[发明专利]图像数字水印嵌入系统及方法

说明书

技术领域

本发明涉及信息安全技术领域，具体涉及一种图像数字水印嵌入系统及方法。

背景技术

随着信息技术的高速发展，信息安全问题日益突出。数字水印技术通过将水 印信息嵌入到数字产品中(包括多媒体、文档、软件等)，进而辨别数字产品的 来源、创作者等版权信息，已成为数字产品版权保护领域的研究热点。要实现版 权保护的功能，数字水印应当具备两个特性：一是鲁棒性，是指经过信号处理后 (包括信道噪声、剪切、旋转等)，数字水印能保持部分完整性并能被提取和鉴 别；二是隐蔽性，是指数字水印是不被感知的，且不影响数字产品的正常使用， 不会降低原数字产品的质量。

实践表明，在对图像嵌入数字水印的过程中，水印嵌入强度对数字水印的鲁 棒性和隐蔽性有很大的影响。但现有技术中，都是采用水印算法直接对图像嵌入 数字水印的，而在此过程中，由于没有数字水印嵌入强度的参考模型，数字水印 的嵌入强度无法准确的把控，因此数字水印的鲁棒性和隐蔽性通常较差。

另外，现有技术中，通常采用分块离散余弦变换进行图像的数字水印，但这 种方式存在的问题是在进行图像的数字水印时，会存在固有的分块效应，从而影 响数字水印的鲁棒性和隐蔽性。

发明内容

本发明的目的之一是提供一种图像数字水印嵌入系统，以在图像中嵌入数字 水印时，使其鲁棒性和隐蔽性均达到最佳。

本发明的图像数字水印嵌入系统，包括机器学习模块，利用SVM建立关于数 字水印嵌入强度的回归预测模型，实现对待嵌入数字水印的原始图像的最佳数字 水印嵌入强度的预测，所述的机器学习模块包括预处理单元和机器学习单元；

所述预处理单元，用于建立数据集，所述的数据集包括训练集和测试集，并 且对数据集中的所有图像逐一进行数字水印嵌入，针对每个图像确定一个对应的 最佳水印嵌入强度；

所述机器学习单元，利用SVM在训练集上进行机器学习，得到关于数字水印 嵌入强度的回归预测模型；

输入模块，用于响应当前触发的数字水印嵌入请求，获取待嵌入数字水印的 原始图像；

水印嵌入模块，根据回归预测模型预测的最佳水印嵌入强度，应用DWT变换 对原始图像嵌入数字水印；

输出模块，用于输出已嵌入数字水印的图像。

进一步，所述最佳数字水印嵌入强度的计算方式是：设置两个评价参数，分 别是用于衡量数字水印鲁棒性的相似度NC和用于衡量水印隐蔽性的峰值信噪 比PSNR，设置NC和PSNR的权重β，使得β·NC+(1-β)·PSNR取得最大值时， 而得到的数字水印嵌入强度即为最佳数字水印嵌入强度。

进一步，所述的机器学习单元还用于在测试集上对回归预测模型进行测试和 性能评价。

说明：SVM，支持向量机，为现有技术，在此不再赘述。

本发明的另一目的是提供一种图像数字水印嵌入方法，包括以下步骤：

a.建立最佳数字水印嵌入强度的回归预测模型的步骤；

步骤101.1：获取历史数据建立数据集，包括训练集和测试集；

步骤101.2：输入数据集上的一个原始图像I；

步骤101.3：对原始图像I进行一级DWT变换，得到LL、LH、HL、HH四 个频率系数，选择将水印信息嵌入到LH和HL上；

步骤101.4：将频率系数LH和HL分别划分为n×n个系数块，计算所有对 应位置上系数块的方差值，分别选择其中最小的l个系数块，记为{u_i,i＝1,...,l}、 {v_i,i＝1,...,l}，作为水印信息的嵌入位置；

步骤101.5：根据以下嵌入公式，把水印信息分别嵌入到上述系数块中：

其中s_i表示水印信息，α表示待定的水印嵌入强度；

步骤101.6：对嵌入水印后的系数块进行IDWT变换，得到嵌入水印后的图 像I'；

步骤101.7：根据以下公式，计算用于衡量水印的鲁棒性的相似度NC和用 于衡量水印的隐蔽性的峰值信噪比PSNR，

其中W表示嵌入的水印信息，W'表示提取的水印信息，MSE表示均方误差， 公式表示为：I为原始图像，I'为嵌入水印后 的图像；

步骤101.8：设置上述两个评价参数NC和PSNR的权重β，使得 β·NC+(1-β)·PSNR取得最大值时的水印嵌入强度α即为最佳数字水印嵌入强 度；

步骤101.9：对数据集上的所有图像逐一重复步骤101.2-步骤101.8；