基于BJND模型的立體圖像魯棒水印算法

呂玲玲，張亞娜，劉　穎

(中國傳媒大學 理工學部，北京100024)

基于BJND模型的立體圖像魯棒水印算法

呂玲玲，張亞娜，劉穎

(中國傳媒大學 理工學部，北京100024)

摘要:隨著3D技術的發展，3D電影逐漸進入到一個快速發展階段。低感知強魯棒的數字水印方案是水印技術在3D電影版權保護應用中的一項研究重點。已有的研究證明，基于HVS的JND模型在提高水印不可見性上具有很好的效果，但是現有的JND模型大都建立在單目視覺掩蔽特性基礎上，而對于立體圖像需要進一步考慮雙目視覺掩蔽特性。提出了一種基于BJND(Binocular JND)模型的立體圖像魯棒水印算法。水印嵌入強度受BJND值調制后，使得水印表現出更好的透明性。實驗結果證明，在水印不可見的條件下，基于BJND模型的立體水印方案在抵抗加噪、JPEG壓縮等全局攻擊上具有更強的魯棒性。

關鍵詞:數字水印；BJND模型； 立體圖像

立體圖像/視頻能給人以真實場景的沉浸感，增加了人們對其的認知與興趣。立體圖像/視頻的開發與應用需求越來越迫切，例如3D電影、3D 電視、3D游戲等。與此同時，這些應用產品將受到復制、篡改等威脅，使得產品的版權保護成為亟待解決的問題。低感知強魯棒的數字水印方案是水印技術在3D電影版權保護應用中的一項研究重點。已有的研究[1-3]表明，基于HVS(Human Visual System)的JND(Just Noticeable Distortion)模型在提高水印不可見性上具有較好的效果。但是現有的JND模型大都建立在單目視覺掩蔽特性基礎上，僅僅反映了人類視覺系統對圖像的頻率敏感性、亮度敏感性和對比度掩蔽特性等。3D電影中的立體圖像實質是2D圖像對(左、右視圖)通過特殊顯示方式使得左眼只看到左視圖，右眼只看到右視圖，利用人眼的雙目立體視覺(雙眼的視差和會聚功能)在人腦中產生立體圖像效果。因此，對于立體圖像需要進一步考慮雙目視覺掩蔽特性。JND模型中的頻率敏感性、亮度敏感性和對比度掩蔽特性等在雙目視覺中發生了一定的變化。Zhao[4]等通過心理物理學實驗測試了不同亮度強度和對比度強度下的雙目恰可察覺失真，并依此建立了BJND(Binocular Just Noticeable Distortion)模型。該模型一經提出即被應用在立體圖像壓縮、立體圖像客觀質量評價[5-7]等領域。該模型在數字水印系統中的應用尚處于起始階段。王晶[8]等針對立體圖像內容的真實性認證和完整性校驗等問題，將BJND模型應用到半脆弱數字水印系統中，提出了基于BJND的立體圖像篡改定位及恢復水印的方法。Sepideh[9]對圖像塊的BJND值進行統計分析，將其變化規律映射到DCT域水印嵌入強度變化上。由于文獻[4]給出的BJND模型是基于空域像素灰度的最小可察覺失真度值，Sepideh并沒有直接將BJND值用到水印嵌入強度中。

針對立體圖像內容版權保護問題，本文結合空域BJND模型，給出一種基于雙目視覺掩蔽特性的低感知強魯棒立體圖像水印嵌入方法，通過實驗測試證明BJND模型在立體圖像水印系統中的優越性。

1BJND模型

傳統的2D-JND模型測量的是基于單目視覺特性的最低噪聲感知門限值。3D電影中立體圖像顯示是將一對圖像分別呈現給觀察者的左眼和右眼，然后通過大腦的立體視合成機理，給人以縱深的立體感。雙目視覺特性，例如，雙目聯合和雙目競爭，需要被考慮到立體圖像JND模型的構建中。文獻[4]通過實驗在立體圖像的左右視圖中加入非對稱噪聲，測量在不同背景亮度下，雙目對于非對稱噪聲的最低感知閾值；又通過實驗測量了不同對比度下，由于掩蔽效應引起的最低感知閾值的提高。由此獲得了最終的BJND計算方法

(1)

式中：bg(i)是以像素i為中心的5×5區域的平均亮度值；T1表示左圖中像素i處的噪聲強度；Tc,limit表示當左圖零噪聲時，右圖中相應位置(視差引起的像素偏移后的位置)的噪聲恰可感知閾值的最大值。

Tc,limit(bg(i))=Tlimit(bg(i))+K(bg(i))·eh(i,j)

(2)

其中

(3)

K(bg(i))=-10-6×(0.7·bg2(i)+32·bg(i))+

0.07

(4)

式中：Tlimit(bg(i))指一幅視圖一點處噪聲強度為0時，在特定bg(i)下，另一幅視圖引起可察覺失真的最小噪聲幅度；K(bg(i))是以bg(i)為元素的擬合函數，eh(i)為5×5的sobel算子。

