数字水印 | 量化相关论文：Embedding color watermark image to color host image based on 2D-DCT

---

🥳原文： Embedding color watermark image to color host image based on 2D-DCT

🥳前言： 这是一篇 2023 年的 SCI 物理 3 区，采用量化机制实现的盲水印嵌入。

• 本人对量化的介绍：数字水印 | 盲水印嵌入：量化索引机制 QIM

1 Watermark Embedding Procedure

本文所提出的水印嵌入过程如下图所示：

步骤一

针对一个大小为 $M\times M$ 的原始图像 $H$：

• ① 将其分离成 $\mathsf{R},\mathsf{G},\mathsf{B}$ 三层，并把它们视作载体图像 $H_i(i=1,2,3)$；
• ② 将 $H_i$ 分割成大小为 $4\times 4$ 的非重叠图像块。

针对一个大小为 $N\times N$ 的水印 $W$：

• ① 将其分离成 $\mathsf{R},\mathsf{G},\mathsf{B}$ 三层；
• ② 为了提高算法的安全性，将基于密钥 $K{a}_i$ 的仿射变换和基于密钥 $K{b}_i$ 的 $\mathsf{Arnold}$ 变换依次分别应用于 $3$ 个水印层，从而得到 $3$ 个混沌的水印层 $W_i$；
• ③ 将 $W_i$ 的像素由十进制值转换为二进制值，并将所有结果拼接起来，得到一个长度为 $8N^2$ 的序列 $S{W}_i$，其中 $i=1,2,3$ 代表 $\mathsf{RGB}$ 颜色模型中的 $3$ 层。

说明：本文处理的水印是彩色水印，因此像素值不是 $0$ 和 $1$。而在后面使用量化机制进行水印嵌入时，我们希望水印信息是以 $01$ 的二进制形式出现的，因此这里将水印转换为二进制序列。

步骤二

为了提高抵抗裁剪攻击的鲁棒性，利用 randperm() 函数生成随机数矩阵，并基于密钥 $K{c}_i$ 和 $K{d}_i$ 从 $H_i$ 中选择一个图像块 $A$，其中 $i=1,2,3$ 代表 $\mathsf{RGB}$ 颜色模型中的 $3$ 层。

说明：randperm() 是 Matlab 提供的一个函数，用于生成随机数矩阵。但我感觉原文对各个密钥的使用都没有进行具体介绍，不过大家应该都知道如何对水印进行置乱预处理，因此也没必要细究本文的方法😇

步骤三

对图像块 $A$ 进行 $2D\text{-}\mathsf{DCT}$ 变换，得到系数矩阵 $\mathsf{dct}A$，如下所示：

$$\mathsf{dct}A=dct2(A)$$

说明：$\mathsf{dct}A$ 是一个变量名，dct2() 是一个 Matlab 提供的函数，用于做 2D - DCT 变换。请勿混淆！

根据 $\mathsf{zig}\text{-}\mathsf{zag}$ 形状，从 $\mathsf{dct}A$ 中选取两个中频系数对 $(c_{p1},c_{p2})$：

其中 $p=1,2$ 表示从矩阵 $\mathsf{dct}A$ 中选取的第 $p$ 个中频系数对，$c_{p1}$ 表示第 $p$ 个中频系数对中的一个中频系数。本文共选取 $2$ 对中频系数，第一对中频系数的坐标分别为 $(3,1)$ 和 $(2,2)$，第二对中频系数的坐标分别为 $(1,3)$ 和 $(2,3)$。

说明：貌似 $\mathsf{zig}\text{-}\mathsf{zag}$ 一词只是为了形容形状，中文翻译过来是 “之字形”。

步骤四（核心步骤）

说明：已知 $S{W}_i$ 是一个二进制序列，其中的一个比特被称为水印位 $w_p$。

依次从 $S{W}_i$ 中获取水印位 $w_p$，然后使用如下公式调整 $\mathsf{dct}A$ 中的系数 $(c_{p1},c_{p2})$：

$$c_{p1}^{\prime }=\{\begin{array}{c}\mathrm{signc}(c_{p1})\times (avg-\Delta \times T_i),\mathrm{if}{w}_p=1\mathrm{and}\mathrm{Diff}\le T_i\\ \\ \mathrm{signc}(c_{p1})\times (avg+\Delta \times T_i),\mathrm{if}{w}_p=0\mathrm{and}\mathrm{Diff}>-T_i\end{array}$$

$$c_{p2}^{\prime }=\{\begin{array}{c}\mathrm{signc}(c_{p2})\times (avg+\Delta \times T_i),\mathrm{if}{w}_p=1\mathrm{and}\mathrm{Diff}\le T_i\\ \\ \mathrm{signc}(c_{p2})\times (avg-\Delta \times T_i),\mathrm{if}{w}_p=0\mathrm{and}\mathrm{Diff}>-T_i\end{array}$$

