[发明专利]一种可对抗几何攻击的盲数字水印编解码方法

权利要求书

1.一种可对抗几何攻击的盲数字水印编码方法，其特征在于，包含以下步骤：

（1）视频采集：在可见光条件下对监控场景进行视频采集，然后进行配准、降噪和均衡等预处理。

（2）数据传输：将预处理后的视频根据H.264视频编码协议按照24帧/秒进行编码，再将编码所得到的码流传输至PC平台。

（3）场景信息添加：将场景信息采用GBK汉字编码转换为水印比特，按照每帧64比特的速率均匀加入视频图像帧中。场景信息包括摄像头编号、场景位置和场景文字描述。

（4）水印编码，该步骤包括以下子步骤：

（4.1）水印编码针对的图像包括彩色图像和灰度图像，如果源图像为彩色图像，需要将源图像从RGB空间转化为YUV空间。然后，只对其中的Y分量进行水印编码流程。

（4.2）加入定位信息：将源图像分成大小相同的M×M个图像块，M为自然数。用M行M列的矩阵A表示某个图像块，矩阵A中的各个元素为所对应图像块中像素的灰度值。同时，构造M行M列的定位矩阵T，定位信息的加入由下式确定：

A'(i,j)=A(i,j)+αT(i,j)    (1≤i，j≤M)

其中，A(i，j)为矩阵A的第i行第j列元素，i，j为矩阵元素A(i，j)的行标和列标;α为控制定位信息强度的参数;A'为加入定位信息后的M行M列矩阵，A'表示加入定位信息后的图像块。

（4.3）每块矩阵加入相同的水印信息。

（4.4）得到水印图像：对于灰度图像，水印编码后的图像就是最终的水印图像。如果是彩色图像，需要将添加水印后的Y分量由YUV空间变换回RGB空间，以得到水印图像。

（4.5）存储加入水印后的视频图像。

2.一种可对抗几何攻击的盲数字水印解码方法，其特征在于，包含以下步骤：

（1）水印解码针对的图像包括彩色图像和灰度图像，如果源图像为彩色图像，需要将图像从RGB空间转化为YUV空间。然后，只对其中的Y分量进行解码。

（2）寻找定位点：根据每个分块信息之间的相关性确定经受几何攻击后的水印图像的定位点；假设接收方得到的经受攻击后的水印图像用A’表示，设A’的大小为U行V列，利用对行和列后面补零的方法将A’进行延拓，得到(2U-1)行(2V-1)列的延拓矩阵A’’，则对A’’作自相关操作，就是A’’与起自身卷积，可以得到自相关矩阵C：

         C(i，j)=A″(i，j)*A″(2U-i，2V-j)

其中i和j为图像像素的坐标(1≤i≤2U-1，1≤j≤2V-1)。

因为自相关函数和功率谱密度函数是一对傅立叶变换对，其中功率谱函数为Φ(ω)=FFT(A″)×conj(FFFT(A″));所以自相关矩阵C根据维纳-辛钦定理由快速傅里叶变换得到：

         C=abs{real(IFFT{FFT(A″)×conj(FFT(A″))})}

上式中的FFT与IFFT分别代表傅里叶变换与傅里叶反变换，函数real(Z)返回复数Z的实部，函数conj(Z)计算Z的共轭复数，函数abs(Z)返回复数Z的模。

自相关矩阵C极大值点由图像定位点和噪声点组成，利用这些极大值点求出仿射变换矩阵。

（3）自相关矩阵C，C(0，0)是极大值点也是最大值点，因此它必是水印图像的一个定位点。假设自相关矩阵C有L个极大值点，这些极值点的坐标表示为X_i（i=1～L），其中X_i是二维向量。将仿射变换矩阵记为R，可以通过解下述优化问题得到仿射变换矩阵R。

