引用本文
郝世博, 朱学芳. 面向图博档的分块压缩感知图像零水印算法 . 现代图书情报技术, 2014, 30(6): 87-93
Hao Shibo, Zhu Xuefang. An Image Zero-Watermarking Algorithm Using Block Compressive Sensing for Libraries, Museums and Archives. New Technology of Library and Information Service, 2014, 30(6): 87-93  
Permissions
Copyright©2014, The modern information technology editorial office
This article is the open access journal literature, in the following situations are free to use: academic research and academic exchanges, scientific research and teaching, etc., but don't allow for commercial purposes.
面向图博档的分块压缩感知图像零水印算法
郝世博, 朱学芳
南京大学信息管理学院 南京 210093
通讯作者: 郝世博 E-mail:lima-bean@163.com

作者贡献声明: 郝世博: 提出研究思路, 设计实现研究方案, 分析实验结果, 起草论文;
朱学芳: 论文审阅及最终版本修订。

摘要

【目的】

在版权保护过程中不降低图书馆、博物馆、档案馆数字信息资源的保真度。

【方法】

以数字图像为例, 利用分块压缩感知技术对原始图像进行观测, 将观测值与Arnold变换后的版权信息结合, 构造零水印信息。

【结果】

联合压缩感知理论与Arnold变换构造出的零水印信息具有很好的区分度, 对于常规图像攻击表现出很强的鲁棒性, 对于旋转和剪切等几何攻击方式的鲁棒性稍差。

【局限】

研究对象是灰度图像, 实际应用中存在一定的局限, 后续工作有待完善。

【结论】

基于分块压缩感知的图像零水印优化算法在一定程度上有助于图书馆、博物馆、档案馆数字信息资源的版权保护。

关键词: 数字信息资源; 零水印; 分块压缩感知; Arnold变换
An Image Zero-Watermarking Algorithm Using Block Compressive Sensing for Libraries, Museums and Archives
Hao Shibo, Zhu Xuefang
School of Information Management, Nanjing University, Nanjing 210093, China
Abstract

[Objective]

In order to keep the fidelity of digital information resources in libraries, museums and archives during the process of copyright protection.

[Methods]

The zero-watermarking scheme based on block compressive sensing and Arnold transformation is proposed. The proposed scheme uses important features of original image and the meaningful copyright information to construct zero watermark.

[Results]

The acquired zero watermark has good discrimination. Also, this scheme possesses the robust ability to resist on image-manipulation attacks under consideration.

[Limitations]

Since the subjects in this study are gray level images, there are some limitations.

[Conclusions]

The optimized scheme using block compressive sensing, in a manner, contributes to the copyright protection of digital information resources in libraries, museums and archives.

Keyword: Digital information resources; Zero-watermarking; Block compressive sensing; Arnold transformation
1 引 言

随着数字信息技术和互联网技术的高速发展, 数字信息资源的共建共享成为我国文化建设和社会发展的一大趋势[ 1]。图书馆、博物馆、档案馆等文化事业机构通过互联网平台将数字信息资源进行整合与共享, 极大提高了用户的信息获取能力。数字信息资源的拷贝和传播变得异常便捷的同时, 版权及其他合法权益的保护受到前所未有的冲击。如何实现资源共享与知识产权保护的和谐统一[ 2], 进一步促进数字信息资源共享和服务融合, 已经成为研究者亟待解决的问题。本文将零水印技术应用于图书馆、博物馆和档案馆数字信息资源的版权保护中, 针对数字图像提出一种基于分块压缩感知与Arnold变换的新型零水印解决方案。有效避免了传统数字水印技术导致图像保真度降低的弊端, 为数字信息资源的知识产权保护提供了新的技术支撑。

2 研究现状

数字水印技术主要利用信号处理在多媒体产品中嵌入隐蔽标记, 可以标识作者、所有者、发行者和使用者等, 并携带版权保护和认证信息[ 3]。陈海英等[ 4]提出利用不可见数字水印技术对过程式多媒体作品进行版权保护。朱学芳[ 5]探讨了图像水印技术在数字档案信息开发管理中的应用, 对博物馆和图书馆中数字信息资源的版权保护具有很好的借鉴作用。张军亮等[ 6]针对古籍数字化图像设计并实现了完整的数字水印方案。传统的数字图像水印方法不可避免地降低了数字图像的保真度, 同时在水印的鲁棒性和不可感知性上始终存在一定的矛盾。

