数字图像水印技术综述（共8篇）
数字图像水印技术综述 篇1
摘要：伴随着计算机网络技术及多媒体信息技术的快速发展,为了更好地保护数字图像,用于图像认证的数字水印技术已成为当今研究的热点。主要阐述了当前用于图像认证的半脆弱水印技术研究现状及其攻击行为分析,并对几种典型的图像认证算法进行了介绍。通过对典型认证算法的研究,提出了认证数字水印技术未来的发展方向。
关键词：图像认证,半脆弱水印,篡改检测
0 引 言
数字水印作为数字媒体作品知识产权保护的一种有效手段,目前得到了广泛地研究和发展[1,2],并已成为国际学术界研究的一个热点[3]。对数字产品的保护技术一般可以分为两类:①用于版权保护的鲁棒数字水印技术;②用于内容完整性、真实性认证的脆弱性数字水印和半脆弱性数字水印。
图像认证系统在医学、商业、军事、法律和新闻等方面均有很广泛地应用。认证水印是利用人类视觉系统的冗余,在不影响数字媒体感官质量的前提下,将与媒体内容相关或不相关的标志信息作为水印嵌入到媒体内容中,当媒体内容需要认证时,则可以根据提取的信息来判断其是否真实完整。计算机网络传输中的图像认证一般分为两类[4]:精确认证和模糊认证。精确认证是把图像作为一个整体,对图像的任何篡改均是不允许的,即使图像有1 byte的改动,图像就不能通过认证系统的认证,它使用脆弱水印技术。而模糊认证则是指在图像作品内容基本不变的情况下,允许作品有一定程度的失真,但对图像内容有明显改变的恶意篡改则不允许通过认证,它使用的是半脆弱水印技术。半脆弱水印对保持图像内容基本不变的操作(如图像压缩、图像滤波和图像增强等)是鲁棒的,而对恶意篡改是脆弱的。它作为一种新的数字媒体认证技术,在近几年得到了迅速的发展,并在数字音频和视频领域也有了很大的发展。
本研究首先对图像认证半脆弱水印技术的研究目标和研究现状进行叙述和分析,并指出当前典型的半脆弱水印算法的不足之处,然后对半脆弱认证系统的攻击行为进行分析。最后展望图像水印认证技术未来的发展方向。
1 半脆弱水印技术发展和研究现状
在实际应用中,数字图像因其数量较大,通常以压缩方式存储或传输,同时图像处理软件各异,图像格式众多,最终用户所要认证的图像通常是原始图像经有损压缩或其它常规操作处理后的图像,因此,对图像进行内容认证的半脆弱水印技术在现实生活中更为实用。
基于半脆弱水印的认证系统应满足以下基本要求[5]:①鲁棒和脆弱的兼备性;②感知的透明性;③篡改的敏感性和可定位性;④盲检测性;⑤安全性。
半脆弱数字水印技术按照其实现方法可以分为空域法和变换域法。
1.1 空域法研究现状
空域水印算法是直接通过修改数字图像中的像素位来嵌入水印,如直接修改图像像素的最低位[6],该方法嵌入的水印信息量极少,算法鲁棒性差。水印信息很容易被滤波、图像压缩、图像增强等图像常规操作所破坏。Lin等人通过改进空域像素之间的相关性来提高检测效果[7]。通过密钥在原始图像DCT域提取伪随机的白噪声序列,并将此序列作为认证序列,把序列叠加到每个8×8的DCT块上的三角矩阵中,对DCT块反变换,并结合水印强度因子合成含水印图像。通过提取水印和原伪随机序列求相关来完成认证。此算法的优点是对于JPEG有损压缩后被篡改的图像检测准确率很高,但是对于图像边缘和纹理较多的情况,算法的检测率较低,可靠性差。
Dittmann[8]把提取的图像边缘特征作为水印信息嵌入到空间域中,并采用Canny边缘检测器,通过比较被测图像边缘和提取的水印信息是否一致来判断图像的真伪。该算法对图像常规操作和恶意篡改识别能力强,但对各种压缩操作表现敏感。此外,算法的缺点还有误检率比较高,因为一旦图像被篡改,它的特征会随之改变,因而造成比较时的错误。
1.2 变换域法研究现状
变换域半脆弱水印算法首先对图像进行可逆变换,然后修改变换域系数来实现水印的嵌入。变换域数字水印嵌入的信息量大、安全性高。目前大多数半脆弱水印算法采用DCT和DWT变换。
1.2.1 DCT域半脆弱水印算法
通常基于DCT域的半脆弱水印算法是为了抵抗JPEG压缩而提出的。Tewfik[9]提出一种基于JPEG编码方法的半脆弱水印技术。该方法首先对原始图像的每个8×8图像块进行DCT变换,然后把各个图像块的信号排序,用Hilbert对照JPEG量化表把向量分解成更小向量,再把子向量纵排列成Hadamard矩阵,采用Zig-Zag扫描法选取DCT系数进行奇偶性量化,将调制后的DCT系数嵌入水印的图像块,结合图像块形成含水印图像。最后通过比较待测图像的量化系数与原图量化系数的奇偶性相符情况来完成认证。此算法的优点是脆弱性强,但对常规处理反应敏感,因为系数的奇偶性在图像经过一般信号处理后是很容易改变的。Lin和Chang[10]给出了一种可以在一定程度上抵抗JPEG压缩和剪裁与替换操作的半脆弱水印技术,该技术可以识别被篡改的块的位置,并且可以利用来自原图的一个粗糙图像来对篡改块进行恢复。所提出的算法基于JPEG压缩前后DCT系数的两个不变特性:①如果DCT系数被修改为JPEG量化步长的倍数,那么在未来的JPEG压缩中,该系数可以被确切重建;②JPEG变换前后两个8×8子块相同位置的系数关系保持不变。算法利用第2个特性来形成认证信号,而利用第1个特性来将其嵌入到DCT系数中。此算法的优点是虚警率近似为0,并且对大多数攻击,比如去噪、剪切、直方图均衡等检测效果好,抗JPEG压缩能力强。但算法的篡改定位精度不够准确,只能定位到以块为单位的地方,而对于图像部分像素的改变无法准确定位,且恢复后的图像质量较差。Yang S Y[11]等人对原始图像进行每个8×8块DCT变换,然后选择嵌入水印区域和嵌入系数,计算差别敏感门限值、修正系数,以实现水印的生成和嵌入。认证时根据Zig-Zag系数序列和DCT系数之间的关系对DCT反变换以复原原始图像。此算法对常规操作和JPEG有损压缩有良好特性。Lin和Podilchuk[12]等人在原始图像的每个8×8块的DCT中频系数上叠加不同的伪随机序列,由于自然图像中一般平滑区较多,边缘区较少,认为在没有边缘存在的情况下,图像相邻像素差值信号的能量主要是由水印引起的,通过一个改进的运算来进行图像认证。算法的优点是对于JPEG有损压缩后被篡改的图像检测准确率很高,但算法的检测率较低,可靠性也差。
1.2.2 DWT域半脆弱水印算法
由于小波变换在时域和频域具有良好的局部定位性质,同时与现有的图像压缩标准JPEG2000相融合,故小波域的数字水印认证技术有更高的实用意义。Walton[13]和Kundur、Hatzinakos[14]通过量化小波系数来嵌入水印,利用小波空间域和频率域定位出篡改位置,并估计当前图像被篡改的程度。其中Walton对图像的Haar小波系数进行量化,根据量化步长的大小来控制水印的鲁棒性,最后利用攻击估计函数将图像遭受的恶意篡改与非恶意篡改区分开来。该算法的缺点是很容易让攻击者得知量化步长而改变图像内容使提取的水印信息仍然不变。Lu把小波系数分成掩蔽门限位(MTUS)[15]。在频域中选择同尺度、同方位、绝对值大于JND阈值的小波系数,再用CWS(Cocktail Watermarking Scheme)调整小波系数来完成水印嵌入,用原量化信息作为密钥储存来恢复原图像。两种水印的检测分别进行以完成认证。该方法考虑了两种水印的特性,但是用作图像认证时,必须存储原始水印信息,并且鲁棒性和脆弱性的均衡也是问题。Yu[16]等人通过量化小波系数的加权平均值来嵌入水印,认为小波系数的变化服从高斯分布,对图像进行恶意攻击导致小波系数的变化往往具有较大的方差,而由偶然因素造成图像失真引起的系数变化往往具有较小的方差,从而将恶意篡改与非恶意篡改区分开来。这种方法较直接量化小波系数有更好的鲁棒性。Paquet[17]等人则结合人类视觉系统(HVS)量化小波包系数。算法首先生成ID序列,并用此ID序列选择小波变换函数及分解层数;再运用此ID选择所要嵌入水印的区域及系数,利用人类视觉掩蔽特性,对不同的小波系数选择合适的嵌入强度,完成小波包系数的量化,经小波包重构后得到含水印的图像;最后用密钥提取水印,结合小波包系数区域分别进行带内频域及带间空域比较以得出认证结果。不足的是很容易遭遇搜索攻击。Eggers[18]先用Scalar编码器对水印信息进行编码得到二值码书,再用对应的Scalar量化函数对所选8×8块中的系数量化,即可把码书的各个元素嵌入相应宿主信息内。同时为了使嵌入随机化,嵌入过程引入二值伪随机序列。认证时,把待测信息与相应的量化函数、步长因子、二值伪随机序列混合运算得到验证值,若无水印则验证值近似为0,若水印存在,其验证值绝对值应接近步长因子值的一半,通过这种方法完成认证。该算法的优点是虚警率为0,且对JPEG压缩稳健,能容忍一般的图像处理操作,缺点是对直方图均衡及锐化敏感。Hu[19]提出由低频率领域图像特征产生二值水印进行水印生成及嵌入,由小波变换逆变换进行认证。此算法定位能力强,并具有篡改恢复能力,其安全性也较高,但对图像旋转等变形失真非常敏感。
1.2.3 其它算法
Lu[20]提出了一种基于矢量量化的半脆弱水印技术。先把原图编码分块,用图像尺寸和图像块大小进行相关运算并结合特定二值图像产生水印,把图像块视为矢量,用VQ编码器在码书中找出最佳匹配码字代替该图像块;用码字下标代替输入矢量作为索引值反向到解码器,对应每个水印比特在码书里寻找合适的匹配码字,并把水印嵌入图像块相应位置中。检测时,把待测图像分块,用解码器根据索引值用同一码书重构相应的码字,根据嵌入规则提取水印。此法对JPEG与VQ压缩具有较好性能。但对于拼贴攻击等的抗攻击能力相对比较薄弱。
2 半脆弱水印攻击行为分析
半脆弱水印主要是用来保证数字媒体内容的真实性,其本身具有一定脆弱性的。因此施加于鲁棒水印的攻击方法(如简单攻击、同步攻击、削去攻击、混沌攻击)对认证水印系统的影响是不明显的,而试图篡改图像内容却不损坏水印信息的“伪认证”攻击对认证水印系统的影响就较为明显了。目前,关于数字水印认证技术的攻击算法文献较少,就已有的文献来看,主要有以下几种:
