基于视觉显著性的图像零水印算法及图像版权认证方法

摘要

本发明公开一种基于视觉显著性的图像零水印算法，属于信息隐藏技术领域，其特征在于通过引入KochandItti视觉注意机制模型自动分析划分出图像显著性区域，再对该区域进行SIFT特征提取，提取的特征信息经过进一步的筛选处理，作为唯一标识该图像的零水印信息进行注册登记。本发明还公开了以该零水印算法为基础的图像版权认证方法。本发明对适度的图像几何失真、滤波、噪声污染等常规图像处理和同步攻击有较好的鲁棒性，为数字图像版权保护和认证提供了一新颖的途径。

主权项

1.一种基于视觉显著性的图像零水印算法，其特征在于通过引入Koch and Itti视觉注意机制模型自动分析划分出图像显著性区域，再对该区域进行SIFT特征提取，提取的特征信息经过进一步的筛选处理，作为唯一标识该图像的零水印信息进行注册登记；该算法具体包括以下步骤：A1.利用Koch and Itti视觉注意机制模型对大小为N*N的原始图像oriMap进行显著性分析，在获得的一张综合视觉显著度图saliencyMap_a((N/2^mapLevel-1)×(N/2^mapLevel-1))中，按照显著性程度由强到弱的规则排列显著点，为了增强提取水印的鲁棒性，实验中我们选取显著性前三块显著区域，模型返回三块区域的圆心，即显著点坐标O_a1，O_a2，O_a3；A2.为了产生的水印信息能够很好的抵抗噪声，滤波等干扰，我们对原始图像oriMap(N×N)进行一级Contourlet变换，得到低频逼近子图subMap_a((N/2)×(N/2))；A3.将A1中模型返回的显著性前三个显著点坐标O_a1～3，从图片saliencyMap_a(N/2^mapLevel-1)×(N/2^mapLevel-1)尺寸下映射到一级低频逼近子图subMap_a(N/2)×(N/2)尺寸下，得到逼近子图subMap_a中的显著点坐标A4.在低频逼近子图上我们以显著点为圆心，半径为R的圆依次划出显著性区域，并截取三块圆形区域；为了方便计算，我们通过在边缘补零，将截取的图片转为正方形尺寸，获得的显著区域子图为saliencysubMap_a1～3尺寸为(2R+1)×(2R+1)；A5.对显著区域子图saliencysubMap_a1～3分别提取SIFT特征.为了减少截取边缘的干扰，对提取的关键点应满足如式(1)约束：|Location(i)-Center|＜radius-r    (1)|.|是求两点的距离，Center为图形中心坐标(R+1，R+1)，Location(i)，i＝1，2，3～m，为SIFT关键点的坐标，m不固定，radius＝R+1，最终可获得saliencysubMap_a三组关键点描述特征向量(Descriptor_a1～3)；A6.将满足A5中条件一副图像的三组关键点描述特征向量集(Descriptor_a1～3)作为水印信息W_a提交Database注册并存储，以备版权认证。