[发明专利]一种数字图像水印嵌入方法、提取方法、装置、存储介质

说明书

本发明公开了一种数字图像水印嵌入方法、提取方法、装置、存储介质，其中嵌入方法包括：基于目标数字图像的红色通道数据和数字图像水印得到目标数字图像嵌入水印后的红色通道数据；基于数字图像水印的红色通道数据和目标数字图像的蓝色和绿色通道数据得到目标数字图像嵌入水印后的蓝色和绿色通道数据；将得到的目标数字图像嵌入水印后的红色通道数据、蓝色和绿色通道数据进行合并，得到嵌入水印后的目标数字图像。水印嵌入的过程中分别使用红、蓝和绿三个不同的通道，相互独立，不会相互影响各自水印的嵌入和后期的提取，几乎不影响目标图像的质量，又相互补足对方的缺点；使该水印嵌入方法具有微损、强隐蔽性和强鲁棒性。

技术领域

本发明涉及数字水印技术领域，尤其涉及一种数字图像水印嵌入方法、提取方法、装置、存储介质。

背景技术

近年来，随着计算机科学与网络技术的迅猛发展，越来越多高速流通的数据信息尤其是数字图像牵扯到知识产权问题。国家和民众对知识产权保护日益重视的同时也对其相关技术(比如版权保护)提出了越来越高的要求。作为一种版权标注的重要手段，国内外学者对数字图像水印的嵌入与提取进行了大量深入研究。

数字图像水印需要具备安全性、隐蔽性和鲁棒性。安全性是指数字图像水印的信息应是安全的，难以篡改或伪造；这是由水印本身来保证的。隐蔽性是指人类感官无法知觉目标数字图像中隐藏的数字图像水印；同时数字图像水印不影响被保护数据的正常使用，不会引起目标数字图像降质。鲁棒性是指在经历多种无意或有意的图像处理(例如噪声攻击)过程后，目标数字图像中的数字图像水印仍能保持部分完整性并能被准确提取和鉴别。隐蔽性和鲁棒性是由水印嵌入和提取算法来保证的。

为满足以上需求，近年来国内外学者提出了许多水印嵌入和提取算法。例如2015年复旦大学Chong Yu提出了基于人工神经网络和Arnold Scrambling的SSDW算法。该算法的优点是盲提取(Blind Extraction)，提取水印时不需要水印原图；缺点是：基于该算法嵌入水印后的图像有明显的细微噪点，而且目前仅做过抗噪声攻击测试。V.Ashok Kumar等人在2017年基于离散小波变换和LSB提出了WLSBWM算法，也具有盲提取的优点，而且能够抗拒除图像旋转之外的多种攻击。其缺点是嵌入水印后的图像有明显的蠕虫样噪声，而且算法环节较多较复杂。Raheleh KHORSAND MOVAGHAR等人在2017年基于人工神经网络、离散小波变换和奇异值分解(SVD)提出了一种水印嵌入和提取算法，对目标数字图像的质量影响较小，但水印提取需要原水印图片，限制了其适用范围。此外，该算法抗裁剪和噪声攻击的效果较差，而且未做旋转攻击测试。Baharak Ahmaderaghi等人基于离散剪切变换和统计决策理论提出了一种水印嵌入和提取算法，与上述算法类似，水印提取需要原水印图片，而且未做抗放缩攻击测试。

发明内容

本发明提供了一种数字图像水印嵌入方法、提取方法、装置、存储介质，其目的是实现水印嵌入的微损、强隐蔽性和强鲁棒性。

第一方面，提供了一种数字图像水印嵌入方法，包括：

基于目标数字图像的红色通道数据和数字图像水印得到目标数字图像嵌入水印后的红色通道数据；

基于数字图像水印的红色通道数据和目标数字图像的蓝色和绿色通道数据得到目标数字图像嵌入水印后的蓝色和绿色通道数据；

将得到的目标数字图像嵌入水印后的红色通道数据、蓝色和绿色通道数据进行合并，得到嵌入水印后的目标数字图像。