一种基于小波降噪的彩色图像全息水印方法

摘要

本发明涉及一种基于小波降噪的彩色图像全息水印方法，通过对提取水印图进行小波降噪二值化处理，从而达到计算机准确客观的判别水印信息。首先，对原始彩色图像进行正向小波变换及光学计算全息双随机相位加密水印嵌入，得到含有水印信息的彩色图像；其次，对所得到的含有水印信息的彩色图像进行逆向小波变换及光学计算全息双随机相位解密水印提取，得到全息水印图像；然后，对全息水印图像做二维小波降噪及二值化处理，得到降噪水印图像。与现有数字水印算法相比，本发明有利于水印图像的分析与处理，为计算机准确客观的判别水印信息提供便捷，使最终水印提取图更准确。本发明可在批量鉴定水印中发挥应用价值。

说明书

技术领域

本发明涉及一种数字印刷图像版权保护的方法,尤其是一种基于小波降噪 的彩色图像全息水印方法，属于数字水印技术领域。

背景技术

数字水印技术作为信息隐藏技术之一，之所以能成为目前主流的数字资产 保全保护措施，在于它的安全性、隐蔽性和鲁棒性。它可以在不影响原数字内 容，例如数字印刷图像等多媒体内容的有效使用价值的条件下，将一些标识信 息嵌入数字内容，从而起到保护其版权的作用。

小波技术是近几年常用的典型数字水印算法之一，其属于变换域算法。使 用小波技术嵌入水印的隐蔽性较高，肉眼无法判别，鲁棒性也高，可有效提高 水印的安全性。小波技术不仅适用于数字水印领域，还涉猎于诸多实际应用， 譬如测量、估算、去噪等，是一个很有效的数学分析工具。

计算全息CGH(Computer-Generated Hologram)技术是一种建立在数字 计算与现代光学上的加密仿真方法。用CGH方法制作的全息图可以全面记录光 波振幅与相位，具备低噪声和高重复性的特点。CGH加密仿真技术利用计算机 技术模拟整个全息的过程，使得其加解密可以实现实时化。

双随机相位加解密技术是一种分别在空域和频域中对隐藏图像进行随机 相位编码的方法，其得到的编码图像是振幅和相位随机分布的白噪声。该方法 排除了在不知密钥的情况下对图像进行解密的可能性，保密性较高，应用较广 泛。但由于使用了全息加密技术，可发现提取的水印图存在一定的白噪声现象， 不利于图像的分析和后期计算机客观判别水印信息，因此在数字水印技术领 域，为了能完整清晰的提取水印图，采用更加全面高效的数字水印方法还需进 一步的研究。

发明内容

本发明的目的是提出一种基于小波降噪的彩色图像全息水印方法，利于计 算机客观辨别水印信息，用于提高水印的稳健性和完整性，在批量鉴定水印中 可以发挥应用价值。

为了实现上述目的，本发明采用了以下方案：

一种基于小波降噪的彩色图像全息水印方法,具有以下步骤：(1)对原始 彩色图像进行正向小波变换及光学计算全息双随机相位加密水印嵌入，得到含 有水印信息的彩色图像；(2)对所得到的含有水印信息的彩色图像进行逆向小 波变换及光学计算全息双随机相位解密水印提取，得到全息水印图像；(3)对 全息水印图像做二维小波降噪及二值化处理，得到降噪水印图像。

本发明与现有的水印技术相比有以下优点：该方法在盲提取、采用小波变 换与双随机相位光学计算加密和变换域嵌入水印的前提下，在提取水印图像时 进行小波降噪二值化的处理。安全性高，隐蔽性好，利于计算机准确客观判别 水印信息。与现有水印技术相比，该技术不仅显著提高了水印的鲁棒性，而且 能够让计算机更好的自动识别水印信息，在批量鉴定水印中可以发挥应用价 值。

附图说明

图1是本申请的基于小波降噪的彩色图像全息水印的嵌入流程图。

图2是图1所示的流程的嵌入水印信息的分步效果图。

图3是本申请的基于小波降噪的彩色图像全息水印的提取流程图。

图4是图3所示流程中的小波降噪二值化的效果图。

图5是水印攻击测试部分仿真效果图。

具体实施方式

以下结合附图对本发明所涉及的一种基于小波降噪的彩色图像全息水印 方法的优选实施例作详尽的阐述，但本发明不仅限于该实施例。为了使公众对 本发明有彻底的了解，在以下优选实施例中进行了具体的细节说明。

