一种基于稳定圆形区域的抗几何攻击鲁棒水印方法

摘要

本发明公开了一种基于稳定圆形区域的抗几何攻击鲁棒水印方法。该方法利用第二代水印技术的基本思想，综合考虑图像特征和水印信息，首先以利用基于多尺度曲率乘积方法检测的CSS角点来确定稳定圆形区域，然后以图像的质心为参考点在稳定圆形区域内划分扇区，利用量化索引调制的方法在时空域嵌入水印。本发明既能抵抗常规信号处理攻击，又能抵抗旋转、缩放、平移和裁剪等几何攻击，能够有效保护数字媒体的版权。

权利要求

1.一种基于稳定圆形区域的抗几何攻击鲁棒水印方法，其特征在于包括下 列步骤：

---利用canny算子提取图像的边缘曲线，对提取的边缘曲线进行优化处理；

---跟踪提取的每条边缘曲线计算边缘曲线上各点的多尺度曲率积；在曲线 的角点处，选取多尺度曲率积最大的点，删除其余点；删除靠近图像边缘的点和 位于曲线末端的点；以剩余的角点为圆心划定圆形区域，将其作为稳定的圆形特 征区域，用于水印的同步；

---计算整幅图像的质心；图像像素(x，y)的灰度值函数用f(x，y)表示，以Ω表 示图像的像素集合，图像的质心(x0，y0)通过计算零阶矩M00以及一阶矩M10和M01 得到，其计算公式为：

$x_0=\frac{M_{00}}{M_{01}},$ $y_0=\frac{M_{00}}{M_{10}},$ 其中， $M_{\mathrm{pq}}=\underset{(x,y)\in \Omega }{\Sigma }{x}^p{y}^{p}f(x,y),$ p，q＝0，1，2，…，；

---为每一个稳定的圆形特征区域划分扇区；具体是，任取一条直线l，以稳 定的圆形特征区域的圆心P为中心，以稳定的圆形特征区域的圆心P和质心G所 在直线l0为起始边，沿所述中心逆时针转动，根据公式 $\tan a=\frac{k-k_0}{1+{\mathrm{kk}}_0},$ 将稳定的圆 形特征区域划分成N个对称的扇区；其中，a为所述任取直线与所述起始边的夹 角，且 $a=\frac{\pi }{N},$ k0是起始边的斜率，k是所述任取直线的斜率；之后，把对称的两 个扇区区分开，点A和点A′分别位于圆心P对称的两个扇区内，直线l1为A和质心 G的连线，l2为A′和质心G的连线，l0和l1的夹角为φ，l0和l2的夹角为显然 而这样就能把对称扇区内的点区分开，从而在每个特征点的周围得到2N个 扇形区域；

---利用QIM的方法将水印序列嵌入到每一个扇形区域中；具体是，构造两 个均匀分布步长的标量量化器Q(.；wi)，量化集包含两个相互偏移Δ/2的量化器， 对于扇区i(i＝1，2，...，N)，按照相应的水印比特wi，用量化器Q(.；wi)量化每一个像素。

2.根据权利要求1所述的基于稳定圆形区域的抗几何攻击鲁棒水印方法， 其特征在于所述利用canny算子提取图像的边缘曲线具体是：

canny算子的脊像素使用两个阈值T1和T2做阈值处理，其中T1＜T2，值大于T2的 脊像素称为强边缘像素，在T1和T2之间的脊像素称为弱边缘像素。

3.根据权利要求2所述的基于稳定圆形区域的抗几何攻击鲁棒水印方法， 其特征在于所述两个阈值T1和T2的取值范围为：T2-T1≤0.0001。

4.根据权利要求1所述的基于稳定圆形区域的抗几何攻击鲁棒水印方法， 其特征在于所述对提取的边缘曲线进行优化处理具体包括下列步骤：

---填补间隙；

---删除短曲线；

---删除短分枝；

---删除短周长闭合曲线。

5.根据权利要求1所述的基于稳定圆形区域的抗几何攻击鲁棒水印方法， 其特征在于所述跟踪提取的每条边缘曲线计算边缘曲线上各点的多尺度曲率积 具体是：

将曲线Γ写成以弧长u为参数的函数形式：

Γ(u)＝(x(u)，y(u))