(1) VQ攻击。该类攻击的前提条件是图像中每一个认证单元(比如一个图像块或图像的一个像素)所嵌入的水印信号与其它认证单元的内容无关。于是,只要在两个认证单元中嵌入的水印信号相同,就可以把它们互相替换来修改图像内容而不会导致认证失败。为了使攻击后得到的图像具有一定的意义和较好的质量,有时需要多幅图像,尤其是攻击彩色图像时。防止这种攻击的最有效方法就是使每个认证单元的认证信息依赖于其它认证单元的内容,这种改进方法的一个缺点就是对篡改定位能力有一定影响。
(2) Holliman-Memon攻击。密钥资源有限且密钥与图像无关致使当密钥和所嵌入的水印完全相同的情况下,同一位置可能会隐藏相同的水印信息,所以攻击者可以交换两个可信图像同一位置的图像块而不会影响提取的水印信息。
(3) 密码分析攻击。密码分析攻击的前提条件是攻击者拥有几幅用同样密钥嵌入相同水印信号的图像。其目的是找出图像认证算法中使用的秘密信息,比如密钥等。一种可以用来防止密码分析攻击的方法就是每幅图像使用不同的密钥嵌入水印;另一种方法是使图像内的每一个认证单元所嵌入的水印信号依赖于其它认证单元的内容或者全局信息;有时可以把这两种方法结合起来。
(4) 特征选取攻击。特征选取攻击的前提条件是设计者所选取的用来表达图像内容的特征并不能充分表达图像的全部内容,以致无法根据这些特征来区分可接受操作和恶意篡改。比如,当把图像的灰度直方图作为特征,那么构造一个与原有图像具有相同的灰度直方图而内容不同的图像就是攻击者的目标之一。对于特征选取攻击,目前尚无很有效的方法。
3 半脆弱水印的发展方向
半脆弱水印技术作为数字水印技术的一个重要分支,目前还是一个未成熟的研究领域,尚有许多亟待解决和进一步深入研究的问题,笔者认为未来半脆弱水印技术应在以下几个方面展开探讨和研究:
(1) 与图像压缩编码算法相结合。数字图像的网络传输发布都需要经过压缩编码(JPEG或JPEG2000等)。目前针对JPEG编、解码器设计的水印认证算法已有文献报道,但针对JPEG2000及其它图像压缩标准的认证水印算法还很少。随着JPEG2000编码标准的不断成熟,研究能够抵抗JPEG及JPEG2000压缩的半脆弱水印图像认证算法具有深远的意义。
(2) 安全性问题。安全性一直是水印认证系统的关键。实际应用对水印的保密安全有不同程度的要求。现有的半脆弱水印技术大多采用基于私钥的加密方案,大量私钥信息通常很难管理。对于一个完善的半脆弱水印认证系统,系统的各个环节,如密码的产生、发布和管理都是必不可少的考虑因素。如何将半脆弱水印认证系统与密码学中的公开密钥算法结合,设计安全可靠的公钥水印认证算法,同时建立相应的标准或协议也将是一个重要的研究方向。
(3) 完善音频、视频水印认证体系。大量消费类数字视频产品的推出,使得以半脆弱水印为重要组成部分的视、音频真伪鉴别技术的市场需求更加迫切。然而,由于包括时间域掩蔽效应等特性的更为精确的理论模型尚未完全建立,使得目前视频、音频半脆弱水印技术的性能不太理想,同时现有的音、视频的编码格式也在一定程度上限制了水印技术的引入。因此,未来音、视频半脆弱水印技术也将会成为一个研究热点。
(4) 水印认证系统评测标准的建立。水印认证技术要得到广泛的应用,就必须建立一套完善的标准,以适应各种不同水印认证系统的质量评测。同时需要解决许多的社会和法律问题。
4 结束语
图像认证的数字水印技术是当今研究的热点。本研究分析了图像认证半脆弱水印技术的研究目标和研究现状,介绍了几种典型的图像认证算法,重点指出了当前典型的半脆弱水印算法的不足之处,并对半脆弱认证系统的攻击行为进行分析,最后提出了认证数字水印技术未来的发展方向。
基于频域的图像数字水印算法研究 篇2
关键词：数字水印；版权保护；离散余弦变换；离散小波变换
中图分类号：TP309.2文献标识码：A
随着信息产业的飞速发展，数字技术的进步，Internet应用日益广泛，数字媒体因其数字特征很容易被复制、篡改、非法传播及攻击，已经日益引起人们的关注，版权保护与信息完整性保证已逐渐成为人们迫切要解决的一个重要问题，除了与传统作品版权保护相类似的法律和管理手段外，还应该针对数字媒体提供技术上的保护。数字水印技术研究就是在这种要求下迅速发展起来的。
1 数字水印技术基本特征
数字水印技术是信息隐藏技术研究领域的重要分支，它除应具备信息隐藏技术的一般特点外，还有着其固有的特点。数字水印技术基本特征主要有：
(1)鲁棒性：水印信息在经过常规信号处理操作后，仍然能检测到水印的能力。
(2)隐蔽性：数字产品加入数字水印后，应该不会引起数字作品的明显质降，即因嵌入水印导致图像或音频的变化对观察者的视觉系统和听觉系统来讲应该是不可察觉的，数字信息产生的变动和失真应低于可感知的门限。
(3)安全性。指水印算法具有较强的抵抗人为攻击的能力。
(4)可证明性。能够为受到版权保护对象的所有权归属提供完全和可靠的证据。
2数字水印系统框架
整个数字水印系统框架可以描述为下图。
3基于频域的数字水印算法
根据算法作用域的不同，可以将水印分为空域数字水印和频域数字水印两种。空间域算法是直接将水印信息嵌入到多媒体数据中，通常这些位置不影响被嵌入对象基本属性，从而实现了水印的隐藏。该类算法实现比较简单，早期的数字水印算法基本上都属于该类。但是由于水印嵌入的位置在很大程度上相似，因此水印的鲁棒性比较差。常见的空间域算法有最低有效位算法(LSB)和基于统计特征的Patchwork算法等。
近几年，变换域算法如基于离散傅立叶变换、离散余弦变换(Diserete Cosine Transform，DCT)、离散小波变换(Dsortie Wavelet Transform，DWT)等各种时频分析工具的算法受到广泛关注，这主要因为变换域算法中可以使嵌入的水印信号能量分散到空间的所有像素上，有利于保证水印的透明性，并且可以更方便地与人类视觉系统的特性相结合。
3.1基于DCT域数字图像水印算法
基于DCT域数字图像水印算法根据嵌入的位置的不同可以分为三种，分别是嵌入低频区、嵌入中频区和嵌入高频区。将水印嵌入低频区域可以具有较好的鲁棒性，但透明性差；相反将水印嵌入高频区域虽然透明性好，但是鲁棒性较差。所以一种折中的办法就是将水印加入到中频区。
Cox等人提出了基于全局DCT变换的扩频水印算法，这是早期最著名的变换域水印算法之一。该算法的主要创新是明确提出将数字水印加载在图像的视觉敏感部分(主要对应于低频部分)。这种提法的理由是图像的视觉敏感部分是图像信号的主要成分，携带较多的信号能量，在图像有一定失真的情况下，仍能保留主要成分，作为水印载体，更有利于提高水印的稳健性。扩频通信技术的利用也是该算法的一项重要贡献，保证了水印的不可见性和稳健性。该算法可以抵抗一些几何攻击和通用的信号处理操作。Barni等人则是将一个实数序列作为水印嵌入DCT域的中频系数中，以调节水印的稳健性与不可见性之间的矛盾。Huang等人，基于对图像DCT系数振幅的定量分析，指出DC分量比AC分量有更大的感觉容量，从稳健性的角度，DC分量更有利于水印的嵌入，并提出了一个利用DC分量的自适应算法。
DCT域的方法计算复杂度较低，并且与JPEG、MPEG等国际数据压缩标准兼容，便于在压缩域中实现，因此受到普遍重视。
3.2基于DWT域数字图像水印算法
小波变换是傅利叶变换和窗口傅利叶变换的一个重大突破，为信号处理、图像处理及其它非线性科学的研究领域带来革命性的影响。在一些应用中，基于小波变换的数字水印方案比基于DCT变换的水印方案更具优势。因此基于离散小波变换的数字水印算法已成为当前研究的热点。
具体来说，小波变换是一种信号的时间一尺度(时间一频率)分析方法，它具有多分辨率的特点，而且在时频两域都具有表征信号局部特征的能力，是一种窗口大小固定但其形状可变，时间窗和频率窗都可改变的时频局部化分析方法。小波变换的基本思想就是对信号进行多分辨率分解。根据S.Mallat的塔式分解算法，图像经过一级分解后可以分解成四个子带：低频(LL)、水平方向(HL)、垂直方向(LH)、对角线方向(HH)，每个子带的划、为原图的四分之一，对低频(LL)进行继续分解，如图2所示。
研究表明，假设对一幅256*256图像进行三级小波分解，低频子图集中了图像的大部分能量，整个图像能力的97％集中在第三层，其中仅LL3低频子带图就占了93％，而高分辩子带图像上的数值都比较小，接近于零。
HVS指出，人眼对高频信息(如复杂的区域)的敏感度低于对低频信息(如平滑区域)的敏感度，因此水印嵌入到越高频的区域，对原始图像的影响越小，水印的透明性越好；但为提高水印对各种失真和噪声的抗御能力，水印应嵌入到越低频的区域越好。因此，通常从水印的鲁棒性和图像的失真度考虑，把水印嵌入到图像的中频带区。Cox等在进行图像水印嵌入的时候也总把DC系数排除在外，原因在于避免加水印的图像出现方块效应。这个基于DCT的嵌人对策现在已被人们接受。但在DWT域，由于小波变换是全局变换，在图像的低频系数带加入水印不会出现方块效应。
另外，嵌入水印的图像很容易遭受图像压缩、滤波等处理，根据信号处理理论，低频系数相对于高频系数来说，更不容易受信号处理所改变。因此，一种常见的方法就是把水印嵌入到小波图像低频系数。它在保持图像好的可靠性的同时又保持了图像的鲁棒性。
此类数字水印算法的一般嵌入步骤为：
(1)分别利用Amold变换将水印图像置乱，置乱后的水印记为WI；
(2)将原始图像P经过3级小波变换，得到不同分辨率下不同方向的子图PIK；
(3)将W1进行一级小波分解，得到4个子图WIK；
(4)将水印中的数据分别与原始图像子图的数据按照下式进行分块编码：
C1=C1(P1K+aW1K)(K=0,1，2，3)
