EN中文

地球信息科学学报 >

2021 , Vol. 23 >Issue 10: 1882 - 1891

DOI: https://doi.org/10.12082/dqxxkx.2021.210021

遥感科学与应用技术

结合ASIFT和归一化的抗仿射变换遥感影像盲水印算法

  • 秦如贞 , 1, 2, 3 ,
  • 张黎明 , 1, 2, 3, * ,
  • 伍庭晨 1 ,
  • 李玉 1, 2, 3 ,
  • 王昊 1, 2, 3
展开
  • 1.兰州交通大学测绘与地理信息学院,兰州 730070
  • 2.地理国情监测技术应用国家地方联合工程研究中心,兰州 730070
  • 3.甘肃省地理国情监测工程实验室,兰州 730070
* 张黎明（1975— ）,男,甘肃天水人,博士,教授,主要从事地理信息安全,空间数据安全,版权保护,地图数据数字水印的理论与方法等研究。E-mail:

秦如贞（1997— ）,女,山西吕梁人,硕士生,主要从事遥感影像版权保护研究。E-mail:

收稿日期: 2021-01-15

  要求修回日期: 2021-04-10

  网络出版日期: 2021-12-25

基金资助

甘肃高等学校产业支撑引导项目项目(2019C-04)

国家自然科学基金项目(41761080)

兰州交通大学优秀平台支持(201806)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

A Blind Watermarking Algorithm for Remote Sensing Image based on Anti-Affine Transforma-tion Combining ASIFT and Normalization

  • QIN Ruzhen , 1, 2, 3 ,
  • ZHANG Liming , 1, 2, 3, * ,
  • WU Tingchen 1 ,
  • LI Yu 1, 2, 3 ,
  • WANG Hao 1, 2, 3
Expand
  • 1. Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou 730070, China
  • 2. National-Local Joint Engineering Research Center of Technologies and Applications for National Geographic State Monitoring, Lanzhou 730070, China
  • 3. Gansu Provincial Engineering Laboratory for National Geographic State Monitoring, Lanzhou 730070, China
* ZHANG Liming, E-mail:

Received date: 2021-01-15

  Request revised date: 2021-04-10

  Online published: 2021-12-25

Supported by

Industrial Support and Guidance Projects of Colleges and Universities in Gansu(2019C-04)

National Natural Science Foundation of China(41761080)

Lanzhou Jiaotong University Excellent Platform(201806)

Copyright

Copyright reserved © 2021
Fold

摘要

针对遥感影像使用过程中,含水印影像经过仿射变换后水印与影像的同步性被破坏,导致水印无法正常检测的问题,本文提出了一种适用于遥感影像的抗仿射变换盲水印算法。首先通过ASIFT算法提取影像具有仿射不变性的特征点,根据特征尺度的大小与特征点间的欧式距离筛选适量特征点,构造对应的正方形特征区域;然后通过计算特征区域的仿射不变矩得出归一化变换函数的参数,对特征区域进行归一化处理,并以归一化特征区域的不变质心为中心提取子区域作为水印嵌入区域,对该区域进行二级离散小波变换,得到水印嵌入区域的低频信息;运用量化嵌入规则将水印嵌入到低频信息中,依次进行低频信息逆小波变换,水印嵌入前后特征区域差值图像反归一化,最后将反归一化差值图像叠加在原始影像特征区域上,完成水印的嵌入。实验选用了3000像素×3000像素的高分二号遥感影像作为载体影像,含版权信息的二值图像作为水印,实验表明：含水印的遥感影像经过旋转、平移、缩放在内的仿射变换后,仍能准确提取水印信息;算法可有效抵抗加噪、滤波、裁剪等常规水印攻击,攻击后影像提取的水印与原水印相关系数均高于0.9;水印具有良好不可感知性;在水印提取时无需原始遥感影像,属于盲水印算法。

关键词： 遥感影像; 仿射变换; 数字水印; ASIFT; 不变矩; 特征尺度; 归一化; 特征区域

本文引用格式

秦如贞 , 张黎明 , 伍庭晨 , 李玉 , 王昊 . 结合ASIFT和归一化的抗仿射变换遥感影像盲水印算法[J]. 地球信息科学学报, 2021 , 23(10) : 1882 -1891 . DOI: 10.12082/dqxxkx.2021.210021

