抗亮度與對比度攻擊的Contourlet域圖像水印方法

陳木生，蔡植善

（1.泉州師范學院物理與信息工程學院，福建泉州362000；2.信息功能材料福建省高校重點實驗室，福建泉州362000）

抗亮度與對比度攻擊的Contourlet域圖像水印方法

陳木生1，2，蔡植善1，2

（1.泉州師范學院物理與信息工程學院，福建泉州362000；2.信息功能材料福建省高校重點實驗室，福建泉州362000）

針對目前部分基于Contourlet變換域圖像數字水印算法無法抵抗亮度和對比度攻擊的缺點，提出一種抗亮度和對比度攻擊的水印方法。發送端對源圖像進行Contourlet變換，得到一個低頻分量和多個不同方向的高頻子帶，將低頻子帶分成互不重疊的子塊，對每一子塊進行信號奇異值分解（SVD），利用奇偶量化的方法將經A rnold置亂后的1 bit水印信息嵌入到S的第一分量中，通過SVD和Contourlet逆變換得到含水印圖像。檢測端對攻擊后的含水印圖像進行抗亮度和對比度調整修正，根據奇偶性提取出盲水印。實驗結果表明，該算法具有較好的水印透明性，當亮度和對比度受到較大攻擊時也能夠完整地提取出水印信息。

Contourlet變換；數字水印；亮度攻擊；對比度攻擊；奇異值分解

1 概述

隨著網絡技術、多媒體技術和數字信號處理技術的發展，多媒體信息越來越豐富，但其在傳輸、存儲的過程更容易被非法復制、使用和篡改，這樣嚴重侵害了原創作者的著作權。由于傳統的數字加密方式已遠遠不能滿足多媒體信息版權保護的要求，數字水印技術在這一情形下應運而生。數字水印技術是指發送端將水印信息嵌入到多媒體數據中，并且在接收端能夠將這些信息提取出來，通過這些信息來分析數字信息的完整性和可靠性，已成為知識產權保護和數字信息產品防偽的有效手段［1-3］。目前常用的圖像水印算法可分為空間域水印算法和頻率域水印算法兩大類［2］，近幾年，研究者提出的圖像水印算法大部分是基于頻域處理的。空間域水印算法是將通過改變宿主圖像的灰度值來實現水印的嵌入，其可嵌入較多的水印信息，并且方法也較為簡單。但是該方法嵌入的水印信息不夠均衡和穩定，抗攻擊的能力較弱。目前的基于頻域的數字水印方法主要集中在離散余弦變換（DCT）和離散小波變換（DWT）。由于小波變換在時域和頻域同時具有局部特性，并且在JPEG2000壓縮標準中得到廣泛應用，因而基于小波變換的數字水印算法是研究的一個熱點。由于小波變換基是各向同性的，能夠很好地反映信號中奇異點的位置和特征，但不能較優地表示出自然圖像中高維邊緣信息的特征。針對這些問題，MN DO等人對小波變換進行改進提出了Contourlet變換，該變換具有多分辨率、局域性、多方向性等特點，能夠較好地保持圖像的高維邊緣信息［3-4］，并且用少量低頻系數就可以有效地表示圖像的輪廓，目前在數字水印中也得到廣泛應用［5-7］。

基于Contourlet變換的圖像水印技術是將水印信息加載到低頻或中頻，能夠得到較好的效果。但這些方法中有些對圖像亮度和對比度調整攻擊的魯棒性相對較弱，容易出現嚴重失真，甚至只對圖像進行較小的對比度調整，水印算法就根本無法提取出圖像中的水印信息［8-9］。針對這一缺點，本文提出基于Contourlet變換的抗亮度和對比度攻擊的圖像水印算法。

2 Contourlet變換

Contourlet變換能夠較好地表達圖像在不同尺度不同方向的邊緣信息，能夠用較少的系數表示這些特征點，適合用于圖像水印技術中。其主要由拉普拉斯塔式分解（LP）和方向濾波器組（DFB）兩部分組成。原理是先用拉普拉斯塔式濾波器對圖像進行高斯金字塔分解，產生原始圖像的一個低頻子圖像及高頻子圖像。再利用方向濾波器組對高頻子圖像進行方向性分析，得到2n個不同方向子帶，并將分布在不同方向中屬于同一奇異點的信息合并成一個系數。這一分解過程反復在低頻子圖像上進行迭代，這樣就可得到一系列不同分辨率的低頻子帶和高頻子帶。因而Contourlet變換能夠較好地顯示出圖像中各個方向的邊緣細節信息，并且表示圖像邊緣的Contourlet系數也非常集中，也具有同小波變換相同的系數統計特性，即Contourlet系數分布也具有持續性和聚集性。在實際應用中，方向數一般隨著尺度增加而增加，多個不同方向的高頻子帶可有效地避免擾頻現象［6，10-11］。基于Contourlet變換的圖像分解原理如圖1所示。

