[发明专利]基于分区域异或的低虚警零水印算法

说明书

本发明公开了一种基于分区域异或的低虚警零水印算法，通过冗余构造特征和水印、三值量化、特征索引分区域异或，扩大相似特征之间的差异，以解决图像零水印的虚警问题，从而能够实现对数字信息的版权保护。使用两种特征提取方法提取图像的频域特征和空域特征，将频域特征构造成索引矩阵，根据索引矩阵将冗余构造的版权水印划分成两个区域，分别与冗余构造的空域特征和混沌矩阵异或，区域合并后得到零水印，在版权认证过程中，使用同样的特征提取和区域异或的方法，得到冗余构造的版权水印图像，去冗余操作后量化成三值矩阵，实现可分辨相似图像的版权认证。

技术领域

本发明属于数字图像处理、信息安全、版权保护的技术领域，尤其涉及一种基于分区域异或的低虚警零水印算法。

背景技术

随着信息时代的发展，各种形式的数字作品在网络中可以轻易获取，同时也出现了版权问题，数字水印技术，将水印信息嵌入载体实现版权保护在近些年受到了广泛关注。在图像中嵌入信息不可避免的会对图像质量产生影响，而且还存在着鲁棒性和不可见性的矛盾，零水印[温泉，孙锬锋，王树勋.零水印的概念与应用[J].电子学报.2003,31(02):214-216.]的提出解决了这个问题，从图像中提取具有唯一性和鲁棒性的特征序列，直接当作零水印或与版权标识建立联系后作为零水印，保存至认证中心，完成图像版权的注册。零水印生成的过程主要可分为两个部分：1)图像特征提取，2)特征与版权建立联系(如特征与水印异或生成零水印)。零水印算法的鲁棒性、运行效率和虚警率等评价指标，主要受图像特征提取部分的影响；从图像提取特征后，与版权标识建立联系生成零水印，在版权认证过程中，可由零水印和图像特征得到版权标识，实现版权可视化；通常在特征与版权建立联系的过程中，会加入加密算法，以提升零水印的安全性。

在目前图像零水印研究中，图像特征提取的方法主要可分为以下几种。基于频域变换，如平移不变剪切波变换(shift-invariant shearlet transform，SIST)[Shi S,LuoT,Huang J,et al.A Novel HDR Image Zero-Watermarking Based on Shift-InvariantShearlet Transform[J].Security and Communication Networks.2021,2021(8655):1-12.]、Gabor变换[Fan D,Li Y,Gao S,et al.A novel zero watermark optimizationalgorithm based on Gabor transform and discrete cosine transform[J].Concurrency and Computation:Practice and Experience.2020,n/a(n/a):e5689.]、元胞自动机变换(cellular automata transform，CAT)[Tzuo-Yau F,Her-Chang C,Bin-Chang C.Lossless medical image watermarking method based on significantdifference of cellular automata transform coefficient[J].Signal Processing:Image Communication.2018,70]、双树复小波变换(dual-tree complex wavelettransform，DTCWT)[Jing L,Jingbing L,Jixin M,et al.A Robust Multi-WatermarkingAlgorithm for Medical Images Based on DTCWT-DCT and Henon Map[J].AppliedSciences.2019,9(4).]、轮廓波变换(contourlet transform，CT)[Xiaoqi W,Jingbing L,Rong T,et al.Contourlet-DCT based multiple robust watermarkings for medicalimages[J].Multimedia Tools and Applications.2019,78(7).]、非亚采样轮廓波变换[Ayesha S,V.M.Zero-Watermarking in Transform Domain and QuadtreeDecomposition for Under Water Images Captured by Robot[J].Procedia ComputerScience.2018,133.]、Curvelet变换[吴德阳，赵静，汪国平，等.一种基于改进奇异值和子块映射的图像零水印技术[J].光学学报.2020,40(20):85-97.]等，在得到稳定系数后，可直接将其构造为图像特征，或进一步对系数进行离散余弦变换(DCT)、奇异值分解(SVD)、改进奇异值分解等操作提取其主成分构造特征。使用极谐变换计算图像的不变矩特征，如十进制极谐变换(decimal-order polar harmonic transforms，DoPHTs)[Xia Z,Wang X,HanB,et al.Color image triple zero-watermarking using decimal-order polarharmonic transforms and chaotic system[J].Signal Processing]、四元数极谐变换(quaternion polar harmonic transforms，QPHTs)[Zhiqiu X,Xingyuan W,Wenjie Z,etal.Color medical image lossless watermarking using chaotic system andaccurate quaternion polar harmonic transforms[J].Signal Processing.2019,157.]、四元数径向分数Charlier矩(Quaternion Radial Fractional Charlier Moments，QRFrCMs)[M.Y,H.K,M.S,et al.Robust zero-watermarking scheme based on novelquaternion radial fractional Charlier moments[J].Multimedia Tools andApplications.2021(prepublish).]、四元数极谐傅立叶矩(quaternion polar harmonicFourier moments，QPHFMs)[Zhiqiu X,Xingyuan W,Xiaoxiao L,et al.Efficientcopyright protection for three CT images based on quaternion polar harmonicFourier moments[J].Signal Processing.2019,164.]等。在空域提取特征，将子块均值和整体均值稳定关系构造成图像特征[熊祥光.空域强鲁棒零水印方案[J].自动化学报.2018,44(01):160-175.]，构建神经网络模型提取图像鲁棒特征[Fierro-Radilla A,Nakano-Miyatake M,Cedillo-Hernandez M,et al.A Robust Image Zero-watermarkingusing Convolutional Neural Networks[C].In:2019 7th International Workshop onBiometrics and Forensics(IWBF).2019.]。