其中，$avg$ 是 $c_{p1}$ 和 $c_{p2}$ 的绝对值的平均值，$T_i$ 是 $i$ 层的量化步长，$\mathrm{Diff}$ 的取值为：

$$\mathrm{Diff}=\mathrm{abs}(c_{p2})-\mathrm{abs}(c_{p1})$$

自定义函数 $\mathrm{signc}(\cdot )$ 的规则如下：

$$\mathrm{signc}(x)=\{\begin{array}{c}\mathrm{sign}(x),\mathrm{if}x\ne 0\\ \\ 1,\mathrm{else}\end{array}$$

其中 $\mathrm{sign}(\cdot )$ 是判断数值符号的函数，它的规则如下：

$$\mathrm{sign}(x)=\{\begin{array}{c}-1,\mathrm{if}x<0\\ 0,\mathrm{if}x=0\\ 1,\mathrm{if}x>0\end{array}$$

也就是说：在区间 $(-\infty ,0)$ 中 $\mathrm{signc}(\cdot )$ 的取值为 $-1$，在区间 $[0,+\infty )$ 中 $\mathrm{signc}(\cdot )$ 的取值为 $1$。

嵌入系数 $\Delta$ 的确定规则由下式给出：
$$\Delta =\alpha \times (\mathrm{dct}A(1,1)-avg\_block)/\mathrm{dct}A(1,1)$$
其中 $avg\_block$ 是矩阵 $\mathsf{dct}A$ 的所有元素的平均值，$\alpha$ 是用于调节不可见性和鲁棒性的系数。

步骤五

将调整后的系数对 $(c_{p1}^{\prime },c_{p2}^{\prime })$ 更新到系数对 $(c_{p1},c_{p2})$ 的原位置，得到含水印的矩阵 $\mathsf{dct}{A}^{\prime }$。

步骤六

对含水印的矩阵 $\mathsf{dct}{A}^{\prime }$ 进行 $2D\text{-}\mathsf{IDCT}$ 得到含水印的图像块 $A^{\prime }$，公式如下：

$$A^{\prime }=idct2(\mathsf{dct}{A}^{\prime })$$

然后将 $A^{\prime }$ 更新到载体图像层 $H_i$ 中的相应位置。

步骤七

重复上述步骤二到步骤六，直到将 $w_p$ 全部嵌入完毕，得到含水印的载体图像层 $H_i^{\prime }$。最后合并 $\mathsf{R},\mathsf{G},\mathsf{B}$ 三层的 $H_i^{\prime }$，得到最终的含水印图像 $H^{\prime }$。

2 Watermark Extraction Procedure

本文所提出的水印提取过程如下图所示：

步骤一

将接收到的 $H^{\prime }$ 调整为 $M\times M$ 的大小，并分离得到 $\mathsf{R},\mathsf{G},\mathsf{B}$ 三层的含水印图像 $H_i^{\prime }$。然后，将每个 $H_i^{\prime }$ 分割成大小为 $4\times 4$ 的非重叠图像块，其中 $i=1,2,3$ 代表 $\mathsf{RGB}$ 颜色模型中的 $3$ 层。

步骤二

使用 randperm() 函数之前产生的随机数矩阵，根据密钥 $K{c}_i$ 和 $K{d}_i$ 从 $H_i^{\prime }$ 中选择含水印图像块 $A^{\prime }$，其中 $i=1,2,3$ 代表 $\mathsf{RGB}$ 颜色模型中的 $3$ 层。

步骤三

对选定的图像块 $A^{\prime }$ 进行二维离散余弦变换，得到系数矩阵 $\mathsf{dct}{A}^{\prime }$，并按照 $\mathsf{zig}\text{-}\mathsf{zag}$ 形从矩阵 $\mathsf{dct}{A}^{\prime }$ 中选取与嵌入过程相同位置的两个系数对 $(c_{p1}^{\prime },c_{p2}^{\prime })$，其中 $p=1,2$ 表示从矩阵 $\mathsf{dct}A$ 中选取的第 $p$ 对中频系数。

