当前课程知识点:刑侦视频图像处理 > 第5章 图像水印技术 > 5.3图像双水印技术 > 5.3图像双水印技术
大家好
这节课我们来学习图像双水印技术
那么前面我们学习了单水印技术
也就是说在图像载体中
我们只嵌入一个水印
而这节课我们是嵌入两个水印
因为随着水印技术的发展
单一的水印
已经不满足我们的需求
这时候我们需要两个水印
所以这节课
我们来学习双水印的技术
主要的内容包括了这两部分
一个是双水印技术的三种模型
或者说它的三种方案
另外我们给出来一个双水印的例子
对于双水印来说
它分了这样的三种方案
第一个就是说
将鲁棒水印和脆弱水印
合成一个单水印
然后再嵌到图像载体中
类似于传统的水印方法
就是类似于我们刚才讲的单水印
它既保证了水印的鲁棒性
也保证了脆弱性
但当水印一旦被破坏以后
那么它的双重功能
就完全丧失了
所以这是它最不利的一个点
第二种方案就是依次将鲁棒水印
脆弱水印
或者说脆弱水印
鲁棒水印
依次嵌入载体中
也就是说先嵌入
鲁棒水印
在得到含鲁棒水印的图像以后
然后在含鲁棒水印载体中
继续嵌入
脆弱水印
得到含双水印的图像
那么对于这种算法来说
要求
这两个水印必须是独立的
第三种方案就是
将水印嵌在图像的不同区域
比如说将图像
分为敏感和脆弱两个区域
在图像的敏感区域
嵌入鲁棒水印
在图像的脆弱区域
嵌入脆弱水印
然后再合成
就是我们得到了
嵌入水印后的图像
因为脆弱水印和鲁棒水印
嵌入了图像的不同区域
它使得脆弱水印和鲁棒水印
互不影响
这样的话
我们就有效的避免了
第二种方案的一个约束
要求鲁棒水印和脆弱水印
相互独立的约束
也不影响第一种方案的脆弱性
目前许多水印算法
都是基于这种方案来提出的
将脆弱水印和鲁棒水印
嵌入到图像的不同区域
一个用于检测篡改
另一个用于恢复篡改图像
因为双水印算法中
每个水印都有各自的功能
它们之间
不会对其他水印
造成破坏或者干扰
但是可以互相支持
完成单个水印不能完成的工作
这就形成了
双水印算法的多重功能
我们一般根据实际的需求
来做相应的选择
第二种方案和第三种方案
是我们经常会用到的
下面我们给出一个
基于曲波变换的图像
双水印算法
那么我们来看一下
基于曲波变换
图像双水印
嵌入和提取的模块
首先我们来看嵌入
水印特征
首先我们是两种水印
第一个
是特征水印
是由原图
我们来提取图像的纹理特征
构成特征水印
这个是为了后续的检索
做了一个准备
那么这个特征水印在嵌入之前对图像
也做了这样的一个处理
就载体图像
首先先将这个图像
从RGB空间
转到 Y C b C r空间
Y C b C r空间
是改进了以后的
让这两个通道有一个正交的关系
那对于Y´通道来说呢
改进以后的通道就是Y´这个通道
我们做一个DCT的变换
然后在奇异值分解
再将水印嵌入到Y通道上
对于Cb和Cr通道呢
我们做一个系数联合矩阵的处理
再做离散曲波变换
将标识水印
比如说我们下面
X U P T标识水印
做一个加密处理以后
然后我们再嵌入到
Cb和Cr通道上
这个加密是其实做了一个置乱
做了一个简单的治乱处理
然后我们再对这两个水印
做相应的处理
对于特征水印嵌入以后
我们做一个奇异值分解的逆变换
然后再做一个DCT分块变换
那么得到含水印信息的Y通道
而对标识水印来说
我们在做一个
离散曲波逆变换
得到含水印信息的
联合系数举证
我们再分解为我们含水印信息的
Cb´ 通道和Cr´ 通道
对这三个通道我们再来做一个映射
得到
Y´ Cb´ Cr´的
图像转换到 RGB空间
我们就得到了含双水印的图像
这是它的整个的一个嵌入的过程
提取水印来说
我们同样的
也得先把 RGB空间转换到
Y´ Cb´ Cr´的空间上去因为刚才嵌入信息是在
Y´ Cb´ Cr´的空间上
嵌入的
那么我们转换到这个空间以后
再分别从这三个通道里面提取
特征水印和标识水印
因为水印呢特征水印是嵌在Y´通道上
所以我们在Y´通道上
来提取特征水印
首先进行一个
DCT的变换
在奇异的分解
提取出来特征水印
那么最终我们得到
纹理特征
然后我们从Cb´ 和Cr´的通道上我们来
得到含水印信息的
联合系数取证
再对它进行离散曲波变换
得到标识水印
那么我们对标识水印
再做一个解密的处理
