[发明专利]一种基于结构化贝叶斯压缩感知的数字水印方法

说明书

本发明公开一种基于结构化贝叶斯压缩感知的数字水印方法。该方法是通过在贝叶斯压缩感知模型中设置稀疏先验的同时，引入信号的结构化先验，使得贝叶斯在信号恢复时拥有更好的性能，从而提高了数字水印的抗攻击性能。该方法易于实现，不影响载体图片的显示，具有较好的透明性和鲁棒性。

技术领域

本发明涉及信息与通信技术、信息加密领域，具体涉及一种数字水印方法。

背景技术

当今社会中，随着信息化和网络化进程的迅速发展，盗版已成为数字化产品最大的威胁。对数字媒体版权所有者来说，反盗版维权是一个亟待解决的问题。

数字水印是版权保护的常用方式。数字水印技术是将一些标识信息(即数字水印)嵌入数字载体当中(包括多媒体、文档、软件等)，且不影响原载体的使用价值，也不容易被探知和再次修改，但可以被产生方识别和辨认。数字水印的载体信息可以是文本、图像、音频、视频、数据库等。为了确保水印嵌入后的安全性，往往在嵌入之前会对水印进行预处理，以达到置乱的效果，从而提高水印嵌入的鲁棒性。水印的嵌入方法根据嵌入位置的不同可分为时/空域水印和变换域水印。时域或空域水印是将水印图像直接嵌入到载体图像中，载体图像不需要变换，这种嵌入方式简单、快速。但是兼顾不可见性和鲁棒性后，很难抵抗图像的处理和噪声干扰的攻击。变换域水印是将载体图片进行某种变换后，将水印信息按照某种方式嵌入到变换域系数上，再进行反变换得到带有水印信息的图像。这种嵌入方式相对安全，计算量较大，但是具有较高的鲁棒性及不可见性。

现阶段已有研究者将数字水印和压缩感知框架相结合，提出了基于压缩感知的数字水印技术，其为了更大程度地提高水印嵌入安全性和鲁棒性，通过压缩感知减少嵌入水印的数据量以及降低嵌入水印的浓度，并且利用贝叶斯机器学习框架，提高了压缩感知的重构精度。大多数水印在某些变换基上会呈现稀疏性和某种特定的结构，如何利用这些结构提高水印提取过程中的精度成为一个需要解决的问题。

发明内容

本发明为了提高基于贝叶斯压缩感知数字水印的精度问题，充分利用稀疏信号的结构化稀疏的特性，提出了一种基于结构化稀疏贝叶斯压缩感知的数字水印方法。

基于结构化稀疏贝叶斯压缩感知的数字水印方法包括数字水印嵌入和提取过程：

(一)数字水印的嵌入过程

步骤(1.1)：水印图片的稀疏化

由于大多图片在离散小波变换基下的变换系数都是稀疏的，因此通过离散小波变换得到水印图片的稀疏系数，具体见公式(1)。

f＝Ψ_fx (1)

其中f为水印图片的像素矩阵，Ψ_f为水印图片的N×N维变换基，x是水印图片的N×N维的稀疏系数，简称水印稀疏系数；

步骤(1.2)：载体图片的稀疏化

为了减少水印对于载体图片的影响，将载体图片进行离散小波变换得到载体图片稀疏系数，具体见公式(2)。

P＝Ψ_PI_origin (2)

其中I_origin为载体图片的Q×Q且Q>N维稀疏系数，Ψ_P为载体图片的Q×Q维变换基，P为载体图片的像素矩阵。

步骤(1.3)：数字水印的嵌入

通过压缩测量水印稀疏系数，得到水印图片的压缩测量值；然后将压缩测量值乘以嵌入浓度系数后，再嵌入到载体图片稀疏系数的高频部分(即右下角)，获得带有水印的载体图片稀疏系数，具体见公式(3)、(4)。

y＝Φx (3)