基于圖像綜合特征的零水印算法

韓少杰，王明春，李立宗

（1.天津職業(yè)技術(shù)師范大學(xué)理學(xué)院，天津 300222；2.天津職業(yè)技術(shù)師范大學(xué)信息技術(shù)工程學(xué)院，天津 300222）

基于圖像綜合特征的零水印算法

韓少杰1，王明春1，李立宗2

（1.天津職業(yè)技術(shù)師范大學(xué)理學(xué)院，天津 300222；2.天津職業(yè)技術(shù)師范大學(xué)信息技術(shù)工程學(xué)院，天津 300222）

在Chen和Chang提出的零水印算法基礎(chǔ)上，結(jié)合人眼的視覺感知特征與圖像綜合特征，提出了一種基于圖像綜合特征的零水印算法。本算法利用均值法得到原圖像的低尺度近似圖像，根據(jù)人眼視覺系統(tǒng)(HVS)的感知特性獲取低尺度近似圖像的綜合特征。通過對比Chen、Chang和本文算法在不同類型信號處理攻擊下的性能，得出本文算法在各種信號處理攻擊下具有良好的魯棒性，并通過仿真實驗結(jié)果驗證了本文算法的性能。

零水??；人眼視覺系統(tǒng)；綜合特征；魯棒性

隨著互聯(lián)網(wǎng)絡(luò)的發(fā)展，數(shù)字多媒體產(chǎn)品越來越盛行，但是由于數(shù)字產(chǎn)品易于復(fù)制和修改，盜版問題非常嚴(yán)重，如何保護工作者、所有者以及合法用戶的權(quán)利，成為世界各國學(xué)者和工程技術(shù)人員關(guān)注的熱點問題[1]。近年來發(fā)展的數(shù)字水印技術(shù)就是在這個背景下產(chǎn)生的，這種技術(shù)被譽為數(shù)字多媒體保護的“最后一道防御線”，被廣泛認為是解決知識產(chǎn)權(quán)問題的關(guān)鍵技術(shù)之一[1]。但在某些應(yīng)用場合中，對受保護數(shù)據(jù)如醫(yī)學(xué)診斷、軍事以及公文圖片的完整性要求非常嚴(yán)格，不允許有任何改變[2]。這就對數(shù)字水印的發(fā)展提出了新的要求，于是零水印應(yīng)運而生。零水印概念是2001年溫泉等[1]在全國第三屆信息隱藏學(xué)術(shù)研討會上首次提出的，并對零水印做了如下定義:利用圖像的重要特征來構(gòu)造水印信息，而不是修改圖像的這些特征，把這種不修改原圖任何數(shù)據(jù)的水印稱為“零水印”。與此同時，溫泉等也提出了一種構(gòu)造零水印的方法，即對原始圖像進行離散余弦變換（DCT），選取系數(shù)最高的若干點來構(gòu)造水印信息，之后將水印信息在一個可信任的IPR中央權(quán)威機構(gòu)進行注冊。溫泉等的算法雖然滿足了保護圖片完整性這一要求，但是根據(jù)圖像特征生成的水印信息的隨機性并沒有特定的含義，如作者印章、公司logo等。2005年，Chen等[3]提出了一種可以預(yù)設(shè)水印信息的零水印算法，該算法將預(yù)先設(shè)置好的水印信息用作保護數(shù)字多媒體圖像的水印，賦予水印信息“形象”，同時提出了一種新的基于簽名者、驗證者和可信任機構(gòu)的第三方版權(quán)保護體系。2008年，Chang等[4]對Chen算法中特征提取部分和簽名方式進行了改進，提高了算法的魯棒性。2010年，范禮等[2]在Chen和Chang提出的零水印算法基礎(chǔ)上，對其特征提取部分進行了改進。本文在現(xiàn)有的零水印算法基礎(chǔ)上，提出了一種基于圖像局部特征的零水印算法，對于各種信號處理攻擊具有較好的魯棒性。

1 Chen與Chang的零水印版權(quán)保護方案

Chang的零水印算法對Chen的算法特征提取部分以及簽名方式進行了部分改進，故Chang零水印算法與Chen零水印算法在整體結(jié)構(gòu)上是相同的。下文將對Chen與Chang的2種算法進行描述。

