可逆水印技术

2024-10-18

可逆水印技术（通用5篇）

可逆水印技术篇1

1 引言

目前, 数字水印技术在互联网和信息化大潮的冲击下日益成为一种新型的信息安全技术, 并得到了人们的普遍认可和广泛应用。众所周知, 这种技术在数字信息的版权保护和认证等现代科技中逐渐暴露出一些缺陷, 如水印嵌入的过程中往往使得原始载体发生轻微的变化, 而水印技术一旦被应用到医学和军事领域中时, 对技术本身的要求是非常苛刻的, 不容许有丝毫的差错, 以防酿成不可挽回的严重事故。因此, 可逆水印技术的研究对有效恢复原始图像载体有着积极而深远的现实意义。

2 当前矢量地图可逆水印技术的研究现状分析

数字水印技术即是将一些标识信息直接嵌入到数字载体之中同时又对原本的载体不会产生负面影响, 人的肉眼又无法直接察觉得到的一种技术, 数字水印技术应用到现代信息化系统之中就可以通过这些隐藏在载体中的信息, 达到确认内容创建者、购买者以及传送隐密信息或者判断载体是否遭到篡改的目的。根据水印的具体特性, 数字水印有鲁棒水印和易损水印两种, 其中鲁棒水印主要应用在数字信息安全的版权保护, 它要求水印应该满足一般图像处理的环境, 并且还能够有效抵制一定程度的恶意攻击。而易损水印则恰恰与之相反。易损水印在普通的图像处理环境中有较强的免疫能力, 但并不是说绝对不允许在水印嵌入后所造成的数据信息失真行为, 它最关键的优势在于可以有效复原那些数据失真现象, 这时, 人们通过观察易损水印的存在状态就可以判断出数据是否真的被篡改过。本文中所涉及的可逆水印技术也即是易损水印的一种。

信息化时代的到来特别是地理信息系统在人们的日常生活中的广泛应用, 使得基于这一系统的二维矢量地图也逐渐得到人们的关注。为防止引起不必要的版权纠纷或重要数据的缺失乃至遭到篡改, 数字化可逆水印技术便应运而生了。可逆水印技术上追求在抽取水印的同时又能够使经过水印化后期制作的作品在需要时完好无损的恢复原状。然而现有的二维矢量地图可逆水印技术在实际操作过程中缺乏对原始地图具体特征的全面认识, 因此就使得水印嵌入过程中有效信息得不到充分地显示, 从而产生了严重失真的情况。数据信息的失真若发生在医疗、军事和司法等领域, 后果不堪设想。因此必须及时采取措施对可逆水印技术进行全面地分析和研究。

3 基于差分扩张的矢量地图可逆水印技术研究

通过上述对当前现有的矢量地图可逆水印技术应用过程中存在的一些缺陷的分析, 为保证该项技术的顺利有效发挥, 这里结合上述未考虑到的一些问题, 运用差分扩张的思想提出一种相对科学有效的技术实施方案。这种方案的具体设想如下:

假设x、y为图像中相邻2点的灰度值, 并且x, y∈Z, 0≤x, y≤255, 则由它们的差分和中值产生一个整数变换, 其中h=x-y, l=floor ( (x+y) /2。经过整数变换的逆变换之后就可以得出:x=l+floor ( (h+1) /2, y=l-floor (h/2) 。从而就建立起了 (x, y) 与 (l, h) 的一一对应。又因为像素的范围在[0, 255], 也就等价于:

若|2h+b|≤min (2 (255-l) , 2l+1) , 则定义差分为可扩张的, 这里b为数据信息0或1。若|2×f (h/2) +b|≤min (2 (255-l) , 2l+1) , 则定义差分为可改变的。

具体而言, 水印嵌入应当首先逐次地或者依据一定的固定运算模式来主导, 将得出的相邻的结果进行组对, 又因为h=x-y, l=floor ( (x+y) /2, 因此可以得出h的值, 从而得出一个关于h的序列, 即{h1, h2 h3 hn……}, 然后把分好的成对的像素值根据差分进行归类, 具体可以归为四类:即第一对, 包含所有的可扩张的h=0差分和可扩张的h=-1的差分;第二对, 包括所有可扩张的h完全不属于第一对的差分;第三对, 包括所有可改变的h完全不属于前两对的差分;第四对包括所有不可改变的差分。

归类之后选择一个阈值, 这里称为T, 然后通过阈值T将第二对再分为两小类, 即分析h的范围大于T和小于T的情况, 并根据h产生一个定位图, 这个定位图所反映出的具体内容是, 当h的范围在第一对的差分归类中同时又小于阈值T, 那么在定位图中的结果就是1;而如果h的范围在第三对和第四对的差分归类中同时又大于阈值T的情况, 在定位图中的结果就是0。把这个定位图进行压缩所得的比特流N, 差分所得的结果都应当详细地作好记录, 并将其组成相应的比特流A。

然后把需要嵌入的信息流记作M, 把N, A, M结合起来组成比特流C。这时, C=N∪A∪M=b1, b2, b3, ...b.n, bi∈{0, 1}, 分析h分别在第一对和小于阈值T的范围以及定位在第三对和大于阈值T的范围中的情况进而把A嵌入到差分中, 从而得出嵌入水印之后的数值对, 即x'=l+floor ( (h'+1) /2, y'=l-floor (h'/2) , 整个水印嵌入过程也就完成了。

在水印的提取中则要按照以下的步骤来操作, 首先要按照与嵌入的时候相同的顺序进行操作, 扫描嵌入之后的水印图像, 也需要进行相邻数值之间的组对结合, 进而运用h=x-y, l=floor ( (x+y) /2这一公式来计算h'的值, 进而也就得出了了序列{h1', h2'h3'hn'……}, 与嵌入水印的步骤相似, 也需要进行差分归类, 可以归为两类, 第一类是包括所有可改变的差分, 第二类即是所有不可改变的差分, 因为x=l+floor ( (h+1) /2, y=l-floor (h/2) , 根据逆推的方法使原始的图像得以恢复, 这样, 水印的提取就得以实现了。

