本發(fā)明屬于多媒體信息安全技術(shù)領(lǐng)域，涉及彩色數(shù)字圖像作為數(shù)字水印的版權(quán)保護(hù)。

背景技術(shù)：

隨著Internet和多媒體技術(shù)的快速發(fā)展，各種網(wǎng)絡(luò)多媒體信息服務(wù)也得到了長(zhǎng)足的發(fā)展。這些先進(jìn)的信息技術(shù)為廣大人民帶來(lái)方便的同時(shí)，也給盜版者提供了便利，從而威脅版權(quán)所有者的合法權(quán)益。作為數(shù)字版權(quán)保護(hù)的技術(shù)手段之一，數(shù)字水印技術(shù)引起了廣泛關(guān)注。數(shù)字水印的基本手段是將版權(quán)信息、產(chǎn)品的標(biāo)識(shí)碼以及購(gòu)買者的信息等(稱為水印信號(hào))嵌入到數(shù)字媒體中。嵌入的水印信號(hào)應(yīng)當(dāng)不降低原數(shù)據(jù)的質(zhì)量、且在感覺(jué)上不易被察覺(jué)，能夠經(jīng)受一定的攻擊而不被清除，需要時(shí)可以通過(guò)檢測(cè)(提取)嵌入的水印信息來(lái)鑒別數(shù)字媒體的版權(quán)。

目前的圖像數(shù)字水印算法多數(shù)是將二值或灰度圖像作為數(shù)字水印，而將彩色數(shù)字圖像作為數(shù)字水印的比較少。一個(gè)最重要的原因是將彩色數(shù)字圖像作為數(shù)字水印時(shí)，其含有的信息量是相同尺寸灰度圖像的3倍，是二值圖像的24倍，因此增加了水印嵌入的難度，現(xiàn)有的將二值圖像嵌入灰度圖像的數(shù)字水印技術(shù)并不能很好地滿足以彩色數(shù)字圖像為主的版權(quán)保護(hù)，因此如何將彩色數(shù)字圖像作為數(shù)字水印成為亟待解決的問(wèn)題之一。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種基于矩陣Hessenberg分解的高性能數(shù)字水印方法，其特征在于通過(guò)具體的水印嵌入算法和水印提取算法來(lái)實(shí)現(xiàn)的，其水印嵌入算法的具體步驟描述如下：

第一步：水印序列的生成：首先，將一幅大小為M×M的24位原始水印圖像W 通過(guò)降維處理分成三個(gè)二維色彩分量水印W_m，m =1,2,3分別表示紅，綠，藍(lán)色彩分量；其次，把每個(gè)色彩分量水印進(jìn)行基于K A 的Arnold變換置亂；隨后，將置亂后的色彩分量水印中的每個(gè)像素轉(zhuǎn)換為8位二進(jìn)制數(shù), 并按順序組合生成嵌入水印序列；

第二步：嵌入塊的選擇：將一幅大小為N×N的24位原始彩色宿主圖像Z 也分成三個(gè)分量圖像Z_n，n =1,2,3分別表示紅，綠，藍(lán)三層，并將每個(gè)分量圖像Z_n進(jìn)一步劃分為4×4大小的非重疊的圖像塊；同時(shí)，用公式（1）所示的基于私鑰K B 的偽隨機(jī)置換算法隨機(jī)選擇嵌入塊；

(1)

其中，H T 表示所有4×4非重疊的圖像塊數(shù)目，S T 表示要選擇嵌入塊的數(shù)目，R 、C分別表示所選塊在宿主圖像中的行號(hào)與列號(hào)，randinterval( )為偽隨機(jī)置換函數(shù)；

第三步：選取一個(gè)嵌入塊Z_i,j并按照公式（2）進(jìn)行Hessenberg分解獲得其正交矩陣Q_i,j和Hessenberg矩陣H_i,j,此處i ,j 分別表示該圖像塊所在的行號(hào)和列號(hào)，hess( )是矩陣Hessenberg分解函數(shù)；

（2）

第四步：根據(jù)公式（3）、（4），修改正交矩陣Q_i,j中的第二行第二列元素和第三行第二列元素以嵌入水印w ，并得到含水印的正交矩陣；

(3)

(4)

其中，abs( )是求絕對(duì)值函數(shù)，w 是要嵌入的水印，和分別是和因嵌入水印而被修改后的結(jié)果，sign( ) 是求符號(hào)函數(shù)，T 是水印嵌入強(qiáng)度，；

