CN1802665A - 加水印 - Google Patents

Abstract

结构化水印可以通过把结构化水印所定义的变量的不规则映射应用于代表数据的频域数值而嵌入数据中。具体地说，数据的频域表达包括有序的频域数值组。结构化水印被用来定义被应用于该频域数值的有序的变量组。每种变量是用结构化水印定义的数值。从有序的变量组中的位置到在有序的频域数值组中的位置的不规则映射都被定义。前述不规则映射是一对一的而且是可逆的。对所述变量组的不规则映射的应用将产生可在频域和数据信号域两者中表现为噪声的数值组。所述数据的信号域可能是n维的，而且可能是可以将其中的数据转换到频域的空间的、时间的或其它的定义域。数据信号域可以是连续的或离散的。每个频域数值是借助所述的不规则映射把所述变量映射到所述频域数值的所述位置进行修改的。频域数值可以使用加法或乘法运算进行修改。使用加法嵌入，针对频域数值的修改可以在信号域中实现，而不需要通过把将所述的变量组应用不规则映射的结果转换到所述的信号域来计算数据的频域数值。水印可以通过使用不规则映射在目标数据的频域表达上的逆变换在目标数据中被检测。因为水印是结构化的，所以它可以在用不规则映射的逆变换处理目标数据之后在目标数据中被察觉。诸如相关关系之类的衡量标准也能用来检测出现在经过处理的目标数据中的结构化水印。

Description

加水印

背景技术

加水印包括把信息嵌入数据，以致所述信息在数据的正常使用中是隐藏的。理论上，所述信息被嵌入以致(1)信息并不显著地降低数据质量，(2)所述信息能被重新获得和(3)信息对于诸如可以在所述数据上完成的典型的处理操作之类的恶意的攻击和无恶意的攻击两者来说都是强健的。因此，加水印包括水印所携带的信息的强健、容量和在数据质量之中的平衡。

无恶意的攻击包括在数据上完成的相对于所述数据有削弱水印信号的强度的副作用的多种操作。例如，如果所述数据是图像数据，则所述数据可以被，例如压缩、再次按规定尺寸制作、修剪、在模拟和数字格式之间转换、或二次抽样。

恶意的攻击包括为削弱与嵌入所述数据中的水印有关的信号的强度而设计的多种攻击，恶意的攻击依次降低检测水印的能力。例如，对一些有不同水印的同一的图像的共同的恶意攻击是共同计算它们的平均值以产生水印的强度大大减少的、新的、相同图像。一些操作可以被看作是既有恶意又无恶意的攻击。

例如，在电影的盗版中通常的活动是使用便携式摄像放像一体机记录在电影院中放映的电影。然后，把所述电影转移到计算机上并配销给零售商。因此，任何嵌入电影图像中的水印都受制于一些影响水印的操作：转变成胶片、投射在荧屏上、记录在便携式摄像放像一体机上、和很可能用的数字化和压缩。这些操作全都有减少电影中的水印强度的作用并因此是攻击的类型。

发明内容

结构化水印可以通过把结构化水印定义的变量的不规则映射应用于代表数据的频域数值嵌入所述数据中。具体地说，所述数据的频域表达包括有序的频域数值组。结构化水印被用来定义将要应用于频域数值的有序的变量组。每种变量都是用结构化水印定义的数值。从所述有序的变量组中的位置到所述有序的频域数值组中的位置的不规则映射被定义。所述不规则映射是一对一的而且是可逆的。把所述的不规则映射应用于所述的变量组将产生在频域和数据的信号域中都表现为噪声的数值组。数据的信号域可以是n维的，而且可以是可以把其中的数据转换到频域的空间的、时间的或其它的定义域。数据的信号域可以是连续的或离散的。每个频域数值是通过用不规则映射把变量映射到频域数值的位置修改的。频域数值可以使用加法或乘法运算进行修改。使用加法嵌入，对频域数值的修改可以在信号域中实现，不需要通过把将不规则映射应用于所述的一组变量的结果转换到信号域计算所述数据的频域数值。

通过使用这样的不规则映射，当所述的结构化水印被嵌入数据的时候是较少可能被察觉的。然而，水印可以通过在目标数据的频域表达上使用不规则映射的逆变换在所述目标数据中被检测出来。因为水印是结构化的，所以它在用不规则映射的逆变换处理目标数据之后可以是在目标数据中可察觉的。诸如相关关系之类相似性的衡量标准也能用来检测结构化水印在经过处理的目标数据中存在。

作为例子，结构化水印可以代表打算嵌入数据的多位信息。在这种情况下，频域数值可以被分成与多位信息的位数相对应的许多不相重叠的子集。选定频域数值的位置作为每个子集的元素，以便在数据的有序的频域表达内有不规则的分布。每个位与频域数值的一个不同子集相关联并且定义将要应用于与前述的每个位相关联的子集中的数值的变量。每个位和每个频域数值在每个频域数值子集中的位置之间的这种关联是不规则映射。在每个频域数值子集中，所述子集中的数值是依照与所述子集相关联的位所定义的变量修改的。

