文摘

在本文中,一种新颖的高动态范围(HDR)图像零水印算法对色调映射攻击了。为了提取稳定鲁棒水印和不变的特性,在移不变的shearlet变换(认定)是用于将HDR图像。首先,HDR图像转化为CIELAB颜色空间,和l选择组件执行认定获取包含强劲的低频子带图像的结构信息。其次,低频子带划分为不重叠的块,这是改变了用离散余弦变换(DCT)和奇异值分解(圣)获得的最大奇异值构造一个二进制图像特征。提高水印的安全性,一个混合混沌映射(HCM)是用来炒水印。最后,一个异操作执行二进制特征图像和炒水印之间的计算健壮水印。实验结果表明,该算法有很好的抵抗能力的色调映射和其他图像处理攻击。

1。介绍

最近,人们有更多的极端要求图像的质量和视觉感知。传统的低动态范围(异地恋)图像有一个记录宽动态范围非常有限的能力,导致光区域曝光过度和黑暗的区域是曝光不足在现实场景中1,2]。与异地恋成像相比,高动态范围(HDR)成像技术出现为了更准确地描述真实的场景和光明与黑暗地区的记录更详细的信息(3,4]。在HDR图像在实际应用越来越普遍(5,6),HDR图像的版权保护已经受到了越来越多的关注。水印技术可以有效地实现多媒体数据的版权保护和信息安全领域发挥着重要作用(7- - - - - -10]。

因为现有的存贷比显示器的动态范围有限,色调映射(TM)过程时需要HDR图像将显示在异地恋显示设备(11]。因此,不同于异地恋的图片,TM的过程是一个不可避免的攻击形式,考虑到HDR图像的版权保护。然而,只有少数HDR图像水印算法提出了几十年(12- - - - - -19]。一些水印算法主要关注隐身和嵌入容量和空间域嵌入水印的图像。Yu et al。12和王et al。13)直接使用的指数通道与RGBE HDR图像存储格式指导无损水印嵌入。程等。14和李et al。15)结合最低有效位(LSB)技术嵌入水印RGBE存储格式和LogLuv (TIFF)存储格式,分别。林等人使用10位数尾数OpenEXR格式传递机密数据(16]。除此之外,其他HDR水印算法主要考虑HDR图像本身的结构特点,完成了在变换域水印嵌入。Guerrini等人嵌入水印的低频带离散小波变换(DWT)域使用量化索引调制(QIM) [17]。该算法取得了良好的细微,但误比特率(的误码率水印的提取高。Solachidis等人异地恋的HDR图像分解为一组图像用不同曝光使用过程,和水印嵌入到图像DWT域的序列(18]。然而,相应的细微不满意。为了保持良好的人际关系的三个颜色通道的HDR图像、罗等人提出了一个HDR图像水印方法基于特征映射提取利用塔克分解(19],它可以抵抗不同的TM攻击和最常见的图像处理攻击。

为了提高水印的鲁棒性,上述HDR水印算法将增加鲁棒性的水印强度,从而导致图像失真。因此,它是一个水印无法感知和鲁棒性之间的矛盾。此外,小修改不需要一些HDR医学图像和HDR遥感图像,有必要设计一种算法,没有形象的损害。为了解决这个问题,温家宝等人提出了一种零水印算法,这是一个无损水印算法,克服了传统水印算法的图像质量退化(20.]。在一般情况下,零水印算法提取原始图像的固有特性计算鲁棒水印在不影响图像质量和水印的不可见性和鲁棒性之间取得平衡。类似于零水印,图像散列过程也是一个从原始图像中提取特征,将图像转换成一个简短的数字表示法。然而,它主要用于图像完整性验证(21,22]。此外,图像的散列提供了有效支持图像的内容,可以用来协助水印(23,24]。

