專(zhuān)利名稱(chēng)：一種抗幾何攻擊的魯棒指紋嵌入與提取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于多媒體信息安全技術(shù)領(lǐng)域，具體涉及一種抗幾何攻擊的魯棒指紋嵌入 與提取方法。
背景技術(shù)：
隨著信息技術(shù)多媒體技術(shù)和計(jì)算機(jī)網(wǎng)絡(luò)的飛速發(fā)展，數(shù)字多媒體信息(圖像、文 本、音頻、視頻)的存儲(chǔ)、復(fù)制與傳播變得非常方便快捷。這給廣大創(chuàng)作者和發(fā)行商帶來(lái)了 新機(jī)遇，但同時(shí)也非常容易造成數(shù)字作品的非法拷貝和非法。隨著我國(guó)數(shù)字電視的推廣和 普及，數(shù)字化的音視頻播放錄制設(shè)備走進(jìn)千家萬(wàn)戶(hù)，數(shù)字電視網(wǎng)上的非法復(fù)制和侵權(quán)行為 將更加嚴(yán)重。因此，如何通過(guò)對(duì)非法分發(fā)者的身份進(jìn)行確認(rèn)，并對(duì)其進(jìn)行控告和懲戒，進(jìn)而 形成一種打擊非法侵權(quán)的威懾力量，已形成版權(quán)保護(hù)亟待解決的問(wèn)題。這個(gè)問(wèn)題的解決要求在版權(quán)保護(hù)中實(shí)施跟蹤機(jī)制，也就是能夠?qū)?shù)字作品拷貝的 銷(xiāo)售、使用、流通和存儲(chǔ)行為給予監(jiān)督和控制。許多加密技術(shù)和數(shù)字版權(quán)管理(DRM)框架采 用端到端的加密來(lái)保護(hù)數(shù)字媒體的版權(quán)。但一旦加密媒體數(shù)據(jù)被解密后，這種保護(hù)機(jī)制就 不再有效了。數(shù)字水印方法則可用于對(duì)解密后的多媒體內(nèi)容提供進(jìn)一步的保護(hù)。作為數(shù)字 水印的一個(gè)分支，數(shù)字指紋就是解決這類(lèi)問(wèn)題的一種版權(quán)跟蹤技術(shù)作為解決這類(lèi)問(wèn)題的一 種有效和最具潛力的方法，已成為研究的熱點(diǎn)。當(dāng)前，數(shù)字指紋領(lǐng)域的研究主要集中在設(shè)計(jì) 抗共謀攻擊的數(shù)字指紋編碼方案，而忽視了數(shù)字指紋的魯棒性方面的研究，特別是抗幾何 攻擊方面的研究。目前抵抗幾何攻擊仍然是水印領(lǐng)域所面臨的最大困難，也是研究的熱點(diǎn) 之一。指紋信息和普通水印信息的嵌入器和提取器非常類(lèi)似，那么攻擊者即使只對(duì)目標(biāo) 圖像做輕微的幾乎不可察覺(jué)的幾何攻擊如旋轉(zhuǎn)、縮放、變換等，雖然指紋信息還留存在指紋 圖像中，但是大多數(shù)指紋提取器卻不能正確提取指紋信息。幾何攻擊試圖破壞載體數(shù)據(jù)和 指紋的同步性，被攻擊的數(shù)字作品中指紋仍然存在，而且幅度沒(méi)有變化，但由于指紋信號(hào)已 經(jīng)錯(cuò)位，不能維持正常指紋提取過(guò)程所需要的同步性，因此指紋提取器就不可能、或者無(wú)法 實(shí)行對(duì)指紋的恢復(fù)和提取?？梢?jiàn)幾何攻擊對(duì)數(shù)字指紋系統(tǒng)十分致命，指紋信息無(wú)法正確提 取，追蹤共謀者失去了依據(jù)，指紋的抗共謀攻擊能力也只能成為空談，因而數(shù)字指紋的魯棒 性研究也應(yīng)該是數(shù)字指紋研究中很重要的一環(huán)。數(shù)字指紋系統(tǒng)與數(shù)字水印系統(tǒng)雖然都是在多媒體中嵌入信息，但是指紋系統(tǒng)對(duì)多 媒體的嵌入容量有更高的要求，并需要同時(shí)保證魯棒性和實(shí)時(shí)性。如果直接在空域中嵌入 指紋，算法復(fù)雜度低，效率高，但是魯棒性不高，而且嵌入容量有限，滿(mǎn)足不了指紋系統(tǒng)的需 求；現(xiàn)有的指紋系統(tǒng)較多選擇將指紋嵌入在頻域中，雖然魯棒性較好，但是需要將視頻或 圖像先進(jìn)行頻域變換，復(fù)雜度較高，難以滿(mǎn)足指紋實(shí)時(shí)嵌入的需求，尤其是針對(duì)視頻指紋系 統(tǒng)。因此，指紋的實(shí)時(shí)嵌入也是數(shù)字指紋研究中的另一個(gè)重點(diǎn)。目前，國(guó)內(nèi)外還未出現(xiàn)有關(guān)抗幾何攻擊的魯棒指紋嵌入技術(shù)的研究文獻(xiàn)，但在 數(shù)字水印領(lǐng)域近些年涌現(xiàn)出大量不同的抗幾何攻擊的水印算法，抗幾何攻擊的水印方法大致分為兩類(lèi)全局水印方法主要是在像素、頻率或者其他變換系數(shù)中嵌入信息，該類(lèi)又 可劃分為基于圖像校準(zhǔn)的、基于同步模板的、基于自參考水印的和基于不變量的四類(lèi)方 法。