由此可见, 采用相邻数值之间的结合组对进行差分的方式来嵌入水印的方法, 使得嵌入水印之后的图像质量问题得到了保证。

与图像像素的灰度值不同, 数字矢量地图主要是借助于坐标轴来实现的。因此, 水印的嵌入对象也自然应当从像素的灰度转移到地图坐标系中来。在这一范畴内, 坐标值体现为高度相关的一列具有固定精度的浮点数, 那么可逆水印技术的应用就应当基于整数的变换来操作。

假设Pmax是小数点最后一位精确点, 那么 (x, y) =f ( (x°, y°) ×10p) , p≤Pmax, 以此来描述地图中的整数坐标。其中的因变量均为矢量地图坐标中的浮点。针对矢量地图中所包含的一系列的点、折线段或多边形等具体存在形式, 可以假设为数字地图中的多个具体的对象来研究。差异扩张在具体操作实践中的应用即是选取两个像素点的中间值为参考点而不是采用一个点进行研究的, 这在二维矢量地图中也得到了很好的体现和诠释。若一个向量中的中间值和其他浮点所指示的像素值的差额较小, 那么计算的结果也将相应地变小。

可逆水印技术虽然较其他技术实施时的运算诸多庞杂, 但确实对有效数据信息的隐藏能力有很大的优势, 并能够保证不改变原始载体的基础上在需要的时候实现原始数据的本色复原。

加之在数字矢量地图中, 水印的载体是基于一系列的浮点数转化的整数, 那么在忽略扭曲情况的条件下, 整数坐标在自身的随意增大或缩小的变换中就不会有类似图像的灰度溢出问题发生。这样就对水印技术在实际应用过程中对原始数据的隐藏能力低的问题就可以得到有效地缓解。

4 结束语

综上所述, 差分扩张下的可逆水印技术应用在数字矢量地图中, 有效缓解了对原始数据隐藏不佳的缺陷。随着信息化科技化的不断推进, 这项技术还将得到更为广泛的应用和推广, 伴随着越来越多的可逆水印技术的优秀研究成果的出现, 使得其在军事、医疗以及遥感等对数字精确度要求严格的领域更为有效地发挥。

摘要：从差分扩张的角度出发, 对应用在数字矢量地图中的可逆水印技术进行系统分析, 重点探讨如何才能更好地在实际应用过程中将可逆水印技术的优点服务于现实的操作需求。

关键词：差分扩张,矢量地图,可逆水印

参考文献

[1]武丹, 汪国昭.基于差分扩张和平移的2D矢量地图的可逆水印[J].光电子激光, 2009, (07) .

[2]钟尚平, 刘志峰, 陈群杰.采用复合整数变换差值扩大法的矢量地图可逆水印算法[J].计算机辅助设计与图形学学报, 2009, (12) .

[3]门朝光, 曹刘娟, 孙建国.基于视觉感知特性的矢量地图可逆水印算法[J].高技术通讯, 2010, (04) .

[4]刘向丽, 刘向阳, 寇卫东.利用差分扩展实现可逆水印[J].光电子激光, 2008, (08) .

[5]夏伟, 李晖, 崔彦平.移动网银安全研究[J].信息网络安全, 2012, (10) :64-67.

[6]常艳, 王冠.网络安全渗透测试研究[J].信息网络安全, 2012, (11) :3-4.

一种广义差值扩展可逆水印算法篇2

可逆水印是一种脆弱水印,它是将信息无损地嵌入到宿主图像中的一种技术。近年来可逆水印受到了许多学者的关注,提出了多种算法。Tian将图像分成像素对,向扩展后的像素对差值中嵌入1 b信息,嵌入信息位置用二值位置图标识[1]。Alattar[2]在Tian的基础上提出了广义可逆整数小波变换,选取相邻的几个像素为一个变换单元进行水印嵌入,如相邻的四个像素,Tian的算法可嵌入2 b信息,Alattar的方法可隐藏3 b的信息。Thodi选取LOCO-I预测算子对图像内的像素值进行预测,将预测误差扩展后隐藏信息[3]。该方法一次作用于图像最大可取得接近1 bpp的水印嵌入量。Chang 和Lu扩展当前像素与它前面几个像素均值的差值,将水印嵌入扩展的差值中[4]。该算法在性能分析时没有考虑辅助数据(如,二值位置图)对有效水印嵌入量的影响,只是对总的水印嵌入量进行了分析比较。Kamstra利用嵌入水印前后可逆小波变换的低频系数(或像素对中值)保持不变的特性,构造了一个以低频系数为定义域的度量函数,该度量函数的函数值近似反应了该处的像素相关程度,将像素对按此度量函数值升值排序,根据此排序将水印嵌入扩展后的像素对差值中[5]。Thodi将调整直方图的思想引入特征值扩展算法中,取得了很好的效果[6]。Kamstra和Thodi的算法可有效的减少位置图的负面作用,从而可以取得更大的水印嵌入量。一种基于可逆对比映射的快速水印可以抵抗剪切和LSBs的破坏,它通过查找表来提高计算速度[7]。文献[8]分析医学图像的特点,提出了一种将水印嵌入非感兴趣区域的算法。

可逆水印常使用二值位置图来标识水印信息嵌入的位置[1,2,3,4]。位置图存在2点不足:

(1) 原始位置图较大,所以隐藏前需进行压缩处理,压缩后的位置图依然影响有效水印嵌入量;

(2) 压缩处理计算成本大。进一步减小位置图的大小或挖掘替代方法是可逆水印研究的一个方向。本文提出了一种不使用位置图的大容量可逆水印算法,它将宿主图像分成2×2大小的像素块;计算各分块的近似平滑度值,该值在水印嵌入前后保持不变;将所有分块按平滑度值进行排序;根据水印信息量,依序选取适当数目的分块,利用广义差值扩展法嵌入水印。大量实验表明,在相同PNSR情况下,本算法比现有许多可逆水印算法具有更高的水印嵌入量。

