抗打印扫描水印算法.ppt

5.1 图像信息隐藏（数字水印）算法 图像水印算法介绍 普通图像水印 图像鲁棒性水印 图像脆弱性水印 二、强鲁棒性水印 抗打印扫描水印 抗数据增删水印 抗图像合并水印 抗综合几何变换的图像水印 打印、印刷的特点 半色调算法原理 在激光打印、各种印刷中，要用二值输出表示图像的灰度层次，因此采用半色调技术 半色调技术的实质是：在一个小点阵的网格内用黑点的多少表现灰度层次 在印刷业中，这样的小网格称做一个网点 印刷品的灰度与数字图像的灰度表示方法完全不同 激光打印机中常用的半色调技术是抖动法，一般来说，抖动法输出的图像只是大体上和原图一致，局部细节往往失真 由半色调复合点的形状、激光束的扩散、纸张的吸水特性和光滑度等因素造成的半色调复合点变化，也常会导致输出图像变得模糊不清，在使用扫描仪进行扫描的过程中可能造成图像畸变 打印扫描对图像的影响 考察哪些数据在图像经过打印和扫描后没有改变或者改变较小 做一些统计分析 打印扫描对图像灰度值的影响 统计256x256的LENA灰度图像的像素值中每个灰度值出现的个数，研究其像素值的分布情况 从像素值分布的图形上，可以看出打印扫描前后的差别比较明显，这种较大的差异将导致在空间域水印检测非常困难 打印扫描对图象均值的影响 将256x256的LENA灰度图像按照8x8进行分块，得到1024个小块，计算每个小块所有像素的平均值 比较原始图象的均值和打印扫描后的均值曲线 原始图象在打印扫描后均值的变化并无规律性 通过图象的灰度值、均值构造能够抵抗打印扫描的数字水印算法是困难的 结论：在空间域难以建立对打印扫描鲁棒的数字水印算法 打印扫描对图像变换域的影响 将图像按照16x16分块的形式, 打印扫描前后的LENA灰度图像的对应块DCT系数变化的情况 对256x256的LENA灰度图像按照整幅图像在打印前后进行对比 按照8x8分块对LENA灰度图像在打印扫描前后的DCT系数的变化情况逐块进行比较 结论：从图像在打印扫描前后的变化趋势来看, 打印扫描对图像DCT系数影响较小 基于人类视觉特性的图象块分类 为了保证水印的不可见性，抗打印和扫描的水印嵌入容量和强度不能太大 但为了保证水印经过打印扫描后仍能被检测出来，又要求嵌入足够量和足够强度的水印 为此，需要结合人类视觉特性，选择适当区域和水印嵌入强度，在满足不可见的前提下，最大限度的提高水印嵌入强度 人类视觉系统（HVS）特点 人类视觉系统（HVS）对于一幅图象的每个区域的敏感度是不一样的 HVS对于亮度变化大的区域的敏感度要大于亮度变化小的区域 高信息量区域：亮度变化大的区域 低信息量区域：亮度变化小的区域 在高信息量区域中，HVS对亮度突然变化的区域最敏感 关键区域：亮度突然变化的区域，一般是图象中包含信息量最大，对人们的理解最为重要的部分 随机纹理区域：具有规则变化的区域（如窗帘、头发等），人眼会产生一定的适应性，以至于很容易在人的意识中遗忘，这些区域包含的内容意义并不大，对图象理解不起决定性作用 结合HVS对图像分类 将图象块划分为三类 低信息量区域 随机纹理区域 关键区域 HVS对前两类图象块不敏感，所以叠加的水印分量的强度可较强；HVS对关键区域对最敏感，因此叠加的水印强度应较弱 基于亮度变化率的分类 一幅图象中某一个子块，平均亮度 ：每个像素的亮度分量值 n ：表示子块中像素的个数 基于亮度变化率的分类 亮度变化：2个相邻像素亮度分量之差的绝对值称为两个像素间的亮度变化 亮度变化率：所有相邻像素亮度变化的总和与像素总数的比 区分高、低信息量区域 亮度变化率反映了图象子块内部亮度变化的大小和快慢 根据选定的阈值将图象划分成“低信息量区域”和“高信息量区域” 低信息量区域：亮度变化率小于阈值 高信息量区域：亮度变化率大于阈值 高信息量区域的进一步划分 亮度平均变化率：某一个子块与其所有相邻子块（8个）的亮度变化率之差的均方根，称为该子块的亮度平均变化率 亮度相对变化率：子块的亮度平均变化率与该区域的平均亮度的比值，称为该子块的亮度相对变化率 根据设定的阈值可将“高信息量区域”进一步划分成“随机纹理区域”和“关键区域” 随机纹理区域：亮度相对变化率小于阈值 关键区域：亮度相对变化率大于阈值 打印扫描过程的失真 像素失真：主要源于打印的D/A过程的半色调处理，以及扫描的A/D过程的噪声和量化影响 几何失真：主要由扫描过程引起的旋转和缩放失真 几何失真矫正 （旋转） 提取图像边缘 RADON变换（可利用RADON投影变换来检测图象的倾角 ） 图象的RADON变换是将原始图象变换为它在各个角度的投影表示。图象 f(x,y) 在任意角度 q 上的RADON投影定义为 图象及其