其中有代表性的方法是基于不變量的方法，文獻(xiàn)“Rotation，scale and translation invariantspread spectrum digital image watermarking"(0' Ruanaidh,J. and T·Pun· SignalProcessing, 1998,66 (3) :303_317)提出一種基于 Fourier-MelIin 變換的水印 方法，盡管能夠抵抗RST(旋轉(zhuǎn)、縮放和平移)攻擊，但是依然不能同時(shí)抵抗裁剪、縱橫比 改變和RST聯(lián)合攻擊中常伴隨的剪切等其它攻擊，而且對(duì)圖像的視覺(jué)質(zhì)量影響很大。文 獻(xiàn)“Invariant Image Watermark Using ZernikeMoments，，· (Kim, H. S. and H. -K. Lee. IEEE Transactions on Circuits andSystems for Video Technology,2003，13 (8) 766-775)提出基于Zernike矩的抗幾何攻擊水印方法，該方法的缺陷是計(jì)算復(fù)雜度高， 并且不能抵抗裁剪和縱橫比改變等攻擊?；谔卣鞯木植克》椒ǎ且环N基于圖像內(nèi) 容的局部化數(shù)字水印方案，能夠抵抗裁剪等局部幾何攻擊。一般來(lái)說(shuō)，局部化數(shù)字水印就 是將水印信息嵌入圖像的多個(gè)局部位置，水印檢測(cè)器通過(guò)局部圖像就可以提取水印，并 判斷水印的存在性。最近幾年，研究者將模式識(shí)別領(lǐng)域中基于尺度空間思想的而尺度不 變特征，如 SIFT、Harris-Laplace，用來(lái)同步水印。文獻(xiàn)"Robust image watermarking using local invariantfeatures" (Hae-Yeoun Lee, Kim Hyungshin, Heung-Kyu Lee. OpticalEngineering, 2006,45 (3) =037002)利用SIFT特征來(lái)構(gòu)造圓形的水印嵌入?yún)^(qū)域，該 方案可以抵抗Stirmark工具中的大多數(shù)攻擊，文獻(xiàn)"Localized imagewatermarking based on feature points of scale-space representation，，(Seo Jin S. ,Yoo Chang D. Pattern Recognition, 2004, 37 (7) : 1365-1375)中利用 Harris-Laplace 點(diǎn)作為同步水印的特征點(diǎn)， 在每個(gè)Harris-Laplace點(diǎn)處，水印依據(jù)特征尺度和特征角度進(jìn)行仿射標(biāo)準(zhǔn)化后的嵌入，通 過(guò)將水印和圖像的局部特征綁定在一起，可以獲得對(duì)仿射變換的抵抗能力。但是對(duì)用戶(hù)量 較大的指紋系統(tǒng)而言，指紋信息的長(zhǎng)度將超過(guò)千位，局部不變特征區(qū)域的指紋容量遠(yuǎn)遠(yuǎn)小 于指紋系統(tǒng)的指紋容量要求，另外此類(lèi)算法計(jì)算復(fù)雜度高，無(wú)法滿(mǎn)足視頻指紋嵌入的實(shí)時(shí) 性要求。 綜上所述，研究學(xué)者在抗幾何攻擊水印領(lǐng)域進(jìn)行了大量的研究工作，但是現(xiàn)有的 抗幾何攻擊的水印技術(shù)不能直接應(yīng)用于數(shù)字指紋系統(tǒng)使其具有抵抗幾何攻擊的能力；此 外，現(xiàn)有指紋系統(tǒng)一般將指紋嵌入在多媒體的頻域，針對(duì)大批量圖像或視頻應(yīng)用，難以滿(mǎn)足 實(shí)時(shí)嵌入的需求。因此研究既能抗幾何攻擊，又能滿(mǎn)足實(shí)時(shí)性要求的魯棒指紋嵌入和提取 方法也是數(shù)字指紋研究中亟待解決的問(wèn)題。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種抗幾何攻擊的魯棒數(shù)字指紋嵌入和提取方法，該方法 既具有很強(qiáng)的魯棒性和透明性，能抵抗常規(guī)幾何攻擊，又具有較低的計(jì)算復(fù)雜度，滿(mǎn)足指紋 系統(tǒng)實(shí)時(shí)嵌入的要求。本發(fā)明提供的一種抗幾何攻擊的魯棒指紋嵌入與提取方法，其特征在于，其步驟 包括第1步指紋自適應(yīng)嵌入第1. 1步設(shè)定原始圖像或原始視頻的視頻幀為1，1的大小為MXN，其中M為視頻幀的長(zhǎng)度，N為視頻幀的寬度；設(shè)定用戶(hù)的數(shù)量為U，定義已編碼的某用戶(hù)的一維指紋信 息Q的長(zhǎng)度為L(zhǎng)，100 ^ L ^ 10000 ；創(chuàng)建一個(gè)與I 一樣大小的矩陣P，將指紋信息Q順序放 在矩陣P中zigzag掃描順序的第L+1位到第2L位之間，矩陣P的其他元素設(shè)置為零；第1.2步對(duì)矩陣P做逆整體DCT變換，得到逆整體DCT變換后的指紋信息R，R 的大小與P —樣；第1. 3步設(shè)計(jì)視覺(jué)感知掩蔽模板Λ A = α X (I-NVF)+ β XNVF其中，α和β用于調(diào)節(jié)指紋嵌入的強(qiáng)度，3彡α ^ 20,1 ^ β ^ 10 ；NVF為噪聲 可見(jiàn)函數(shù)，其定義為NVF {ij)=——-