Abstract

In the process of using remote sensing images, the synchronization between watermark and remote sensing image is disrupted after affine transformation is performed on the watermarked image. Although the watermark is not removed after affine transformation, the size and relative position of the image are changed, which leads to the problem that watermark cannot be detected correctly. It is significant to improve the robustness of digital watermarking. This paper proposes a blind watermarking algorithm for remote sensing image, which can effectively resist affine transformation. Firstly, the affine invariant feature points of the image are extracted by ASIFT algorithm. The stable, evenly distributed, appropriate feature points are selected according to the size of the feature scale and the Euclidean distance between the feature points to construct the corresponding square feature regions. Secondly, take a feature region as an example, the affine invariant moments of the feature region are calculated to normalize the feature region. With the invariant centroid of the normalized feature region as the center, the sub region is extracted as watermark embedding region. The low-frequency information of the watermark embedding region is obtained by two-level wavelet transform. The watermark is embedded into the low-frequency information using the quantization embedding rule to complete the watermark embedding. Finally, inverse wavelet transform of low-frequency information is performed. The difference image of the characteristic region before and after embedding is denormalized. The denormalized difference image is superimposed on the original image characteristic region to complete the watermark embedding. In this paper, a GF-2 remote sensing image of 3000 × 3000 pixels was used as the carrier image, while the binary image with copyright information was used as the watermark. This paper measured the invisibility of the watermark by calculating the magnitude of the peak signal-to-noise ratio. In the robustness testing experiments, the watermarked image was subjected to affine transformation, noise adding attack, and filtering attack. Then, the algorithm of this paper was used for watermark extraction. The watermark with the highest normalized correlation value extracted was selected for robustness evaluation. The experiment results show that, after affine transformation, including rotation, translation, and scaling, the watermark information was accurately extracted from the watermarked remote sensing image through the algorithm. The algorithm is robust to noise, filtering, cropping, and other conventional watermarking attacks. The watermark has good imperceptibility. ASIFT is a blind watermarking algorithm. The watermark detection process does not need the original remote sensing image. Our algorithm has strong practicability.

Key words： remote sensing image; affine transformation; digital watermarking; ASIFT; invariant moments; feature scale; normalization; feature region

1 引言

遥感影像作为一种高精度的对地观测数据,是国家战略性基础资源的重要组成部分。随着计算机网络的快速发展,遥感影像共享以及复制变得越来越普遍,这些因素可以提高地理信息服务质量,但同时也增加了遥感数据的不安全性[1],影像的版权冲突问题逐渐成为影像分发过程中面临的突出威胁之一。因此,安全可靠的影像版权认证方法,是保证遥感影像实际使用价值的重要基础。
作为一种新兴的版权认证技术,数字水印技术不仅被广泛应用在图像版权认证领域,也为遥感数据的版权保护提供了实用有效的解决方案[2]。考虑到抗差性的需求,目前遥感影像的水印算法主要为变换域算法[3],变换域水印算法将影像映射到相应的变换域中,通过修改变换域系数完成水印的嵌入,具有良好的鲁棒性与不可感知性。其中基于离散小波变换（Discrete Wavelet Transform, DWT）的遥感影像水印算法因其对遥感影像分类结果影响的可控性,近几年在遥感影像版权保护中得到了广泛应用[3]。Li等[4]设计了基于四元数小波变换和张量分解的遥感图像数字水印方案,Wu等[5]提出了结合四级DWT和奇异值分解（Singular Value Decomposition, SVD）的水印算法,这些算法可以很好地平衡水印的不可见性与鲁棒性,并且比传统基于DWT的水印算法更稳健。在实际应用中,仿射变换作为一种典型的遥感影像几何攻击方式,频繁地出现在影像配准的过程中[6],而小波变换域并不具有几何不变性[4]。遥感影像经过仿射变换等几何攻击后虽然没有去除水印信息,但改变了影像的大小和相对位置,破坏了水印的同步,从而导致难以从影像中提取有效的水印信息实现对影像版权归属的认证[7]。近几年,部分学者对这一问题进行了深入的研究,其中抗仿射变换水印算法的研究成果可分为以下3类：① 基于影像校正方法。基于该方法,Wang等[8]在水印检测前利用ASIFT特征点匹配进行失真校正;罗茂等[9]则通过在水印提取前进行影像的仿射矩阵校正,从而实现算法抗仿射变换的能力,但是此类方法在水印检测时需要使用原始影像或相关模板,属于非盲水印算法,其应用受到较大限制;② 基于仿射不变域的方法。比较常见的是利用Fourier-Mellin变换[10]、离散傅里叶变换变换（Discrete Fourier Transform, DFT）[11]和归一化[12]等方法提高水印鲁棒性,Sridevi等[13]提出了基于归一化和DC系数的鲁棒水印算法,该算法可抵抗直方图均衡化、噪声等水印攻击与仿射变换等几何攻击,但对裁剪攻击鲁棒性不足;Chen等[14]提出了基于四元数傅里叶变换的水印算法,该算法将相位信息集成到水印处理中,表现出对几何变形的高度鲁棒性,但由于缺乏多尺度特性,该变换对噪声处理敏感。③ 基于特征区域的方法。提取影像稳定的特征点,并把水印重复嵌入到部分特征点构成的特征区域,邓成等[15]通过特征点聚类获得稳定且彼此独立的仿射协变特征区域,该算法选择在空域中进行水印嵌入,而空间域算法的抗差性较差[16];周琳等[17]则通过筛选尺度适中的特征点,获得Blob-Harris特征区域,结合轮廓波变换与SVD将水印嵌入到特征区域中,该方案对裁剪攻击及一定程度的复合攻击等具有好的鲁棒性,但未能实现水印的盲提取。综上,现有的抗仿射变换的数字水印算法存在无法同时兼顾抗仿射,抗裁剪与水印盲提取的问题。
因此,本文利用仿射-尺度不变特征变换（Affine-Scale-Invariant Feature Transform, ASIFT）和基于矩的归一化技术,提出了一种抗仿射变换遥感影像盲水印算法。该算法不仅实现了水印的盲提取,而且考虑到遥感影像使用过程中面临仿射变换等几何攻击的问题,增加了水印算法抗仿射变换的鲁棒性。

