能区分图像与水印篡改的定位型脆弱水印生成与认证方法

摘要

本发明公开了一种能区分图像与水印篡改的定位型脆弱水印生成与认证方法。将原始图像的小波低频系数4比特标量量化后作为水印，利用随机序列对其置乱加密增强水印的安全性。将置乱加密后的水印嵌入到原始图像的LSB位，认证时通过从水印中恢复的原始水印图像的低频压缩图像看出原始图像的“概貌”，通过差值图像定位图像信息被篡改的位置和区分图像信息与水印的篡改，二者结合可以直观地判断出攻击者对图像作了怎样的篡改。本发明在保证图像真实性的前提下，提高了数字图像的交换效率，有利于数字图像的应用与推广；并且其认证结果直观，视觉效果好，密钥空间更大，水印算法更安全。

说明书

所属技术领域

本发明涉及一种定位型脆弱水印嵌入与认证方法，用于数字图像的认证，即对数字图像的完整性、真实性进行证明。

背景技术

近年来，随着计算机及多媒体技术的发展，数字产品的版权保护及内容认证越来越受到重视，数字水印就是在这样的背景下产生并受到学术界的广泛关注。用于版权保护的鲁棒水印的研究已经比较深入，但对数字产品的内容完整性认证，即传输多媒体数据的可信度，鲁棒水印技术还不能完全适应这种要求，而脆弱水印技术能够实现这一点。脆弱水印通常应该满足以下几点：①不可见性，②对加入水印图像篡改的敏感性，③篡改定位能力，④提取水印不需要原始图像；现有的定位型脆弱水印中，较好的有以下两种方法：

(1)基于安全的Hash函数法

Hash函数在传统的密码学上应用广泛。利用Hash函数对初值的极端敏感性实现脆弱水印对篡改敏感性的要求，是近年来水印研究的一个热点。参考文献“Secret and Public Key Image Watermarking Schemes for ImageAuthentication and Ownership Verification”(P W Wong et al，IEEE Trans.Image Processing，Vol.10 no.10 October 2001.pp：1593-1601)中，提出一种可以克服矢量攻击(VQ attack)的定位型脆弱水印算法，原始图像最低位置零后分为8*8块，每块与用户密钥、图像大小、图像编号和分块的编号一起通过Hash函数生成摘要，与水印异或之后通过私钥加密，最后嵌入到原始图像的LSB位(Least Significant Bit，最小比特位)，该算法通过分块实现对图像篡改的定位，通过在生成摘要时添加多个参数来克服矢量攻击(VQattack)。

(2)基于混沌的脆弱水印技术

混沌技术在密码学和保密通信中都有广泛的应用。03116160.X号专利申请基于混沌系统对初值的极端敏感性，提出了一种“定位型混沌脆弱数字水印嵌入与提取方法”。将原始图像的LSB位置零后的像素灰度值，经过若干次混沌迭代生成水印，然后将水印嵌入到原始图像的LSB位，认证时通过生成的篡改判别矩阵来检验图像的完整性，该算法可以精确地定位对加入水印图像的篡改。

上述的两种水印算法在对图像认证时的共同特点是：对八位的被测图像利用高七位的信息通过特定的算法得到的水印，然后与存放在最低位(LSB)的水印相比是否相同来判定图像是否被篡改。其不足之处在于它仅能指出对水印图像(嵌入水印的图像)的篡改位置，而不能区分是对高七位图像信息的篡改还是最低位水印的篡改。由于对图像信息的篡改会破坏原始图像的使用价值，脆弱水印算法对此类篡改必须能检测出并精确定位，以保证认证的可靠与有效；而对水印的篡改不影响图像的使用价值，这种仅水印被篡改的图像应当通过认证，否则不加区分地一律不通过认证，致使本来可以直接使用的图像必须重新传输，从而降低数字图像的交换效率，造成真实的图像不能得到有效的利用，妨碍数字图像的推广与应用。例如：作为诉讼证据使用的数字图像，若采用上述方法进行认证与鉴别，则其要求过于苛刻，有失公正；对新闻图像若采用此种方法进行认证与鉴别，使本来能反映事实真相的新闻信息受到怀疑，妨碍新闻的及时传播。

发明内容

本发明的目的是提供一种能区分图像与水印篡改的定位型脆弱水印生成与认证方法，该方法不但对篡改具有精确的定位能力，并且能够区分是对图像信息还是对水印的篡改，提高了数字图像的交换效率，有利于数字图像的应用与推广；其认证结果直观，视觉效果好，密钥空间更大，水印算法更安全。