根据CSS的多尺度思想，设Γ(u，σ)表示曲线Γ在尺度σ下的参数形式，即

Γ(u，σ)＝(X(u，σ)，Y(u，σ))

式中

X(u，σ)＝x(u，σ)*g(u，σ)

Y(u，σ)＝y(u，σ)*g(u，σ)

其中，*是卷积算子，g(u，σ)是尺度σ下的高斯函数，

曲线Γ(u，σ)的曲率定义如下：

$k(u,\sigma )=\frac{X_u(u,\sigma )Y_{\mathrm{uu}}(u,\sigma )-X_{\mathrm{uu}}(u,\sigma )Y_u(u,\sigma )}{{(X_u{(u,\sigma )}^2+Y_u{(u,\sigma )}^2)}^{1.5}}$其中

$X_u(u,\sigma )=\frac{\partial }{\partial u}(x\left(u\right)*g(u,\sigma ))=x\left(u\right)*g_u(u,\sigma )$$X_{\mathrm{uu}}(u,\sigma )=\frac{{\partial }^2}{{\partial u}^2}(x\left(u\right)*g(u,\sigma ))=x\left(u\right)*g_{\mathrm{uu}}(u,\sigma )$$Y_u(u,\sigma )=\frac{\partial }{\partial u}(y\left(u\right)*g(u,\sigma ))=y\left(u\right)*g_u(u,\sigma )$$Y_{\mathrm{uu}}(u,\sigma )=\frac{{\partial }^2}{{\partial u}^2}(y\left(u\right)*g(u,\sigma ))=y\left(u\right)*g_{\mathrm{uu}}(u,\sigma )$其中，gu(u，σ)，guu(u，σ)分别表示g(u，σ)关于u的一阶和二阶导数， 多尺度曲率积定义为： $P_N\left(u\right)=\underset{j=1}{\overset{N}{\Pi }}k(u,{\sigma }_j).$

说明书

技术领域

本发明属于多媒体领域，特别涉及一种基于稳定圆形区域的抗几何攻击鲁棒 水印方法。

背景技术

计算机和互联网技术的飞速发展使多媒体文件被广泛传播广泛，对其知识产 权的保护变得越来越重要。数字水印是一个有效的方法，它通过向图像中嵌入特 定的版权信息作为版权所有者的证明。
数字水印要发挥保护版权的作用应具备两个基本的特性：首先是透明性，即 嵌入水印后的图像和原图像相差无几，看不到数字水印的存在，并且尽可能不要 损害原作品；其次是鲁棒性，即数字水印应该能够抵抗各种有意或无意的攻击， 这是水印能够起到保护版权作用的关键。
目前在鲁棒性方面，大多数水印只能抵抗常规信号处理攻击，对常见的甚至 是微小的几何攻击都无能为力，因此几何攻击被称为数字水印的唯一致命弱点， 抗几何攻击的数字水印算法成为近年来研究的重点和难点。现在抵抗几何攻击的 水印算法大致分为：基于不变域、基于模版的嵌入和基于特征的提取三类，其中 基于特征的提取水印算法又被称为第二代水印算法。由于第二代水印结合了水印 和图像的内容特征，在鲁棒性方面有很大的提高，因此具有很强的生命力。这类 水印算法分为三个部分：(1)特征区域的确定；(2)基于特征区域的图像剖分 和剖分后区域的校正；(3)水印的嵌入和提取。其中第一部分“特征区域的确 定”是水印方案成败与否的关键，但并不是所有的特征区域都适合于水印，故寻 找适合水印的特征区域是一项重要而且有难度的步骤。在经典的第二代水印算法 中P.Bas等人(Patrick Bas，Jean-Marc Chassery，and Benoit Macq，Geometrically invariant watermarking using feature points.IEEE Transactions on Image Processing，vol.11，no.9，2002，pp.1014-1028)用Harris角点检测法提取的特征点数目 过多，不少特征点的稳定性不够，以至于水印检测过程中能够较好地得到同步的 三角形数目有限。Tang等人(C.W.Tang and H.M.Hang.A feature-based robust digital image watermarking scheme.IEEE Transactions on Signal Processing，2003， 51(4)：950-958.)用Mexican hat wavelet提取特征点确定特征区域，但在归一化的 过程中存在插值误差，影响了水印的性能。

