数字图像水印技术抗偏移行攻击修正方法

摘要

数字图像水印技术在实际应用中会遭遇许多不同类型的攻击，其中几何攻击具有很强攻击性，原因在于它会造成水印的嵌入位置发生变化使得检测端无法准确提取出水印。偏移行攻击是一种较常见的几何攻击，是指将整个图像下移，上面几行补全黑，下面几行移出丢失。本发明提出一种数字图像水印技术抗偏移行攻击修正方法，利用区域点估算出偏移行数，然后进行逆偏移行，把偏移行攻击转化成剪切攻击，应用于数字图像水印技术以增强抵抗偏移行攻击的鲁棒性。实验结果验证了抗偏移行攻击修正方法的有效性。

说明书

技术领域

本发明涉及图像处理和数字水印技术领域。本发明设计一种数字图像水印技术抗偏移行攻击修正方法，把偏移行攻击转化成剪切攻击，应用于数字图像水印技术以增强抵抗偏移行攻击的鲁棒性。 

背景技术

数字水印技术可用于对数字图像进行版权保护。数字图像水印技术在实际应用中会遭遇许多不同类型的攻击，其中几何攻击具有很强攻击性，原因在于它会造成水印的嵌入位置发生变化使得检测端无法准确提取出水印。目前，如何提高抗几何攻击能力仍然是数字水印技术的一个研究热点。抗几何攻击的数字水印方法大致可以分为三种^[1]：(1)基于模板嵌入的方法。文献[2]在离散傅里叶变换(Discrete Fourier Transform，DFT)域嵌入模板用于在水印提取时估计几何变换参数。(2)基于具有几何不变性的变换域的方法。文献[3]将水印嵌入在具有几何不变性的广义Radon变换域以抵抗几何攻击。(3)基于特征点的方法。文献[1]利用Harris-Laplace检测器提取稳定特征点，通过修改DFT中频系数幅值在归一化后的局部特征区域嵌入水印；文献[4]利用尺度不变特征变换(Scale-Invariant Feature Transform，SIFT)特征点对水印信号进行同步，在空间域的圆环形区域奇偶量化嵌入水印。另外，文献[5]在图像子块的空域每个像素通过奇偶量化方法重复嵌入一比特水印以抵抗几何攻击，具有简单、快速、水印嵌入容量大等特点，但并没有在图像嵌入模板或提取特征点等，其思想不同于以上三种方法。 

偏移行攻击是一种较常见的几何攻击，是指将整个图像下移，上面几行补全黑，下面几行移出丢失。本发明旨在对数字图像水印技术抵抗偏移行攻击进行研究。不同于以上三类抗几何攻击方法，本发明利用区域点设计抗偏移行攻击修正方法估算偏移行数，然后进行逆偏移行，把偏移行攻击转化成剪切攻击，应用于数字图像水印技术以增强抵抗偏移行攻击的鲁棒性。 

参考文献 

[1]Wang Xiang-yang，Hou Li-min，Wu Jun.A feature-based robust digital image watermarking against geometric attacks[J].Image and Vision Computing，2008，26(7)：980-989. 

[2]Kang Xian-gui，Huang Ji-wu，et al.A DWT-DFT composite watermarking scheme robust to both affine transform and JPEG compression[J].IEEE Transactions on Circuits and Systems for Video Technology，2003，13(8)：776-786. 

[3]Dimitrios Simitopoulos，Dimitrios E.Koutsonanos，Michael Gerassimos Strintzis.Robust image watermarking basen on generalized randon transformations[J].IEEE Transaction on Circuits and Systems for Video Technology，2003，13(8)：732-745. 

[4]李雷达，郭宝龙，表金峰.基于奇偶量化的空域抗几何攻击图像水印算法[J].电子与信息学报，2009，31(1)：134-138. 

[5]李旭东.抗几何攻击的空间域图像数字水印算法[J].自动化学报，2008，34(7)：832-837. 

[6]李旭东.基于图像灰度平均值的数字水印算法[J].武汉大学学报(信息科学版)，2007，32(6)：556-559. 