本发明解决其技术问题，所采用的技术方案为：能区分图像与水印篡改的定位型脆弱水印生成与认证方法，包括如下步骤：

(1)、水印生成：对原始图像I作二维一级小波分解，得：{LL，LH，HL，HH}，将其中的低频小波系数LL作4比特标量量化，生成低频压缩图像I_LL，其相应的二进制数按空间顺序排列，生成二值图像I_Lb；利用随机序列x^L＝{x₁，x₂，...，x_i，...，x_L}，其有序序列表示为{x_p1，x_p2，x_p3，...，x_pi，...，x_pL}，利用地址序列{p₁，p₂，...，p_L-1，p_L}对二值图像I_Lb进行分块置乱，置乱后的二值图像作为待嵌入的水印W；

(2)、水印嵌入及密钥生成：将(1)步生成的水印W嵌入到原始图像I的LSB位(Least Significant Bit，最小比特位)：，I^w＝I+W，I^w为得到嵌有水印W的水印图像；对水印图像I^w作二维一级小波分解，得：{LL，LH，HL，HH}，对低频系数LL作4比特标量量化，生成低频压缩图像I_LL^W，计算得到差值密钥 $>>>\Delta I>LL>>=>>I>LL>>-sup>>I>LL>wsup>>>s>，式中I$_LL为原始图像I的低频压缩图像；(3)、水印提取：对水印图像I^w传输后收到的被测图像I^*，取出其LSB位得到被测图像的水印W^*，再根据密钥key按(1)步的相反计算过程恢复出保存于水印的低频压缩图像I_LL′，并利用差值密钥ΔI_LL及其公式 $>>>\Delta I>LL>>=>>I>LL>>-sup>>I>LL>wsup>>>s>，计算出低频压缩图像$ >sup>>I>LL>>w>\prime >sup>>=sup>>I>LL>\prime sup>>->>\Delta I>LL>>;>>s>$$

(4)、认证：对被测图像I^*作二维一级小波分解，得：{LL，LH，HL，HH}，将其中的低频小波系数LL作4比特标量量化，生成被测图像I^*的低频压缩图像I_LL^*；然后将(3)步恢复出的低频压缩图像I_LL^w′与被测图像I^*的低频压缩图像I_LL^*相减得到差值图像 $>>\Gamma >=>|sup>>I>LL>>w>\prime >sup>>-sup>>I>LL>*sup>>|>>s>；若差值图像中有若干呈随机分布的非零点，认定被测图像I*的水印被篡改，否则，认定被测图像I*的水印没有被篡改；若差值图像中有若干非零点集中于某区域，且该区域面积\Delta S大于阈值模板T，认定被测图像I*中对应区域的图像信息被篡改，否则，认定被测图像I*的图像信息没有被篡改。$

上述的低频小波系数LL作4比特标量量化的方法为4比特均值标量量化或4比特非均值标量量化。

上述的随机序列x^L＝{x₁，x₂，...，x_i，...，x_L}，既可以是混沌序列，也可以是利用乘同余等其它随机模型生成的多值随机序列，使本发明实现更容易，可靠性更高。

与现有技术相比，本发明的有益效果是：

1、由于攻击者对传输图像的篡改一般是针对某一局部的集中改动，只有这种篡改才是必须检测、定位其篡改位置并不予以通过认证。本发明将大于设定阈值模板的篡改区域检测出来并不予通过认证，保证了数字图像的可靠性与真实性；同时还能区分对水印的篡改，对这种不影响图像真实性的篡改予以通过认证，在保证图像真实性的基础上，提高了数字图像的应用与交换的效率，有利于数字图像的应用与推广。如：使用此种方法对数字图像进行认证与鉴别，其认证结果与事实真像相符，可作为诉讼证据与新闻素材使用，使司法、新闻活动更加高效、公正。

2、认证时从水印中恢复的低频压缩图像反映了原始图像的概貌；认证结果通过差值图像上非零点的分布反映出来，非常直观；再结合从水印中恢复的低频压缩图像，能直观地判断出攻击者对图像做了怎样的篡改。

3、在生成水印时，直接利用原始图像的八位信息而不是原始图像的高七位信息生成水印，从而扩大密钥空间，使水印算法更安全。

具体实施方式

下面结合实施例对本发明作进一步说明。

图1为本发明的水印生成算法框图

图2为本算法的水印嵌入与密钥生成算法框图

图3为本算法的水印提取与认证框图

图4为被测图像有较大篡改，用本发明方法区分图像与水印篡改的检测与认证图例

图4中：I为原始图像，I^w为水印图像，I_a^*为图像信息和水印均被篡改的被测图像，I_b^*为图像信息被篡改的被测图像，I_c^*为水印被篡改的被测图像；I_LL-a、I_LL-b和I_LL-c分别为从与I_a^*、I_b^*和I_c^*相对应的水印中恢复出的低频压缩图像，Γa、Γb和Γc分别为与I_a^*、I_b^*和I_c^*相对应的差值图像。