1 广义差值扩展

广义差值扩展法[2]比Tian的像素对差值扩展法更充分利用相邻像素点间的信息冗余,它选取相邻的多个像素点进行处理,可嵌入更多的信息,本文采用此法对选取的像素块进行信息嵌入。假设X=(x0,x1,x2,…,xn-1)是一组像素值,广义整数变换的正变换为:

$\begin{array}{l} \bar{x} = | \sum_{i = 0}^{n - 1} a_{i} x_{i} / \sum_{i = 0}^{n - 1} a_{i} | (1) \\ d_{1} = x_{1} - x_{0}, \\ ⋮ \\ d_{n - 1} = x_{n - 1} - x_{0} (2) \end{array}$

相应的反变换为:

$\begin{array}{l} x_{0} = \bar{x} - | \sum_{i = 1}^{n - 1} d_{i} / \sum_{i = 0}^{n - 1} a_{i} | (3) \\ x_{1} = x_{0} + d_{1}, \\ ⋮ \\ x_{n - 1} = x_{0} + d_{n - 1} (4) \end{array}$

对于一组像素插值d1,d2,…,di,…,可分别使用式(5) 隐藏1比特水印信息b:

$d^{'}_{i} = 2 \times d_{i} + b (5)$

式中d′i为嵌入水印后的特征值(如:像素对差值),要求该水印嵌入过程不会引起图像像素值的溢出问题。原特征值和1比特信息可由式(6)计算恢复:

$\begin{array}{l} d_{i} = | d^{'}_{i} / 2 | \\ b = d^{'}_{i} - 2 | d^{'}_{i} / 2 | (6) \end{array}$

式中|*|为下取整,式(5)与式(6)是一对可逆变换。

2 像素块平滑度近似度量和水印嵌入像素块选取

为了减少嵌入水印引起的客观失真,可优先选取像素间差值较小的像素块嵌入水印,块内图像越平滑则像素间的差值越小,为此需构造一个像素块平滑度量函数计算各像素块的平滑度值,以便选取合适的像素块。可逆水印要求宿主图像能够无损恢复,所以每个像素块嵌入水印前后其平滑度值要保持不变。这是一个十分严格的要求,像素块平滑度值不能仅使用块内像素计算,根据该要求结合广义差值扩展法,本文使用了一种像素块平滑度近似度量函数。

图1中X0为当前像素块,X1,X2,X3,X4为其相邻像素块,X0的近似平滑度函数为:

$ρ (X_{0}) = [\sum_{i = 0}^{4} (\bar{x}_{i} - \bar{X})^{2}] / 5 (7)$

式中 $\bar{x}$ 0, $\bar{x}$ 1, $\bar{x}$ 2, $\bar{x}$ 3和 $\bar{x}$ 4分别为X0,X1,X2,X3和X4的块内像素均值,可由公式(8)计算。

$\bar{x}_{i} = \sum_{j = 0}^{3} x_{i, j} / 4 (8)$

式中: $\bar{X}$ 为 $\bar{x}$ 0, $\bar{x}$ 1, $\bar{x}$ 2, $\bar{x}$ 3和 $\bar{x}$ 4的均值,如下式所示。

$\bar{X} = \sum_{i = 0}^{4} \bar{x}_{i} / 5 (9)$

由于用广义差值扩展法向像素块内嵌入信息后,块内像素均值保持不变,所以由式(7)算得的各像素块近似平滑度值在水印嵌入前后具有不变性,利用此不变性可以标识信息嵌入位置,替代占据大量空间的位置图。

一般来说,块内图像越平滑,则其内部像素间差值越小,采用差值扩展法嵌入信息后客观失真较小,可优先选择进行水印嵌入;块内图像越粗糙,则像素间差值越大,在其中隐藏信息会引发较大的失真。据此常识,本文首先利用公式(7)计算所有像素块的近似平滑度值,然后将平滑度值从小到大稳定排序,最终根据所要隐藏的信息量,选取排在平滑度值排在前面的像素块进行水印嵌入。实验证明该方法有效减少了位置图占用有效空间过大的困扰。

3 水印嵌入及提取

(1) 水印嵌入过程

Step 1: 将宿主图像分割成2×2像素块,如图1所示;

Step 2: 用公式(7)计算每个像素块的近似平滑度值,并将所有的块按平滑度值进行稳定的升序排序;

Step 3: 根据待嵌入水印量选取合适的像素块,用公式(5)进行水印嵌入。构建溢出图,对于扩展后会超出图像灰度值范围的像素点,在溢出图中标注;

Step 4:压缩溢出图,将其与水印嵌入量等辅助数据隐藏在宿主图像中。

(2) 水印提取过程

Step 1: 将包含水印信息的图像划分成2×2像素块;

Step 2: 从宿主图像中提取辅助数据,获取溢出图等相关信息;

Step 3: 用公式(7)计算每个像素块的近似平滑度值,并将所有的块按平滑度值进行稳定的升序排序;

Step 4: 根据水印量信息,利用式(6)从排序后的图像块中提取水印。

4 实验结果及分析

本文用512×512×8 b标准测试图片进行了实验,水印信息为一串伪随机数序列。用峰值信噪比(PSNR)来度量图像的客观失真,以位每像素(bpp)为单位来计量水印嵌入量。实验将所提出的算法与常见的可逆水印算法进行了比较,结果表明在同等失真下,本文的广义差值扩展可逆水印可取得更大的水印嵌入量(见图2)。

图像纹理结构对局部区域内近似平滑度值的度量有很大的影响,对于纹理丰富的图像,其高频成分较多,近似平滑度值的误差会较大。对于包含低频成分较多的图像,则近似平滑度值能更真实地反应图像局部的平滑度。Lena包含的高频成分远少于Baboon,所以由Lena图像计算得到的近似平滑度值误差较小,根据近似平滑度值排序筛选出的像素块在嵌入信息后引起失真较小。在同等PSNR情况下,Lena图像可以嵌入更多的信息。与其它算法比较,由于Tian,Alattar以及Thodi’s Alg.D1使用位置图来标识水印嵌入位置[3],位置图严重影响了有效水印嵌入量。广义差值扩展可逆水印性能优于上述算法。

