[发明专利]基于Tucker分解的高动态范围图像水印方法

摘要

本发明公开了一种基于Tucker分解的高动态范围图像水印方法，其包括水印嵌入和水印提取两部分，在水印嵌入过程中，将高动态范围宿主图像表示成三阶张量的形式，然后利用Tucker3分解对高动态范围宿主图像进行处理，并将得到的核心张量的第一特征图作为水印信息的嵌入载体，这不仅是因为核心张量的第一特征图涵盖了一幅高动态范围宿主图像的主要能量，而且还可以使嵌入的水印信息随着分解的逆变换扩散到高动态范围水印图像的R、G、B三个通道中，从而有效地提高了鲁棒性；在水印提取过程中不需要原始的高动态范围宿主图像，实现了水印信息的盲提取；此外，本发明方法不会对高动态范围图像的内部结构造成破坏，在不可见性和嵌入容量方面也取得了较好的效果。

主权项

1.一种基于Tucker分解的高动态范围图像水印方法，其特征在于包括水印嵌入和水印提取两部分；所述的水印嵌入部分的具体步骤为：步骤1_1：令I_host表示待嵌入水印信息的高动态范围宿主图像，I_host为RGB彩色图像，将I_host的R颜色通道、G颜色通道和B颜色通道对应记为I_{host_r}、I_{host_g}和I_{host_b}；其中，I_host、I_{host_r}、I_{host_g}和I_{host_b}的宽度均为M_host且高度均为N_host；步骤1_2：将I_host表示成三阶张量的形式，记为A_host；然后利用Tucker3分解算法对A_host进行张量分解，获得A_host的核心张量，记为B_host；并将B_host的第1个通道作为I_host的第一特征图，记为B_{host_1}；将B_host的第2个通道作为I_host的第二特征图像，记为B_{host_2}；将B_host的第3个通道作为I_host的第三特征图像，记为B_{host_3}；其中，A_host和B_host的尺寸均为M_host×N_host×3，B_{host_1}、B_{host_2}和B_{host_3}的宽度均为M_host且高度均为N_host；步骤1_3：如果M_host和N_host均能被N_block整除，则对B_{host_1}、I_{host_r}、I_{host_g}和I_{host_b}不进行像素点的填充，并将B_{host_1}、I_{host_r}、I_{host_g}和I_{host_b}重新对应记为B'_{host_1}、I'_{host_r}、I'_{host_g}和I'_{host_b}；如果M_host能被N_block整除而N_host不能被N_block整除，则对B_{host_1}、I_{host_r}、I_{host_g}和I_{host_b}各自的下侧进行像素点的填充，填充N_block‑mod(N_host,N_block)行，并将B_{host_1}经像素点的填充后得到的图像重新记为B'_{host_1}，将I_{host_r}经像素点的填充后得到的图像重新记为I'_{host_r}，将I_{host_g}经像素点的填充后得到的图像重新记为I'_{host_g}，将I_{host_b}经像素点的填充后得到的图像重新记为I'_{host_b}；如果M_host不能被N_block整除而N_host能被N_block整除，则对B_{host_1}、I_{host_r}、I_{host_g}和I_{host_b}各自的右侧进行像素点的填充，填充N_block‑mod(M_host,N_block)列，并将B_{host_1}经像素点的填充后得到的图像重新记为B'_{host_1}，将I_{host_r}经像素点的填充后得到的图像重新记为I'_{host_r}，将I_{host_g}经像素点的填充后得到的图像重新记为I'_{host_g}，将I_{host_b}经像素点的填充后得到的图像重新记为I'_{host_b}；如果M_host不能被N_block整除且N_host不能被N_block整除，则对B_{host_1}、I_{host_r}、I_{host_g}和I_{host_b}各自的右侧和下侧均进行像素点的填充，填充N_block‑mod(M_host,N_block)列和N_block‑mod(N_host,N_block