1.1 Chen的零水印算法

Chen的零水印版權(quán)保護方案彌補了傳統(tǒng)零水印系統(tǒng)的不足，該方案中存在簽名者、驗證者和可信賴的第三方認證機構(gòu)（trusted authority，TA）3個角色[2]。算法分為簽名過程以及驗證過程2個環(huán)節(jié)。

1.1.1 簽名過程

步驟1:對WX×HX大小的原始圖像進行t次離散小波變換，取其經(jīng)t次變換后得到的低頻小波系數(shù)LLt，LLt可表示為大小的方陣，將LLt方陣作為原始圖像的低尺度近似圖像，其中變換次數(shù)由水印圖像的大小決定，使原始圖像進行t次離散小波變換后得到的低頻系數(shù)方陣大小與水印圖像大小相同。

步驟2:對LLt進行二值化處理，二值化閾值為LLt所有值的均值，得到二值特征矩陣P，即

步驟3:對水印圖像w進行置亂運算，置亂算子為s，得到置亂后水印圖像w′。

步驟4:通過對特征矩陣P與置亂后的水印圖像w′進行異或運算，得到驗證矩陣k=P⊕w′。

步驟5:簽名者通過密鑰OSK以及數(shù)字簽名函數(shù)SignOSK（g）對參數(shù)進行簽名，得到簽名信息DS=SignOSK（s，K，t，WX，HX），之后簽名者將簽名信息DS發(fā)送至第三方可信賴機構(gòu)（TA）并加蓋時間戳。

至此，便認為原始圖像的版權(quán)受到保護。

1.1.2 驗證過程

首先，驗證者可以利用TA發(fā)布的公鑰以及簽名者發(fā)布的公鑰得到受保護圖像的原始信息，其中包括s，K，t，WX，HX等信息。

步驟1:對待驗證圖像進行t次離散小波變換，得到低頻系數(shù)LLt′。

步驟2:對LLt′進行二值化處理，處理方法與簽名過程相同，得到特征矩陣P′。

步驟3:通過異或運算提取待驗證圖像水印圖像，w″=P′⊕K。

Chen算法將低頻小波系數(shù)作為低尺度近似圖像，并且通過閾值取低頻系數(shù)平均值來達到二值化的目的，當(dāng)圖像受到直方圖均衡、亮度變換、剪切、旋轉(zhuǎn)等信號攻擊后，獲取的低頻小波系數(shù)變化較大，閾值也跟著變化，Chen算法針對上述攻擊時的魯棒性較差。隨后Chang等在Chen算法基礎(chǔ)上改進了特征提取的方式，得到了很好的效果。

1.2 Chang的零水印算法

Chang等對Chen算法的特征提取方式進行了改進，Chang算法同樣存在簽名者、驗證者和可信賴的第三方認證機構(gòu)（TA）3個角色。Chang的算法同樣包括簽名過程及驗證過程2個環(huán)節(jié)。

1.2.1 簽名過程

步驟1:將N×N大小的原始圖像O分割為互不相交的8×8大小的子塊Oi，其中i=1，2，…，（N/8）×（N/8），計算每個小塊的平均值，將每個小塊的平均值作為該塊的像素值，此時可得到（N/8）×（N/8）大小的低尺度近似圖像。

步驟2:對低尺度近似圖像進行Sobel邊緣檢測，得到特征矩陣，Sobel檢測卷積算子分別為:

式中:mi為某像素點；a、b、c、d、e、f、g、h分別為其相鄰像素點像素值，如圖1所示。

圖1 mi像素點的鄰域點

遍歷低尺度近似圖像所有像素點后通過閾值T對Sobel邊緣檢測矩陣進行二值化操作，得到特征矩陣E，

步驟3:對大小為（N/8）×（N/8）的水印圖像進行Torus自同構(gòu)置亂，得到置亂水印L。

步驟4:對特征矩陣E與置亂水印L進行異或運算，得到驗證矩陣V=E⊕L。

步驟5:將驗證矩陣V，圖像大小N，閾值T，簽名者身份IDsigner和置亂算子s通過一個安全的頻道發(fā)送至第三方可信賴機構(gòu)（TA）。

步驟6:TA收到參數(shù)信息后通過一個單項哈希函數(shù)HTA（g）將包括時間戳在內(nèi)的參數(shù)生成驗證摘要hTA=HTA（V‖N‖T‖IDsigner‖s‖t），并對此進行注冊。1.2.2 驗證過程