(5)

GK(h,v),k=H,V

(6)

式中：I(i，j)表示(i，j)處的亮度值。GH，GV為梯度函數

(7)

該模型聯合了亮度掩蔽和對比度掩蔽，如圖1所示，給出了立體圖像中一視圖噪聲確知時，另一視圖所允許的不被察覺最小失真閾值，2D-JND模型可視為BJND模型的一個特例。

圖1　原始圖像及其BJND圖

2基于BJND的立體圖像魯棒水印算法

2.1水印的生成

在水印的生成中，混沌置亂是重要的一步，混沌置亂的主要目標是將一個有含義的圖像轉換為一個無意義或者無序的圖像，從而增強該圖像抵抗攻擊的能力和安全性。水印生成算法首先對輸入的版權圖像(如圖2左圖所示)進行二值化處理，然后對其進行混沌置亂處理[10]。再將混沌置亂后的二維矩陣轉化為一維序列，從而得到水印序列，生成的水印如圖2右圖所示。

圖2　版權圖像及生成的水印圖

2.2水印的嵌入

水印嵌入算法如圖3所示。

圖3　嵌入水印流程圖

首先讀入圖像，對其進行雙目視覺掩蔽特性分析得到各個點的BJND值；然后進行量化索引調制，量化索引調制是根據水印信息，把原始載體數據量化到不同的水印值索引區間，其本質是微調載體值至指定的量化電平，從而在獲得具有較高魯棒性的嵌入水印的同時，具有較小的嵌入失真；由量化索引調制得到含水印圖像。

1)根據上一章介紹的BJND模型分析原始圖像的雙目視覺掩蔽特性，計算的各個點的BJND值，由大到小排序后選取BJND最大的4 096個像素點作為水印嵌入位置。

2)通過線性調制，由BJND值控制水印嵌入強度

S(i,j)=α×BJND(i,j)

(8)

式中：S(i，j)為所取模值；a值為嵌入因子，由實驗選取。一般來說，a值越小，水印嵌入的強度就越小，即可提高水印的不可見性。

3)根據水印比特，利用量化索引調制進行水印嵌入

(9)

4)最后得到含水印圖像，如圖4所示。

圖4　原始圖像及含水印圖像

2.3水印的提取

數字水印的提取是數字水印嵌入的逆過程，對待檢測圖像進行模運算，并判斷水印比特。

R(i,j)=mod(Img(i,j),S(i,j))

(10)

(11)

如果S(i,j)/2

最后，將提取出的水印經反置亂重新排列獲得二值水印圖像，得到提取的版權圖像。

3水印性能測試

在水印性能測試實驗中，本文分別對水印的不可感知性和魯棒性進行了評測。其中，不可感知性評測包括主觀質量評價和客觀質量評測。本文選取10對立體圖像對[11](如圖5所示)，圖像大小1 920×1 080，圖像格式bmp，水印比特數4 096 bit。在右視圖中分別根據BJND值和JND值[3]進行水印嵌入(嵌入比特數為4 096)，調整嵌入因子a(見式(8))，觀察BJND模型對水印性能的提升效果。

圖5　立體圖像對

3.1感知度評測

3.1.1主觀質量評價

本文選用LG 7800-CC47英寸LED3D偏振光全高清顯示器(side by side顯示模式)進行主觀質量評價。評測者共15人，12位女性3位男性，年齡在22～25之間，立體視良好，視距3 m。評分方法為：輪流顯示基于BJND算法的含水印立體圖像和基于JND算法的含水印立體圖像，顯示順序隨機(被試只需判斷立體圖像X與Y之間的質量差異)。如果立體圖像X的質量遠優于Y的質量記2分，稍好于Y的質量記1分，質量相當記0分，反之，Y的質量略優記-1分，遠優于X則記-2分。共獲得150個評測分數中，97%為0。由此可見，從主觀視覺上，兩種方法嵌入水印后的圖像沒有明顯的可見差別。

3.1.2客觀評測

本文采用SSIM客觀質量評測方法進行水印的不可感知度客觀評測。SSIM(Structural Similarity Index Measurement system)值越大(最大為1)則說明圖像感知質量越好。表1為10幅圖像的SSIM值。

表1客觀感知度質量測試結果

圖片SSIMPSNR/dBBJNDJNDBJNDJNDtable0.99980.999037.58237.664floor0.99960.998637.62238.338sculpture0.99980.999539.58840.232platform0.99970.999238.22538.962motorcycle0.99980.999339.33539.776grass0.99860.998741.02141.487bike0.99960.998940.35540.852wall0.99980.999339.51040.075angle0.99990.999538.34338.444rail0.99970.998937.89737.733

