一种基于支持向量回归机的稳健数字图像水印算法.pdfVIP

大 庆 石 油 学 院 学 报 第32卷 第6期 2008年 12月 JOuRNALOFDAQINGPETROLEUM INSTITUTE V01．32 No．6 Dec． 2008 一 种基于支持向量 回归机的稳健数字图像水印算法 吕秀丽 ，王艳双 ，韩 建 ，于 波 ，全星慧 (1．大庆石油学院 电子科学学院，黑龙江 大庆 163318； 2．哈尔滨工程大学 水声工程学 院，黑龙江 哈尔滨 150001) 摘 要 ：提出一种支持向量回归机 SVR的数字图像水印算法．选择载体图像平滑 区域中心像素及其 7×7邻域做为 SVR的训练样本 ，利用 SVR的学习和泛化能力，建立图像空域像素邻域之间的SVR模型 ，通过调整中心像素值实现水 印嵌入．实验结果表明，该算法具有 良好的不可感知性，对JPEG压缩、椒盐噪声、高斯低通滤波、模糊、锐化、剪切、尺寸 变化等攻击有较强 的稳健性．同时提取水印过程不需要原始载体 图像 ，可实现水印的盲检测． 关 键 词 ：数字图像水印；支持向量 回归机(SVR)；不可感知性；稳健性 中圈分类号 ：TP391 文献标识码 ：A 文章编号：1000—189l(2008)06—0106—03 数字水 印技术作为数字产品版权声明和保护的有效手段 ，已成为当前多媒体信息安全领域发展最快 的热点技术之一．水 印算法归结起来主要分为空域法和变换域法 1]．空域法 中最具代表性 的是 LSB (Leastsignificantbits)算法和Patchwork算法．LSB方法由于使用 了图像不重要 的像素位 ，算法的稳健性 差．Patchwork算法对 JPEG压缩 、FIR滤波及图像裁剪抵御力较好 ，但 由于嵌入的信息量有限，对多拷贝 联合攻击的抵抗力较差．变换域法一般基于常用的变换 ，如离散余弦 DCT变换 、小波 DWT变换 、傅立叶 FFT变换或其它变换．为了更好地提高水印的不可感知性 、稳健性和安全性能，近年来一些学者开始研究 数学分析或机器学习方法 ，如神经网络、模糊聚类 、遗传算法等．虽然这些方法取得 了一定的效果，但存在 一 定的局限性．如神经网络在确定网络结构 、网络参数上存在困难，需要大量的训练样本才能保证对未来 新的样本得到很好的分类结果，且易陷入局部极值，泛化能力差．支持 向量机 (SupportVectorMachine， 简称 SVM)[3]采用结构风险最小化 (SRM)原理，兼顾训练误差和泛化能力 ，在解决小样本、非线性、高维 数、局部极小值等模式识别问题中表现出特有的优势．文献Es]利用图像小波分解后 的子图系数之间的关 系训练 SVM，并利用训练好的SVM在小波域嵌入水印和提取水印．文献[63N用小波变换将人脸 图像信 息嵌入到指纹图片小波分解的子图中，提取人脸图像信息时利用 SVM 的学习方法 ，在一定程度上降低了 直接提取水印的位错误率．文献[73N用支持1句量回归机 (-SupportVectorRegression，简称 SVR)较好地 建立图像邻域像素之间的关系模型，然后通过调整模型的输 出值与中心像素值之间的关系实现水印嵌入． 拟采用 ￡一SVR方法 ，选择中心像素及其 7×7邻域建立 SVR模型，选择平滑块嵌入水印． 1 ￡一 SVR (1)设 已知训练集： T一 {(l，y1)… (．．_V}E (X×y)，．27E X— R ，y ∈Y— R，i一 1，2，…，1． (1) (2)选择核函数 K(x，z)、正数 e和C．￡为敏感参数，表示能接受的最小 的误差界 ，c为控制对错分 样本惩罚程度的可调参数 ，调节模型复杂度和误差之间的平衡．核 函数 K(，37)可以把非线性学习问题 在另外一个高维特征空间中转化为线性问题，常用的核函数有多项式核 、径向基核 、Sigmoid型核． (3)构造并求解最优化问题 ： 收稿 日期 ：2008—06—18；审稿人：尚福华 ；编辑：任志平 基金项 目：黑龙江省科技厅科技攻关项 目(GZ06A102)；黑龙江省教育厅科学技术研究项 目 作者简介 ：吕秀丽(1971一)，女 ，博士生，副教授 ，主要从事数字 图像处理 、信息隐藏与数字水印技术方面的研究 · 106 · 第 6期