其中C1是嵌入前的DWT系数，a是小波强度参数，W1是表示嵌入的水印，C1代表嵌入后的水印。
4结束语
本文回顾了数字水印技术的基本理论，并重点从不同的角度对数字水印进行分类，详细描述和分析各类水印的相关算法、性能及发展趋势。在我对频域数字水印研究的过程中有如下一些认识和体会：
(1)无论是在离散小波变换或是在离散余弦变换后的低频子带还是在高频子带，只要嵌入强度不超过人类的可感知界限，都是可以嵌入水印的。低频系数的绝对值比高频系数的绝对值一般大得多，考虑到鲁棒性。水印嵌入到低频系数则具有一定的优势，而考虑到透明性，高频系数又是不错的选择，但如何在鲁棒性与透明性这两个水印重要特征之间找到一个更好的平衡点将是进一步需要研究的工作。
(2)研究数字水印在实际应用中的模式、方法和领域也是数字水印的一项重要内容，也是该技术走向市场的主要途径。
数字图像水印技术综述 篇3
以网络电子版方式传播的知识产品在给人们带来信息共享和商业利润的同时,也面临着盗版、非法复制以及存取失控等日益严重的威胁。作为数字媒体作品知识产权保护的一种有效手段,数字水印(Digital Watermarking)技术得到了广泛关注,并已成为国际学术界研究的一个热点[1]。
目前虽然有许多文献讨论有关数字水印技术的问题,但数字水印始终没有一个明确的统一的定义。文献[2]中给出了如下的定义:数字水印是永久镶嵌在其他数据(宿主数据)中具有可鉴别性的数字信号或模式,而且并不影响宿主数据的可用性。根据所嵌入的宿主媒体的不同,主要可分为图像水印、音频水印、视频水印、文本水印、网络水印等。
数字水印技术是信息隐藏技术研究领域的重要分支, 它除应具备信息隐藏技术的一般特点外,还有着其固有的特点。数字水印技术基本特征主要有[3]:
(1)鲁棒性:指不因多媒体文件的某种改动而导致隐藏信息丢失的能力。
(2)透明性:利用人类视觉系统或听觉系统属性,经过一系列隐藏处理,使目标数据没有明显的降质现象,而隐藏的数据却无法人为地看见或听见。
(3)不可检测性:指隐藏载体与原始载体具有一致的特性。
(4)自恢复性:由于经过一些操作或变换后,可能会使原图产生较大的破坏,如果只从留下的片断数据仍能恢复隐藏信号,而且恢复过程不需要宿主信号,这就是所谓的自恢复性。
2 数字图像水印算法概述
图像数字水印技术大体上可分为时空域和变换域数字水印技术。时空域数字水印技术中,嵌入图像的水印信息不经过任何变换,直接嵌入到图像像素上,主要是基于改变图像数据统计特性的水印算法,如文献[4]提出的patchwork算法,它是基于统计的数字水印嵌入方案,该算法首先随机选择N对像素点,在增加其中一点的亮度值的同时,相应降低另一点的亮度值,从而隐藏水印信息.文献[5]提到了一个基于空域分块的方法,通过改变块均值来嵌入水印。
近几年,变换域算法如基于离散傅立叶变换、离散余弦变换(Discrete Cosine Transform , DCT)、离散小波变换(Discrete Wavelet Transform , DWT)等各种时频分析工具的算法受到广泛关注,这主要因为变换域算法中可以使嵌入的水印信号能量分散到空间的所有像素上,有利于保证水印的透明性,并且可以更方便地与人类视觉系统的特性相结合。
2.1 基于DCT域数字图像水印算法
由于离散余弦变换具有良好的聚能效应,因此在图像水印领域有很好的应用效果[6,7,8,9,10],文献[6]提出了一种基于离散余弦变换的图像水印方法,因为将水印加在低频区域可以具有较好的鲁棒性,但透明性差:将水印加在高频区域可以获得较好的透明性,但鲁棒性差,所以文中提出了将水印加在中频区。该方法是将原始灰度图像进行8×8分块,然后对每个图像块进行DCT变换,得到64个DCT系数,采用ZigZag扫描法选择部分中频系数进行水印嵌入,缓解了鲁棒性与透明性的矛盾。
近期比较流行的是采用二维图像(二值或灰度)作为私有水印信息[7,8],并通过对水印信息进行一定缩放处理,与DCT系数相叠加,为了具有较好的鲁棒性,这类算法所修改的系数一般集中在低频AC系数上。不难看出,现有绝大多数DCT域数字水印方案是将水印信息嵌入到AC系数上,对于DCT域中最稳健的DC(直流系数)则一直少有人问津,其主要原因是对DC系数的修改通常会引起图像质量的明显下降。然而实验证明,只要水印嵌入强度小于一定阈值,同样可以保持很好的透明性。文献[9]提出了一种新的DCT域静态图像水印嵌入算法,该算法打破通常DCT域数字水印方案将水印信息嵌入到AC系数的做法,而是将水印信息嵌入到直流系数DC中,该算法以二次DCT变换为基础,并可根据HVS的亮度掩蔽特性,对水印嵌入强度进行动态调节,不会引起图像质量的明显下降。
文献[10]与文献[9]同样把水印嵌入到DCT变换后的DC分量中,并采用了量化策略,实现了水印的盲检测。该算法中主要缺点是需要通过大量的实验才能选取出较好量化步长。
2.2 基于DWT变换的数学图像水印算法
近年来,小波域信息隐藏技术日益受到重视,与其他的水印技术相比,小波域水印显示出良好的鲁棒性,在经历了各种处理和攻击后,如加噪、滤波、剪切、有损压缩等,仍能保持很高的鲁棒性。对于水印的嵌入而言,小波变换的类型、水印的种类、水印嵌入的位置以及水印嵌入的强度,这四大要素决定了水印嵌入算法的类型。在图像水印中可将秘密数据嵌入到小波域系数中可以得到良好的鲁棒性。
文献[11]给出了一种在小波变换域中对静态图像加水印的方法。该方法利用了小波分析的优良性质,按水印图像小波变换后的系数块大小对小波变换后的载体图像进行分块,将分得的系数子块按不同层次不同方向重复嵌入相应的水印系数块,通过与原始载体图像进行比较实现水印的提取。最后与嵌入的水印进行相关性检测来检测提取出的水印是否有效。
文献[12]利用小波变换的图像多分辨率分解特性,在算法中对宿主图像进行3级小波分解,同时对水印图像进行一级小波分解。文中首先用实验证明对宿主图像做大于3级的小波分解对水印鲁棒性的提高并不明显,反而会加大算法运算量,所以该算法对宿主图像进行了3级小波分解。其次,基于鲁棒性考虑,希望水印的统计特性类似白噪声,均值为0,在嵌入水印之前,先将水印图像中的0和1变成-1和+1,考虑到嵌入水印的透明性及鲁棒性,将水印的低频信息嵌入到宿主图像的低频分量上,中、高频的细节信息嵌入到原始图像的对应分量上。但是当对图像整体性破坏时,该算法的鲁棒性较差,有待进一步完善。
文献[13]提出了一种自适应的数字图像水印,该算法主要利用的是DWT域嵌入水印可以提高水印对图像压缩处理的攻击这一特性。为了兼顾嵌入水印鲁棒性和透明性,该算法尽量把数字水印嵌入到最低频系数中,以保证其鲁棒性,同时,又考虑到水印的透明性,嵌入位置的选择不同于一般,该算法采用数字水印能量与载体图像经小波分解后子块能量相等的替换原则,针对不同子块能量而自适应的调整嵌入系数的值。算法很好地利用了小波变换的特性,同时嵌入强度自适应得出,显然本算法相对其他静态图像水印技术有很大改进之处。
对于DWT变换的四个子带LL1、LH1、HL1、HH1,文献[14]指出,理论上作为低频的LL1子带,对于JPEG压缩有更好的鲁棒性,但是,由于通过修改相邻小波系数大小关系来嵌入水印的方法对图像的降质比较明显。所以,虽然水印嵌入到LL1子带能够获得更好的抗JPEG性能,但却造成了水印嵌入后图像的严重失真,从而失去应用价值。因此,为了缓解抗JPEG压缩的鲁棒性与数字图像水印透明性的矛盾,一个好的算法应该是能够尽量提高抗JPEG压缩能力但不能造成太大的图像失真,同时还应遵循HVS的特性。
文献[15]利用小波变换的特性,选择在较低频子带的重要系数中加入水印。首先,选择需要添加水印的子带,并确定一组门限,构成一组区间;其次,通过改变幅值落在这些区间的小波系数来加载水印信息,水印为一伪随机序列;最后,检测时通过计算原始随机序列与恢复出的随机序列的相关性来判断水印是否存在。
文献[16]提出一种基于混沌序列加密的小波域数字图像水印算法。先将二值图像水印信号采用混沌序列加密,然后再通过另外一个混沌序列控制水印嵌入在小波变换域系数中的位置,实现小波系数中隐藏不可见水印的技术。该项技术具有非常好的安全性,水印提取在DWT域中进行,不需要原始图像,该方法嵌入的水印透明性好,对JPEG-2000压缩、图像剪切和图像加噪声攻击具有较好的鲁棒性。
文献[17]提出了一种可用于版权认证的基于小波变换域自适应量化步长的图像盲水印算法。 该算法首先在离散小波变换的低频子带中选择感知重要系数作为水印的嵌入区间,然后选择一个同时可满足不可见性与鲁棒性要求的最小量化步长,对所选择的重要系数进行量化,再通过自适应增大量化步长,把二值水印信息交替地嵌入到不同的量化层上。
在数字水印和信息隐藏中,已经出现不少基于小波变换的算法,但在这些算法中,小波图像低频系数总是被明显地排除在外[18,19]。 水印的鲁棒性与嵌入对策、嵌入公式、嵌入强度有关,针对此问题,而文献[20]根据小波图像系数的分布特点和对小波系数振幅的定性、定量分析,认为低频子带更适合水印嵌入。 文献[21]也同样认为低频子带更适合水印嵌入,若有剩余,再按小波图像频带重要性的排序嵌入高频带。同时指出,水印嵌入到小波图像低频系数和高频系数需要用不同的嵌入公式及不同的嵌入强度:将小波系数组织成小波块,并将小波块分类,并根据分类的结果将不同强度的水印分量嵌入到不同的小波系数中。实验结果表明,应用该算法所实现的水印不可见,并对常见的图像处理和噪声干扰具有很好的稳健性。
2.3 DCT和DWT结合的数字图像水印算法
由于DCT和DWT具有各自的优点,因此目前DCT和DWT结合的数字图像水印算法[22,23,24]相继出现:
