基于零水印的图博档彩色图像资源版权保护策略研究*
朱光
南京信息工程大学经济管理学院 南京 210044)(南京大学信息管理学院 南京 210093
朱光, ORCID: 0000-0003-4749-8603, E-mail: guangguang4992@sina.com
摘要
目的设计一种透明性和实时性更优越的零水印算法, 保护彩色图像信息资源的版权。【应用背景】提高图像视觉质量, 满足网络环境下图博档彩色图像资源版权保护的实时性需求。方法提取彩色图像亮度分量的surf特征, 通过比较特征向量与参考向量余弦夹角的大小构造零水印序列, 并对其进行Arnold变换得到版权标识。结果基于surf特征的零水印算法可以对彩色图像进行实时的版权保护和鉴别, 对于常规图像攻击具有较强的鲁棒性, BCR系数保持在0.7以上。结论有助于网络环境下图博档彩色图像资源的版权保护, 促进图书馆、博物馆、档案馆数字信息资源的共享。
关键词: 彩色图像; 版权保护; surf; 零水印; 实时性
中图分类号:G250.76
Copyright Protection Scheme of Color Images for Libraries, Museums and Archives Based on Zero-Watermarking
Zhu Guang
School of Economics and Management, Nanjing University of Information Science & Technology, Nanjing 210044, China)(School of Information Management, Nanjing University, Nanjing 210093, China
Abstract

[Objective] A Zero-Watermarking Algorithm which has superior performance on transparency and real-time is designed in order to protect the copyright of color image resources for libraries, museums and archives under Internet. [Context] The algorithm can improve the visual quality of color images, while meeting the real-time demand of copyright protection under Internet. [Methods] The surf points and vectors of original color image are extracted. Then, the zero-watermarking sequence is produced by comparing the cosine angles between the surf vectors and a secret reference vector. At last, the copyright mark is obtained by Arnold transform. [Results] The algorithm which has the robust ability to resist on image attacks, while the coefficient of BCR can keep above 0.7. The proposed scheme can also protect and identify the copyright of color images in real-time. [Conclusions] The study is helpful to the protection of color images copyright and can promote the sharing of digital information resources in libraries, museums and archives.

Keyword: Color images; Copyright protection; surf; Zero-Watermarking; Real-time
1 引言

随着数字信息技术的发展, 图书馆、博物馆和档案馆等文献收藏和资源服务机构纷纷将自身馆藏资源数字化。相对于传统的文字和灰度图像, 彩色图像更加生动、形象, 更易于用户接受。然而, 高速网络的普及在促进资源共享和服务融合的同时, 也使得彩色图像资源的版权受到了前所未有的冲击。在当前网络环境下, 某些不法分子和机构可以不受限制地编辑、复制和传播图像资源, 这给资源原创作者和供应商的知识产权造成了极大的侵害。因此, 如何有效保护数字资源的合法版权, 成为亟需解决的问题。本文将零水印技术应用于图书馆、博物馆和档案馆彩色图像资源的版权保护中, 针对网络环境下版权保护的实时性需求, 提出一种基于surf (Speeded Up Robust Feature)特征的彩色图像零水印算法, 有效地解决了传统数字水印技术在透明性和实时性上存在的不足, 为彩色图像资源的版权保护提供了新的技术思路。

2 研究现状

数字水印技术就是通过修改数字资源特定区域的属性或结构, 将版权标识信息(即数字水印信息)嵌入其中。当需要验证版权或出现版权纠纷时, 可提取水印信息作为版权证据, 从而维护资源拥有者的合法知识产权[1]。Ahmada等[2]提出一种基于动态MPEG编码的数字水印算法, 可以对数字图书馆共享的视频资源进行有效的版权鉴别, 并设计实践应用框架; Wang等[3]设计基于最低有效位的图像水印方案, 该方案嵌入信息量小, 可以最大程度上保证原始图像的透明性; Jia[4]提出一种基于奇异值分解的图像盲水印算法, 该算法具较强的鲁棒性, 可用于网络环境下共享图像资源的版权鉴别, 可以抵御各类噪声攻击; 李旭东[5]提出一种基于SVD(Singular Value Decomposition)变换域图像数字水印方法, 该方法在对数字水印进行提取时, 无须原始图像的参与, 具有较强的实用性。

