[发明专利]基于BP神经网络压缩域的图像水印嵌入与提取方法

摘要

本发明公开了一种基于BP神经网络压缩域的图像水印嵌入与提取方法。本发明提出的图像水印嵌入与提取方法是在Arnold变换的基础上，对载体图像进行BP神经网络压缩处理，并且把水印信息嵌入到神经网络隐含层到输出层的权重中，对载体图像几乎没有影响，不可见性非常强，安全性更高。在这种BP神经网络的压缩域中，含水印的载体图像即使经历多种攻击后，仍然能够记忆局部像素点之间的关系，从而实现对水印信号的正确检测，使得这种嵌入和提取方法对各种常规图像攻击均具有很强的鲁棒性，很好地平衡了图像水印的鲁棒性和不可感知性之间的矛盾，且能够实现了图像水印的盲检测。

主权项

基于BP神经网络压缩域的图像水印嵌入方法，其特征在于，包括以下步骤：步骤(1)分别输入图像大小为N×N的数字载体图像I和图像大小为M×M的水印图像w，依此作为待嵌入水印的原始载体图像和图像水印图像；其中w(i,j)和I(i,j)分别记为I＝{I(i,j),1≤i≤N,1≤j≤N}，w＝{w(i,j),1≤I≤M,1≤j≤M}，其中N为载体数字图像的高和宽，M为水印图像的高和宽，I(i,j)为载体图像在(i,j)位置的像素值，w(i,j)为水印图像在(i,j)位置的像素值；步骤(2)通过二维空间域Arnold变换图像置乱算法，对二进制的标志图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：xn＝(x0+ay0)mod Myn＝(bx0+(ab+1)y0)mod M其中，mod符号是求余运算符，a、b和n均为正整数且0<n<M2/2，特别是a、b、n三个正整数取不同值的组合，(a,b,n)可以作为秘钥使用；进行n次迭代，得到对应水印的置乱后的值(xn,yn)，其中1≤xn≤M，1≤yn≤M，(xi,yi)是原水印图像的像素点，(xn,yn)是变换后新水印图像的像素点，M是水印图像的阶数，即水印图像的尺寸大小，一般多为正方形图像；步骤(3)将载体图像I(i,j)进行图像分块，分成8×8像素的图像块C{i1，j1}，C{i1，j1}为一个的细胞数组，再建立一个[64864]的三层BP神经网络，输入值为C{i1，j1}，期望值为C{i1，j1}，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，建立好BP神经网络后，开始进行训练，得到隐含层的输出O(i2,j2)，和隐含层到输出层的调节系数W(i3,j3)，其中O(i2,j2)为8x1的矩阵，W(i3,j3)为8x64的矩阵；步骤(4)加载水印图像，把水印图像w(i,j)的每一个像素点归一化，然后对应加到W(i3,j3)的每一列的第一个点上，即加到W(1,j3)得到含有水印图像信息的权重W'(1,j3)；然后使用O(i2,j2)与W'(1,j3)进行图像解压，得到含有水印的图像I'。