\ + θσ2( ,β其中，i= l，2，L，M;j = 1，2，L，N; θ 是調(diào)整參數(shù)，o2(i, j)表示 I 在以坐標(biāo)(i， j)上的像素I(i，j)為中心的一個(gè)窗口內(nèi)的局部方差；第1.4步將逆整體DCT變換后的指紋信息R自適應(yīng)的嵌入，得到嵌入指紋的圖 像或視頻幀Γ I' (i, j) = I(i, j) + A (i, j) XR(i, j)其中，I(i，j)表示原始圖像或視頻幀I在坐標(biāo)(i，j)的像素值，Γ (i，j)表示 嵌入指紋的圖像或視頻幀的Γ在坐標(biāo)(i，j)的像素值，R(i，j)表示R在第i行第j列處 的值，A (i，j)表示Λ在第i行第j列處的值；第2步指紋提取第2. 1步進(jìn)行仿射參數(shù)估算，得到估算后的仿射參數(shù)；第2. 2步利用估算后的仿射參數(shù)對(duì)待檢測(cè)圖像或視頻幀If做幾何恢復(fù)，得到幾 何恢復(fù)后的待檢測(cè)圖像或視頻幀Ih ；第2. 3步計(jì)算幾何恢復(fù)后的待檢測(cè)圖像或視頻幀Ih與原始圖像或原始視頻的 視頻幀I的差值Id，對(duì)差值Id做整體DCT變換得到整體DCT系數(shù)矩陣Y ；第2. 4步選取整體DCT系數(shù)矩陣Y中zigzag掃描順序的第L+1到2L的系數(shù)值， 組成一個(gè)一維向量，記為H;第2.5步設(shè)t表示用戶(hù)的序號(hào)，t = 1，2，L，U，向量H與每一位用戶(hù)的指紋信息 Yt之間的相關(guān)值小1計(jì)算如下
,Yt-H 於=麗其中，Yt ·Η表示Yt與Η的內(nèi)積，IYt與IHI分別表示Yt與Η的模，計(jì)算相關(guān)值(^t 的最大值，記為Φν，ν表示最大值所對(duì)應(yīng)的用戶(hù)的序號(hào)，如果最大值Φν大于等于預(yù)先設(shè)定 的檢測(cè)閾值T1，則判定該待檢測(cè)圖像或視頻幀If屬于指紋信息Yv對(duì)應(yīng)的用戶(hù)，否則無(wú)法判 定該待檢測(cè)圖像或視頻幀If的用戶(hù)；第2. 6步結(jié)束。與現(xiàn)有技術(shù)相比，本發(fā)明提出的基于幾何校正的指紋嵌入與提取方法對(duì)幾何攻擊 具有較強(qiáng)的魯棒性，指紋嵌入利用DCT變換的線性正交可逆特性，創(chuàng)新性的將指紋巧妙的 間接嵌入到多媒體作品的整體DCT域，并且大幅度降低了計(jì)算復(fù)雜度，既適用于圖像又適用于視頻作品，因?yàn)檎wDCT域?qū)ζ胀〝?shù)字信號(hào)處理就有很好的魯棒性，本發(fā)明中的算法 能抵抗普通數(shù)字信號(hào)處理攻擊。在提取指紋時(shí)利用SIFT特征具有較強(qiáng)的抗幾何攻擊能力， 提出基于SIFT特征點(diǎn)的幾何校正方法，它能很好的校正多媒體作品，使得載體數(shù)據(jù)與指紋 之間的同步恢復(fù)，從而達(dá)到抵抗幾何攻擊的目的。因此，該數(shù)字指紋的嵌入方法對(duì)幾何攻擊 具有很好的魯棒性，同時(shí)具備實(shí)時(shí)性，滿(mǎn)足圖像和視頻應(yīng)用的需求。
圖1為本發(fā)明方法的整體框架圖；圖2為zigzag掃描示意圖；圖3為指紋提取時(shí)仿射參數(shù)估算的過(guò)程圖；圖4為幾何校正實(shí)例圖，其中(a)圖為遭受10度旋轉(zhuǎn)攻擊后的待檢測(cè)圖像；(b)圖 為幾何校正后的待檢測(cè)圖像；圖5為測(cè)試圖像，其中(a)圖為“Lena”圖像，(b)圖為“Papers”圖像，(c)圖為 “Fishingboat” 圖像，(d)圖為 “Baboon” 圖像；圖6為測(cè)試視頻序列，其中(a)圖為“Flower-Garden”視頻序列，(b)圖為 “Cutthroat”視頻序列；圖7為原始圖像與嵌入指紋后圖像的對(duì)比圖，其中(a)圖為原始“Lena”圖像，(b) 圖為嵌入指紋后的“Lena”圖像；圖8為嵌入指紋后測(cè)試視頻的PSNR(峰值信噪比)分布曲線圖，其中(a)圖為 嵌入指紋后的“Flower-Garden”視頻序列的PSNR分布曲線圖，(b)圖為嵌入指紋后的 “Cutthroat”視頻序列的PSNR分布曲線圖；圖9為不同幾何攻擊下本發(fā)明中方法的魯棒性，其中(a)圖為方法抗等比縮放攻 擊的魯棒性，(b)圖為方法縱橫比改變攻擊的魯棒性，(c)圖為抗旋轉(zhuǎn)以及伴隨裁剪的RST 聯(lián)合攻擊的魯棒性，(d)圖為方法抗仿射變換的魯棒性，(e)圖為方法抗裁剪攻擊的魯棒 性。