第五步：利用公式（5）進(jìn)行逆Hessenberg變換，得到嵌入水印后的圖像塊；

（5）

第六步：重復(fù)執(zhí)行本水印嵌入算法的第三步到第五步，直到所有的水印信息都被嵌入完成為止；最后，將含水印的紅、綠、藍(lán)分層圖像重新組合并獲得含水印的圖像Z ^*；

其水印提取算法的具體步驟描述如下：

第一步：將含水印圖像Z ^*分成三個(gè)含水印的分量圖像，n =1,2,3分別表示紅，綠，藍(lán)三層，并將每一個(gè)含水印的分量圖像進(jìn)一步分成4×4的非重疊圖像塊；

第二步：利用本水印嵌入算法公式（1）所示的基于私鑰K B 的偽隨機(jī)置換算法選擇含水印的圖像塊；

第三步：選取一個(gè)含水印的圖像塊，并進(jìn)行Hessenberg分解獲得其正交矩陣和Hessenberg矩陣,此處i ,j 分別表示該圖像塊所在的行號(hào)和列號(hào)；

第四步：根據(jù)公式（6）,利用正交矩陣中的第二行第二列元素和第三行第二列元素，提取水印信息；

（6）

第五步：重復(fù)執(zhí)行本水印提取算法的第三步至第四步，直到提取所有的水印信息，把這些提取的信息按照每8位一組轉(zhuǎn)換為十進(jìn)制的像素值，然后形成分量水印，m =1, 2, 3分別表示紅，綠，藍(lán)三層；

第六步：將每個(gè)分量水印進(jìn)行基于私鑰K A 的逆Arnold變換，并結(jié)合成最終提取的水印W^*。

該方法具有較好的水印不可見(jiàn)性和較強(qiáng)的魯棒性，達(dá)到了盲提取的目的，非常適用于彩色數(shù)字圖像作為數(shù)字水印的版權(quán)保護(hù)。

附圖說(shuō)明

圖1（a）、圖1（b）、圖1（c）、圖1（d）是四幅原始彩色宿主圖像。

圖2（a）、圖2（b）是兩幅彩色數(shù)字水印圖像。

圖3（a）、圖3（b）、圖3（c）、圖3（d）是將圖2（a）所示的水印依次嵌入到宿主圖像圖1（a）、圖1（b）、圖1（c）、圖1（d）后所得到的含水印圖像，其結(jié)構(gòu)相似度SSIM值依次是0.9727、0.9571、0.9901、0.9762，其峰值信噪比PSNR值依次是36.5021dB、36.6088dB、37.9091dB、37.0301dB,說(shuō)明本算法具有較好的水印不可見(jiàn)性。

圖4（a）、圖4（b）、圖4（c）、圖4（d）是依次從圖3（a）、圖3（b）、圖3（c）、圖3（d）中提取的水印，其歸一化互相關(guān)系數(shù)NC值分別是0.9999、1.0000、1.0000、0.9999。

圖5（a）、圖5（b）、圖5（c）、圖5（d）、圖5（e）、圖5（f）是將圖3（a）所示的含水印圖像依次進(jìn)行JPEG2000壓縮(5:1)、椒鹽噪聲(0.02)、低通濾波(100,1)、銳化(1.0)、剪切(50%)、縮放(4:1)等攻擊后所提取的水印，其歸一化互相關(guān)系數(shù)NC值分別是0.9948、0.9837、0.9587、0.9998、0.9209、0.9949，說(shuō)明本算法具有較強(qiáng)的水印魯棒性。

圖6（a）、圖6（b）、圖6（c）、圖6（d）是將圖2（b）所示的水印依次嵌入到宿主圖像圖1（a）、圖1（b）、圖1（c）、圖1（d）后所得到的含水印圖像，其結(jié)構(gòu)相似度SSIM值依次是0.9783、0.9651、0.9918、0.9932，其峰值信噪比PSNR值依次是36.4991dB、36.5673dB、39.0031dB、36.9197dB，說(shuō)明本算法具有較好的水印不可見(jiàn)性。

圖7（a）、圖7（b）、圖7（c）、圖7（d）是依次從圖6（a）、圖6（b）、圖6（c）、圖6（d）中提取的水印，其歸一化互相關(guān)系數(shù)NC值分別是0.9998、1.0000、1.0000、1.0000。