然而, 传统水印算法将版权标识作为水印信息嵌入至图像载体, 不可避免地导致图像视觉质量有所下降, 水印信息的透明性和鲁棒性也会存在冲突。鉴于此, Tsai等[6]利用图像的局部特征构造零水印信息, 设计一种基于SVM和局部最优算子的零水印算法, 在不影响图像保真度的同时, 对各类水印攻击具有较强的鲁棒性; Gao等[7]提出一种基于傅里叶变换矩和SIFT特征的零水印算法, 对图像的几何攻击具有较强的鲁棒性, 但计算复杂度高, 实时性较差; Zhou等[8]提出一种基于图像冗余度和改进sift算子的零水印算法, 对JPEG压缩和灰度变换具有良好的鲁棒性, 但无法抵抗图像裁剪攻击; 郝世博等[9]提出一种基于压缩感知和Arnold变换的零水印算法, 在不影响图像质量的前提下进行版权保护, 但研究对象是灰度图像, 实际应用存在局限性。

综上所述, 现有零水印算法计算量较大, 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, 也难以满足网络环境下版权鉴别的实时性要求。同时, 大多数算法针对的是灰度或二值图像, 应用领域不够广泛。因此, 本文通过引入surf特征算子, 提取彩色图像的稳定特征作为零水印信息, 在不影响图像视觉效果的前提下, 算法对常见的图像操作具有较强的鲁棒性, 在计算效率上也有较大提高, 满足网络环境实时性的要求。

3 算法设计

本文提取符合尺度条件的彩色图像亮度分量的surf特征点和特征向量, 比较参考向量和特征向量之间的余弦夹角, 根据其大小关系生成水印序列, 并对其进行Arnold置乱, 得到版权标识信息。版权鉴别时, 按照相同步骤生成待检测图像的水印序列, 与原始水印信息进行比特率检测, 根据给定阈值判断水印信息是否存在。

3.1 surf特征

surf特征算子利用Hessian矩阵对图像局部区域的极值点进行检测, 提取出图像特征点和特征向量, 其中, 特征点信息记录了特征点的坐标和尺度, 特征向量用于描述特征点的梯度方向, 对常见的图像操作和几何攻击可以保持较好的鲁棒性[10]图1给出了旋转一定角度的flower图像与原图像的surf特征点匹配结果。

图1 surf特征点提取与匹配

surf算子使用方框滤波(Box Filtering)提取图像特征信息, 通过简单的加减运算就可以完成对图像的卷积[11]。相对于传统的sift (Scale-Invariant Feature Transform)特征提取算法[12], 大大提高了计算效率。surf算子、sift算子以及文献[8]提出的改进sift算子在提取图像flower特征上的运行时间结果如表1所示。实验表明, surf算子可以清晰地获取图像的特征匹配关系。运行时间也大大减少, 具有更好的实时性。

表1 图像特征提取的运行时间比较
3.2 零水印信息构造

零水印信息构造流程如图2所示:

图2 零水印构造流程

具体包括以下步骤:

(1) 提取原始图像surf特征

为了提高算法的透明性, 本文根据人眼视觉模型(Human Visual System, HVS)的掩蔽特性[13], 提取原始图像亮度分量的surf特征点, 将特征点集合G定义为:

(1)

其中, (xi, yj)为特征点所在位置, σ s为特征点尺度, rs为梯度方向, 为特征点个数。

(xi, yj)rs

(2) 选取符合尺度条件的特征点

文献[14]表明, σ s尺度越大, 其对图像变换操作的稳定性越强, 变换后匹配概率越高[14], 本文将符合尺度条件的特征点集合表示为:

(2)

为满足尺度条件的特征点个数, 将尺度条件定义为:

(3)

其中, σ max为特征点尺度的最大值, λ 为尺度选择因子 (0< λ < 1)。

(3) 构造向量

在步骤(2)筛选出的特征点集合中, 本文根据每一个点的梯度方向构建两个16维的梯度向量, 定义为:

(4)

再利用用户私钥K1构建一个16维的参考向量δ k, 并计算δ k与δ pI

的余弦夹角

(5)

(4) 生成水印信息

根据余弦夹角 的大小关系生成水印信息, 规则如下:

(6)