步驟1:驗證者可以通過TA發(fā)布的HTA（g）計算待驗證圖像的摘要信息hTA′，通過與TA發(fā)布的hTA判定待驗證圖像是否與原圖像一致；

步驟2:將待驗證圖像分割為8×8大小的小塊，計算每個小塊的平均值，按照簽名過程方法得到低尺度近似圖像，之后通過Sobel邊緣檢測得出待驗證圖像的特征矩陣E′；

步驟3:對特征矩陣E′與TA發(fā)布的驗證矩陣進行異或運算，得到水印信息L′=E′⊕V；

步驟4:對L′進行逆置亂操作，得到提取出的水印信息L*；

步驟5:比較原始水印與水印L*并進行版權(quán)歸屬判定。

Chang算法利用原始圖像子塊的灰度平均值獲取低尺度近似圖像，替代了Chen算法中通過低頻小波系數(shù)獲取低尺度近似圖像這一部分，之后利用Sobel邊緣檢測方法獲得特征矩陣，所以使得該算法可以有效抵御濾波攻擊和噪聲攻擊。但是Sobel邊緣檢測得到的是圖像的邊緣特征，而邊緣特征在抵御旋轉(zhuǎn)攻擊方面魯棒性較差。

2 基于圖像綜合特征的零水印算法

基于圖像綜合特征的零水印算法是在Chen與Chang這2種算法的基礎(chǔ)上，對低尺度近似圖像的特征提取方式進行改進。圖像局部特征，即根據(jù)人眼視覺系統(tǒng)的感知特征，主要表現(xiàn)為亮度敏感性、紋理敏感性、對比度敏感性和熵敏感性。本文將以上4個敏感特征作為圖像局部特征，綜合用來構(gòu)造圖像的特征矩陣。在基于圖像局部特征得到特征矩陣后，用特征矩陣來表示原圖像的特征。下文將具體描述基于圖像綜合特征的零水印算法。

2.1 簽名過程

2.1.1 獲取低尺度近似圖像

將N×N大小的圖像A分割為8×8大小互不相交的子塊Ai，計算每個子塊的平均灰度值Oi，i=1，2，3，4，…，（N/8）×（N/8），利用這些平均灰度值重新組成一個大小為（N/8）×（N/8）的低尺度近似圖像a。

2.1.2 獲取低尺度近似圖像的特征矩陣

對于圖像而言，人眼視覺系統(tǒng)對圖像的感知特性主要集中表現(xiàn)為4個方面，即亮度敏感、紋理敏感、對比度敏感以及熵敏感[5]。本文利用像素點以上4個特征來構(gòu)造低尺度近似圖像的特征矩陣。4個特征的定義如下。

（1）亮度敏感值:像素點（i，j）及其相鄰的8個像素點的灰度平均值，即

（k，t）∈ξ（i，j），表示（k，t）為像素點（i，j）8個鄰域點范圍內(nèi)的點。

（2）紋理敏感值:像素點（i，j）及其相鄰的8個像素點的灰度方差，即

（3）對比度敏感值:像素點（i，j）及其相鄰的8個像素點之間的最大灰度距離，即

（4）熵敏感值:像素點（i，j）及其相鄰的8個像素點熵值的和，即

p（k，t）表示（k，t）像素點的像素值在（i，j）鄰域內(nèi)出現(xiàn)概率。

本文在低尺度近似圖像獲取的方法中用到了均值法，即利用亮度敏感值作為其低尺度近似圖，故在計算低尺度近似圖像的局部特征時不再計算其亮度敏感值。在獲得了低尺度近似圖像每個像素點的除亮度敏感值之外的3個特征后，進行以下操作:

a.將該像素點的3個特征數(shù)值求和，即E（i，j）= T（i，j）+C（i，j）+H（i，j），E（i，j）為低尺度近似圖像位置（i，j）像素點的綜合特征數(shù)值；

b.遍歷低尺度近似圖像每個像素點后得到低尺度近似圖像的綜合特征值矩陣E；

c.對綜合特征值矩陣E進行二值化處理，得到特征矩陣emap，二值化規(guī)則如下:

