專(zhuān)利名稱(chēng)：一種基于特征的數(shù)字圖象認(rèn)證方法
技術(shù)領(lǐng)域：
本發(fā)明是一種基于半脆弱水印，能夠正確判斷對(duì)圖象的處理是惡意篡改還是正常的圖象處理，并可以對(duì)篡改的位置精確定位的圖象認(rèn)證方法，屬于多媒體信號(hào)處理領(lǐng)域。
背景技術(shù)：
隨著大多數(shù)多媒體的存儲(chǔ)形式數(shù)字化，通過(guò)使用編輯軟件，可以很容易地對(duì)媒體信息進(jìn)行修改和仿制。在某些場(chǎng)合，多媒體數(shù)據(jù)必須被證明是可信的，也即沒(méi)有遭受過(guò)惡意地篡改。傳統(tǒng)基于數(shù)字簽名的信息完整性保護(hù)技術(shù)應(yīng)用于多媒體信息存在一些不足。例如，對(duì)正常的信號(hào)處理(如數(shù)據(jù)壓縮、信號(hào)濾波等)和信道噪聲(如無(wú)線(xiàn)信道等)過(guò)于敏感、無(wú)法定位篡改位置等。
數(shù)字水印是國(guó)際上90年代中后期才形成的一個(gè)多媒體信號(hào)處理和信息安全技術(shù)交叉研究方向。由于數(shù)字水印是作為解決多媒體版權(quán)問(wèn)題的方法被提出的，到目前為止，數(shù)字水印領(lǐng)域的研究重點(diǎn)一直集中在魯棒水印上。相對(duì)來(lái)說(shuō)，脆弱水印的研究相對(duì)來(lái)說(shuō)起步較晚。由于其在數(shù)據(jù)完整性證實(shí)中的特殊用途，近年來(lái)已經(jīng)得到了人們的高度重視。除了版權(quán)保護(hù)，數(shù)字水印也可用于同樣重要的篡改驗(yàn)證問(wèn)題。其主要技術(shù)要求是對(duì)于惡意篡改十分敏感且能精確定位篡改位置，同時(shí)，對(duì)正常的信號(hào)處理或噪聲干擾必須是魯棒的，即驗(yàn)證時(shí)經(jīng)過(guò)正常處理的圖象被認(rèn)為是可信的。
目前利用數(shù)字水印進(jìn)行圖象認(rèn)證的方法主要在圖象的變換域?qū)崿F(xiàn)，在穩(wěn)健性測(cè)試時(shí)主要偏重于對(duì)于JPEG的穩(wěn)健性。其中由Kundur和Hatzinakos提出的小波域系數(shù)量化的圖像認(rèn)證方法比較有代表性，其水印是和圖像內(nèi)容無(wú)關(guān)的。對(duì)抗Jpeg壓縮最高為Q＝50，此時(shí)對(duì)于篡改的檢測(cè)能力是32×32地塊。目前應(yīng)用水印技術(shù)進(jìn)行圖像認(rèn)證的大多數(shù)方法的水印是和圖像無(wú)關(guān)的，且定位精度和穩(wěn)健性方面有待于提高。

發(fā)明內(nèi)容
本發(fā)明的目的是提出一種基于圖像特征的認(rèn)證方法，既可以確定圖像是否是可信的，同時(shí)又可以準(zhǔn)確定位惡意篡改的位置。
本發(fā)明的方法分為水印嵌入和圖象認(rèn)證兩個(gè)過(guò)程，圖象認(rèn)證時(shí)利用基于圖象的特征的半脆弱水印正確判斷對(duì)圖象的處理是惡意篡改還是正常的圖象處理對(duì)篡改的位置精確定位，具體步驟是水印嵌入過(guò)程如下1)對(duì)原始圖象進(jìn)行3級(jí)2-D DWT(DiscreteWavelet Transform)，抽取DWT低頻子帶系數(shù)；2)將低頻子帶系數(shù)映射到0-255級(jí)灰度上，得到低頻子帶圖；3)抽取低頻子帶圖的邊緣并進(jìn)行二值化；4)在二值化圖象上計(jì)算49個(gè)ZMM(zernike moment magnitude)；5)將ZMM均勻量化為16位，并取最高4位有效位作為半脆弱水??