其中,

最后, 利用加密密钥K2对水印信息进行Arnold置乱以增强安全性, 得到最终的版权标识信息U。

3.3 版权信息检测

版权信息检测与构造流程大致相同, 选取待检测图像中符合尺度条件的surf特征点, 并构造对应的梯度向量和参考向量, 最后利用密钥生成版权标识信息

版权信息采用比特正确率法(Bit Correctness Rate, BCR)进行检测[15], 公式如下:

(7)

其中, 表异或运算。将BCR值与设定阈值T 比较, 若大于阈值 T, 则证明存在水印, 反之则不存在。若U和û 完全一致, BCR值为1。

4 实验结果及分析

以Matlab 2010为仿真实验平台, 对多幅彩色图像进行零水印算法的有效性验证, 如图3所示:

实验选取具有代表性的南京图书馆江苏文化数据库中的中山植物园、山水册和十竹斋书画谱, 南京博物院虚拟馆藏的彩绘小口罐、明故宫和绿袖缎衣, 南通博物苑数字展览中的夜莺图和棕鸟图共8幅彩色图像为测试图像。参考文献[8], 定义尺度因子λ =0.1。

4.1 安全性分析

水印算法安全性的高低, 取决于其是否依赖于密钥而不是算法。本文利用用户私钥K1构建参考向量 , 恶意攻击者或盗版人员在不知道密钥的情况下无法进行水印攻击。利用加密密钥K2进行Arnold置乱, 若无法获知K2, 也不能生成正确的版权信息。因此本文设计的零水印算法具有较高的安全性, 其依赖于密钥K1和K2, 算法流程可以完全公开。

4.2 可行性分析

相对于其他水印算法, 本文提出的零水印算法通过提取彩色图像的surf特征构造水印信息, 并将Arnold加密后的版权标识存储至IPR(Intellectual Property Rights)数据库中, 不需要在原始图像中嵌入水印信息, 因此不会影响载体图像的视觉质量。

以“ 山水图” 为例, 进行版权信息鉴别实验。首先, 生成500个随机的二值序列, 其中第250个是根据待检测图像的surf特征中构造的水印序列。将这250个序列与存储在IPR数据库中的原始水印序列进行BCR检测, 设置阈值T=0.5[16]。BCR相关系数检测结果如图4所示, 可以看出版权序列的相关系数显著高于其他随机序列的相关系数。版权鉴别结果如图5所示, 实验结果表明本文提出的零水印算法可以正确地检测版权信息的存在。

图4 水印序列的相关系数检测

图5 版权鉴别结果

4.3 鲁棒性分析

鲁棒性是指载体图像在遭受各种变换操作和攻击后, 仍可以提取出清晰的水印信息, 以鉴别版权归属[17]。本文选取常见的10种图像攻击来验证水印算法的鲁棒性, 攻击类型如表2所示, 8幅测试图像遭受不同类型攻击后的BCR系数如表3所示。

表2 攻击类型
表3 待检测图像遭受攻击后的BCR系数

测试图像遭受攻击后的BCR平均值如图6所示。实验结果表明, 本文设计的零水印算法对亮度变换、缩放、JPEG压缩等常见图像操作具有较强的鲁棒性, 对添加噪声(编号5、6)较为敏感, 但仍能正确检测出零水印信息(BCR系数大于检测阈值)。

以“ 夜莺图” 为例, 比较本文算法与文献[17]零水印算法的BCR系数, 如图7所示。实验结果表明, 本文提出的零水印算法具有更好的鲁棒性。

图7 鲁棒性比较

4.4 实时性分析

本文设计的零水印算法提取图像的surf特征, 相对于传统的sift算子计算效率更高。选取6幅测试图像, 计算版权信息检测时间, 如图8所示, 结果表明本文提出的算法更适合在网络环境下实时实现。

图8 实时性比较

5 结语

针对网络共享环境下图博档彩色图像资源版权保护的迫切需求, 本文设计一种基于图像surf特征的零水印算法, 提取对常见图像攻击具有鲁棒性的surf特征, 通过比较特征向量余弦夹角的大小来构造水印序列, 并对其进行Arnold置乱生成最终的版权标识。理论分析与实验结果表明, 本文提出的零水印算法具有更好的安全性。在不影响图像视觉质量的前提下, 可以对彩色图像资源进行有效的版权保护和鉴别, 对灰度变换、JPEG压缩、几何攻击等常见图像操作具有较强的鲁棒性。同时, 较高的计算效率可以保证网络环境下的版权检测的实时性。

