基于圖像分割技術(shù)的圖像數(shù)字水印算法研究

馬永強(qiáng)，孫 偉，邊 靜，張健立，劉 志

（集寧師范學(xué)院 計(jì)算機(jī)與大數(shù)據(jù)學(xué)院，內(nèi)蒙古 烏蘭察布 012000）

0 引言

隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，各類(lèi)多媒體數(shù)據(jù)相關(guān)行業(yè)也得到了長(zhǎng)足的發(fā)展。同時(shí)，多媒體數(shù)據(jù)的安全性問(wèn)題面臨新的挑戰(zhàn)。對(duì)于多媒體產(chǎn)品所有者和服務(wù)提供商來(lái)說(shuō)，數(shù)字媒體資源的保護(hù)已經(jīng)成為一個(gè)越來(lái)越重要的問(wèn)題。信息安全領(lǐng)域的專(zhuān)家學(xué)者開(kāi)始關(guān)注數(shù)據(jù)安全問(wèn)題，已開(kāi)展研究并提出一些解決措施。

隨著數(shù)字水印技術(shù)的出現(xiàn)和發(fā)展，數(shù)據(jù)的安全性問(wèn)題在某種程度上得到了解決，因此圖像水印技術(shù)越來(lái)越受到各國(guó)學(xué)者的關(guān)注，各種數(shù)字水印技術(shù)不斷出現(xiàn)[1]。傳統(tǒng)的數(shù)字水印處理方式是將特定的版權(quán)信息經(jīng)過(guò)處理后嵌入到產(chǎn)品數(shù)據(jù)中，嵌入的水印信息可以是二維圖像，也可以是其他形式的信息[2-3]。數(shù)據(jù)版權(quán)信息即水印信息，普通用戶(hù)無(wú)法通過(guò)眼睛識(shí)別水印信息，也就是說(shuō)對(duì)水印信息有不可見(jiàn)性的要求[4]。如前文所述，各類(lèi)技術(shù)的不斷發(fā)展為人們提供了便捷的信息查詢(xún)手段，同時(shí)也使得人們能夠更為容易地獲取他人信息，在這個(gè)過(guò)程中不可避免地會(huì)出現(xiàn)版權(quán)被侵犯的問(wèn)題[5-6]。數(shù)字水印與紙水印兩者的相似之處都是水印被嵌入產(chǎn)品中，用于證明版權(quán)歸屬，防止偽造[7-8]。數(shù)字圖像水印技術(shù)是利用人類(lèi)視覺(jué)系統(tǒng)以及圖像自身存在的冗余信息將經(jīng)過(guò)加工處理的版權(quán)信息嵌入到數(shù)字產(chǎn)品中。圖像數(shù)字水印等不同的水印技術(shù)都需要專(zhuān)業(yè)技術(shù)人員使用專(zhuān)業(yè)的水印嵌入方法和提取方法才能夠進(jìn)行水印的嵌入和提取[9-10]。

基于網(wǎng)格分割理論和已有的三維數(shù)字水印算法，本文將三維幾何模型的旋轉(zhuǎn)規(guī)范化，將模型轉(zhuǎn)換成不變的仿射空間，從而能夠在一定程度上抵抗模型的變換、旋轉(zhuǎn)、縮放等攻擊。

1 圖像數(shù)字水印算法

1.1 圖像分割技術(shù)

圖像分割就是把圖像分為若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過(guò)程。圖像分割過(guò)程其實(shí)是一個(gè)進(jìn)行標(biāo)記的過(guò)程，目的是為屬于同一區(qū)域的像素賦予相同的編號(hào)。數(shù)字半色調(diào)技術(shù)通過(guò)對(duì)實(shí)際圖片像素的明暗狀態(tài)進(jìn)行二次分布，經(jīng)過(guò)半色調(diào)技術(shù)處理后，實(shí)現(xiàn)圖像各個(gè)子區(qū)域內(nèi)的平均灰度與原灰度圖像的平均灰度基本相同。

通過(guò)相關(guān)技術(shù)實(shí)現(xiàn)將模型轉(zhuǎn)換到一個(gè)不變空間，目的是獲得模型對(duì)平移、縮放和旋轉(zhuǎn)等一系列操作的不變性。在正式處理之前一般會(huì)有一個(gè)預(yù)處理環(huán)節(jié)，以便在提取圖像數(shù)字水印時(shí)，能夠避免對(duì)原始模型進(jìn)行重新定位，進(jìn)一步降低時(shí)間成本。

1.2 圖像數(shù)字水印算法

將每個(gè)圖像分塊進(jìn)行離散余弦變換（DCT 變換），可以得到相應(yīng)的系數(shù)。使用以下公式對(duì)系數(shù)進(jìn)行量化：

式中：γ 是量化表中的量化因子。

之后按照Z(yǔ) 形順序進(jìn)行掃描，采用8×8 分塊方式，完成對(duì)64 個(gè)系數(shù)的編號(hào)，實(shí)現(xiàn)從低頻帶上取出前8 個(gè)頻點(diǎn)系數(shù)，分別標(biāo)記為W(1),W(2),…,W(8)，函數(shù)可定義為：

