一种图像认证和篡改定位的零水印方法

摘要

本发明公开了一种图像认证和篡改定位的零水印方法，它包括：零水印嵌入和零水印的检测。相对于现在大多数水印方案在同时遭受常见信号处理和篡改攻击时不能正确提取水印或篡改定位，本发明提出的零水印方案利用提升小波变换的能量聚集效应来增强算法抵抗信号处理攻击的能力，同时提高了算法处理速度和减少了存储在TA中的信息量。Arnold映射良好的置乱性能、Rossler耦合混沌的大密钥空间及对初值的极端敏感性增强了零水印的安全性和鲁棒性，具有很好的图像认证和篡改定位能力，综合性能优于其它同类算法。

说明书

技术领域

    本发明涉及信息技术，用于解决图像的版权认证以及如何实现篡改区域的精确定位问题，具体地说是涉及一种图像认证和篡改定位的零水印方法。

背景技术

近些年来，随着图像处理工具的广泛使用和因特网技术的普及，数字图像作品很容易被篡改和散布，在这种情况下，图像认证技术应运而生，该技术能够校验图像内容的完整性和真实性，因而日益受到人们的关注。

目前图像认证技术主要分为两类，一类是基于数字签名的方案，另一类是基于数字水印的方案。数字签名一般通过计算图像内容或者图像特征的哈希值，并进行加密来实现。基于数字签名的图像认证方案能对图像内容是否被修改做出判定，但不能检测出被篡改的图像区域。为了解决这个问题，研究者提出了基于数字水印技术的图像认证方案。目前大多数数字水印认证方案在频域进行水印的嵌入和提取。这些方案主要采用离散余弦变换（DCT）、离散小波变换（DWT）和离散傅立叶变换（DFT），实际应用表明基于DWT的水印方案优于采用DCT和DFT的算法。此外，也有研究者提出基于空域的图像认证方法。Walton（沃尔顿）对图像进行8×8分块，并把校验和嵌入到各分块的最小意义位（LSB）。其主要缺点是，当两个不同的认证图像交换相同位置上的具有相同校验和的分块时，Walton的方案会认证失效。Rawat（拉瓦特）采用混沌系统提出一种图像认证和篡改定位方法，该方法能判定图像是否受到修改，并能准确检测到篡改位置。

在日常生活中，图像常常会同时遭受常见信号处理和篡改攻击。上述提及的图像认证方案仅能检测篡改攻击，但在同时遭受常见信号处理和篡改攻击时，则不能正确提取水印和篡改定位。针对这一情况，Tian Lihua（田丽华）等结合图像感兴趣区域（ROI）、DCT和DWT，提出一种双水印方案。该方案将版权信息嵌入到每个提取的ROI的DCT系数中以抵抗常规信号处理攻击；把一个ROI的边缘图（作为脆弱水印）嵌入到图像的小波低频子带以完成篡改检测和定位。Tian的方法的缺点是其实现的篡改定位只能检测到图像被篡改的大致区域，但不能确定具体的位置和形状。综上可知目前基于数字水印的图像认证技术在同时遭受常见信号处理和篡改攻击时，不能正确提取水印或定位篡改的具体位置。同时，用于图像认证和篡改定位的零水印方法还很少提及，因此开展这方面的研究很有实际意义。

 

发明内容

本发明所要解决的技术问题是，基于混沌映射(chaotic mapping)，并结合提升小波变换(lifting wavelet transform)提出一种零水印方案，在遭受常见信号处理攻击、篡改攻击以及遭受常见信号处理和篡改的联合攻击时，能正确提取水印信息，而且能检测到图像被篡改区域的准确位置和具体形状。以及在提出的零水印方案中，提升小波变换可集中图像能量，增强算法抵抗信号处理的能力，同时减少存储在TA（Trusted Authority, 可信机构）中的信息量；混沌系统的采用增强了算法的安全性和抗攻击性。

