[发明专利]基于NSCT和SIFT的立体图像零水印方法

摘要

基于NSCT和SIFT的立体图像零水印方法属图像加密和图像处理技术领域，本发明提取立体图像的左右视点图像NSCT变换域的低频子带图像，将它们之间的视差图像作为提取水印的载体，对载体图像进行奇异值分解，制定提取零水印的规则，将提取出的二值零水印图像与版权标志水印图像进行异或后得到认证零水印图像，在注册中心保存认证零水印图像后，立体图像就处在了水印技术的保护中。本发明能很好地抵抗各种噪声、滤波、压缩等常规攻击，尤其提高了抵抗几何攻击的能力，零水印嵌入不改变原始图像，能保证图像的质量，并且水印提取时不需要原始图像，为实际应用提供了便利，能够有效地保护立体图像的版权。

主权项

一种基于NSCT和SIFT的立体图像零水印方法，其特征在于包括水印嵌入过程和水印提取过程；1.1水印嵌入过程包括以下步骤：1.1.1选择立体图像的数据库，选取用于仿真的立体图像对，将立体图像的右视点图像记作R，左视点图像记作L，两幅图像大小都为M×N，二值版权标志水印图像记作WL，大小为m×n；1.1.2将左右视点图像灰度化，分别对两幅图像进行SIFT特征点提取：1)在高斯差分尺度空间提取SIFT特征点时，图像I(x,y)的尺度空间L(x,y,δ)由下列公式(1)和公式(2)得到：L(x,y,δ)＝I(x,y)*G(x,y,δ)  (1)G(x,y,δ)=12πδ2exp(-x2+y22δ2)---(2)]]>其中：G(x,y,δ)为高斯核函数，(x,y)为空间像素坐标，δ为尺度坐标，由此得到高斯尺度空间：D(x,y,δ)=(G(x,y,kδ)-G(x,y,δ))*I(x,y)=L(x,y,kδ)-L(x,y,δ)---(3)]]>2)得到尺度空间后，每个点与相邻的同尺度的8个点，以及上下相邻尺度的18个点进行比较，找出极值点；将所有极值点利用海森矩阵进行筛选，海森矩阵和稳定性计算公式如式(4)和式(5)所示：H=DxxDxyDxyDyy---(4)]]>s=Tr(H)2Det(H)=(Dxx+Dyy)2(DxxDyy-Dxy2)<(e+1)2e---(5)]]>其中：D为微分算子；Tr(H)为矩阵H对角线元素之和；Det(H)为矩阵的行列式；e为特征点最大特征值与最小特征值的比率；如果找出的极值点满足公式(4)和公式(5)，就可以记为稳定的特征点；设稳定的特征点的集合为：F＝{fi|fi＝((xi,yi),si,θi),i∈(0,p)}  (6)其中：(xi，yi)为特征点的像素位置；si为图像的特征尺度；θi为特征点的主方向；p为特征点的个数；3)生成128维特征点描述符；首先计算特征点附近的16×16的矩阵点的梯度大小和梯度角度，然后形成一个4×4的特征点描述符，共16个，每个包含8个直方图方向，共4×4×8＝128个向量，即可表示特征点的描述符；1.1.3.对左视点图像L和右视点图像R分别进行非下采样轮廓波NSCT分解，得到低频子带图像SL和SR，以及各个尺度上的高频子带图像；1.1.4.取出低频子带SL和SR，利用立体图像匹配的方法，求取两幅低频子带图像之间的视差图像D，采用水平方向上的视差图，和从左到右的匹配方式，视差图像的大小与原始立体图像相同，也为M×N；1.1.5.将视差图像分为大小为(M/m)×(N/n)的不重叠的图像子块Ci，图像子块的个数为m×n，用i给图像子块按照从左到右从上到下的次序标定顺序号，1≤i≤m×n；1.1.6.对每一个图像子块进行奇异值分解SVD，如式(7)所示：Ci=UM×MSM×NVN×NT---(7)]]>其中：U和V为酉矩阵；S为对角矩阵，即奇异值矩阵，对角线上的元素为奇异值，S＝diag{λ1，λ2，λ3,……λm}；取出每个图像子块奇异值第一个特征值λ1i，也就是矩阵中最大的特征值，求所有的λ1i的平均值λa，1≤i≤m×n,如式(8)：λa=Σi=1m×nλ1i/(m×n)---(8)]]>1.1.7.根据每个图像子块的奇异值与它们的平均值的关系来构造零水印，制定零水印的生成规则：如果第i个图像子块的奇异值大于平均值，设定wi为1；如果第i个图像子块的奇异值小于平均值，则设定wi为0，如式(9)；按顺序遍历所有的图像子块，将得到的所有wi汇集成一个二值序列，将二值序列变形为大小为m×n的二值零水印图像W；wi=0ifλa>λi1ifλa<λi---(9)]]>1.1.8.将版权标志水印图像WL与二值零水印图像W进行异或，得到认证水印图像W*，将认证水印图像送到注册中心的水印信息库中保存，使立体图像处于水印技术的保护之中；W*=W⊕WL---(10)]]>将零水印的生成方式、生成规则以及原始图像的SIFT特征模板作为密钥保存；1.2水印提取过程包括以下步骤：1.2.1对待检测的立体图像的左右视点图像分别记作L'和R'，大小为M×N，用保存的特征模板首先进行SIFT特征匹配，判断是否受到几何攻击，如果存在几何攻击，进行图像校正，否则，直接进行下一步；1.2.2将左视点图像L'与右视点图像R'灰度化后分别进行NSCT分解，得到低频子带与高频子带，取出各自的低频子带图像S'L和S'R，大小为M×N；1.2.3将两幅低频子带图像利用立体匹配的方法，求出水平方向上的视差图像D'，匹配方式是从左到右；1.2.4将视差图像分解成大小为(M/m)×(N/n)的不重叠的子块C'i，将图像子块按照从左到右从上到下的顺序进行排列，用i代表图像子块的顺序，1≤i≤m×n；1.2.5按顺序对每个图像子块进行奇异值分解：Ci′=U′M×MS′M×NVN×N′T---(11)]]>在每个奇异值矩阵中提取出第一个奇异值λ'i1，求取它们的平均值：λa′=Σi=1m×nλ1i′/(m×n)---(12)]]>1.2.6遍历所有的图像子块，依次比较每个图像子块的奇异值与它们奇异值的关系，如式(13)，如果第i个奇异值比平均值要大，返回值1，否则，返回值0，将所有返回值按顺序存储在大小为m×n的二值矩阵中，该矩阵就是提取出来的二值零水印图像W'；wi′=0ifλa′>λ1i′1ifλa′<λ1i′---(13)]]>1.2.7从注册中心取出保存的认证水印图像W*，与1.2.6步骤中提取的二值零水印图像W'进行异或，得到版权标水印志图像W'L：WL′=W′⊕W*---(14)]]>用版权标志水印图像的内容判别版权的归属问题。