其中閾值T=avg（E）+g，即綜合特征值矩陣加上附加因子g。

2.1.3 對水印信息圖像進行Arnold置亂

置亂算子為s，置亂次數(shù)t，得到置亂后的水印信息圖像w′。

2.1.4 進行異或計算

低尺度近似圖像特征矩陣與置亂后的水印信息圖像w′進行異或運算，得到驗證矩陣v=emap⊕w′。

2.1.5 發(fā)送信息

將{v‖N‖s‖t‖IDsigner‖g}參數(shù)信息發(fā)送至第三方可信任機構(gòu)TA，TA通過HTA（g）哈希函數(shù)根據(jù)參數(shù)信息生成摘要信息hTA并加蓋時間戳，hTA=HTA（v‖N‖s‖t‖IDsigner‖g）。

2.2 驗證過程

（1）驗證者可以從TA獲取HTA（g）函數(shù)以及原始圖像的摘要信息hTA，利用待驗證圖像參數(shù)集合{v‖N‖s‖t‖IDsigner‖g}，計算出待驗證摘要信息hTA′=HTA（v‖N‖s‖t‖IDsigner‖g），比較hTA與hTA′是否相一致。

（2）將驗證圖像分割為互不相交的8×8大小的子塊，運用與簽名過程相同的方法計算得到待驗證圖像的低尺度近似圖像的特征矩陣emap′，特征矩陣emap′與驗證矩陣v進行異或運算，得到置亂后的待驗證水印信息圖像w″，w″=emap′⊕v，其中驗證矩陣v可從TA處獲得。

（3）對置亂后的待驗證水印信息圖像w″進行逆置亂運算，逆置亂后水印信息圖像為w″，通過與原始水印信息w的比對進行版權(quán)判定。

3 實驗結(jié)果及效果分析

實驗采用Matlab 2010a版本，3個測試圖像大小為512×512，水印信息大小為64×64，如圖2所示。其中a、b、c為測試圖像，d為水印信息圖像。算法效果通過精確度AR和平均精確度AAR進行評價。

圖2 測試圖像及水印圖像

Chang對精確度AR的定義表達式為:

AR=CP/NP

式中:CP代表從待驗證圖像得出水印信息圖像w?與原始水印信息圖像w之間像素一致的像素個數(shù)；NP代表水印信息圖像中像素點的總個數(shù)。精確度反映了待驗證圖像得出的水印信息圖像w?與原始水印信息圖像w間的相似程度。

Chang對平均精確度AAR的定義表達式為:

式中:NT代表待驗證圖像收到信號處理攻擊種類的總數(shù)。平均精確度反映了零水印算法對各類信號處理攻擊的整體魯棒性。

實驗中，共使用8種信號處理攻擊模式對目標(biāo)圖像進行攻擊處理，分別為:①高斯平滑濾波，模板尺寸為[4×4]，濾波器的標(biāo)準(zhǔn)值為像素0.5；②圖像縮放，即將圖像縮小為原圖的1/4后再放大為原圖大??；③高斯噪聲，均值為0、方差為0.05；④拉普拉斯銳化，卷積模板為拉普拉斯卷積模板；⑤運動模糊，參數(shù)分別為40和75；⑥1/4剪切，剪切圖像左上部分；⑦周圍剪切，剪切周圍20像素點寬度；⑧逆時針旋轉(zhuǎn)3°，將測試圖像進行逆時針3°旋轉(zhuǎn)。

3.1 實驗結(jié)果

實驗結(jié)果為2部分，分別為本文算法與Chen和Chang算法效果比較、本文算法不同附加因子之間效果比較。

3.1.1 本文算法與Chen算法及Chang算法效果比較

在分別對3個測試圖像進行仿真實驗后得出的結(jié)果如圖3至圖5所示。圖片在收到8種預(yù)設(shè)信號處理攻擊后，受攻擊圖像的峰值信噪比（PSNR）如表1所示。