针对上述目的，本发明采取以下技术方案，一种图像认证和篡改定位的零水印方法，包括：零水印嵌入和零水印的检测；

    所述零水印嵌入：首先将原始载体图像I划分为不重叠的子块，然后在每个子块上执行L级db1提升小波变换，使得生成的低频近似子带大小为1×1，将所有子块的低频系数重构得到原始载体图像的近似图像I_app； 然后提取I_app的每个像素的第5位并构成一个新的矩阵I_app_fif，对矩阵I_app_fif进行Arnold cat变换获得置乱矩阵I_app_dis；利用密钥k₂~k₇和Rossler耦合混沌系统生成长度为P×P的混沌序列S，并把S二值化后重新排列成P×P的混沌矩阵；读入二值logo图像W，将W与混沌矩阵做异或运算，得到二值混沌水印W_chaos；将W_chaos与I_app_dis做异或运算，运算结果记为W_final，最后通过安全渠道将W_final存入可信机构TA；

    所述零水印的检测：首先把待检测图像                                               划分为不重叠的子块，在每个子块上执行L级db1提升小波变换，使得生成的低频近似子带大小为1×1，将所有子块的低频系数重构得到待检测图像的近似图像；然后提取的每个像素的第5位并构成一个新的矩阵，记为；对矩阵进行Arnold cat变换生成置乱矩阵；利用密钥k₂~k₇和Rossler耦合混沌系统生成长度为P×P的混沌序列S，并把S二值化后重新排列成P×P的混沌矩阵；从TA调入W_final，将W_final与做异或运算，结果记为，将与混沌矩阵做异或运算，得到提取水印；对提取水印和原始水印W取绝对差，结果记为W_diff，对W_diff应用Arnold cat变换T—k₁次得到显示篡改区域的图像。

    本发明的优点是，相对于现在大多数水印方案在同时遭受常见信号处理和篡改攻击时不能正确提取水印或篡改定位，本发明基于混沌映射，并结合提升小波变换提出了一种零水印图像认证方案，实现了在同时遭受常见信号处理和篡改攻击时，能正确提取水印信息，而且能检测到图像被篡改区域的准确位置和具体形状。

