面向數字作品分級權益管理的免疫圖像數字水印方法與流程
2023-06-18 06:44:12
本發明屬於信息
技術領域：
，涉及一種數字圖像數字水印方法，具體是一種面向數字作品分級權益管理的免疫圖像數字水印方法。
背景技術：
：一般而言，數字水印保護數字圖像相關權益方法可以分為兩大類：一是通過將數字水印信息嵌入到數字圖像可以實現對圖像版權權益保護的功能，即所謂魯棒水印的方法；二是將水印信息與圖像本身內容相關並且嵌入到圖像容易被破壞的區域，可以用來保護圖像內容的完整性，即脆弱水印方法。其基本假設前提是水印的不可見性，亦即嵌入水印之後，圖像質量未受明顯影響(人類視覺無法覺察)。數字圖像保護的困難在於，對於魯棒水印方法而言，攻擊者常常利用圖像質量較好的特點，通過壓縮、剪切、旋轉、仿射變換等攻擊方法抑制其中水印信息或者使提取的水印信息與原水印信息失去同步而無法復原，從而達到將他人作品變為自己作品的改變權益所屬性質的目的；對於脆弱水印而言，只能對圖像內容是否受影響(或被修改)做檢測，無法對版權資訊做任何保護。目前，頗具吸引力的改進思路則是所謂免疫水印方法，其基本想法是：通過嵌入水印控制圖像的重要信息，使其公開發布的圖像質量很差(與原圖像相比差異較大)，只有授權用戶才能通過其密鑰恢復圖像信息得到高質量的圖像。在未得到授權情形下，任何對圖像的外加操作都只能導致圖像關鍵信息的丟失而無法恢復原高質量圖像，從而具備「免疫性」。現有免疫水印的典型算法如下：(1)對圖像做二級小波分解，將低尺度的近似圖像分量劃分為重要區域(IA)，並將水印按照IA』＝IA(1+αW)關係嵌入在該區域；(2)計算水印嵌入前後IA的差異，稱之為補償矩陣SRC，將其加密後記為SSRC；(3)將原圖像二級小波分解的二級對角高頻分量劃分為不重要區域(UIA)，並把SSRC保存在UIA區域。顯然，任何攻擊都將導致SSRC信息的丟失，從而使得無法復原IA，使得水印具有天然的「免疫」特徵。但是，現有的免疫水印方法具有以下不足之處：(1)僅限於使用權益保護，只能實施相應的使用權益保護，無法保護作品的原創版權，因為一旦用戶獲得授權密鑰，將圖像恢復成原圖像後，水印即被完全清除，無法保護其版權。(2)僅限於一次性權益保護，無法實施分級保護管理。(3)兩個關鍵因素導致其安全性不高：(a)其水印嵌入公式乃基於一種線性關係，攻擊者可以根據相鄰像素的相關性估計得出α的值，破解IA』；(b)實驗表明水印嵌入深度α值的可控範圍較小，一般來說，為確保嵌入水印後的圖像能夠較好恢復，α不宜超過0.3，因而容易受到猜測攻擊。技術實現要素：本發明的目的是提供一種面向數字作品分級權益管理的免疫圖像數字水印方法，該方法沿襲現有免疫水印的「免疫」思路，充分利用小波多級分解中各級子圖圖像質量的層級特性，面向綜合版權保護以及多級使用權益保護等方面的市場應用需求對圖像恢復質量的鎖控方法進行創新設計，提出安全性高且具有分級權益管理等全新功能的免疫水印分級權益保護方法，安全性高、嵌入深度可以任意調節、能夠保護版權並具有分級圖像質量控制能力。