摘要：可逆水印中常用的位置图既占用空间,又消耗大量的计算成本进行压缩处理。本文针对此不足,提出了一种不使用位置图的大容量可逆水印算法。它将宿主图像分成2×2大小的像素块;计算各分块的近似平滑度值,该值在水印嵌入前后保持不变;将所有分块按平滑度值进行排序;根据水印信息量,依序选取适当数目的分块,利用广义差值扩展法嵌入水印。实验结果表明在同等PNSR下,该算法的水印嵌入量高于常见的一些算法。

关键词：信息隐藏,可逆水印,可逆数据嵌入,广义差值扩展

参考文献

[1]TIAN J.Reversible data embedding using a difference ex-pansion[J].IEEE Transactions on Circuits and Systems forVideo Technology,2003,13(8):890-896.

[2]ALATTAR A M.Reversible watermark using the diffe-renceexpansion of a generalized integer transform[J].IEEE Transac-tions on Image Processing,2004,13(8):1147-1156.

[3]THODI D M,RODRIGUEZ J J.Prediction-error based re-versible watermarking[C]//Proceedings of 2004IEEE In-ternational Conference on Image Processing.Singapore:IEEE,2004:1549-1552.

[4]CHANG C C,LU T C.A difference expansion oriented da-ta hiding scheme for restoring the original host images[J].The Journal of Systems&Software,2006,79(12):1754-1766.

[5] KAMSTRA L, HEIJMANS H. Reversible data embedding into images using wavelet techniques and sorting [J]. IEEE Transactions on Image Processing, 2005, 14(12): 2082-2090.

[6]THODI D M,RODRIGUEZ J J.Expansion embeddingtechniques for reversible watermarking[J].IEEE Transac-tions on Image Processing,2007,16(3):721-730.

[7]COLTUCD,CHASSERY J.Very fast watermarking by re-versible contrast mapping[J].IEEE Signal Processing Let-ters,2007,14(4):255-258.

可逆水印技术篇3

随着信息技术的飞速发展，数字矢量地图的版权保护及数据认证等安全问题日益凸显，数字水印技术是一种有效的数字产品版权保护和数据安全维护技术，本世纪以来，数字水印技术被越来越多地应用于矢量地图。传统水印往往由于水印的嵌入而使原始载体的质量下降，于是学者们又提出了可逆水印技术，可逆(无损)水印是指能够完整恢复原始载体数据的水印算法，该技术主要应用于原始载体数据不容篡改的场合，如医学图像、用于法庭证据的数据和军事地图等。目前对可逆水印的研究主要集中于栅格图像领域[1,2,3,4,5,6,7,8]，而研究矢量地图的可逆水印较少。Voigt等人最早提出了矢量地图的可逆水印算法，通过调整原始地图数据的DCT系数来嵌入水印，在提取水印的同时无损恢复原始矢量地图数据，但该算法对原始矢量地图造成的扰动过大，并且嵌入水印容量较小[9]。邵承永等人将文献[5]的差值扩大技术应用于矢量地图，通过修改相邻顶点坐标的差值来嵌入水印，在提取时可以完整恢复地图数据，但该算法需要存储定位图[10]。周璐，武丹在邵承永算法的基础上加以改进，分别引入了差值直方图和差值平移技术[11,12]，不需要存储定位图，与邵承永算法相比，嵌入率有所提高，但由于矢量地图顶点间的相关性远不如图像像素间的相关性那么强，因此，所得到的差值直方图远不如图像的直方图那样尖锐，其峰值点往往很小。

1 已有的研究基础

差值直方图技术是目前可逆水印应用较多的一种方法，在分析矢量地图差值直方图需要解决问题的基础上，提出了一种基于排序和直方图平移的矢量地图可逆水印算法。

1.1 直方图平移技术

Ni提出了基于直方图平移的可逆水印算法[13]，可逆信息通过图像的直方图平移来进行隐藏和恢复。算法将直方图分成两部分:内区间[-T,T]和外区间(-∞，-T)∪(T，+∞)，T为预设的门槛系数。在内区间，每个像素对之间的差值潜入1比特信息，而在外区间的像素对差值则进行平移，算法公式为:

水印提取和直方图的恢复通过式(2)来完成:

差值直方图技术通过直方图的平移为潜入水印的内区间留出空间，而位于内区间的差值则通过差值扩张而为水印潜入流出空位。

1.2 差值直方图技术

在直方图平移技术中，差值直方图技术应用的最广泛。图1为Lena图像及其差值直方图，可见其差值直方图近似服从拉普拉斯分布。对于矢量地图来说，由于矢量图形顶点之间的相关性远不如数字点阵图像像素之间的相关性那么强，因此，其差值直方图的峰值点通常比较小，不像数字点阵图像的差值直方图那么尖锐(见图2、图3)。

1.3 Hash函数

Hash函数，就是把任意长度的输入(又叫做预映射，pre-image)，通过散列算法变换成固定长度的输出，该输出就是散列值。一般来说，Hash函数应该满足以下条件[14]:

(1)Hash可用于任意大小的数据块;

(2)Hash可以接受任意长度的信息，并将其输出成固定长度的消息摘要;

(3)单向性。给定一个输入M，一定有一个h与其对应，满足H(M)=h，反之，则不行，即算法操作是不可逆的。

(4)抗碰撞性。给定一个M，要找到一个M'满足H(M)=H(M')是不可能的。即不能同时找到两个不同的输入使其输出结果完全一致。

(5)低复杂性。算法应具有运算的低复杂性。

Hash算法(MD5,SHA-1)对于消息的改变比较敏感，消息的极小变化都有可能产生不同的Hash值。因此，Hash函数提供了版权认证的功能。在这里，我们将hash函数随秘密信息一起潜入，除用于版权认证外，还可用来证明算法的可逆性。