发明内容

本发明的目的是设计一种数字图像水印技术抗偏移行攻击修正方法，把偏 移行攻击转化成剪切攻击，应用于数字图像水印技术以增强抵抗偏移行攻击的鲁棒性。 

一种数字图像水印技术抗偏移行攻击修正方法，包括以下五个步骤： 

A、定义区域点为所有四连通点与其灰度大小都相同的像素点。 

B、逐行对遭偏移行攻击后的M×M原始图像 进行扫描，找出 的每一行属于区域点的像素，将每一行区域点总数记为λ_i，i＝1，2，…，M。 

C、计算相邻两行区域点总数的差值的绝对值，记为δ_i，则δ_i＝|λ_i+1-λ_i|，i＝1，2，…，M-1。 

D、找出δ_i中的最大值，将其下标记为r，则r+1为原始图像A遭偏移的行数。 

E、对 进行逆偏移r+1行，完成抗偏移行攻击修正，将得到的抗偏移行攻击修正后的图像记为 

附图说明

图1是像素的四连通点分布，图2是抗偏移行攻击修正方法的流程图，图3是Lena图像，图4是偏移20行攻击后的Lena图像，图5是抗偏移20行攻击修正后的Lena图像，图6是Hand图像，图7是含水印Lena图像，图8是提取的水印图像，图9是抵抗不同参数的偏移行攻击鲁棒性实验结果。 

具体实施方式

下面结合附图和实施例对本发明的技术方案做进一步描述。 

1抗偏移行攻击修正方法 

x(i，j)为图像的一个像素点，x(i-1，j)、x(i，j-1)、x(i，j+1)和x(i+1，j)定义为x(i，j)的四连通点，如图1所示。根据上述定义可知，图像非边缘行和列的像素点有4个四连通点；边缘行和列的像素点有2个或者3个四连通点。 

图2为抗偏移行攻击修正方法的流程图，包括以下五个步骤： 

A、定义区域点为所有四连通点与其灰度大小都相同的像素点。 

B、逐行对遭偏移行攻击后的M×M原始图像 进行扫描，找出 的每一行属于区域点的像素，将每一行区域点总数记为λ_i，i＝1，2，…，M。 

C、计算相邻两行区域点总数的差值的绝对值，记为δ_i，则δ_i＝|λ_i+1-λ_i|，i＝1，2，…，M-1。 

D、找出δ_i中的最大值，将其下标记为r，则r+1为原始图像A遭偏移的行数。 

E、对 进行逆偏移r+1行，完成抗偏移行攻击修正，将得到的抗偏移行攻击修正后的图像记为 

由以上步骤可知，抗偏移行攻击修正先通过区域点估算出偏移行数，然后进行逆偏移行，这样可将偏移行攻击转化成剪切攻击。如果将抗偏移行攻击修正应用于数字图像水印技术，由于剪切攻击只会造成少部分图像缺失，不会造成剩余图像的水印嵌入位置发生改变，对剩余图像的水印提取几乎没有影响，因此对数字水印技术的攻击性会大大降低。 

2一种抗偏移行攻击盲鲁棒图像水印算法 

2.1水印嵌入算法 

将上述抗偏移行攻击修正方法应用于图像水印算法，从而提出一种抗偏移行攻击盲鲁棒图像水印算法。以图3的Lena图像作为原始载体图像A，以图6的大小为64×64的Hand.bmp图像作为原始水印图像W。水印嵌入过程分解如下： 

Step1：将原始载体图像A分割成互不重叠的大小为8×8的子块，每个子块记为A_k，k＝1，2，…，4096。 

Step2：利用以下方法将每比特水印W_k自适应嵌入每个子块A_k的四列像素 A1：将每比特水印W_k嵌入每个子块A_k的第4列和第5列各行的每对像素 

(1)当W_k＝0且θ₁＝A_k(s，5)-A_k(s，4)＜β₁时，令 

$\left(\begin{array}{c}{A}_k^{\prime }(s,4)=A_k(s,4)-({\beta }_1-{\theta }_1)/2\\ A_k^{\prime }(s,5)=A_k(s,5)+({\beta }_1-{\theta }_1)/2\end{array}\right)---\left(1\right)$