為達到以上目的，本發明在現有方法的基礎上做了如下改進，即1)設某數字圖像作品I有n-1級分級使用權益，則對原圖像做n級小波分解，其第n級低尺度近似分量與水平、垂直和對角各方向高頻分量分別記為An，Hn，Vn及Dn；在An內採用既有非盲數字水印技術嵌入版權資訊得到其版權資訊是作品的最高權益，需要原數字圖像I和相關密鑰一起才能從中提取或檢測得到；由Hn,Vn,Dn一起經小波重構變換得嵌入版權資訊後的第n-1級小波近似分量將視為既有方法中的IA區域，並在此區域嵌入使用權益水印W1得到根據相應的權益密鑰，可以通過估計的近似值得到第1級質量等級權益；將Dn-1視為既有方法中的UIA區域，並在此區域嵌入對應於的補償矩陣的加密矩陣SSRCn-1得到由此可以依據相關密鑰解碼得到第2級質量等級使用權益；由Hn-1，Vn-1，一起經小波重構變換得到而由Hn-1，Vn-1，Dn-1一起重構得到加密將與嵌入魯棒水印後重構得到的An-2之間的差異得到其補償矩陣的加密矩陣SSRCn-2，將其嵌入到Dn-2得到由此可以依據其權益密鑰解碼恢復第3級質量圖像以此類推，重複上述過程以完成其它各級權益的圖像質量鎖控。2)使用權益水印的嵌入公式由原線性關係改為現在的非線性關係，並通過密鑰設置其可控性，使得在未知密鑰的前提下無法依據相似性關係破解IA』。3)通過數據標準化過程擴展嵌入深度α值取值範圍，使得猜測攻擊成為不可能。4)撇開補償矩陣SRC，則必須通過授權密鑰控制改變IA與IA』的關係屬性，才能近似估計嵌入深度α值，並實現較高圖像質量的近似恢復；更高質量圖像恢復必須通過授權密鑰解密SSRC得到SRC來實現；不同層級之間圖像質量有明顯差異。因此，其效果是，(1)密鑰未知時安全性很高，像素之間缺乏可依的相似關係(因無需遵守水印嵌入的不可覺察性原則)，也無法實施常規攻擊，真正具備「免疫」性；(2)版權水印嵌入在最低尺度IA區域，對其任何攻擊例如近似估計、水印覆蓋及幾何形變等只能降低最終圖像質量，導致結果圖像不可用，從而進一步確保該不可見水印的魯棒性；(3)具有多級多種權益保護特點，不僅能夠實現版權保護，而且使用權益也能具有分級性；(4)密鑰管理簡單方便，因為每一級的權限僅僅用於對應級的圖像恢復，且在沒有對應補償矩陣信息的前提下也無法得到更高圖像質量，從而具備圖像數字作品分級權益保護的能力。本發明所採用的技術方案：一種面向數字作品分級權益管理的免疫圖像數字水印方法，包括水印嵌入及分級質量鎖控處理、分級權益管理與保護兩大部分，其具體過程如下：第一部分：水印嵌入及分級質量鎖控處理該部分由水印嵌入和分級質量鎖控兩個關鍵過程構成，一、水印嵌入水印嵌入過程包括水印預處理、版權水印嵌入和權益水印嵌入及其質量鎖控。1、水印預處理：水印包括版權水印和權益水印兩種，分別標記為Wb、W1，二者均為含有版權特徵或權益特徵且像素值取0與1兩種數值的二值圖像。為了提高水印信息的保密性，採用現有常規方法(如Arnold變換、幻方變換等)對其進行置亂或加密處理，這裡預處理系採用相應置亂方法將上述水印信息轉化為密文，相應的參數作為密鑰保存以備後用。最後，將其二值形式按以下公式由0,1變換為-1,1，即：對於水印矩陣第i行第j列元素W(i,j)。2、版權水印嵌入：給定原始圖像I，版權水印Wb，嵌入深度alpha，質量分級參數為n。具體水印嵌入過程如下。(ⅰ)n級小波分解：根據現有小波分解理論，選擇某種小波基(例如Haar小波，db4小波等)做n級小波分解，其中第n級低尺度近似分量以及水平方向、垂直方向和對角方向的高頻分量分別記為An，Hn，Vn及Dn；原始圖像I轉化為尺度不等的係數矩陣集合{An,Hn,Vn,Dn,Hn-1,Vn-1,Dn-1,…,Hi,Vi,Di,…,H1,V1,D1}，由此可得其中An。(ⅱ)版權水印嵌入：對An採用現有非盲水印的方法按以下公式嵌入版權水印Wb，得到含水印分量矩陣即：其中，alpha是版權水印嵌入深度，其大小一般需要根據不可見性與魯棒性綜合確定，這裡根據實驗結果，推薦選用0.01～0.05之間值。