圖3 不同算法測試圖1結(jié)果比較

圖4 不同算法測試圖2結(jié)果比較

圖5 不同算法測試圖3結(jié)果比較

表1 受攻擊圖像的峰值信噪比

3.1.2 本文算法不同附加因子間效果比較

利用不同閾值分別對3個測試圖像進行仿真實驗后得出的結(jié)果如圖6至圖8所示。本實驗中受攻擊圖像峰值信噪比如表1所示。

圖6 本文算法測試圖1不同參數(shù)結(jié)果比較

圖7 本文算法測試圖2不同參數(shù)結(jié)果比較

圖8 本文算法測試圖3不同參數(shù)結(jié)果比較

3.2 實驗效果分析

從圖3至圖5實驗結(jié)果可以得出，本文算法在針對高斯濾波、縮小放大、高斯噪聲、拉普拉斯銳化、運動模糊、1/4剪切、周圍剪切、旋轉(zhuǎn)攻擊時具有較高的魯棒性，可以從平均精確度（AAR）得出；相比Chen和Chang算法，尤其在應(yīng)對拉普拉斯銳化攻擊、1/4剪切和旋轉(zhuǎn)攻擊具有較高的魯棒性。從圖6至圖8結(jié)果中可以看出，算法的效果與附加因子的選擇有直接關(guān)系，附加因子越高效果越好；而閾值與附加因子也有著直接關(guān)系，但是隨著附加因子的不斷增加，閾值也會不斷增加，提取出的特征矩陣中表示圖像特征的點數(shù)也會越來越少，于是特征矩陣所包含的特征越來越少，這就與特征提取原則中的獨一性原則相違背了。因此，要選擇適當(dāng)?shù)母郊右蜃舆M行特征矩陣提取。

4 結(jié)束語

在Chen和Chang算法的基礎(chǔ)上，本文對特征提取部分進行了改進，提出了一種基于圖像綜合特征的零水印算法，即利用圖像綜合特征來構(gòu)造特征矩陣。實驗結(jié)果顯示，本文算法對各種信號處理攻擊具有較高的魯棒性，在圖像信息收到攻擊后依然能提取出與原始水印具有較高相似度的水印圖像，可以更好地對圖像信息進行版權(quán)保護。但本算法不具備自適應(yīng)這一性質(zhì)，因此賦予算法自適應(yīng)性將是下一步研究的目標(biāo)。

［1］溫泉，孫錟鋒，王樹勛.基于零水印的數(shù)字水印技術(shù)研究［C］//全國第三屆信息隱藏學(xué)術(shù)研討會論文集.西安:西安電子科技大學(xué)出版社，2001.

［2］范禮，高鐵杠，楊群亭.基于小波提升與Sobel膨脹特征提取的零水印版權(quán)認證方案[J].計算機應(yīng)用研究，2010，27（2）:726-729.

［3］CHEN T H，HORNG G，LEE W B.A publicly verifiable copyright-proving scheme resistant to malicious attacks［J］. IEEE Trans on Industrial Electronics，2005（1）:327-334.

［4］CHANG C C，LIN P Y.Adaptive watermark mechanism for rightful owership protectiong［J］.Journal of Systems and Software，2008，81（7）:1118-1129.

［5］王向陽，楊紅穎，趙紅，等.基于模糊聚類分析的自適應(yīng)圖像空間域水印技術(shù)［J］.小型微型計算機系統(tǒng)，2005，26（7）:1255-1259.

［6］張鐘元.模糊聚類分析在數(shù)字水印算法設(shè)計中的應(yīng)用［J］.科學(xué)技術(shù)與工程，2011，11（6）:1355-1358.

［7］溫泉，孫錟鋒，王樹勛.零水印的概念與應(yīng)用［J］.電子學(xué)報，2003（2）:214-216.

［8］范禮，高鐵杠，楊群亭.利用綜合特征提取的數(shù)字圖像版權(quán)保護算法［J］.小型微型計算機系統(tǒng)，2011，32（4）:626-632.

Zero-watermark algorithm based on joint feature of digital image

HAN Shao-jie1，WANG Ming-chun1，LI Li-zong2
（1.School of Science，Tianjin University of Technology and Education，Tianjin 300222，China；2.School of Information Technology，Tianjin University of Tecnology and Education，Tianjin 300222，China）

A new zero-watermark algorithm based on joint feature of digital image on the basis of Chen and Chang′s zerowatermark algorithms is proposed combining the human visual system and the digital image joint feature.The algorithm obtained the low scale approximate image of the original image by using the mean method,and got the comprehensive features of the low scale approximate image according to the perceptual features of the human visual system （HVS）.By comparing with Chen and Chang′s algorithms′in the signal processing attack，the proposed algorithm has the better robustness under various signal processing attacks and the performance of the proposed algorithm is verified by simulation experiments.

zero-watermark；human visual system；joint feature；robustness

TP391.41

A

2095－0926（2015）02－0043－05

2015-03-11

韓少杰（1989—），男，碩士研究生；王明春（1971—），男，教授，博士，碩士生導(dǎo)師，研究方向為數(shù)據(jù)挖掘.