2 结合ASIFT和归一化的盲水印算法

遥感影像数字水印算法应该借鉴图像数字水印研究思路与解决方法,也要结合遥感影像自身特点与应用场景[18]。为保证遥感影像的精度特性,水印要具备良好的不可感知性;遥感影像在处理过程中的配准、拼接等步骤会对遥感影像造成包含仿射变换在内的几何攻击,对数字水印的鲁棒性有着更高的要求;遥感影像数据量大,在水印检测过程中应实现无需原始遥感数据的盲水印检测[19]。
本文算法包括水印嵌入和水印提取2部分。水印嵌入时,通过ASIFT算法提取影像特征点,并利用筛选后稳定且分布均匀的特征点构造特征区域,使得影像在经过仿射变换后仍能提取相同特征点,保证仿射变换后提取的特征区域与原特征区域所覆盖的影像范围大体相同,且在多个特征区域嵌入水印可以抵抗裁剪攻击对水印提取造成的影响;利用基于矩的归一化方法将特征区域映射到仿射不变空间,即归一化特征区域能够有效抵抗仿射变换对影像和水印同步关系造成的影响;通过归一化特征区域的不变质心确定水印嵌入区域,再对水印嵌入区域进行Haar小波变换,选择在低频信息嵌入水印,可以增强水印的鲁棒性;对水印图像进行置乱操作以降低其空间相关性,使用量化规则进行水印嵌入,此种嵌入方式可实现提取过程无需原始影像的盲检测;含水印低频信息进行逆Haar小波变换,将水印嵌入区域替换为含水印的水印嵌入区域,从而得到含水印的归一化特征区域,为减少归一化与反归一化对影像特征区域造成的不可逆影响,本文算法计算水印嵌入前后归一化特征区域的差值图像,对差值图像进行反归一化,再将反归一化差值图像叠加在特征区域上,最大程度减少水印嵌入过程对遥感影像的影响,至此完成了水印的嵌入过程。在水印提取过程中,对含水印遥感影像依次进行特征点提取,特征区域构建,特征区域归一化等处理,得到水印嵌入区域的低频信息,按照量化规则进行水印提取,最终得到水印图像。
具体算法流程如图1所示。
图1 结合ASIFT和归一化的盲水印算法流程

Fig. 1 Flow chart of blind watermarking algorithm based on ASIFT and normalization