此外，所用魯棒水印的嵌入算法根據應用要求還可以採用頻域方法以及其它可以能夠抗擊幾何攻擊、組合攻擊等的方法，具體可查看相關文獻。(ⅲ)n級小波重構：根據現有小波重構理論，由Hn,Vn,Dn重構得由Hn-1,Vn-1,Dn-1可以重構…；由A1』,H1,V1,D1可以重構得到含有版權水印的圖像3、權益水印嵌入及其質量鎖控：給定含版權水印圖像權益水印W1，嵌入深度α1(取值範圍為(0,1])，密鑰種子key1。具體嵌入及其質量鎖控過程詳細說明如下。(ⅰ)偽隨機矩陣的準備。依據密鑰種子key1採用既有偽隨機序列生成算法得到行列大小與An-1相等的偽隨機矩陣β1；分別計算權益水印W1的行列奇偶校驗和Ch與Cl，並將其尾部填充0使其長度大小與key1相同，將三者逐位做XOR運算的結果作為新密鑰種子得到另一行列大小與An-1相等的偽隨機矩陣random。(ⅱ)權益水印嵌入。將An-1視為IA區域，按以下公式嵌入其權益水印W1得嵌入水印後的(ⅲ)圖像質量鎖控：對於權益水印所在的子圖An-1，其質量鎖控方法有些特殊，分以下三個步驟處理：步驟1：計算補償矩陣：SRCn-1(i,j)＝An-1(i,j)-A'n-1(i,j)其中，An-1與A'n-1分別是嵌入權益水印前後的第n-1級小波分解低尺度分量子圖矩陣。步驟2：將權益水印W1嵌入到SRCn-1內，得到：SRC'n-1(i,j)＝SRCn-1(i,j)-β1(i,j)×W1(i,j)其中，W1為權益水印；β1為上述嵌入權益水印時採用的偽隨機矩陣。步驟3：依據加密密鑰K(ID)對上述矩陣加密，得到：SSRCn-1＝EN(SRC'n-1,K(ID))其中：EN為現有典型對稱加密算法，如標準AES、DES算法等，可據安全性要求選用；密鑰K(ID)可以由系統根據用戶註冊ID作為種子自動生成。(ⅳ)數據標準化。選用min-max標準化方法對上述得到的A'n-1和SSRCn-1做標準化處理，具體也分以下三個步驟來完成。步驟一：計算：其中：min為取最小值函數，max為取最大值函數，P1為結構化系統數據變量，用於保存和SSRCn-1原先的幅值範圍以便後續做權益管理操作時提取相關信息之用。步驟二：計算標準幅值範圍。根據理論分析及實驗，推薦按下式計算。對於小波第k級子圖分量，可取Amxk＝255×2k，Amnk＝Smxk＝40×2k，Smnk＝-40×2k。步驟三：根據下列標準化變換式，可得：(ⅴ)小波重構復原。將上述計算得到的標準化結果SSRC*n-1作為替換原Dn-1，再由A*n-1，Hn-1,Vn-1,一起通過小波變換重構得到需要強調的是，標準化過程得到的結構化系統變量P1最後作為權益密鑰之一記錄到資料庫中保存。二、分級質量鎖控水印嵌入後，還需要對An-k(k>2)等各層級圖像質量進行分級鎖控，具體按如下四個步驟處理：步驟1：計算補償矩陣：將Dn-k分量矩陣視為UIA區域，則第k級補償矩陣數據SRCn-k由以下公式獲得：SRCn-k(i,j)＝An-k(i,j)-A'n-k(i,j)其中：An-k為未嵌入權益水印的原始第n-k級小波分解低尺度子圖分量，為由第n-k+1級小波分解嵌入水印後各個分量即Hn-k+1，Vn-k+1，的重構值。步驟2：加密補償矩陣：依據加密密鑰K(ID)對上述矩陣加密，得到：SSRCn-k＝EN(SRC,K(ID))其中：EN為現有典型對稱加密算法，如標準AES、DES算法等，可據安全性實際要求選用；密鑰K(ID)可以由系統根據用戶註冊ID作為種子自動生成。步驟3：標準化處理：(ⅰ)計算：其中：min為取最小值函數，max為取最大值函數，Pk為結構化系統數據變量，用於保存和SSRCn-k原先的幅值範圍以便後續做權益管理操作時提取相關信息之用。