介绍 |
| 互联网的快速扩张在过去几年里迅速增长数字数据的可用性,如音频、图像和视频。通过嵌入知识产权数据(如造物主,许可证模型,创建日期或其他版权信息)在数字对象,数字转换器可以证明他们是创造者和传播这些信息与每个副本,即使数字对象已经被上传到一个第三方网站。它也可以被用来确定工作已经被篡改或复制。嵌入水印的容量计划是指可以嵌入的信息量没有重大损失的质量有水印的图像。只有少数技术提供高容量的数据嵌入提高能力造成不利影响视觉无法感知和各种攻击的水印的鲁棒性。 |
相关工作 |
| 在过去的几个月里,我们见证了问题[1],[2]保护多媒体信息变得越来越重要,很多版权所有者担心保护任何非法复制的数据或工作。一个有效的图像水印方案必须满足一些基本的需求,如水印健壮性、嵌入容量,视觉无法感知,独特性和最小计算水印嵌入和检测的负载。介绍了几何鲁棒图像水印利用不变矩Alghoneimy和特菲克[3]。然而,不变量的非线性性质的不稳定,因为和困难嵌入multi-bit水印信息水印限制其可用性。从那时起,许多不变的水印方案设计使用不同时刻的家庭如Fourier-Mellin时刻[4]、[5]复杂的时刻,小波时刻[6],泽尼克和pseudo-Zernike时刻(zm评选/ PZMs)。其中,zm评选被认为是最适合不变的水印,因为最小的信息冗余和更好的噪声免疫力。zm评选Farzam和Shirani[7]用于设计一个水印方案,提供良好的水印鲁棒性对旋转,添加剂噪声和JPEG压缩。他们的方法,然而,患有高计算复杂度和因为泽尼克逆变换重建质量差。之后,金和李[8]提出了一种方法将零位嵌入水印信号通过构造特征向量组成的一些低阶zm评选(5)订单,直接在空间域添加正交模式以避免富达退化。第一个设计良好的和完整的几何不变的水印方案使用zm评选/ PZMs是由Xinet。[9]。 They embed a multi-bit watermark signal by quantising the magnitudes of selected moments using dither modulation. By exploiting the linearity in image reconstruction process, actual embedding is done in the spatial domain to obtain high imperceptibility. |
| 最近的一项研究在基于当下水印的性能评价方法[10]表明,ZMs-based方法是最适合大容量图像水印的候选人。zm评选的现有计算方法,然而,禁止使用高容量数据嵌入,因为某些缺点。首先,zm评选遭受几何和数值积分的计算错误。由于这些错误和数字图像的本质功能,一些zm评选p和重复,Zpq,与q = 4米,米“整数”,比其他人更不准确计算[9]。这限制了使用总数的大约四分之一的时刻图像水印。第二,目前订单高于44变得不准确,因为不稳定的计算[11]。这限制了385位嵌入能力。第三,zm评选计算的时间复杂度非常高,高的一个主要限制因素时刻订单和大图像大小。时刻不准确的计算不仅限制能力,而且影响的鲁棒性和无法感知。试图由伊斯梅尔等。[12],以增强水印的鲁棒性和细微嵌入采用精确的计算框架zm评选在极域[13]。 However, the inaccuracy in moment computation persists for moment order > 44 because of numerical instability. Moreover, the accurate computation of ZMs in polar domain requires reconfiguration of square pixel grids into circular grids and interpolation of image intensity values at new pixel locations. The interpolation process adds to the computation burden. Moreover, it introduces interpolation error, although the magnitude of interpolation error is much less than the errors when moments are computed in the Cartesian domain. The problem of numerical instability at high orders still exists. |
| 使用快速计算zm评选,健壮的,听不清,形成大容量图像水印方法。小说位嵌入方法使用抖动调制提出了基于条件量子化。提出的一些嵌入方法不仅增强了视觉无法感知的水印图像,而且提高了水印的鲁棒性不同的攻击。详尽的实验分析执行能力高,鲁棒性各种几何和图像处理攻击和改进的视觉无法感知有水印的图像。 |
提出了计算 |
| 简单图像的投影函数的正交基函数被称为泽尼克时刻。这个活动使我们能够确定每个订单的个人贡献的时刻。p阶泽尼克时刻Zpq,和重复问一个二维连续图像功能,f (x, y),在一个单位圆盘在笛卡尔域给出 |
 |
| zm评选的主要特性之一是,如果所有时刻Zpq图像的函数f (i (k)最大订单pmax是已知的,那么可以使用逆变换方程重构图像如下 |
 |