圖8（a）、圖8（b）、圖8（c）、圖8（d）、圖8（e）、圖8（f）是將圖6（a）所示的含水印圖像依次進(jìn)行JPEG2000壓縮(5:1)、椒鹽噪聲(0.02)、低通濾波(100,1)、銳化(1.0) 、剪切(50%)、縮放(4:1)等攻擊后所提取的水印，其歸一化互相關(guān)系數(shù)NC值分別是0.9948、0.9873、0.8678、0.9995、0.7992、0.9711，說(shuō)明本算法具有較強(qiáng)的水印魯棒性。

具體實(shí)施方式

本發(fā)明的目的是提供一種基于矩陣Hessenberg分解的高性能數(shù)字水印方法，其特征在于通過(guò)具體的水印嵌入算法和水印提取算法來(lái)實(shí)現(xiàn)的，其水印嵌入算法的具體步驟描述如下：

第一步：水印序列的生成：首先，將一幅大小為32×32的24位原始水印圖像W 通過(guò)降維處理分成三個(gè)二維色彩分量水印W_m，m =1,2,3分別表示紅，綠，藍(lán)色彩分量；其次，把每個(gè)色彩分量水印進(jìn)行基于K A 的Arnold變換置亂；隨后，將置亂后的色彩分量水印中的每個(gè)像素轉(zhuǎn)換為8位二進(jìn)制數(shù), 并按順序組合生成嵌入水印序列；例如：可將188，198，211轉(zhuǎn)換成二進(jìn)制數(shù)分別為10111100，11000110，11010011，將三者依次組合的水印序列為101111001100011011010011；

第二步：嵌入塊的選擇：將一幅大小為512×512的24位原始彩色宿主圖像Z 也分成三個(gè)分量圖像Z_n，n =1,2,3分別表示紅，綠，藍(lán)三層，并將每個(gè)分量圖像Z_n進(jìn)一步劃分為4×4大小的非重疊的圖像塊；同時(shí)，用公式（1）所示的基于私鑰K B 的偽隨機(jī)置換算法隨機(jī)選擇嵌入塊；

(1)

其中，H T 表示所有4×4非重疊的圖像塊數(shù)目，S T 表示要選擇嵌入塊的數(shù)目，R 、C分別表示所選塊在宿主圖像中的行號(hào)與列號(hào)，randinterval( )為偽隨機(jī)置換函數(shù)；

第三步：選取一個(gè)嵌入塊Z_i,j并按照公式（2）進(jìn)行Hessenberg分解獲得其正交矩陣Q_i,j和Hessenberg矩陣H_i,j,此處i ,j 分別表示該圖像塊所在的行號(hào)和列號(hào)，hess( )是矩陣Hessenberg分解函數(shù)；

（2）

設(shè)選取的嵌入塊是，經(jīng)過(guò)Hessenberg分解后獲得的其Hessenberg矩陣為，正交矩陣為；

第四步：根據(jù)公式（3）、（4），修改正交矩陣Q_i,j中的第二行第二列元素和第三行第二列元素以嵌入水印w ，并得到含水印的正交矩陣；

(3)

(4)

其中，abs( )是求絕對(duì)值函數(shù)，w 是要嵌入的水印，和分別是和因嵌入水印而被修改后的結(jié)果，sign( ) 是求符號(hào)函數(shù)，T 是水印嵌入強(qiáng)度，；

此時(shí)，設(shè)要嵌入的水印是“0”，水印嵌入強(qiáng)度為0.04，，則根據(jù)公式（3），（4）來(lái)修改與；得到含水印的正交矩陣為；

第五步：利用公式（5）進(jìn)行逆Hessenberg變換，得到嵌入水印后的圖像塊；

（5）

此時(shí)，進(jìn)行逆Hessenberg變換，得到嵌入水印后的圖像塊為；

第六步：重復(fù)執(zhí)行本水印嵌入算法的第三步到第五步，直到所有的水印信息都被嵌入完成為止；最后，將含水印的紅、綠、藍(lán)分層圖像重新組合并獲得含水印的圖像Z ^*；

其水印提取算法的具體步驟描述如下：

第一步：將含水印圖像Z ^*分成三個(gè)含水印的分量圖像，n =1,2,3分別表示紅，綠，藍(lán)三層，并將每一個(gè)含水印的分量圖像進(jìn)一步分成4×4的非重疊圖像塊；

第二步：利用本水印嵌入算法公式（1）所示的基于私鑰K B 的偽隨機(jī)置換算法選擇含水印的圖像塊；

第三步：選取一個(gè)含水印的圖像塊，并進(jìn)行Hessenberg分解獲得其正交矩陣和Hessenberg矩陣,此處i ,j 分別表示該圖像塊所在的行號(hào)和列號(hào)；