(ⅱ)對於小波第k級子圖分量，可取Amxk＝255×2k，Amnk＝Smxk＝40×2k，Smnk＝-40×2k。(ⅲ)對和按下式進行數據標準化處理，可得：步驟4：小波重構。最後，將SSRC*n-k作為替換原Dn-k，再由A*n-k，Hn-k,Vn-k,一起通過小波變換重構重複以上步驟1～4，直到所有各級權益質量分級鎖控處理完畢。如此，最終由A*1,H1,V1,D*1可以重構得到公開免疫圖像需要強調的是，標準化過程得到的結構化系統變量Pk(k＝1,2,…,n-1)最後作為權益密鑰之一記錄到資料庫中保存。此外，上述權益水印嵌入的所在層級也是可選的，例如，第n-k+1級。這時僅需要將該級的處理過程與原第n-1級的處理過程對調即可。第二部分：分級權益管理與保護權益管理與保護本質上就是密鑰的管理與保護，在分級權益管理與保護設計上由以下密鑰分配與權益分配兩個環節構成。一、密鑰分配根據不同權益需求，將相應密鑰分為相對獨立的四類：A、一類權益密鑰：{SRC加解密密鑰K(ID)、幅值範圍P1、水印置亂密鑰}憑此密鑰可以提取出完整的使用權益水印信息，適合不需要查看作品，而僅僅只是查看使用權益水印信息以檢測圖像是否受到攻擊，或由此判定相應圖像使用者的信用情況(一般是網站管理人員)，但無法獲取使用權益水印信息以外的任何其它信息。B、二類權益密鑰：{SRC加解密密鑰K(ID)、幅值範圍P1、偽隨機矩陣β1種子密鑰key1}憑此密鑰可以通過近似算法恢復出來一個較高質量的數字作品適合普通對圖像質量要求不嚴格的用戶或場合。此密鑰通過估算近似的原始α1值，根據嵌入公式進行反嵌入處理來獲取近似恢復圖像。C、三類權益密鑰：{SRC加解密密鑰K(ID)、幅值範圍Pk}憑此密鑰可以提取出相應層級圖像完整的補償矩陣，因此可以恢復出相應等級的圖像質量，其最高等級可達到幾乎等同於嵌入版權水印後的原作品圖像質量，適合對數字作品要求較嚴格的用戶和場合。D、四類權益密鑰：{版權水印密鑰}憑此密鑰可以結合原圖像以及版權水印，證實作品的原創者，但無法由此獲取任何使用權益的相關信息。二、權益分配依據上述四類密鑰可以合理分配相應的權益，具體實現方法分別詳述如下。①針對第一類密鑰所有者，有權查看水印信息。由以下5個步驟完成：步驟1：將公開免疫圖像進行n級小波分解，得第n-1級子圖分量An-1，Hn-1,Vn-1，Dn-1。從而有如下計算公式：步驟2：據密鑰P1，按下式進行反標準化處理得到SSRCn-1：其中min為取最小值函數，max為取最大值函數。即為由密鑰P1中提取的原嵌入水印後SSRC幅值範圍。步驟3：根據SRC加解密密鑰K(ID)可得補償矩陣SRC'n-1＝DE(SSRCn-1,K(ID))其中：DE為前述對稱密碼算法如AES、DES等的解密算法。步驟4：按下式計算權益水印密文數據。步驟5：依據水印置亂密鑰，做逆變換處理得到權益水印明文。對於這類密鑰擁有者，通過查看或檢測水印的完整性亦可判斷公開圖像是否被破壞，並由此獲取相應用戶的信用操作數據。②第二類密鑰所有者，相對第一類密鑰集而言，缺少水印置亂密鑰，但多了偽隨機矩陣β1種子密鑰key1，因此有權獲得水印密文以及較高質量的近似圖像具體由以下5個步驟完成：步驟1：重複第一類密鑰擁有者的步驟1～4，獲得權益水印密文步驟2：由密鑰P1提取嵌入水印後An-1的幅值範圍，依下式進行反標準化處理得到其中：min為取最小值函數，max為取最大值函數。Amn1，Amx1即為由密鑰P1提取的嵌入水印後An-1的幅值範圍。