[发明专利]基于稳定差值多相关柯西边缘分布的数字水印嵌入及提取方法

摘要

本发明公开了一种基于稳定差值多相关柯西边缘分布的数字水印算法，首先对宿主图像实施二级非下采样Contourlet变换，将同方向下尺度间的父子系数做差，从而获得差值子带，并选择能量最高的差值子带作为载体；其次，使用乘性嵌入函数并逆变换获得含水印图像；然后，推导基于矢量柯西的概率密度函数，并选择其他不含水印的子带进行建模，获得形状参数与位置参数，采用第二类统计量估计方法对不含水印的子带系数进行估计；最后，根据统计决策准则，构造局部最优LOD检测器，并根据决策阈值提取水印位。实验结果表明，本发明的方法通过充分利用系数间多种相关性，构造基于矢量的柯西分布进行统计建模，较好地提升了水印检测器的性能。

主权项

1.一种基于稳定差值多相关柯西边缘分布的数字水印嵌入及提取方法，其特征在于按照如下步骤进行：约定：L代表NSPFB分解获得的低频子带；H1和H2代表NSDFB分解获得的两个尺度的高频子带；表示宿主图像；指含水印图像；表示尺度的第方向子带；，分别指父系数与子系数；分别代表横纵坐标；指原始差值系数；指相应的被修改后的含水印系数；和分别指原始父系数及含水印父系数；和分别指原始子系数及含水印子系数；指正加权因子；代表个熵块中的第块；为水印伪随机序列；表示位置参数；为伽马函数；为的协方差矩阵；表示第二类第二特征函数；为一阶对数累积量的估计；指差值子带嵌入‑1时的假设；指差值子带嵌入1时的假设；为决策阈值；a. 初始设置获取原始图像I并初始化变量；b. 水印嵌入b.1 宿主图像执行二级非下采样Contourlet变换，NSPFB实施尺度分解以获得低频子带L与两个尺度的高频子带H1、H2，利用NSDFB分别对H1和H2进行多方向分解，每个尺度获得4个方向，每幅图像共得到8个与原始图像大小相同的高频分量；b.2 依据尺度间系数的相关性，对相同方向下尺度二父系数与尺度一子系数之间做差，差值子带计算如下：；b.3 选择能量最大的差值子带作为载体嵌入水印，对所选的差值子带进行尺寸相同不重叠分块，计算每块的熵值，并按熵值由大至小组织排序，选取排在前块的熵块进行水印嵌入；b.4 每块对应嵌入1bit水印信息，根据乘性规则实施水印信息的嵌入：；b.5 将未修改和修改的差值系数应用逆非下采样Contourlet变换，最终获得含水印图像；c. 矢量柯西分布建模c.1 对含水印图像进行二级非下采样Contourlet分解，设置变换参数为[2 2]，利用NSPFB分解以获得低频L及两个尺度的高频H1、H2，使用NSDFB分别对H1和H2执行多方向分解，每个尺度获得4个方向；c.2 选择含水印子带的父子系数以及其他方向不含水印的差值子带，将这些子带划分为等大小不重叠的块，计算分块熵值并由大到小排序，选择每个子带的前块用以构造解码器；c.3 对选取的5个子带系数构造矢量柯西分布概率密度函数进行统计建模，以柯西分布为基础，基于矢量的柯西概率密度函数P表示如下：；其中：d. 第二统计量参数估计d.1 选择样本中间值进行位置参数估计，并对样本中心化，重新以获得相应的第二类统计量，第二类第二特征函数如下：；d.2 计算出的尺度参数与位置参数作为含水印图像的特征向量以待构造检测器使用，其中，尺度参数表达如下：；e. 构造LOD检测器提取水印e.1 将水印检测视为二元假设检验问题，则有：e.2 利用最大似然决策准则，并借助LMP检验方法，在嵌入强度为0时，LMP的势函数斜率的绝对值达到最大，则解码器如下：；e.3 选择未嵌入水印的子带系数构造检测器，则基于矢量柯西的LOD检测器表达如下：；e.4 根据阈值进行判断，水印位解码如下：。