(2)当W_k＝1且θ₂＝A_k(s，4)-A_k(s，5)＜β₁时，令 

$\left(\begin{array}{c}{A}_k^{\prime }(s,5)=A_k(s,5)-({\beta }_1-{\theta }_2)/2\\ A_k^{\prime }(s,4)=A_k(s,4)+({\beta }_1-{\theta }_2)/2\end{array}\right)---\left(2\right)$

其中s＝1，2，…，8，β₁＝α₁|A_k(s，5)-A_k(s，4)|，α₁为水印嵌入强度，A_k(s，5)为第k个子块A_k处于第s行第5列的像素。其他情况下A_k(s，4)和A_k(s，5)不做任何改变。 

A2：将每比特水印W_k嵌入每个子块A_k的第2列和第3列各行的每对像素 

(1)当W_k＝0且θ₃＝A_k(s，2)-A_k(s，3)＜β₂时，令 

$\left(\begin{array}{c}{A}_k^{\prime }(s,3)=A_k(s,3)-({\beta }_2-{\theta }_3)/2\\ A_k^{\prime }(s,2)=A_k(s,2)+({\beta }_2-{\theta }_3)/2\end{array}\right)---\left(3\right)$

(2)当W_k＝1且θ₄＝A_k(s，3)-A_k(s，2)＜β₂时，令 

$\left(\begin{array}{c}{A}_k^{\prime }(s,2)=A_k(s,2)-({\beta }_2-{\theta }_4)/2\\ A_k^{\prime }(s,3)=A_k(s,3)+({\beta }_2-{\theta }_4)/2\end{array}\right)---\left(4\right)$

其中s＝1，2，…，8，β₂＝α₂|A_k(s，2)-A_k(s，3)|，α₂为水印嵌入强度。其他情况下A_k(s，2)和A_k(s，3)不做任何改变。 

Step3：各子块重组得到含水印图像A′。 

2.2水印提取算法 

水印通过利用像素值大小比较和多数判决原则提取。水印提取过程分解如下： 

Step1：对遭攻击后的含水印图像 进行抗偏移行攻击修正，将修正后的 攻击含水印图像记为 

Step2：将 分割成互不重叠的大小为8×8的子块，每个子块记为 k＝1，2，…，4096。 

Step3：利用像素值大小比较和多数判决原则从每个子块 提取每比特水印W′_k

A1：从每个子块 的第4列和第5列各行的每对像素提取每比特水印 

${\tilde{W}}_k^{\prime }=\left(\begin{array}{cc}1,& {\tilde{A}}_k^{\prime }(s,4)>{\tilde{A}}_k^{\prime }(s,5)\\ 0,& \mathrm{else}\end{array}\right)---\left(5\right)$

其中，s＝1，2，…，8， 为第k个子块 处于第s行第5列的像素。 

A2：从每个子块 的第2列和第3列各行的每对像素提取每比特水印 

${\tilde{W}}_k^{\prime }=\left(\begin{array}{cc}1,& {\tilde{A}}_k^{\prime }(s,3)>{\tilde{A}}_k^{\prime }(s,2)\\ 0,& \mathrm{else}\end{array}\right)---\left(6\right)$

其中，s＝1，2，…，8。 

A3：利用多数判决原则判断出每比特水印W′_k。如果A1和A2提取出的 为1的个数大于等于8，那么认为W′_k＝1；否则，认为W′_k＝0。 

Step4：计算W和W′之间的归一化相关度(Normalized Correlation，NC)以认证版权。NC定义为： 

$\mathrm{NC}=\left(\underset{k=1}{\overset{4096}{\Sigma }}(W_k\times W_k^{\prime })\right)/(\sqrt{\underset{k=1}{\overset{4096}{\Sigma }}{\left(W_k\right)}^2}\times \sqrt{\underset{k=1}{\overset{4096}{\Sigma }}{\left(W_k^{\prime }\right)}^2})---\left(7\right)$