步驟3：由偽隨機矩陣β1密鑰key1，根據以下公式計算α1近似值。具體過程如下：1)相鄰像素對：在中依取值相反即分別為1和-1的條件按照先水平後垂直的掃描次序尋找相鄰像素對，其行列坐標分別記作(i,j)和(ii,jj)。2)若記abs為求絕對值的函數，則可按下列公式估算α'值：3)估算α'1值：重複步驟1)、2)，直到遍歷區域所有相鄰像素對，對所有符合要求的α'求平均值即α1的近似值，記作α'1。步驟4：根據以下公式得到恢復近似圖像An-1，步驟5：將含有補償矩陣的Dn-1區域數據置零，由更新後的An-1，Hn-1,Vn-1,Dn-1重構An-2,得到近似恢復圖。後者可以通過幾何縮放變換得到與原圖同樣大小的近似恢復圖。③針對第三類密鑰所有者，有權獲得相應層級的高質量恢復圖像具體步驟如下。(a).根據公開圖像小波分解得到的A*n-k，按照下式計算得到其中min為取最小值函數，max為取最大值函數。即為由密鑰Pk提取的原An-k嵌入水印後的幅值範圍。(b).根據公開圖像小波分解得到的SSRC*n-k，按照下式計算得到SSRCn-k：其中min為取最小值函數，max為取最大值函數。即為由密鑰Pk中提取的原SSRC幅值範圍。(c).根據SRC加解密密鑰K(ID)可得補償矩陣SRCn-k。SRCn-k＝DE(SSRCn-k,K(ID))其中：DE為前述對稱密碼算法如AES、DES等的解密算法。(d).根據補償矩陣恢復圖像An-k(i,j)＝SRCn-k(i,j)+A'n-k(i,j)(e).將含有補償矩陣的Dn-k區域數據置零，由更新後的An-k，Hn-k,Vn-k,Dn-k可以重構得到第k+1級精確恢復圖像An-k-1。④第四類密鑰擁有者，有權檢測或查看版權水印，(此處可採用任何既有已公開發表的非盲魯棒水印算法完成其水印嵌入與檢測處理，不影響本發明的完整性，但具體效果可能會因實施者專業知識有所差異)，具體步驟如下：1)分別將公開圖像I』和原圖像I做n級小波分解，得到與An。2)依據現有非盲魯棒水印算法中其版權水印嵌入的公式及其相應的解密算法求出版權水印的估計值3)將Wb和按圖像方式顯示並加以對比，可以看出兩者相似性，並由此證實版權權益所屬；也可按既有水印檢測方式來確認，例如計算兩者相似度，兩者相關係數，等等，均可達到同一目的。需要說明的是，以上密鑰權益分配相對獨立。實際應用中相應密鑰分配可以根據上述四類進行組合擴展，相應權益也隨而擴展，其權益獲取處理過程也需要根據上述過程進行組合擴展。例如，由第一類與第二類密鑰組合而成的新密鑰類，其權益分配處理過程可由分別執行與第一類密鑰和第二類密鑰對應的權益分配過程組合而成。與現有技術相比，本發明的顯著的創新性與先進性在於：1、能夠實現分級使用權益和版權權益的同時保護，以及相關權益的有效分離，使其彼此沒有重疊，便於權益分配與管理。2、能有效阻止依據相鄰像素相似性的攻擊，並進而使其成為授權方式下的一種權益管理方式。3、具有高度安全性：通過增加非線性因子及數據標準化處理，一方面防止因數據改變前後的線性關係導致「相似性攻擊」，另一方面則不僅防止數據溢出確保數據的完整性，而且還同時擴展了相關嵌入參數的賦值範圍，使攻擊者在沒有相關密鑰或只有部分密鑰的情況下無法猜測或近似估計原始數據，從而使得「免疫性」真正落到實處，而不只是一個概念。