2.1 特征点与特征区域提取

ASIFT是一种局部特征描述子,它的提出是为了解决影像倾斜的情况下特征点匹配少量且不稳定的问题,在遥感领域中常用于影像配准时的特征点匹配。ASIFT算法通过改变与相机光轴角度相关的重要参数来模拟影像各种情况的仿射变换,然后对待匹配的影像进行基于仿射变换的插值重采样,最后对影像对进行SIFT特征点匹配,从而使得匹配的特征点具有仿射不变性。
ASIFT算子对遥感影像进行特征点提取操作,结果如图2所示。
图2 影像中的ASIFT特征点

Fig. 2 ASIFT feature points in the image

从遥感影像中提取的ASIFT特征点具有仿射、尺度、旋转不变性,且对影像的滤波、加噪等操作具有一定的鲁棒性,在特征提取方面相对SIFT更加稳定,且遥感影像中丰富的地物信息为ASIFT特征点的提取提供了良好的基础[20]。通过仿射不变特征点构建影像特征区域进行水印提取,是抗几何攻击水印算法的常见思路,如文献[15]中通过检测出的特征点构造仿射变换不变区域,在该区域进行水印嵌入。
从遥感影像中提取的ASIFT特征点的数量和密度很大,对于影像的仿射变换,并不是全部特征点都能保持稳定,且影像经过常规处理后,会有部分特征点不能被检测到[21]。特征点作为水印检测时的辅助工具,要求其分布均匀、数量适中、稳定性好。由于特征尺度的大小与影像局部特性相关,大尺度特征点代表影像的概貌特征,小尺度特征代表影像的细节特征[22],通常情况下,较大特征尺度的特征点在经过常规影像处理后具有较好的稳定性,且水印容量与特征区域的大小相关,特征尺度较大的特征点对应较大特征区域,所以本文选择特征尺度大的特征点进行特征区域构建。
本文通过以下算法提取影像特征区域：
（1）将初步提取的ASIFT特征点按照特征尺度 σ大小选取前n个特征点,其中ceil(S/2s)<n<ceil(S/s)其中S为影像大小,s为嵌入水印所需最小区域的大小,ceil为向上取整函数,本文算法取n=20;
（2）以筛选后的特征点为圆心, kσ 2为半径的圆形区域表示每个特征点对应的特征范围,k为常数（k=5, 6, …, 10）,当圆形区域发生重叠时舍去特征尺度较小的点;
（3）将特征点pi作为对角线交点,构造边长为 kσ 2 的正方形区域,提取正方形所覆盖的影像范围作为特征区域。

2.2 水印嵌入区域构建

由于特征区域只与特征点的位置与特征尺度大小有关,在影像进行仿射变换后,只能保持特征区域内影像内容的大体相同,并非完全一致,如果直接将水印嵌入特征区域中,则会导致水印提取效果不佳,甚至无法提取水印。
基于矩的归一化技术可以有效抵抗平移、缩放、旋转等仿射变换对特征区域造成的影响,首先计算特征区域具有仿射不变性的几何矩,确定影像归一化变换函数的参数,然后利用得到的参数确定变换函数,将特征区域通过变换函数转换为归一化特征区域[12],基于矩的归一化一共要经过四次变换,其中依次包括抵抗平移变换的坐标中心化、x-shearing归一化、放缩归一化与旋转归一化。由于本文特征区域的大小与ASIFT特征点的特征尺度相关联,所以在归一化过程中无需进行缩放归一化。由于基于矩的影像归一化存在冗余特性,即归一化特征区域存在“黑边”[12],如果把水印信息直接嵌入到含黑边的归一化特征区域中,反归一化的过程会致使水印信息缺失,从而影响水印检测。因此,本文首先计算归一化特征区域的不变质心,然后以不变质心为中心构造水印嵌入区域。其中,某一特征区域归一化前后与水印嵌入区域的选取结果如图3所示。
图3 某一特征区域归一化前后与水印嵌入区域的选取结果

Fig. 3 A characteristic region before and after normalization and selection results of watermark embedding region