2 基于排序和差值平移的矢量地图可逆水印

由于矢量地图顶点坐标通常都是有固定精度的浮点数，所以潜入前需将其转换成整数值，假定地图坐标精确到小数点后3位，在潜入水印前通过将所有顶点的x和y坐标乘以103转换成整数坐标，潜入后再还原为浮点数，以便重构地图。

2.1 需要解决的问题

(1)顶点坐标之间的弱相关性

对矢量地图顶点坐标进行排序来提高其相关性。首先对矢量地图定点坐标进行排序，并通过差值直方图选择峰值点来隐藏秘密信息。以x坐标为例，对于顶点的x坐标序列{x1,x2，．．.xi，．．.xn}，按照大小排序后组成序列{xp1,xp2，．．.xpN}，其中xp1≤xp2≤．．．≤xpN，序列P={p1,p2．．.pN}为排序后的元素在原始序列中的位置。由式(3)组成差值序列{d1,d2，．．.di，．．.dn-1}，并统计其差值的直方图，找到最大峰值点ph(ph≠0)。

从图4、图5可见，排序后的差值直方图近似服从拉普拉斯正分布的正半部分，差值直方图的峰值点变得非常尖锐，距离峰值点越远，差值个数越少。

(2)差值扩张带来的较大误差

采用差值平移来代替差值扩张，每次潜入引入的最大误差为1，水印信息依次嵌入到直方图非0值的峰值点ph中:

通过式(5)恢复差值d，并提取秘密信息:

最后根据恢复的差值dx来恢复原始坐标:

2.2 水印的潜入步骤

假定矢量地图顶点数为N，以x坐标为例，水印的嵌入步骤如下:

Step1:计算原始矢量地图的Hash值h;

Step2:读取矢量地图顶点的坐标，将其转换成整数，并组成顶点坐标序列P;

Step3:对于顶点的x坐标序列{x 1,x2，．．.xi，．．.xN}按照大小排序后组成序列{xp1,xp2，．．.xpN}，其中xp1≤xp2≤．．．≤xpN，序列P={p1,p2．．.pN}为排序后的元素在原始序列中的位置;

Step4:计算序列{xp1,xp2，．．.xpN}中任意两个相邻值之间的差值，组成差值序列{d1,d2，．．．,dN-1}，并统计其差值的直方图，找到最大峰值点ph;

Step5:在直方图的峰值点ph处隐藏水印信息，水印信息W(W=h+payload)按照排序的顺序依次潜入到差值为ph处;

Step6:依据公式(4)，当d=ph时，潜入水印数据W，每潜入一次，将潜入的水印信息从待潜入水印序列里移除一位，若水印序列清空，则潜入(或平移)完毕;

Step7:通过公式(6)和改变了的差值序列，计算潜入了水印信息的顶点坐标;

Step8:将x坐标序列还原为浮点数。

为保证水印嵌入后，顶点坐标的大小顺序不改变，零值峰值点不能用于嵌入水印信息，否则就会打乱顶点坐标的大小顺序;为保证嵌入的误差不累计，差值改变后，在计算顶点坐标时，用x'i+1=xi+di来计算x'i+1的坐标，对于为0的差值，则用x'i来代替xi以保持前后两个顶点坐标值相等。如果峰值点不足以隐藏秘密信息，则可以采取多次嵌入的方式以提高水印嵌入容量。

对于y坐标也可采用同样的方法进行处理。

2.3 水印的提取与数据恢复

在水印提取阶段，利用公式(5)进行水印数据的提取和顶点差值序列的恢复。

Step1:读取矢量地图的顶点坐标，将其转换成整数，并组成顶点坐标序列P;

Step2:对于顶点的x坐标序列{x 1,x'2，．．.x'i，．．.x'N}，按照大小排序后组成序列{xp1,xp2，．．.xpN}，其中xp1≤xp2≤．．．≤xpN，序列P={p1,p2．．.pN}为排序后的元素在原始序列中的位置;

Step3:计算序列中相邻顶点坐标的差值;

Step4:利用公式(5)进行水印数据的提取和差值恢复，当d=ph或d=ph+1时，提取水印;

Step5:根据式(6)结合恢复的差值和提取出的第一个顶点的整数坐标值(firstP)，依次恢复坐标，由第一个顶点的坐标x1和差值d1，由式x2=x1+d1可以恢复第二个顶点的坐标x2，由x2和差值d2，根据式x3=x2+d2可恢复第三个顶点的坐标x3，…，依次恢复所有顶点的坐标。

Step6:将恢复后的顶点坐标序列还原为浮点数。

如果水印采取多层嵌入的方式，则需要重复以上步骤恢复数据。

对于y坐标也可采用同样的方法进行处理。

3 实验结论

图6、图7给出了采用本文算法隐藏水印信息、数据恢复的效果图。比较原始地图和恢复后地图的Hash值，也可以证明恢复的地图与原始地图完全一样。图8、图9分别以等高线图和房屋图为例，给出了本文算法与另外两种算法的性能比较。

从上面的实验结果可见，所提算法对顶点排序使顶点坐标间的差值变得很小，差值更集中，其直方图峰值点更尖锐。在潜入容量相同的情况下，本文算法所引入的误差很小，在误差相同的情况下，本文算法较前两种算法具有更大的潜入容量。

4 结束语

本文分析了差值扩扩张算法的优缺点以及矢量地图坐标之间的弱相关性，提出了一种给予排序和差值平移的新算法。排序后顶点坐标之间的差值更集中，其直方图的峰值点更尖锐，与以往算法的实验比较表明在潜入容量相同的情况下，所提算法具有较好的图形特征在误差相同的情况下，本文算法具有更大的潜入容量。

摘要：在分析差值直方图平移可逆水印算法的基础上,针对矢量地图顶点坐标相关性较差等问题,对矢量地图顶点坐标进行排序以增强顶点坐标之间的相关性,并采用直方图修改的方法,将水印嵌入到直方图的峰值点。与传统算法相比,所提算法具有更高的潜入率和较小的误差。