本文提出的零水印算法目前局限于彩色图像资源, 将零水印技术应用于音频、视频等多种媒体格式, 以及尝试引入Web Service体系方便用户调用是今后进一步研究的内容。

参考文献
[1] Mohamed T M, Elmahdy H N, Onsi H M. Efficient Watermark Detection by Using the Longest Common Substring Technique[J]. Egyptian Informatics Journal, 2011, 12(2): 115-123. [本文引用:1]
[2] Ahmada J J, Li S, Thavot R, et al. Secure Computing with the MPEG RVC Framework[J]. Signal Processing: Image Communication, 2013, 28(10): 1315-1334. [本文引用:1]
[3] Wang S, Sang J, Song X, et al. Least Significant Qubit (LSQb) Information Hiding Algorithm for Quantum Image[J]. Measurement, 2015, 73(5): 352-359. [本文引用:1]
[4] Jia S L. A Novel Blind Color Images Watermarking Based on SVD[J]. Optik-International Journal for Light and Electron Optics, 2014, 125(12): 2868-2874. [本文引用:1]
[5] 李旭东. 用于图像资源版权保护的SVD域数字水印方法[J]. 现代情报, 2014, 34(11): 75-78, 95.
(Li Xudong. Digital Watermarking Method in SVD Domain for Copyright Protection of Image Resources[J]. Journal of Modern Information, 2014, 31(11): 75-78, 95. ) [本文引用:1]
[6] 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]
[7] 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]
[8] Zhou W J, Jiang G Y, Yu M, et al. Reduced-reference Stereoscopic Image Quality Assessment Based on View and Disparity Zero-watermarks[J]. Signal Processing: Image Communication, 2014, 29(1): 167-176. [本文引用:1]
[9] 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[J]. 现代图书情报技术, 2014(6): 87-93.
(Hao Shibo, Zhu Xuefang. An Image Zero-Watermarking Algorithm Using Block Compressive Sensing for Libraries, Museums and Archives[J]. New Technology of Library and Information Service, 2014(6): 87-93. ) [本文引用:1]
[10] Zitová B, Flusser J. Image Registration Methods: A Survey[J]. Image and Vision Computing, 2003, 21(11): 977-1000. [本文引用:1]
[11] Huang L, Chen C, Shen H, et al. Adaptive Registration Algorithm of Color Images Based on SURF[J]. Measurement, 2015, 66(1): 118-124. [本文引用:1]
[12] Cui X, Wu Q, Zhou J. Online Fragments-based Scale Invariant Electro-optic Tracking with SIFT[J]. Optik - International Journal for Light and Electron Optics, 2015, 126(18): 1720-1725. [本文引用:1]
[13] Gujjunoori S, Amberker B B. DCT Based Reversible Data Embedding for MPEG-4 Video Using HVS Characteristics[J]. Journal of Information Security and Applications, 2013, 18(4): 157-166. [本文引用:1]
[14] Hu H T, Hsu L Y. Robust, Transparent and High-capacity Audio Watermarking in DCT Domain[J]. Signal Processing, 2015, 109(4): 226-235. [本文引用:1]
[15] Ghazy R A, Amoon M, Abdallah H A, et al. Block Based Embedding of Encrypted Watermarks Using Singular Value Decomposition[J]. Optik-International Journal for Light and Electron Optics, 2014, 125(20): 6299-6304. [本文引用:1]
[16] Tsai H H, Tseng H C, Lai Y S. Robust Lossless Image Watermarking Based on Alpha-trimmed Mean Algorithm and Support Vector Machine[J]. Journal of Systems and Software, 2010, 83(6): 1015-1028. [本文引用:1]
[17] 付剑晶, 王珂. 基于第一主成分方向稳定性的图像零水印[J]. 中国图象图形学报, 2012, 17(7): 756-769.
(Fu Jianjing, Wang Ke. Image Zero-watermark Based on Direction Stability of First Principal Component Vector[J]. Journal of Image and Graphics, 2012, 17(7): 756-769. ) [本文引用:1]