文献[23]利用了DCT的聚能特性和DWT的多分辨率特性提出算法,该算法能较好保持图像的质量,并且对常用的图像处理方法有较强的鲁棒性,是一种能抵抗多种攻击的比较稳健的水印算法。该算法的主要特点是:首先,对宿主图像进行L级DWT变换,得到低频的近似分量和高频的细节分量。其次,为了使嵌入的水印可以均匀分布在近似分量图像中,对近似分量图像进行DCT变换以得出DCT系数最大分量即决定图像中感知最具意义的频率部分进行水印嵌入。该算法具有易实现、易检测、较稳健的特性,但是当对加入水印的图像进行高斯噪声和中值滤波时提取出水印的效果不佳。
文献[24]打破了当前流行的水印算法在图像的时空域或变换域中感知重要的系数嵌入水印的局限性做法,由于感知重要的部分通常是图像的低频部分,当图像经历某些变换操作时,从低频提取的水印会产生严重的质量退化,因此该文献提出在图像小波包分解后的低频和高频部分选取适当系数分别嵌入同一个水印.总之这个方案比单重水印方案能够更有效地抵抗JPEG有损压缩,剪切等等水印攻击,也为数字水印算法提供新的改进方法。
文献[25]将DCT与DWT域相结合的向载体图像中嵌入灰度数字水印图像的自适应二维水印算法,利用DCT变换将灰度水印图像的数据压缩到最小,与图像进行一层小波变换后提取低频子带系数作为水印信息相比,其数据量只有后者的一半。另外,根据图像小波变换后小波系数的特点,结合人眼视觉掩盖特性,有效地提取出人眼视觉敏感度低且相对稳定的子带信息,通过这部分信息的调制实现水印的嵌入,达到水印的鲁棒性和不可见性的较好结合。
3 总结与展望
近年来,图像数字水印技术的研究取得了很大进展,陆续提出了诸如空间域、变换域、压缩域、基于统计学、基于生理模型等多种数字水印算法。 其中, 以离散小波变换、离散余弦变换为代表的变换域数字水印技术因其水印信号能量可分布至空间域所有像素、易于引入人眼视觉特性、与国际压缩标准相兼容等特点,引起了人们的高度重视。
离散余弦变换将其能量的大部分集中于频率域的一个小范围内,描述不重要的分量只需要较少的比特数,离散余弦变换正是因其具有解相关能力和聚能作用,因此可改善隐藏算法的性能;同时,频率域分解映射了人类视觉系统的处理过程。
离散余弦变换的变换系数分为直流系数与交流系数,其中直流系数代表了块的平均亮度,对直流系数的改变不当容易导致分块效应;而交流系数很容易被低通滤波去掉,稳定性相对较差。
离散小波变换是一种时间-尺度(时间-频率)信号的多分辨率分析方法,在时频两域都具有表征信号局部特征的能力。根据人类感觉系统的掩蔽效应(特性),可以将数字水印信息嵌入到原始载体的不易被感知区域(如图像的纹理和边缘等)。小波分解将原始图像分解为一系列的低频分量和高频分量,而人类视觉系统对图像低频分量的改变非常敏感,对图像的纹理等高频部分改变的敏感性要小得多.可见小波变换为解决数字水印的透明性提供了新的思路。
事实上,无论是在离散小波变换或是在离散余弦变换后的低频子带还是在高频子带,只要嵌入强度不超过人类的可感知界限,都是可以嵌入水印的。低频系数的绝对值比高频系数的绝对值一般大得多,考虑到鲁棒性,水印嵌入到低频系数则具有一定的优势,而考虑到透明性,高频系数又是不错的选择. 但如何在鲁棒性与透明性这两个水印重要特征之间找到一个更好的平衡点将是进一步需要研究的工作。
一个好的数字图像水印算法,需考虑几点问题:①如何充分发挥DCT的聚能特性和DWT的多分辨率特性。②如何充分利用HVS的特点使得水印的鲁棒性和透明性都能得到满足。③如何充分利用现有仿真实验工具和图像处理工具不断完善算法的功能,使水印的嵌入更灵活多样。④各种算法的一个关键问题就是寻找好的嵌入位置,并在这些位置上找到适当的嵌入强度,完成水印的嵌入;嵌入的水印在经受各种信号处理攻击后,应当仍然存在,并可用水印检测器检测到,或者用相应的提取算法将其提取出来。⑤由于JPEG压缩的广泛应用,改进的算法应具有很强的抗JPEG压缩能力。
数字水印技术是近年来国际学术界兴起的一个前沿研究领域。它与信息安全、信息隐藏、密码学和隐写术等均有密切关系。数字水印技术还处于起步阶段,它有许多未知的领域等着人们去探索,根据水印的研究现状分析,水印的嵌入位置、嵌入强度嵌入方法及如何在鲁棒性与透明性之间找到平衡点均是图像数字水印技术研究的重要方向。
摘要：综述了基于离散小波变换及离散余弦变换的数字图像水印算法.由于小波变换具有良好的局部性时频分析特性和多分辨率分析,而离散余弦变换具有良好的聚能效应,因此两者在图像水印领域有很好的应用效果.对基于两种变换的数字水印技术的相关概念和现有方法进行了描述与分析,同时总结了两类算法优缺点,并讨论了几种可能的解决策略。另外,对基于两种变换的数字图像水印技术的未来发展方向和前景进行了预测。
数字水印技术综述 篇4
关键词：数字水印,多媒体数字产品,版权保护
1数字水印技术概述
1.1数字水印技术定义
数字水印(Digital Watermarking)技术[1],可以理解为在用户提供的原始数据中,如视频、音频、图像、文本、三维数字产品等载体上,通过数字水印技术手段,嵌入具有某些具有确定性和保密性的相关信息,称之为水印(通常由用户提供,如表示版权信息的特殊标志、logo、用户提供的具有某些意义的序列号、文字或者是产品的其它相关信息等)。除某些特殊要求外,水印信息一般要求是不可见的, 并有相应的标准来评判其不可见性或透明性。数字水印技术发展至今,已经逐渐由传统的理论研究阶段发展到实际应用阶段,且为了增加其安全性,常与密码学相结合。
1.2数字水印系统基本框架
一个完整的数字水印系统一般包含两个模块,即水印嵌入和水印提取与检测[2]。在实际应用过程中,为了进一步保护用户隐私,在嵌入水印之前,需要对原始水印进行加密或置乱处理,这种处理方式通常都是有效的、不可逆的。因此,需要用户提 供一个有 效的密钥 来完成这 一过程,称之为水印编码或者加密,在水印提取过程中,同样需要所有者提供该密 钥以便完 成水印的 提取过程,称为解码[3,4]。一个完整的数 字水印系 统可以用 图1表示。其中,水印提取过程中,并不一定需要借助原始数据。
原始水印可以有多种形式:随机序列、字符、二维图像等。在做最终的水印嵌入之前都需要进行某种转换以进一步加强水印安全,在实际应 用过程中 一般采用 加密方式。可用式(1)来表达水印嵌入过程:
其中,Iw表示嵌入水印后的图像信息;I、W 、K分别表示原始图像、原始水印以及密钥;E表示水印加密算法,A表示水印 嵌入算法。可用式(2)表示水印 提取过程:
其中,^W表示提取后的水印信息;^A表示水印提取算法,在提取算法中可能会使用到原始数据或者原始水印信息;D表示解密算法。
1.3数字水印攻击方法
按照攻击方法原理及目的不同,可将攻击方法分为以下几类:
1.3.1消除性攻击
消除性攻击一般是以去除原始水印为目的。在经过这类攻击方法之后,很难从二 维数据中 重新获得 水印信息。
(1)有损压缩及 降噪攻击。这类攻击 的使用较 为广泛,常见的图像处理如图像压缩、降噪等均属于此类。所谓的降噪可以将其理解为图像的二次滤波,由一些人为设定的准则来去除 掉某些无 用信息;压缩则更 为常见,如JPEG、MPEG标准等。
(2)解调攻击。解调攻击常见于各类滤波式攻击方法中,如低通滤波、高斯滤波、中值滤波等。1998年,Langelaar G.C.等[5]第一次系 统证明了 解调攻击 的方法与 危害,现在的数字水印算法已经具备低通特性。
(3)平均联合攻击。联合攻击针对大量含有水印的数字产品,每次使用不同的密钥或水印进行检测,最后以平均化的方法评估攻击对象。如在不同的含有水印的数字产品中分别提取部分信息,或多次进行平均化统计,则最终会得到一个几乎完全不含任何水印的载体数据[6]。
1.3.2几何攻击
相比于消除性攻击,几何攻击并不直接消除载体数据中的水印信息,而是试图通过破坏水印和原始数据之间的同步性,使得水印的相关性检测或恢复变得不可能。载体数据中的水印信息 虽然依然 存在,但是相对 位置早已 错位。常见的攻击方法,如旋转、缩放、平移、剪切、图像重构、仿射变换等都属于此类。从数字水印技术的提出发展至今,人们对抗几何攻击依然缺少简单有效的手段。造成几何攻击处理难度大的另一个原因则是不清楚攻击者究竟使用了几种攻击手段。现有的成熟水印嵌入算法可能对一种或者数种几何攻击具有较好表现,但面临多种攻击方式的组合时,则有可能表现得不尽如人意。
1.3.3混淆攻击或IBM攻击
混淆攻击最 初由IBM提出,所以又被 称为IBM攻击。混淆攻击的目的是试图通过伪造的水印信息或伪造的原始数据来达到侵害原始版权的目的。其基本原理为: 设原始图像为I,加入水印W之后的图像记为IA=I+ W ;攻击者会首先生成自己的水印W′ ,随后创造一个伪造的原图I′ =IA-W′ ;此后,攻击者即可声称其拥有IA的所有权。这种攻击方式引起了研究者极大兴趣,由于在混淆攻击中同时存在着真实数据、真实水印、真实含水印数据、伪造数据、伪造水印、伪造含水印数据,因此要正确判断数字产品的所有权,则需要在一个数据载体的几个水印中决策出正确的水印信息。
除上述几大类常见的攻击方法外,还有专门针对水印加密过程的攻击方法,以及针对水印实际应用过程中的各种协议作出的攻击等攻击手段。
1.4数字水印技术评判标准
可从如下方面评判数字水印技术[7,8]:
(1)不可见性/透明性。透明性是现代数字水印技术的一个最基本要求,在没有特殊要求的情况下,数字水印算法不可以影响载 体数据的 有效性,至少是人 眼不可见 的。对于透明性更高的要求,则是嵌入水印信息之后的载体和原始数据的某 些特性一 致,其数据分 布是不可 感知的,以至于非法拦截者也无法判断其中是否有水印信息存在。现代水印技 术中常用 峰值信噪 比 (Peak Signal to Noise Ratio,PSNR)来评估数字水印的透明性。PSNR的计算公式如下:
其中,MAXI指图像的灰度级,通常为255;MSE为原始图像与检测图像之间的均方差(Mean Square Error, MSE);I表示原始图像;I′ 为嵌入水印之后的图像。可以看出,PSNR值基本上由MSE的值确定,且PSNR值越大,表示图像的透明性越高。