具體實(shí)施例方式以下結(jié)合附圖和具體實(shí)例對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步詳細(xì)說(shuō)明。本發(fā)明中將編碼好的指紋信息自適應(yīng)嵌入在原始圖像或原始視頻的視頻幀的整 體DCT域。整體DCT變換是最基本的酉變換之一，其基本線性運(yùn)算式是正交可逆的。因此， 將指紋信息嵌入到圖像或視頻幀的整體DCT域后圖像再做逆DCT變換與將指紋信息做逆 DCT變換嵌入到圖像或視頻幀的空域的魯棒性能是一致，而第二種方法與第一種方法相比， 對(duì)單幅圖像而言少做了一次整體DCT變換，對(duì)同一用戶(hù)的大批量的圖像和視頻作品而言， 嵌入的指紋信息是一樣的，即是只需要對(duì)指紋信息做一次逆整體DCT變換后保存則對(duì)該用 戶(hù)的所有作品都可以通用，相比第一種方法對(duì)所有的數(shù)字作品都需要整體DCT變換和逆整 體DCT變換，可以大幅度節(jié)省嵌入時(shí)間。因此，我們采用第二種方法。本發(fā)明中的方法如圖 1所示，將編碼后的指紋信息進(jìn)行預(yù)處理，對(duì)它做逆整體DCT變換，通過(guò)修改原始圖像或視 頻幀空域中的像素值將指紋信息的逆整體DCT系數(shù)自適應(yīng)嵌入，得到嵌入指紋的圖像或視 頻幀；而指紋提取則是對(duì)待檢測(cè)圖像或視頻幀進(jìn)行基于SIFT特征點(diǎn)的幾何校正，再求校正后的圖像或視頻幀與原始圖像或視頻幀的差值，并對(duì)該差值做整體DCT變換，按照嵌入的 規(guī)則選擇嵌有指紋的整體DCT系數(shù)序列，最后通過(guò)計(jì)算該序列與可疑指紋的相關(guān)值來(lái)判定 待檢測(cè)圖像或視頻屬于哪位用戶(hù)。下面具體說(shuō)明指紋嵌入過(guò)程和指紋提取過(guò)程的具體實(shí)施步驟。第1步指紋自適應(yīng)嵌入指紋信息的自適應(yīng)嵌入過(guò)程如圖1所示，本發(fā)明的自適應(yīng)指紋嵌入的具體步驟 為第1. 1步預(yù)處理。設(shè)定原始圖像或原始視頻的視頻幀為I，I的大小為MXN，其中 M為視頻幀的長(zhǎng)度，N為視頻幀的寬度。設(shè)定用戶(hù)的數(shù)量為U，U為正整數(shù)，U的大小由實(shí)際需 求或?qū)嶒?yàn)需求決定。定義編碼好的某用戶(hù)的一維指紋信息Q的長(zhǎng)度為L(zhǎng)，IOOSLS 10000。 創(chuàng)建一個(gè)與I 一樣大小的矩陣P，將指紋信息Q順序放在矩陣P中zigzag掃描順序的第L+1 位到第2L位之間，矩陣P的其他元素設(shè)置為零。zigzag掃描如圖2所示，從I的左上角的 第一個(gè)像素開(kāi)始，按圖所示的箭頭依次掃描。第1. 2步對(duì)矩陣P做逆整體DCT變換，得到逆整體DCT變換后的指紋信息R，R的 大小與P —樣R=IDCT(P) (1)其中，IDCT (·)表示逆整體DCT變換。第1. 3步設(shè)計(jì)視覺(jué)感知掩蔽模板。為了使得指紋不可感知的被嵌入，我們引入人 類(lèi)視覺(jué)系統(tǒng)(HVS)中的噪聲可見(jiàn)函數(shù)(NVF)，設(shè)計(jì)感知掩蔽模板。NVF 定義為 其中θ是調(diào)整參數(shù)，o2(i，j)表示I在以坐標(biāo)(i，j)上的像素l(i，j)為中心的 一個(gè)窗口內(nèi)的局部方差，窗口的尺寸為(2G+1) X (2G+1)，G為正整數(shù)，1彡G彡3。o2(i,j) 定義為 (3) 其中，I(i，j)表示圖像或視頻幀I在坐標(biāo)(i，j)上的像素值，k，l為正整數(shù)，其取 值范圍均為-G到+G。另外，θ定義為 其中，是局部方差02(i，j)的最大值，D是實(shí)驗(yàn)所得經(jīng)驗(yàn)值，D為正整數(shù)， 50 彡 D 彡 1000。我們將感知掩蔽模板Λ表示為
A = α X (I-NVF)+ β XNVF (5)其中，α和β用于調(diào)節(jié)指紋嵌入的強(qiáng)度，α和β為正實(shí)數(shù)，3彡α彡20， β < 10。第1. 4步指紋嵌入。將逆整體DCT變換后的指紋信息R自適應(yīng)的嵌入，用如下數(shù) 學(xué)表達(dá)式來(lái)描述I' (i，j) = I(i，j) + A(i，j)XR(i，j)(i = l，2，L，M;j = 1，2，L，N) (6)其中，I(i，j)表示原始圖像或視頻幀I在坐標(biāo)(i，j)的像素值，Γ (i，j)表示 嵌入指紋的圖像或視頻幀的Γ在坐標(biāo)(i，j)的像素值，R(i，j)表示R在第i行第j列處 的值，A (i，j)表示Λ在第i行第j列處的值。