最后進(jìn)入水印檢測(cè)環(huán)節(jié)后，可以通過(guò)對(duì)原始網(wǎng)格和嵌入水印的網(wǎng)格進(jìn)行小波變換的方式，得到兩個(gè)小波系數(shù)矩陣，通過(guò)兩個(gè)矩陣的差值獲取水印信息。

2 圖像數(shù)字水印算法仿真實(shí)驗(yàn)

2.1 圖像預(yù)處理

二值化處理是文檔圖像處理過(guò)程中一個(gè)必不可缺的環(huán)節(jié)，通過(guò)對(duì)文檔圖像進(jìn)行二值化處理，后期字符識(shí)別和處理操作將會(huì)更為方便和容易。

2.2 水印嵌入

本文不僅對(duì)原始圖像嵌入了水印，也對(duì)圖像分割之后的文字區(qū)域和圖像區(qū)域分別嵌入了水印。為了確保提取到的圖像區(qū)域比較完整，對(duì)經(jīng)過(guò)閉運(yùn)算得到的圖像又進(jìn)行開(kāi)運(yùn)算，通過(guò)使用4×4 的正方形結(jié)構(gòu)元素的方法，實(shí)現(xiàn)了圖像中更多的白色像素能夠被置為黑色，然后再對(duì)圖像進(jìn)行取反操作。對(duì)圖像區(qū)域的非連通區(qū)域進(jìn)行填充就是通過(guò)此方法實(shí)現(xiàn)的。

3 實(shí)驗(yàn)結(jié)果

組合攻擊實(shí)驗(yàn)結(jié)果如表1 所示。在組合攻擊實(shí)驗(yàn)中，根據(jù)已有文獻(xiàn)提到的方法分別采用三種不同的組合策略。課題組成員分別對(duì)兩個(gè)模型進(jìn)行相同的組合攻擊測(cè)試，由此得到的數(shù)字水印的相關(guān)系數(shù)也不盡相同。

表1 組合攻擊實(shí)驗(yàn)結(jié)果

當(dāng)使用“裁剪50%+簡(jiǎn)化30%”這對(duì)組合進(jìn)行攻擊時(shí)，數(shù)字水印的相關(guān)系數(shù)明顯低于0.5，這充分說(shuō)明這一組合攻擊對(duì)嵌入的水印破壞程度較大；而另外兩種組合攻擊的結(jié)果表明，本課題組成員提供的算法能夠成功檢測(cè)出嵌入的數(shù)字水印信息。

經(jīng)過(guò)計(jì)算，JEPG 庫(kù)圖像的峰值信噪比（Peak Signal to Noise Ratio，PSNR）平均值分別為0.978 2、0.987 4、0.996 2。根據(jù)實(shí)驗(yàn)過(guò)程和最終的結(jié)果來(lái)看，在數(shù)字水印信息的檢測(cè)環(huán)節(jié)，用到了原始數(shù)字中的信息，因此本圖像數(shù)字水印算法屬于非盲數(shù)字水印方法。

經(jīng)過(guò)SR 系統(tǒng)的灰度圖像嵌入水印前后K-S 統(tǒng)計(jì)值如圖1 所示?？梢钥闯?，經(jīng)過(guò)SR 系統(tǒng)后，各幅圖像無(wú)論在嵌入水印前或嵌入水印后，Laplace 分布的統(tǒng)計(jì)值最高，首先被排除。少數(shù)α 統(tǒng)計(jì)值與廣義高斯分布統(tǒng)計(jì)值有交織情況，再加上α 分布較為復(fù)雜，因此排除該分布。嵌入水印前，高斯分布統(tǒng)計(jì)值為最低的可能性約為96.8%。而嵌入水印后，高斯分布與廣義高斯分布的統(tǒng)計(jì)值出現(xiàn)一定程度彼此交織的情況。簡(jiǎn)單統(tǒng)計(jì)后發(fā)現(xiàn)，高斯分布統(tǒng)計(jì)值低于廣義高斯分布統(tǒng)計(jì)值的可能性約為78%。

圖1 經(jīng)過(guò)SR 系統(tǒng)的灰度圖像嵌水印前后K-S 統(tǒng)計(jì)值

4 結(jié)語(yǔ)

本研究為了完成數(shù)字水印信息的嵌入，將某幾個(gè)子區(qū)域的頻域系數(shù)矩陣作為水印信息的載體，經(jīng)過(guò)相關(guān)技術(shù)處理后得到帶有數(shù)字水印信息的三維幾何模型。本質(zhì)上來(lái)說(shuō)，這種方法對(duì)選取這些子區(qū)域中的每個(gè)頂點(diǎn)都嵌入了相應(yīng)的數(shù)字水印信息；通過(guò)實(shí)驗(yàn)過(guò)程和結(jié)果來(lái)看，本課題組提出的這種非盲數(shù)字水印算法可以抵抗一定程度的網(wǎng)格簡(jiǎn)化攻擊和噪聲攻擊，同時(shí)也能夠彌補(bǔ)已有算法的一些不足之處。當(dāng)然，這種非盲水印算法也存在一定的缺點(diǎn)，如時(shí)間復(fù)雜度較高，并且在對(duì)包含頂點(diǎn)數(shù)目較多的模型進(jìn)行數(shù)字水印信息的嵌入時(shí)，算法執(zhí)行效率不高，希望這些問(wèn)題在后續(xù)的研究過(guò)程中有所改善。