就图像数据而言，一种定义频域数值子集的方法是在有频域数值时创建象素数目较少的或相同的水印图像。该水印图像被分成多个尺寸相同的区域，每个区域与信息位相关联。每个区域中的象素都被设定成对应于与该区域相关联的位的二进制数值。该二进制数值可以被区别编码。可仿效的区别编码是用有序对(1，-1)代表数值0和用有序对(-1，1)代表数值1。换句话说，该数值子集的一半可以是通过一个数值(例如，1)变更的，而该数值子集的另一半可以通过所述数值的负数(例如，-1)变更。每个位的这种区别编码保证全部频域数值的平均值不被前述变更所改变，这将提高检测水印的能力。作为用于图像数据的另一个例子，结构化水印可以是包括徽标或其它图像数据的水印图像。每个象素代表将用来修改对应的数据频域数值的变量。

水印图像是使用不规则映射重新排序的。例如，这样的不规则映射可以使用诸如离散的Baker映射之类的无序映射通过混录水印图像若干次来实现。合成水印图像似乎是噪声，但是原始的水印图像能使用离散Baker映射的逆变换通过混录合成水印图像提取出来。作为这种混录的结果，在合成图像中的每个象素与频域数值和信息位相关联。

不规则映射也可以包括随关键字改变的置换函数的应用程序以便改变结构化水印定义的所述有序变量。在使用无序映射的应用程序作为部份的不规则映射时，这种置换是在嵌入期间的无序映射的应用程序之前和在检测期间的逆无序映射的应用程序之后完成的。用于无序映射应用程序的参数可以与定义置换的参数合并以便定义对关键字生成函数的输入。关键字生成函数产生用来完成水印的编码和检测的水印关键字。例如，关键字生成函数可以是一维的无序映射。

使用上述技术，多样的水印可以被嵌入同一数据之中。另外，多样的编码器可以使用不同的关键字把同一水印嵌入同一数据的不同例示之中。另外，一个编码器可以使用相同的关键字或使用不同的关键字把不同的水印嵌入同一数据的不同例示之中。

为了检测嵌入目标数据中的结构化水印，目标数据首先被预处理以使目标数据的样本与原始数据对齐。所述对齐通常是以两种方式完成的。首先，如果原始数据是可得的，各种不同的操作可以被完成以使目标数据与原始数据一致。例如，就图像而言，弯曲目标数据以使目标数据中的对象与原始数据中的对象对齐。其次，如果原始数据是得不到的，诸如图像大小之类的关于图像的信息可以是用关键字传达而且被用于与目标数据对齐。任何可得的关于原始数据的其它信息也可以被使用。如果原始数据是可得的，那么它也可以被从目标数据中减去。这种经过预处理的数据被转换到频域。然后，使用从在所述变量中的位置到所述频域数值中的位置的不规则映射的逆变换将所述的频域数值重新排序。于是，水印能在经过处理的目标数据的被重新排序的频域数值中被检测出来。检测可以通过人类识别或感知水印的结构得以完成。如果水印是已知的，或能从其它的信息再生，那么检测可以通过测量水印和经过处理的目标数据的被重新排序的频域数值之间的相似性得以完成。然后，相似性的度量与一个阈值进行比较。相似性的简单度量包括线性的和标准化的相关关系。

如果被加水印的数据是图像数据，预处理包括保证目标数据有与原始数据相同的尺寸并且与之对齐。所述预处理可以包括诸如调整目标图像的大小、弯曲、平移或以其他方式修改目标图像之类的操作。

本发明的不同方面包括用来使用所述加水印完成图像的编码和用来使用所述加水印完成图像的解码的装置、方法和计算机程序产品，以及包括加了水印的图像在内的数字信息产品。

附图说明

图1是用来把结构化水印嵌入图像之类的数据中和检测所述数据中的结构化水印的示范系统的方框图。

图2是把结构化水印嵌入数据的频域数值之中的示范系统的数据流程图。

图3是描述用来把结构化水印嵌入数据的频域数值之中的示范过程的流程图。

图4是检测在数据的频域数值中的结构化水印的示范系统的数据流程图。

图5是描述用来检测在数据的频域数值中的结构化水印的示范过程的流程图。

图6是定义区别编码的多位信息的示范结构化水印图像的图表。

本发明的详细描述

参照图1，用来把结构化水印嵌入图像之类的数据中和检测所述数据中的结构化水印的示范系统的方框图被展示出来。结构化水印是任何有可察觉结构的数据。数据100是水印嵌入器102的输入。将要嵌入数据100的结构化水印104也是水印嵌入器102的输入。结构化水印104定义一组有序的变量，该组有序的变量被水印嵌入器102用来修改数据100，以在数据中嵌入结构化水印。为了把结构化水印嵌入数据中，从在变量所述的一组有序的变量中的位置到在代表数据的一组有序的频域数值中的位置的不规则映射被应用。不规则映射在被应用于结构化水印的时候导致没有明显结构的数据。每个频域数值是借助不规则映射通过把变量映射到频域数值的位置修改的。水印编码器在编码过程中使用水印关键字116。水印关键字代表将要被水印嵌入器102用来修改数据，并依次被检测器(下面予以描述)用来检测结构化水印的参数和其它数据。所述参数和其它数据包括但不限于关于原始数据的信息、描述该怎样生成不规则映射的信息和描述该怎样生成结构化水印的信息。关键字可以用来生成作为给水印嵌入器的输入的结构化水印。

嵌入水印的数据通过通信信道110传输，正如108所指出的，所述通信信道110将以恶意攻击和无恶意攻击的形式在数据中引入噪声。噪声通信信道可以采取多种形式之中的任何一种形式并且事实上包括任何可以在它上面短暂地或永久地传输或储存信息的媒体或媒体组合。