此時(shí)，選取一個(gè)含水印的圖像塊，

隨之進(jìn)行Hessenberg分解，得其Hessenberg矩陣為

，正交矩陣為；

第四步：根據(jù)公式（6）,利用正交矩陣中的第二行第二列元素和第三行第二列元素，提取水印信息；

（6）

此時(shí)，根據(jù)正交矩陣中第二行第二列元素-0.5564和第三行第二列元素-0.5920，提取水印信息“0”；

第五步：重復(fù)執(zhí)行本水印提取算法第三步至第四步，直到提取所有的水印信息，把這些提取的信息按照每8位一組轉(zhuǎn)換為十進(jìn)制的像素值，然后形成分量水印，m =1, 2, 3分別表示紅，綠，藍(lán)三層；

第六步：將每個(gè)分量水印進(jìn)行基于私鑰K A 的逆Arnold變換，并結(jié)合成最終提取的水印W^*。

本發(fā)明有效性驗(yàn)證

為了證明本發(fā)明的有效性，選擇如圖1（a）、圖1（b）、圖1（c）、圖1（d）所示的四幅大小為512×512的24位標(biāo)準(zhǔn)圖像作為宿主圖像，并分別用如圖2（a）、圖2（b）所示的兩幅大小為32×32的24位彩色圖像作為數(shù)字水印進(jìn)行驗(yàn)證。

圖3（a）、圖3（b）、圖3（c）、圖3（d）是將圖2（a）所示的水印依次嵌入到宿主圖像圖1（a）、圖1（b）、圖1（c）、圖1（d）后所得到的含水印圖像，其結(jié)構(gòu)相似度SSIM值依次是0.9727、0.9571、0.9901、0.9762，其峰值信噪比PSNR值依次是36.5021dB、36.6088dB、37.9091dB、37.0301dB,說(shuō)明本算法具有較好的水印不可見(jiàn)性。

圖4（a）、圖4（b）、圖4（c）、圖4（d）是依次從圖3（a）、圖3（b）、圖3（c）、圖3（d）中提取的水印，其歸一化互相關(guān)系數(shù)NC值分別是0.9999、1.0000、1.0000、0.9999。

圖5（a）、圖5（b）、圖5（c）、圖5（d）、圖5（e）、圖5（f）是將圖3（a）所示的含水印圖像依次進(jìn)行JPEG2000壓縮(5:1)、椒鹽噪聲(0.02)、低通濾波(100,1)、銳化(1.0)、剪切(50%)、縮放(4:1)等攻擊后所提取的水印，其歸一化互相關(guān)系數(shù)NC值分別是0.9948、0.9837、0.9587、0.9998、0.9209、0.9949，說(shuō)明本算法具有較強(qiáng)的水印魯棒性。

圖6（a）、圖6（b）、圖6（c）、圖6（d）是將圖2（b）所示的水印依次嵌入到宿主圖像圖1（a）、圖1（b）、圖1（c）、圖1（d）后所得到的含水印圖像，其結(jié)構(gòu)相似度SSIM值依次是0.9783、0.9651、0.9918、0.9932，其峰值信噪比PSNR值依次是36.4991dB、36.5673dB、39.0031dB、36.9197dB，說(shuō)明本算法具有較好的水印不可見(jiàn)性。

圖7（a）、圖7（b）、圖7（c）、圖7（d）是依次從圖6（a）、圖6（b）、圖6（c）、圖6（d）中提取的水印，其歸一化互相關(guān)系數(shù)NC值分別是0.9998、1.0000、1.0000、1.0000。

圖8（a）、圖8（b）、圖8（c）、圖8（d）、圖8（e）、圖8（f）是將圖6（a）所示的含水印圖像依次進(jìn)行JPEG2000壓縮(5:1)、椒鹽噪聲(0.02)、低通濾波(100,1)、銳化(1.0) 、剪切(50%)、縮放(4:1)等攻擊后所提取的水印，其歸一化互相關(guān)系數(shù)NC值分別是0.9948、0.9873、0.8678、0.9995、0.7992、0.9711，說(shuō)明本算法具有較強(qiáng)的水印魯棒性。

由此可見(jiàn)，所嵌入的彩色圖像數(shù)字水印具有良好的不可見(jiàn)性；同時(shí)，從各種受攻擊圖像中所提取的數(shù)字水印圖像具有良好的可鑒別性，說(shuō)明該方法具有較強(qiáng)的魯棒性，能夠很好地提取所嵌入的彩色水印。