一种新的基于遗传算法DCT域半脆弱水印算法
2012-09-06王祥青毛德梅徐华丽
王祥青,毛德梅,徐华丽
(皖西学院信息工程学院,安徽六安 237012)
近年来,随着网络技术和多媒体技术的迅速发展,网络安全问题受到的大家的普遍关注。信息载体在传输过程中易于复制和恶意篡改,伪造仿伪商标,在网络高速发展的时代,最终还要以纸质为载体,采用印刷技术进行传播[1]。如何防止伪造和盗版,保护版权和商标所有者合法利益,已经是迫切需要解决的问题。数字水印是将信息嵌入到载体中,起到保护载体的作用。遗传算法也开始大量地应用于数字图像水印这一领域。自然界中优胜劣汰,适者生存,遗传算法(简称GA)就是计算机模拟这种生物行为,遗传算法使得各种人工系统具有优良的自适应能力和优化能力。通过遗传的机制来自适应寻找最优的解法。
为了寻找优化的嵌入对策,本文提出一种新的遗传算法的半脆弱图像水印方法。采用GA来优化水印嵌入强度和嵌入位置进行优化[8],考虑到不同嵌入位置对水印不可见性和对JPEG鲁棒性的影响,本文利用GA优化水印嵌入位置,以提高水印的不可见性,对JPEG具有较好的鲁棒性,但对一些恶意操作如剪切,拼贴具有脆弱性[5]。
1 一种自适应半脆弱图像水印算法
1.1 水印嵌入
设原始图像为I,大小为M×N。二值水印图像为w,大小为Mw×Nw。对二值水印图像进行降维并随机置乱以消除其空间相关性。水印嵌入算法:
将原始图像分块,大小为8×8,记为:
对图像块进行DCT变换,然后再对DCT系数块矩阵进行降维排序,就按照zigzag顺序进行读取。
公式(3)是DCT系数对应位置的相关值R(m)。
从集合X中选取Mw×Nw个不同的系数图像块作为水印嵌入位置。选取嵌入位置序列为{Bn(m)|1≤m≤64,1≤n≤Mw×Nw}。由下式定义{Cn(m)|1≤m≤64,1≤n≤Mw×Nw},Cn(m)|Bn(1)R(m),2≤m≤64。
根据下面公式嵌入水印信息,记为:
其中,βn>0为对应的图像系数块嵌入强度。qn为水印信息所对应的嵌入位置,它是DCT域图像块63个系数中的一个,Bn(qn)为qn对应的交流系数。Bn'(qn)为嵌入水印信息后的系数。当所有水印嵌入系数块后,对嵌入水印信息的图像系数进行zigzag读取,和IDCT变换,最后再把所有的图像块组合一起就是含有水印信息的图像载体I'。
1.2 水印提取
对含有水印信息图像载体I'进行水印提取。提取的步骤如下:
对图像I'进行8×8分块并进行 DCT变换,然后再对DCT系数块矩阵进行降维排序,按按照zigzag顺序进行读取,得到集合为X'={X'n(a)|1≤a≤64,1≤n≤[M/8×N/8]}。然后再公式(3)图像系数相关值R'(m),2≤m≤64。
在DCT系数块X'中选择与嵌入水印时相同的系数{B″n(a)|1≤a≤64,1≤N≤Mw×Nw}。水印的提取过程:
其中,qn为第n个DCT系数块的嵌入位置,与嵌入时相同。
将水印信息序列进行反Arnold变换,生成二值水印信息图像w'。
1.3 优化嵌入位置
根据以前研究的算法表明,在DCT域水印算法中,选取不同水印嵌入位置会影响水印信息的鲁棒性和不可见性。所以本文在选择嵌入水印时,要在这些总的嵌入位置中尽可能找到对JPEG压缩鲁棒,而对其他的常见操作脆弱(如剪切、拼贴等)一些嵌入位置。那么怎么才能找到最佳的嵌入位置,我们采用GA为每一个图像块寻找最佳的嵌入位置。
本文算法中,设种群大小为G,第m个的染色体Pm的编码如公式(6)所示,它是DCT域8×8的系数块中,对应随机选取Mw×Nw个系数块位置作为一个染色体,对它进行遗传优化。每一个染色体由Mw×Nw个图像块的嵌入位置排列而成,作为嵌入水印信息位置。