通過(guò)上述過(guò)程，指紋被嵌入到原始圖像或 視頻幀I的整體DCT域中得到含有指紋的圖像或視頻幀I ‘。第2步指紋提取指紋提取過(guò)程如圖1所示，首先對(duì)待檢測(cè)圖像或視頻的視頻幀進(jìn)行幾何校正，再 求校正后的圖像或視頻幀與原始圖像或視頻的差值，對(duì)該差值做整體DCT變換，在整體DCT 系數(shù)中提取指紋。需要注意的是，數(shù)字指紋的主要目的是識(shí)別和追蹤盜版泄露者，版權(quán)所有 者在發(fā)現(xiàn)他們的數(shù)字作品出現(xiàn)非法拷貝后，愿意配合并提供原始數(shù)字作品，從而可以建立 一個(gè)原始作品數(shù)據(jù)庫(kù)，以便更好的識(shí)別泄露者。雖然在本發(fā)明中的方法在提取指紋過(guò)程中 做幾何校正的時(shí)候，需要原始的數(shù)字作品做參考，但獲取原始作品實(shí)際操作中很容易實(shí)現(xiàn)。 參照?qǐng)D1，指紋提取的具體步驟如下第2. 1步仿射參數(shù)估算為了抵抗幾何攻擊，本發(fā)明在指紋提取時(shí)引入了基于尺度不變特征變換(scale invariant feature transform, SIFT)的幾何校正，在校正之前，需要參照原始數(shù)字作品， 對(duì)待檢測(cè)圖像或視頻幀所遭受的幾何攻擊的參數(shù)進(jìn)行估算。需要說(shuō)明的是，對(duì)同一個(gè)視頻 文件里的視頻幀而言，遭受的幾何攻擊是一樣的，因此在第一次估算出參數(shù)后，將其保存以 備調(diào)用。結(jié)合圖3，具體過(guò)程如下確定需要估算的參數(shù)。圖像的旋轉(zhuǎn)、縮放和平移等幾何變換或者它們的聯(lián)合變換 都可以用仿射變換公式描述其中，(i，j)是原始圖像或視頻幀I的一個(gè)像素的坐標(biāo)位置，(i'，j')表示經(jīng)幾 何變換后該像素的新坐標(biāo)位置.由式(8)可見(jiàn)，一個(gè)仿射變換方程可以由S = (a, b，c, d， e，f)六個(gè)參數(shù)描述.所以，只需知道幾何變換前后的三個(gè)或三個(gè)以上像素的坐標(biāo)位置，就 可以求出六個(gè)參數(shù)S。第①步計(jì)算SIFT特征點(diǎn)。運(yùn)用SIFT算法分別計(jì)算原始圖像或視頻幀I和待檢 測(cè)圖像或視頻幀If的特征點(diǎn)集，分別記為E和J，記錄E和J中每個(gè)特征點(diǎn)的相關(guān)信息，即 特征點(diǎn)的位置信息和特征尺度，并計(jì)算出每個(gè)特征點(diǎn)的128維的向量描述符。第②步特征點(diǎn)匹配。利用特征點(diǎn)的向量描述符之間的歐式距離作為特征點(diǎn)的匹 配度量。設(shè)特征點(diǎn)集E的特征點(diǎn)為EmOn= 1,2, L，card(E))，其中card(E)表示集合E中 特征點(diǎn)的個(gè)數(shù)；設(shè)特征點(diǎn)集J的特征點(diǎn)為Jn(n = 1，2，L，card(J))，其中card(J)表示集合 J中特征點(diǎn)的個(gè)數(shù)。計(jì)算特征點(diǎn)集E中任選的一個(gè)特征點(diǎn)Em與特征點(diǎn)集J中所有特征點(diǎn)Jn的歐式距離，得到一個(gè)長(zhǎng)度為card(J)的一維向量Wm，它的每一個(gè)元素表示特征點(diǎn)Em與J中 一個(gè)特征點(diǎn)的歐式距離，Wm的第η個(gè)元素^表示為 [128W:=\Y{Em{g)-Jn{g)f(9)求向量Wm中最大值和第二大值，分別記為^和，e, q分別表示這二個(gè)值對(duì)應(yīng) 的序號(hào)，它們分別對(duì)應(yīng)的特征點(diǎn)為Je和J,，如果除以^小于預(yù)先設(shè)定的閾值T2，則特征 點(diǎn)Em和Je被接受為一個(gè)初選匹配特征點(diǎn)對(duì)，其中，0. 1 ^ T2 ^ 0. 9，具體的數(shù)值根據(jù)實(shí)驗(yàn)確 定，否則丟掉該特征點(diǎn)對(duì)。對(duì)特征點(diǎn)集E中剩下的特征點(diǎn)重復(fù)此過(guò)程，計(jì)算出所有的初選匹 配特征點(diǎn)對(duì)形成一個(gè)特征點(diǎn)對(duì)集合，記為F。第③步篩選匹配特征點(diǎn)對(duì)。集合F是初選的匹配特征點(diǎn)對(duì)，集合F當(dāng)中存在部 分錯(cuò)誤匹配特征點(diǎn)對(duì)。由于匹配特征點(diǎn)對(duì)的正確率與精確性在很大程度上決定了仿射參數(shù) 估算的精度，因此需要對(duì)初始匹配特征點(diǎn)對(duì)集合F進(jìn)行進(jìn)一步的篩選。