黃喜陽, 杜慶治,*, 馬迪南, 龍 華,, 邵玉斌, 劉 堯

1.昆明理工大學(xué) 信息工程與自動化學(xué)院, 云南 昆明 650504;2.云南省媒體融合重點實驗室, 云南 昆明 650228

水印信息嵌入在載體圖像中,不影響原始圖像的可觀性和完整性。數(shù)字水印可以視為在載體對象的強背景下疊加一個作為水印的弱信號[1],也是一種基于內(nèi)容的、非密碼機制的計算機信息隱藏技術(shù)。它可以將一些標識信息直接嵌入數(shù)字載體當中,且不影響原載體的使用價值,也不容易被探知和再次修改[2]。圖像水印根據(jù)不同使用場景,分為脆弱性水印、半脆弱性水印、魯棒性水印[3]。脆弱性水印主要用于重要軍事圖像、新聞圖像、醫(yī)學(xué)圖像的認證等。根據(jù)嵌入位置可分為感興趣區(qū)域和非感興趣區(qū)域[4]。對于一些重要的人物新聞圖像,為防止在傳輸過程被篡改后造成信息安全隱患,采用脆弱性圖像水印保護這些照片是非常有必要的。

文獻[5]提出了一種空間域求QR分解矩陣R的第一行和第一列的元素,再選取得到的矩陣R元素,在不進行真QR分解的情況下,在空間域上實現(xiàn)了所提出的水印技術(shù)過程。文獻[6]提出了一種基于單級離散小波變換(DiscreteWavelet Transform,DWT)和QR分解相結(jié)合的混合圖像水印方案,首先對主彩色圖像的B通道進行Haar變換,將LL子帶劃分為4×4個不重疊塊,然后對每個分塊進行QR分解,分別計算矩陣Q和矩陣R。將水印位嵌入到矩陣R的第一個元素中。文獻[7]提出了QR分解和傅里葉變換的圖像認證脆弱水印,對載體圖片進行傅里葉變換后和水印圖片均進行QR分解,并通過矩陣R對水印進行嵌入。文獻[8]提出了一種對載體圖像進行處理分成不重疊的塊,然后選取標準差較低的塊嵌入水印,將每個選定塊進行DWT分解后,對低頻率子帶進行QR分解。

基于現(xiàn)有的研究,脆弱性水印算法并未充分利用低頻細節(jié)部分及其低頻細節(jié)中每一個像素,因此含水印載體圖像的不可感知性和脆弱性不夠理想。針對上述問題,本文考慮到人物新聞圖像一般分為高頻部分和低頻部分,高頻記錄了人物的面部細節(jié)特征,低頻記錄人物臉部顏色、光影和背景等,而人眼視覺系統(tǒng)更聚焦于高頻部分,在低頻細節(jié)中每一個像素嵌入水印信息可提高不可感知性和脆弱性。Arnold置亂算法可將水印圖像的像素位置進行重新排列,使得水印更難以察覺和移除,這種置亂過程不可逆,只有知道具體的置亂參數(shù)才能還原出原始水印圖像,從而提高版權(quán)的可執(zhí)行性。而DWT變換是一種局部變換,它可以將嵌入的水印分散到圖像的不同部位,并且人物新聞圖像的低頻部分包含了圖像的主要內(nèi)容,因此在這個區(qū)域嵌入水印對圖像的影響相對較小,不會影響圖像的清晰度和細節(jié),同時QR分解是一種比較快速的矩陣分解方法,可以在較短的時間內(nèi)完成水印嵌入和提取操作。

因此本文提出一種Arnold置亂結(jié)合DWT和QR的人物新聞圖像脆弱性水印算法,首先將水印圖像Arnold置亂加密,再提取載體圖像B通道的低頻部分進行QR分解,最后將置亂加密的水印圖像QR分解后嵌入在載體圖像矩陣R中每一個元素。

1 水印算法原理

在人物新聞圖像攝影中為了準確表現(xiàn)人物形象情感、社會角色等,攝影鏡頭更聚焦于人物面部細節(jié)特征即高頻部分,因此嵌入的水印信息需要保證載體圖像不可感知性的同時具有較好的脆弱性。為了將水印信息嵌入在人物新聞圖像的低頻部分的每一個像素,使含水印載體圖像有較好的不可感知性和脆弱性,同時具有抗水印信息破譯的能力,本文提出一種基于Arnold-DWT-QR的算法,以3×3矩陣為例,其原理如下所示。