对每个染色体Pm进化在GA进化,然后根据嵌入算法,嵌入二值水印信息,得到含水印图像Ii'。对水印图像Ii'进行攻击实验,再提取每种攻击下的水印。根据如下公式计算染色体的适应度值[4]:
其中,fm为每个染色体的适应度值,Q为攻击实验方法的总数,PSNRm为峰值信噪比,体现水印不可见性。NCjpeg含义为原始水印与Q个攻击后的提取水印相似度,体现水印鲁棒性。NCmq归一化相关系数值,体现水印脆弱性。NCjpeg越大越好,NCmq越小越好,适度值fm就会越大,这样就能满足进化的要求。λ为平衡因子,对JPEG压缩具有鲁棒性和对其他的常见操作具有脆弱性,不同λ值的选取对水印结果的影响较大。根据文献[9]和我们的实验发现,图像块中的最佳位置集中在一个固定区域中,这个区域设置为本文种群。
2 性能分析及实验仿真
2.1 水印的透明性
仿真实验原始图像大小为512×512,水印信息为大小为32×32。PSNR较大说明含水印的图像非常类似于原始载体图像,表明该方法具有较好的不可感知性。NC值越接近1说明越具有较好的鲁棒性。水印的嵌入与提取见图1,图1(c)PSNR为44.10dB,图1(e)PSNR为43.12 dB。由此可见,该方法使水印具有较好的隐蔽性。提取的水印(图1(f)与原始水印基本完全相同(NC=0.98)。
图1 水印的嵌入与提取
2.2 遗传优化实验
(1)遗传优化
表1列出了在选择原始图像为baboon图时,不同λ值导致的优化结果。通过观察优化结果中的原始图像与嵌入水印后图像的PSNR值和提取水印与原始水印的NC值、适应度值(Fitness),可以看出当λ=30时,水印效果较理想。
(2)常用的攻击实验
选择了λ之后,该方法应用到不同的图像Lena、F16,如表2所示。通过实验结果可以表明本章所提方法对JPEG压缩具有较好的鲁棒性,而对于其他的常用攻击具有敏感性,且水印性能明显优于其他所提水印方法的试验结果。
表1 λ值的不同选取对遗传算法优化结果的影响
表2 将本章所提方法应用与不同图像后的结果数据
3 小结
本文提出了一种基于遗传算法的半脆弱数字图像水印方法,具有以下特点:
(1)该方法将水印技术应用于图像防伪领域,更好地实现了图像版权保护。
(2)该方法在离散余弦域的基础上,优化水印的嵌入强度,引入改进的遗传算法优化水印的嵌入位置,同时优化水印的嵌入强度。
(3)该方法提高水印对JPEG压缩的鲁棒性和对其他攻击的脆弱性。结果表明了该算法水印对JPEG压缩的鲁棒性和对其他攻击的脆弱性优于其他方法。
[1]宋玉杰,刘瑞祯,谭铁牛,等.数字水印技术在印刷品防
伪中的应用[J].中国图像图形学报,2001,6(5):450-454.
[2]李霞.安全底纹设计在印刷产品中的应用[J].印刷杂志,2008,(1):51.
[3]姚军财.基于人眼视觉特性的印刷图像压缩技术研究[J].包装工程,2011,32(5)69-72.
[4]Li C,Huang QW.A Semi-Fragile Image Watermarking Resisting to JPEG[J].Journal of software,2006,17(2).
[5]孟凡满.基于支持向量机和遗传算法的数字图像盲水印研究[D].西华大学硕士论文,2009.
[6]郑立平,郝忠孝.遗传算法理论综述[J].计算机工程与应用,2003,39(21):50-53.
[7]Chin-Shiuh Shieh,Hsiang-Cheh Huang.Genetic Watermarking Based on Transform-domain Technique[J].Pattern Recognition,2004,37(3):555-565.