2.3 水印嵌入与提取

2.3.1 水印图像预处理
为提高水印图像的安全性,避免嵌入水印影响遥感影像的空间相关性,需要对水印图像进行预处理。本算法使用Arnold变换进行置乱处理,打乱水印图像的像素灰度与坐标,实现破坏水印图像相关性的目的,并可实现对原始水印的加密。Arnold变换定义见式（1）。
x ' y ' = 1 1 1 2 x y mod N , x , y ∈ 0,1 , 2 , … , N - 1
式中：(x, y)为原始水印中的像素点坐标;(x', y')为 Arnold变换后的像素点坐标;mod是取模运算;N为图像边长。Arnold变换的变换周期为T,当水印图像经过T/2次变换时置乱度最大且鲁棒性最强;而经过T次变换后会得到原始水印。本文算法变换次数为K,在水印提取时水印信息再进行T-K次变换即可得到水印图像,结果如图4所示。
图4 Arnold变换前后的水印图像

Fig. 4 Watermark image before and after arnold transform

2.3.2 水印嵌入
为了保证遥感影像水印的不可感知性,本文选择在水印嵌入区域的DWT域上进行水印嵌入。DWT具有良好的“时-频”分解特性,符合人眼视觉系统的特性[23]。DWT可以使信号分析在影像不同尺度上进行,影像在经过每一级小波变换后得到3种高频信息HH、LH、HL与一种低频信息LL。其中,低频信息涵盖遥感影像的大部分基本特征,多级小波变换后得到的高层低频信息汇集了遥感影像的绝大部分关键信息,它是对影像主要特征的描述,而高频信息发生轻微改动会影响影像的视觉效果[24]。因此,将水印信息嵌入到影像的低频信息上,可以很大程度上增强水印的鲁棒性[24]。除此之外,与基于DFT的数字水印方案相比,基于DWT的数字水印方案可以通过控制水印嵌入强度,从而有效减弱水印嵌入对遥感影像地物分类结果的影响[3],保证遥感影像的数据精度。
有鉴于此,在水印嵌入操作之前,本文算法对所构建的水印嵌入区域进行二级小波变换,提取该区域的低频信息。水印的嵌入与提取操作均是在该特征区域的低频信息上进行的,其中水印嵌入的具体过程如下：
（1）提取ASIFT特征点。用ASIFT算子从遥感影像I中提取具有仿射不变性的特征点;
（2）构造特征区域Ii（i表示第i个特征区域）。筛选得到稳定,分布均匀的特征点,并以特征点为依据构建特征区域,从遥感影像中划分出一系列正方形特征区域Ii;
（3）确定水印嵌入区域。对Ii进行基于矩的归一化处理,确定归一化特征区域Iri的不变质心Oi,并以质心Oi为中心点,构造正方形区域Ri作为水印嵌入区域;
（4）嵌入水印。对Ri进行二级Haar小波变换,得低频信息Li,并将水印信息W嵌入到Li中,得到含水印的低频信息Li';
由于本文算法需要实现无需原始水印数据的盲检测,所以根据量化规则进行水印嵌入,具体过程为：根据水印嵌入区域的低频矩阵块Li中的行列位置m和n,表示低频系数为Li[m, n],并对低频系数进行量化处理。以任意一个低频矩阵块为例说明：首先计算量化值λm,n=round(Li[m, n]/ζ),ζ为量化步长,round运算为四舍五入取整,mod是取模运算,然后将水印信息Wm,n嵌入到低频系数中,嵌入规则如式（2）所示：
L i ' m , n = λ m , n - 0.5 × ζ mod λ m , n + W m , n , 2 = 1 λ m , n + 0.5 × ζ 其他
（5）获得含水印影像。对低频信息Li'做逆小波变换,得到含水印的水印嵌入区域Ri',将归一化特征区域中的Ri替换为Ri',得到含水印的归一化特征区域Iri',计算Iri'与原归一化特征区域Iri间的差值影像Di,对差值影像Di进行反归一化,得到反归一化差值影像Di',将Di'叠加到原始遥感影像I的特征区域上,得到含水印的遥感影像I'。
2.3.3 水印提取
水印的提取过程则是在含水印影像中准确定位原水印嵌入区域,再按照量化规则进行水印提取,其具体步骤为：
（1）提取ASIFT特征点。用ASIFT算子从含水印的遥感影像I'中提取具有仿射不变性的特征点;
（2）构造特征区域Ii*。筛选得到稳定,分布均匀的特征点,并以特征点为依据构建特征区域,从遥感影像中划分出一系列正方形特征区域Ii*;
（3）确定水印嵌入区域。对Ii*进行基于矩的归一化处理,确定归一化特征区域Iri*的不变质心Oi*,并以质心Oi*为中心点构造正方形区域Ri*作为水印嵌入区域;
（4）提取水印。对Ri*进行二级Haar小波变换,得到低频信息Li*,根据量化规则提取水印信息,并进行Arnold变换得到水印图像Wi。