水印检测器112接收来自通信信道的数据并且试图检测嵌入的水印是否出现在收到的数据中。为了检测水印，水印检测器接收水印嵌入器102所使用的水印关键字116，以致它可以生成不规则映射和结构化水印。水印检测器可以任选接收结构化水印118而不是从水印关键字生成它。原始数据120如果是可得的也可以被使用。水印检测器112处理收到的数据以允许与结构化水印比较的形式放置它。水印检测器112可以使用相似性衡量标准将处理后的数据与结构化水印进行比较。相似性的度量与阈值进行比较以便提供指示结构化水印是否被检测出来的检测器输出122。

现在参照图2，示范水印嵌入器将被更详细地描述。为了把结构化水印嵌入数据，可以使用数据的频域表达的格式。嵌入结构化水印在数据的信号域表达中可能受影响，在这种情况下，数据的实际频域表达不需要被计算出来。数据的频域表达的格式包括在代表数据的一组有序的频域数值中的位置。按照惯例，所述格式通常是依照用来生成频域表达的变换定义。

结构化水印定义将要应用于频域数值的一组有序的变量202。每种变量是用结构化水印定义的数值。定义从在所述有序的变量中的位置到在所述有序的频域数值中的位置的不规则映射204。前述不规则映射是一对一的和可逆的。把不规则映射应用于所述的一组变量将导致在频域和信号域中可能似乎都是噪声的一组数据。数据210的每个频域数值是水印嵌入器212通过使用不规则映射把变量映射到频域数值的位置修改的。因此修改后的数据214包括水印。

频域数值可以使用加法或乘法运算进行修改，因此是频域数值、将要应用于频域数值的变量和任何加权参数(在此叫做嵌入强度)的函数。使用加法嵌入，这样的修改可以用水印嵌入器在信号域中计算出来，而不需要针对数据计算频域数值。具体地说，使用不规则映射，所述的变量可以被映射到与它们的频域数值相对应的位置。这种映射的结果能被反变换成能为了嵌入水印加到数据上的对应的信号域变量。

描述图2所描述的系统的操作的流程图是在图3中提供的。将要应用于频域数值的一组有序的变量被接收(300)。每种变量是结构化水印定义的数值。从在一组有序的变量中的位置到在一组有序的频域数值中的位置的不规则映射也被定义(302)。不规则映射可以是使用水印关键字推演出来的。假定频域数值在用于数据的所述有序的频域数值中的位置是已知的。每个频域数值依照映射到该频域数值在所述有序的频域数值中的位置的变量修改(304)。上述修改可能在数据的信号域表达或频域表达中受到影响。

作为例子，结构化水印可以代表将要嵌入数据的多位信息。在这种情况下，频域数值可以被分成与多位信息的位数相对应的许多不相重叠的子集。频域数值的位置作为每个子集的元素是为了在数据的有序的频域表达之内有不规则的分布而选定的。每个位都与频域数值的不同的子集相关联并且定义一种将要在与它相关联的子集中应用于该数值的变量。在每个位和每个频域数值在每个频域数值子集中的位置之间的这种关联是不规则映射。在每个频域数值子集中，所述子集中的数值是依照与所述子集相关联的位所定义的变量修改的。

现在将结合图像数据描述这种加水印的例子。

图像数据有通常包括DC数值和一组统称为系数的频域数值的频域表达。用来获得图像的频域表达的共同操作被称为离散的余弦变换。在下面的例子中，离散的余弦变换被应用于整幅图像以便提供频域数值。作为替代，离散的余弦变换可以被个别地应用于图像之内不同的象素块。其它的变换(包括但不限于傅立叶变换和拉普拉斯变换)也可以被使用。所述频域数值被表达在计算机中的时候通常是依照普遍用于所述变换的惯例排序的。

就图像而言，可以应用于频域数值的结构化水印也是二维的，因此在此称之为水印图像。水印图像有等于或小于频域表达尺寸的尺寸。每个象素代表一种将要应用于对应的频域数值的变量。与水印图像中的象素相对应的频域数值取决于所用的不规则映射。

例如，水印图像可能代表作为图像的多位信息的编码。在这种情况下，水印图像被分成与频域数值的子集数(和信息的位数)相对应的许多尺寸相同的区域。水印图像的每个区域包括多个象素并且与信息相关联。只要所有的区域都包含相同数目的象素，它们的形状和位置就是不重要的。每个区域中的每个象素都有对应于该信息位的数值与该区域相关联。每个信息位都可以被区别地编码。这样的图像被展示在图6中。具体地说，在某个区域(例如，用“位3”指出的区域)内，一半的象素可以有诸如+1(用阴影表示)之类的数值，而另一半象素有所述数值的负值，例如-1(用空格表示)，取决于所述编码的位的数值。例如，为了表示数值为“1”的位，第一个半区被设定到“+1”，而第二个半区被设定到“-1”。为了表示数值为“0”的位，第一个半区被设定为“-1”，而第二个半区被设定到“+1”。这样的区别编码保证水印图像有零平均数和固定的范数。

通过使用有零平均数的二进制图像的区别编码，在使用加法嵌入的时候，嵌入的水印不影响频域数值的分布。具体地说，有水印的数据的平均数与没有水印的数据的平均数相同。然而，频域数值在与某个信息位相关联的每个区域的每半个中的分布被移动。具体地说，每个区域的每半个的平均数被移动±嵌入强度。加了水印的图像的这种性质可以用来检测水印。