据我们所知,HDR图像零水印算法很少报道,只有一些异地恋图像零水印算法。零水印主要分为基于空间域和变换域水印算法。基于空间域的算法,特征矩阵提取得到的特征直接从空间域。熊等人提出了一个强大的基于空间域水印之间的大小比较,整个图像和块的意思是指构造特征矩阵(25]。基于变换域的水印算法比基于空间域的算法,更健壮的和不同的变换域是用来设计鲁棒水印。锅等人提出了一种彩色图像水印算法基于DWT和奇异值分解(计算)26]。崔等人提出了一种基于DWT水印算法通过选择图像小波系数来构造零水印(27),健壮的各种图像攻击。水印鲁棒性高,一些多尺度变换被视为扩展应用了小波变换和零水印,如Contourlet和Shearlet。朱等人提出了一种彩色图像水印算法基于舒尔分解和contour-let变换(28),擅长抗旋转和压缩攻击。shearlet变换有其优势的最优稀疏表示多维数据,是紧支撑变换。Mardanpour等人设计了一个基于shearlet变换的水印和两对角线奇异值分解29日),健壮的大多数图像攻击,包括旋转和翻译。Subramani等人提出了一种鲁棒水印算法基于shearlet变换和矩阵QR分解抵抗各种攻击30.]。王等人提出了一个基于nonsubsampled金字塔分解的水印算法(NSPD)和离散余弦变换(DCT),但并不健壮的结合图像攻击(31日]。尽管shearlet经常变换用于水印,它缺乏强有力的移不变的。有效地分析HDR图像的几何结构,实现移不变的几何结构,在移不变的shearlet变换(认定)作为一种先进的多尺度几何分析是就业。认定可以有效地从图像中提取稳定的信息,也没有将采样过程多尺度分解时。版权保护的HDR图像,我们可以申请认定提取稳定和不变的结构特点来构建健壮水印。

本文提出一种HDR图像零水印算法基于认定,DCT,圣言(32]。认定是运营的HDR图像计算低频子带,和不变的几何结构的HDR图像提取。获得稳定的特征矩阵,DCT和圣言是用来分解低频子带先后。提高水印的鲁棒性,相邻比较的目的是构建一个二进制图像特征。混合混沌映射(HCM)是用于生成加密水印的安全性,和之间的异操作执行二进制特征图像和炒水印获得零水印。实验结果表明,该算法能有效地抵抗不同的TM攻击和攻击最常见的形象。本文的贡献如下:(1)小说健壮的HDR图像零水印算法提出了基于认定(2)为了提取稳定和HDR图像不变特征,认定应用于变换HDR图像(3)实验结果表明,提出的HDR图像零水印算法比现有的一些更健壮的HDR图像零水印算法

本文的其余部分组织如下:部分2简要介绍了圣、认定和HCM系统。部分3解释提出的HDR图像水印方案。部分4提供了实验结果和分析。部分5画了一个结论。

2。理论基础

在本节中,shearlet变换(ST),移不变的shearlet变换(认定),和混合混沌映射(HCM)算法中使用的简要介绍。

2.1。Shearlet变换(ST)

圣是一个基本函数生成的一个仿射变换和表达的特征曲线在二维甚至多维空间实现最优线性误差近似。表示为连续ST 在哪里f是信号和是shearlet基函数,定义为 在哪里j是一个尺度参数,l是一个方向参数,k翻译是一个参数,依据表示矩阵的行列式,一个和B2×2可逆矩阵,一个^j代表了尺度变换矩阵,B^l意味着几何变换矩阵当面积不变。在变换域中,shearlet具有不同特点代表了一种梯形一双相对原点对称。每个shearlet支持一对梯形,而且每一个都包含一个盒子的大小约2^j×2^2j,这意味着shearlet有很强的选择性的各向异性方向(33]。

2.2。认定

认定设计shearlet变换的基础上,可以通过使用多尺度分割和完成定向定位(34]。

多尺度分割,移不变的对图像转变意味着小敏感,可以通过nonsubsampled金字塔过滤器。定向定位,频率平面分解为低频子带和几个梯形高频部分波段认定。从传统圣认定消除了二次抽样的操作,和分解子带图像与原始图像大小相同。认定有很好的定位在变换域和移不变的性质,及其过程可以概括如图1。在图1,f代表原始图像,f_h1和f_l1分别表示图像高频和低频图像后第一层拉普拉斯金字塔分解。f_s1代表了方向第一层方向分解后的子带图像f_h1。f_h2和f_l2分别表示图像高频和低频图像后第二层拉普拉斯金字塔分解。

以反映认定分解过程直观,形象2显示了认定后的低频子带上的Rend10 HDR图像。从图2,我们可以看到的低频子带主要包括近似HDR图像的结构信息。

2.3。HCM

HCM主要包括两个典型的混沌系统:物流映射(LM) [35)和分段线性混沌映射(PWLCM) [36]。LM的定义是 在哪里 , 是控制参数,x_k地图的混沌序列。此外,由于PWLCM属性包括均匀分布,遍历性好,混乱,和扩散,它也用于加密水印。PWLCM可以形容 在哪里 和 是控制参数。