3 实验及结果分析

本文实验选取3000像素×3000像素的高分二号（GF-2）遥感影像作为载体,带有“兰州交大”字样的二值图像作为水印图像。

3.1 水印的不可感知性

从图5和图6可以看出,人眼视觉无法感知水印嵌入对遥感影像造成的影响,再计算水印嵌入前后影像的峰值信噪比（Peak signal-to-noise Ratio, PSNR）来检测水印的不可感知性。PSNR的计算公式为：
PSNR = 10 × lg M × N × max I - min I ' 2 ∑ i=1 M ∑ j=1 N I i , j - I ' i , j 2
图5 原始影像

Fig. 5 Original image

图6 含水印影像

Fig. 6 Watermarked image

式中：I和I'分别表示原始遥感影像和含水印遥感影像;I(i, j)和I'(i, j)为在(i, j)处原始遥感影像与含水印遥感影像像元值的大小;影像大小为M×N。通过计算,本文算法与文献[9]、文献[17]算法中的PSNR对比情况见表1。
表1 不可感知性评估结果

Tab. 1 Imperceptibility assessment results

算法 PSNR/dB
本文 46.6518
文献[9] 41.6211
文献[17] 43.4538
本文算法的PSNR为46.6518 dB,大于文献[9]与文献[17]算法的PSNR。因此,说明本文算法的不可感知性优于文献[9]与文献[17],很难发现水印嵌入后载体影像的改变。

3.2 算法的鲁棒性

为了验证算法的鲁棒性,本次实验对含水印遥感影像进行包含旋转、平移、放缩在内的仿射变换,并对影像进行裁剪、噪声、滤波等常规水印攻击,利用本文算法进行水印检测,用提取得到水印的最大归一化相关系数（Normalized Correlation, NC）来评价水印算法的鲁棒性[17],若计算得到的NC值越接近1,则原始水印与提取的水印相似度越高。NC的计算公式如下：
NC = ∑ i=1 K ∑ j=1 L b i , j K × L
式中：b(i, j)=XNOR(Wi,j, Wi,j'),XNOR则为异或运算;Wi,j为原始水印;Wi,j'为提取的水印;K×L为水印的 大小。
实验结果如表2、表3所示。由表2可知,在影像进行旋转、平移、放缩变换后,本文算法仍可以正确检测到水印信息,且提取得到水印与原水印的相关系数均高于0.75;在影像进行仿射变换后,本文算法提取得到的水印与原水印的相关系数均高于0.7,尤其在前三次仿射变换实验中,提取得到水印的相关系数高于0.8,说明当仿射变换程度较低时,算法鲁棒性良好,然而当仿射变换程度较大时,提取的水印质量相对较差,主要原因在于：① 嵌入水印时差值图像的反归一化和提取水印时特征区域的归一化会对水印信息造成影响;② 为了保证水印的不可感知性,本文算法进行水印嵌入时对变换域系数改变较小,即嵌入强度较低,当影像仿射变换程度较大时,特征区域内的影像内容变动大,水印嵌入区域的变换域系数恢复程度也较低,导致水印提取效果不理想。
表2 仿射变换后提取水印的结果

Tab. 2 Results of extracting watermark after affine transformation

表3 常规攻击后提取水印的结果

Tab. 3 Results of extracting watermark after conventional attack

由表3可知,算法可抵抗诸如裁剪、高斯噪声、椒盐噪声、中值滤波等常规水印攻击,提取得到的水印与原水印的相关系数均高于0.9,说明本文算法对常规水印攻击具有良好的鲁棒性。
为更好说明算法鲁棒性与实用性,将本文算法与文献[9]、文献[13]的图像水印算法以及文献[18]的遥感影像水印算法进行比较,对比情况见表4。
表4 本文与文献[9]、文献[13]、文献[18]的算法性能比较结果

Tab. 4 The results of the algorithm performance comparison between this paper and literature [9], literature [13], and literature [18]