发明内容

本发明的目的在于解决上述技术问题，提供一种基于稳定圆形区域的抗几何 攻击鲁棒水印方法，其特征在于包括下列步骤：
1、提取边缘曲线；
2、确定稳定圆形特征区域；
3、计算整幅图像的质心；
4、划分扇区；
5、嵌入水印序列。
所述提取边缘曲线具体包括下列步骤：
---利用canny算子提取图像的边缘曲线，canny算子的脊像素使用两个阈值 T1和T2做阈值处理，其中T1＜T2，值大于T2的脊像素称为强边缘像素，在T1和T2之 间的脊像素称为弱边缘像素；
---对提取的边缘曲线进行优化处理。
所述两个阈值T1和T2的取值范围为：T2-T1≤0.0001。
所述对提取的边缘曲线进行优化处理具体包括下列步骤：
---填补间隙；
---删除短曲线；
---删除短分枝；
---删除短周长闭合曲线。
所述确定稳定圆形特征区域具体包括下列步骤：
---跟踪提取的每条边缘曲线计算边缘曲线上各点的多尺度曲率积，根据预 先设定的阈值找出曲率比较大的点；
将曲线Γ写成以弧长u为参数的函数形式：
Γ(u)＝(x(u)，y(u))
根据CSS的多尺度思想，设Γ(u，σ)表示曲线Γ在尺度σ下的参数形式，即
Γ(u，σ)＝(X(u，σ)，Y(u，σ))
式中
X(u，σ)＝x(u，σ)*g(u，σ)
Y(u，σ)＝y(u，σ)*g(u，σ)
其中，*是卷积算子，g(u，σ)是尺度σ下的高斯函数，
曲线Γ(u，σ)的曲率定义如下：
$k(u,\sigma )=\frac{X_u(u,\sigma )Y_{\mathrm{uu}}(u,\sigma )-X_{\mathrm{uu}}(u,\sigma )Y_u(u,\sigma )}{{(X_u{(u,\sigma )}^2+Y_u{(u,\sigma )}^2)}^{1.5}}$
其中
$X_u(u,\sigma )=\frac{\partial }{\partial u}(x\left(u\right)*g(u,\sigma ))=x\left(u\right)*g_u(u,\sigma )$
$X_{\mathrm{uu}}(u,\sigma )=\frac{{\partial }^2}{{\partial u}^2}(x\left(u\right)*g(u,\sigma ))=x\left(u\right)*g_{\mathrm{uu}}(u,\sigma )$
$Y_u(u,\sigma )=\frac{\partial }{\partial u}(y\left(u\right)*g(u,\sigma ))=y\left(u\right)*g_u(u,\sigma )$
$Y_{\mathrm{uu}}(u,\sigma )=\frac{{\partial }^2}{{\partial u}^2}(y\left(u\right)*g(u,\sigma ))=y\left(u\right)*g_{\mathrm{uu}}(u,\sigma )$
其中，gu(u，σ)，guu(u，σ)分别表示g(u，σ)关于u的一阶和二阶导数， 多尺度曲率积定义为：
---在曲线的角点处选取多尺度曲率积最大的点，删除其余点；
---删除靠近图像边缘的点；
---删除位于曲线末端的点；
---以剩余的角点为圆心划定圆形区域，将其作为稳定的圆形特征区域，用 于水印的同步。
所述划分扇区具体包括下列步骤：
---直线l0为圆心P和质心G的连线，记l是过圆心P的任意一条直线，则两 条直线l0和l相交构成四个角，它们是两对对顶角，把直线l0按逆时针方向旋转到 与l重合时所转的角，叫做l0到l的角，记设为α，则：
其中是k0和k分别是直线l0和l的斜率，以圆心P和质心G所在直线l0为起始边， 逆时针方向作为正方向，利用公式把圆均分成N个对称的扇形区域， 扇区的圆心角为α，
---把对称的两个扇区区分开，点A和点A′分别位于关于圆心P对称的两个扇 区内，直线l1为A和质心G的连线，l2为A′和质心G的连线，l0和到l1的夹角为φ， l0到和l2的夹角为显然而这样就能把对称扇区内的点区分开，从而 在每个特征点的周围得到2N个扇形区域，扇区的圆心角为α，
本发明的有益效果：
本发明与其它方案相比，具有更加稳定的水印嵌入区域，并且在抵抗常规信 号处理攻击和几何攻击方面都有更高的鲁棒性。本发明的方法能够抵抗常规信号 处理如中值滤波、颜色量化、加均值噪声、高斯滤波等，能够抵抗几何攻击如旋 转、伸缩、位移、删除、剪裁等。此外，本发明还能抵抗几何攻击和几何攻击的 联合攻击、信号处理和JPEG压缩的联合攻击以及几何攻击和JPEG压缩的联合攻 击。与以往同类方案相比，本发明的鲁棒水印方案，在抵抗几何攻击方面有了相 当程度的提高，能够有效保护数字媒体的版权。