(2)鲁棒性。鲁棒性是现代水印技术对数字水印算法提出的另一个基本要求,即水印不能因为对载体数据进行简单的改动或者标准化的图像处理而轻易受到损坏。数据在传输过程中不可避免地会受到各种信号的干扰,如噪声、滤波操作、重采样、有损编码压缩、裁剪、缩放、旋转等, 数字水印被设计成不会由于这些常见的干扰而造成水印失真。对鲁棒性更高的要求则是在面对各种恶意攻击时, 依然能够尽量满足提取检测的条件。在现代水印技术中, 鲁棒性一 般由归一 化互相关 系数 (Normalized Correlation,NC)来确定。NC值的计算公式如下:
其中,X和^X分别表示 原始水印 和提取水 印信息; NC值是一个小于1的小数,通常其值越大则表示提取出的水印效果越好。
(3)容量。容量被定义为能够嵌入到原始数据中的有效水印的数量。水印容量通常是平衡透明性和鲁棒性之间的关键因素。一个可以嵌入更大容量水印的算法其透明性和鲁棒性可能会较差,因而需要在保证鲁棒性和透明性的同时,尽可能加大水印的嵌入量。
(4)安全性。现有数字水印技术中,一个不安全的数字水印算法不可以被用于版权保护、数据认证、非法数据跟踪等任务中。与鲁棒性相比,安全性更关注于数字水印的密钥。如果一个恶意攻击者使用了相同的数字水印嵌入算法,在水印信息没有任何保护的情况下,则极有可能提取出水印,随后由于伪造而造成的损失将是巨大的。此外,使用某些更为复杂、高效的数字水印嵌入算法,在一定程度上也可以增加数字水印的安全性。
(5)误检率。误检率在被提出之前,可能大部分数字水印工作者并未意识到有这种问题的存在。水印误检是指使用正确的水印提取算法执行水印的提取过程时,有可能从并没有数字水印的伪载体中提取出一个水印信息;或者从正确的载体数据中提取不到正确的水印信息。虽然这些情况发生的概率较小,但确实存在这种可能。
2常见数字水印算法分析比较
近年来,数字水印技术的发展取得了很大进步,各种新的理论或算法随着研究人员的不同,其设计框架与思路也在不停转换。一些较为典型的数字水印算法主要有如下几种。
2.1空间域算法
空域算法一般是通过直接修改原始图像的像素值来达到嵌入水印的目的。这种算法一般操作简单,具有一定的鲁棒性,但透明性较差。空域算法中最为典型的是L. F.Turner[9]与R.G.van Schyndel[10]等于1994年设计的 最低有效位算法(LSB)。Schyndel等首次科 学地阐明 了数字水印的重要概念和鲁棒水印检测的通用方法,其原理是通过修改原始数据中的最低有效位来实现水印的嵌入。 一幅普通的灰度图像在计算机中存储,其像素值介于0~ 255之间,随意增减一个像素值而不会引起人眼视觉系统的感知。算法可以表示为:设待嵌入的水印为一个长度为L的M-序列,M = {m(k),1≤k≤ L},则即可通过式 (6)嵌入水印信息:
其中,I′(i,j)表示对原始图像每个像素点I(i,j)修改之后的值。这种水印嵌入方式有一定的鲁棒性,且在不考虑图像失真的情况下,可以嵌入的水印容量即为原始图像的大小。但由于是直接替换了图像的像素最低位,因而很容易去除,且对各种图像处理攻击鲁棒性较差。
2.2变换域算法
和空域算法不同,变换域算法一般通过修改图像的其它附加属性(如颜色、纹理、频域)来嵌入水印,这种方法可以使图像具有较高鲁棒性的同时,保证含有水印的图像具有较好的透明性。
1995年,Cox等[11,12]最先将数字水印嵌入在原始图像的DCT(Discrete Cosine Transform)域中,并由此开创 了变换域水印的先河,该算法在数字水印技术中占有十分重要的地位。其基本思想是:首先采用DCT变换将原始图像I转换为频域表示,随后从I的DCT系数中选择n个最重要的频率分量,使之组成序列:S=s1,s2,…,sn,以提高对JPEG压缩攻击的鲁棒性;然后以密钥K为种子产生伪随机序列,即原始水 印序列:W = w1,w2,…,wn,其中wi(i∈ [1,n])是一个满足高斯分布N(0,1)的随机数;再将水印序列W叠加到序列S中,产生含水印的序列S′ = s′1,s′2,…,s′n,使用S′ 替换掉原始图像中的DCT系数序列S ,再通过逆DCT变换(IDCT)得到含有水印的图像。 同时,水印的检测依赖于一个手动控制的阈值σ,当相关性检测结果大于σ 时,则认为含 有水印,否则认为 没有。 该算法的思想较为简单具有一定的鲁棒性,后来,通过其他学者的研究改进,陆续出现了其它变换域算法,包括离散傅里叶变换(Discrete Fourier Transform,DFT)、离散小波变换(Discrete Wavelet Transform,DWT)等。
Ruanaida等[13]最先在1999年提出将 数字水印 嵌入在原始图像的DFT域中。该算法和 其它开创 性算法类 似,通过简单修改原始水印的相位值来嵌入水印:F(k1, k2)= F(N1-k1,N2-k2),其中F是离散傅里叶变换, N1、N2用于控制水印的嵌入量。该算法从对图像的理解和通信理论角度指出相位调制更适合鲁棒性水印。
Kunder等[14]最早尝试将水印嵌入到图像的DWT域中。其依据是图像经过小波分解后,原始图像将会被分为若干子带,这非常类似于人眼视觉系统在浏览图片时将图片分解为若干个部分。因此,图片的空-频转换特性能够很好匹配视觉系统。随着MPEG-4及JPEG-2000图像压缩标准的公布,受其核心技术小波变换的影响,利用DWT分解嵌入数字水印的算法也越来越多。Kunder等最初的做法是分别对原始图像及水印进行小波分解,并在不同分辨率水平之下将水印小波系数叠加到图像小波系数中,并在此之前,对水印的小波系数使用一种人类视觉模型约束进行调制。
2005年以后,A.L.Cunha等在图像处理方面提出了一个新算法,称之为非 下采样Contourlet变换 (nonsubsampled contourlet transform,NSCT)。NSCT算法具有 平移不变形及旋转不变性,其对于简单的几何攻击,如旋转、平移、缩放等攻击有较强的鲁棒性,因此很快被用于图像数字水印领域,并取得了相应进展。但NSCT分解的算法计算量远远大于其它变换域数字水印算法,很难做到数字水印嵌入时的同步性,目前也尚处于理论研究阶段。
2.3优化类水印算法
20世纪90年代开始,人工智能及生物模拟算法为新的研究热点,并诞生了许多优秀算法,如模拟蚂蚁群落采集食物过程的蚁群算法(ant colony optimization)、模拟鸟类运动的粒子群优化算法(particle swarm optimization)、 模拟生物遗传的进化算法(EA)、神经网络等[15,16,17,18]。这类算法的提出也为数字水印算法带来了新的生命力。虽然不能直接由这些算法嵌入水印,但在嵌入水印之后可利用此类算法优化含水印的图像,以达到鲁棒性和透明性之间更好的平衡。
(1)粒子群优化算法。粒子群优化算法由Ebehart和Kennedy等于1995年提出,它以无质量无体积的粒子作为个体,并为每个个体定义简单的运动规则,从而使整个粒子群呈现出复杂的特性,求解过程类似于在三维空间中求最短路径,可用于求解复杂的优化问题,在图像分割、图像识别、图像压缩、图像融合 领域均有 其独特应 用。K. Kuppusamy和K.Thamodaran提出一个基于PSO算法的主要用于版权保护的优化水印方案。该方案使用常规的水印嵌入算法,如针对DCT域作水印嵌入时,使用PSO算法快速选择子带中的高能量子带来嵌入水印。同时使用图像质量指数指标(IQIM)来评估图像失真。
(2)差分进化算法。同PSO算法类似,差分算法也是进化算法簇中的一员。第一个简单、快速、具有鲁棒性的DE算法由Storn和Price于1995年提出,随后,针对DE算法中缩放因子和交叉因子的选择,不同的改进算法先后被提出并用于数字水印领域。在国内,使用DE算法优化数字水印的文献并不常见。Musrrat Ali等提出了一种基于DE算法的数字水印优化算法。在水印嵌入过程中,依然使用传统算法,将水印嵌入在原始图像的DWT-SVD域中,再对含有水印的图像使用多种不同的攻击方式进行攻击测试,最后使用差分 进化算法 对水印嵌 入强度加 以优化,以寻求一个面对不同攻击时都有不俗表现的算法。
2.4其它水印算法
(1)奇异值分解(Singular Value Decomposition,SVD)。 奇异值分解是线性代数中的一种重要矩阵分解,是矩阵分析中正规矩阵酉对角化的推广。在信号处理、统计学等领域有重要应用。由于图像在计算机存储时的特殊性,因而完全可以使用线性代数中矩阵分解的方法来应对图像处理中的问题。单纯使用SVD分解的方法来嵌入数字水印的文献较少,经典的做法是配合DWT分解和DCT分解, 这类叠加算法通常对大部分攻击都有较好的鲁棒性。
(2)分形水印。分形(Fractal)是Mandelbrot在1977年提出的几何学概念,图像分形压缩的基本原理是利用分形几何中 的自相似 性来进行 图像压缩。Puate和Jordan[19]在1997年首先提出基于图像分形压缩原理的水印算法。该算法将原始图像随机分为若干个大小为n×n的块,记为RB ,并利用分形压缩技术和块周围的搜索区域 (LSR,Local Searching Region)建立一定的对应关系,称之为编码。原始水印为一串二值序列,记为V =v1,v2,…, vn。水印的嵌入过程表示为:vi(i∈ [1,n])为1时,利用RB和其周围大小为3n×3n的LSR的关系对RB进行编码;反之,则利用RB和周围大小为2n×2n的LSR的关系对RB进行编码。实验表明,该算法对JPEG压缩攻击有较好的鲁棒性,当压缩质量为50%时,水印依然可以较好地被提取出来。但该算法计算量较大、速度慢。
