysis, objective analysis and robustness analysis. Experiments and analysis show that multiple watermarks can be automatically and effectively embedded into DOM by the scheme proposed in this work. The strategies of multiple watermarks and attribute information greatly improve the watermark robustness and the success ratio of watermark detection. This work also proves that the scheme satisfies the invisibility, safety, effectiveness and robustness demand of digital watermark in the practical production.

DOM; invisible digital watermark; multi-scale characteristics; spread spectrum DWT algorithm

秦思娴，肖建华，魏翔，等.一种利用影像多尺度特征的DOM不可见水印方法[J].测绘通报，2017(2)：82-86.

10.13474/j.cnki.11-2246.2017.0054.

2016-01-29；

2016-03-28

精密工程与工业测量国家测绘地理信息局重点实验室开放基金(PF2013-14；PF2015-10)

秦思娴(1987—)，女，博士，工程师，研究方向为遥感影像智能处理。E-mail：sixianqin@qq.com

P23

A

0494-0911(2017)02-0082-05