水印图像也可以是徽标或可以有某种结构的其它图像。水印图像可以是少许灰度的图像。每个象素代表一种将要应用于对应的频域数值的变量。所述水印图像可以通过减去它的平均值和依比例决定它的范围创建有零平均数和固定范数的水印图像被标准化。在水印图像中数值的位置和在图像的频域表达中频域数值的位置之间的不规则映射可以通过使用无序映射的离散执行来提供。具体地说，无序映射在重复处理中被应用于水印图像若干次。每次重复都重新排列水印图像的象素位置。在若干次重复之后水印图像的象素变成重新分布的，而且由此产生的图像可能在信号域和频域中似乎都是噪声。在重新排序后的水印图像中的象素和频域数值之间的对应关系提供所需要的不规则映射。如果水印图像实现多位信息的编码，那么无序映射的应用导致每位信息遍及频域数值的不规则分布。

如果映射对初始条件是极为敏感的而且该映射的每次重复的象素轨迹是有界的，那么该映射是无序的。适合生成用来给数据加水印的不规则映射的无序映射有离散执行，是可逆的，是分区保存的而且有适合大多数数据位置的长轨道。适当的无序映射在被请求重复若干次的时候应该导致一组可能在频域和信号域中似乎都是噪声的数据。

通常，如果映射的Jacobian矩阵的行列式是1，那么无序映射是分区保存的。因为发生混乱，表征该映射的数值(称为Lyapunov指数)必须大于1。所述数值代表该映射对初始条件的敏感性。

无序映射的离散执行在被应用于水印图像的时候在两种条件下是分区保存的。第一，每个象素的轨迹保持在原始水印图像所定义的空间中。第二，没有两个象素被映射到同一位置。

轨道长度是通过映射使数据返回到它的原始位置所必需的重复映射次数。就应用于水印图像的无序映射的离散执行而言，轨道长度是在象素回到它的原始位置之前的重复映射次数。为了适合在生成用于水印图像的不规则映射时使用，无序映射应该被选定，以致对于水印图像中的大多数象素位置有长轨道。例如，就720×480的图像，数千或更多的轨道是优选的。

满足这些条件用于二维数据的无序映射被称为Baker映射，这是一个二维的无序映射具有用等式1提供的连续定义。

$\left[\begin{array}{c}{x}^{\′}\\ y^{\′}\end{array}\right]=\left[\begin{array}{cc}{\mathrm{\λ}}_a& 0\\ 0& {\mathrm{\α}}^{-1}\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right],y\≤\mathrm{\α}$

[0041]等式1： $\left[\begin{array}{c}{x}^{\′}\\ y^{\′}\end{array}\right]=\left[\begin{array}{cc}{\mathrm{\λ}}_b& 0\\ 0& {\mathrm{\β}}^{-1}\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]+\left[\begin{array}{c}1-{\mathrm{\λ}}_b\\ \frac{-\mathrm{\α}}{\mathrm{\β}}\end{array}\right],y>\mathrm{\α}$

        β＝1-α，λ_a+λ_b≤1，x∈[0，1]，y∈[0，1]

上述连续的定义有四个参数：α、β、λ_α、λ_β，其中每个都是常数而且都是被选定的，以致该映射满足上述的判据。

(对于图像尺寸是2的倍数而不是2的幂次的情况)适合混录水印图像的无序映射是所述Baker映射将所有的参数设定成0.5的离散执行。前面的Baker映射的离散执行是由等式2提供的。

y≤P/2

[0044]等式2：

y＞P/2

               x∈[0，Q-1]，y∈[0，P-1]

对应的反Baker映射的离散执行是由等式3提供的。

x′＜Q/2，

[0046]等式3：

x′≥Q/2

           x′∈[0，Q-1]，y′∈[0，P-1]

在等式2和等式3中，P和Q都代表图像尺寸。所有的参数α、β、λ_α、λ_β，在这个例子中都是等于0.5的常数。Baker映射中的所述离散执行通过把1×2象素的局部邻域转变成2×1象素来避开分数象素位置。

应用所述离散的Baker映射的重复次数是足以使水印图像似乎已经失去其可察觉的结构的任何数字。对于大多数自然图像，重复次数通常大于20到25。该重复次数可能是从一系列数值(例如，30到100)中随机选定的。

其它有长轨道的分区保存的离散映射也可以使用。例如，下面的等式4(正向映射)和等式5(反向映射)也是离散映射的一种形式，其中n是整数，P和Q是n的倍数。在n为小数值(例如，2、3、4和5)的情况下，上述等式的使用提供与上述的离散Baker映射相当的结果。

               fori＝0...(n-1)

[0050]等式4：

(i+1)*P/n＞y≥i*P/n

               x∈[0，Q-1]，y∈[0，P-1]

               fori＝0....(n-1)

[0051]等式5：

(i+1)*Q/n＞x′≥i*Q/n

                x′∈[0，Q-1]，y′∈[0，P-1]

使用水印图像和无序映射给将要嵌入数据的信息编码，水印关键字将包括映射被应用于水印图像的重复次数和混录区域的尺寸和位置。将要用水印图像编码的位数和水印图像的尺寸也可以被当作关键字使用以便允许检测器再生水印图像。所述关键字保证每个水印只能由有权使用关键字的某人检测。