附图说明

图1是本发明零水印嵌入过程框图。

图2是本发明水印提取过程框图。

图3是原始Sailboat影像图。

图4是拷贝粘贴篡改攻击后的Sailboat影像图。 

图5是从图4中提取的水印影像图。

图6是从图4中检测到的篡改区域影像图。

图7是原始Airplane影像图。

图8 是增加文本篡改攻击后的Airplane影像图。（在Airplane图像的底部增加文本“AIRPLANE”，篡改后的图像如图8所示。）

图9是从图8中提取的水印影像图。

图10是从图8中检测到的篡改区域影像图。

图11是内容删除攻击后的Airplane影像图。（删除Airplane图像的飞机尾部部分内容，修改后的图像如图11所示。）

图12是从图11中提取的水印影像图。

图13是从图11中检测到的篡改区域影像图。

图14-20显示了常规信号处理联合篡改攻击下提取的水印以及检测到的篡改区域结果。（选择图4被篡改的Sailboat影像图作为对象遭受常规信号处理攻击）

图14是遭受JPEG(QF:50)压缩+篡改攻击下提取的水印影像图。

图15是遭受中值滤波+篡改攻击下提取的水印影像图。

图16是遭受高斯噪声(0.001)+篡改攻击下提取的水印影像图。

图17是遭受马赛克+篡改攻击下提取的水印影像图。

图18是遭受均值滤波+篡改攻击下提取的水印影像图。

图19是遭受椒盐噪声(0.008) +篡改攻击下提取的水印影像图。

图20是遭受JPEG(QF:50)压缩+篡改攻击下检测到的篡改区域影像图。

图21是遭受中值滤波+篡改攻击下检测到的篡改区域影像图。

图22是遭受高斯噪声(0.001)+篡改攻击下检测到的篡改区域影像图。

图23是遭受马赛克+篡改攻击下检测到的篡改区域影像图。

图24是遭受均值滤波+篡改攻击下检测到的篡改区域影像图。

图25是遭受椒盐噪声(0.008) +篡改攻击下检测到的篡改区域影像图。

具体实施方式

    以下结合附图和实例对本发明作进一步说明，参见图1～25，一种图像认证和篡改定位的零水印方法，具体实施主要包括两个过程：

A. 零水印嵌入；   

B. 零水印的检测。

    步骤A进一步包括包括以下内容：

A1. 设原始载体图像I 101大小为M×M，二值logo图像W（作为水印）大小为P×P. 首先，原始载体图像I 101被划分为不重叠的子块102，每个子块大小为N×N，子块被标记为S_i，i=1, 2, 3…M/N。然后在每个子块上执行L级db1提升小波变换，使得生成的低频近似子带大小为1×1，将所有子块的低频系数重构得到原始载体图像I 101的近似图像103，记为I_app。

A2. 提取I_app的每个像素的第5位bit 104并构成一个新的矩阵，记为I_app_fif。  

A3. 对矩阵I_app_fif进行Arnold cat变换k₁次，生成的置乱矩阵105记为I_app_dis，k₁保留作为密钥，在试验中k₁设为75。

A4. 使用Rossler耦合混沌系统106生成长度为P×P的混沌序列107 S，该序列元素，Rossler耦合混沌系统初值作为密钥，记为k₂~k₇，按照下列公式将S进行二值化得到，即，并把重新排列成P×P的混沌矩阵108。

       　                       (1)

A5. 读入二值logo110图像W，按照公式(5-4)将W与做异或（XOR）运算，得到二值混沌水印109 W_chaos。

                           (2)

A6. 将W_chaos与I_app_dis做异或运算，运算结果为二值类型，并重新进行一维排列，结果记为W_final，W_final大小为P×P比特，最后通过安全渠道将W_final存入可信机构TA111。

步骤B进一步包括包括以下内容：

B1. 把待检测图像201划分为不重叠的子块102，每个子块大小为N×N，子块被标记为，i=1, 2, 3…M/N。然后在每个子块上执行L级db1提升小波变换，使得生成的低频近似子带大小为1×1，将所有子块的低频系数重构得到待检测图像201的近似图像103，记为。

B2. 提取的每个像素的第5位bit 104并构成一个新的矩阵，记为。  

B3. 对矩阵进行Arnold cat变换k₁次，生成的置乱矩阵105记为。 

B4. 利用密钥k₂~k₇作为Rossler耦合混沌系统106初值，得到长度为P×P的混沌序列107 S，按照公式(1)将S进行二值化得到，并把重新排列成P×P的混沌矩阵108。

B5. 从TA202调入W_final203，将W_final与做异或运算获得二值混沌水印109，记为，将与做异或运算，得到提取水印205。

B6. 对提取水印205和二值logo110 W取绝对差204，结果记为W_diff，对W_diff应用Arnold cat变换T—k₁次得到显示篡改区域图像206。

水印嵌入过程（见图1），首先将原始载体图像I101划分为不重叠的子块102，然后利用db1提升小波变换获得近似图像103，提取近似图像的每个像素的第5位bit104并构成一个新矩阵，利用Arnold cat mapping(阿诺德猫映射)对该矩阵变换k₁次得到置乱矩阵105；利用Rossler(洛仑兹)耦合混沌106系统初值（k₂~k₇）生成混沌序列107，并二值化后重新排列得到混沌矩阵108，该混沌矩阵108与二值logo110图像（作为水印）做异或操作生成二值混沌水印，最后把置乱矩阵105与二值混沌水印109异或运算后的结果W_final存入可信机构TA111。