(3)扩频水印。Tirkel等首先注意到扩展频谱技术可以用于数字水印的嵌入,随后出现了一系列的基于扩频技术的数字水印算法。由于在图像的高频区域嵌入水印,则算法的透明性较高,但鲁棒性较差;相应地,在图像的低频区嵌入水印,则图像的鲁棒性良好,但不易控制透明性。 扩展频谱技术可以将一个能量信号(原始水印信息)嵌入到每个频带,从而缓解这些矛盾。
2.5数字水印典型应用
目前,数字水印技术主要应用于如下几个领域:
(1)基于数字水印技术的版权保护。数字水印技术用于版权保护几乎已达成共识,许多数字水印算法在设计之初是以版权保护为目的。目前,许多图像处理公司通过和各种可信的第三方机构合作,开始将数字水印技术用于商业化目的,如Digimarc公司的ImageBridge解决方案。该方案提供一个被称之为ImageBridge的水印检测器,该检测器可以识别包括Adobe Photoshop和Corel PhotoPaint在内的多种图片格式。当用户使用该检测器时,它可以识别出水印信息,并从远程数据库中调取水印密钥以确定作者身份。
(2)基于数字水印技术的指纹识别。该领域也是近年来数字水印技术中的热门研究方向。在面临各种需要个人唯一身份凭证的商业行为时,不可避免地会发生各种信息泄露状况,对个人隐私造成极大威胁。指纹识别的兴起正好可以解决这一问题。目前,指纹识别所面临的主要问题是水印信息的来源,由于不能从公共数据库中获取大量的指纹信息,因此,目前大多数数字水印指纹识别还局限于在某个实验室或者科研机构中进行。
(3)拷贝控制。严格来说,拷贝控制也算是版权保护领域中的一个应用。其主要目的是使用脆弱水印防止他人误用、盗用未经授权的数字信息。拷贝控制应用颇为广泛,尤其是在电子音乐、视频等领域。
3结语
数字水印技术综述 篇5
当前的信息安全技术基本上都是以密码学理论为基础, 无论是采用传统密钥系统还是公钥系统, 其保护方式都是控制文件的存取, 即将文件通过某种加密技术加密成密文[1], 使非法用户不能解读。但随着计算机计算能力的提高, 这种通过不断增加密钥长度来提高系统密级的方法变得越来越不安全。另外, 多媒体技术已被广泛应用, 需要进行加密、认证和版权保护的声像数据也越来越多。数字化的声像数据从本质上说就是数字信号, 如果对这类数据也采用密码加密方式, 则其本身的信号属性就被忽略了。近年来, 许多研究人员放弃了传统密码学的技术路线, 尝试用各种信号处理方法对声像数据进行隐藏加密, 并将该技术用于制作多媒体的“数字水印”。
随着技术信息交流的加快和水印技术的迅速发展, 国内一些研究单位也已逐步从技术跟踪转向深入地、系统地研究, 各大研究所和高校纷纷投入到数字水印的研究, 其中比较有代表性的有哈尔滨工业大学的孙圣和、牛夏牧、陆哲明等, 天津大学的张春田、苏育挺等, 北京邮电大学的杨义先、钮心忻等, 中国科学院自动化研究所的刘瑞祯、谭铁牛等, 他们是国内较早投入到水印技术研究且取得较好成绩的科研人员。国家863、973等项目也都包含水印的研究项目, 从而为国内的信息安全产业提供了有效的、可靠的保障。
目前数字水印技术已经成为一个非常活跃的研究领域。现有的数字水印技术包括空域数字水印算法、变换域数字水印算法、基于奇异值分解的算法及基于人眼视觉系统的水印算法等。空域数字水印算法中的最低有效位方法 (LSB法) [2], 该方法利用源数据的最低几位来隐藏信息 (具体多少位, 以人的视觉, 听觉系统无法察觉为原则) 。Schyndel的文章是第一篇在重要国际会议上发表的关于数字水印的文章[3], 算法有较好的不可视性, 不过可以轻易地移去水印, 鲁棒性差。空域数字水印算法是比较早期的数字水印算法, 这些方法抵抗JPEG压缩、噪声以及剪切等攻击能力较差。近期的研究主要集中在变换域, 变换域算法中最具代表性的是Cox等人提出的扩展频谱算法[4], 首次明确提出了水印信息应该嵌入在图像的视觉敏感部分。奇异值分解的算法是一种新兴的数字水印算法, 奇异值分解算法的主要思想是将原始图像进行奇异值分解[5], 然后将水印信息嵌入到较大的奇异值中。Christine I.Podilchuk等在DCT域和小波变换域内进行水印嵌入和提取时, 利用JND模型控制了嵌入水印信号的最大强度, 最大可能地避免了对图像视觉质量的破坏, 这一方法显示出了很好的透明性和鲁棒性。付德胜、孙文静提出了一种基于人眼视觉特性和小波变换的彩色图像数字水印算法[6], 该算法采用YIQ色彩空间进行水印的嵌入, 并通过计算JND阈值对小波系数进行量化, 以获得更好的鲁棒性。
2 数字水印的概念和基本原理
数字水印就是指嵌入到被保护对象 (如静止图像、视频、音频等) 中的某些能够证明其版权归属的数字信息, 可以是作者的姓名、序列号、公司标志等等。数字水印是携带所有者版权信息的一组辨别数据。数字水印被永久地嵌入到多媒体数据中用于版权保护并检查数据是否被破坏。通常我们讨论的水印系统由水印嵌入系统和水印检测系统组成, 其中嵌入系统有两个输入, 一个是所要嵌入的水印信息, 另一个是要嵌入水印的载体作品, 输出为嵌入水印的水印作品。水印检测系统则检测出作品中是否嵌有水印或嵌入何种水印。
一般数字水印系统的通用模型包括嵌入和检测 (提取) 两个阶段。数字水印的嵌入阶段, 嵌入算法的嵌入目标是使数字水印在不可见性和鲁棒性之间找到一个较好的折衷点。检测 (提取) 阶段主要是设计一个相应于嵌入过程的检测 (提取) 算法。检测算法一般是以基于统计原理的检验结果来判断水印存在与否, 它的目标是使错判与漏判的概率尽量小。提取算法通过提取出水印 (如字符串或图标等) 并与原始水印进行比较以判断水印是否存在。并且, 为了给攻击者增加去除水印的难度, 目前大多数水印制作方案都在嵌入、检测 (提取) 时采用了密钥, 只有掌握密钥的人才能读出水印。
2.1 水印嵌入系统
其功能是把水印信息嵌入到原始图像中, 为了能成功地提取水印信号, 算法必须使水印对故意或非故意的袭击和失真 (相当于信道噪声) 具有鲁棒性。
图1为一般的水印嵌入过程, 其输入为原图像I、水印W、密钥K (公钥或私钥) , 输出为含水印的图像I', 则内嵌过程可定义为映射:I×K×W→I'。
图1数字水印嵌入方案
2.2 水印的恢复系统
其功能是完成从待检测图像中提取出水印信号。图2描述了一般的水印恢复过程, 其中置信度表明了所考察图像I'存在水印的可能性。
图2数字水印恢复方案
3 数字水印的特性
不同的应用对数字水印的要求不尽相同, 一般认为数字水印应具有如下特性:
3.1 安全性
水印应能为受到版权保护的信息产品的归属提供完全可靠的证据。水印算法能够将所有者的有关信息 (如注册的用户号码、产品标志或有意义的文字等) 嵌入到被保护的对象中, 并在需要的时候将这些信息提取出来。水印可以用来判别对象是否受到保护, 并能够监视被保护数据的传播、真伪鉴别以及非法拷贝控制等。
3.2 透明性
透明性是指视觉或听觉上的不可感知性, 即指因嵌入水印导致载体数据的变化对于观察者的视觉或听觉系统来讲应该是不可察觉的, 最理想的情况是水印与原始载体在视觉上是一模一样的, 这是绝大多数水印算法所应达到的要求。
3.3 鲁棒性
鲁棒性是指水印应该能够承受大量的物理和几何失真, 包括有意的 (如恶意攻击) 或无意的 (如图像压缩、滤波、打印、扫描与复印、噪声污染、尺寸变换等等) 。显然在经过这些操作后, 鲁棒的水印算法应仍能从水印载体中提取出嵌入的水印或证明水印的存在。一个鲁棒的水印应做到若攻击者试图删除水印将会导致水印载体的彻底破坏。
3.4 保真性
保真性是指加入水印后, 并不会损害原来的媒体内容价值。由于水印特性的要求对应用的依赖型很强, 以上特性并非所有水印系统都必须满足, 恰当的评价准则和具体的应用有关。
4 结束语
数字水印技术是目前研究的热点, 随着网络和多媒体数字信息的发展, 用于信息安全的数字水印技术得到了广泛的发展。本文详细地阐述了数字水印的研究背景、研究现状、基本概念、基本原理、特性等方面基本理论, 务求对该技术有较全面的了解。
摘要：数字水印技术是目前信息安全技术领域的一个新方向, 它在篡改鉴定、数据的分级访问、数据跟踪和检测、商业和视频广播、Internet数字媒体的服务付费、电子商务、认证鉴定等方面具有十分广阔的应用前景, 已经成为国际上非常活跃的研究课题, 受到国际学术界的高度重视。本文从数字水印技术的背景、基本原理、特性等方面综合论述了数字水印技术。
关键词：数字水印,鲁棒性,安全性
参考文献
[1]吕欣, 马智, 冯登国.安全隐写系统的信息理论分析.计算机科学, 2006, 33 (6) :140-142.
[2]A.Tirkel, G.A.Rankin, R.Van Schyndel.Elec-tronic watermark.Digital Image Computing Technology and Application-DICTA93, Mac-quarie University, 1993, 666-673.
[3]R.G.Schyndel, V.A.Z.Tirkel, C.Fosborne.A digital watermark in proceedings.IEEE Inter-national Conference Image Processing, Piscat-away:IEEE Press, 1994, 86-89.
[4]I.J.Cox, J.Kilian, T.Leighton, et al.Secure spread spectrum watermarking for images, au-dio and video.Proceedings of IEEE Interna-tional Conference on Image Processing, 1996, 243-246.
[5]易学良, 石跃祥.基于图像加密和奇异值分解的数字水印算法.计算机工程与应用, 2005, 41 (24) :100-102.
