[发明专利]基于图像特征点全局校正的鲁棒水印方法

权利要求书

1.一种基于图像特征点全局校正的鲁棒水印方法，包括：

(1)水印嵌入步骤：

(1a)通过密钥Key1生成一个二值的伪随机水印序列b={b₁,b₂,…,b_L}，b_d∈{0,1}，d=1,2,…,L，L是水印序列的位数；

(1b)利用尺度不变特征变换SIFT检测算子，提取原始图像I的SIFT特征点，获得原始图像I的SIFT特征点集F；

(1c)以高斯平滑滤波后的图像I_s的每一个像素为一个点构造网格图，按照距离约束进行图像分割，将平滑图像I_s划分为不同的区域，得到不同分割区域集S={s₁,s₂,…,s_k}，s_t表示一个分割区域，t=1,2,…,k，k是分割区域的个数；

(1d)从分割集S中每一个区域所对应原始图像I的相应区域内，在中频尺度范围内选择特征强度最大的SIFT特征点，作为圆心构造半径为R的稳定且彼此独立的圆形特征区域，若该区域不存在SIFT特征点，则不选择该分割区域所对应原始图像I的相应区域，从而获得一系列圆形特征区域O={o₁,o₂,…,o_h}，o_l表示一个圆形特征区域，l=1,2，…,h，h是圆形特征区域的个数，h≤k；

(1e)将获得的圆形特征区域四周补0，得到外接方形子图像，计算该外接方形子图像的Zernike矩，并利用抖动量化调制的方法将水印嵌入到筛选出的L个Zernike矩的幅度值中，该L个Zernike矩的位置信息保存为密钥Key2；

(1f)对Zernike矩进行重构，获得含水印的外接方形子图像，并将这些含水印的外接方形子图像去掉周围0值后逐个替换原始圆形特征区域，得到含有水印的图像；

(2)校正受攻击图像步骤：

(2a)利用尺度不变特征变换SIFT检测算子提取受攻击图像I′的SIFT特征点，获得受攻击图像I′的SIFT特征点集F′；

(2b)利用原始图像I的SIFT特征点集F和受攻击图像I′的SIFT特征点集F′，根据距离约束做特征点匹配；

(2c)在匹配好特征点的基础上，利用随机抽样一致RANSAC方法，对匹配好的点进行优化迭代，除去匹配错误的点，计算原始图像I到受攻击图像I′的变换参数T为：

T=t11t120t21t220t31t321,]]>

式中，t_pq表示待计算的参数，p=1,2,3，q=1,2；

(2d)根据受攻击图像I′和变换参数T，逐像素恢复其到未受攻击时的位置，得到受攻击图像I′校正之后的图像I₁；

(3)水印检测步骤：

(3a)利用尺度不变特征变换SIFT检测算子，提取校正之后图像I₁的尺度不变特征变换SIFT特征点；

(3b)以校正之后图像I₁的每一个像素为一个结点构造网格图，按照距离约束进行图像分割，将校正之后的图像I₁划分为不同区域，得到不同分割区域集表示一个分割区域，t′=1,2，…,k′，k′是分割区域的个数；

(3c)从分割区域集S′中每一个区域所对应的校正之后图像I₁的相应区域内，在中频尺度内选择特征强度最大的SIFT特征点，作为圆心构造半径为R的稳定且彼此独立的圆形特征区域，若该区域不存在SIFT特征点，则不选择该分割区域所对应的校正之后图像I₁的相应区域，从而获得一系列圆形特征区域表示一个圆形特征区域，l′=1,2，…,h′，h′是圆形特征区域的个数，h′≤k′；

(3d)对获得的圆形特征区域四周补0，得到外接方形子图像，计算该外接方形子图像的Zernike矩，对Zernike矩进行筛选，得到校正之后图像I₁的Zernike矩集合为：

m≤M_max，n≠4g，g=0,1,2,…，

式中，M_max是最大阶数，表示阶数为m，重复度为n的Zernike矩；

(3e)利用与嵌入水印过程相同的密钥Key2，从中选择L个Zernike矩用于水印提取，其对应的幅值为是阶数为m_r，重复度为n_r的Zernike矩，r=1,2,…,L，是的幅值；

(3f)通过最小距离解码提取水印

(3g)定义匹配检测阈值X=23，定义x为正确匹配的水印位数，逐位比较原始水印b={b₁,b₂,…,b_L}与提取的水印得到正确匹配的水印位数x，并将该水印位数x与预先定义的匹配检测阈值X进行比较，判断该圆形特征区域中是否嵌入水印，当x≥X时，则该圆形特征区域嵌入了水印；当x<X时，则该圆形特征区域没有嵌入水印；依次检测校正之后图像I₁的所有圆形特征区域，若检测出大于等于2个的圆形特征区域嵌入了水印，则认为校正之后的图像I₁嵌入了水印，否则认为校正之后的图像I₁没有嵌入水印。