步骤四（核心步骤）

使用系数对 $(c_{p1}^{\prime },c_{p2}^{\prime })$ 之间的关系，提取出水印位 $w_p^{\prime }$，公式如下：

$$w_p^{\prime }=\{\begin{array}{c}1,\mathrm{if}\mathrm{abs}(c_{p1}^{\prime })\le \mathrm{abs}(c_{p2}^{\prime })\\ \\ 0,\mathrm{else}\end{array}$$

步骤五

重复上述步骤二到步骤四，得到每个水印层 $H_i^{\prime }$ 中含有的二进制序列 $S{W}_i^{\prime }$。然后将二进制的 $S{W}_i^{\prime }$ 序列转化为十进制序列，从而得到每个水印层的十进制序列。

步骤六

对三个水印层的十进制序列进行重新排列，得到三个经过置乱的水印层。利用密钥 $K{b}_i$ 和 $K{a}_i$ 进行 $\mathsf{Arnold}$ 变换和仿射变换的逆变换，得到提取的水印层 $W_i^{\prime }$。合并 $3$ 个提取得到的水印层 $W_i^{\prime }$，最终得到水印图像 $W^{\prime }$。

3 对核心步骤的理解

由水印提取过程的步骤四：

$$w_p^{\prime }=\{\begin{array}{c}1,\mathrm{if}\mathrm{abs}(c_{p1}^{\prime })\le \mathrm{abs}(c_{p2}^{\prime })\\ \\ 0,\mathrm{else}\end{array}$$

可以看出，本文的量化方案其实很简单，即通过比较 $c_{p1}^{\prime }$ 和 $c_{p2}^{\prime }$ 谁更大来判断嵌入的水印信息是 $0$ 还是 $1$。由于 $c_{p1}$ 和 $c_{p2}$ 原本的大小关系可能不符合待嵌入的水印信息，因此本文使用了水印嵌入过程的步骤四来调整它们的大小关系，其调整结果便是 $c_{p1}^{\prime }$ 和 $c_{p2}^{\prime }$。

举例说明

假设待嵌入的水印位 $w_p=1$ 且 $\mathrm{abs}(c_{p1})>\mathrm{abs}(c_{p2})$，同时 $c_{p1}$ 是一个负数而 $c_{p2}$ 是一个正数。

分析：由于 $\mathrm{abs}(c_{p1})>\mathrm{abs}(c_{p2})$，根据水印提取规则是不符合待嵌入水印位 $1$ 的，因此我们需要对其进行调整。很显然，我们需要减小 $\mathrm{abs}(c_{p1})$ 并增大 $\mathrm{abs}(c_{p2})$。又由于调整后的数值不能太离谱，从而导致图像质量失真，因此我们是基于两个数的平均值进行调整的：

$$avg=\frac{\mathrm{abs}(c_{p1})+\mathrm{abs}(c_{p2})}{2}$$

得到平均值后就可以以它为中心调整数值了：

$$\{\begin{array}{c}{c}_{p1}^{\prime }=\mathrm{signc}(c_{p1})\times (avg-\Delta \times T_i)\\ \\ c_{p2}^{\prime }=\mathrm{signc}(c_{p2})\times (avg+\Delta \times T_i)\end{array}$$

由于 $avg$ 是绝对值，因此需要使用 $\mathrm{signc}(\cdot )$ 函数来还原 $c_{p1}$ 和 $c_{p2}$ 的符号。

---

Q：水印嵌入过程中步骤四的 $\mathrm{Diff}\le T_i$ 起到什么作用？

A：假设待嵌入的水印位 $w_p=1$ 且 $c_{p1}$ 本来就比 $c_{p2}$ 小，那么理论上是不需要对 $c_{p1}$ 和 $c_{p2}$ 进行调整的。但当 $c_{p1}$ 和 $c_{p2}$ 的绝对值差值 $\mathrm{Diff}$ 很小时，即 $c_{p1}$ 和 $c_{p2}$ 的绝对值相差不大，那么传输过程造成的微小变动可能导致 $c_{p1}$ 和 $c_{p2}$ 的大小关系发生反转。因此原文规定，只有当 $\mathrm{Diff}$ 大于量化步长 $T_i$ 时才不需要调整。