附圖說明圖1為做為載體的原始lena數字圖像；圖2為二值水印圖像「海南大學」；圖3為二值水印圖像「數字水印」；圖4為圖2進行Arnold置亂變換後圖像；圖5為圖3進行Arnold置亂變換後圖像；圖6為lena圖像嵌入版權水印後的圖像；圖7為嵌入權益水印後的公開免疫圖像；圖8為通過圖7得到的近似恢復圖像；圖9為通過圖7得到的精確恢復圖像；圖10a為通過圖7提取的二值權益水印圖像；圖10b為在圖8中提取的二值版權水印；圖10c為在圖9中提取的二值版權水印；圖11為沒有任何密鑰的情況下近似恢復的圖像；圖12為沒有任何密鑰的情況下精確恢復的圖像；圖13為沒有任何密鑰的情況下提取的權益水印；圖14為只有一類密鑰的情況下近似恢復的圖像；圖15為只有一類密鑰的情況下精確恢復的圖像；圖16為只有二類密鑰的情況下精確恢復的圖像；圖17為只有二類密鑰的情況下提取的權益水印；圖18為只有三類密鑰的情況下近似恢復的圖像；圖19為只有三類密鑰的情況下提取的權益水印；圖20為lena圖像在不同嵌入深度下的恢復圖像的PSNR曲線對比圖；圖21為lena圖像在不同嵌入深度下提取的權益水印MSE質量曲線圖；圖22為在不同嵌入深度下的恢復圖像提取的版權水印MSE質量曲線圖；具體實施方式下面結合實施例，對本發明的具體實施方式作進一步詳細描述。以下實施例用於說明本發明，但不用來限制本發明的範圍。下列實施例中未註明具體條件的實驗方法,通常按照常規條件,或按照製造廠商所建議的條件。理論分析：假設某數字作品Lena，如圖1所示，版權水印為二值文字圖像「海南大學」，如圖2所示，某級使用權益水印為二值文字圖像「數字水印」，如圖3所示，對水印圖像做Arnold置亂變換可以得到置亂或加密後的水印圖像，分別如圖4、圖5所示。則按照上述方法嵌入版權水印後的圖像，如圖6所示；繼續嵌入使用權益水印後得到公開免疫水印圖像，如圖7所示。(1)水印魯棒性高：一方面，由於小波分解中某層級圖像質量主要由該層級重要區域IA的信息決定，因此，各個層級圖像質量的改變，理論上不會相互影響。經實驗測試發現，多種水印分級嵌入，不會影響上一級水印的提取與檢測，如圖10a、10b、10c所示，不僅本級水印圖像可以正常提取，其上一級版權水印也能正常提取，充分說明了這種水印嵌入方式具有一定的獨立性，未發現有明顯的相互影響。另一方面，常見水印攻擊方法如壓縮、加噪或幾何變換等都是以丟失或破壞圖像內容為代價，必然導致圖像質量下降，而這與發現更多圖像內容信息的攻擊目的在本質上相背離，因此，具有很高的魯棒性。(2)清晰的分級性：圖像質量恢復依賴相應類別的密鑰。本發明方法通過密鑰控制水印嵌入關係的非線性特徵，並且通過標準化處理大大擴展了其中非線性特徵的取值範圍，從而能夠有效地抑制基於「相似性」的線性攻擊，確保只有擁有相應類別密鑰，才能擁有相應層級的圖像質量。這些不同層級圖像質量具有明顯的層次感。例如，附圖圖8和圖9分別為具有二類密鑰和三類密鑰得到的近似恢復圖像(1級圖像)和精確恢復圖像(2級圖像)；圖20為不同嵌入深度下這兩種圖像等級的質量曲線(峰值信噪比PSNR與嵌入深度alpha的變化關係圖)，可以看到明顯的等級性。(3)安全性高：無論向上還是向下，任何試圖跨級獲取相應信息的努力都有較高難度。大量實驗表明，缺乏相應密鑰的條件下，任何通過猜測或逼近的攻擊，都難以得到所期望的結果。附圖圖11～圖19列舉了一些試圖跨級恢復圖像或者提取相應水印信息的結果。事實上，由於採用非線性隨機矩陣作為控制參數，並且改變幅值範圍無限制(因為免疫水印沒有不可見性的約束)，因此，某級權益擁有者難以依據已知信息去推測由其它密鑰控制的隨機值，具有很高的安全性。(4)新的潛在功能：水印查看權益有望為權益管理的角色控制與信用評價機制提供新的安全協議設計途徑。