为了有效解决上述矛盾, 温泉等[ 7]提出了零水印技术, 即利用数字图像的重要特征构造水印信息, 不对图像本身进行修改, 利用空间域的三阶或四阶累积量构造零水印。Tsai等[ 8]基于支持向量机和粒子群优化算法提出一种抗几何攻击的零水印方案, 有效抵抗了图像RST(旋转、缩放、平移)攻击。Gao等[ 9]提出一种基于贝塞尔-傅里叶矩和极端学习机的多零水印算法, 对裁剪和大角度旋转攻击具有良好的抵御效果。叶天语[ 10]通过比较相邻两个子块奇异值矩阵小波低频逼近子带对角线元素的均值大小产生零水印序列。

目前的零水印方案涵盖空间域和变换域, 同时引入支持向量机、粒子群优化、贝塞尔-傅里叶矩和极端学习机等先进设计思想, 取得了较好的实验效果, 但计算复杂度大, 计算资源占用较多, 不利于在图书馆、博物馆和档案馆等文化事业机构进行推广。且构造出的零水印信息大多是无意义的, 不利于用户和非专业工作人员进行数字信息资源的版权鉴别。同时, 如何保证从内容相近图像中构造的零水印信息不会混淆, 上述方案没有进行深入研究。

压缩感知(Compressive Sensing, CS)理论[ 11, 12, 13]的提出为构造零水印提供一种全新视角。压缩感知观测值涵盖了原始图像的所有特征且数据量远少于原始图像[ 14], 并且观测值能够放大原始图像之间的细微差别, 有效解决了相似图像之间水印信息混淆的难题。

3 零水印方案设计

为了有效克服当前零水印方案存在的相似图像之间零水印信息容易混淆以及零水印判定不直观等难题, 本文在当前压缩感知图像水印研究的基础上, 将压缩感知技术引入到零水印方案的设计当中, 结合二值版权信息与Arnold[ 15]置乱变换, 提出一种新型的零水印构造及版权信息检测方法。

3.1 分块压缩感知

对于尺寸较大的数字图像而言, 直接进行压缩感知的计算量大且耗时较长, 不利于在图书馆、博物馆、档案馆等馆藏版权保护系统中进行应用。本文将分块压缩感知[ 16]应用到零水印方案的设计中。分块压缩感知将一幅图像划分为尺寸相同的图像块, 然后分别对每块进行压缩观测, 能够有效降低运算复杂度。

对于一幅像素为 的图像 , 假设每个图像块的大小为 , 且 和 均能被 整除, 图像 总共可以分为 块。将第 个图像块数据记为 , 用观测矩阵 对每个图像块进行观测, 可以得到 个观测值。第 个图像块的观测值记为:

(1)

其中, 是长度为 的列向量, 观测矩阵 是一个大小为 的矩阵。从整幅图像来看, 观测矩阵 是一个块对角矩阵, 如下所示:

(2)

3.2 零水印方案

压缩感知通过线性投影将图像映射成为一个更加简洁的形式, 映射得到的观测值是原始图像所有特征的综合表示[ 17]。观测值能够较好地区分相似原始图像之间的细微差别。零水印构造和版权信息检测流程分别如图1和图2所示:

图1 零水印构造流程

图2 版权信息检测流程

3.3 零水印构造

首先将原始灰度图像分块, 根据二值版权信息的数据量多少来确定图像分块的大小。假设二值版权信息的数据量为, 那么图像特征的数据量也应该为。每个图像块需要提取的观测值数目如下所示:

(3)

若用向量 表示第 个图像分块的观测值, 则有:

(4)

其中, 。

然后将全部图像分块的观测值合并在一起得到整幅图像的特征信息, 用向量 表示。

(5)

根据分块策略将原始灰度图像分块, 产生分块密钥 。通过压缩感知从每个图像块中取出相应数量的观测值, 产生测量矩阵密钥 。将这些观测值组合在一起构成整幅图像的特征信息, 对图像特征信息进行归一化处理, 如下所示:

(6)

(7)