因为与离散Baker映射混录的重复次数不同的图像是不相关的，所以采用不同的离散Baker映射重复次数就能把多样的水印图像应用于同一图像。

不规则映射也可以包括在混录之前用无序映射置换水印图像的随关键字改变的置换函数的应用程序。例如，任何把图像分为若干块(每块的尺寸和位置取决于关键字)并且重新排列那些块的函数都可以使用。例如，可以使用把数条图像分为上半块和下半块并且交换它们的阶梯函数。水印关键字也可以包括定义所述置换函数的参数。

借助不规则映射给出变量和频域数值之间的关系，上述频域数值将被修改。因此，结构化水印被嵌入在数据的频域中。具体地说，每个频域数值都是通过与它相关联的变量和称为嵌入强度的参数的函数修改的。嵌入技术通常是加法或乘法。就图像数据而言，混录水印图像的每个象素(如上所述)与频域数值相关联。每个频域数值是依照在用嵌入强度加权的混录水印图像中对应的象素更改的。

在数据中加法嵌入水印图像包括把诸如离散余弦变换(DCT)之类的变换应用于数据以获得频域数值，把加权、混录的水印图像加到频域数值上和在结果上完成反变换。作为替代，如果频域数值是用DCT之类的线性变换获得的，那么混录水印图像的反变换可以在信号域中被加权和加到图像上。后一种技术需要较少的计算。

乘法嵌入借助要在其中嵌入水印的数据的频域数值的幅度来调制水印的嵌入强度。例如，来自混录水印图像的数值可以用嵌入强度和将要更改的频域数值的绝对值两次加权。然后，把结果加到该频域数值上。

嵌入强度参数控制由此产生的图像的峰值信噪比(PSNR)。因此，所述参数将改变，改变取决于将要在其中嵌入水印的数据和标志所需要的强健。因此，适当的嵌入强度数值可以通过实验确定。为了把二进制水印图像(如同前面描述的那样)加法嵌入到8位YUV 720×486自然图像的亮度信道之中，大约1.0到3.2的嵌入强度可以提供大约35-50分贝PSNR。

使用所述技术，多样的水印可以被嵌入在同一数据中。另外，多样的编码器可以使用不同的关键字把同一水印嵌入在同一数据的不同例示之中。另外，一个编码器可以使用相同的关键字或使用不同的关键字把不同的水印嵌入同一数据的不同例示。

已经描述了该如何把结构化水印嵌入数据的频域数值，现在将描述数据中这样的水印的检测。为了检测水印的存在要处理的数据在此被称为目标数据。通常，检测器的一种用途是确定目标数据是否起源于加了水印的原始数据，以便确定违法的复制是否发生。

一般地说，参照图4，为了检测嵌入目标数据中的结构化水印，目标数据402首先用预处理器400进行预处理以使目标数据的样本与原始数据的样本对齐。因此，预处理器400使用描述原始数据的信息404，该信息可以包括原始数据本身或一些可能来自规定原始数据尺寸的水印关键字的数据。如果原始数据是可得的，那么可以被用于完成对齐而且可以被从对齐的目标数据中减去。经过预处理的数据406借助变换408被转换到频域。然后，由此产生的频域数值410被重新排序模块412重新排序。重新排序使用逆变换414，该逆变换414从在所述变量中的位置到在所述频域数值中的位置的不规则映射的用水印关键字中的信息提供或推演。例如，如果诸如离散的Baker映射之类的无序映射被水印嵌入器使用，所述的离散的Baker映射的逆变换就被用来给频域数值重新排序。在多次重复离散的Baker映射之前的编码期间，如果应用随关键字变量的置换函数，，那么在多次重复反离散Baker映射之后，应用所述置换函数的反函数。于是，水印能在经过处理的目标数据的重新排序的频域数值416中被检测出来。检测可以通过人类识别或察觉在重新排序的频域数值中的水印结构完成。如果水印是已知的或能从其它的信息再生(例如通过水印关键字)，检测可以用测量水印和经过处理的目标数据的重新排序的频域数值之间相似性的检测器418完成。然后，相似性的度量与阈值进行比较。相似性的简单度量包括线性的和标准化的相关关系。

描述图4所描述的检测器的操作的流程图是在图5中提供的。如果原始数据是可得的(500)，那么原始数据被用来使目标数据与原始数据对齐。接下来，原始数据被从对齐的目标数据中减去(504)。否则，目标数据被预处理(506)以使它与原始数据尺寸对齐，原始数据尺寸以可获得的描述原始数据的信息为基础。经过预处理的目标数据被变换(508)成频域数值。所述频域数值依照嵌入水印时所使用的不规则映射的逆变换被重新排序(510)。然后，重新排序的数据可以与原始的结构化水印进行比较。

如果被加水印的数据是图像数据，预处理包括保证目标数据有与原始数据有相同的尺寸并且与之对齐。这样的预处理可以包括诸如调整目标图像的大小、弯曲、平移或以别的方式修改目标图像之类的操作，以便提供这样的对齐。

现在将描述供图像数据使用的示范检测器。这个例子以把多位信息作为二进制图像(例如，在图6中)区别编码并且是使用加法嵌入所嵌入的水印为基础。在所述例子中，频域数值的重新排序是通过用于混录水印图像的离散Baker映射的逆变换应用和任何被应用于水印图像的随关键字改变的置换的逆变换应用完成，混录水印图像用于嵌入该水印图像相同的重复次数。。所有频域数值的平均数也被从每个频域数值中减去。频域数值的这种重新排序和减去平均数产生看起来与有噪声的原始水印图像一样的图像。在某些情况下，在所述图像中原始水印图像可能被人眼识别。因此，在显示器上呈现的所述图像可能足以完成水印的检测。作为替代，这幅图像可以通过使用相似性衡量标准与原始水印图像进行比较。下面的例子描述用来比较所述图像与原始水印图像的相关性检测器。