本發明方法提供的水印查看權益是獨立於使用權益而設置的，第1、2級使用權益擁有者可以獲得該水印的密文，但難以得到水印的明文內容。因此，是否試圖通過權益水印的密文形態改變圖像內容而不改變水印信息本身是判定圖像被修改的嫌疑對象的重要依據，換言之，水印查看以及相應層級圖像質量能夠作為使用者信用等級的有效憑據之一，有望在某些應用場合下為權益管理的角色控制與信用評價機制提供新的安全協議設計途徑。(5)權益管理靈活性強：既有權益保護大體從保護原創者版權出發，而且賦予原創者最高權益，這種觀點已經不能適應當前開放的市場需求。本發明將版權與使用權益分離，使得原創者擁有版權，使用者擁有使用權，兩者完全分離，互不幹擾，具有超強的權益管理靈活性。由前述各類密鑰擁有者的權益處理步驟，可以清晰看到，版權所有者必須具有版權水印、版權水印密鑰、原始圖像，如此方可證實其版權，而儘管能夠由此得到小波分解各級分量精確數據，由於缺少相應密鑰，版權所有者仍然無法據此獲得各級使用者所擁有的權益信息包括使用權益水印及相關密鑰等。對於使用者而言，高一級的使用者雖然所得圖像質量更優質，但是，無法估計或猜測得到下級使用者的權益信息包括使用權益水印及相關密鑰等。即使同一層級，擁有密鑰類型不同，權益也不同，例如一類密鑰所有者能夠查看該級使用水印，檢測其完整性，二類和三類密鑰所有者只能得到相應層級質量圖像，無法獲得使用水印明文信息，這種權益有效分離無重疊的方式，給權益管理與分配帶來極大的便利性。綜上所述，藉助小波變換對圖像多尺度分解的功能可以獲得多層級質量的圖像，而通過多重水印嵌入過程的非線性因子的密鑰控制以及標準化處理則進一步為權益分配與管理提供了極其寬廣的參數選擇範圍，由此構建了所有者與使用者各自享有其所屬的權益，為數字社區內安全共享數字圖像作品時其不同種類不同層級權益管理與分配的靈活處理提供了強有力的技術支持。實施例下面以數字圖象處理中常用的lena圖像(見圖1)為例進一步說明具體的實施結果。版權魯棒水印選取黑底白字二值圖像「海南大學」(見圖2),分級權益免疫水印選取黑底白字二值圖像「數字水印」(圖3)。分別將兩幅二值水印進行Arnold置亂變換(具體方法可參看相關文獻)，如圖4和圖5。具體的實驗操作環境為作業系統windows7，仿真實驗軟體為matlab7.0。其後的圖像質量評判標準為圖像處理中常用的PSNR即峰值信噪比(一般認為PSNR在30dB以上的圖像質量就很不錯了)，二值水印質量的評判標準為MSE即均方誤差(數值越小則與原水印差異越少，最佳為0即完全無差異)。小波分解根據這裡的實際情況進行3級小波分解，並在3級分解的A3區域嵌入非盲魯棒版權水印，根據公式(1)An』＝An(1+alpha*Wb)，其中alpha定為0.05；嵌入後重構得到含印圖像(圖6)，此時水印是不可見的。然後在第2級低尺度分量A2數據內嵌入權益水印，嵌入比例為α1＝0.35,β1取值範圍在(-0.5,0.5),random取值範圍在(20,40)。根據嵌入公式(2)嵌入權益水印。同時獲取補償矩陣SRC，對補償矩陣進行混淆加密；對A2』數據及補償矩陣數據進行數據標準化，由於是在2級小波分解區域，將A2區域數據限制在(160,1200),將補償矩陣數據限制在(-160,160)；然後將標準化的補償矩陣嵌入D2區域。此時重構圖像得到公開的免疫圖像圖7(PSNR＝18.187209dB)。分別根據相應密鑰信息，可以得到第1級權益質量圖像即近似恢復圖像(圖8)和第2級權益質量圖像即精確恢復圖像(圖9)，相應的使用權益水印(圖10a)，以及分別由這些不同質量圖像內提取的版權水印(圖10b和圖10c)。