基于双分量方差扩展的彩色图像可擦除水印算法.docxVIP

基于双分量方差扩展的彩色图像可擦除水印算法 数字水印作为一种信息隐藏技术，在研究和开发中得到了广泛应用，具有广阔的应用前景，包括代码保护、内容认证、数字指纹、广播监控、恢复和其他硬件保护。基于数字水印的图像认证技术是近年来图像处理领域的一个研究热点, 然而大部分认证水印都会不可逆地改变原始图像数据, 在某些应用中, 因嵌入水印而导致的作品改变是不可接受的, 例如在医学应用中, 对图像的任何修改都可能引起误操作。在这种情况下, 要求图像水印可以完全擦除。可擦除水印是指可以从作品中精确去除的水印, 从而获得与原始未加水印的作品逐位一致的精确拷贝, 这种水印又称为可逆水印。可擦除水印要求解码器不仅能提取水印, 而且能由水印化作品无损地恢复原始作品。 近年来, Tian提出的基于差值扩展的大容量可擦除水印算法受到越来越多的关注, 方法是选定相邻像素对计算其整数均值和差值, 通过像素对差值扩展嵌入水印。目前国内外已有不少Tian的差值扩展技术的变形和延伸, 但这些方法存在一些缺陷:a) 过分地利用差值, 含印图像质量下降较为严重;b) 分类复杂, 且需要嵌入压缩的二值定位图, 增加了算法复杂度, 同时降低了嵌入容量;c) 研究对象多为灰度图像。虽然祝玉新等人对彩色图像的B分量进行Harr变换, 嵌入可擦除水印, 但此方法与Tian差值扩展算法没有本质的区别。 针对Tian差值扩展算法的缺点, 本文将Tian的差值扩展技术进行推广, 提出了一种基于双分量差值扩展的彩色图像可擦除水印嵌入方法。该方法将两个色彩分量之间像素对差值的差值进行扩展, 用所得新差值在各色彩分量中调整像素值, 使得差值扩展量分散到两个色彩分量的四个灰度值中, 减小了对图像的修改, 含印图像的质量明显提高。 1 基于平均随机系数的转换 文献中引出差值扩展算法, 可以实现在一对像素点中嵌入1位水印。设x、y是相邻两个像素的灰度值,x,y∈[0, 255], 则这两个像素值的均值l和差值h可由式 (1) 计算: 文中, 除法的结果均为整数。式 (1) 的逆变换为 这个可逆的整数变换就是整数Haar小波变换。把需要嵌入的水印w按如式 (3) 嵌入: 式 (3) 就是差值扩展的嵌入公式。 2 双分量差的扩展算法 2.1 嵌入不同种类的水印的hr 真彩图像的三个色彩分量都是独立而清晰的灰度图像, 因此传统差值扩展方法也适于彩色图像的色彩分量。在多个色彩分量中直接运用差值扩展嵌入水印, 虽然可以提高水印容量 (与灰度图像相比) , 但含印图像的质量下降很严重。自然图像的色彩分量之间存在密切的相关性, 两个色彩分量中对应像素的变化趋势应保持一致, 即像素对的差值非常接近, 两个色彩分量之间像素对差值的差值相对较小, 对这一较小的差值进行差值扩展, 含印图像的质量必然提高。本文将两个色彩分量之间像素对差值的差值扩展简称为双分量差值扩展。 对任一像素对的两个色彩分量 (以R、G分量为例) , 对应的灰度值为 (xR,yR) 和 (xG,yG) , 分别用式 (1) 计算均值和差值, 记为lR、hR和lG、hG。对于R、G分量的差值 (hR,hG) ,hR,hG∈[-255, 255], 将传统差值扩展方法进行推广以适应负整数, 由式 (4) 计算其均值和差值: 相应的逆变换分为 把需要嵌入的水印w按式 (6) 嵌入: 当|hR||hG|, |hR+hG|=1,w=0时, |hRG|为奇数, |h′RG|为偶数, 经式 (5) 变换后, 所得h′R,h′G符号相反, 且|h′R|=|h′G|, 在恢复时将出现错误。例如,hR=2,hG=-3, 由式 (4) 可得,lRG=0,hRG=5, 由式 (6) 得,h′RG=2×5+0=10, 再由式 (5) 可得,h′R=0+ (10+1) /2=5,h′G=0-10/2=-5, 恢复时,hR=0+ (5+1) /2=3,hG=0-5/2=-2, 与原始值不符。 造成以上错误的原因是采用式 (7) 取整求平均值, 丢失了平均值的符号。为了解决此问题, 本文改用求和: 把需要嵌入的水印w按式 (8) 嵌入: 提取和擦除水印时 其中:LSB为提取最低有效位函数。相应的变换为 ???????????h′R=hR±(h′RG+1)/2,h′G=hG?h′RG/2|SRG≥0,h′RG≥0h′R=hR±h′RG/2,h′G=hG?(h′RG?1)/2|SRG≥0,h′RG＜0h′R=hR±h′RG/2,h′G=hG?(h′RG+1)/2|SRG＜0,h′RG≥0h′R=hR±(h′RG?1)/2,h′G=hG?h′RG/2|SRG＜0,h′RG＜0(10){h′R=hR±(h′RG+1)/2,h′G=hG?h′RG/2|SRG≥0,h′RG≥0h′R=h