集合F的特征點(diǎn)對(duì) Fr(r = l,2,L,card(F))中的兩個(gè)特征點(diǎn)Fr(I)和Fr(2)的特征尺度分別記為和λ^，計(jì) 算I和λJ勺比值，記為、，計(jì)算集合F的所有特征點(diǎn)對(duì)的特征尺度的比值并計(jì)算全部比 值的平均值7，如果比值、大于均值^的1.3倍或者小于均值^的0.8倍，則認(rèn)為特征點(diǎn)對(duì) Fr為誤配特征點(diǎn)對(duì)，從集合F中刪除&，這樣將集合F的所有特征點(diǎn)對(duì)的特征尺度的比值與 平均值^進(jìn)行一一比較，可以去除誤配特征點(diǎn)對(duì)，得到新的特征點(diǎn)對(duì)集合Ft。第④步仿射參數(shù)估算。采用最小二乘法根據(jù)特征點(diǎn)對(duì)集合Ft估算出攻擊者對(duì)待 檢測(cè)圖像或視頻幀If做的仿射變換的六個(gè)參數(shù)S' = (a'，b' ,c'，d'，e'，f')，因?yàn)?特征點(diǎn)對(duì)在上步中已經(jīng)經(jīng)過(guò)篩選，刪除了誤配特征點(diǎn)對(duì)，所以S'與S非常接近。這樣，待檢 測(cè)圖像或視頻幀If根據(jù)估算的六個(gè)參數(shù)S'做幾何校正后將恢復(fù)指紋的同步。第2. 2步待檢測(cè)圖像或視頻幀的幾何校正。為了增強(qiáng)本發(fā)明中方法對(duì)幾何攻 擊的抵抗能力，對(duì)待檢測(cè)圖像或視頻幀If做基于尺度不變特征變換(scale invariant feature transform, SIFT)特征的幾何校正，利用估算的仿射參數(shù)S'以及公式(10)對(duì)檢 測(cè)圖像或視頻幀If做幾何恢復(fù)得到幾何恢復(fù)后的待檢測(cè)圖像或視頻幀Ih，即利用檢測(cè)圖 像或視頻幀If的坐標(biāo)((i'，j')計(jì)算得到幾何恢復(fù)后的待檢測(cè)圖像或視頻幀Ih的坐標(biāo) (i"，j")。
(10)該坐標(biāo)(i〃，j〃 )近似于原始圖像或原始視頻的坐標(biāo)(i，j)。第2. 3步計(jì)算整體DCT變換系數(shù)。計(jì)算幾何恢復(fù)后的待檢測(cè)圖像或視頻幀Ih與 原始圖像或原始視頻的視頻幀I的差值Id，對(duì)Id做整體DCT變換得到整體DCT系數(shù)矩陣Y。第2. 4步提取指紋。選取整體DCT系數(shù)矩陣Y中zigzag掃描順序的第L+1到2L 的系數(shù)值，組成一個(gè)一維向量，記為H。第2. 5步指紋判定。設(shè)t表示用戶(hù)的序號(hào)，t = 1，2，L，U，向量H與每一位用戶(hù) 的指紋信息Yt之間的相關(guān)值計(jì)算如下 其中，Yt ·Η表示Yt與Η的內(nèi)積，IYt與IHI分別表示Yt與Η的模，計(jì)算相關(guān)值(^t 的最大值，記為Φν，ν表示最大值所對(duì)應(yīng)的用戶(hù)的序號(hào)，如果最大值Φν大于等于預(yù)先設(shè)定 的檢測(cè)閾值T1，則判定該待檢測(cè)圖像或視頻幀If屬于指紋信息Yv對(duì)應(yīng)的用戶(hù)，否則無(wú)法判 定該待檢測(cè)圖像或視頻幀If的用戶(hù)。檢測(cè)閾值T1為實(shí)驗(yàn)所得的經(jīng)驗(yàn)值，0. 01 ^ T1 ^ 0. 05 ；第2. 6步結(jié)束。實(shí)驗(yàn)結(jié)果用實(shí)驗(yàn)仿真Matlab 7模擬本發(fā)明中方法。結(jié)合圖5、圖6、圖7、圖8和圖9，從視 覺(jué)質(zhì)量和魯棒性?xún)煞矫孢M(jìn)行實(shí)驗(yàn)和結(jié)果分析。本發(fā)明中測(cè)試實(shí)驗(yàn)采用如圖5所示的四幅測(cè) 試圖像“Lena”、“P印perWFishingboat”和"Baboon"以及圖6所示的兩個(gè)測(cè)試視頻 “Flower-garden”視頻序列和“Cutthroat”視頻序列。用戶(hù)U設(shè)定為1024，Q的長(zhǎng)度L設(shè)定 為4544，G和D分別定義為2和150，α和β分別定義為17和3，T1和T2分別設(shè)定為0. 02 和 0. 3。(1)視覺(jué)質(zhì)量評(píng)價(jià)視覺(jué)質(zhì)量評(píng)價(jià)通過(guò)測(cè)量指紋圖像的PSNR(Peak Signal-to-Noise Ratio，峰值信 噪比)值進(jìn)行客觀評(píng)價(jià)，為了評(píng)價(jià)本方法的指紋嵌入對(duì)圖像作品的視覺(jué)質(zhì)量的影響，我們 利用本發(fā)明方法在“Lena”等四個(gè)測(cè)試圖像以及兩個(gè)測(cè)試視頻序列中嵌入指紋后，分別計(jì)算 每幅圖像的PSNR值和測(cè)試視頻序列的平均PSNR值。嵌入指紋后的圖像的PSNR值都大于 40dB，如圖7所示，憑肉眼觀察，看不出嵌入指紋后的圖像與原始圖像有任何區(qū)別；如圖8所 示，嵌入指紋后的視頻幀的平均PSNR值基本上都大于35dB，這表明本發(fā)明中的方法可獲得 指紋信息的感知透明性。