由以上过程可知，算法提取水印时实现盲提取。 

实施例： 

1原始图像抗偏移行攻击修正实验结果 

Lena图像是大小为512×512的256灰度级bmp灰度图像，见图3所示。对Lena 图像进行偏移行攻击，并利用上述抗偏移行攻击修正方法估算偏移行数，结果见表1。由表1可知，上述抗偏移行攻击修正可以准确无误地估算出原始图像遭偏移的行数。为节省篇幅，只列出了偏移行数为20行时的实验效果图，图4为偏移20行攻击后的Lena图像，图5为抗偏移20行攻击修正后的Lena图像。图5的前492行与图3的前492行完全相同。 

表1抗偏移行攻击修正的偏移行数估算结果 

2一种抗偏移行攻击盲鲁棒图像水印算法实验结果及讨论 

将图6的Hand.bmp图像作为原始水印嵌入到图3的Lena图像，水印嵌入强度α₁和α₂都取值为0.6，得到的含水印Lena图像如图7所示。含水印Lena图像与原始Lena图像之间的PSNR为34.4948dB，此时本算法具有很好的不可见性。从含水印Lena图像提取的水印图像见图8所示，与原始水印图像之间的NC为0.9967。 

本算法进行抵抗不同参数的偏移行攻击鲁棒性测试，实验结果见图9所示。图9列出了提取的水印图像以及原始水印图像与提取的水印图像之间的NC。由图9的第二栏可知，本算法在图9各种参数下的偏移行攻击都能以较高的NC提取水印，从而表现出较强的鲁棒性。其原因在于检测端提取水印时先对遭偏移行攻击后的含水印图像进行抗偏移行修正。另外，实验还测试了算法没有进行抗偏移行攻击修正时的鲁棒性，实验结果见图9第三栏。对比图9第二栏和第三栏可知，本算法在存在修正时的抗偏移行攻击的鲁棒性明显强于不存在修正时的鲁棒性。 

对本算法进行如下讨论： 

(1)水印嵌入强度α₁和α₂的大小与本算法的不可见性和抗攻击鲁棒性相关。α₁和α₂的大小越小，不可见性越好，但抗攻击鲁棒性越弱；α₁和α₂的大 小越大，不可见性越差，但抗攻击鲁棒性越强。因此，α₁和α₂取值的选择要根据实际应用对不可见性和鲁棒性的要求采用实验的方法折中确定。 

(2)本算法与文献[5-6]的算法进行抗偏移行攻击鲁棒性对比。使三个算法原始图像和含水印图像之间的PSNR都相同，从而具有可比性。设置如下： 

1)文献[5]：分块大小为8×8；量化步长δ为7.65，此时原始图像和含水印图像之间的PSNR为34.5000dB，与本算法基本一致。根据表2的第二栏和第四栏，本算法采用抗偏移行攻击修正后在抵抗偏移行攻击的鲁棒性明显好于文献[5]算法，从而体现出采用抗偏移行攻击修正的优势。 

2)文献[6]：分块大小为8×8；量化步长δ为7.49，此时原始图像和含水印图像之间的PSNR为34.5023dB，与本算法基本一致。根据表2的第二栏和第五栏，本算法采用抗偏移行攻击修正后在抵抗偏移行攻击的鲁棒性上极其明显好于文献[6]算法，从而体现出采用抗偏移行攻击修正的优势。 

(3)偏移列攻击是指整个图像右移，前几列补全黑，后几列移出丢失。对 进行抗偏移列攻击修正的步骤与上述抗偏移行攻击修正的步骤类似，只要将对行的操作改为对列的操作即可。 

3总结 

针对现有许多图像水印算法无法抵抗偏移行攻击，本发明提出一种抗偏移行攻击修正方法，利用区域点估算出偏移行数，然后进行逆偏移行，把偏移行 攻击转化成剪切攻击，并将抗偏移行攻击修正方法应用于图像水印算法，从而提出一种抗偏移行攻击盲鲁棒图像水印算法。实验结果验证了抗偏移行攻击修正方法的有效性，算法在抵抗偏移行攻击上表现出较强的鲁棒性。另外，还可以将本发明的抗偏移行攻击修正推广到抗偏移列攻击修正，使得水印算法能够抵抗偏移列攻击。