[发明专利]基于BP神经网络数字图像压缩的图像水印嵌入与提取方法

权利要求书

1.一种基于BP神经网络数字图像压缩的图像水印嵌入方法，其特征在于，其包括如下步骤：

S1a、对原始水印图像W进行置乱处理，获得置乱后的水印图像；

所述步骤S1a中通过改进Arnold变换对水印图像进行置乱处理，获得置乱后的水印图像；改进Arnold变换算法是增加变量数目和扩大变换空间，对水印图像W做n次Arnold迭代变换，即以水印图像的位置(x₀，y₀)作为初值，其中1≤x₀≤M，1≤y₀≤M，按照如下公式

即

xn=(x0+ay0)mod Nyn=(bx0+(ab+1)y0)mod N]]>

进行n次迭代，得到置乱后的水印图像(x_n，y_n)，其中1≤x_n≤N，1≤y_n≤N，N为原始载体图像的阶数，a、b和n均为正整数且M为水印图像的高和宽；

S2a、建立BP神经网络，设置BP神经网络的传递函数、调整训练函数，并设置BP神经网络的训练次数、神经元激活函数阈值、学习常数以及压缩系数；

S3a、划分置乱后的水印图像为嵌入图像块，将输入和输出期望均设置为载体图像块，通过BP神经网络对载体图像块进行训练，获得隐含层的输出O；

S4a、在隐含层的输出O中嵌入水印，将嵌入水印图像信息后的压缩图像进行解压，得到嵌入水印的载体图像；

所述步骤S4a包括如下子步骤：

S41a、把置乱后的水印图像进行归一化处理，把水印图像量化到一个预设的值；

S42a把量化后的水印图像嵌入到隐含层的输出O的每行的第一个位置中；

S43a、把嵌入水印图像信息后的压缩图像进行解压，得到嵌入水印的载体图像。

2.如权利要求1所述的BP神经网络数字图像压缩的图像水印嵌入方法，其特征在于，所述步骤S2a中BP神经网络为64×8×64的三层BP神经网络，传递函数为sigmoid函数，调整训练函数为trainlm函数，训练次数为100，神经元激活函数阈值为0.05，学习常数为0.5，压缩系数为8。

3.如权利要求1所述的BP神经网络数字图像压缩的图像水印嵌入方法，其特征在于，载体图像分块成8×8的图像块。

4.一种基于BP神经网络数字图像压缩的图像水印提取方法，用于获取权利要求1至3任意一项中嵌入水印的载体图像中的原始水印图像，其特征在于，其包括如下步骤：

S1b、建立BP神经网络，设置BP神经网络的传递函数、调整训练函数，并设置BP神经网络的训练次数、神经元激活函数阈值、学习常数以及压缩系数；

S2b、划分嵌入水印后的图像为图像块，将输入设置为载体图像块，将输出期望设置为原图像块，通过BP神经网络对载体图像块进行训练，获得隐含层的输出O″；

S3b、获得隐含层的输出O″与隐含层的输出O的差，得到差值图像D；

S4b、对差值图像D进行反变换，得到置乱恢复的水印图像；S5b、置乱恢复的水印图像进行反归一化处理，得到原始水印图像W。