| 拟议的zm评选计算方法需要n×n计算核函数的像素区域,因此zm评选的整体复杂性计算订单的O _ n2N 2 p3max。这可能是一个限制因素为水印应用程序或大型图像大小需要高阶的时刻。幸运的是,存在一个数量的方法,显著提高zm评选计算的速度。这些方法通常是基于泽尼克多项式的递推关系和8路对称性和反对称性属性的内核函数。使用递归算法的时间复杂度降低径向从二次多项式阶O _ p2max线性顺序O (pmax)。此外,速度的提高可以通过使用递归关系的计算三角条款参与角函数e−jqθ不参与库函数(计算密集型)。 |
系统设计 |
| zm评选的准确、快速计算,开发的一种图像自适应过程,增强了视觉无法感知和水印鲁棒性减少的数量的时刻在嵌入被修改。提出的总体结构嵌入过程和分解过程是图1中所示。嵌入的水印比特序列B = {bi∈{0,1},我= 1,2,…………L}, L的zm评选数量选择随机使用分泌一些关键K和zm评选计算准确的使用提出了计算框架形成尺寸L的泽尼克特征向量。 |
zm评选的选择 |
| zm评选的计算准确性使所有可用的图像水印时刻。然而,考虑到只有级独立的时刻我们定义S = {Zpq 0 < p≤pmax, q | |≤p}作为一组所有Zpq可用于水印。Z00是排除在外,因为它代表的平均强度。根据水印比特序列的长度L,许多zm评选从集合S选择使用一些秘密密钥K来增强水印的安全性和rm特征向量Z = Zp1, q1, Zp2, q2,……、ZpL qL。一个非常有效的量子化技术增强了视觉无法感知和水印鲁棒性的水印图像的数量减少zm评选期间需要修改嵌入。为此,每一个的大小选择zm评选| Zpi,气|与两个抖动功能使量子化di(0)和di(1)来计算| Z0pi,问|和| Z1pi,气|,分别使用un-coded二进制抖动调制如下 |
 |
| 如果所有ai = bi那么没有修改,没有zm评选有水印的图像质量退化。在这种情况下,水印序列B成为自适应信号生成的大小选择zm评选。最坏的方案的性能是有界现有的计划[13]当所有选定时刻需要量化。然而,随着数字转换di(·)是均匀分布在区间[0,Δ/ 2],统计学上的一半嵌入比特应该配以相应的条件。因此,我们观察到平均的一半选择zm评选将在嵌入过程中保持不变,因为提出量化技术导致更好的视觉无法感知有水印的图像。 |
重建和水印嵌入空间信号 |
| 添加了水印信号的强度图像重建后空间信号使用当选zm评选内核函数。如果有点bi修改Zpi,气的原始图像的数量1π,气这称为量化噪声信号,然后我修改的总贡献作为像素强度值可以计算如下 |
 |
| 在那里, |
 |
| 作为| Vpiqi | = |新品,−气|≤1,失真添加到图像是有界的李w (x, y)≤2 = 1 |Σπ,|。因此|Σπ,气|控制最大像素失真的图像。显然,扭曲的数量取决于匹配比人工智能匹配率较高的bi提供强度较小的偏差导致更好的视觉无法感知。最后有水印的图像fwat (x, y)形成fwat (x, y) = f (x, y) + w (x, y) |
水印的提取 |
| 提取的过程类似于从选定的生成条件位zm评选。zm评选的特征向量Z′= {Z′p1, q1, Z′p2, q2,。,Z′pL, ql}计算可能的攻击有水印的图像f′窟(x, y)。每个Z′π的大小,气是re-quantized抖动功能di(0)和di(1)来计算| Z′0π,气|和| Z′1π,气|,分别在(12)和(13)的最小距离译码器是用来估计比特序列ˆB = kˆb1,ˆb2,。,ˆbLl嵌入在接收到的图像。 |
| 水印的嵌入容量计划是使用数据隐藏比率(DHR)之间的比率是最大的数据嵌入大小和原始的未压缩主机媒体大小。显然,DHR直接相关的基数集合S代表级独立的时刻的最大数量可以计算准确、可用的数据隐藏。拟议的准确计算方法增加了最大数据嵌入大小通过所有zm评选包括q = 4 m,准确和有用的数据嵌入。 |
| 另一个因素影响ZMs-based水印的嵌入容量计划是最高秩序的时刻可以计算准确,没有表现出数值不稳定。事实上,数值不稳定影响水印的嵌入容量系统可以观察到通过误比特率(BER)。方方面面的值在0和1之间在于数量≥0.25的值表示一个以上的第四位提取是不正确的,大概有未能提取水印。鑫的最大容量的方法等。[13]是385和李的方法等。[14]475。这里值得一提的是,平均误码率≈0.5使用佐伊计算方法获得统计约50%的部分提取被证明是正确的因为一些序列的随机行为。pmax = 150的最大价值是任意虽然pmax更高的价值也可以采取[15]。 |
水印鲁棒性对各种攻击 |
| 在旋转过程中,强度值插值过程的改变,因为这些值略微偏离原来的。偏差对旋转的角度没有特定的趋势。由于8 -对称/不对称性属性,旋转45°之外将产生相同的趋势。的值的误码率随旋转角度,由于各种离散化误差的大小zm评选并不真正对旋转不变。zm评选的准确计算提高了瞬间的旋转不变性特性[24]。拟议的方法提供更低的值与现有方法相比平均误码率。类似的结果也缩放攻击。发育完全的个体方法计算时,比ZMs-based pst提供更好的鲁棒性水印方法[9]。然而zm评选计算的准确性提高了大小对缩放不变性的时刻[15]从而提供更好的鲁棒性水印抵抗缩放攻击。此外,它增强了水印的鲁棒性改进的大小不变属性更好的保存,导致小值的误码率与其他方法相比旋转角度和缩放因子。 |
时间复杂度 |
| 使用快速计算框架,可以大大减少和时间要求所有时刻的值CPU时间推移pmax = 35只有1.717年代的方法相比具有更好的性能与现有2.781 s方法性能较低。计算pst花更少的时间比zm评选,因为它更少的计算密集型核函数。CPU时间推移计算转换系数与秩序和重复pmax = qmax = 35仅0.349秒。 |
结论 |