圖1 塔式方向濾波器組的多分辨多方向分解

圖像經Contourlet變換后，低頻子帶代表圖像的輪廓信息，聚集著圖像的大部分能量，其值接近于原始圖像的能量；多方向子帶代表圖像中不同方向的細節信息，其平均值接近等于零［10-11］。因而，變換后低頻子圖像能夠很好地反映原圖像的基本輪廓特征。

設原始圖像為I，其Contourlet低頻子帶系數為A。對圖像I進行灰度增強b和拉伸a得到圖像I′，即I′= a×I+b，圖像I′的Contourlet低頻子帶系數為A′。根據Contourlet變換系數的特點，A′與A之間的關系為：

其中，mean代表平均值；std代表標準方差。根據這一特點，本文分析研究了基于Contourlet變換的抗灰度增強和對比度拉伸的圖像水印方法。

3 水印嵌入和提取方法

本文以大小為m×n的二值水印圖像P，大小為M×N（8m×8n）的原始灰度圖像I為例，利用以下的算法進行水印的嵌入和提取［8-9，12］。

3.1 水印嵌入方法

水印嵌入方法如下：

（1）將原始圖像I進行兩層的Contourelet變換，分解層數為［1，2］，濾波器為′pkva′，得到大小為2m×2n低頻子圖像A。對二值水印圖像P進行A rnold變換，得到置亂后的水印圖像W。

（2）對低頻子圖像A不重疊地劃分為m×n個2×2大小的子塊圖Ai（i=1，2，…，m；j=1，2，…，n）。

（3）對子塊圖像Aij進行SVD分解［U，S，V］= SVD（Aij），再對S的第一個特征值S（1，1）進行量化處理，即：

其中，round為舍入取整函數；δ為預先設定的量化步長。δ的選取非常重要，δ值過大，水印算法具有較好的穩健性，但會影響水印的透明性；δ值過小，水印算法具有較好的不可見性，但穩健性較差。因而δ選取要適中。

（4）利用水印信息wij和λij構建嵌入水印后的S分量：

3.2 水印提取方法

水印提取方法如下：

（1）計算接收端含水印圖像或受過攻擊圖像I1進行二層Contourlet變換，得到其低頻子圖像A′，計算A′的平均值m2=mean2（A′），標準偏差s2= std2（A′），并利用式（6）～式（8）對A′進行修正，得到修正后的低頻子圖像。

其中，floor為向下取整函數。

4 實驗結果與分析

4.1 評價指標

為了驗證本文算法的有效性和抗攻擊能力，本文除了利用人眼主觀評價，還利用峰值信噪比和歸一化相關值進行評價［8-9，13］。令大小為M×N原始圖像為I，嵌入大小為m×n水印信息W，得到含水印圖像I?，最終提取的水印信息為W?。

（1）峰值信噪比（PSNR）

4.2 結果分析

實驗運行以M atlab2012a為仿真平臺，本文提出的水印方法在幾幅圖像上進行實驗，載體圖像的大小為512×512，以64×64二值圖像作為加載的水印信息，對水印圖像進行了20次的A rnold變換。在未受亮度和對比度攻擊的情況下，本文算法的仿真結果如圖2所示。

圖2 未受攻擊時水印嵌入前后圖像比較

從圖2中可以看出，本文算法具有較好的不可見性，能夠正確地提取出水印信息。含水印圖像與原始圖像的峰值信噪比為46.43 dB，提取的水印圖像與原始水印圖像的兩極化相關值為1，這也說明了本文算法的有效性和正確性。

為了驗證本文算法抗亮度和對比度攻擊的有效性，在受攻擊情況下進行仿真，同時與已有的基于DCT變換（文獻［8］）和結合小波變換、DCT變換的方法（文獻［9］）進行比較，本文算法的量化步長為16，峰值信噪比為46.43 dB；方法1（文獻［8］）的量化步長為16，峰值信噪比為46.39 dB；方法2（文獻［9］）的量化步長為16，峰值信噪比為46.85 dB，以下3種方法的比較是在水印圖像與原圖像峰值信噪比相同的情況下完成的。實驗結果如圖3和表1（Barbara圖像）、表2（輪船圖像）所示，其中，a代表對比度攻擊；b代表亮度攻擊。

圖3 a=1.1，b=10攻擊結果

表1 Barbara圖像不同亮度和對比度攻擊的仿真結果

表2 輪船圖像不同亮度和對比度攻擊的仿真結果

從圖中可以看出3種方法都具有較好的透明性和穩健性，從表中可以看出當圖像受到一定的亮度和對比度攻擊時能較好地提取出水印信息。從結果中可以看出本文方法略優于方法1，明顯優于方法2。

5 結束語

本文提出一種基于Contourlet和SVD變換的抗亮度和對比度攻擊的數字水印算法。首先對原始圖像進行Contourlet變換，對分解后得到的低頻子圖像進行分塊和SVD分解，采用相對量化的方法改變S的第一分量。水印提取時，結合Contourlet域抗亮度和對比度攻擊的公式進行修正。實驗結果表明，受到較大的亮度和對比度攻擊時，水印圖像也具有較好的視覺效果，能夠正確地提取出水印信息。下一步將研究如何把水印信息嵌入到contourlet系數的中低頻分量中，進一步提高算法的抗旋轉攻擊能力，增加嵌入水印信息量。

［1］ 姚 蓍，王 玲，李 燕.基于NSCD和SVD的多重數字水印算法［J］.計算機工程，2014，40（7）：106-113.

