论文笔记-Adaptation self-recovery for tampered images based on VQ indexing and inpainting(1)

原文地址： https://www.sciencedirect.com/science/article/abs/pii/S0165168412004082

• 目录

  Adaptation self-recovery for tampered images based on VQ indexing and inpainting 

  Abstract

  一、Introduction

  二、Watermark embedding procedure 水印嵌入程序

  2.1. Block Classification 块分类

  2.3. Recovery-bits generation

  2.3 LSB-based data embedding

  ---

Abstract

在本文中，我们提出了一种新的使用矢量量化 (VQ) 索引和图像修复的篡改图像自我恢复方案。覆盖图像块根据分布特征分为复杂块和平滑块。由于VQ压缩表示的良好性能和图像修复的自动修复能力，每个覆盖块的恢复位由其VQ索引和修复指示符生成。恢复位和认证位被嵌入到封面图像的 LSB 平面中以产生水印图像。在接收端，将篡改块全部定位后，提取的恢复位用于判断每个篡改块的类别。通过分析VQ索引的有效性和相邻区域的损坏程度，可以利用自适应恢复机制通过使用VQ索引和图像修复来恢复所有被篡改的块。实验结果证明了所提方案的有效性。

keywords: image recovery, fragile watermarking, vector quantization, image inpainting(图像恢复，脆弱水印，矢量量化，图像修复）

---

一、Introduction

（总结2013年之前的关于脆弱水印图像的研究实现对恢复或者篡改区域的定位）

有关于脆弱水印，分为两类:逐块方案和逐像素方案（block-wise schemes and pixel-wise schemes）其定位被修改或篡改的区域的准确性有所不同。pixel-wise schemes 比 block-wise schemes 定位更精确，但只能在识别较小的篡改区域。

      Block-wise：通常将封面图像分为不重叠的块，并将水印嵌入到每个块中，嵌入的水印可以是每个块的主要内容的哈希值，当水印图像被篡改，提取的水印与篡改块对应的图像内容不匹配，从而实现对篡改区域的定位。

      Pixel-wise: 通过嵌入来自封面图像像素的水印信息来生成水印图像。

• 基于统计机制的逐像素脆弱水印：为每个覆盖像素定制的一组认证数据和一些额外的测试数据被嵌入到覆盖图像中

对于脆弱水印方法研究关于图像内容的恢复或篡改区域的定位，这些方法将图像内容压缩嵌入到封面图像中，一旦水印图像被篡改，提取的水印可以被解码用于图像的恢复。

以往研究结果：

• 将每个覆盖图像块的DCT系数编码为64或128位，并且用它们替换另一个块的LSB(最低有效位)，识别出篡改块后，从保留区域中提取量化的DCT系数并解码，恢复出篡改区域的主要内容.
• 使用分层机制结合了逐块方案和逐像素方案，在识别出被篡改的块后，利用嵌入在完整块中的水印位来定位被篡改的像素，此方法基于非常多次尝试因此是个不切实际的方法。
• 通过可逆数据隐藏技术、参考位和校验位作为水印信息嵌入到封面图像中。当篡改区域不太时可以准确无误地恢复原图，但是加上水印图像的视觉效果不好。
• 基于自适应比特分配机制的具有内容恢复能力的脆弱水印方案，该方案利用非下采样轮波变换(NSCT)系数，根据每个块的优先级生成用于篡改恢复的恢复位。（水印量低，图像视觉质量高）
• 图像自嵌入算法，通过多级编码将封面图像压缩为多个比特，其结果每个块平均被编码为64位。接收方经过去量化，逆DCT和舍入操作后，参考比特被解压，恢复被篡改的块。
• 未嵌入灰度信息或频率系数，通过矢量量化(VQ)创建封面图像索引表，并生成了一个伪随机序列以确定在何处嵌入所有块的VQ索引。如果水印图像被篡改可以重建VQ 索引表，利用VQ码来恢复被篡改的区域，如果块的VQ索引的所有嵌入副本都被破坏，该方法恢复的图像质量不高。