算法 文献[9]算法 文献[13]算法 文献[18]算法 本文算法
抗仿射变换 是 是 否 是
抗裁剪攻击 是 否 是 是
水印盲提取 否 否 是 是
由表4可知,本文算法与文献[9]、文献[13]算法均可有效抵抗仿射变换对水印的影响,文献[13]算法在面对裁剪攻击时鲁棒性欠佳,且本文算法相较于上述算法实现了水印的盲提取,更具实用性;文献[18]算法与本文算法均为遥感影像盲水印算法,相较之下本文算法在影像面临仿射变换时更具优势。因此本文算法在实用性方面上优于文献[9]和文献[13],在抗仿射变换能力方面优于文献[18],由以上分析可知,本文算法在保证算法鲁棒性的同时亦提高了实用性。

4 结论

本文针对遥感影像面临仿射变换等几何攻击的现状,提出了一种可有效抵抗仿射变换的遥感影像盲水印算法,得出以下主要结论：
（1）本文水印算法通过提取影像稳定特征点,构造互不重叠的特征区域,并对特征区域做归一化处理,提高了水印特征区域的仿射不变性,在归一化特征区域中进行水印嵌入与提取,实现了仿射变换后水印与遥感影像的同步。
（2）通过计算水印嵌入前后影像的PSNR可知,本文算法嵌入水印对遥感影像的影响较小,水印有较好的不可感知性。
（3）由攻击实验可知,本文算法可以有效抵抗遥感影像仿射变换等几何攻击对水印提取造成的影响,且对加噪、裁剪、滤波等攻击也具有良好的鲁棒性。
（4）当含水印遥感影像进行程度较大的仿射变换后,提取得到的水印并不理想,因此,面对大程度仿射变换时如何提高算法鲁棒性将是下一步研究需要解决的问题。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Zhu P, Jia F, Zhang J L. A copyright protection watermarking algorithm for remote sensing image based on binary image watermark[J]. Optik, 2013, 124(20):4177-4181.

DOI

[2]
Ray A, Roy S. Recent trends in image watermarking techniques for copyright protection: A survey[J]. International Journal of Multimedia Information Retrieval, 2020, 9(4):249-270.

DOI

[3]
朱长青. 地理数据数字水印和加密控制技术研究进展[J]. 测绘学报, 2017, 46(10):1609-1619.

[ Zhu C Q. Research progresses in digital watermarking and encryption control for geographical data[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10):1609-1619. ]

[4]
Li D S, Che X Y, Luo W, et al. Digital watermarking scheme for colour remote sensing image based on quaternion wavelet transform and tensor decomposition[J]. Mathematical Methods in the Applied Sciences, 2019, 42(14):4664-4678.

DOI

[5]
Wu J Y, Huang W L, Xia-Hou W M, et al. Imperceptible digital watermarking scheme combining 4-level discrete wavelet transform with singular value decomposition[J]. Multimedia Tools and Applications, 2020, 79(31/32):22727-22747.

DOI

[6]
薛白, 付钰莹, 崔成玲, 等. 多重约束条件下的不同遥感影像匹配方法[J]. 国土资源遥感, 2020, 32(3):49-54.

[ Xue B, Fu Y Y, Cui C L, et al. Different remote sensing image matching methods based on multiple constraints[J]. Remote Sensing for Land & Resources, 2020, 32(3):49-54. ]

[7]
Yuan G H, Hao Q. Digital watermarking secure scheme for remote sensing image protection[J]. China Communications, 2020, 17(4):88-98.

DOI

[8]
Wang C Y, Zhang Y P, Zhou X. Robust image watermarking algorithm based on ASIFT against geometric attacks[J]. Applied Sciences, 2018, 8(3):410.

DOI

[9]
罗茂, 陈建华. 一种基于仿射矩阵校正的抗几何攻击水印算法[J]. 云南大学学报(自然科学版), 2019, 41(5):900-907.

[ Luo M, Chen J H. A watermarking algorithm against geometric attack based on affine matrix correction[J]. Journal of Yunnan University (Natural Sciences Edition), 2019, 41(5):900-907. ]

[10]
孙刚, 谢俊元. 一种基于Fourier-Mellin变换的数字水印的研究[J]. 计算机工程, 2004, 30(9):152-153,165.

[ Sun G, Xie J Y. Research on a watermark based on the Fourier-mellin transform[J]. Computer Engineering, 2004, 30(9):152-153,165. ]

[11]
Fares K, Amine K, Salah E. A robust blind color image watermarking based on Fourier transform domain[J]. Optik, 2020, 208:164562.

