Patchwork数字水印_10.pptVIP

Confidential 3 Sept. 2008 ? Neusoft Confidential Confidential * Patchwork数字水印算法 “Patchwork”一词原指一种用各种颜色和形状的碎布片拼接而成的布料，它形象地说明了该算法的核心思想，即在图像域上通过大量的模式冗余来实现鲁棒数字水印。与LSB算法不同，Patchwork是将水印信息隐藏在图像数据的亮度统计特性中，给出了一种原始的扩频调制机制。尽管该算法一般只能隐藏1bit信息，但仍然可以在一定程度上对图像数据的版权给予保护。 Patchwork算法思想： 从载体数据中选择一些数据组成两个集合，然后通过修改这两个集合之间的某种关系来携带水印信息。 这两个集合可以是两个系数、两组系数或是两个特征量。 * Patchwork数字水印算法 两个集合之间的关系可以是大小关系、能量关系和奇偶性关系等(后面将以奇偶性关系为例进行说明)。 Patchwork方法嵌入水印时，通过修改集合之间的某种关系来嵌入水印；提取水印时，则根据对应的关系来提取嵌入水印的信息。 Patchwork方法的最大优点之一：实现盲检测。 Patchwork的不足：只能隐藏1bit的信息，只能说明该图像是否存在水印，隐藏的信息量比较小。 Patchwork适用于时/空域、变换域和压缩域。本节主要介绍时域下的Patchwork。 * Patchwork数字水印算法 Patchwork方法典型算法的原理如下： 随机选择两个集合 A={ai}和 B={bi},要求A和B含有相同图像系数，设为n; 将集合A中所有样点的像素值增加d，同时将集合B中所有样点的像素值减少d，这样两个集合中的样值都经过微小的改动。 选择集合A和集合B的方法很多，但Patchwork方法是基于以下假设的，也就是说随机选择两个样本集合的均值相同。 方法一：根据图像的横坐标和纵坐标之和的奇偶性不同将图像分为两组，将横坐标和纵坐标之和为偶数的所有系数上增加常量d=2.3，将横坐标和纵坐标之和为奇数的所有系数上减少常量d=2.3； * Patchwork数字水印算法 方法一（续）：提取时，首先将两个图像块集合的样本分别求平均值，计算两个样本的均值的差来判断水印信息是否存在； 方法二：Patchwork算法首先通过伪随机数生成器产生两个随机数序列，分别按图像的尺寸进行缩放，成为随机点坐标序列。然后将其中一个坐标序列对应的像素亮度值降低，同时升高另一坐标序列对应的像素亮度。 由于亮度变化的幅度很小，而且随机散布，并不集中，所以不会明显影响图像质量。所选取的伪随机数生成器的种子就是算法的密钥。 * Patchwork数字水印算法 Patchwork的水印嵌入算法的具体描述如下： 随机选择N对像素点(ai，bi) lum（）=像素点亮度值 while kn (lum（ai），lum（bi）) =( lum（ai）+d，lum（bi）-d)； 上述算法基于一个基本的假设：给一个足够大的值n，对于根据伪随机数生成器生成序列选取的图像像素对(ai，bi)，所有像素点ai的亮度平均值与所有像素点bi的亮度平均值非常接近。 * Patchwork数字水印算法 当对图像按Patchwork算法嵌入水印后，使得所有像素点ai的亮度平均值增加d，而所有像素点bi的亮度平均值减少d。在水印被嵌入后，这些像素点的亮度变化是能够被准确检测到的。这个假设是必要的且在水印嵌入和检测过程中可得到证实。 * Patchwork数字水印算法 水印的检测算法与秘密信息的提取算法不同，不要求原始图像的参与，而仅根据待测图像来鉴别,算法的思想如下： 接受者计算count个像素对（ai，bi），并按照规则（元素值0.5）来计算sum（lum（ai））、sum（lum(bi)），再求均值avea，aveb； 如果两个均值差avea-avebr*d，则此水印可被检测出，否则无水印。 根据经验选取一个适当的阈值r来决定值的近似程度。 * Patchwork数字水印算法 算法的伪C代码描述为： int count; float δ =r*d; while kn avea= sum（lum（ai））/count; aveb= sum（lum（ai））/count;