；6)將半脆弱水印以結(jié)構(gòu)化的方法嵌入到DWT的HL3子帶中；7)小波逆變換得到嵌入水印的圖象。圖象認(rèn)證過(guò)程不需要原始圖象，步驟如下1)對(duì)待圖象進(jìn)行3級(jí)2-D DWT(Discrete Wavelet Transform)，抽取DWT低頻子帶系數(shù)；2)將低頻子帶系數(shù)映射到0-255級(jí)灰度上，得到低頻子帶圖；3)抽取低頻子帶圖的邊緣并進(jìn)行二值化；4)在二值化圖象上計(jì)算49個(gè)ZMM(zernike moment magnitude)，記做ZMM_A；5)提取HL3子帶中的水印信息并將其轉(zhuǎn)換為49個(gè)ZMM(zernike momentmagnitude)，記做ZMM_O；6)依次計(jì)算49個(gè)對(duì)應(yīng)ZMM_A與ZMM_O的差的平方，并判斷是否超過(guò)了設(shè)定的閾值，如果存在1個(gè)超過(guò)閾值，則認(rèn)為該圖象遭受過(guò)惡意攻擊；7)根據(jù)結(jié)構(gòu)化嵌入的位置確定受惡意篡改的位置。
本發(fā)明方法的更詳細(xì)描述為1小波變換域具有半脆弱特性的圖像特征的抽取首先對(duì)圖像進(jìn)行2-D 3級(jí)DWT，得到10個(gè)子帶{LHi，HLi，HHi，LL3，i＝1-3}，其中LL3子帶是原始圖象的低通近似，集中了圖象信號(hào)的大部分能量。利用邊緣提取算法抽取低頻子帶系數(shù)圖的邊緣并進(jìn)行二值化，在二值化圖像上計(jì)算49個(gè)ZMM(Zernikemoments magnitude)，并將其歸一化為0-1之間的小數(shù)。其計(jì)算和歸一化方法參見(jiàn)Alireza Khotanzao and Yaw huahong，“Invariant Image Recognition by ZernikeMoments，”IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINEINTELLIGENC，VOL.12，NO.5，MAY 1990。ZMMs具有對(duì)JPEG、噪聲、平移、旋轉(zhuǎn)、縮放的穩(wěn)健性，但同時(shí)它又是圖像形狀的描述特征，當(dāng)圖像內(nèi)容被替換時(shí)，將引起ZMM的較大變化，因此具有半脆弱特性。本發(fā)明將每個(gè)ZMM量化為16位，取最高4位做為水印嵌入到DWT域的HL3子帶。
2水印的結(jié)構(gòu)化嵌入
3級(jí)小波變換后HL3子帶的一個(gè)小波系數(shù)值和實(shí)際圖像中8×8的塊相關(guān)。同樣HL3子帶2×2的塊與實(shí)際圖像16×16塊相關(guān)。本發(fā)明依次將每個(gè)ZMM的高4位以2×2的塊的形式嵌入到HL3子帶中，那么在實(shí)際圖像中16×16的塊篡改將可能改變一個(gè)矩的值。在認(rèn)證時(shí)可以根據(jù)變化了的矩的位置確定惡意篡改的位置。每一位水印的嵌入方法如下先定義兩個(gè)變量S_LSB5(a，b)和G_LSB5(a)，其中S_LSB5(a，b)表示用b的低五位代替a的低五位，而G_LSB5(a)表示取出a的低五位。當(dāng)我們要嵌入比特‘1’時(shí)，使用公式Fi′(u,v)=S_LSB5(Fi(u,v)-01000b,11000b)G_LSB5(Fi(u,v))≤01000bS_LSB5(Fi(u,v),11000)otherwise]]>當(dāng)我們要嵌入比特‘0’時(shí)，使用公式Fi′(u,v)=S_LSB5(Fi(u,v)+10000b,01000b)G_LSB5(Fi(u,v))≥11000bS_LSB5(Fi(u,v),01000b)otherwise]]>其中，F(xiàn)i(u，v)是小波HL3子帶系數(shù)，F(xiàn)i′(u，v)是水印嵌入后系數(shù)。