本文工作：

提出一种基于VQ索引和图像修复的脆弱水印方案，用于恢复被篡改的图像。为了提高恢复质量，将VQ和修复集成到每个分类的覆盖图像块的恢复位中生成。对于具有复杂分布特征的块，VQ索引用于产生恢复位，对于平滑块，VQ索引和修复都用于生成恢复位。

在接收方，通过提取的恢复位判断块分类后，利用自适应机制恢复所有本地化的、被篡改的块。

由于提取的VQ指标的有效性和相邻性区域的损坏程度被考虑在内，恢复过程可以自适应地选择合适的方法，即可以使用VQ 或者图像修复 恢复每个被篡改的块并且获得高质量的恢复图像。

二、Watermark embedding procedure 水印嵌入程序

在水印嵌入过程中，根据不同的分布特征，将覆盖图像块分为平滑块和复杂块两类；

为每个块分配不同的恢复位，其中包括VQ索引和修复指示器的多个副本；

在将认证位和恢复位嵌入到封面图像的LSB平面后，生成带水印的图像.

2.1. Block Classification 块分类

被分成不重叠的n*n块 B1，B2，...，Bk,k为总分割数。对于每个覆盖块Bi计算平均差值Di

 如果方程式中的关系满足下两个式子，覆盖块被归为复杂块，否则是平滑块

T是一个预先确定的域值，是用于限制 2 t1<= T<= 2 t2 （t1 t2 为上标）and 1<=t1, t2<=5.

下图展示了在不同的阈值T = 5 ， 10，20，30以及块大小为4*4时的块分类结果,

图中 a 和b 的黑色和白色区域分别对应复杂块和平滑块。从上图可以清晰地观察到具有丰富纹理的图像区域被有效的分为复杂块，并且设置的阈值越大，分类的块越平滑，块越不复杂。

对于每个覆盖块，应该根据其分类生成可能用于未来篡改恢复的恢复位

2.3. Recovery-bits generation

为了实现对篡改图像的恢复能力，需要将可用于恢复图像主要内容的恢复位提前嵌入到封面图像中，恢复位的生成需要 VQ index 和 image inpainting两种技术。

VQ是有损压缩，VQ压缩的图像应该被分割成块，每个块由n2(平方) 个像素组成。VQ码由特定的方法创建和训练的(例如 LBG 方法)，每个码都是一个具有n2(平方)维向量，对于每个图像块，利用欧式距离来评价codewords与block的相似度，记录欧式距离最小的最相似码字的索引来表示块。因为每个块只保存了码字的索引值，所以整幅图像的VQ压缩比CR为

 在解压过程中，根据索引表中的每个索引值，利用训练好的码本中对应的码字组成每个解压后的图像块。VQ Codewords具有代表性，不仅可以获得较高的压缩比，而且解压后的图像也可以获得满意的视觉质量。codewords 的N越大，图像视觉效果越好。

如果嵌入的VQ索引由于水印图像被篡改而被破坏，使用VQ索引的图像恢复可能不会成功，因此，将图像修复集成到恢复位的生成中。

Image inpainting 是一种可以无缝填充或去除数字图像指定区域的修复技术，目前主要由三种，基于插值的方法，基于块的方法和基于偏微分方程的方法。

与 VQ index 恢复图像相比 image inpainting 有两个优点 1. 由于图像修复的自动恢复能力，不需要嵌入关于封面图像内容的额外信息，比如index value；2.对于平滑块，图像修复可以比使用相对较小的codebook 的VQ index 效果更好，并避免块伪影。

结合这两种方法的优点根据覆盖图像块的分类生成恢复位。避免VQ index 的嵌入位可能会被未来的篡改损坏，因此每个复杂覆盖块的vq index 应多次嵌入。平滑块的周围区域也可能被严重篡改，因此每个平滑块的vq index 也应该嵌入到封面图像中去。

2.3 LSB-based data embedding

生成的验证位和恢复位应嵌入到封面图像LSB平面中，以生成带水印的图像。我们以光栅扫描顺序遍历所有覆盖图像块，并连接它们相应的恢复位。然后，使用密钥对所有块的级联恢复位进行加扰。下图展示了r=3 和 r=1时嵌入LSB平面的示例 结果 封面图像的r 个 LSB平面有效的嵌入了水印位，即恢复位和认证位，并获得了最终的水印图像。