图5为被测图像的图像信息有微小篡改，用本发明方法检测篡改并定位篡改位置的检测与认证图例

图5中：I^w为水印图像，I^*为篡改图像，I_LL为从水印中恢复的低频压缩图像，Γ为检测篡改的差值图像，T为篡改前的被篡改区域的放大图。T^*为篡改后的被篡改区域的放大图。

实施例

一种能区分图像与水印篡改的定位型脆弱水印生成与认证方法，包括如下步骤：

一、水印生成：

1、图1示出水印生成的前期过程为：对原始图像I作二维一级小波分解，得：{LL，LH，HL，HH}，将其中的低频小波系数LL作4比特标量量化，生成低频压缩图像I_LL，其相应的二进制按空间顺序排列，生成二值图像I_Lb。

本实施例选择DB1小波基对大小为m*n的图像作二维一级小波分解，对其中的低频系数LL作4比特均值标量量化，生成低频压缩图像I_LL。量化过程用公式描述为：

I_LL＝Q(LL)                      (1)

对应规则Q为：

其中，i＝1，2，...，m/2，j＝1，2，...，n/2，称为量化步长，max和min分别为LL中元素的最大值和最小值。

把低频压缩图的I_LL的每个元素转换为4位二进制，按空间顺序排列为的二值图像I_Lb，公式描述如下：

$>>>>(>>I>LL>>)>>>>(>m>/>2>)>>*>>(>n>/>2>)>>>>\to >>>(>>I>Lb>>)>>>>(>m>/>2>)>>*>>(>n>/>2>)>>>>->->->>(>3>)>>>s>$

其中，

$>>>>(>>I>>LL>ij>>>)>>10>>=>>>(>>b>3>>>b>2>>>b>1>>>b>0>>)>>2>>,>>I>>L>>b>ij>>>>\to >\begin{array}{}>>>>b>3>\; >>>b>2>\; >>>>>b>1>\; >>>b>0>\; >\end{array}>>>s>$

2、图1示出水印生成后期过程为：利用随机序列x^L＝{x₁，x₂，...，x_i，...，x_L}，其有序序列表示为{x_p1，x_p2，x_p3，...，x_pi...x_pL}，利用地址序列{p₁，p₂，...，p_L-1，p_L}对二值图像I_Lb进行分块置乱，置乱后的二值图像作为待嵌入的水印W；

基于混沌映射数量众多，以及混沌系统对初值的极端敏感性、良好的随机性和容易再生的特点，因此利用混沌序列作为加密序列具有更好的安全性。为了使混沌序列的周期加大、对初值的敏感性更高和克服有限字长的影响，本实施例选择(4)式混沌迭代系统产生随机序列：

$>>>x>>n>+>1>>>=>>(>1>+>0.3>>(>>x>>n>->1>>>->1.08>)>>+>379>>x>n>>+>1001sup>>y>n>2sup>>)>>mod>3>->->->>(>4>)>>>s>$

其中，y_n为任意一个混沌映射，本实施例中选取Logistic混沌映射。它和混沌系统的初值一起构成混沌密钥key。

利用上述混沌系统生成长度为L的混沌序列x^L＝x₁，x₂，...，x_i，...，x_L}，利用稳定排序法对该混沌序列进行地址排序，生成地址序列：

A(i)＝p_i    i＝1，2，3，....，L           (5)

利用该地址序列A，对二值图像I_Lb进行分块置乱生成待嵌入的水印W。对图像分块的原则是：块的大小相同，且图像的总块数等于L。

设mk、nk分别表示二值图像I_Lb每一行和每一列的块数，则L＝mk*nk，每块的大小为：(m/mk)*(n/nk)。

置乱的方法如下：

I_Lb(i_Lb，j_Lb)→W(i_w，j_w)                 (6)

其中：    temp_ij＝(i_Lb-1)*nk+j_Lb

          j_w＝A(temp_ij)-(i_w-1)*nk

二、水印嵌入及密钥生成：

图2示出本例的水印嵌入及密钥生成过程为：将(一)步生成的水印W嵌入到原始图像I的LSB位(Least Significant Bit，最小比特位)：I^w＝I+W，I^w为得到嵌有水印W的水印图像；对水印图像I^w作二维一级小波分解，得：{LL，LH，HL，HH}，对低频系数LL作4比特标量量化，生成低频压缩5图像I_LL^W，计算得到差值密钥 $>>>\Delta I>LL>>=>>I>LL>>-sup>>I>LL>wsup>>>s>，式中I$_LL为原始图像I的低频压缩图像。