)行，并将B_{host_1}经像素点的填充后得到的图像重新记为B'_{host_1}，将I_{host_r}经像素点的填充后得到的图像重新记为I'_{host_r}，将I_{host_g}经像素点的填充后得到的图像重新记为I'_{host_g}，将I_{host_b}经像素点的填充后得到的图像重新记为I'_{host_b}；上述，N_block为奇数，N_block>1，B'_{host_1}、I'_{host_r}、I'_{host_g}和I'_{host_b}的宽度均为M'_host且高度均为N'_host，符号为向上取整运算符号，mod()表示取模运算符号；步骤1_4：将B'_{host_1}作为水印嵌入载体，将B'_{host_1}划分成个互不重叠的尺寸大小为N_block×N_block的图像块，将对B'_{host_1}划分后得到的所有图像块中坐标位置为(i,j)的图像块记为B'_{host_1}(i,j)；其中，步骤1_5：将I'_{host_r}、I'_{host_g}和I'_{host_b}对应作为I'_host的R颜色通道、G颜色通道和B颜色通道；然后获取I'_host的宽度为且高度为的亮度掩膜，记为Mask_lum，并将Mask_lum作为秘钥Key1进行保存；接着根据Mask_lum中的每个像素点的像素值判断是否在B'_{host_1}中的相同坐标位置的图像块中嵌入水印信息，对于B'_{host_1}(i,j)，若Mask_lum(i,j)＝0则判定在B'_{host_1}(i,j)中不嵌入水印信息，并将B'_{host_1}(i,j)定义为不处理块；若Mask_lum(i,j)＝1则判定在B'_{host_1}(i,j)中嵌入水印信息，并将B'_{host_1}(i,j)定义为水印待嵌入块；其中，I'_host的宽度为M'_host且高度为N'_host，Mask_lum(i,j)表示Mask_lum中坐标位置为(i,j)的像素点的像素值；步骤1_6：在B'_{host_1}中的每个水印待嵌入块中嵌入水印信息，设B'_{host_1}(i,j)为水印待嵌入块，则在B'_{host_1}(i,j)中嵌入水印信息的过程为：将B'_{host_1}(i,j)的中心像素点的像素值记为G_t(i,j)，将B'_{host_1}(i,j)中除其中心像素点外的所有像素点的像素值按序排列构成行向量，并记为G_{host_1,i,j}，将B'_{host_1}(i,j)的中心像素点的预测像素值记为G_p(i,j)；将B'_{host_1}(i,j)嵌入水印信息后定义为水印嵌入块，并记为B^w_{host_1}(i,j)，将B^w_{host_1}(i,j)的中心像素点的像素值记为当待嵌入的水印信息为1时，若|G_t(i,j)|＞|G_p(i,j)|×(1+T)则令G_t^w(i,j)＝G_t(i,j)，若|G_t(i,j)|≤|G_p(i,j)|×(1+T)则令当待嵌入的水印信息为0时，若|G_t(i,j)|＜|G_p(i,j)|×(1‑T)则令若|G_t(i,j)|≥|G_p(i,j)|×(1‑T)则令其中，G_{host_1,i,j}的维数为1×(N_block×N_block‑1)，G_p(i,j)是利用局部相关性模型Γ和G_{host_1,i,j}计算得到的，m为正整数，m的初始值为1，1≤m≤N_block×N_block‑1，G_{host_1,i,j}(1,m)表示G_{host_1,i,j}中下标为(1,m)的元素的元素值，Γ的维数为(N_block×N_block‑1)×1，将Γ作为秘钥Key2进行保存，Γ(m,1)表示Γ中下标为(m,1)的AR系数，符号“||”为取绝对值运算符号，T为水印嵌入强度，中的“＝”为赋值符号，sign()表示取符号的函数；步骤1_7：对B'_{host_1}中的所有不处理块和所有水印嵌入块进行图像块合并，重构得到含有水印信息的图像，记为B'_{host_1_w}；然后按照步骤1_3的逆过程，对B'_{host_1_w}进行处理，使处理后得到的图像的宽度为M_host且高度为N_host，将处理后得到的图像记为B_{host_1_w}，并作为含有水印信息的第一特征图；再利用Tucker3分解算法的逆变换对B_{host