数字图像水印技术综述 篇6
关键词：支持向量机,光滑,图像水印
一、引言
计算机网络技术和多媒体技术的飞速发展, 使得媒体产品的发布传播更加直接方便。目前多媒体信息的交流已达到了空前的深度与广度, 人们可以方便地在因特网上传输自己的信息资料、下载文件或者进行商品交易等等, 因此保护互联网中的数字产品的版权就显得尤为重要。与此同时, 数字水印技术经过不断地演进与发展, 已经成为保护数字版权的一种有效方法, 受到人们的高度重视, 并且成为当前研究领域的热点。数字水印技术作为一种信息隐藏技术, 将特定信息通过一定的算法嵌入到数字音频、图像、视频或文本等数字媒体文件之中, 实现隐藏传输、存储、标注、身份识别、版权保护等功能, 其中的秘密信息可以是版权标志、用户序列号或者是产品相关的信息。因此, 研究数字水印技术无论是从理论上还是从应用上都具有十分重要的意义[1]。
随着支持向量机理论的发展, 有些学者尝试把标准支持向量机与数字水印技术结合起来, 提出了一些基于标准支持向量机的数字水印算法, 并得到了一定的效果[2,3,4]。但是也存在一些问题:一是基于标准支持向量机的水印方法得到的效果有待改进;二是标准支持向量机应用在图像水印中, 一定程度上降低了水印算法的执行效率[5,6,7,8,9]。目前支持向量机理论在不断发展[10], 已经发展到了光滑支持向量机, 多项式光滑支持向量机等[11,12,13,14]。光滑支持向量机比标准支持向量机拥有更好的综合特性, 但其应用研究却相对落后。因此, 为了弥补光滑支持向量机应用在数字图像水印技术的空白, 本文对现有的基于支持向量机的图像水印算法进行分析和总结, 并在此基础上提出基于光滑支持向量机的图像水印技术的基本设想。
二、光滑支持向量机
光滑支持向量机在标准支持向量机的基础上引入积分函数, 成为支持向量机的一种改进形式。光滑支持向量机模型最初是由Lee和Mangasarian首先提出, 其线性可分的数学模型如下[11]:
对于一个线性可分的训练样本集:求最优化问题:
其中, λ是调节参数, 当λ→∞, P (△, λ) 近似为△。可以得到超平面 (ω, b) , 它实现了几何间隔为ρ=1/‖ω‖2的最大间隔超平面, 从而得到分类的决策函数f (x) =sgn ( (ω·x) +b) , 其中sgn (.) 是符号函数:正数为1, 负数-1。
光滑支持向量机可以用快速的Newton-Armijo算法求解。研究结果表明[11], 光滑支持向量机在一定程度上提高了分类性能和效率, 显示出了它的优越性。光滑支持向量机与一般的支持向量机相比, 有着以下特点:无约束条件;目标函数光滑, 一旦寻找到性能更好的光滑函数, 即可得到新的光滑模型;可用快速算法进行求解。
三、基于标准支持向量机的数字水印技术
目前, 基于光滑支持向量机的数字图像水印技术的研究基本上是空白的。因此, 有必要综述前人提出的基于标准支持向量机的数字水印技术, 而后再对基于光滑支持向量机的数字图像水印技术进行研究。从相关的文献来看, 标准支持向量机在数字水印中的应用也主要有两种形式。一是利用标准支持向量机来模拟人的视觉特性确定水印嵌入的位置和强度, 二是利用标准支持向量机中的回归机根据图像的纹理特性得到嵌入的水印信息。数字图像水印技术主要分为时空域水印技术和频率域水印技术, 下面对一些比较有代表性的相关文献进行分析。
文献[2]提出一种基于标准支持向量回归机的数字图像水印算法, 该算法在嵌入水印前, 首先随机选取水印嵌入位置, 它是根据一个密钥key来生成的伪随机数据, 然后利用回归型标准支持向量机建立图像邻域像素之间的关系模型, 最后通过调整模型的输出值与中心像素值之间的大小关系来嵌入或提取水印。其中所说的利用回归型支持向量机建立图像邻域像素之间的关系模型其实就是选取周围3*3模板 (像素值) 作为学习样本的输入量, 通过标准支持向量回归机得到3*3模板中心像素值作为输出量。该算法比以往一些传统算法更能抵抗各种攻击, 且算法实现简单;根据密钥调整水印嵌入位置, 安全性增强。但该算法是在时空域内嵌入水印, 随机选取水印嵌入位置来嵌入水印, 鲁棒性有待加强。与文献[2]类似文献[3]同样利用标准支持向量回归机的水印算法。但其不同的是文献[4]还用了图像像素间的稳定关系, 即, 在3*3分块的基础上利用邻域像素值之和与邻域像素值的方差作为支持向量回归机的输入量, 再得到中心点的像素值。实验也证明了这样的效果较好。受到文献[4]的启发, 文献[5]提出了一种基于标准支持向量机的自适应图像水印算法。与前两种方法最大的不同就是不是利用标准支持向量回归机, 而是利用标准支持向量分类机。另外针对它们随机选取水印嵌入位置这一缺陷, 文献[5]先根据模糊聚类把图像块分成几种类型的数据集合, 然后利用标准支持向量机进行学习分类, 得到合适嵌入位置和嵌入强度。其具体步骤是首先对水印图像进行Arnold变换, 然后先根据伪随机数得到部分的原始图像的分块, 利用C均值模糊聚类算法对其进行分类, 标志合适的嵌入块号, 接着以模糊聚类得到的数据集作为标准支持向量分类机的训练数据, 值得说明的是这里的数据的特征量不是利用之前提到的邻域像素值之和与邻域像素值的方差, 而是使用文献[4]中所使用的图像的四个纹理特征量, 从而得到合适的嵌入位置, 然后得到自适应调整因子作为嵌入强度, 最后由嵌入位置和嵌入强度来嵌入水印。提取水印是其逆过程。实验数据表明, 该算法在叠加噪声、JPEG压缩、锐化、平滑滤波、对比度增强等常规处理及扭曲、剪切等几何攻击方面, 比没使用支持向量机的文献[4]更具有鲁棒性。文献[6-8]都是采用标准支持向量回归机的水印方法。文献[7]是对彩色图像的处理, 相对灰度图像而言比较复杂, 因为它根据人眼视觉掩蔽特性, 通过亮度来修改嵌入点的蓝色分量来实现。文献[8]的方法为的是抵抗多重攻击, 通过在图像中嵌入几个水印, 并嵌入到特定的图像块中, 实验证明该方法的确可以得到一定的效果。
值得注意的是, 以上方法都是基于标准支持向量机的图像水印方法, 那么借助上节介绍的光滑支持向量机的一些优良特性, 取代标准支持向量机, 从而建立起基于光滑支持向量机的数字图像水印模型。就支持向量机理论在水印技术应用而言, 也可以利用光滑支持向量机来模拟人的视觉特性确定水印嵌入的位置和嵌入强度, 或者利用它的回归机根据图像的纹理特性得到嵌入的水印信息, 理论上应该会得到更好的效果。
四、结论与展望
研究表明, 把支持向量机理论与数字图像水印技术结合起来, 拥有很好的研究前景, 不仅能得到较好的水印图像, 而且借助支持向量机良好的学习、泛化、推广能力, 解决了通常学习方法的过学习问题。但就目前来看, 基于标准支持向量机的数字水印技术的研究还比较少, 更不用说基于光滑支持向量机的水印技术研究了。
基于数字水印技术的造假图像识别 篇7
随着计算机图像处理技术的快速发展和互联网的不断普及, 使数字图像成为图像的主要形式, 发挥着不可替代的作用[1]。各种图像处理技术越来越便捷, 从而使图像造假也越来越多[2]。目前, 主流的图像造假识别方法多以人工为主, 按照人的常识和造假图像中与真实图像中的明显差异进行识别[3]。随着智能技术的不断发展, 智能化的造假图像识别方式也越来越多。造假图像识别方法主要包括基于DSP算法的造假图像识别方法、基于小波分解算法的造假图像识别方法和基于像素排斥算法的造假图像识别方法[4]。其中, 最常用的是基于像素排斥算法的造假图像识别方法。由于造假图像识别方法应用范围十分广泛, 因此受到了越来越多学者的重视。
如果造假图像中的造假区域比较小, 像素则不会发生大规模排斥, 造假区域与初始图像区域的像素融合度比较高[5]。传统的造假图像识别算法进行造假图像识别, 主要是通过像素之间的灰度变化差异和像素的排斥性完成图像真伪的判断, 如果造假区域很小, 像素的排斥性则不会很大, 传统算法无法避免造假区域与初始图像区域连接位置融合效果较好而造成的像素排斥不明显的缺陷, 降低了造假识别的准确率[6]。
为避免上述缺陷, 提出了一种基于数字水印技术的造假图像识别方法。建立数字水印数学模型, 将数字水印信号进行嵌入处理, 从而使其嵌入到图像中。从待识别图像中提取数字水印参数, 将嵌入数据与提取数据进行对比分析, 从而完成造假图像的识别。实验证明, 这种算法可以很好地识别造假图像, 取得了令人满意的效果。
1 造假图像识别原理
1.1 以像素排斥性为基础的造假图像识别
造假图像中的像素排斥情况, 是造假图像识别的基础。根据造假区域像素排斥情况, 能够进行造假图像识别。造假图像识别的步骤如下:
假设待识别图像的像素数目是n, 待识别区域的面积是P×P, 轮廓区域像素数目是l, 轮廓区域初始像素灰度均值是α, 疑似造假图像像素灰度均值是β, 利用式 (1) 能够计算疑似造假图像像素的融合参数:
ε值为正数或零, 通过式 (1) , 能够计算图像融合参数, 用来描述图像融合的情况:融合参数ε值越大, 表明造假区域面积越大;融合参数ε值越小, 表明造假区域面积越小。值得注意的是, 当α=β时, ε=0, ε值达到最小, 表明造假区域最小, 即图像无造假。通过ε值的计算, 可以定性的判断图像的造假情况。
第二步是计算融合参数较高区域的像素排斥系数, 以定量判断图像造假情况。通常我们利用排斥系数来表征图像的造假程度, 排斥系数较高的区域是最有可能造假的区域。图像的像素排斥系数定义, 如式 (2) 所示。
通过上式, 能够计算图像中一些像素衔接处的排斥系数, 用来描述图像像素不属于初始图像的像素的排斥情况, 以完成图像造假的判断。
设置像素排斥系数衡量标准是λ, λ为一经验值, 通常情况下设置为0.85, 这是正常256色图像中的像素排斥系数阀值标准, 利用式 (3) 判断该图像是否是造假图像:
通过上式, 能够判断该图像是否是造假图像。假设排斥系数大于或等于衡量标准, 判断该图像是造假图像, 需要报警。否则, 该图像不是造假图像。
1.2 传统造假图像识别方法缺陷
根据式 (1) 可知, 当造假区域面积越小时, 像素之间的融合参数ε越小, 与初始图像的融合参数区别很小。而造假区域的面积小到一定程度时, ε值将不会发生较大变化, 仍然保持较小值, 那么根据式 (2) 可知, 这将导致造假图像中像素排斥系数δ依然较小。由式 (3) 可得, 如果像素排斥系数δ较小, 达不到识别的阀值标准, 就将造成造假区域较小时, 造假图像无法被准确识别。为避免上述缺陷, 提出了一种基于数字水印技术的造假图像识别方法, 力图避免当造假区域面积较小时, 其与初始图像区域像素的融合参数ε较小、引起像素排斥系数δ较低、无法准确判断造假图像的缺陷, 提高了造假识别的准确率。
2 数字水印识别方法
造假图像识别, 是图像处理领域研究的核心问题。利用传统方法进行造假图像识别, 无法避免由于造假区域过小造成的像素排斥不明显的缺陷, 导致造假图像无法被准确识别。因此, 提出了一种基于数字水印技术的造假图像识别方法。
2.1 建立图像数字水印数学模型
在数字水印图像识别技术中, 设置一个图像中异常像素的数据模型, 模型中的数据集合设为: (N, J, X, L, H, Fn, Bu, E, Fy) 。其中, 相关参数如下所述:
N是全部数字水印参数n的数据集合。
J是初始图像的数据集合。
X是疑似水印信号x的数据集合。
L是数字水印密钥信息l的数据集合。