三、水印提取：

图3示出本例的水印提取过程为：对收到的嵌入水印的被测图像I^*，取出其LSB位得到被测图像的水印W^*，再根据混沌密钥key按(一)步的相反计算过程恢复出保存于水印中的低频压缩图像I_LL′，并利用差值密钥ΔI_LL及其公式 $>>>\Delta I>LL>>=>>I>LL>>-sup>>I>LL>wsup>>>s>，计算出低频压缩图像$ >sup>>I>LL>>w>\prime >sup>>=sup>>I>LL>\prime sup>>->>\Delta I>LL>>;>>s>$$

恢复I_LL′的具体过程为：由混沌密钥key生成混沌序列x^L＝{x₁，x₂，...，x_i，...，x_L}，对混沌序列排序后生成地址序列A，利用地址序列A恢复被置乱的水印，然后将恢复后对应的空间块转换为相应的十进制数，即为从水印中恢复的低频压缩图像I_LL′。

若水印没有被篡改，则I_LL′等于原始图像I的低频压缩图像，由上述公式计算得到的I_LL^w′等于水印图像I^w的低频压缩图像，如图4中的I_LL-b所示；若水印被篡改，对局部水印的篡改经置乱恢复后，恢复的I_LL′上会出现随机分布的噪声点，由上述公式计算得到的I_LL^w′上也会出现随机分布的噪声点，但仍然可以看出水印图像的基本内容，如图4中I_LL-a和I_LL-c所示。

四、认证：

图3示出本发明的认证过程为：对被测图像I^*作二维一级小波分解，得：{LL，LH，HL，HH}，将其中的低频小波系数LL作4比特均值标量量化，生成被测图像I^*的低频压缩图像I_LL^*；将从水印中恢复的低频压缩图像I_LL^w′与被测图像I^*的低频压缩图像I_LL^*相减得到差值图像 $>>\Gamma >=>|sup>>I>LL>>w>\prime >sup>>-sup>>I>LL>*sup>>|>;>>s>$

若差值图像中存在若干呈随机分布的非零点，认定被测图像I^*的水印被篡改，否则，认定被测图像I^*的水印没有被篡改；若差值图像中有若干非零点集中于某区域，且该区域面积ΔS大于阈值模板T，认定被测图像I^*对应区域的图像信息被篡改，否则，认定被测图像I^*的图像信息没有被篡改。如：图4中的Γa和Γc反映出被测图像有水印被篡改；图4中的Γa和Γb、图5中的Γ反映出被测图像有图像信息被篡改并准确地反映出被篡改部分的位置和形状。

对阈值模板T的选取应考虑两方面的因素：图像置乱块的大小和被测图像中被篡改区域的大小。考虑有实际意义的篡改，在本实施例中，置乱块的大小为2*2(即2*2像素构成的图像块)，选取的阈值模板T的大小为3*3。

本发明中采用的随机序列x^L＝{x₁，x₂，...，x_i，...，x_L}既可以是混沌序列，也可以是利用乘同余等其它随机模型生成的多值随机序列；低频小波系数LL作4比特标量量化的方法除了可以采用本例的4比特均值标量量化之外，还可以采用4比特非均值标量量化方法。对原始图像I作二维一级小波分解除可采用本例的DB1小波基外，还可采用其它任何现有的小波基。

本发明的效果可以通过以下性能分析验证：

不可见性分析：

脆弱水印要求加入的水印不可觉察，把水印信息嵌入到图像的LSB位，设P为改变原始图像最低位的概率，由LSB位每个比特的独立性可知，P＝0.5。从理论上分析，本发明的算法将得到很高的峰值信噪比，满足脆弱水印对不可觉察性的要求。

篡改定位能力分析：

本发明通过从水印中恢复的低频压缩图像和差值图像来定位图像篡改的位置及判断对图像作了怎样篡改。低频压缩图像是对小波低频系数量化得到的，低频压缩图像的行列数为原始图像的一半。以本实施例中采用的DB1小波基为例来说明该算法的篡改检测能力。

DB1小波基的二维小波变换从数学角度可以近似用下述公式描述：

I_LL(i，j)＝sum(I(2*i-1∶2*i，2*j-1∶2*j))/2         (7)

其中，i＝1，2，...，m/2，j＝1，2，...，n/2

八位图像每一个像素的取值范围为[0，255]，因此LL的取值范围为[0，510]，做4比特均值标量量化时的量化步长为q＜(510/16)＝32。对一个像素值或一块2*2像素值的和的改变超过64，差值图像就不相等，从而可以定位出图像信息篡改的位置。

