[发明专利]基于差分进化算法的可逆关系数据库水印嵌入和提取方法

摘要

本发明公开了一种差分进化算法的可逆数据库水印的嵌入和提取方法。首先，利用边缘检测算子提取版权图像的边缘特征点，生成二进制比特序列指导水印的嵌入。对需要嵌入水印的数据库进行分块处理，将每个数据的属性列和元组个数作为坐标索引，选取每个数据块中一定个数的点集作为待嵌入点集。然后，在每个分块上运用差分进化算法，对初始个体，用适应度函数判断种群个体的好坏，通过变异、交叉和选择多次迭代之后选出最优的个体最为嵌入位置。为每一个分块随机生成水印序列，在水印嵌入阶段，对最优位置进行反复嵌入。最后，对嵌入成功的数据库进行模拟攻击来检测方法的鲁棒性。实验结果表面，该方法可有效提高数据库水印的不可见性和鲁棒性。

主权项

1.一种差分进化算法的可逆关系数据库嵌入和提取方法，具体包括以下步骤：步骤1：版权图像初始化；对版权图像采用Roberts边缘检测算子进行预处理，将生成的二值图像转化为二维数组，最后将二维数组转换为一维水印序列；步骤2：数据库预处理；针对该数据库，对其进行分块处理，首先用数据库中元组的个数除以提取到的像素点个数得到分块个数，随机选取一列数值型数学，并统计该列的众数，设置合适的阈值，当众数个数大于该阈值则分为一个块，阈值的设置决定分块大小；步骤3：种群初始化；首先确定缩放因子F和交叉概率CR，然后借助均匀分布随机函数从数据库分块中产生N个个体，X_i⁰表示第0代的第i个个体，每个个体由D个坐标点的数值组成，即为D维：X_i⁰＝{x_i1⁰,x_i2⁰,x_i3⁰,…,x_iD⁰}；i＝1,2,3,…,N；步骤4：适应度函数计算；适应度函数的设计分为两部分：对两部分函数添加权重来控制两部分所占比例输入参数为种群个体和水印参数：Fit(x_i,w_i)＝ω_a*fit₁+ω_b*fit₂(ω_a+ω_b＝1)通过计算适应度函数对初始种群个体排序此时适应度较好的个体获得了较小的序列值，然后将排序后的个体赋予一个序列号R_i，接下来通过序列号和种群数量计算出每个个体的选择概率p_i；步骤5：变异操作；首先从种群X_i⁰＝{x_i1⁰,x_i2⁰,x_i3⁰,…,x_iD⁰}；i＝1,2,3,…,N中随机选出一个不同于x_i的个体然后从0～1之间产生一个随机数a，随机选取个体和若所选个体的概率值都大于a且互不相同则选择成功，否则重新选取，通过变异公式:对其进行变异操作，产生一个中间个体V_i^g+1＝{v_i1^g+1,v_i2^g+1,…,,v_iD^g+1}；i＝1,2,3,…,N；其中g为进化代数；步骤6：交叉操作；为提高种群的多样性对父代个体x_i^g和经过变异后生成的v_i^g+1按照如下公式进行个体内部的交叉操作,得到新种群个体U_i^g+1＝{u_i1^g+1,u_i2^g+1,…,u_iD^g+1}；i＝1,2,3,…,N，其中rand_j∈(0，1)，sn为{1,2,…,D}中的随机数：步骤7：选择操作；根据变异交叉操作后生成的新种群个体u_i^g+1与x_i^g进行比较，若候选个体u_i^g+1适应度函数优于x_i^g时，则选择u_i^g+1作为子代，否则选择x_i^g作为子代，生成最终种群X_i^g+1＝{x_i1^g+1,x_i2^g+1,x_i3^g+1,…,x_iD^g+1}；i＝1,2,3,…,N；选择公式如下所示：步骤8：水印嵌入过程；为每一个数据块分配一个随机的8位二进制水印序列，遍历图像产生的一维数组，像素点为0时，不做操作，当像素点为1时，进行如下操作:(1)按照上述方法对算法参数进行初始化；(2)按照算法的执行过程搜索出数据块最优水印嵌入位置；(3)遍历为数据块分配的随机水印序列，当水印参数为0时，遍历待嵌位置，并在该位置的数值型数据的最低有效位做减法操作；(4)当水印参数为1时，遍历待嵌位置，并在该位置的数值型数据最低有效位做加法操作；(5)判断所有数据块是否全部遍历，若没有遍历完全，需返回(1)；步骤9：水印提取；数据库水印的提取即为水印嵌入的逆过程，首先需要通过保存的中间数据将数据库分块还原，并找出嵌入水印位置以及为其分配的水印序列，将最终数据依次与中间数据相减，若为正数则记录1，若为负数则记录0，直到提取8位二进制数与保存的水印序列相比较若相同则该数据块嵌入水印并记录为1，否则记录0，直到所有数据块遍历完毕；步骤10：边缘二值图像还原；将步骤9生成的一维数组还原为二维数组，遍历该二维数组，确定图像的宽高，若数组值为1时，代表当前位置像素为白色，即RGB值为255，反之亦然，得到版权图像的二值图；步骤11：水印不可见性分析；通过水印嵌入前后平均值，方差的改变比例来判断，改变比例越低，证明不可见性越好；步骤12：水鲁棒性检测；通过对嵌入水印的数据库进行不同强度的添加，修改，删除攻击后水印提取率来验证实验的鲁棒性。