水印提取过程（见图2），基本上是水印嵌入的逆过程，首先将待检测图像201划分为不重叠的子块102，然后利用db1提升小波变换获得近似图像103，提取近似图像的每个像素的第5位bit104并构成一个新矩阵，利用Arnold cat映射对该矩阵变换k₁次得到置乱矩阵105；从可信机构TA中调入W_final203，并与置乱矩阵105做异或运算后获得二值混沌水印109；利用Rossler耦合混沌106系统初值（k₂~k₇，密钥）生成混沌序列107，并二值化后重新排列得到混沌矩阵108，该混沌矩阵108与二值混沌水印109做异或操作获得提取的水印205，将该水印与二值logo110做取绝对差204运算后即可得到篡改区域图像206。

原始Sailboat影像图（见图3），采用拷贝粘贴的方法对原始Sailboat图像进行篡改攻击，即由原始图像复制2个boats插入到Sailboat图像中（见图4），然后从拷贝粘贴篡改攻击后的Sailboat影像图中提取出水印影像图（见图5），最后从拷贝粘贴篡改攻击后的Sailboat影像图中检测到的篡改区域影像图（见图6）。

原始Airplane影像图（见图7），在原始Airplane图像的底部增加文本“AIRPLANE” 后的影像图（见图8），然后从增加文本篡改攻击后的Airplane图像中提取出水印影像图（见图9），最后从增加文本篡改攻击后的Airplane图像中检测出篡改区域影像图（见图10）。

从原始Airplane影像图中删除飞机尾部部分内容后的图像（见图11），然后从删除篡改攻击后的Airplane图像中提取出水印影像图（见图12），最后从删除篡改攻击后的Airplane图像中检测出篡改区域影像图（见图13）。

图14-19显示了常规信号处理联合篡改攻击下提取的水印，图20-25显示了常规信号处理联合篡改攻击下检测到的篡改区域结果（选择图4被篡改的Sailboat影像图作为对象遭受常规信号处理攻击），从遭受JPEG(QF:50)压缩+篡改攻击的Sailboat图像中提取的水印影像图（见图14），从遭受中值滤波+篡改攻击的Sailboat图像中提取的水印影像图（见图15），从遭受高斯噪声(0.001)+篡改攻击的Sailboat图像中提取的水印影像图（见图16），从遭受马赛克+篡改攻击的Sailboat图像中提取的水印影像图（见图17），从遭受均值滤波+篡改攻击的Sailboat图像中提取的水印影像图（见图18），从遭受椒盐噪声(0.008) +篡改攻击的Sailboat图像中提取的水印影像图（见图19），从遭受JPEG(QF:50)压缩+篡改攻击的Sailboat图像中检测到的篡改区域影像图（见图20），从遭受中值滤波+篡改攻击的Sailboat图像中检测到的篡改区域影像图（见图21），从遭受高斯噪声(0.001)+篡改攻击的Sailboat图像中检测到的篡改区域影像图（见图22），从遭受马赛克+篡改攻击的Sailboat图像中检测到的篡改区域影像图（见图23），从遭受均值滤波+篡改攻击的Sailboat图像中检测到的篡改区域影像图（见图24），从遭受椒盐噪声(0.008) +篡改攻击的Sailboat图像中检测到的篡改区域影像图（见图25）。

    本发明基于混沌映射，并结合提升小波变换提出了一种零水印图像认证方案，实现在同时遭受常见信号处理和篡改攻击时，能正确提取水印信息，而且能检测被篡改区域的准确位置和具体形状。提出的零水印方案利用提升小波变换的能量聚集效应来增强算法抵抗信号处理攻击的能力，同时提高了算法处理速度和减少了存储在TA中的信息量。Arnold映射良好的置乱性能、Rossler耦合混沌的大密钥空间及对初值的极端敏感性增强了零水印的安全性和鲁棒性。本发明具有很好的图像认证和篡改定位能力，综合性能优于其它同类算法。