附图说明

图1是水印的嵌入过程示意图；
图2是优化边缘曲线示意图；
图3是扇形区域的划分方法示意图；
图4(a)是用canny算子对Lena和Peppers图像提取的边缘曲线图；
图4(b)是用canny算子对Peppers图像提取的边缘曲线图；
图5(a)是对Lena图像优化后的边缘曲线图；
图5(b)是对Peppers图像优化后的边缘曲线图；
图6(a)是Lena图像的圆形特征区域图；
图6(b)是Peppers图像的圆形特征区域图；
图7(a)是对Lena图像的圆形区域进行扇区划分的结果图；
图7(b)是对Peppers图像的圆形区域进行扇区划分的结果图；
图8(a)是含有水印的Lena图像；
图8(b)是含有水印的Peppers图像。

具体实施方式

下面结合附图对本发明作进一步说明。
如图1所示，本发明的具体实施方案在水印嵌入阶段主要包括以下五个步 骤：
步骤101、提取边缘曲线。
A、利用canny算子提取图像的边缘曲线
canny算子的脊像素使用两个阈值T1和T2做阈值处理，其中T1＜T2。值大于T2的 脊像素称为强边缘像素，在T1和T2之间的脊像素称为弱边缘像素。如果T1和T2的 差值较大，则提取的弱边缘就较多，而这些弱边缘是不稳定的。所以我们在设置 canny参数时尽量使T1和T2的差值较小(例如：T2-T1＝0.0001，T1＝0.2999，T2＝0.3000)， 以求得到稳定的边缘。
B、对提取的边缘曲线进行优化处理
如图2所示，A中提取得到的边缘曲线可能会出现间隙202、短分枝205、短 曲线204、以及短周长的闭合曲线203，其中间隙202是需要填补的，而短曲线 204、短分枝205和短周长闭合曲线203是不稳定的，因此对边缘曲线进行优化 处理包括：①填补间隙、②删除短曲线、③删除短分枝和④删除短周长闭合曲线 四个步骤。
步骤102、确定稳定圆形特征区域。
A、跟踪步骤101提取的每条边缘曲线计算边缘曲线上各点的多尺度曲率积， 根据预先设定的阈值找出曲率比较大的点。
将曲线Γ写成以弧长u为参数的函数形式：
Γ(u)＝(x(u)，y(u))                (1)
根据CSS的多尺度思想，设Γ(u，σ)表示曲线Γ在尺度σ下的参数形式，即
Γ(u，σ)＝(X(u，σ)，Y(u，σ))    (2)
式中
X(u，σ)＝x(u，σ)*g(u，σ)
                                   (3)
Y(u，σ)＝y(u，σ)*g(u，σ)
其中，*是卷积算子，g(u，σ)是尺度σ下的高斯函数。
那么曲线Γ(u，σ)的曲率定义如下：
$k(u,\sigma )=\frac{X_u(u,\sigma )Y_{\mathrm{uu}}(u,\sigma )-X_{\mathrm{uu}}(u,\sigma )Y_u(u,\sigma )}{{(X_u{(u,\sigma )}^2+Y_u{(u,\sigma )}^2)}^{1.5}}---\left(4\right)$
其中
$X_u(u,\sigma )=\frac{\partial }{\partial u}(x\left(u\right)*g(u,\sigma ))=x\left(u\right)*g_u(u,\sigma )---\left(5\right)$
$X_{\mathrm{uu}}(u,\sigma )=\frac{{\partial }^2}{{\partial u}^2}(x\left(u\right)*g(u,\sigma ))=x\left(u\right)*g_{\mathrm{uu}}(u,\sigma )---\left(6\right)$
$Y_u(u,\sigma )=\frac{\partial }{\partial u}(y\left(u\right)*g(u,\sigma ))=y\left(u\right)*g_u(u,\sigma )---\left(7\right)$
$Y_{\mathrm{uu}}(u,\sigma )=\frac{{\partial }^2}{{\partial u}^2}(y\left(u\right)*g(u,\sigma ))=y\left(u\right)*g_{\mathrm{uu}}(u,\sigma )---\left(8\right)$
其中，gu(u，σ)，guu(u，σ)分别表示g(u，σ)关于u的一阶和二阶导数。
多尺度曲率积定义为
$P_N\left(u\right)=\underset{j=1}{\overset{N}{\Pi }}k(u,{\sigma }_j)---\left(9\right)$
B、在曲线的角点处会有数个点的多尺度曲率积大于阈值，所以本发明在角 点处选取多尺度曲率积最大的点，删除其余点。
C、删除靠近图像边缘的点，因为这些点也是非常不稳定的。
D、删除位于曲线末端的点，如图2所示检测到的曲线末断的角点201可能 靠近曲线的一端(如位于曲线的1/8处)，由于边缘曲线的末端并不是非常稳定 的，所以这种位于曲线末端的角点应当删除。
E、以剩余的角点为圆心划定圆形区域，将其作为稳定的圆形特征区域，用 于水印的同步。
步骤103、计算整幅图像的质心。
数字图像Ω的2-Dp+q阶原点矩定义为：