在上述相关关系检测器中，每个重新排序的频域数值都与阈值z相比较。只有那些低于阈值的系数被保留用于余下的分析。标准化的相关关系C可以被计算出来，所述标准化的相关关系C介于幅度低于阈值z的重新排序的频域数值v和具有对应于所述幅度低于阈值z的重新排序的频域数值v的位置的水印图像w′中的象素之间。所述标准化的相关关系C可以作为针对水印图像的N个区域之中的每个区域产生的等式6到等式8所代表的数值c_i的标准化的总和被计算出来，其中M代表低于所述阈值z的区域的数值v的数目，r⁺ _i和r^- _i表示不同的半区(由于有不同的编码)，而σ_v是数值v的标准差。

[0066]等式6： $\tilde{v}=\frac{v}{\left|\right|v\left|\right|}=\frac{v}{\sqrt{M}{\mathrm{\σ}}_v},$ $\tilde{w}=\frac{w^{\′}}{\left|\right|w^{\′}\left|\right|}=\frac{w^{\′}}{\sqrt{M}}$

[0067]等式7： $C=\tilde{v}\·\tilde{w}=\frac{v\·w^{\′}}{{\mathrm{M\σ}}_v}=\frac{1}{M{\mathrm{\σ}}_v}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\left|c_j\right|>T$

[0068]等式8： $c_j=v_j{{\·w}^{\′}}_j=\underset{i\∈r_j^{+}}{\mathrm{\Σ}}{v}_{j,i}-\underset{i\∈r_j^{-}}{\mathrm{\Σ}}{v}_{j,i}$

如果数值C超过阈值T，那么水印被看作是被检测出来。如果水印被看作是被检测出来，通过检查用等式9针对每个区域中小于z的频域数值产生的数值b_j的符号读出水印图像中的信息的每个位也是可能的，在等式9中M₁是在r⁺ _j中小于z的数值v的数目，而M₂是在r^- _j中小于z的数值v的数目。

[0070]等式9： $b_j=v_j\·{w^{\′}}_j=\frac{1}{M_1}\underset{i\∈r_j^{+}}{\mathrm{\Σ}}{v}_{j,i}-\frac{1}{M_2}\underset{i\∈r_j^{-}}{\mathrm{\Σ}}{v}_{j,i}$

采用上述的等式，检测器使用阈值z和T。所述阈值可以是通过实验设定的。另外，在计算机程序中，所述数值可由使用者调整，例如通过诸如滑动器或输入框之类的图形用户接口装置。

z和T的数值也可以如同下面介绍的那样以适合图像方式被自动设定。检测器输出C是针对所述z值中的每个数值z计算的。一组可仿效的数值z的是序列[2、3、4、6、8、12、16、24、32、48、64、96、128、192、256、384、512]。阈值T可以使用Neyman-Pearson判据(该判据是Anthony D.Whalen在San Diego：Academic Press，Inc.1971年出版的“Detection of Signals in Noise(噪声中信号的检测)中描述的)针对所述z值中的每个数值z选定。如果算出的检测器输出C对于所述阈值z的某个邻近的子范围大于选定的阈值T，那么所述阈值z的数值被选定，对于该阈值，算出的检测器输出C和阈值T之差是最大的。水印中的每个位都可以使用等式9和选定的阈值z进行检测。

本文描述的系统的各种不同的组成部分可以以多种形式实现。例如，水印嵌入器可以在数字硬件(例如，可现场编程的门电路阵列或有微处理器的嵌入系统)中实现。这样执行可以在例如，照相机、数字影院放映机或其它用来捕获、生成或再生数据的电子设备中使用，以便给输入数据或所述设备的输出数据加水印。所述系统也可以作为使用通用型计算机系统的计算机程序予以实现。所述计算机系统通常包括与把信息显示给使用者的输出装置和接收使用者输入的输入装置连接的主机。主机通常包括经由互连机制与存储器系统连接的处理器。输入装置和输出装置也经由互连机制与该处理器和存储器系统连接。

一个或多个输出装置可以与该计算机系统连接。可仿效的输出装置包括但不限于阴极射线管显示器、液晶显示器和其它视频输出装置、打印机、调制解调器之类的通信装置和磁盘或磁带之类的存储装置。一个或多个输入装置可以与该计算机系统连接。可仿效的输入装置包括但不限于键盘、袖珍键盘、跟踪球、鼠标、光笔和书写板、通信装置和数据输入装置。本发明不限于与计算机系统或本文描述的设备结合使用的特定输入或输出装置。

计算机系统可以是可用计算机程序设计语言编程的通用计算机系统。计算机系统也可以是专门编程的专用硬件。在通用型计算机系统中，处理器通常是市场上买得到的处理器。通用型计算机通常也有一个操作系统，所述操作系统控制其它计算机程序的执行并且提供调度、纠错、输入/输出控制、计算、编译、存储区分配、数据管理和存储器管理、通信控制和相关的服务。

