一种基于人眼视觉特征的图像内容认证算法

曹守斌，唐向宏，林军海，陈宏炳

(杭州电子科技大学通信工程学院，浙江杭州310018)

0 引言

数字水印作为多媒体版权保护和内容完整性认证的一种重要手段，受到人们的广泛关注。用于版权保护的数字水印称为鲁棒水印;用于内容完整性鉴定的数字水印分为脆弱水印和半脆弱水印［1］。基于图像特征的水印算法使得水印信息与图像相关［2，3］，既可增强系统安全性，又可避免在认证端额外的提供原始水印信息。文献2提出一种基于图像块的脆弱水印算法，结合载体图像的局部和全局特征提取认证水印，消除了图像块间的独立性，因而能有效抵抗共谋攻击，但算法篡改定位精度有待提高。文献3依据各图像块的象素颜色值，利用模糊聚类算法分析图像块之间的类成员关系度，并将其作为图像特征水印嵌入图像块中各象素的最低有效位(Least Significant Bit，LSB)和次最低有效位，但没有考虑人类视觉系统(Human Visual System，HVS)特征。针对HVS特征，本文将充分考虑图像的亮度、纹理和对比度等特性，利用模糊C－均值(Fuzzy C-Means，FCM)聚类算法，探讨基于图像特征的脆弱水印，在提高水印透明性的同时提高所嵌水印的稳定性，提高定位篡改位置能力，实现数字图像的内容精确认证。

1 FCM聚类算法及HVS特性

1.1FCM 聚类

FCM聚类的基本思想就是使得被划分到同一类的对象间相似度最大，不同类间的相似度最小。若设聚类目标函数为J:

FCM聚类就是求式1中最小的模糊划分矩阵U=［uij］C×N以及类别中心V。其中:vi表示第i个聚类中心，m是加权指数，m越大聚类越模糊，抑制噪点的能力越强［4］。算法的具体步骤如下:(1)首先确定FCM聚类数C，初始化加权指数m以及聚类中心vi;(2)对于第t次迭代，根据式uij=，得新的隶属度函数和聚类中心;(3)若则停止，否则返回(2)继续迭代至得出vi的最优解。

1.2 HVS 特性

数字图像水印的嵌入机理是基于HVS的掩盖效应，将载体图像中对视觉不敏感成分用水印替代。HVS的感知特性主要表现在亮度敏感性、纹理敏感性、对比度敏感性、梯度敏感性和熵敏感性等几个方面［5］。通常，载体图像的亮度越高，其所能附加的噪声越大，对图像平滑区域的敏感性要高于纹理密集区域。因此，本文将HVS的亮度敏感性、纹理敏感性和对比度敏感性特征作为聚类特征。若设图像子块Ii的大小为8×8，该图像子块的亮度、纹理、对比度敏感值的定义分别如下所示

2 认证算法

首先基于FCM聚类算法，利用各子块图的亮度、纹理以及对比度作为聚类特征生成水印信息，通过改变图像块各个象素的LSB嵌入水印。在认证端，比较接收到的图像再次生成的特征信息和提取出的水印信息，判断内容发生变化的位置。其认证流程框图如图1所示:

图1 认证流程框图

2.1 嵌入算法

设载体图像为I，其大小为M×N。嵌入算法具体步骤:

(1)将原始图像I各象素LSB置零，对置零后的图像分成8×8不重叠块Ii(i=1，2，…，L，L=M×N/(8×8)为图像总的分块数);(2)利用亮度、纹理、对比度敏感值公式，得各图像子块Ii的3个特征度量值Si，Ti，Ci;(3)将每个图像子块Ii的特征度量值作为一个3维的输入向量(Si，Ti，Ci)，即从原始图像提取一个3×L特征矩阵，对该矩阵应用FCM聚类，得到类成员关系度矩阵UB×L，其中B为FCM聚类中心数;(4)对矩阵U中各行元素降序排列，由下式得到序列Fi:Fi=⎿(U1i－UBi)×(28－1)」，⎿」代表向下取整的操作，并以此作为基于载体图像块Ii的特征信息;由密钥key产生长度为8L、取值在［0，255］的伪随机序列 Gj，j=1，2，…，8L，Fi扩展后与 Gj按位异或，则对应每个图像块 Ii，加密后的64-bit水印信息为wi;(5)将wi分别嵌入图像块Ii各列8个象素的LSB，完成所有图像块的操作得到含水印图像I'。