同时, 对版权信息进行Arnold置乱变换, 变换次数为Arnold变换密钥 。 将变换后的版权信息与上述归一化处理后的图像特征进行异或运算, 对计算结果进行Arnold变换, 得到零水印信息, 这里的变换次数为密钥 。

零水印构造完成后, 将零水印信息与密钥保存在数字信息资源IPR数据库中, 图像所有人获得注册号与相关密钥, 该注册号与所有人、原始图像、零水印信息及密钥具有唯一对应关系。

3.4 版权信息的检测

本文所述的版权保护方案包含零水印的构造和版权信息的检测等一整套技术及管理方案。其中版权信息检测是验证的重要环节。当图像所有人需要仲裁检测时, 将其持有的注册号输入IPR数据库中, 查找出对应的密钥和零水印信息, 核对所有人持有的密钥与数据库存储的密钥是否一致, 确认无误后利用数据库中的零水印信息对待检测图像进行版权信息的提取操作。通过提取出的版权信息进一步确认版权归属, 并可识别图像是否被篡改或受到过攻击。版权信息检测的步骤如下:

(1) 根据分块密钥 , 将待检测的灰度图像分块;

(2) 根据测量矩阵密钥 , 对每个图像块进行压缩感知, 分别投影出各图像块对应的观测值, 将这些观测值组合起来构成整幅图像的特征信息;

(3) 将上述图像特征信息按照公式(6)和公式(7)进行归一化处理;

(4) 由于Arnold置乱变换具有周期性, 因此可以根据3.3节的密钥 推导出Arnold反变换密钥 , 将IPR数据库中注册的零水印信息按照密钥 进行Arnold反变换;

(5) 将步骤(3)和步骤(4)中产生的数据进行异或运算;

(6) 根据3.3节的密钥 可以推导出Arnold反变换密钥 , 将步骤(5)中产生的数据按照密钥 进行Arnold反变换, 可提取出版权信息。

4 实验结果及分析

选取具有代表性的数字图像作为实验测试图像, 分别来自南京博物院文物数据库的重金络壶和吴大澂篆书轴、南京图书馆中国近代文献图像数据库的巴金像、江苏文化数据库的云锦制作图以及江苏省档案馆中国档案文化遗产中的常熟画报。

4.1 零水印相似度实验

由于零水印信息与原始图像内容紧密相关, 因此不同图像构造出的零水印信息应该有所区别。为了验证本方案的有效性, 分别以上述图像为例进行横向和纵向对比实验, 测试图像如图3所示。

首先利用文献[18]中的零水印算法构造零水印信息, 统计图像间的相似度, 实验结果如表1所示。

由表1可知, 内容不同的原始图像构造出的零水印具有很好的区分度, 但内容相近原始图像的零水印信息未能很好地被区分。

利用本文的方案对以上8幅图像构造零水印, 实验结果如表2所示。利用本文提出的方案, 相似原始图像的零水印信息能够很好地被区分, 不同图像之间零水印信息的相似度最小值为0.4381, 最大值为0.575 1。

图3 测试图像

表1 不同图像零水印间的相似度1
表2 不同图像零水印间的相似度2
4.2 零水印算法可行性实验

以重金络壶为原始图像, 应用本文提出的方案进行零水印的构造及版权信息的提取实验, 如图4所示:

图4 零水印算法实验结果

实验结果表明: 本文提出的零水印算法是可行的。当需要对数字图像的版权归属进行鉴别时, 可以通过注册号等信息在IPR数据库中验证, 还能够进一步提取版权信息, 更加直观地确认版权归属。

4.3 零水印鲁棒性实验

传统数字水印算法的鲁棒性是指宿主图像在经受各种图像攻击后, 仍能很好地从宿主图像中提取水印信息。而零水印方案的鲁棒性是指: 对于处在版权保护中的原始图像, 在经受图像攻击后, 能根据密钥和零水印信息很好地提取出版权信息。

鲁棒性实验中选取常规的图像处理手段。以云锦图为例, 如图5所示, 图像攻击方式包括剪切图像左下角1/6和1/3;对图像逆时针旋转5度和10度;添加方差为0.05和0.10的高斯噪声;添加噪声密度为0.04和0.08的椒盐噪声以及JPEG压缩攻击。