(2)魯棒性評(píng)價(jià)為了驗(yàn)證本發(fā)明中的水印魯棒性，主要測(cè)試方法能否抵抗常見(jiàn)的幾何攻擊。我們 對(duì)嵌入指紋后的測(cè)試圖像和測(cè)試視頻進(jìn)行一些攻擊，包括旋轉(zhuǎn)、等比例縮放、縱橫比攻擊、 仿射變換、裁剪以及幾種聯(lián)合攻擊，對(duì)于每一類(lèi)攻擊，都有一個(gè)變化的參數(shù)對(duì)攻擊的程度進(jìn) 行調(diào)節(jié)。指紋的魯棒性可以用正確找到攻擊后的嵌入指紋后的測(cè)試圖像和測(cè)試視頻的對(duì)應(yīng) 用戶(hù)的概率B來(lái)評(píng)價(jià)，概率B越高，指紋越魯棒。如果概率高于0. 6，則認(rèn)為本發(fā)明中的方法 是魯棒的，能夠抵抗相應(yīng)的攻擊。從圖9中可以看出，我們提出的方法對(duì)于上述幾何攻擊都 具有較好的魯棒性。
權(quán)利要求
一種抗幾何攻擊的魯棒指紋嵌入與提取方法，其特征在于，其步驟包括第1步 指紋自適應(yīng)嵌入第1.1步 設(shè)定原始圖像或原始視頻的視頻幀為I，I的大小為M×N，其中M為視頻幀的長(zhǎng)度，N為視頻幀的寬度；設(shè)定用戶(hù)的數(shù)量為U，定義已編碼的某用戶(hù)的一維指紋信息Q的長(zhǎng)度為L(zhǎng)，100≤L≤10000；創(chuàng)建一個(gè)與I一樣大小的矩陣P，將指紋信息Q順序放在矩陣P中zigzag掃描順序的第L+1位到第2L位之間，矩陣P的其他元素設(shè)置為零；第1.2步 對(duì)矩陣P做逆整體DCT變換，得到逆整體DCT變換后的指紋信息R，R的大小與P一樣；第1.3步 設(shè)計(jì)視覺(jué)感知掩蔽模板ΛΛ＝α×(1-NVF)+β×NVF其中，α和β用于調(diào)節(jié)指紋嵌入的強(qiáng)度，3≤α≤20，1≤β≤10；NVF為噪聲可見(jiàn)函數(shù)，其定義為 <mrow><mi>NVF</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mrow><mn>1</mn><mo>+</mo><msup> <mi>θσ</mi> <mn>2</mn></msup><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow> </mrow></mfrac> </mrow>其中，i＝1，2，L，M；j＝1，2，L，N；θ是調(diào)整參數(shù)，σ2(i，j)表示I在以坐標(biāo)(i，j)上的像素I(i，j)為中心的一個(gè)窗口內(nèi)的局部方差；第1.4步 將逆整體DCT變換后的指紋信息R自適應(yīng)的嵌入，得到嵌入指紋的圖像或視頻幀I′I′(i，j)＝I(i，j)+Λ(i，j)×R(i，j)其中，I(i，j)表示原始圖像或視頻幀I在坐標(biāo)(i，j)的像素值，I′(i，j)表示嵌入指紋的圖像或視頻幀的I′在坐標(biāo)(i，j)的像素值，R(i，j)表示R在第i行第j列處的值，Λ(i，j)表示Λ在第i行第j列處的值；第2步 指紋提取第2.1步 進(jìn)行仿射參數(shù)估算，得到估算后的仿射參數(shù)；第2.2步 利用估算后的仿射參數(shù)對(duì)待檢測(cè)圖像或視頻幀If做幾何恢復(fù)，得到幾何恢復(fù)后的待檢測(cè)圖像或視頻幀Ih；第2.3步 計(jì)算幾何恢復(fù)后的待檢測(cè)圖像或視頻幀Ih與原始圖像或原始視頻的視頻幀I的差值Id，對(duì)差值Id做整體DCT變換得到整體DCT系數(shù)矩陣Y；第2.4步 選取整體DCT系數(shù)矩陣Y中zigzag掃描順序的第L+1到2L的系數(shù)值，組成一個(gè)一維向量，記為H；第2.5步 設(shè)t表示用戶(hù)的序號(hào)，t＝1，2，L，U，向量H與每一位用戶(hù)的指紋信息Yt之間的相關(guān)值φt計(jì)算如下 <mrow><msub> <mi>φ</mi> <mi>t</mi></msub><mo>=</mo><mfrac> <mrow><msub> <mi>Y</mi> <mi>t</mi></msub><mo>·</mo><mi>H</mi> </mrow> <mrow><mo>|</mo><msub> <mi>Y</mi> <mi>t</mi></msub><mo>|</mo><mo>|</mo><mi>H</mi><mo>|</mo> </mrow></mfrac> </mrow>其中，Yt·H表示Yt與H的內(nèi)積，|Yt|與|H|分別表示Yt與H的模，計(jì)算相關(guān)值φt的最大值，記為φv，v表示最大值所對(duì)應(yīng)的用戶(hù)的序號(hào)，如果最大值φv大于等于預(yù)先設(shè)定的檢測(cè)閾值T1，則判定該待檢測(cè)圖像或視頻幀If屬于指紋信息Yv對(duì)應(yīng)的用戶(hù)，否則無(wú)法判定該待檢測(cè)圖像或視頻幀If的用戶(hù)；第2.6步 結(jié)束。