可逆水印技术篇4

关键词：可逆数字水印,数字档案,安全

随着网络技术、信息技术的应用, 传统纸质档案数字化的趋势将无法改变。数字档案因其信息检索方便、传递速度快、不受时间限制, 极大地节省使用者的时间, 提高了档案管理和使用的工作效率。但是, 伴随着网络的不断延伸, 用于存贮和管理数字档案的服务器数量快速涨大, 数字档案生成、保存和利用过程中因偶然和恶意的原因而遭到破坏、更改和泄露;同时, 数字档案信息与载体的可分离性、在不同载体之间的可任意复制性、信息的共享性、便于计算机加工处理与迅速传递等, 使得借用网络技术作为传递手段, 不受时间、地点限制利用档案信息成为可能;导致数字档案的信息安全问题日益明显, 已成为档案管理和应用领域一个非常重要和紧迫的议题。

一、数字档案的表现形式和安全体系

1. 数字档案的表现形式。

数字档案是一类特殊的、重要的信息资源, 表现形式及格式有: (1) 数字文本:存储格式一般有txt、doc、PDF、html。 (2) 数字图片:通过专业数码相机、扫描仪等设备形成, 存储格式一般有jpg、bmp、gif、tiff。 (3) 数字音频:通过数字录音或传统档案在数字化过程中形成, 存储格式一般有wav、mp3。 (4) 数字视频:通过专业录制设备或馆藏档案的数字化转换形成, 存储格式一般有avi、asf、mpg。

2. 数字档案的安全体系。

保障数字档案的安全, 应建立完整的安全体系。主要包括四个方面。 (1) 系统安全:避免数字档案所依赖的基础设施、计算机、存储设备以及其他存储媒体可能遭受地震、水灾、火灾、有害气体和其他环境事故 (如电磁污染等) 的破坏。 (2) 网络安全:通过防火墙、入侵检测、身份认证等网络技术, 构建一个安全的网络运行环境, 保证数字档案在访问和系统间信息交互过程中安全。 (3) 信息资源安全:数字档案信息被故意的或偶然的非授权泄露、更改、破坏或使信息被非法系统辨识、控制和否认, 破坏了数字档案的完整性、保密性、可用性和可控性。 (4) 管理安全:采取相关的法律法令、规章制度和安全管理手段, 加强管理人员的安全意识和操作规范。

二、数字档案安全保护的常用技术

1. 签署技术。

光笔签名:签署者使用一种专用的光笔直接在输入板上签名, 计算机将这种“签名图像”接收下来, 并确认签名者与数字档案的关系。数字签名:发送方利用自己的私有密钥对数字档案进行加密处理, 生成“数字签名”;接收方用发送方的公开密钥进行解密, 并解码、检验签名, 以实现类似纸质档案的签名效果。

2. 消息认证。

发送方采用特殊函数对数字档案进行处理, 得到“特征值”, 并进行加密发送。接收方收到密文后进行解密, 并用同样的算法计算其特征值, 如果计算结果与收到的认证字一致, 即可认定这份数字档案的内容与发出时是一致的, 从而证明这份数字档案的原始性、真实性。

3. 身份验证。

纸质档案可直接阅读, 数字档案必须借助于专业的设备, 如计算机及相关的数字档案管理系统。身份验证技术用于数字档案用户访问权限的控制, 防止非授权用户进入系统对数字档案或数据进行访问, 也可以对合法用户依据不同的身份分配不同的资源及访问权限。

4. 防火墙。

防火墙是基于系统网络层的访问控制技术。通过在网络边界上建立相应的网络通信监控系统, 监测所有通过防火墙的数据流, 凡是符合事先制定的网络安全规定的信息允许通过, 不符合的就拒于墙外。

5. 防写措施。

将数字档案设置为“只读”状态。用户只能进行信息读取, 而不能对其做任何修改。如常见的只读式光盘 (CD-ROM) 、一次性写入式光盘 (WORM) 。通过这些不可逆式的存储载体可以有效地防止用户更改数字档案, 保持数字档案的原始性、真实性。

三、可逆数字水印技术

1. 可逆数字水印。

可逆数字水印最早由HONSINGER等人在1999年的一项美国专利中提出, 指的是嵌入信息提取后能够完全恢复原始图像的一种嵌入方案。从信息隐藏的观点看, 可逆数字水印的嵌入是将信息隐藏在图像中, 信息提取后, 图像能恢复成原始状态的信息隐藏方案。可逆数字水印技术不仅实现图像认证、完整性保护和传输过程中的安全性, 而且能精确恢复原始图像, 确保图像的真实性。

2. 可逆数字水印现有算法。

目前, 人们提出了各种各样的可逆水印算法以及基于该算法的图像认证技术, 比较有代表性的算法有:基于数据压缩的可逆水印算法、基于差分扩张和差分平移的无损信息隐藏算法、基于排序和直方图修改可逆水印。 (1) 基于数据压缩的可逆水印算法。通常当嵌入空间确定后, 将该空间内的原始数据状态进行无损压缩, 从而空出部分空间能够进行水印数据嵌入。要求选定的空间其状态数据冗余度较高, 能够进行有效压缩, 从而空出更多的空间用于隐藏数据嵌入。高容可逆水印方法是选定隐藏嵌入区域, 然后将被覆盖数据和纯载荷数据一同嵌入该区域, 如果要嵌入的信息量 (载荷数据和用于恢复的嵌入区域原始数据值) 高于嵌入区域容量, 算法就依赖于嵌入区域原始数据的无损压缩, 留出的空间用于嵌入载荷数据。 (2) 基于差分扩张和差分平移的无损信息隐藏算法。基于差分扩张和差分平移提出了一种新的无损信息隐藏算法。即按照一定的顺序扫描图像得到一个灰度序列后, 用该算法计算序列中任意2个相邻像素之间的差分值, 将差分值大于K-1 (K是由用户根据嵌入容量所选择的一个正整数) 的向右扩张, 差分小于-K的向左扩张, 介于-K、K-1之间的差分用来隐藏信息。并通过适当调整图像灰度使得嵌入信息后差分的改变均匀分布在2个像素上, 保证了较好的图像质量。 (3) 基于排序和直方图修改可逆水印。对图像分块, 然后, 采用按灰度值大小排序后的中值作为参考点, 并和其余像素点做差, 以产生更多的相同的值, 使其差值直方图更紧凑、直方图的峰值点更大;最后采用基于直方图修改的方法在差值中进行隐藏。