我们可以得到标识水印
这就是它的一个嵌入和提取的
一个过程
那么这个特征水印
刚才我们说了
其实是为了后续的一些
检索
做了一个支撑
检索之后
我们需要提取图像的特征
要做这样
而标识水印这块
我们XU P T来代替了
那么在后续
我们也可以
把它变化为
比如说
由谁拍摄的图像
有哪个分局提供的
哪个案件的信息
我们隐藏在这一块
这样
为后续来说
做了这样的一个准备
那么我们来看一下
这个算法的一个鲁棒性
性能怎么样
左边是提取出来的
右边
最上面的这5幅图像的特征水印
原始的图像有这样的一些
包普适图像和现勘图像
这两大类
我们总共用6幅图像
做了一个测试
左边这个
第一个
第一幅图它所对应的特征水印
第二个
它就是B它就是第二幅图的特征水印
同样道理
cdef就是剩下的
4幅图对应的特征水印
XUPT是
标识水印
h是对于标识水印
我们进行置乱以后
得到结果
就是做了一个加密处理
那么我们看
从峰值信噪比
结构相似性
误比特率以及归一化系数来看
这个性能还是不错的
我们看到
这是未受攻击的情况下
性能还是很不错的
我们看到这个结构相似度
基本上都达到了一
基本完全相似了
那么峰值信噪比都达到了50多dB
然后误比特率
我们看到也是非常非常低的
标识水印的
归一化的系数
这个也是非常高的
它是个0~1的取值
越接近于1
说明相似度越高
相关性越大
那么我们看到都是接近于1
并且在第4幅图的检测图
我们看它都达到了一
说明这个算法
在未受攻击的时候
还是非常棒的
那么底下这个给出标识水印的
攻击和未受攻击时的检测
我们看到
未受攻击的时候
提取出来的水印
跟原始的水印图像
还是非常相似的
当受到噪声的攻击的时候
我们看
现勘图像的第1幅
第3幅和第4幅性能就要弱一些
而第二幅的性能
就稍微能好一点点
那么这就是说
我们把双水印
应用在了刑侦领域
做了一个简单的测试
其实现在对于水印的算法来说
已经发展到
利用深度学习来做
那么提取
图像的特征
作为一个特征水印融入到图像中
后面我们也会在这一块
来做一个处理
好
这节课的内容
我们就学习到这
-1.1 绪论(上)
--1.1绪论(上)
-1.2 绪论(下)
-第1章测试
-2.1 光照不良图像增强处理(上)
-2.2 光照不良图像增强处理(下)
-第2章习题
-3.1图像超分辨率重建技术概述
-3.2基于插值的图像超分辨率重建
-3.3基于深度学习的图像超分辨率重建之神经网络
-3.4基于深度学习的图像超分辨率重建
-3.5基础知识介绍
-3.6压缩感知与超分辨率重建
-3.7基于压缩感知字典学习的超分方法
-第3章测试一
-第3章测试二
-4.1引言-什么是HDR图像
-4.2 概述-HDR图像处理的研究内容
-4.3HDR图像获取—多曝光融合
-4.4色调映射基础
-第4章测试题
-5.1图像水印技术概述
-5.2图像单水印技术
-5.3图像双水印技术
-第5章测试题
-6.1图像检索概述
-6.2词袋(BOW)特征描述
-6.3VLAD特征编码
-6.4PCA降维
--6.4PCA降维
-7.1 监控视频编码的作用
-7.2 监控视频编码的标准
-7.3 监控视频编码标准
-第7章测试
-8.1运动目标检测
-8.2运动目标跟踪
-第8章测试题
-9.1高光谱图像基础知识
-9.2高光谱图像的应用
-9.3高光谱图像处理
-第9章测试题
-10.1现勘足迹的基本知识
-10.2现勘足迹提取方法
-10.3结构光测量技术概况
-10.4结构光提取原理
-10.5现勘三维现场重建技术
-10.6基于二维图像的三维现场重建
-10.7基于深度信息的三维现场重建
-10.8应用案例
--10.8应用案例
-第10章测试题
-11.1研究背景与意义
-11.2图像预处理技术
-11.3基于LBP纹理的鞋印检索
-11.4基于SIFT特征的鞋印检索
-第11章测试题
-12.1什么是案件的智能串并?
-12.2实现智能串并案的机遇与挑战
-12.3智能串并案的实现策略与方案
-12.4真实案件智能串并的实现
-第12章测试题
-13.1刑侦模拟画像概述
-13.2 刑侦模拟画像计算机辅助系统
-13.3刑侦模拟画像计算机辅助系统:两维三维画像辅助
-第13章测试题