[发明专利]基于视觉感知特性的数字图像水印方法

权利要求书

1.一种基于视觉感知特性的数字图像水印方法，其特征在于主要包括以下五个步骤：

第一步、数字图像水印预处理；

第二步、提取重要区域；

第三步、建立视觉感知模型；

第四步、数字图像水印的嵌入；

第五步、数字图像水印的检测。

2.根据权利要求1所述的基于视觉感知特性的数字图像水印方法，其特征在于所述的数字图像水印的预处理包括以下步骤：

第一步、将二值图像水印利用行扫描形成一维向量；

第二步、利用logistic映射产生混沌密钥，对一维数字图像水印序列进行加密处理。

3.根据权利要求1所述的基于视觉感知特性的数字图像水印方法，其特征在于所述的提取重要区域包括以下步骤：

1)、原始载体图像的归一化处理：

第一步：坐标中心化处理；

第二步：x-shearing归一化处理；

第三步：缩放归一化处理；

第四步：旋转归一化处理；

得到相应的归一化图像；

2)、在归一化图像中确定重要区域。

4.根据权利要求1所述的基于视觉感知特性的数字图像水印方法，其特征在于所述的建立视觉感知模型，应掌握视觉感知特性，所述的视觉感知特性包括图像的亮度、纹理以及边缘特性；建立视觉感知模型的步骤如下：

第一步、亮度模型的建立：

使用亮度是因为图像的阴暗和明亮受亮度的影响；在计算时，使用大小为5*5的滑动窗口，同时亮度模型使用视频失真度测量系统；这个模型的计算如下：

M_L(x，y)＝max{f₁(bg(x，y)，mg(x，y))，f₂(bg(x，y))}

f₁(bg(x，y)，mg(x，y))＝mg(x，y)*α(bg(x，y))+β(bg(x，y))

f2(bg(x,y))=T0*(1-(bg(x,y)127)0.5)+3,bg(x,y)≤127γ*(bg(x,y)-127)+3,bg(x,y)>127]]>

α(bg(x，y))＝0.0001*bg(x，y)+0.115，0≤x＜H，0≤y＜W

β(bg(x，y))＝λ-0.01*bg(x，y)，0≤x＜H，0≤y＜W

其中M_L为亮度模型，f₁为空域掩蔽函数，f₂为基于背景亮度的可见度函数，bg(x，y)为背景亮度，mg(x，y)为像素点(x，y)周围的最大加权平均亮度差异，α和β是依据功能确定的背景亮度，T₀＝17，γ＝³/₁₂₈，λ＝¹/₂；mg(x，y)，bg(x，y)的计算如下：

mg(x,y)=maxk=1,2,3,4{|gradk(x,y)|}]]>

gradk(x,y)=116Σi=15Σj=15p(x-3+i,j-3+j)Gk(i,j),]]>0≤x＜H，0≤y＜W

bg(x,y)=132Σi=15Σj=15p(x-3+i,j-3+j)B(i,j),]]>0≤x＜H，0≤y＜W

其中p(x，y)为像素点(x，y)的像素值，G₁，G₂，G₃，G₄，B的值如下：

G1=000001383100000-1-3-8-3-100000,]]>G2=0010008300130-3-100-3-8000-100,]]>

G3=0010000380-1-30310-8-30000-100,]]>G2=010-10030-30080-80030-30010-10,]]>

B=1111112221120211222111111]]>

第二步、纹理模型的建立：

在此提出一种纹理模型的建立，它使用每一个像素和滑动窗口内部所有像素的平均值的插值的绝对值，滑动窗口的大小为3*3，计算公式如下：

MT=|x(i,j)-x-(i,j)|]]>

x-(i,j)=1(2L+1)2Σk=-LLΣl=-LLx(i+k,j+l)]]>

x(i，j)为在(i，j)位置的像素值，M_T为纹理模型，(2L+1)²代表图像块像素的数量；

第三步、边缘模型的建立：

边缘模型的建立主要分为以下两个步骤：

首先使用Cnnny算子进行边缘检测，这是因为Cnnny算子能够很好的检测到弱边缘；

其次采用扩张的边缘处理，它可以用作滤波器来去除非边缘区域的影响；

计算公式为：M_E＝E_D2(E_D1(I))

其中I为原始载体图像，E_D1为边缘检测操作，E_D2为扩张的边缘处理，M_E为边缘模型；

第四步、HVS模型的建立：

首先将纹理模型与边缘模型结合起来，在两者之间选择最小像素值是因为较活动性高的区域，边缘的覆盖能力低；

其次将亮度模型与先前得到的值结合，选择最大像素值是因为，在平滑的区域，模型像素值是由亮度所决定的；

HVS模型的建立采用公式为：

HVS＝max(M_L，P*min(M_T，M_E))

P为权值，取值在0.4到0.5之间，用来矫正扭曲；M_L为亮度模型，M_T为纹理模型，M_E为边缘模型；