假設(shè)載體人物新聞圖像I在RGB色彩空間分離出R、G、B通道,并利用某一通道進行水印的嵌入可提高不可感知性,表示為(R,G,B)=I。

并對B通道采用離散小波變換(DWT)提取低頻細節(jié)部分LL進行QR分解,DWT是時間與頻率的局部變換,利用小波函數(shù)按照不同的尺度對于原始信號進行的一種線性分解運算,每次分解都將待分解信號轉(zhuǎn)換為逼近子圖和細節(jié)子圖,可通過修改逼近子圖或細節(jié)子圖上某些小波系數(shù)來嵌入水印信息[9],其中人眼對低頻子帶部分不敏感,因此對于人物新聞圖像低頻子帶進行水印嵌入可提高不可感知性。表示為

(QI,RI)=QR(LL),

(1)

再將水印圖像S經(jīng)過Arnold置亂達到加密效果。Arnold變換采用改變像素坐標實現(xiàn)改變圖像像素點的位置實現(xiàn)水印加密過程,其表達式為

(2)

其中(x,y)是原水印圖像的像素點坐標,(x′,y′)是變換后新圖像W的像素點坐標,M表示數(shù)字圖像矩陣階數(shù)。

對Arnold置亂后的水印圖像W進行QR分解表示為

(QW,RW)=QR(W),

(3)

并以a為嵌入系數(shù)將水印信息的RW矩陣嵌入圖像RI矩陣得到含水印信息的RWI矩陣:

(4)

最后進行逆QR分解得到含水印信息的低頻子帶LLW矩陣:

(5)

令LL=(l1,l2,…,lN-1,lN),LLW=(lw1,lw2,…,lwN-1,lwN),其中l(wèi)i、lwi(i=1,2,…,N)分別為LL、LLW矩陣的列向量。

由上述公式(5)可以看出,在低頻子LL的RI矩陣元素中嵌入水印信息,雖然一定程度上影響了不可感知性,但在LLW低頻子帶矩陣元素中均包含置亂后的水印信息,未受到攻擊時通過li與lwi運算提取出置亂后水印圖像的RW矩陣,再通過逆Arnold變換可完整提取水印信息。當含水印圖像受到剪裁、替換等攻擊時,使得lwi中元素發(fā)生改變,通過嵌入算法的逆過程均不能完整的提取出水印信息,因此Arnold-DWT-QR算法具有較強的脆弱性、抗破譯能力和圖像認證能力。

2 水印嵌入與提取

在圖像接收方驗證含水印人物新聞圖像是否被篡改以達到圖像認證目的,因此嵌入脆弱性水印是非常有必要的。將小波變換得到的低頻分量中的所有像素位置均進行水印嵌入,以提高含水印的人物新聞圖片不可感知性和脆弱性,本文提出的基于Arnold-DWT-QR的圖像認證脆弱性水印算法過程如下。

2.1 水印的嵌入過程

預(yù)處理:在進行算法之前,先對M×M大小載體圖片I進行R、G、B三通道分離,并將水印圖片灰度化。

離散小波變換:離散小波變換從時域轉(zhuǎn)化為小波域,并提取人物新聞圖像中低頻部分進行水印嵌入,以提高水印的視覺質(zhì)量,因此對載體圖像B通道進行Haar一級小波變換,得到逼近子圖的低頻LL部分。

Arnold置亂:對灰度化的水印圖像進行像素點位置變化,實現(xiàn)水印置亂加密。

QR分解:對載體圖片低頻子帶LL部分和置亂加密后的水印圖像均進行QR分解,得到低頻部分矩陣Qi(x,y)和Ri(x,y),水印圖像的Qw(x,y)和Rw(x,y)矩陣。

水印嵌入:為了保證含水印圖像的不可感知性,選取更多值為0的上三角矩陣R作為水印的嵌入矩陣。嵌入算法是將置亂的水印照片的Rw(x,y)矩陣以α為嵌入系數(shù)嵌入到載體圖像低頻細節(jié)子帶的Ri(x,y)矩陣,得到新的Rn(x,y)矩陣,嵌入算法的公式為Rn(x,y)=Ri(x,y)+αRw(x,y)。水印嵌入過程如圖1所示。

圖1 水印的嵌入過程圖

2.2 水印的提取過程

人物新聞?wù)掌瑐鬏斶^程中需要保證其圖像內(nèi)容與真實事件的一致性,因此嵌入Arnold-DWT-QR脆弱性水印算法,在保證不可感知性的同時該算法在未受攻擊情況下可完整提取出水印信息。當提取出的水印信息不完整時,可判定該照片受到攻擊,其提取過程如下:預(yù)處理:對帶水印載體圖片進行R、G、B三通道分離。

