采用Haar离散小波变换的彩色图像水印算法研究

马金发

(沈阳理工大学，辽宁 沈阳 110159)

采用Haar离散小波变换的彩色图像水印算法研究

马金发

(沈阳理工大学，辽宁 沈阳 110159)

提出一种基于Haar离散小波变换的彩色图像水印算法，将载体图像分解为88的图像块，对载体图像块的R、G、B分量和水印图像进行Haar离散小波变换，析出水印图像的低频小波系数。将低频系数隐藏到两个相邻的载体图像块中的R、G、B分量。实验结果证明了算法的有效性，表明算法对抵抗多种攻击具有较好的不可见性、较高的安全性和较强的鲁棒性。

Haar离散小波变换；水印图像；彩色图像

近年来，网络系统大量传输和接收数字数据，对数字安全保护尤为重要，数字水印是一种保护数字安全最有效的方法之一。学者们提出了许多有关数字图像水印方案，最常见的有空间域和频率域技术，空间域技术调整图像像素的低频部分以确保水印的不可见性，频率域技术将水印合并到图像的变换系数[1]。基于变换的水印算法极易将水印嵌入到图像的视觉重要性系数中；由于很难去除未失真的图像，使得水印具有更强的鲁棒性[1-2]；常用的变换包括离散余弦变换(DCT，Discrete Cosine Transform)和小波变换。目前已有大量将数字水印嵌入到灰度图像的方案[1-3]，在实际应用中，绝大部分是彩色图像，因此进一步研究彩色图像的水印算法更具现实意义。

彩色图像的三个分量(R、G、B)中，针对JPEG压缩攻击R分量的鲁棒性最强，而B分量的鲁棒性最弱。因此，在R分量隐藏水印信息比在B分量隐藏水印信息更加安全。文献[1]提出了一种基于离散小波变换(DWT，Discrete Wavelet Transform)的彩色图像数字水印方案，将水印嵌入到YIQ色彩空间中的Y和Q分量。文献[2]研究将水印隐藏在R、G、B的88DCT块的低频系数中。文献[4]提出采用全帧DCT对R、G、B分量进行变换，选择低频系数隐藏水印。

目前，针对DCT已有大量研究成果，基于DWT的方法正受到越来越多的关注，DWT较DCT有很多优势，DWT与人类视觉系统(HVS，Human Visual System)的某些特性相近，具有良好的时频分解特性，与新一代图像压缩标准相兼容[5]。还有其他流行的小波变换，像Daubechies小波、Mexican Hat小波和Morlet小波，但与Haar小波相比计算代价更高。另一方面，Haar小波变换简单、快速，逆变换没有边缘效应，计算时不用临时数组，更节省内存。本文研究采用Haar-DWT的彩色图像数字水印算法。

1 彩色图像水印算法

采用DWT对图像进行二维离散小波变换，得到低频(LL)、水平(HL)、垂直(LH)和对角(HH)四个分量，对低频部分可以重复这一过程计算多尺度小波分解，二级离散小波变换结果如图1所示。

LL1HL1LH1HH1HLLHHH

图1 二级离散小波变换结果

对水印图像进行Haar离散小波变换，由于仅由低频系数足以重建整个图像，因此只将水印图像的低频系数隐藏到载体图像。对于每一个要隐藏的系数，首先将其分离为3个数字，然后求得每个数字的等值二进制数，每个数字对应于一个等值的四位二进制数，共计12位。

要隐藏这3个四位二进制数，需要载体图像的两个相邻图像块，将水印图像的DWT的一个低频系数隐藏到原始载体图像的两个相邻8×8DWT图像块中。由于水印图像的尺寸为64×64，因此，总共需使用2048个载体图像块。

1.1 水印嵌入算法实现步骤

本文算法实现步骤：

(1)读取尺寸为512×512的24位彩色载体图像；

(2)将载体图像分解为8×8的图像块(共2048个)；

(3)读取尺寸为64×64的8位水印图像；

(4)对水印图像进行Haar离散小波变换，析出低频系数(仅隐藏水印图像的低频系数)；

(5)对水印图像的每一个低频系数(共1024个)采用本文提出的嵌入算法将其隐藏到两个相邻的8×8载体图像块中；

(6)对由嵌入算法返回的含水印的Haar离散小波变换块进行逆小波变换，合并含水印的图像块，获得含水印的图像。

1.2 水印嵌入算法流程

水印嵌入算法的流程图如图2所示。

图2 水印嵌入流程图

1.3 嵌入算法

嵌入算法的输入参数为BL1、BL2和C，其中：BL1为载体图像88的图像块；BL2为载体图像8×8的相邻图像块；C为水印图像Haar离散小波变换的一个低频小波系数。算法步骤如下：

(1)将系数C除2使其在0～255内，C′=C/2；

(2)将系数C′分解为x、y、z三个数字(将数字x隐藏到R分量、y隐藏到G分量、z隐藏到B分量)；

(3)将x、y、z转换为等值的四位二进制数(将二进制数的前两位隐藏到BL1，后两位隐藏到BL2)；

(4)对BL1和BL2的每个分量进行Haar离散小波变换，得到R1、R2、G1、G2、B1、B2图像块，其中：R1为BL1的R分量Haar离散小波变换块；R2为BL2的R分量Haar离散小波变换块；G1为BL1的G分量Haar离散小波变换块；G2为BL2的G分量Haar离散小波变换块；B1为BL1的B分量Haar离散小波变换块；B2为BL2的B分量Haar离散小波变换块；

