[发明专利]一种基于字符切分的文本数字信息嵌入、提取方法及系统

说明书

本发明涉及一种基于字符切分的文本数字信息嵌入、提取方法及系统，该方法包括：对二值化文本图像进行行切分，获得各行的行高阈值；根据各行的行高阈值对各行进行列切分，获得各相邻两个字符之间的间距；根据相邻两个字符之间的间距确定最小的间距值；将与标点符号相邻的字符之间的间距标记为非编码区，将非标点符号的字符之间的间距标记为编码区；对待嵌入的信息进行二进制编码；根据二进制编码中字符0或字符1对文本图像中各相邻两个字符之间标记为编码区的间距进行调整：若嵌入字符1，则相邻两个字符之间的间距保持不变，若嵌入字符0，则相邻两个字符之间的间距调整为小于最小的间距值。本发明提高了信息嵌入的鲁棒性和隐藏容量。

技术领域

本发明涉及文本数字水印领域，特别是涉及一种基于字符切分的文本数字信息嵌入、提取方法及系统。

背景技术

随着互联网的普及，数字影像产品和电子文档的传播和应用变得越来越便捷。文本数据现阶段是日常生活中人们获取信息的重要媒介，期刊、报纸和书籍等文献极大的丰富了人们的阅读方式。但由于文本文档的信息冗余量相比于图像少的多，所以版权保护成为重中之重，同时许多安全部门内部人员也有泄露机密的风险，所以在电子文件中嵌入操作人员名称和日期信息可以有效地解决版权和机密文件泄露后溯源等安全问题。

在电子文档中嵌入溯源信息后，存在最难解决的问题是随着文档被多次打印后溯源信息丢失或提取信息时产生错误。现有的抗打印扫描文本文档溯源技术大致分为基于文本图像的算法、基于文本格式的算法和基于文本内容算法三种。第一种方法主要是通过改变切分出字符的边缘像素点来进行信息的嵌入，对于多次打印扫描的过程之后鲁棒性变差；第二种方法大多是改变文本字符的行、列间距或文件格式来隐藏信息，但隐藏的信息量过少，不能在普遍的文本中有效的隐藏信息；第三种方法，主要是改变文本的内容，表现形式为通过同义词的替换来进行信息的嵌入和隐藏，但很多文件的内容被要求是不能进行修改的，适用范围小。

发明内容

本发明的目的是提供一种基于字符切分的文本数字信息嵌入、提取方法及系统，提高了信息嵌入的鲁棒性和隐藏容量。

为实现上述目的，本发明提供了如下方案：

一种基于字符切分的文本数字信息嵌入方法，包括：

对文本图像进行二值化处理，获得二值化文本图像；

对所述二值化文本图像进行行切分，获得各行的行高阈值；

根据各行的行高阈值对各行进行列切分，获得各相邻两个字符之间的间距；

根据相邻两个字符之间的间距确定最小的间距值；

将与标点符号相邻的字符之间的间距标记为非编码区，将非标点符号的字符之间的间距标记为编码区；

对待嵌入的信息进行二进制编码；

根据所述二进制编码中字符0或字符1对所述文本图像中各相邻两个字符之间标记为所述编码区的间距进行调整：若嵌入字符1，则相邻两个字符之间的间距保持不变，若嵌入字符0，则相邻两个字符之间的间距调整为小于所述最小的间距值。

可选地，所述对所述二值化文本图像进行行切分，获得各行的行高阈值，具体包括：

根据各行的行投影确定各行的行高阈值。

可选地，所述根据各行的行高阈值对各行进行列切分，获得各相邻两个字符之间的间距，具体包括：

根据各列的列投影确定字符之间的宽度；

获得字符之间的宽度与字符对应的行的行高阈值之间的比值；

若所述比值在设定比值范围内则进行字符之间的列切分，否则不进行列切分，记录进行列切分的两个字符之间的间距。

本发明还公开了一种基于字符切分的文本数字信息嵌入系统，包括：