四、基于可逆数字水印技术的数字档案安全

1. 常用技术的局限。

密码学的基本思想是对机密信息进行伪装, 即用户对需要进行伪装的机密信息进行变换, 得到面目全非的表示。但是, 由于数字媒体的特殊性和互联网的开放性, 实际的一些数字档案数据信息如图像、声音以及视频媒体等需要在表面上看似完整无损的情形下进行传递和使用, 而并非将数字档案本身变得无法直接使用。以密码方式保护是不能直接浏览、拷贝和使用的。并且, 加密只能保证传输信道的安全, 数据一旦被解密, 就不再提供任何的保护机制。常用的数字水印数据在嵌入到数字档案的过程中会给原始档案引入一些不可逆的失真。这样, 对于数字档案馆中保存的孤本、某些珍贵的档案材料、历史资料等馆藏资料的保护与访问, 即便是对档案数据的极小改变也是不允许的, 数字档案的任何修改都会影响档案的可信度和实用性。即使通过技术手段对嵌入的水印进行擦除, 得到也只是原始档案的近似版本, 已不能满足读者或研究人员对数字档案原始性和完整性的需求。

2. 可逆数字水印技术在数字档案安全中的应用方案。

由于数字档案特殊性、历史性, 对其进行版权及完整性保护, 单一的可逆数字水印技术还不能达到理想的效果, 需要综合应用多种数字水印技术。本文将联合采用四种数字水印, 即可逆标注水印、可逆密封水印、可逆认证水印和盗版跟踪水印 (数字指纹) , 构建一个安全的应用方案, 能有效地保证数字档案的安全。可逆标注水印:标注水印是在媒体中嵌入有关媒体信息的数字水印技术, 它可用以辅助、方便多媒体的使用、分销以及储存、检索等, 为数字多媒体数据的便捷使用提供了新的途径。例如遥感图像的拍摄日期、经纬度等。在数字档案管理中, 将档案的出处和归属等版权信息通过标注水印, 以某种特殊的符号或文字标注在数字档案里。数字文本、数字图像、数字视频等档案里以可视形式表现。可逆标注水印是可逆的, 若要恢复原始数字, 标注的信息可去除。可逆密封水印 (易损数字水印) :类似传统纸质档案袋上的密封签, 用来确保数字档案的完整性和原始性。这种水印是在数字档案的内容数据中嵌入不可见的信息。当内容发生改变时, 这些水印信息会发生相应的改变, 从而可以鉴定原始数据是否被篡改, 实现数字档案的真伪鉴定。易损数字水印应对一般图像处理有较强的免疫能力, 同时又要求有较强的敏感性, 即:既允许一定程度的失真, 又要能将失真情况探测出来。必须对信号的改动很敏感, 人们根据易损水印的状态就可以判断数据是否被篡改过。密封水印在一定的条件下也是可去除的。

可逆认证型水印:一般也是不可见的, 并且是鲁棒性的, 用它来保护数字档案的知识产权, 把可逆认证水印嵌入到数字档案后, 非法用户是不可能去除这种水印的, 除非破坏的非常厉害以至于失去了利用价值, 当它被非法使用或被篡改后再使用时, 可以检测嵌入的水印, 从而证明并保护版权。盗版跟踪水印 (数字指纹) :用来保护、记录合法使用者的信息而不是数据来源者的信息, 主要用于识别数据的单个发行拷贝, 类似于软件产品的序列号, 适应于监控和跟踪合法用户的盗版行为。通过可逆的标注水印、密封水印、认证水印和盗版跟踪水印, 以实现数字档案各环节的安全管理, 在使用多重水印进行安全保护时, 还要注意它们的关系和嵌入的次序, 以避免它们之间的干扰。一般来讲首先嵌入的应该是标注水印、盗版跟踪水印, 其次是认证水印, 最后是封条水印。而封条水印一旦嵌入后就不允许再改动。

参考文献

[1]阙大顺, 陈碧, 陈智翔.可逆数字水印在医学图像中的应用研究[J].武汉理工大学学报.信息与管理工程版, 2008 (12) .

[2]顾巧论.数字图像可逆认证技术研究综述[J].中国电子科学研究院学报, 2008 (12) .

[3]葛秀慧, 田浩, 郭立甫.信息隐藏原理及应用[M].北京:清华大学出版社, 2008.

[4]武丹.基于差分扩张和差分平移的无损信息隐藏算法[J].吉林大学学报, 2010 (40) .

[5]赵彦涛.基于排序和直方图修改的可逆信息隐藏方法[J].光电子.激光, 2010 (21) .

[6]朱学芳.数字档案信息开发及应用管理中的图像水印保护技术[J].档案学通讯, 2010 (5) .