H是根据秘密数据n, 密钥信息l和初始图像J构成的数字水印图像造假识别函数, 函数表达式如式 (4) 所示:
Fn是将数字水印嵌入到初始图像J中的函数, 用式 (5) 进行描述:
其中, J是初始图像, J′是利用数字水印技术进行造假识别的图像, J′中通常情况下包含密钥信息。
Bu是造假图像, 用下述公式描述:
其中, L′是造假图像中的密钥,
Fy是数字水印提取的函数, 用式 (7) 进行描述:
E是数字水印检测函数, 可用式 (8) 表示:
其中, I1表示待识别图像中包含数字水印, I0表示待识别图像中不包含数字水印。
2.2 数字水印嵌入方法
在建立完数学模型后, 将数字水印模型中的各项参数嵌入到初始图像中, 计算的步骤可以用图1进行描述。
将数字水印信号X={x (l) }嵌入到初始图像J1={j0 (l) }中。通常情况下, 数字水印嵌入可以分为以下两种情况:1) 空域水印嵌入jx=j0 (l) +β×X (l) ;2) 变换域水印嵌入 jx=j0 (l) + (1+β×X (l) ) 。
其中, j0是图像像素时间域取值, β是数字水印强度。利用下述公式能够计算数字水印灰度参数, 用来描述数字水印的灰度取值:
通过上式获取数字水印的灰度取值, 从而得到图像中数字水印的灰度情况。利用式 (10) 计算数字水印嵌入参数, 用以描述数字水印的嵌入状态:
由此, 获取到了图像中数字水印的嵌入情况, 从而有利于数字水印相关信息的提取。
2.3 数字水印参数提取
在造假图像识别过程中, 需要将待识别图像的数字水印提取出, 为造假图像识别提供数据基础。其步骤如图2所示。
数字水印提取是指通过对待识别图像进行信息提取, 获取待识别图像上的数字水印参数。用式 (11) 将待识别图像进行分割处理, 分割为不同的子区域:
其中, (a, b) 是待识别图像中心位置空间坐标, n是待识别图像中全部像素数目。设置待识别图像的像素灰度变换区间, 用式 (12) 对该图像进行灰度变换处理, 获取待识别图像的水印参数:
对初始图像通过上式提取其数字水印参数, 从而获得上述图像的数字水印序列和密钥, 将二者进行对比分析, 能够实现数字水印图像的造假识别。通过上文所述方法, 即可建立数字水印数学模型, 将数字水印信号嵌入到初始图像中, 从待识别图像中提取相关水印信息, 通过对比完成造假图像的识别。
3 仿真结果
传统的算法在针对小区域造假图像的识别过程中, 存有缺陷, 识别准确性不高。为验证本文算法的效果, 进行了对比实验。对50幅造假图像进行识别鉴定, 图表的数量逐渐增加, 每幅图像中的造假区域大小不同, 每张图像相关参数设置如下:n=1 000, P=50, l=200, α=72, β=59。
随着造假图像数量的增加, 连续对准确识别的图片数量进行统计和标定, 在不同的算法下, 待识别图片数量和准确识别数量的分布, 如图3所示。
从图3中可以看出, 利用本文算法进行造假识别处理后, 能够准确识别造假图像的次数远远高于传统算法, 其原因是本文算法在造假区域比较小的情况下拥有一定的优越性。对实验中的相关数据进行记录, 能够得到表1和表2。其中, 表1是造假区域较大的情况下, 进行造假图像识别的相关参数, 表2是造假区域较小的情况下, 进行造假图像识别的相关参数。
在造假图像识别过程中, 通过对表1中的数据进行整理分析可知, 假设造假区域比较大, 那么造假区域和初始区域的融合效果较差, 利用本文算法进行造假图像准确识别的次数与传统算法基本一致。通过对表2中的数据进行整理分析能够得知, 假设造假区域的面积比较小, 那么造假区域与初始区域的融合效果比较好, 利用本文算法进行造假图像准确识别的次数远远高于传统算法。
4 结束语
论文提出了一种基于数字水印技术的造假图像识别方式。建立数字水印数学模型, 将数字水印信息嵌入到初始图像中, 从待识别图像中提取数字水印参数, 将嵌入数据与提取数据进行对比分析, 从而完成造假图像的识别。实验证明, 这种算法提高了造假图像识别的准确率, 特别是在造假区域较小时, 依然能够取得理想的识别效果。
参考文献
[1]李正, 倪远平, 刘迪, 等.实蝇图像识别中的形态特征提取研究[J].计算机仿真, 2011 (7) :254-257.
[2]陈梅, 刘峰.基于神经网络的纹理识别技术[J].贵州大学学报:自然科学版, 2003 (4) :152-158.
[3]李彩霞, 李芬华, 刘敏.基于分形和神经网络的B超图像识别[J].河北大学学报:自然科学版, 2004 (5) :95-99.
[4]朱颢东, 钟勇.结合粗集和神经网络的图像识别模型[J].计算机工程与应用, 2010 (3) :53-56.
[5]彭淑敏, 王军宁.基于神经网络的图像识别方法[J].电子科技, 2005 (1) :32-35.
数字图像水印技术综述 篇8
在时下的数字多媒体时代中,网络、电视上随处可见各类数字图片,并且随着数码相机和电子计算机的日趋发达, 以及图形图像处理软件功能的日益强大,则使得获取、编辑和修改图像变得十分容易。但先进的技术往往是把“双刃剑”,在方便、娱乐人们的同时,也给不法分子以可乘之机,从而对社会生活安全带来了严重不良影响。
基于此,即使得人们对图像真实性的鉴定和取证问题产生了高度重视,越来越多的国内外技术专家相继投入到图像鉴定取证技术的研究中,且已获得初步的进展与成就。
1图像鉴定取证技术
数字图像鉴定取证技术是计算机取证技术的一个分支, 是使用逻辑推导、统计分析等方法对数字图像的某些特征进行识别、提取、收集、分析、验证、确认,以达到鉴定和认证数字图像是否发生了篡改操作的目的,并进一步用以确保数字图像内容的原始性、真实性和完整性的一种技术[1],主要应用于信息安全、保险举证、版权保护等方面。
数字图像鉴定取证技术分为主动取证和被动取证两类[2]。其中,数字图像主动取证技术是指提前将验证信息嵌入到原始数字图像中,通过提取验证信息来验证数字图像是否篡改、并评估来源信息,主要包括: 用以保证信息保密传输、数据交换完整、交易身份确认的数字签名技术,用以保证数字图像版权、完整性的数字水印技术等; 而数字图像被动取证技术( 数字图像盲取证技术) 则是当下的数字领域的前沿研究热点,应用范围更广,并不需要提前将验证信息嵌入到原始数字图像中,仅仅利用图像本身的统计特征变化来辨别真伪,主要包括图像篡改检测鉴定取证技术、图像隐秘分析鉴定取证技术、图像来源鉴定取证技术三个方面。
2数字水印
数字水印是数字图像主动取证技术的重要代表,涵盖多媒体技术、图像信息处理、模式识别、密码学、数字通信等多学科领域,广泛应用于版权保护、隐蔽通信和篡改认证。这种技术利用数字作品中普遍存在的随机性和冗余数据,在不破坏图像显示效果的前提下,将作品的作者、版本号、出版单位等水印信息经过特定算法处理后预先嵌入到未经篡改过的原始数字图像中,需要对图像进行鉴别时,再通过逆算法提取水印,以判别对象是否受到保护,监视被保护数据的传播、真伪鉴别和非法拷贝、解决版权纠纷并为法庭提供证据。
根据识别篡改的能力和容忍图像被修改的程度,目前有三种水印类型: ( 1) 鲁棒水印; ( 2) 易碎水印; ( 3) 半易碎水印。这三种类型的主要区别是数字图像经过裁切、润色、特效等多种技术处理后水印信号能否被完整检测和提取出来[3]。具体来说,鲁棒水印的目标就是在经过诸如噪音、滤波、JPEG压缩、重采样等各种信号处理之后,水印信息不被破坏,仍能被检测和提取出来。鲁棒水印抗干扰能力非常强,能够承受大量的、不同的物理和几何失真,主要应用于数字作品的版权保护; 而易碎水印则对图像处理改动具有非常强的敏感性,不允许对数字作品进行修饰、增强、裁切等操作,一旦在图像中存在较小的变化就足以破坏加入的水印。 易碎水印可以准确定位图像被篡改的区域,甚至可以恢复被篡改区域,主要应用于多媒体数据的精确认证; 敏感性位于以上两者之间的即是半易碎水印,其中只有少数允许的处理操作不会改变水印信号的原貌,但对常见的图像篡改手段比如双JPEG压缩、去噪处理以及图像格式的转换等非常不敏感,主要应用于信息的鲁棒性认证。
3基于数字水印的图像鉴定取证模型研究
3.1系统概述
系统采用B/S( 浏览器/服务器) 结构,具有分布性强、功能扩展容易、维护简单方便、共享性高等特点; 采用微软的 . net平台,具有跨语言、跨平台、安全以及对开放互联网标准和协议的支持等优点; 选用普适性的C + + 语言,表现出有效性、灵活性、便于移植等诸多优点,同时又添加了面向对象编程的支持,提供了强大的编程功能,可方便地构造出模拟现实问题的实体和操作; 而且,选用高性能的Oracle数据库作为系统后台的数据库,因而又为系统集成了稳定性强、安全性能高、支持大量多媒体数据等出众优点。
基于数字水印的图像鉴定取证模型如图1所示。
该系统主要包括五个模块: 用户管理模块、水印处理模块、版权认证模块、结果显示模块和数据库模块。在此,给出各个组成模块的功能解析,具体如下:
( 1) 用户管理模块控制账号信息,包括新用户注册、用户登录、用户信息设置和修改、密码修改等功能;
( 2) 水印处理模块利用算法将水印嵌入图像中或从待检测图像中提取水印;
( 3) 版权认证模块对提取水印进行认证,确定版权信息;
( 4) 结果显示模块,显示图像认证结果,如版权信息、作者信息、出版社信息等;
( 5) 数据库模块记录版权信息、编码信息和水印信息的对应关系,记录合法用户的信息。
3.2水印处理模块
系统中,水印处理模块的设计是整个系统的重点。在水印算法的选择上,对比了目前主流的多种水印算法,如基于DCT( 离散余弦变换) 域的自适应数字水印算法、基于JPEG压缩标准的数字水印算法和基于DWT( 离散小波变换) 的数字水印算法等,由此可知DWT小波变换具有良好的时域和频域局部定位特性,能保证在JPEG的有损压缩下水印具有一定的鲁棒性,也能在一定压缩比的条件下检测出是否发生篡改并精确定位位置,消除了马赛克现象,并且克服了传统傅立叶变换和余弦变换无法很好表现图像时频特性的缺点,使得DWT离散小波变换域水印算法具有广阔的研究和应用前景。
3.2.1水印嵌入
水印嵌入的实现过程如图2所示。
步骤如下:
( 1) 将彩色水印图像进行二值化处理,即将图像上的点的灰度置为0或255,也就是整个图像将呈现出明显的黑白效果;
( 2) 用DWT对宿主图实行二维小波变换;
( 3) 如果二值化后的水印图像对应像素值为0,则在宿主图像小波变换后的对角高频相应位置嵌入信息,并用密钥标注嵌入位置;
( 4) 将二维DWT逆变换后,即可得到已嵌入水印后的图像[4]。
3.3.2水印提取
水印提取的实现过程如图3所示。
步骤如下:
( 1) 用DWT对含有水印的图像实行二维小波变换,得到近似分量、对角细节分量、垂直细节分量、水平细节分量;
( 2) 在分解后的对角细节分量中根据密钥提取水印信息;
( 3) 将还原后的对角细节分量变维,利用函数实行小波逆变换,得到还原后的宿主图。
4结束语
【数字图像水印技术综述】推荐阅读：
数字图像融合综述08-14
数字图像取证技术07-19
数字图像:压缩技术05-11
计算机数字图像技术07-10
数字图像相关方法06-13
数字水印技术05-26
数字化图像分析系统06-11
数字图像处理初步研究07-03
数字图像分割方法研究07-11
数字图像处理实验一08-21