$M_{\mathrm{pq}}=\underset{(x,y)\in \Omega }{\Sigma }{x}^p{y}^{q}f(x,y),p,q=\mathrm{0,1,2},...,---\left(10\right)$
式中，f(x，y)表示在点(x，y)的灰度值.图像的质心(x0，y0)通过计算零阶矩M00以及 一阶矩M10和M01得到，其计算公式为：
$x_0=\frac{M_{00}}{M_{01}},$ $y_0=\frac{M_{00}}{M_{10}}---\left(11\right)$
质心已被证明对缩放、旋转和平移等几何攻击具有不变性。
步骤104、划分扇区。
A、如图3所示，直线l0为圆心P和质心G的连线，记l是过圆心P的任意一 条直线，则两条直线l0和l相交构成四个角，它们是两对对顶角。，我们把直线l0 按逆时针方向旋转到与l重合时所转的角，叫做l0到l的角，记设为α。则：
$\tan \alpha =\frac{k-k_0}{1+{\mathrm{kk}}_0}---\left(12\right)$
其中是k0和k分别是直线l0和l的斜率。
本发明以圆心P和质心G所在直线l0为起始边，逆时针方向作为正方向，利 用公式(12)把圆均分成N个对称的扇形区域，扇区的圆心角为α，图3 中点A和点A′所在的两个扇区就是对称的。
B、把对称的两个扇区区分开，点A和点A′分别位于关于圆心P对称的两个扇 区内，直线l1为A和质心G的连线，l2为A′和质心G的连线，l0和到l1的夹角为φ， l0到和l2的夹角为显然而这样就能把对称扇区内的点区分开，从而 在每个特征点的周围得到2N个扇形区域，扇区的圆心角为α，
步骤105、嵌入水印序列。
为了增加水印的鲁棒性，本发明分别在每个圆形特征区域内嵌入相同的水印 序列W＝{wi，i＝1，2，3，……}，wi∈{0，1}。
利用QIM的方法将水印序列嵌入到每一个扇形区域中。构造两个均匀分布 步长的标量量化器Q(.；wi)，量化集包含两个相互偏移Δ/2的量化器。对于扇区n， 按照相应的水印比特wn，用量化器Q(.；wn)量化每一个像素。在每个圆形区域内进 行相同的操作以完成水印的嵌入。
本发明在水印提取过程包括五个步骤：提取边缘曲线、确定圆形特征区域、 计算整幅图像的质心、划分扇区和提取水印序列。水印提取过程的前四个步骤和 本发明的水印嵌入过程是一样的，不再赘述。
第五个步骤为提取水印序列；本发明分别在每个圆形特征区域内提取水印序 列，提取的水印序列中只要有一个和嵌入的相同就可以证明版权。
具体地，还是利用QIM的方法在每一个扇形区域中量化每个像素，记量化 值为0的像素个数为N0，量化值为1的像素个数为N1。如果N0＞N1则提取的水印 比特值为0，否则提取的水印比特值为1。
为了具体说明本发明对抗不良攻击的效果，我们用512像素×512像素的 Lena图像和Peppers图像做实验，并用标准测试软件StirMark 3.1来测试算法 的鲁棒性。
StirMark攻击可以大致分为两类：常规信号处理和几何变化攻击。常规信 号处理包括中值滤波、颜色量化、加均值噪声、高斯滤波等，几何攻击包括旋转、 缩放和平移等全局几何攻击和删除行列、裁剪等局部几何攻击。
对Lena和Peppers图像我们分别提取了7个和12个特征点，为了提高鲁棒 性，在每个圆形区域内都嵌入相同的16-bits水印序列。
我们利用canny算子提取图像的边缘曲线，对Lena图像我们设置canny算子 的参数为：T1＝0.2499，T2＝0.2500，对Peppers图像我们设置canny算子的参数为： T1＝0.2999，T2＝0.3000，提取得到的边缘图像如图4所示，图4.a和图4.b分别为 Lena和Peppers图像的边缘曲线图像。对提取的边缘曲线进行优化处理包括①填 补间隙、②删除短曲线、③删除短分枝和④删除短周长闭合曲线四个步骤，优化 后的边缘曲线如图5所示。分别计算Lena和Peppers图像的边缘曲线上各点的 多尺度曲率积，根据阈值为0.0003找出曲率比较大的点，并对其进行筛选从而 确定稳定圆形特征区域，如图6所示，两幅图像的圆形特征区域的半径均为30。
以图像的质心为参考点在每个圆形特征区域内分别划分扇区，为了在每个圆 形特征区域嵌入16-bits水印序列，我们把圆形区域均分为16个扇区，划分结 果如图7所示。
对Lena和Peppers图像分别嵌入水印后生成含水印图像如图8所示，原始 图像和含水印图像的PSNR值分别为46.715dB和43.5778dB，表明本水印方案具 有良好的透明性。
对常规信号处理和几何变化攻击的实验结果分别在表1和表2中列出，并与 Tang的方法作了比较。表中N/M是指正确提取水印序列的圆形区域的个数和嵌 入水印序列的圆形区域的总个数的比值，“●”代表Tang没有给出实验数据。
表1经过常规信号处理后提取水印序列的圆形区域个数
攻击类型                             我们的方法           Tang的方法
                                   Lena     Peppers     Lena    Peppers
含水印图像                         7/7      12/12       7/8     4/4