離散小波變換:將帶水印照片B通道進行DWT變換,選取低頻部分。

置亂的水印圖像提取:逆嵌入算法是將得到的Re(x,y)矩陣最后與原始水印圖像的Qw(x,y)矩陣相乘,得到提取的水印照片W(x,y)=Re(x,y)Qw(x,y)。

逆Arnold變換:最后將提取置亂的水印圖像進行逆Arnold變換對水印圖像進行解密,得到原始水印圖像。

當提取水印時,若在沒有受到攻擊時,在含水印載體圖像中可完整提取出原始水印信息,可保證接收方接收到的人物新聞圖像是未被篡改的,當人物新聞?wù)掌蝗藶楣魰r,則無法正常提取出水印信息,具有良好的脆弱性和圖像認證能力。提取過程如圖2所示。

圖2 水印提取過程圖

3 性能指標與實驗仿真

3.1 性能指標

為了測試水印圖像性能,利用更加精確的數(shù)據(jù)來客觀評估圖像質(zhì)量指標,如峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)、歸一化的相關(guān)系數(shù)(Normalized Correlation,NC)、結(jié)構(gòu)相似度(Structural Similarity,SSIM)等[11]。

3.1.1 不可感知性

峰值信噪比:在本文中通過計算載體圖像與含水印載體圖像的峰值信噪比(PSNR)來體現(xiàn)不可感知性,PSNR通過均方誤差(MSE)定義為

PSNR單位dB,載體圖像像素最大值為255,因此PSNR數(shù)值越高,代表兩圖像相似度更高,在人眼視覺中,PSNR大于30 dB則具有較好的不可感知性。

3.1.2 脆弱性

歸一化的相關(guān)系數(shù):NC主要評價提取水印與原始水印圖像的脆弱性,是利用平方差進行匹配,通過計算原始水印與提取水印的歸一化相關(guān)系數(shù),值越接近0,則脆弱性較好,圖像認證能力越強,計算指標表達式為

結(jié)構(gòu)相似度:SSIM是一種基于感知的模型,它將圖像的退化視為感知變化的結(jié)構(gòu)信息,還考慮到了亮度掩蔽和對比度掩蔽等重要的感知現(xiàn)象。如果兩幅圖片當中一幅為非失真圖像,另一幅是扭曲后的圖像,兩者的結(jié)構(gòu)相似度即可認為是失真圖像的攝影性能評價方法。相比于常規(guī)所采用的圖像質(zhì)量評價方法,結(jié)構(gòu)相似度在圖像質(zhì)量的判斷方面更能滿足人眼對圖像質(zhì)量的評判等功能,其表達式為

SSIM(I,K)=[l(I,K)α·c(I,K)β·s(I,K)γ]。

上述評價指標中I、K均為m×n大小的圖像,i、j為圖像像素坐標,x、y為原始載體圖像的像素值大小,x′、y′為含水印載體圖像的像素值大小,l(x,y)為比較亮度,c(x,y)為比較對比度,s(x,y)為比較結(jié)構(gòu),利用參數(shù)α、β、γ來調(diào)整定義中3個部分所占的比重,在通常情形下設(shè)為α=β=γ=1。

3.2 實驗仿真

實驗載體和水印圖像如圖3所示,在Python3.6版本下,選取4張800×800的不同彩色人物新聞?wù)掌?水印圖像為400×400的K字母,對4張載體圖像均使用Arnold-DWT-QR算法進行水印的嵌入。

(a) 圖片a (b) 圖片b (c) 圖片c (d) 圖片d (e) 水印圖像

α為嵌入強度,當值越大時表示嵌入水印容量較大,同時帶來不可感知性的下降,通過設(shè)定不同嵌入強度α,得到不同強度下4張載體圖像的PSNR、SSIM值。由于人物新聞圖像高頻信息量較為重要,為提高含水印圖像的不可感知性,在載體圖像低頻部分進行水印的嵌入。本實驗設(shè)置嵌入系數(shù)α為0.01,水印置亂加密密鑰次數(shù)為10。對4張載體圖像均以α為0.01的強度進行Arnold-DWT-QR水印算法,分別得到含水印的載體圖像。以彩色人物新聞圖3(b)為例,得到含水印載體圖像、提取加密后水印圖像、提取解密后水印圖像如圖4所示。

(a) 含水印載體圖像 (b) 提取加密水印圖像 (c) 提取解密水印圖像

在未受到攻擊情況下,4張載體圖像嵌入水印后得到的PSNR、NC和SSIM值見表1。

表1 不可感知性和脆弱性指標

在人類視覺中大于30 dB以上均不影響可觀性。由于本實驗算法適用于重要人物新聞圖像數(shù)據(jù),由表1可知,4張不同載體圖像的PSNR值均大于50 dB,因此本算法具有較好的不可感知性。