图5 图像攻击方式

将重金络壶、吴大澂篆书轴、巴金像、云锦和常熟画报等数字图像分别经受上述攻击, 利用峰值信噪比PSNR衡量受攻击图像与原始图像之间的质量差别, 提取的版权信息与原始版权信息之间的差异通过相似度NC衡量。统计结果如图6和图7所示, 其中横坐标剪切1、剪切2、旋转1、旋转2、高斯1、高斯2、椒盐1、椒盐2以及JPEG90等分别代表上述图像攻击方式。

图6 图像质量统计

图7 版权信息相似度统计

由图6可知, 经受剪切攻击后, 图像的PSNR位于14.032到18.155 6区间;经受旋转攻击后, 图像的PSNR位于20.915 7和28.631区间;经受高斯和椒盐噪声攻击后, 图像的PSNR位于23.851 6到28.043 6区间;对于JPEG压缩, 随着压缩比的增加, 图像的PSNR逐渐变小, 取值区间为36.435至49.714。结合图5与图6可知, 图像在经受各种攻击后的失真较为严重, 尤其是剪切和旋转等操作。但是提取的版权信息与原始版权信息之间的相似度都比较高。相似度统计结果如图7所示, 84.62%的相似度保持在0.96以上。

鲁棒性实验表明: 对不同类型的原始图像, 该算法具有很强的抗攻击能力, 算法普适性较好。但对旋转、剪切等几何攻击方式的鲁棒性稍差。

5 结 论

鉴于在保障图书馆、博物馆和档案馆三馆数字信息资源完整度的前提下进行版权保护的迫切需求, 本文以数字图像为例提出一种基于分块压缩感知和Arnold置乱变换的零水印方案, 该方案利用压缩感知随机投影的特性。通过观测能够全面简洁地表征图像的特征信息, 将图像特征与版权信息结合共同构造零水印。同时将Arnold变换引入到版权信息的预处理及零水印信息的后期处理中。理论分析及实验结果表明: 本文提出的零水印方案实现了在不影响图像质量的前提下进行版权保护。对于内容相近的原始图像, 该方案构造的零水印具有很好的区分度;由于版权信息的加入, 在判断图像版权归属时具有很好的可视性, 且版权信息及相关密钥的私密性与唯一性, 使得伪造零水印信息变得十分困难;算法在抵抗噪声、剪切、JPEG压缩以及旋转攻击时, 表现出很强的鲁棒性。