DOI

[12]
牛盼盼, 杨红颖, 邬俊, 等. 基于归一化图像重要区域的数字水印方法[J]. 中国图象图形学报, 2007, 12(10):1774-1777.

[ Niu P P, Yang H Y, Wu J, et al. Robust digital watermarking based on significant region of normalized image[J]. Journal of Image and Graphics, 2007, 12(10):1774-1777. ]

[13]
SRIDEVI T, Kumar V. A robust watermarking algorithm based on image normalization and DC coefficients[J]. International Journal of Computer Science Issues, 2011, 8(5)226-232.

[14]
Chen B J, Coatrieux G, Chen G, et al. Full 4-D quaternion discrete Fourier transform based watermarking for color images[J]. Digital Signal Processing, 2014, 28:106-119.

DOI

[15]
邓成, 李洁, 高新波. 基于仿射协变区域的抗几何攻击图像水印算法[J]. 自动化学报, 2010, 36(2):221-228.

[ Deng C, Li J, Gao X B. Geometric attacks resistant image watermarking in affine covariant regions[J]. Acta Automatica Sinica, 2010, 36(2):221-228. ]

DOI

[16]
王潇, 任娜, 朱长青, 等. 基于QR码和量化DCT的遥感影像数字水印算法[J]. 地理与地理信息科学, 2017, 33(6):19-24.

[ Wang X, Ren N, Zhu C Q, et al. A digital watermarking algorithm based on QR code and quantization DCT for remote sensing image[J]. Geography and Geo-Information Science, 2017, 33(6):19-24. ]

[17]
周琳, 张天骐, 冯嘉欣, 等. Blob-Harris特征区域结合CT-SVD的鲁棒图像水印算法[J]. 信号处理, 2020, 36(4):520-530.

[ Zhou L, Zhang T Q, Feng J X, et al. Image watermarking algorithm based on blob-Harris feature region and CT-SVD[J]. Journal of Signal Processing, 2020, 36(4):520-530. ]

[18]
任娜, 朱长青, 王志伟. 基于映射机制的遥感影像盲水印算法[J]. 测绘学报, 2011, 40(5):623-627.

[ Ren N, Zhu C Q, Wang Z W. Blind watermarking algorithm based on mapping mechanism for remote sensing image[J]. Acta Geodaetica et Cartographica Sinica, 2011, 40(5):623-627. ]

[19]
Tong D Y, Ren N, Zhu C Q. Secure and robust watermarking algorithm for remote sensing images based on compressive sensing[J]. Multimedia Tools and Applications, 2019, 78(12):16053-16076.

DOI

[20]
Huang F H, Mao Z Y, Shi W Z. ICA-ASIFT-based multi-temporal matching of high-resolution remote sensing urban images[J]. Cybernetics and Information Technologies, 2016, 16(5):34-49.

DOI

[21]
邰能建, 吴德伟, 戚君宜. 基于改进SIFT的高鲁棒性特征点提取方法[J]. 航空学报, 2012, 33(12):2313-2321.

[ Tai N J, Wu D W, Qi J Y. A method to extract high robust keypoints based on improved SIFT[J]. Acta Aeronautica et Astronautica Sinica, 2012, 33(12):2313-2321. ]

[22]
陈灿, 胡峰松, 周海燕. 基于尺度不变特征点的抗几何攻击水印算法[J]. 计算机工程, 2007, 33(11):157-159.

[ Chen C, Hu F S, Zhou H Y. Anti-geometric attack watermark algorithm based on scale invariant feature points[J]. Computer Engineering, 2007, 33(11):157-159. ]

[23]
Singh P, Raman B, Roy P P. A multimodal biometric watermarking system for digital images in redundant discrete wavelet transform[J]. Multimedia Tools and Applications, 2017, 76(3):3871-3897.

DOI

[24]
李莹莹, 张毅锋, 程旭, 等. 基于DWT最优多子图和SIFT几何校正的鲁棒水印算法[J]. 计算机应用研究, 2019, 36(6):1819-1823,1827.

[ Li Y Y, Zhang Y F, Cheng X, et al. Robust watermarking algorithm based on DWT optimal multi-subgraph and SIFT geometric correction[J]. Application Research of Computers, 2019, 36(6):1819-1823,1827. ]

Options
文章导航

/

〈 〉