［2］ Bhatnagar G，W ua Q M J.A New Robust Adjustable Logo Watermarking Scheme［J］.Computings&Security，2012，（31）：40-58.

［3］ 楊韞飴，王 玲.非抽樣Contourlet變換的盲水印數字水印［J］.計算機與數字工程，2010，38（10）：113-117.

［4］ Ali M，Ahn C W.An Optimized Watermarking Technique Based on Self-adaptive DE in DWT-SVD Transform Domain［J］.Signal Processing，2014，94（1）：545-556.

［5］ Makbol N M，Eekhoo B.A New Robust and Secure Digital Image Watermarking Scheme Based on the Integer Wavelet Transform and Singular Value Decomposition［J］.Digital Signal Processing，2014，（33）：134-147.

［6］ 吳一全，龐 磊.基于Contourlet變換的抵抗幾何攻擊的視頻水印算法［J］.系統仿真學報，2009，21（7）：1969-1973.

［7］ 何 密，成禮智.基于Contourlet變換和子空間投影的非對稱數字水印［J］.通信學報，2009，30（4）：27-34.

［8］ 李旭東.抗亮度和對比度攻擊的DCT域圖像數字水印算法［J］.光電子.激光，2013，24（6）：1184-1190.

［9］ 葉天語.抗亮度和對比度調整的盲魯棒量化水印算法［J］.光子學報，2011，40（10）：1577-1583.

［10］ Chen Liquan，Sun Xiaoyan，Lu Miao.Contourlet Watermarking Algorithm Based on Arnold Scrambling and Singular Value Decomposition［J］.Journal of Southeast University，2012，28（4）：386-391.

［11］ 陳木生.基于Contourlet變換和模糊理論的多聚焦圖像融合［J］.泉州師范學院學報，2012，30（2）：23-27.

［12］ 李旭東.抗幾何攻擊的空間域圖像數字水印算法［J］.自動化學報，2008，34（7）：832-837.

［13］ Das C，Panigrahi S，Sharm a V K.A Novel Blind Robust Image Watermarking in DCT Domain Using Inter-block Coefficient Correlation［J］.International Journal of Electronics and Communications，2014，68（1）：244-253.

編輯 索書志

Contour let Domain Image Watermark Method of Anti-brightness and Anti-contrast Attack

CHEN Musheng1，2，CAI Zhishan1，2
（1.College of Physics and Information Engineering，Quanzhou Normal University，Quanzhou 362000，China；2.Key Laboratory of Information Functional Material for Fujian Higher Education，Quanzhou 362000，China）

Lots of existing image watermark algorithms based on Contourlet transformation cannot resist brightness and contrast attack.In order to solve the problem，a blind robust quantization-based watermark algorithm against brightness and contrast is presented.The original image is transformed by Contourlet transformation and gets low frequency band and high frequency sub-bands，and the low frequency band is split into non-overlapping blocks.Each block is decomposed with Singular Value Decomposition（SVD）and a bit of watermark is embedded into the Component of S through odd-even quantization.The inverse Contourlet transformation and SVD are applied to obtain the carried image with the watermark.At the detection end，revision for resistance against brightness and contrast is used to the attacked watermarked image and a watermark is blindly extracted through odd-even judgment.Experimental results show that the proposed algorithm has good transparency for the embedded watermark and it is strongly robust against brightness and contrast attack.

Contourlet transformation；digital watermark；brightness attack；contrast attack；Singular Value Decomposition（SVD）

陳木生，蔡植善.抗亮度與對比度攻擊的Contourlet域圖像水印方法［J］.計算機工程，2015，41（11）：263-266.

英文引用格式：Chen Musheng，Cai Zhishan.Contourlet Domain Image Watermark Method of Anti-brightness and Anticontrast Attack［J］.Computing Engineering，2015，41（11）：263-266.

1000-3428（2015）11-0263-04

A

TP309

10.3969/j.issn.1000-3428.2015.11.045

福建省科技廳基金資助項目（2013H0041）；福建省教育廳科研基金資助項目（JA 13262）；泉州市科技基金資助項目（2012 Z108）；泉州師范學院校重點學科電子科學與技術基金資助項目。

陳木生（1980-），男，副教授、碩士，主研方向：數字水印，圖像融合；蔡植善（通訊作者），副教授。

2014-12-30

2015-01-28 E-m ail：mushengchen@163.com