獲得的不同權益質量圖像及其權益水印的質量信息見表1：表1近似圖像PSNR(dB)精確恢復圖像PSNR(dB)提取的權益水印MSE27.22500735.0582990.000024類似地，由這些圖像中提取的版權水印質量信息見表2：表2近似圖像中提取的魯棒水印MSE精確恢復圖像中提取的魯棒水印MSE0.09990.0608可見，近似恢復圖像與精確恢復圖像層級清晰，版權水印與權益水印(見圖10b，圖10c)主體內容可辨，符合應用需求預期。接著測試本方法的安全性，即在沒有密鑰或密鑰不足時試圖獲得高清圖片。①完全沒有任何密鑰在沒有任何密鑰的情況下，既無法獲得補償矩陣，也無法近似估計A』。此時，攻擊者可根據公開圖片信息猜測密鑰信息，或者隨機生成密鑰來恢復。這裡採用隨機生成密鑰來破解，得到第1級恢復圖像(圖11)、第2級恢復圖像(圖12)以及提取的權益水印(圖13)。具體測試結果見表3：表3第1級圖像PSNR(dB)第2級圖像PSNR(dB)提取的權益水印MSE17.36045010.038057MSE＝0.367798可見，無論第1級抑或第2級圖像，其質量都遠低於預期：20dB不到！②只擁有一類權益密鑰(僅查看水印)當只有一類密鑰時，只能提取查看權益水印信息。由於已知兩個密鑰，可以考慮猜測A』原始範圍信息，同時根據嵌入公式遍歷所有α1值(實驗測試發現，α1相差在0.01之間的結果近似一致，故約有100個不同值)，並且通過估計其中隨機數取值範圍取均值來破解。此時得到的第1級圖像(圖14)、第2級圖像(圖15)其質量都遠低於相應授權用戶所能得到圖像質量。具體實驗數據見表4：表4第1級圖像PSNR(dB)第2級圖像PSNR(dB)提取的權益水印MSE20.38930613.749797MSE＝0.000024可見，此時通過補償矩陣得到的結果還不如近似估計的結果，猜測所得第2級圖像質量遠低於第1級圖像質量：13.75<<20.39。③只擁有二類權益密鑰(近似恢復)當只有二類密鑰時，能夠得到近似恢復圖像。但破解補償矩陣只能通過猜測其中隨機數密鑰信息，使其接近真實值，從而得到的補償矩陣必然是具有誤差的。另一方面，因為沒有水印置亂密鑰，提取的水印密文也難以轉化為可以分辨的密文狀態。由此得到的第2級圖像如圖16所示，提取的權益水印圖像如圖17所示。具體實驗所得數據見表5：表5第1級圖像PSNR(dB)第2級圖像PSNR(dB)提取的權益水印MSE26.57519914.434025MSE＝0.367432由於14.43<<26.57，可見，不當破解得到的結果與真實值相差頗大。④只擁有三類權益密鑰(精確恢復)擁有此類密鑰可以獲取完整的補償矩陣信息，所以可以通過補償矩陣得到接近原載體圖像的質量等級。試圖得到第1級圖像，需要猜測α1，以及隨機矩陣random的值，由此所得結果如圖18所示。此時，儘管可得權益水印密文，但猜測其置亂密鑰得到的結果如圖19所示。具體實驗結果數據見表6：表6第1級圖像PSNR(dB)第2級圖像PSNR(dB)提取的權益水印MSE22.85305235.058299MSE＝0.367432比較非法估計的結果與依據密鑰恢復的結果，有：22.85dB<26.575dB。可見，缺乏相關密鑰必然導致結果圖像質量的下降。以上所述僅是本發明的優選實施方式，應當指出，對於本
技術領域：
的普通技術人員來說，在不脫離本發明技術原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發明的保護範圍。當前第1頁1 2 3