最后進(jìn)行小波逆變換，得到嵌入水印的圖像。
3認(rèn)證方法首先對(duì)待認(rèn)證圖像進(jìn)行2-D 3級(jí)DWT，得到10個(gè)子帶{LHi，HLi，HHi，LL3，i＝1-3}。利用Canny邊緣提取算法抽取低頻子帶系數(shù)圖的邊緣并進(jìn)行二值化，在二值化圖像上計(jì)算49個(gè)ZMM(Zernike moments magnitude)，并將其歸一化為0-1之間的小數(shù)。這些ZMM代表了待認(rèn)證圖像的特征，稱(chēng)為ZMM_A。
在HL3子帶按嵌入結(jié)構(gòu)依次在2×2的塊內(nèi)提取水印，重構(gòu)原始圖像的49個(gè)ZMM，稱(chēng)為ZMM_O。
依次計(jì)算49個(gè)ZMM_A和ZMM_O的差的平方，與選定的閾值0.003比較，如果大于閾值，則認(rèn)為該ZMM對(duì)應(yīng)的嵌入位置處遭到了惡意篡改，對(duì)應(yīng)空間域的16×16塊。如果有1塊被判定遭到了惡意篡改，則待認(rèn)證圖像被認(rèn)為是不可信的。
本發(fā)明與現(xiàn)有基于水印的圖像認(rèn)證技術(shù)比較有以下優(yōu)點(diǎn)1)將圖像本身的特征做為水印嵌入圖像，并利用特征之間的差別進(jìn)行認(rèn)證，使認(rèn)證結(jié)果更加可靠。
2)提出了一種有效的結(jié)構(gòu)化嵌入方法。在認(rèn)證時(shí)不僅能夠給出待認(rèn)證圖像是否是可靠的，還可以給出惡意篡改的位置。
3)本發(fā)明提出的算法不可見(jiàn)性良好，對(duì)常規(guī)圖像處理的穩(wěn)健性較好，而對(duì)惡意篡改比較敏感，且定位精度較高。本發(fā)明方法嵌入水印后圖像的PSNR值為43dB以上，對(duì)抗JPEG的穩(wěn)健性達(dá)到Q＝50，對(duì)抗噪聲的強(qiáng)度是S＝3，S＝3表示原始圖像疊加[-15，15]之間的隨機(jī)噪聲。當(dāng)圖像發(fā)生內(nèi)容篡改時(shí)，認(rèn)證將認(rèn)為該圖像是不可信的，篡改的定位精度是16×16的塊。


附圖中給出本發(fā)明提出的方法在圖象認(rèn)證中的應(yīng)用。附圖1-6中給出的是圖像Lena和Baboon(大小為352×288)的實(shí)驗(yàn)結(jié)果。
圖1是本發(fā)明提出的認(rèn)證方法在Lena中嵌入水印后的圖，其中(a)為L(zhǎng)ena原始圖，(b)為嵌入水印后的圖PSNR＝44.15。
圖2是本發(fā)明提出的認(rèn)證方法在Baboon中嵌入水印后的圖，其中(a)為Baboon原始圖，(b)為嵌入水印后的圖PSNR＝45.14。
圖3-5是本發(fā)明提出的認(rèn)證方法在Lena圖像遭受惡意篡改時(shí)的認(rèn)證結(jié)果。
圖3(a)是圖1(b)局部亮化頭發(fā)部分，圖3(b)是圖像認(rèn)證時(shí)給出的篡改定位圖；圖4(a)是圖1(b)中增加一標(biāo)簽，圖4(b)是圖像認(rèn)證時(shí)給出的篡改定位圖。
圖5(a)是圖1(b)局部模糊臉部，圖5(b)是圖像認(rèn)證時(shí)給出的篡改定位圖。
圖6是本發(fā)明提出的認(rèn)證方法在Baboon圖像遭受惡意篡改時(shí)的認(rèn)證結(jié)果。其中(a)是圖2(b)中的一塊被替換，肉眼看不出來(lái)(b)是圖像認(rèn)證時(shí)給出的篡改定位圖。
具體實(shí)施例方式
隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，使得多媒體信息的交流達(dá)到前所未有的深度和廣度。然而，多媒體信息在傳輸過(guò)程中會(huì)遭受各類(lèi)無(wú)意或有意的篡改攻擊，這使得人們對(duì)數(shù)字媒體(數(shù)字圖像、數(shù)字音頻、數(shù)字視頻)的完整性和內(nèi)容的真實(shí)性產(chǎn)生質(zhì)疑。如果篡改涉及到國(guó)家安全、法庭舉證、歷史文獻(xiàn)等重要內(nèi)容時(shí)，可能會(huì)造成不良的社會(huì)影響或重大政治經(jīng)濟(jì)損失。因此，如何在網(wǎng)絡(luò)環(huán)境中，對(duì)數(shù)字媒體內(nèi)容的真實(shí)性、完整性實(shí)施有效保護(hù)已成為一個(gè)嚴(yán)峻的現(xiàn)實(shí)問(wèn)題。基于密碼學(xué)的傳統(tǒng)加密技術(shù)已成熟地應(yīng)用于加密狀態(tài)下數(shù)字媒體內(nèi)容的保護(hù)上。但隨著計(jì)算機(jī)軟硬件技術(shù)的發(fā)展，密碼被破譯的可能性越來(lái)越大，即使非法攔截者在截獲密文后無(wú)法破譯，但可以將其破壞后再發(fā)送，使得接收的消息無(wú)法譯成明文。另外，密碼學(xué)中的認(rèn)證方法不僅需另外保存信息認(rèn)證碼，而且認(rèn)證不容許有一比特的改變，基于水印的認(rèn)證技術(shù)則克服了傳統(tǒng)加密方法的缺點(diǎn)。本發(fā)明首先利用圖象本身的特征作為水印嵌入在圖象中，當(dāng)對(duì)圖象進(jìn)行的是正常圖象處理時(shí)，認(rèn)證時(shí)認(rèn)為圖象是可信的，而當(dāng)圖象受到惡意篡改時(shí)，不僅可以判斷圖象是不可信的，而且還可以定位篡改的位置。
下面介紹基于特征的圖象認(rèn)證方法的使用方法。
現(xiàn)表述用本發(fā)明的方法完成水印嵌入和檢測(cè)的過(guò)程。這里給出了用Lena和Baboon這兩個(gè)具有代表性的圖像做實(shí)驗(yàn)的測(cè)試結(jié)果，圖像的尺寸不影響測(cè)試結(jié)果。共有兩個(gè)方面不可見(jiàn)性、對(duì)正常圖像處理如JPEG壓縮、噪聲的穩(wěn)健性、對(duì)惡意篡改的脆弱性和篡改定位。
圖1顯示用本發(fā)明方法對(duì)圖像Lena嵌入水印的結(jié)果。圖1(a)是原始圖像，嵌入水印的圖像顯示在圖1(b)中，其PSNR(Peak Signal Noise Ratio)為44.15dB。由圖可知嵌入了水印的幀在視覺(jué)上與原始幀無(wú)明顯差異。滿(mǎn)足不可見(jiàn)性的要求。
圖2顯示用本發(fā)明方法對(duì)圖像Baboon嵌入水印的結(jié)果。圖2(a)是原始圖像，嵌入水印的圖像顯示在圖2(b)中，其PSNR(Peak Signal Noise Ratio)為45.13dB。由圖可知嵌入了水印的幀在視覺(jué)上與原始幀明顯差異。滿(mǎn)足不可見(jiàn)性的要求。
圖3-5是本發(fā)明提出的認(rèn)證方法在Lena圖像遭受惡意篡改時(shí)的認(rèn)證結(jié)果。當(dāng)圖1(b)中的頭發(fā)部分被局部亮化，如圖3(a)所示，當(dāng)認(rèn)證時(shí)被認(rèn)為對(duì)圖像進(jìn)行了人為的篡改，是不可信的，同時(shí)能夠給出篡改的位置，如圖3(b)所示。當(dāng)在圖1(b)中增加一個(gè)標(biāo)簽，如圖4(a)所示，當(dāng)認(rèn)證時(shí)被認(rèn)為對(duì)圖像進(jìn)行了人為的篡改，是不可信的。同時(shí)能夠給出篡改的位置，如圖4(b)所示。當(dāng)圖1(b)中的臉部被局部模糊被，如圖5(a)所示，當(dāng)認(rèn)證時(shí)被認(rèn)為對(duì)圖像進(jìn)行了人為的篡改，是不可信的，同時(shí)能夠給出篡改的位置，如圖5(b)所示。