本发明的优选实施例均在64位的Window7操作系统下，选用标准测试图 Lena图(像素为512×512)和水印图(像素为128×128)，选用基于人眼视 觉感知的通道独立性较好的Lab颜色空间作载体，使用MATLAB2011b软件模 拟而得。

本发明的一种基于小波降噪的彩色图像全息水印方法包括水印嵌入和水 印提取两部分，首先，对原始彩色图像进行正向小波变换及光学计算全息双随 机相位加密水印嵌入，得到含有水印信息的彩色图像；然后，对含有水印信息 的彩色图像进行逆向小波变换及光学计算全息双随机相位解密水印提取，得到 全息水印图像；最后，对全息水印图像做二维小波降噪及二值化处理，得到客 观可计算水印图，即降噪水印图像。

如图1所示，基于小波降噪的彩色图像全息水印嵌入流程包括有如下步 骤：

(1)对原始彩色图像(如图2(a)所示)做颜色空间转换，得到一个明 度或亮度图层L1(如图2(b)所示)和两个色彩信息图层A和B(如图2(c) 和图2(d)所示)，保留两个色彩图层信息A和B；(2)对明度或亮度信息图 层L1做二级小波变换，得到高频子带HH2；(3)对原始水印图像(如图2(g) 所示)做双随机相位加密，即计算全息变换，得到加密后的加密全息图，也称 为全息水印图(如图2(h))；(4)将所得到的全息水印图嵌入第(2)步中得 到的二级高频子带HH2，得到嵌入全息加密水印信息的高频子带HH2’，由于人 眼对高频信息敏感度不高，全息水印图又具有极高的抗噪性，所以将水印信息 加权后嵌入二级小波变换后得到的L1层的二级高频子带HH2，以此保证鲁棒 性与抗噪性，同时也增加视觉的不可见性。(5)对高频子带HH2’做逆向二级哈 尔小波变换，得到含有水印信息的图层L1’(如图2(e)所示)；(6)将上一 步得到的图层L1’和第(1)步中保留的两个色彩图层信息A和B合并，得到含 有全息水印信息的彩色图像(如图2(f)所示)。

其中，步骤(2)中的二级小波变换具体包括如下步骤：(21)先对明度或 亮度信息图层L1做一次哈尔小波变换，得到四个L1层的一级频率子带，这四 个一级频率子带包括一个低频子带LL1与三个高频子带LH1、HL1和HH1；(22) 再对所述低频子带LL1做哈尔小波变换，得到四个L1层的二级频率子带：LL2、 LH1、HL2和HH2。

下面参看图2，图2为按照图1的流程图嵌入水印信息的分步效果图。

如图2所示，图2(a)为原始彩色图像，图2(b)为颜色空间转换后得到的 明度图层L1，图2(c)和图2(d)分别为颜色空间转换后得到的色彩信息图层 A和B。图2(g)为原始水印图像，对其做双随机相位调制计算全息加密后，生 成图2(h)的全息水印图。图2(e)为嵌入水印后经二级小波逆变换得到的明 度信息图层L1’。最后，将嵌入水印的明度信息图层L1’与先前保留的颜色信 息图层A和B进行多图层合并处理，得到图2(f)的含有全息水印的彩色数 字图像。

下面参看图3，图3为本申请的基于小波降噪的彩色图像全息水印的提取 流程图。

如图3所示，基于小波降噪的彩色图像全息水印提取流程包括有如下步 骤：

(1)对目标彩色图像(即根据图1所示的方法流程图生成的含水印彩色 图像)做色空间转换，得到一个明度或亮度图层L2和两个色彩信息图层A’和 B’；(2)对明度或亮度信息图层L2做二级小波变换，高频子带HH4；(3)对上 一步中得到的HH4做双随机相位调制解密，即计算全息，得到全息水印图像(如 图4(a)所示)；(4)对全息水印图像做二维小波降噪并二值化，得到客观可 计算水印图，即降噪水印图像(如图4(c)所示)。