最小化：argminE(R)=||mod(RXi,mn)||1Σi=1Lpi-λΣi=1Lpi]]>

其中m，n为图像块的尺寸，函数mod(x，z)表示对x取模操作，其表达式为为取整操作，||A||₁表示矩阵A所有元素的绝对值和，

pi=1if||mod(RXi,mn)||1<Dmax0otherwise]]>

p_i的取值表明第i个极大值是不是定位点，E(R)的第一项表明X_i经仿射变换后的点RX_i跟标准网格的节点的相似程度，E(R)的第二项表明定位点的多少，参数λ权衡E(R)的第一项和第二项。

（4）解优化问题的具体方式：取模算子的非凸化特性以及p_i∈｛0,1}，采用迭代穷举法，具体如下：

首先，选取距离C(0，0)点最近的八个极值点X_j，接着选取其中的两个极大值点，记为X₁，X₂；选取标准网格其中一个节点的作为中心点Y_center，选取距离Y_center点最近的八个节点Y_j，然后选取其中的两个节点，记为Y₁，Y₂。将R初始化为R=[Y₁，Y₂][X₁，Ｘ₂]^-1。

对于那些可疑定位点X_i，即自相关矩阵C所有的极值点，再然后根据下式判断极大值点是否是定位点，

pi=1if||mod(RXi,mn)||1<Dmax0otherwise]]>

其中D_max为阈值，作为判断极大值点是否是定位点的依据。然后根据argminE(R)=||mod(RXi,mn)||1Σi=1Lpi-λΣi=1Lpi]]>p_i计算E(R)的值。

遍历所有可能的情况，得到许多仿射变换矩阵R_k，每个放射变化矩阵对应着一个E(R_k)。最后计算E(R_k)的最小值，假设E(R_k)的最小值为E(R_m)，则仿射变换矩阵R就是E(R_k)最小值所对应的矩阵R_m。

（5）还原图像：利用步骤4得到的仿射变换矩阵R还原图像，得到未经仿射变换的源图像。对源图像进行旋转90、180、270度处理，处理后得到的三幅图像与源图像构成图像集。

（6）标记同步点：利用加入的定位信息，搜索水印图像中的同步点，从而产生与源图像同样的M×M矩形块分割，假设水印图像用A'表示，其中A'是水印图像经过了旋转、噪声、剪切、平移等攻击后经步骤2、步骤3、步骤4、步骤5得到的图像。利用水印图像和定位矩阵之间的相关性，可以找到水印图像的同步点。将定位模板T沿长宽方向延拓，使之和水印图像大小相同，大小不匹配时，后面的行和列补零，假设这样得到的延拓矩阵为T‘。设A‘和T‘都是U行V列的矩阵，那么可用A‘和T‘的卷积求得同步信息矩阵P：

          P(i，j)=A'(i，j)*T‘(U+1-i，V+1-j)

其中i和j代表图像的下标(1≤i≤U，1≤j≤V)。

上式可由快速傅里叶变换获得：

P(i,j)=IFFT{FFT(A'(i,j))×FFT(T‘(U+1-i，V+1-j))}

上式中，FFT与IFFT分别代表傅里叶变换与傅里叶反变换。水印图像的同步点为矩阵P(i，j)的最大值。

          (i_max，j_max)=argmax_{i=1～U，j=1～V}{P(i，j)}

求出同步点后，把A'中小于i_max或小于j_max的元素删除。

             A'=A'([i_max～U],[j_max～V])

通过这样的方式，可以得出同步后新的水印图像。

（7）对每一个矩形块分别进行水印解码，并利用投票机制得出最终解码结果：每个水印比特解码的最终结果ω是对所有K个块的解码结果进行投票，如果该位+1的数量多于-1，那么最终结果为ω=+1；反之ω＝-1。计算每个还原图像中所有分块解码结果的相关性，将相关性最大的那个还原图像的解码结果作为最终的解码结果。

（8）终端解码场景信息：通过解码得出的水印比特，利用GBK汉字解码，最终获得场景信息，包括摄像头编号、场景位置和场景文字描述。使视频图像自身携带获取该视频图像的场景信息。