圖6是本發(fā)明提出的認(rèn)證方法在Baboon圖像遭受惡意篡改時(shí)的認(rèn)證結(jié)果。當(dāng)圖2(b)中的一塊被替換，如圖6(a)所示，圖中標(biāo)的框是被替換部分，肉眼雖然看不出來(lái)，但當(dāng)認(rèn)證時(shí)被認(rèn)為對(duì)圖像進(jìn)行了人為的篡改，是不可信的，同時(shí)能夠給出篡改的位置，如圖6(b)所示。
權(quán)利要求
1.一種基于特征的數(shù)字圖象認(rèn)證方法，其特征是該方法分為水印嵌入和圖象認(rèn)證兩個(gè)過(guò)程。圖象認(rèn)證時(shí)利用基于圖象特征的半脆弱水印正確判斷對(duì)圖象的處理是惡意篡改還是正常的圖象處理，并對(duì)篡改的位置精確定位。具體步驟是水印嵌入過(guò)程如下1)對(duì)原始圖象進(jìn)行3級(jí)2-D DWT(Discrete Wavelet Transform)，抽取DWT低頻子帶系數(shù)；2)將低頻子帶系數(shù)映射到0-255級(jí)灰度上，得到低頻子帶圖；3)抽取低頻子帶圖的邊緣并進(jìn)行二值化；4)在二值化圖象上計(jì)算49個(gè)ZMM(zernike moment magnitude)；5)將ZMM均勻量化為16位，并取最高4位有效位作為半脆弱水印；6)將半脆弱水印以結(jié)構(gòu)化的方法嵌入到DWT的HL3子帶中；7)小波逆變換得到嵌入水印的圖象。圖象認(rèn)證過(guò)程不需要原始圖象，步驟如下1)對(duì)待圖象進(jìn)行3級(jí)2-D DWT(Discrete Wavelet Transform)，抽取DWT低頻子帶系數(shù)；2)將低頻子帶系數(shù)映射到0-255級(jí)灰度上，得到低頻子帶圖；3)抽取低頻子帶圖的邊緣并進(jìn)行二值化；4)在二值化圖象上計(jì)算49個(gè)ZMM(zernikemoment magnitude)，記做ZMM_A；5)提取HL3子帶中的水印信息并將其轉(zhuǎn)換為49個(gè)ZMM(zernike moment magnitude)，記做ZMM_O；6)依次計(jì)算49個(gè)對(duì)應(yīng)ZMM_A與ZMM_O的差的平方，并判斷是否超過(guò)了設(shè)定的閾值，如果存在1個(gè)超過(guò)閾值，則認(rèn)為該圖象遭受過(guò)惡意攻擊；7)根據(jù)結(jié)構(gòu)化嵌入的位置確定受惡意篡改的位置。
2.根據(jù)權(quán)利要求1所述的一種基于特征的數(shù)字圖象認(rèn)證方法，其特征在于水印嵌入方法的是將1個(gè)ZMM的4個(gè)高有效位以2×2的塊的結(jié)構(gòu)化形式嵌入。
全文摘要
一種基于特征的數(shù)字圖像認(rèn)證方法是基于內(nèi)容的半脆弱水印的圖象認(rèn)證方法，本發(fā)明將原始圖象的具有半脆弱特性的特征作為水印，以結(jié)構(gòu)化的方法嵌入到圖象中。當(dāng)圖象需要認(rèn)證時(shí)，通過(guò)判斷提取水印，即原始圖象的特征與待認(rèn)證圖象的特征之間的誤差是否在可接受范圍，從而認(rèn)證圖象內(nèi)容是否是可信的。本發(fā)明方法能夠正確判斷對(duì)圖象的處理是惡意篡改還是正常的圖象處理，并可以對(duì)篡改的位置精確定位，屬于多媒體信號(hào)處理領(lǐng)域。本發(fā)明為數(shù)字圖象認(rèn)證提供了一種新的方法。
文檔編號(hào)G06K9/00GK1658223SQ20051003366
公開(kāi)日2005年8月24日 申請(qǐng)日期2005年3月23日 優(yōu)先權(quán)日2005年3月23日
發(fā)明者劉紅梅, 黃繼武 申請(qǐng)人:中山大學(xué)