区分篡改分析：

本发明的认证算法通过差值图像Γ定位图像被篡改的位置并区分是对图像信息还是对水印的篡改。

若水印没有被篡改，则从水印中恢复的低频压缩图像I_LL′等于原始图像I的低频压缩图像，由公式 $>sup>>I>LL>>w>\prime >sup>>=sup>>I>LL>\prime sup>>->>\Delta I>LL>>>s>计算得到的I$_LL^w′等于水印图像的低频压缩图像；若水印被篡改，对局部水印的篡改经置乱恢复后，从水印恢复的低频压缩图像I_LL′上会出现随机分布的噪声点，I_LL^w′上也会出现随机分布的噪声点，但I_LL^w′仍然可以近似反映水印图像的基本内容。I_LL^*是被测图像I^*的低频压缩图像，有公式 $>>\Gamma >=>|sup>>I>LL>>w>\prime >sup>>-sup>>I>LL>*sup>>|>>s>计算差值图像\Gamma 。当图像内容被篡改时，差值图像\Gamma 中对应的位置不为零，不为零的区域与篡改的区域的形状相似；当水印被篡改时，\Gamma 中出现类似随机分布的小块不为零的篡改点。$

本发明方法的计算机仿真分析：

用Matlab仿真本发明的算法，图4与图5是两种不同篡改情形的检测与认证结果。

图4为被测图像有较大篡改，而用本发明方法区分图像与水印篡改的检测与认证结果。208*328*8的“vase”灰度原始图像I与加入水印后的图像I^w的峰值信噪比为51.2108dB。使用photoshop图像编辑软件在水印图像I^w上添加一个酒杯，被篡改后的图像记为I_a^*；通过用水印图像I^w的LSB位替换I_a^*的LSB位得到仅篡改图像信息的被测图像I_b^*( $>sup>>I>b>*sup>>=sup>>I>a>*sup>>>s>的高7位+Iw的LSB位)；通过用水印图像Iw的高七位信息替换I$_a^*的高七位得到仅篡改水印的被测图像I_c^*( $>sup>>I>c>*sup>>=>>I>w>>>s>的高7位+I$_a^*的LSB位)；I_LL-a、I_LL-b和I_LL-c分别为从与I_a^*I_b^*和I_c^*相对应的水印中恢复出的低频压缩图像，Γa、Γb和Γc分别为与I_a^*、I_b^*和I_c^*相对应的差值图像。

I_LL-a和I_LL-c中有类似随机分布的“噪声”，说明相应被测图像I_a^*和I_c^*的水印被篡改；I_LL-b中没有类似随机分布的“噪声”，说明相应被测图像I_b^*中的水印没有被篡改；I_LL-a和I_LL-b中没有“酒杯”，而被测图像I_a^*和I_b^*中有“酒杯”，可以直观判断篡改是在图像中加了一个“酒杯”。I_LL-c与被测图像I_c^*相比看不出有明显的变化，基本可以判定该被测图像I_c^*仅是水印部分被篡改，不影响图像的使用价值。差值图像Γa和Γb中存在非零点集中的区域，判定被测图像I_a^*和I_b^*该区域的图像信息被篡改，根据非零点集中区域的形状可判定被篡改图像信息的形状(本例为“酒杯”)；差值图像Γa和Γc中存在类似随机分布的“噪声”，说明被测图像I_a^*和I_c^*有水印被篡改；其中Γc中仅有“噪声”，而无非零点集中的区域，判定该被测图像I_c^*仅有水印被篡改。可见，本发明可以精确定位篡改的位置，并可以非常直观地判定对被测图像作了怎样的篡改。

图5为被测图像的图像信息有微小篡改，而用本发明方法检测出篡改并定位篡改位置的检测与认证结果。512*512*8“Jet”灰度图像I和水印图像I^w的峰值信噪比为50.2801。利用photoshop图像编辑软件把“Jet”图中的飞机机身上的“U.S.AIR FORCE”中的第一个字母U.去除，并通过用水印图像I^w的LSB位替换该图像的LSB位得到仅篡改图像信息的被测图像I^*，为了更清晰的观察所篡改的内容，给出该区域篡改前的放大图像T和该区域篡改后的放大图像T^*。利用本发明提出的算法检测所做的篡改，I_LL为从水印中恢复的低频压缩图像，从中可以清晰的看出“U.”的存在。差值图像Γ中准确地定位出图像被篡改的位置。由此可见本发明具有良好的篡改敏感性。