(5)采用移位运算分别将四位二进制数x、y、z的前两位隐藏到R1、G1、B1，将四位二进制数x、y、z的后两位隐藏到R2、G2、B2；

(6)返回含水印的R1、R2、G1、G2、B1、B2图像块。

水印检测算法是水印嵌入算法的逆运算。

2 实验结果及讨论

为验证算法的性能，载体图像采用Baboon，尺寸为512512的24位彩色BMP图像，水印采用“水印”，尺寸为64×64的8位单色BMP图像进行实验，实验用图像如图3所示。

(a)载体图像

(b)水印图像

采用本文算法将水印图像嵌入到载体图像，结果如图4a所示。从嵌入水印的图像中提取出的水印图像如图4b所示。

(a)嵌入水印的图像

(b)提取的水印图像

对比图3a和图4a可看出，嵌入水印后的图像质量并未明显降低，说明该算法具有不可见性。对比图3b和图4b可看出，提取出的水印图像质量略微下降，但不影响水印的检测。因此，主观上可确认该算法的有效性。

采用结构相似度指数(SSIM，Structural Similarity Index Measurement)[6]评价含水印图像的视觉质量，图3a与图4a的SSIM值均为0.9987，客观地说明了该水印算法的不可见性；采用归一化相关系数(NC，Normalized Ross-Correlation)评价原水印图像与提取的水印图像的相似性，图3b与图4b的NC值均为0.9998，表明该算法嵌入的水印具有可识别性。因此，客观上证明了算法的有效性。

2.1 抗攻击性能

为检测算法的性能，对嵌入水印的Baboon图像进行各种攻击，包括：高斯噪声、椒盐噪声、锐化、放大、剪裁、旋转等攻击。表1为嵌入水印图像经各种攻击的测试结果。

表1 多种攻击测试结果

表中：SSIM为载体图像与嵌入水印经攻击的图像结构相似度指数；NC为原水印图像与提取的水印图像的归一化相关系数。

从表1可看出，该算法具有较好的不可见性；嵌入水印图像遭各种攻击后，提取的水印图像与原水印图像的归一化相关系数值较高。说明该算法对多种攻击具有较强的鲁棒性和较高的安全性。

2.2 抗JPEG压缩性能

采用不同的JPEG质量参数对含水印图像进行JPEG压缩。即使采用质量因数(QF，Quality Factor)为30(原图像尺寸的4%)，仍可检测到提取的水印图像。表2为经JPEG压缩后提取水印图像的PSNR。

表2 经JPEG压缩后提取水印图像的PSNR

从表2可看出，本文算法可抵抗持续的JPEG压缩攻击，甚至可抵抗JPEG压缩至原图像尺寸的4%。

2.3 与其它算法比较

大多数基于DWT的水印算法以载体图像的质量为代价获得鲁棒性。基于码分多址(CDMA，Code Division Multiple Access)的算法在很大程度上影响载体图像的质量，但图像复原具有较强的鲁棒性[3]。另一方面，部分基于滤波的水印算法在保持水印图像不可见性的同时，提取水印的压缩比仅达10～11%[7].将本文结果与文献[3]算法和文献[7]算法进行比较。表3为水印嵌入和恢复耗时对比。

表3 水印嵌入和恢复耗时对比 s

从表3可看出，本文算法的水印嵌入和提取所用时间较文献[3]算法显著减少。从表1可看出，与文献[3]算法比较，本文算法对嵌入水印后的图像质量没有影响。从表2可看出，与文献[7]算法比较，本文算法恢复水印数据可达4%的压缩比。

3 结束语

提出一种基于Haar离散小波变换的彩色图像水印算法。实验结果表明：该算法具有较好的不可见性；对抵抗JPEG压缩等多种恶意攻击具有较强的鲁棒性和较高的安全性；水印嵌入和提取所耗时间更少；提取水印图像可达4%的压缩比。

[1]Guang min,Sun Yao Yu.DWT Based Watermarking Algorithm of Color Images[C].IEEE Conference on Industrial Electronics and Applications,2007.

[2]Kong Xiangwei,Ma Tao,Wei Wei,et al.Statistic-BasedColor Image Watermarking Scheme in DWT Domain[C].IEEE Proceedings of the Second International Conference on Machine Learning and Cybernetic,2003.

[3]Vikas Saxena,J P Gupta.Towards Increasing the Robustness of Image Watermarking Scheme Against Histogram Equalization Attack[C].Proceedings of IEEE 15th Signal Processing and Communication Applications Conference,Turkey,2007.

[4]Banf M,Bartolini F,Piva A .Multi Channel Watermarking of Color Images[J].IEEE Transactions on Circuits an Systems for Video Technology,2002,12(3):142-156.

[5]褚静，徐安成，张美凤.DWT和SVD相融合的彩色图像水印算法[J].电视技术，2013，37(17)：29-32.

[6]李红芳.基于梯度的结构相似度图像质量评价方法研究[D].西安：西安科技大学，2012.

[7] Shih-Chang H.A High Robust Watermarking Algorithm using Sub Band Filtering[C].Proceedings of IEEE 10th International Multimedia Modelling Conference,2004.

(责任编辑：赵丽琴)

Study of the Watermarking Algorithm for Color Images Using Haar-DWT

MA Jinfa

(Shenyang Ligong University，Shenyang 110159，China)

The watermarking algorithm for color images using Haar-DWT is proposed.The cover image is divided into 8×8 blocks,Haar-DWT of the blocks of cover image is taken for R,G and B channel.Haar-DWT of the watermark image is taken and the low frequency coefficients are sepearated out,the low frequency coefficients are hidden in 2 adjacent Haar-DWT blocks of cover image for R,G and B channel.The experimental results show that this proposed algorithm is effective,the algorithm has good invisibility,higher security and more robustness to various kinds of attacks.

Haar-DWT;watermark image;color image

2015-01-08；

马金发(1957—)，男，高级工程师，研究方向：信息安全、图像处理.

1003-1251(2015)03-0028-04

TP391

A