为提高算法的安全性,我们更换控制参数p上述PWLCM系统变量参数p_k,p_k取决于产生的随机序列x_k。为了满足 ,我们做p_k的三分之一x_k。可以作为混合混沌映射系统

参数被认为是一个私钥。在提出的水印算法,方程(5)是用于生成混合序列加密水印图像。

3所示。提出了零水印算法

在本节中,我们提出一个水印通过认定,DCT和圣言。在下面,水印生成和验证的过程详细描述。

3.1。一代的零水印方案

让f是原来的HDR图像的大小米×米和W原始的二进制水印的大小N×N,在那里N=米÷n。图3显示了零水印生成过程,并详细描述的主要步骤如下:步骤1。原始水印和加密。来增强水印的安全性,水印加密和加密。原始水印WArnold变换获得炒的吗W₁的私钥k₁: 阿诺德(•)意味着Arnold变换和随机序列Y₁={y_n| n=1、2、……N²}是由使用方程(9)。Y₁转换为二进制图像用吗G。一个异之间的操作执行G₁和W₁获取加密的水印W₂: 步骤2。健壮的特征提取。获得的最优表示HDR图像和抵抗不同类型的图像攻击,鲁棒图像特征提取。首先,HDR图像fCIELAB色彩空间转换,然后亮度分量l是由使用认定计算低频f_l1。f_l1分为不重叠的块吗B与的大小n×n。其次,运用DCTB检索DC系数F(u, v),u, v= 0,1,2,…,n -1。第三,应用奇异值分解F(u, v)获得对角矩阵年代(u, v);最大奇异值年代(0,0)提取。步骤3。特征向量。来计算水印,健壮的二进制向量计算通过比较每个块的最大奇异值。最大奇异值年代(0,0)所有的块被安排在一个向量特征矩阵T由比较的相对大小的最大奇异值每一块: 在哪里我=0、1、2、3、……n−1。步骤4。建设的零水印方案。构造零水印,加密的水印之间的异操作执行W₂和T生成水印。 第5步。保护的零水印方案。

为了安全,获得零水印和密钥k₁在第三方注册知识产权(IPR)数据库版权保护。

3.2。验证的零水印方案

假设f 图像是验证,也许经历过某些TM攻击。图4显示了版权的水印提取过程验证,和详细步骤描述如下:步骤1。特征提取的f 。首先,HDR图像f CIELAB色彩空间转换,然后亮度分量l 是由使用认定计算低频f_l1 。f_l1 分为不重叠的块吗与的大小n×n。其次,运用DCT检索DC系数F (u, v),u, v= 0,1,2,…,n -1。第三,应用奇异值分解F (u, v)获得对角矩阵年代 (u, v);最大奇异值年代 (0,0)提取。步骤2。特征向量。最大奇异值年代 (0,0)所有的块组成一个向量和特征矩阵T 由比较的相对大小的最大奇异值每一块: 步骤3。最后的水印提取。

然后一个异操作,执行逆Arnold变换提取最终的水印W₁:

提取的W₁和原始二进制水印W比较,如果他们是相似的,认证完成。

4所示。实验结果和分析

八HDR图像从网站gre病房中选择测试如图5。14个典型TM攻击选择评价水印的鲁棒性。水印是一个二进制图像,“注”,如图6阿诺急忙密钥k₁= 29。

水印的鲁棒性意味着承受各种无意攻击的能力,包括TM攻击和常见的图像处理攻击。鲁棒性评估的误比特率(的误码率)[35)和归一化互相关(数控)[9原始水印和提取水印之间的]。他们被定义为方程(12)和(13),分别为: 在哪里N_e代表了错误比特水印和数量N_t代表水印的总比特数。 在哪里W (i, j)和W₁(i, j)分别代表了原始水印和提取水印。

4.1。唯一性验证水印

在本节,我们将讨论零水印的唯一性验证,并由一个图像的零水印方案只能相关图片。换句话说,产生不同的原始图像的零水印方案应该是不同的。表1展品的相似性产生的二进制图像的零水印方案8个原始HDR图像,相似度的计算是基于方程(13)。

从表1相似,最大和最小是0.5903和0.7014,分别,这远远小于1。因此,它可以很容易地看到从不同的原始水印HDR图像低相似性和区别。

4.2。水印的鲁棒性

在本节中,该算法的鲁棒性在TM攻击和常见的图像处理攻击测试,和相应的数控和的误码率计算。

4.2.1。准备鲁棒性测试TM攻击

为了评估该算法的鲁棒性在TM攻击,14 TM攻击选择攻击原HDR图像。TM KrawczykTMO组成的攻击,GammaTMO AshikhminTMO, DragoTMO, LogarithmicTMO, MertensTMO, WardGlobalTMO, WardHistAdjTMO, LischinskiTMO, ReinhardDevlinTMO, RamanTMO, TumblinRushmeierTMO, DurandTMO, FattalTMO如表所示2。