4 脆弱性分析

人物新聞圖像在網(wǎng)絡(luò)傳播過程中,常見的人為攻擊包括JPEG2000、旋轉(zhuǎn)、內(nèi)容替換、剪裁、JPEG等圖像壓縮等,對圖3(b)進行水印嵌入和攻擊并提取水印圖像,同時計算提取水印與原始水印的NC、SSIM值來衡量算法的脆弱性,常見人為攻擊方式及其實驗結(jié)果見表2。非人為攻擊包括高斯噪聲、椒鹽噪聲等,常見非人為攻擊方式及其實驗結(jié)果見表3。

表2 常見人為攻擊

表3 常見非人為攻擊

由表2可知,當圖像受到上角剪裁、壓縮、旋轉(zhuǎn)等人為攻擊情況,提取水印的NC、SSIM值均較差,對于中心剪裁、隨機替換時NC、SSIM值也較差,因此面對各類人為攻擊,具有較好的脆弱性和圖像認證能力。

由表3可知,在非人為的噪聲攻擊下,本文水印算法的脆弱性能也較好,因此可用于圖像保護和認證。本實驗Arnold-DWT-QR算法屬于脆弱性水印算法,與文獻[12]半脆弱性水印相比,對帶水印照片的每一次攻擊都很敏感。

剪裁攻擊是重要圖像數(shù)據(jù)在傳輸過程中最常見的人為攻擊,包括圖像部分替換等,在圖像接收端是否成功檢測水印信息是保證信息安全的重要環(huán)節(jié)。以圖3中4張載體圖像為例進行水印嵌入得到不同含水印的載體圖像,在中心區(qū)域進行剪裁攻擊得到NC值情況如圖5(a)所示。JPEG壓縮攻擊是圖像處理中常用的一種攻擊方法。JPEG的壓縮因子為0～100,隨著壓縮因子值的減小,含水印的圖像逐漸呈現(xiàn)壓縮效果,圖像的不可感知性明顯降低。在不同壓縮因子的JPEG壓縮攻擊下,抗壓縮性能如圖5(b)所示。

(a) 不同剪裁大小得到的NC值 (b) 不同壓縮因子得到的NC值

由圖5可知,隨著中心剪裁面積逐漸增大,以及JPEG壓縮因子減小,NC值逐漸減小,脆弱性越強,因此在面對剪裁、壓縮等攻擊情況下性能越好。

為了驗證本文算法的有效性,將本文算法與文獻[10]與文獻[7]所示的FFT-QR算法進行對比,選取圖3(b)作為載體圖像,嵌入水印強度相同的情況下對兩種算法進行同樣的攻擊,利用NC值來評估算法的脆弱性,結(jié)果見表4,不同攻擊情況下提取的水印圖像如圖6所示。

表4 不同攻擊下的NC值

(a)本文算法在表4所對應(yīng)攻擊下的水印圖像

由表4和圖6可看出,文獻[7]采用FFT-QR算法與本文Arnold-DWT-QR算法相比,在未受到攻擊的情況下提取水印信息均完整,面對中心剪裁的情況下FFT-QR算法的脆弱性程度略高于DWT-QR算法,但兩種算法在視覺上可看出提取的水印圖像均不完整。本文算法在面對上角剪裁、旋轉(zhuǎn)、JPEG壓縮等情況下脆弱性程度更具有優(yōu)勢,由于本文算法將加密后的水印信息嵌入在低頻細節(jié)部分,水印容量為FFT-QR的4倍,因此具有較強的不可感知性、抗水印破譯能力,有利于人物新聞圖像的認證與保護。

5 總結(jié)

隨著計算機技術(shù)和互聯(lián)網(wǎng)的發(fā)展,數(shù)字圖像面臨著各種各樣的攻擊。保護人物新聞圖像免受任何攻擊是非常有必要的,因此在接收端識別圖像是否被篡改,有利于保護信息安全。本文提出了一種基于Arnold-DWT-QR的脆弱性水印圖像認證算法。實驗結(jié)果表明該算法具有較好的不可感知性,同時面對各種弱攻擊都很敏感,受到任何強度微弱攻擊時均不能完整提取水印,且通過Arnold置亂加密,可防止水印信息被破譯。本實驗與文獻[7]相比,水印容量提高了4倍,且歸一化相關(guān)系數(shù)相同的情況下,峰值信噪比提高了6.154 dB,在不考慮篡改定位情況下,本算法具有很好的人物新聞圖像保護和認證能力。在未來可進一步對篡改定位進行研究。