中值滤波(Median filter)2×2        5/7      11/12       1/8     1/4
中值滤波(Median filter)3×3        5/7      9/12        1/8     1/4
锐化(Sharpening)3×3               6        8/12        4/8     4/4
颜色量化(Color quantization)       7/7      12/12       7/8     1/4
高斯滤波(Gaussian filtering)3×3   3/7      7/12        5/8     1/4
加均值噪声(Additive uniform        2/7      2/12        5/8     4/4
noise)(scale＝0.1)
加均值噪声(Additive uniform        2/7      2/12        4/8     2/4
noise)(scale＝0.15)
加均值噪声(Additive uniform        1/7      5/12        1/8     1/4
noise)(scale＝0.2)
JPEG80                             6/7      12/12       6/8     3/4
JPEG70                             5/7      6/12        7/8     3/4
JPEG60                             6/7      8/12        6/8     1/4
JPEG50                             5/7      3/12        5/8     3/4
JPEG40                               4/7      6/12       3/8     1/4
JPEG30                               2/7      4/12       2/8     0/4
中值滤波(Median filter)2×2+JPEG90   5/7      12/12      2/8     0/4
中值滤波(Median filter)3×3+JPEG90   5/7      10/12      1/8     1/4
锐化(Sharpening)3×3+JPEG90          4/7      1/12       4/8     4/4
高斯滤波(Gaussian filtering)3×3     3/7      4/12       5/8     2/4
+JPEG90
表2经过几何攻击后提取水印序列的圆形区域个数
攻击类型                                   我们的方法            Tang的方法
                                         Lena     Peppers      Lena     Peppers
删除1行5列(Removed 1 row and 5           7/7      11/12        3/8      3/4
columns)
删除5行17列(Removed 5 row and 17         6/7      8/12         0/8      1/4
columns)
剪裁5％(Centered cropping 5％off)        7/7      10/12        2/8      2/4
剪裁10％(Centered cropping 10％off)      5/7      9/12         2/8      2/4
剪切(Shearing)横向-1％纵向-1％           5/7      8/12         4/8      1/4
剪切(Shearing)横向-0％纵向-5％           5/7      9/12         2/8      1/4
剪切(Shearing)横向-5％纵向-5％           5/7      9/12         1/8      0/4
旋转1度(Rotation 1)+剪裁                 5/7      8/12         0/8      2/4
(Cropping)+尺度缩放(Scale)
旋转1度(Rotation 1)+剪裁                 6/7      9/12         3/8      2/4
(Cropping)
旋转2度(Rotation 2)+剪裁                 5/7      8/12         0/8      1/4
(Cropping)
旋转5度(Rotation 5)+剪裁                 5/7      6/12         0/8      0/4
(Cropping)
线性几何变换(Linear geometric            4/7      6/12         5/8      1/4