表3显示的误码率年代八攻击算法的图像。从表3,很清楚地看到的误码率年代的八个HDR图像是高于0.75,这意味着HDR图像的版权声明。TM的大部分攻击,相应的的误码率该算法的s低于0.1,只有,TM13和TM14的误码率s是有点高,但仍低于0.75。平均伯斯不同的TM攻击是低于0.1,他们表明,该算法不同的TM攻击具有很好的鲁棒性。表4也显示了类似的结果,数控该算法的s高于0.8,这证明了鲁棒性。

4.2.2。为常见的图像处理攻击鲁棒性测试

除了抵制TM攻击,该算法也健壮的常见的图像处理攻击。10个不同的常见的图像处理攻击是在原始HDR图像操作,例如添加噪声、滤波、缩放、裁剪、旋转、和的误码率年代和数控列出了该算法的年代,如表所示5和6,分别。

表5和6显示的误码率年代和数控年代该算法的HDR图像被列在表十个常见的图像处理攻击2。从两个表中,我们可以看到的平均值的误码率八HDR图像都是低于5%,最小值为2.18%。的平均水平数控八HDR图像都高于96%,最大值是98.58%。它表示,该算法对常见的图像处理攻击具有很好的鲁棒性。

为了现在的水印提取视觉,图7显示水印提取的Rend01在不同的攻击。最重构水印可以清楚的看到,这意味着版权保护的水印可以提取。相似的结果也能从其他HDR图像,并证明了该算法是健壮的TM攻击和常见的图像处理攻击。

为了测试该算法的鲁棒性,一个伪随机代码作为水印。伯斯抵制TM算法的攻击如表所示7。从表7,我们可以看到,大多数伯斯八HDR图像是低于5%,这表示该算法的鲁棒性。此外,对于抵抗常见的图像处理攻击,伯斯都低于5%,最低为2.13%,如表所示8。因此,该算法是水印是一个伪随机代码时依然强劲。

4.3。鲁棒性比较

为了确保实验的合理性比较,该算法与王的零水印算法相比37和白的水印算法38对于不同的TM攻击)的鲁棒性。HDR图像和TM袭击中使用这个实验是一致的与这两个比较算法。给出了比较结果表9,粗体显示最好的。

表9显示的误码率年代的三个比较抵制TM攻击的算法,我们可以看到大多数的的误码率该算法的s低于王的和白的。此外,平均的误码率算法的4.51%,远低于这些王的和白的,因此上述比较实验证明该算法的鲁棒性。

4.4。计算时间的零水印

为了验证的效率提出了零水印算法,水印生成和提取的平均计算时间为8 HDR图像进行测试。计算机用于我们的实验有一个1.50 GHz处理器,4 GB内存,64位微软Windows 7操作系统。实验完成了MATLAB环境下的2019 a。的平均运行时间的零水印生成和提取八HDR图像小于2秒如表所示10,这表示该算法是可以接受的在真实的应用程序中。

5。结论

在这篇文章中,一个新颖的HDR图像零水印算法基于移不变的shearlet变换(认定)、离散余弦变换(DCT)和奇异值分解(计算)。为了提取不变的HDR图像信息,认定技术用于转换l组件的CIELAB颜色空间。获得稳定的特征矩阵,DCT和圣言会先后用于分解低频图像。提高水印的鲁棒性,相邻比较的目的是构建一个二进制图像特征。最后,执行一个异操作之间的二进制特征图像和加密水印图像获得零水印。此外,为了保证水印的安全性,一个混合混沌映射(HCM)是用于获取加密水印。实验结果表明,该算法可以有效地保护版权的HDR图像和健壮的各种各样的TM攻击和最常见的图像处理攻击。然而,该算法不能抵抗旋转攻击。在未来的工作中,我们将探讨健壮的HDR图像来提高它的特性。

数据可用性

本文中使用的数据主要是通过开源渠道,可以从数据集网站下载http://www.anyhere.com/gward/hdrenc/pages/originals.html。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作得到了中国自然科学基金批准号。61971247和61971247下,浙江省自然科学基金资助下。LY19F020009 LQ20F010002。也是由k . c . Wong麦格纳在宁波大学基金。