本文提出的零水印方案局限于图书馆、博物馆、档案馆中的数字灰度图像资源, 将零水印技术应用于彩色图像及音频、视频等多媒体信息资源的版权保护是需要进一步研究的内容。

参考文献
[1] 朱学芳. 图博档信息资源数字化建设及服务融合探讨[J]. 情报资料工作, 2011(5): 57-60.
(Zhu Xuefang. On the Digitalized Construction and Service Integration of the Information Resources of Libraries, Museums and Archives[J]. Information and Documentation Services, 2011 (5): 57-60. ) [本文引用:1] [CJCR: 1.169]
[2] 吉宇宽. 图书馆信息资源共享与知识产权保护和谐统一[J]. 图书情报工作, 2011, 55(9): 27-30, 39. (Ji Yukuan. Harmony and Unity Between Information Resource Sharing and Intellectual Property Protection of Library[J]. Library and Information Service, 2011, 55(9): 27-30, 39. ) [本文引用:1] [CJCR: 1.193]
[3] 尹浩, 林闯, 邱锋, 等. 数字水印技术综述[J]. 计算机研究与发展, 2005, 42(7): 1093-1099.
(Yin Hao, Lin Chuang, Qiu Feng, et al. A Survey of Digital Watermarking[J]. Journal of Computer Research and Development, 2005, 42(7): 1093-1099. ) [本文引用:1]
[4] 陈海英, 于金辉. 过程式多媒体作品版权保护技术[J]. 情报学报, 2002, 21(5): 598-602.
(Chen Haiying, Yu Jinhui. Procedural Marks of Multimedia for Copyright Protection[J]. Journal of the China Society for Scientific and Technical Information, 2002, 21(5): 598-602. ) [本文引用:1] [CJCR: 1.1348]
[5] 朱学芳. 数字档案信息开发及应用管理中的图像水印保护技术[J]. 档案学通讯, 2010(5): 72-75.
(Zhu Xuefang. The Image Watermarking Protection Technology in the Development and Application Management of Digital Archives[J]. Archives Science Bulletin, 2010 (5): 72-75. ) [本文引用:1]
[6] 张军亮, 朱学芳. 基于二值图像水印的古籍数字化图像版权保护及其实现[J]. 现代图书情报技术, 2010(9): 79-83.
(Zhang Junliang, Zhu Xuefang. The Implementation of Copyright Protection for Digitalizing Ancient Books Image Based on Binary Image Watermarking[J]. New Technology of Library and Information Service, 2010(9): 79-83. ) [本文引用:1] [CJCR: 1.073]
[7] 温泉, 孙锬锋, 王树勋. 零水印的概念与应用[J]. 电子学报, 2003, 31(2): 214-216.
(Wen Quan, Sun Tanfeng, Wang Shuxun. Concept and Application of Zero-Watermark[J]. Acta Electronica Sinica, 2003, 31(2): 214-216. ) [本文引用:1] [CJCR: 0.686]
[8] Tsai H H, Lai Y S, Lo S C. A Zero-watermark Scheme with Geometrical Invariants Using SVM and PSO Against Geometrical Attacks for Image Protection[J]. Journal of Systems and Software, 2013, 86(2): 335-348. [本文引用:1] [JCR: 1.135]
[9] Gao G Y, Jiang G P. A Lossless Copyright Authentication Scheme Based on Bessel-Fourier Moment and Extreme Learning Machine in Curvature-feature Domain[J]. Journal of Systems and Software, 2013, 86(1): 222-232. [本文引用:1] [JCR: 1.135]
[10] 叶天语. 抗JPEG压缩和几何攻击的鲁棒零水印算法[J]. 光子学报, 2012, 41(2): 210-217.
(Ye Tianyu. A Robust Zero-watermarking Algorithm Resisting JPEG Compression and Geometric Attacks[J]. Acta Photonica Sinica, 2012, 41(2): 210-217. ) [本文引用:1] [CJCR: 1.324]
[11] Donoho D L. Compressed Sensing[J]. IEEE Transactions on Information Theory, 2006, 52(4): 1289-1306. [本文引用:1] [JCR: 2.621]
[12] Cand es E J, Wakin M B. An Introduction to Compressive Sampling: A Sensing/Sampling Paradigm that Goes Against the Common Knowledge in Data Acquisition[J]. IEEE Signal Processing Magazine, 2008, 25(2): 21-30. [本文引用:1] [JCR: 3.368]
[13] Romberg J. Imaging via Compressive Sampling[J]. IEEE Signal Processing Magazine, 2008, 25(2): 14-20. [本文引用:1] [JCR: 3.368]
[14] 赵春晖, 刘巍. 基于分块压缩感知的图像半脆弱零水印算法[J]. 自动化学报, 2012, 38(4): 609-617.
(Zhao Chunhui, Liu Wei. Block Compressive Sensing Based Image Semi-fragile Zero-watermarking Algorithm[J]. Acta Automatica Sinica, 2012, 38(4): 609-617. ) [本文引用:1] [CJCR: 0.572]
[15] Khalili M, Asatryan D. Colour Spaces Effects on Improved Discrete Wavelet Transform-based Digital Image Watermarking Using Arnold Transform Map[J]. IET Signal Processing, 2013, 7(3): 177-187. [本文引用:1] [JCR: 0.714]
[16] Gao Z R, Xiong C Y, Ding L X, et al. Image Representation Using Block Compressive Sensing for Compression Applications[J]. Journal of Visual Communication and Image Representation, 2013, 24(7): 885-894. [本文引用:1] [JCR: 1.195]
[17] Sadeghigol Z, Kahaei M H, Haddadi F. Tree-structured Complex Wavelet-based Bayesian Compressive Sensing Method[J]. Electronics Letters, 2013, 49(23): 1489-1491. [本文引用:1] [JCR: 1.038]
[18] 叶天语, 马兆丰, 钮心忻, 等. 强鲁棒零水印技术[J]. 北京邮电大学学报, 2010, 33(3): 126-129.
(Ye Tianyu, Ma Zhaofeng, Niu Xinxin, et al. A Zero-Watermark Technology with Strong Robustness[J]. Journal of Beijing University of Posts and Telecommunications, 2010, 33(3): 126-129. ) [本文引用:1] [CJCR: 0.62]