transform)(1.007，0.01，0.01，1.012)
线性几何变换(Linear geometric            4/7      5/12         4/8      1/4
transform)(1.010，0.013，0.009，1.011)
线性几何变换(Linear geometric            4/7      7/12         4/8      0/4
transform)(1.013，0.008，0.011，1.008)
删除1行5列(Removed 1 row and 5           7/7      7/12         4/8      3/4
columns)+JPEG70
删除5行17列(Removed 5 row and 17         6/7      5/12         1/8      1/4
columns)+JPEG70
剪裁5％(Centered cropping 5％off)        7/7      7/12         2/8      2/4
+JPEG70
剪裁10％(Centered cropping 10％off)      5/7      7/12         3/8      2/4
+JPEG70
剪切(Shearing)横向-1％纵向               5/7      5/12         5/8      1/4
-1％+JPEG70
剪切(Shearing)横向-0％纵向               7/7      6/12         6/8      0/4
-5％+JPEG70
剪切(Shearing)横向-5％纵向             4/7    4/12    4/8    0/4
-5％+JPEG70
旋转1度(Rotation 1)+剪裁               5/7    3/12    0/8    0/4
(Cropping)+尺度缩放(Scale)
+JPEG70
旋转1度(Rotation 1)+剪裁               4/7    8/12    4/8    1/4
(Cropping)+JPEG70
旋转2度(Rotation 2)+剪裁               4/7    4/12    1/8    1/4
(Cropping)+JPEG70
旋转5度(Rotation 5)+剪裁               5/7    3/12    1/8    0/4
(Cropping)+JPEG70
线性几何变换(Linear geometric          4/7    4/12    4/8    1/4
transform)(1.007，0.01，0.01，1.012)
+JPEG70
线性几何变换(Linear geometric          4/7    3/12    4/8    3/4
transform)(1.010，0.013，0.009，1.011)
+JPEG70
线性几何变换(Linear geometric          4/7    1/12    3/8    0/4
transform)(1.013，0.008，0.011，1.008)
+JPEG70
剪裁20％(Centered cropping 20％off)    4/7    5/12    ●     ●
剪裁25％(Centered cropping 25％off)    4/7    4/12    ●     ●
旋转45度(Rotation 45)+剪裁             3/7    1/12    ●     ●
(Cropping)
旋转90度(Rotation 90)+剪裁             6/7    9/12    ●     ●
(Cropping)
旋转45度(Rotation 45)+剪裁             1/7    1/12    ●     ●
(Cropping)+尺度缩放(Scale)
旋转90度(Rotation 90)+剪裁             6/7    9/12    ●     ●
(Cropping)+尺度缩放(Scale)
注：JPEG90表示：JPEG压缩，质量因子为90，同理，JPEG80、JPEG70、JPEG60、JPEG50、JPEG40、 JPEG30分别表示JPEG压缩，质量因子分别为80、70、60、50、40。
从表1和表2可以看出本发明能够抵抗质量因子仅为30的JPEG压缩，能够 抵抗常规信号处理如中值滤波、颜色量化、加均值噪声、高斯滤波等，能够抵抗 几何攻击如旋转、伸缩、位移、删除、剪裁等。此外，本发明还能抵抗几何攻击 和几何攻击的联合攻击、信号处理和JPEG压缩的联合攻击以及几何攻击和JPEG 压缩的联合攻击。与以往同类方案相比，本发明的鲁棒水印方案，在抵抗几何攻 击方面更加有效。
以上所述的实施例，只是本发明较优选的具体实施方式，本领域的技术人员 在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围 内。