_1_w}、B_{host_2}和B_{host_3}进行处理，得到水印图像，记为I_w；其中，I_w的宽度为M_host且高度为N_host；步骤1_8：水印嵌入端发送秘钥Key1和秘钥Key2给水印提取端；所述的水印提取部分的具体步骤为：步骤2_1：读取含有水印信息的水印图像，记为I'_w；其中，I'_w为RGB彩色图像，I'_w的宽度为M_host且高度为N_host，I'_w为未受到任何攻击的水印图像或为经过色调映射攻击后的水印图像；步骤2_2：将I'_w表示成三阶张量的形式，记为A_w；然后利用Tucker3分解算法对A_w进行张量分解，获得A_w的核心张量，记为B_w；并将B_w的第1个通道作为I'_w的第一特征图，记为B_{w_1}；将B_w的第2个通道作为I'_w的第二特征图像，记为B_{w_2}；将B_w的第3个通道作为I'_w的第三特征图像，记为B_{w_3}；其中，A_w和B_w的尺寸均为M_host×N_host×3，B_{w_1}、B_{w_2}和B_{w_3}的宽度均为M_host且高度均为N_host；步骤2_3：如果M_host和N_host均能被N_block整除，则对B_{w_1}不进行像素点的填充，并将B_{w_1}重新对应记为B'_{w_1}；如果M_host能被N_block整除而N_host不能被N_block整除，则对B_{w_1}的下侧进行像素点的填充，填充N_block‑mod(N_host,N_block)行，并将B_{w_1}经像素点的填充后得到的图像重新记为B'_{w_1}；如果M_host不能被N_block整除而N_host能被N_block整除，则对B_{w_1}的右侧进行像素点的填充，填充N_block‑mod(M_host,N_block)列，并将B_{w_1}经像素点的填充后得到的图像重新记为B'_{w_1}；如果M_host不能被N_block整除且N_host不能被N_block整除，则对B_{w_1}的右侧和下侧均进行像素点的填充，填充N_block‑mod(M_host,N_block)列和N_block‑mod(N_host,N_block)行，并将B_{w_1}经像素点的填充后得到的图像重新记为B'_{w_1}；上述，N_block为奇数，N_block>1，B'_{w_1}的宽度为M'_host且高度为N'_host，符号为向上取整运算符号，mod()表示取模运算符号；步骤2_4：将B'_{w_1}作为水印提取载体，将B'_{w_1}划分成个互不重叠的尺寸大小为N_block×N_block的图像块，将对B'_{w_1}划分后得到的所有图像块中坐标位置为(i,j)的图像块记为B'_{w_1}(i,j)；其中，步骤2_5：根据秘钥Key1中的每个像素点的像素值判断B'_{w_1}中的相同坐标位置的图像块中是否含有水印信息，对于B'_{w_1}(i,j)，若秘钥Key1中坐标位置为(i,j)的像素点的像素值为0则判定B'_{w_1}(i,j)中不含有水印信息；若秘钥Key1中坐标位置为(i,j)的像素点的像素值为1则判定B'_{w_1}(i,j)中含有水印信息，并将B'_{w_1}(i,j)定义为水印待提取块；步骤2_6：从B'_{w_1}中的每个水印待提取块中提取水印信息，设B'_{w_1}(i,j)为水印待提取块，则从B'_{w_1}(i,j)中提取水印信息的过程为：将B'_{w_1}(i,j)的中心像素点的像素值记为G_t'(i,j)，将B'_{w_1}(i,j)中除其中心像素点外的所有像素点的像素值按序排列构成行向量，并记为G'_{w_1,i,j}；然后利用秘钥Key2和G'_{w_1,i,j}计算B'_{w_1}(i,j)的中心像素点的预测像素值，记为G_p'(i,j)，再根据G_t'(i,j)和G_p'(i,j)从B'_{w_1}(i,j)中提取水印信息，若|G_t'(i,j)|＞|G_p'(i,j)|成立则提取出的水印信息为1，若|G_t'(i,j)|≤|G_p'(i,j)|成立则提取出的水印信息为0；其中，G'_{w_1,i,j}的维数为1×(N_block×N_block‑1)，G'_{w_1,i,j}(1,m)表示G'_{w_1,i,j}中下标为(1,m)的元素的元素值。