其中步骤(2)对明度或亮度信息图层L2做二级小波变换具体包括如下步 骤：(21)对明度或亮度信息图层L2做哈尔小波变换，得到四个L2层的一级 频率子带：一个低频子带LL3与三个高频子带LH3、HL3和HH3；(22)对所述 低频子带LL3再做一次哈尔小波变换，得到四个L2层的二级频率子带：LL4、 LH4、HL4和HH4。

其中步骤(4)对全息水印图像做二维小波降噪并二值化的具体步骤如下：

(41)采用小波技术中的Birge-Massart算法，对提取出的水印全息图做 阈值降噪处理。即利用小波系数选择小波Birge-Massart算法进行计算，获取 一维小波变换的阈值后进行降噪。公式如下：

crit(t)＝|sum(c(k)²，k|t)+2×σ²×t×(α+log(n/t))    (1)

式(1)中，cirt(t)为取得最小值的t的阈值评判公式。其中，σ是零均 值的高斯白噪声的标准偏差；α为可调参数，是一个大于1的实数，一般取2； c(k)是按绝对值从大到小排列第k大的小波包系数；n是系数的个数。在MATLAB 仿真实验中，可以调用小波工具箱的wbmpen函数和wdcbm函数来获取阈值并 降噪。

(42)对降噪处理后的全息水印图像做二值化处理。

下面参看图4，图4是小波降噪和二值化的效果图。

如图4所示，图4(a)为提取水印原图，即图3所示的方法流程图中的全 息水印图像。图4(b)为式(1)中的参数α取1.2时，二级小波降噪后的效果图。 由于使用了全息加密，可以看出白噪声非常大。图4(c)为降噪二值化后的效 果图，水印图像清晰可见。

下面参看图5，图5是水印攻击测试部分仿真效果图。

如图5所示，图5(a)为采用质量因子参数Quality(0.2)JPEG格式对已 嵌入水印图像压缩保存后，再读入程序检测水印的测试结果。图5(b)为使用 递增压缩率参数Compression Ratio(80％)时的测试结果。调用MATLAB中 fspecial函数来仿真滤波攻击，所有滤波均采用3×3大小的滤波模板，得到 如图5(c)的均值滤波测试结果。图5(f)为高斯低通滤波的效果图，模板标准 差Sigma取其默认值0.5。图5(d)为锐化滤波的效果图，拉普拉斯边缘因子为 0.2。图5(e)为运动模糊的效果图，θ取0，LEN取9，表示图像在逆时针方向 以0°移动了9个像素；以高斯噪声、椒盐噪声、斑纹噪声和泊松噪声四种噪 声攻击分别进行测试。其中高斯噪声强度为0.001～0.01，图5(g)为高强度0.01 时的测试结果。椒盐噪声和斑纹噪声的强度范围为0.01～0.1，图5(h)和图5(i) 分别为椒盐噪声和斑纹噪声在高强度0.1时的测试结果。图5(j)为泊松噪声 的测试结果。对含水印的原始数字图像进行剪切攻击，裁剪范围从10％～50％， 图5(k)为裁剪50％时的测试结果。

下面参看表1，表1是水印攻击测试数据表格。

表1

如表1所示，PSNR为水印攻击图与原图的峰值信噪比，PSNR越小，说明 失真越大。NC值为水印图像和原水印图像，越接近1，表面提取效果越好。由 表格可以看出，该算法在Lab颜色空间中，对于压缩、滤波、模糊和各类噪声， NC值都在0.9以上，具有较好的鲁棒性。而对于剪切，在PSNR只有1.252的 时候，即裁剪50％时，NC值仍保持0.8以上，水印提取图也清晰可见。

与本发明的特定方面、实施方式或示例协同描述的特征、整体、特点或分 组应当被理解为能够应用于这里描述的其他方面、实施方式或示例中，除非与 之不可兼容。本说明书(包括任何所附权利要求书、摘要和附图)中披露的所 有特征，和/或所披露的任何方法或流程中的全部步骤，都可以以任何组合来 合并，除非组合中的至少部分特征和/或步骤是互斥的。本发明不局限于任何 前述实施方式的任何细节。本发明扩展到本说明书(包括任何附加权利要求书、 摘要和附图)中所披露的任何一个新颖的特征或者新颖的特征组合，或者扩展 到所披露的任何方法的任何一个新颖的步骤或者新颖的步骤组合。