| zm评选的快速计算框架计算有助于提高水印鲁棒性和保护。一种新颖的图像自适应嵌入方法也提出,减少了zm评选的数量被修改。zm评选的方法提供了更好的不变性特性导致改善视觉无法感知和水印的鲁棒性。然而,方法是计算密集型从而导致增加的时间要求。时间要求是减少计算的递归方法的使用泽尼克径向和角函数及其8路对称/不对称性的财产。这些方法不仅提供了更好的速度,但也提供了数值稳定性高阶的时刻需要较高的嵌入容量。因此,拟议的框架是更适合在大容量图像水印应用程序中嵌入大量的比特更安全。 |
|
数据乍一看 |
 |
| 图1 |
|
|
引用 |
- p . Ruotsalainen欧元“隐私和安全的治疗,”。j . Radiol。,vol. 73, pp. 31–35, 2010.
- 之前,m . l . Ingeholm b·a·莱文和学监l·塔波克斯兼任,“潜在的高科技安全法规对医学影像的影响,“在Proc。欧元。分子医学杂志。相依,2009年,页2157 - 2160
- Alghoniemy, M。特菲克,A.H.:“水印图像的不变矩”。Proc, IEEE Int。设计,图像处理,2000年9月10号至13号,第73 - 76页
- 林,C.Y.吴,M。,Bloom, J.A., Cox, I.J., Miller, M.L., Liu, Y.M.:‘Rotation, scale, and translation resilient watermarking for images’, IEEE Trans. Image Process., 2001, 10, (5), pp. 767–782.
- 朱,H。,Liu, M., Li, Y.:‘The RST invariant digital image watermarking using Radon transform and complex moments’, Digit. Signal Process., 2010, 20, pp. 1612–1628
- Wang X.Y.,Yang, Y.P., Yang, H.Y.:‘Invariant image watermarking using multi-scale Harris detector and wavelet moments, Comput.Electr. Eng., 2010, 36, (1), pp. 31–44
- Farzam, M。,Shirani, S.:‘A robust multimedia watermarking technique using Zernike transform. Proc. IEEE Fourth Workshop on Multimedia Signal Processing, 3–5 October 2001, pp. 529–534
- Kim H.S.,Lee, H.-K.:‘Invariant image watermark using Zernike moments’, IEEE Trans. Circuits Syst. Video Technol., 2003, 13, (8), pp. 766– 775
- 鑫,Y。,Liao, S., Pawlak, M.:‘Circularly orthogonal moments for geometrically robust image watermarking’, Pattern Recognit., 2007, 40, (12),pp. 3740–3752
- Tsougenis,既有,Papakostas, G.A., Koulouriotis, D.E., Tourassis, V.D.: ‘Performance evaluation of moment-based watermarking methods: a review’, J. Syst. Softw., 2012, 85, (8), pp. 1864–1884
- 辛格,C。,Walia, E.: ‘Algorithms for fast computation of Zernike moments and their numerical stability’, Image Vis. Comput., 2011, 29, (4), pp. 251–259
- 伊斯梅尔,i。,Shouman, M.A., Hosny, K.M., Abdel Salam, H.M.: ‘Invariant image watermarking using accurate zernike moments’, J. Comput. Sci., 2010, 6, (1), pp. 52–59
- 鑫,Y。,Pawlak, M., Liao, S.: ‘Accurate computation of Zernike moments in Polar coordinates’, IEEE Trans. Image Process., 2007, 16, pp. 581–587
- 李,L。,Li, S., Abraham, A., Pan, J.-S.: ‘Geometrically invariant image watermarking using polar harmonic transforms’, Inf. Sci., 2012, 199, pp. 1–19
- 辛格,C。,Upneja, R.: ‘Fast and accurate method for high order Zernike moments computation’, J. Appl. Math. Comput., 2012, 218, pp. 7759– 7773
|
菜单