2.2 提取和检测算法

(1)将待检测图像 I″分为8 ×8 不重叠块 Ii″(i=1，2，…，L，L=M × N/(8 ×8)为图像分块数)，提取Ii″所有64个象素的LSB，得到嵌入的水印信息wi'。然后再将待认证图像所有象素的LSB置零。

(2)由上述嵌入算法中得到的加权指数m、FCM聚类中心数B、聚类中心的集合V以及下式uij'='。可求得待认证图像的类成员关系度矩阵UB×L(3)与嵌入算法(4)相似，生成特征水印Fi'、由密钥产生伪随机序列Gj，按位异或得wi″。(4)通过比较wi'与wi″是否相等，来判断含水印图像是否遭受篡改、定位篡改位置。

3 仿真实验与结果分析

实验中FCM聚类中心数B=5，加权指数m=2。如图2、表1所示，分别给出了水印信息嵌入前后的载体图像效果变化情况及文献2、3和本文算法嵌入水印后对载体图像质量的影响情况。

图2 原始图像和嵌入水印信息后的图像比较(PSNR=51.132 8dB)

表1 各算法嵌入水印后图像质量 (dB)

由图2、表1可看出，本算法对图像质量的影响相对较小，具有较好的不可见性。为衡量算法的脆弱性，如图3、4所示，分别给出了对图像完整性认证结果。图3(c)为本算法对拼贴攻击定位图像。图4为使用其他标准图像进行拼贴攻击时，本算法与文献2、3算法的定位效果比较。

图3 对标准图像F-16的篡改检测与定位

图4 各算法对拼贴攻击检测与定位比较

由图3、4可知，本算法能准确检测、定位拼贴攻击等恶意篡改操作。为与相关算法进行性能比较，本文将以篡改检测率和误检率定量分析算法的定位精度。如表2所示，给出了文献2、3与本文算法对标准图像Lena、Goldhill、Barbara、F-16拼贴攻击定位精度的比较结果。

由表2可知，针对多幅标准图像本文算法在定位拼贴攻击时，篡改检测概率相对文献2、3有一定的提高，达到99.71%，误检率也有所降低。说明本文算法能够很好的满足精确认证的要求。

表2 拼贴攻击的定位精度 (%)

4 结束语

本文结合HVS，通过计算图像的亮度、纹理、敏感度感知特性，利用FCM聚类消除了图像块间的独立性，提出了一种脆弱盲检测水印算法。仿真实验表明，该算法具有较好的透明性，不需原始图像和水印信息，只需密钥就能有效检测恶意篡改并定位篡改位置，实现图像的精确认证功能。

［1］ 吴金海，林福宗.基于数字水印的图像认证技术［J］.计算机学报，2004，27(9):1 153－1 161.

［2］ Chang C C，Hu Y S，Lu T C.A watermarking-based image ownership and tampering authentication scheme［J］.Pattern Recognition Letters，2006，27(5):439 －446.

［3］ ChenWei Che，Wang Ming Shi.A fuzzy c-means clustering-based fragile watermarking scheme for image authentication［J］.Expert Systems with Applications，2009，36(2):1 300 －1 307.

［4］ Li Yang，Yu Fusheng.A new validity function for fuzzy clustering［C］.Wuhan:International Conference on CINC，2009:462－465.

［5］ 唐向宏，岳恒立.基于人眼视觉模型的图像水印技术［J］.杭州电子科技大学学报，2005，25(1):1－5.