存储器系统通常包括计算机易读的媒体。媒体可以是易失的或非易失的、可写入的或不可写入的、和/或可重写的或不可重写的。存储器系统储存通常呈二进制形式的数据。所述数据可以定义将要由微处理器执行的应用程序，或储存在在磁盘上的将要被应用程序处理的信息。本发明不限于特定的存储器系统。

本文描述的系统可以在软件、硬件、固件或三者的组合中实现。该系统的单独或组合各种不同的元素可以作为一种或多种计算机程序产品予以实现，其中计算机程序指令被储存在用计算机处理的计算机易读的媒体上。处理的各个步骤可以通过例如计算机程序指令的计算机处理来完成。该计算机系统可以是多处理器计算机系统或者可以包括连接在计算机网络上的多台计算机。图2和图4所示的组成部分可以是计算机程序中分开的模块，或者可以是可以在分开的计算机上运行的分开的计算机程序。由所述组成部分产生的数据可以被储存在存储器系统中或在多个计算机系统之间传输。

已经描述了可仿效的实施方案，前面仅仅作为例子已提交的内容只是说明性的而不是限制性的，这一点对于本领域内的普通技术人员来说应该是明显的。对于前述实施方案的多种修改和其它的实施方案对于本领域内的普通技术人员而言都是显而易见的并且将落在本发明的范围之内。

Claims (39)

1.一种把由多个样本定义的结构化水印嵌入数据的方法，其中所述数据有用于由有序的多个频域数值组成的数据组的频域表达的格式，该方法包括：

定义将要应用于频域数值的有序的变量组，其中每种变量都有结构化水印所定义的数值；

定义从所述有序的变量组中的位置到在所述有序的频域数值组中的位置的不规则映射；以及

借助被不规则映射至所述有序的频域数值组中的所述的频域数值位置的变量修改每个频域数值。

2.根据权利要求1的方法，其中把所述的不规则映射应用于所述的变量组将产生在频域和信号域两者中都表现为噪声的数据组。

3.根据权利要求1的方法，其中定义所述的有序的变量组包括创建水印图像，其中所述的水印图像包括许多至少与一些数据的频域数值相对应的象素，而且其中每个象素代表一种变量。

4.根据权利要求3的方法，进一步包括依照随关键字变量的置换函数改变水印图像的排列顺序。

5.根据权利要求3的方法，其中所述的不规则映射是使用无序映射的离散执行通过混录水印图像提供的。

6.根据权利要求5的方法，其中所述的无序映射是Baker映射。

7.根据权利要求6的方法，进一步包括在混录水印图像之前依照随关键字变量的置换函数改变水印图像的排列顺序。

8.根据权利要求5的方法，进一步包括在混录水印图像之前依照随关键字变量的置换函数改变水印图像的排列顺序。

9.根据权利要求1的方法，其中所述的不规则映射是使用无序映射的离散执行通过混录所述的有序的变量组提供的。

10.根据权利要求9的方法，其中所述的数据是二维数据，所述的有序的变量组是二维数据，而且所述的无序映射是Baker映射。

11.根据权利要求3的方法，其中所述的水印图像有许多尺寸相同的不相重叠的区域，其中每个区域包括多个象素而且与将要应用于所述频域数值的变量相关联，而且每个区域中的每个象素都有对应于与该区域相关联的变量的数值，其中所述的与某个区域相关联的变量代表信息位。

12.根据权利要求11的方法，其中每种变量代表在水印图像中有不同编码的信息位。

13.根据权利要求3的方法，其中所述的水印图像有零平均数和固定的范数。

14.根据权利要求3的方法，其中所述的创建水印图像包括使水印图像标准化。

15.根据权利要求14的方法，其中所述的使水印图像标准化包括：

从所述的水印图像中减去所述水印图像的平均值；以及

按比例缩小所述水印图像的范围。

16.根据权利要求1的方法，其中所述的修改每个频域数值包括：

把变换应用于所述数据以产生所述的频域数值；

依照与所述的频域数值相关联的变量借助所述的不规则映射修改每个频域数值；以及

把逆变换应用于修改后的频域数值。

17.根据权利要求1的方法，其中所述的修改每个频域数值包括：

把所述的不规则映射应用于所述的一组有序的变量；

把逆变换应用于所映射的变量组以产生所述的所映射的变量组的信号域表达；以及

依照所述所映射的变量组的信号域表达修改所述的数据。

18.根据权利要求1的方法，其中所述的定义不规则映射包括：

使每个信息位与所述频域数值的对应子集相关联，其中所述的频域数值被分为许多不相交子集，该许多不相交的子集与许多的定义所述信息的位相对应的，其中作为每个子集的元素的所述频域数值的位置在所述数据的所述频域表达之内有不规则的分布；以及

在每个子集中，依照与所述子集相关联的信息位修改所述子集的频域数值。

19.一种计算机程序产品，其中包括：

计算机易读媒体；

在计算机易读媒体上的计算机程序指令，所述指令被计算机处理之时指示计算机完成用来把用多个样本定义的结构化水印嵌入数据的处理，其中所述数据有用于所述数据的由多个有序的频域数值组所组成的频域表达的格式，所述的处理包括：

