[发明专利]基于多元BKF参数校正的NSST域鲁棒图像水印方法

说明书

本发明公开了一种基于多元BKF参数校正的NSST域鲁棒图像水印方法，对原始图像执行非下采样剪切波变换，并对低频子带执行非重叠块处理，通过扩展抖动调制量化方法将水印嵌入原始图像中并重构获得含水印图像；计算待检测图像NSST域子带系数的多元BKF两个参数，并结合对样本进行缩放、平移、旋转的几何变换参数进行训练学习，得到FSVR训练模型；计算待检测含水印图像几何校正的数学模型，利用得到的FSVR训练模型确定模型参数进行几何校正；从经过校正的含水印图像中提取水印信息。

技术领域

本发明属于图像版权保护领域，涉及一种基于参数校正的图像水印方法，特别涉及一种基于多元BKF参数校正的NSST域鲁棒图像水印方法。

背景技术

当今社会，互联网和多媒体的快速发展，给人们的日常生活带来了很大的方便，但同时多媒体资源也遭受了非法拷贝、伪造及传播。数字图像水印技术为解决图像信息安全危机提供了一种有效的手段，在数字图像版权保护领域具有非常大的研究和应用价值。如何兼顾变换域系数间的多种相关性和提高几何攻击的抵抗能力是数字图像水印领域共同关注的热点问题，而基于多元BKF参数校正的NSST域鲁棒水印方法是一种解决问题的有效手段。

该方法相比较传统图像水印技术优势在于：第一，使用多分辨率多尺度的非下采样剪切波变换(NSST)，可以很好地捕捉图像的特征；第二，使用扩展抖动调制(STDM)量化方法将水印嵌入原始图像中，可以将失真扩散到所有分块中；第三，利用多元BKF进行参数估计并建模，充分考虑了尺度间、方向间、子带内系数间的多种相关性，提高了刻画系数间相关性的能力，第四，利用FSVR训练模型进行几何校正，对几何攻击有较好的抵抗能力。但是，现有统计参数的方法，大多数是采用一元概率密度函数分布，没有考虑子带的相关性(包括尺度间、方向间、子带内系数间)，参数估计不够准确。

发明内容

本发明是为了解决现有技术所存在的上述技术问题，提供一种基于多元BKF参数校正的NSST域鲁棒图像水印方法。

本发明的技术解决方案是：一种基于多元BKF参数校正的NSST域鲁棒图像水印方法，其特征在于按如下步骤进行：

约定：F表示原始图像，大小为X×Y；w表示水印图像，大小为P×Q；B_k为低频子带块，K为块的总数；Q_m表示抖动量化；b_k(i,j)表示每个B_k中的系数；b'_k(i,j)表示含水印系数；Δ为量化步长，P_k(i,j)表示投影向量；α为形状参数；∑为对称的正定矩阵；F′表示待检测含水印图像，大小为Q^k为训练样本图像集合；C为输入向量；s^k,θ^k,为几何变换参数；s^*,θ^*,为几何变换的预测值；为含水印低频子带块；为每个中的系数；为校正后的含水印图像；ExtMessage表示提取的一位水印；W^*(i,j)表示最终提取的水印；

a.初始设置

获取原始图像F并初始化变量；

b.水印嵌入

b.1将F进行NSST二级分解，分解参数为[2 2]，得到低频子带并进行不重叠分块：

b.2利用扩展抖动调制(STDM)量化方法进行水印嵌入：

b'_k(i,j)＝b_k(i,j)+(Qm(b_k(i,j)P_k(i,j),Δ)-b_k(i,j)P_k(i,j))P_k(i,j)