[发明专利]非下采样轮廓波变换的鲁棒数字水印算法

说明书

本发明旨在解决数字水印技术中伪Zernike矩抗剪切、缩放攻击鲁棒性不强的问题，属于图像与信号处理领域。利用非下采样轮廓波变换对载体图像进行三层分解提取其低频分量，通过一维离散小波变换对低频分量进行稀疏化以获取稀疏基，构造稀疏基的测量矩阵，并对其进行压缩感知处理得到新的低频分量，然后计算其Zernike矩，通过抖动量化调制正则化伪Zernike矩幅值的方式将水印信息嵌入。最后利用正则化正交匹配追踪算法进行图像压缩感知的重构。本方法在保证水印不可见性的前提下，不仅能够有效抵抗诸如滤波、噪声、压缩等常规攻击，而且对缩放、剪切、旋转等几何攻击都有相对较强的鲁棒性，该方法为后续解决水印抗几何攻击鲁棒性问题研究具有重要的参考意义。

技术领域

本发明涉及图像与信号处理的信息隐藏技术的一个分支图像水 印，具体为基于非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)的压缩感知(Compressed Sensing,CS)结合伪Zernike 矩的鲁棒数字水印算法。

背景技术

21世纪以来，通信信息技术及互联网应用广泛传播，随之而来 的数字化产品被复制盗用伪造的问题亟待解决，数字化信息的保护显 得尤为重要，因此数字水印技术应运而生。目前，数字水印技术已经 得到很好的发展，一般简单攻击由于没有破坏水印检测的同步性都能 够有效抵抗，但是旋转、缩放、剪切等攻击伴随有几何失真带来的同 步错误，大部分数字水印难以抵抗，因此，如何设计一种能够有效抵 抗旋转、缩放、剪切等几何攻击的方案是目前水印技术需要研究的重 点话题之一。

目前提出的抗几何水印水印方案大致可分为四种:雅克比-傅里叶 矩，ShiftedLegendre矩，Chebichef矩，Jordan变换，Zernike矩等几 何不变域方案较为常见，但由于此类方法容易受到插值运算以及嵌入 容量的影响，因而只能抵抗简单以及常规的几何攻击，对于剪切等复 杂性攻击的抵抗力显得相对弱势。

基于哈里斯(Harris),尺度不变特征变换(scale invariance featuretransform,SIFT),快速鲁棒局部特征检测(speeded up robust features, SURF)等特征点提取的水印方案近年来也取得很大的进展，此类方法 由于提取了图像重要特征信息因而在检测时水印不易受到同步误差 带来的影响。文献(Yi-Xin Z,Zheng-Ning T.Thewatermarking algorithm robust to geometry attacks based on SURF and RDWT[J].electronic design engineering,2019,27(18):157-161)使用SURF算法提 取载体图像特征点，并使用随机抽样一致性算法RANSAC(Random Sample Consensus)优化特征点匹配结果，然后对受攻击图像进行 SURF校正计算还原出原始水印，校正后的旋转角度可通过仿射变换 得到，因此该方法有效抵抗旋转攻击，但对于缩放、剪切攻击的鲁棒 性不强。第三类基于模板匹配的水印方案，该方案虽然能避免几何失 真带来的低鲁棒性问题，但由于水印中添加了同步模板，因而水印信 息的嵌入容量也随之降低。近几年水印技术研究的热门方案是在水印 引入了机器学习。该方案通过结合种群的优化算法以及神经网络模型 生成用于嵌入水印的动态模式，因而增强水印的抗几何攻击能力。文 献(Bas N D,Singh R P,Chaudhary V,et al.A Novel Blind Digital Watermarking Based on SVD and ExtremeLearning Machine[J].Oriental Journal of Computer science and Technology,2017,10(1):160-167)提出 了一种基于奇异值分解和极限学习机(Extreme Learning Machine,ELM)的基于整数小波变换(Integer wavelet transform,IWt)域的鲁棒 水印方案，对载体图像进行IWt域转换后，利用SVD进行水印嵌入， 提取时采用ELM的训练方法以找出原始图像系数和含水印图像系数 之间的关系。该方法虽然满足水印各种抗几何攻击能力，但却牺牲了 水印的不可见性指标。