定义将要应用于所述的频域数值的有序的变量组，其中每种变量都有用结构化水印定义的数值；

定义从所述有序的变量组中的位置到在所述有序的频域数值组中的位置的不规则映射；以及

借助被不规则映射到所述有序的频域数值组中的所述频域数值位置的变量修改每个频域数值。

20.一种用来把用多个样本定义的结构化水印嵌入数据的系统，其中所述数据具有由有序的多个频域数值组所组成的所述数据的频域表达的格式，该系统包括：

用来提供将要应用于频域数值组的有序的变量的装置，其中每种变量都有所述的结构化水印所定义的数值；

用来提供从所述有序的变量组中的位置到所述有序的频域数值组中的位置的不规则映射的装置；以及

借助被不规则映射到在所述有序的频域数值组中的所述频域数值位置的变量来修改每个频域数值的装置。

21.用来把用多个样本定义的结构化水印嵌入数据的装置，其中所述的数据有用于由有序的多个频域数值组所组成的所述数据的频域表达的格式，该装置包括：

输入，输入接收将要应用于频域数值组的有序的变量，其中每种变量都有结构化水印所定义的数值和从所述有序的变量组中的位置到所述有序的频域数值组中的位置的不规则映射的变量；以及

处理器，处理器用来访问所述有序的变量组和所述的不规则映射，并且处理器提供包括有结构化水印嵌在其中的数据的输出，所述访问通过被不规则映射到在所述有序的频域数值组中的所述频域数值位置的变量来修改所述数据的每个频域数值。

22.一种信息产品，其中包括：

媒体；

媒体上的加水印的数据，包括嵌在数据中的结构化水印，其中所述数据有用于由有序的多个频域数值组所组成的频域表达的格式，而且其中所述的结构化水印定义有序的变量组，所述有序的变量组具有从所述有序的变量组中的位置到所述有序的频域数值组中的位置的不规则映射，而且其中所述数据的每个频域数值都借助使被不规则映射到所述有序的频域数值组中的所述频域数值位置的变量而被修改。

23.在用来检测结构化水印是否被嵌入在输入数据中的方法，其中所述输入数据可源于有结构化水印嵌入其中的原始数据，

该方法包括：

保证所述的输入数据与所述的原始数据对齐；

把对齐的输入数据转换成包括一组有序的频域数值的频域表达；以及

依照从结构化水印所定义的有序的变量组中的位置到所述有序的频域数值组中的位置的不规则映射的逆变换，将所述的频域数值重新排序，其中所述的不规则映射被用来把所述的结构化水印嵌入原始数据中。

24.根据权利要求23的方法，进一步包括：

提供重新排序后的频域数值与结构化水印进行比较。

25.根据权利要求23的方法，进一步包括：

呈现重新排序后的频域数值以允许确认所述的结构化水印。

26.根据权利要求23的方法，进一步包括：

测定重新排序后的频域数值和用结构化水印定义的所述有序的变量之间的相似性；以及

将实测的相似性与阈值进行比较。

27.根据权利要求23的方法，进一步包括：

在转换对齐的输入数据之前从对齐的输入数据中减去原始数据。

28.根据权利要求23的方法，其中所述的不规则映射包括应用无序映射的离散执行的复式重复。

29.根据权利要求28的方法，其中所述的不规则映射包括在应用无序映射的离散执行的复式重复之前应用的随关键字改变的置换函数。

30.根据权利要求29的方法，其中所述的无序映射是Baker映射。

31.根据权利要求28的方法，其中所述的无序映射是Baker映射。

32.根据权利要求23的方法，其中所述的不规则映射包括随关键字改变的置换函数。

33.根据权利要求26的方法，其中测定相似性包括计算在重新排序后的频域数值和用所述的结构化水印定义的所述有序的变量之间的相关关系。

34.根据权利要求33的方法，其中计算相关关系包括计算在重新排序后幅度在阈值z以下的频域数值和在所述有序的变量组中的位置与所述重新排序后幅度在阈值z以下的频域数值的位置相对应的变量之间的相关关系。

35.根据权利要求33的方法，其中计算相关关系包括：

针对用于阈值z的数值组中的每个阈值z，计算在重新排序后幅度在阈值z以下的频域数值和在所述有序的变量组中的位置与所述重新排序后幅度在阈值z以下的频域数值的位置相对应的变量之间的相关关系；

针对用于阈值z的数值组中的每个阈值z，选择阈值T；

如果对于所述阈值z邻近的子范围，算出的相关关系大于选定的阈值T，则选择阈值z，以致在针对阈值z算出的相关关系和为阈值z选定的阈值T之间的差是最大的；以及

使用与为阈值z选定的数值相对应的算出的相关关系和选定的阈值T来检测水印。

36.根据权利要求35的方法，其中选择阈值T使用Neyman-Pearson判据。

37.根据权利要求35的方法，进一步包括使用选定的阈值T和选定的阈值z来检测用结构化水印编码的多位信息中的每一位。

38.根据权利要求35的方法，其中所述的结构化水印是有许多尺寸相同的不相重叠的区域的水印图像，其中每个区域包括多个象素，而且每个区域中的每个象素都有对应于与所述区域相关联的变量的数值，而且其中所述的与每个区域相关联的变量代表信息位，进一步的包括：

使用选定的阈值T和选定的阈值z使每个重新排序后幅度小于阈值z，并且在所述的水印图像中与某个区域相对应的位置的频率系数和与该区域相关联的变量相关以便检测用该区域代表的信息位。

39.根据权利要求26的方法，其中测定相似性包括测定在重新排序后幅度在阈值z以下的频域数值和在所述有序的变量中的位置对应于重新排序后幅度在阈值z以下的频域数值的位置的变量之间的相似性。

Images