可逆水印技术篇5

关键词：DCT,人类视觉系统,JND模型,游程编码

1 引言

随着互联网和信息技术的飞速发展以及数字媒体(如数字图像、数字音频、数字视频等)的广泛应用,对医学图像、军事地图等数字产品的内容认证变得越来越重要。水印技术可以作为一种解决方案,它将数字签名、商标等信息作为水印信息嵌入到多媒体数据中,并在水印提取之后恢复原始信息。实际上,有效的水印嵌入必须有足够的嵌入容量和良好的视觉质量,足够的容量能承载足够多的信息,而良好的视觉质量保证了嵌入水印的不可见性。对于稳健性水印来说,水印还必须能经受住攻击的考验。而可逆水印在满足以上要求的同时必须做到在水印提取之后能够完全恢复原始图像[1,2]。

目前的可逆水印技术有数据压缩、差值扩展和直方图转换。

数据压缩的目的在于能够将恢复信息与水印同时嵌入原始图像,这样在水印提取之后能够根据恢复信息复原原始图像。Mohammad Awrangjeb[3]用算术编码的方法对恢复信息进行压缩,然后将其与水印信息进行连接,两者一起被嵌入到原始图像中。

差值扩展一般是利用相邻像素之间的差值作为因子,根据水印信息进行嵌入。Tian[4]提出的算法中利用相邻两像素之间的差值,根据水印信息修改此两像素值,达到嵌入的目的。

直方图转换利用的是图像的统计特性,首先得到某一部分的直方图,然后根据水印信息对其进行修改,达到嵌入水印的目的。如Vleeschouwer[5]提出在水印位为1时,将直方图循环左移,而在水印位为0时,直方图循环右移。而Ni[6]等人则提出了一种基于图像块分类的嵌入方法,利用一个稳健统计量和误差纠错码(ECC)来嵌入水印信息。

同时,为了达到足够好的视觉质量,人类视觉系统(Human Visual System,HVS)的感知模型已经越来越受到重视,模型的运用在于确定一个门限值,这样在水印嵌入时就可以使原始图像的改变值达到最小,人眼几乎感觉不到,从而保证了图像的视觉质量。

2 算法介绍

2.1 JND模型

本文利用文献[1]的JND模型,具体算法如下:

xi,j表示DCT系数,EAC表示计算每个分块DCT系数与直流系数的平均差统计值,即统计能量值。这里将分块大小确定为8,公式为

对于8位二进制表示的灰度图,G=255,为经验值。Emax表示最大能量值,Rb表示等级区分变量。

根据Rb的大小将分块分为几个等级,这里分为8个等级,用Ib表示,即有

▽Pi,j表示某像素点的梯度值,公式为

当梯度值大于一定值,且这样的像素点数目多于一定的值的时候,这样的像素点可用于进行水印嵌入。

表示JND的初始值,为Ib+2,J(i,j,b)表示最终的JND值,则有

式中:α是一个经验常量,文中取1282。

2.2 游程编码

游程编码又被称为“运行长度编码”或“行程编码”,它是一种统计的无损压缩编码。

游程编码的基本原理是:用一个符号值或者串长代替具有相同值的连续符号,使符号长度少于原始数据的长度。

对于非二进制序列,如8888999911111000000000,可以编码为:(8,4),(9,4),(1,5),(0,9)。这样,编码的数据远远少于原始字符串的数据。

对于二进制序列,该方法更加有效,因为只需要记下首次出现的是0还是1即可。如000000101000001111111,得到的编码序列为:(0,6),1,1,1,5,7。

2.3 嵌入/提取

1)将原始图像分成8×8的块,对每一分块进行DCT变换。根据式(1)~式(3)将分块分为8个等级。

2)根据式(5)计算出梯度值大的点,再根据式(6)将分块分为纹理区和边缘区,这里纹理区将作为水印嵌入区。

3)根据式(7)计算出每一像素点的JND值,以确定纹理区每一像素点应该提取的有效位的数目,公式如下

4)根据3)中的结果提取纹理区每一像素点的有效位。

5)将4)中的位串进行游程编码,得到压缩位串,再将压缩位串与水印信息进行连接,作为将要嵌入的信息。

6)将5)中信息位串嵌入原始图像,具体嵌入过程如下:

x1不变

其中,x1表示在(i,j)处提取的有效位的十进制值,x2表示信息位串的十进制值。

这里因为有些像素点并没有被改变,即有些位置并没有嵌入水印信息,所以需要有边信息作为索引。但在实际过程中,这些边信息是很少的。

在提取过程中,可以根据嵌入过程记录的边信息,用与嵌入类似的步骤提取出水印,并完全复原图像。

3 实验结果

将本文方法的实验结果与文献[1]的结果进行对比,如表1所示。

对比文献[1]的算法,本算法除了Tiffany之外,其余图像的嵌入容量都比前者高很多,甚至是前者的两倍。原因在于前者用的是算术编码,而本算法用的是游程编码,从理论上讲,算术编码的确是最接近熵编码,但是这只是统计结果,对于实际情况,特别是对于01序列,游程编码具有更高的编码效率,也即提取出的有效位串0或1连续出现并且出现长串的概率很大,这正是游程编码的优势所在。

对于视觉质量方面,因为对JND模型进行了修正,并且将边信息记录下来,而不是连同水印信息一同嵌入到原始图像中去,这样保证了原始图像的改变更小,从而获得更好的视觉质量。

4 小结

笔者将人类视觉系统与无损数据压缩相结合,提出了一种用于数字图像的可逆水印算法。由于算法中采用游程编码对边信息进行压缩,大大降低了边信息的大小,从而提高了嵌入容量。同时,通过对JND模型的修正,提高了水印图像的视觉质量。

参考文献

[1]FENG J B,LIN I C,TSAI C S.Reversible watermarking:current status and key issues[J].International Journal of Network Security,2006,2(3):161-171.

[2]GONZALEZ R C,WOODS R E,EDDINS S L.数字图像处理(Matlab版)[M].阮秋琦,译.北京:电子工业出版社,2008.

[3]AWRANGJEB M,KANKANHALLI M S.Lossless watermarking considering the Human Visual System[EB/OL].[2009-11-20].http://www.springerlink.com/content/5r5jgx37na2xvbuq/.

[4]TIAN J.Reversible data embedding using a difference expansion[J].IEEE Trans.Circuits Systems for Video Technology,2003,13(8):890-896.

[5]VLEESCHOUWER C D,DELAIGLE J,MACQ B.Circular interpretation of bijective transformations in lossless watermarking for media asset management[J].IEEE Trans.Multimedia,2003,5(1):97-105.

【可逆水印技术】推荐阅读：

数字水印技术05-26

水印技术论文07-06

直流可逆轧机06-01

可逆数据隐藏09-28

可逆直流调速10-13

可逆直流电动机07-08

>> 查看更多相关文档