2.根據(jù)權(quán)利要求1所述的魯棒指紋嵌入與提取方法，其特征在于，第2. 1步進(jìn)行仿射參 數(shù)估算的過(guò)程為第①步運(yùn)用SIFT算法分別計(jì)算原始圖像或視頻幀I和待檢測(cè)圖像或視頻幀If的特 征點(diǎn)集，分別記為E和J，記錄E和J中每個(gè)特征點(diǎn)的相關(guān)信息，即特征點(diǎn)的位置信息和特征 尺度，并計(jì)算出每個(gè)特征點(diǎn)的128維的向量描述符；第②步特征點(diǎn)匹配利用特征點(diǎn)的向量描述符之間的歐式距離作為特征點(diǎn)的匹配度量，設(shè)特征點(diǎn)集E的特 征點(diǎn)為Em，m = 1，2，L，card (E)，其中card (E)表示集合E中特征點(diǎn)的個(gè)數(shù)；設(shè)特征點(diǎn)集J 的特征點(diǎn)為Jn，η = 1,2, L, Card(J)，其中Card(J)表示集合J中特征點(diǎn)的個(gè)數(shù)，計(jì)算特征 點(diǎn)集E中任選的一個(gè)特征點(diǎn)Em與特征點(diǎn)集J中所有特征點(diǎn)Jn的歐式距離，得到一個(gè)長(zhǎng)度為 card(J)的一維向量Wm，它的每一個(gè)元素表示特征點(diǎn)Em與J中一個(gè)特征點(diǎn)的歐式距離，Wm的 第η個(gè)元素^表示為 求向量Wm中最大值和第二大值，分別記為^和^^，e，q分別表示這二個(gè)值對(duì)應(yīng)的序 號(hào)，它們分別對(duì)應(yīng)的特征點(diǎn)為Je和J,，如果除以^小于預(yù)先設(shè)定的閾值T2，則特征點(diǎn)Em 和Je被接受為一個(gè)初選匹配特征點(diǎn)對(duì)，否則丟掉該特征點(diǎn)對(duì)；對(duì)特征點(diǎn)集E中剩下的特征 點(diǎn)重復(fù)此過(guò)程，計(jì)算出所有的初選匹配特征點(diǎn)對(duì)形成一個(gè)特征點(diǎn)對(duì)集合，記為F ；第③步篩選匹配特征點(diǎn)對(duì)記集合F的特征點(diǎn)對(duì)為Fp r = 1，2，L，card (F)，F(xiàn)r中的兩個(gè)特征點(diǎn)Fjl)和的 特征尺度分別記為I和λ ρ計(jì)算和λ ^的比值，記為、，計(jì)算集合F的所有特征點(diǎn)對(duì) 的特征尺度的比值并計(jì)算全部比值的平均值Z ;如果比值、大于均值^的1.3倍或者小于 均值^的0. 8倍，則認(rèn)為特征點(diǎn)對(duì)&為誤配特征點(diǎn)對(duì)，從集合F中刪除&，這樣將集合F的 所有特征點(diǎn)對(duì)的特征尺度的比值與平均值^進(jìn)行一一比較，誤配特征點(diǎn)對(duì)，得到新的特征點(diǎn) 對(duì)集合Ft ；第④步仿射參數(shù)估算采用最小二乘法根據(jù)特征點(diǎn)對(duì)集合Ft估算出攻擊者對(duì)待檢測(cè)圖像或視頻幀If做的仿 射變換的六個(gè)參數(shù)S' = (a'，b' ,c'，d'，e'，f')，待檢測(cè)圖像或視頻幀If根據(jù)估算 的六個(gè)參數(shù)S'做幾何校正后將恢復(fù)指紋的同步。
全文摘要
本發(fā)明公開(kāi)了一種抗幾何攻擊的魯棒指紋嵌入與提取方法，結(jié)合空域和頻域的優(yōu)勢(shì)，解決數(shù)字指紋實(shí)時(shí)嵌入與魯棒性的問(wèn)題，同時(shí)適用于圖像和視頻文件。該方法利用DCT變換的線性正交可逆特性，將指紋巧妙的做逆整體DCT變換，自適應(yīng)的疊加在圖像的空域，此過(guò)程達(dá)到將指紋信息嵌入到多媒體作品的整體DCT域的目的，并且較大幅度地降低了計(jì)算復(fù)雜度以滿(mǎn)足實(shí)時(shí)嵌入的需求。在提取指紋時(shí)利用SIFT特征具有較強(qiáng)的抗幾何攻擊能力，提出基于SIFT特征點(diǎn)的幾何校正方法，它能正確的校正多媒體作品，使得載體數(shù)據(jù)與指紋的同步恢復(fù)，從而達(dá)到抵抗幾何攻擊的目的。本發(fā)明中的數(shù)字指紋的嵌入方法對(duì)幾何攻擊具有很好的魯棒性，同時(shí)具備實(shí)時(shí)性，滿(mǎn)足圖像和視頻應(yīng)用的需求。
文檔編號(hào)G06T1/00GK101887574SQ20101021915
公開(kāi)日2010年11月17日 申請(qǐng)日期2010年7月8日 優(yōu)先權(quán)日2010年7月8日
發(fā)明者馮輝, 凌賀飛, 劉勁, 李平, 王麗云, 鄒復(fù)好 申請(qǐng)人:華中科技大學(xué)