從表1可知，兩種算法的水印不可感知度都很高，即從感知度評測可知兩種算法均滿足水印的不可見性。

3.2魯棒性評測

水印魯棒性測試中使用Stirmark圖像數字水印測評軟件[12]進行攻擊仿真。在該仿真平臺中對含水印圖像進行JPEG壓縮、加噪等操作，對經過攻擊后的數據進行水印提取。圖6～7給出了不同攻擊下，兩種算法的誤比特率值(Bit Error Rate，BER)。圖8給出了同一種攻擊不同攻擊強度下，兩種算法的誤比特率值。實驗結果表明，基于BJND的水印算法具有更小的BER值，魯棒性更優。表2給出了多種攻擊在特定參數下的誤比特率，可以看出基于BJND的水印算法在抵抗不同攻擊時具有較強的魯棒性。

圖6　加噪攻擊的誤比特率(加噪強度0.006)

圖7　JPEG壓縮攻擊的誤比特率(質量因子50%)

圖8　不同程度JPEG壓縮的誤比特率

圖像不同攻擊在特定參數下的誤比特率加噪0.2dBJPEG壓縮(Q_60)剪切95%旋轉0.01table00.1990.0340.001floor00.1790.0130.002bike00.2980.0250.008

4小結

由于現有的JND模型大都建立在單目視覺掩蔽特性基礎上，而對于立體圖像需要進一步考慮雙目視覺掩蔽特性，本文提出了一種基于BJND(Binocular JND)模型的立體圖像魯棒水印算法，選取10對立體圖像分別用BJND方法與用JND方法指導水印嵌入，對含水印圖像分別進行感知度評測和魯棒性評測。感知度評測中，兩種方法在視覺上基本沒有差異，都具有良好的水印透明性；在魯棒性測試中，對10對嵌入水印后的圖像進行攻擊測試，實驗表明，本文給出的基于雙目視覺掩蔽特性的空域立體圖像水印嵌入方法對JPEG壓縮攻擊、噪聲攻擊誤比特率更低；在水印不可見條件下，基于BJND模型的立體水印方案較之基于JND模型的立體水印方案在抵抗加噪、JPEG等全局攻擊上具有更強的魯棒性。由此可見，BJND模型在立體圖像水印系統中較之JND模型具有優越性，將BJND用于立體數字水印算法對于水印性能的提升具有幫助。

參考文獻：

[1]LI W，ZHANG Y，YANG C. A survey of JND models in digital image watermarking[C]//Proc. 2012 International Conference on Information Technology and Software Engineering，Lecture Notes in Electrical Engineering. [S.l]：IEEE Press，2012：765-774.

[2]呂高巖，張永平，梁鳳梅，等.視頻水印技術綜述[J].電視技術，2012，36(21)：24-29.

[3]CHOU C H，LI Y C. A perceptually tuned subband image coder based on the measure of just noticeable distortion profile[C]//Proc. 1994 IEEE International Symposium.[S.l]：IEEE Press，1995：420-424.

[4]ZHAO Y，CHEN Z，ZHU C，et al. Binocular just noticeable difference model for stereoscopic images[C]//Proc. IEEE 2011 Signal Processing. [S.l]：IEEE Press，2011：19-22.

[5]BENSALMA R，LARABI M C. A perceptual metric for stereoscopic image quality assessment based on the binocular energy [J].Multidimensional systems and signal processing，2013，24(2)：281-316.

[6]RYU S，KIM D H，SOHN K. Stereoscopic image quality metric based on binocular perception model[C]//Proc. 19th IEEE International Conference. [S.l]：IEEE Press，2012：609-612.

[7]RYU S，SOHN K. No-reference quality assessment for stereoscopic images based on binocular quality perception[J].IEEE transactions on circuitsand systems for video technology，2014，24(4)：591-602.

[8]王晶，蔣剛毅.基于BJND的立體圖像篡改定位及恢復水印方法[J].光電子·激光，2013，24(4)：785-793.

[9]BITAGHSIR S A，KARIMI N，AZIZI S，et al. Stereo image watermarking method based on binocular just noticeable difference[C]//Proc. 11th International ISC Conference. [S.l]：IEEE Press，2014：33-38.

[10]XIE T，XING H. New color image encryption scheme based on chaos[C]//Proc. Application Research of Computers. [S.l]：IEEE Press， 2013：318-320.

[11]3D image quality assessment by multimedia signal processing Group，EPFL[EB/OL].[2015-06-25].http：//mmspg.epfl.ch/3diqa.

[12]張衛，高政.StirMark基準測試程序在數字水印方案評價中的應用[J].電視技術，2004,28(8)：75-77.

Robust stereo image watermarking method based on binocular just noticeable distortion

Lü Lingling，ZHANG Yana，LIU Ying

(SchoolofInformationEngineering，CommunicationUniversityofChina，Beijing100024，China)

Abstract:With the development of 3D technology， 3D movie is developing rapidly. Robust imperceptive digital watermarking scheme is good for 3D film copyright protection. As is known， the JND model based on HVS is effect to improve the watermarking invisibility. And most of the existing JND models are built on monocular visual masking. For stereo images， binocular vision masking need to be taken into account. In this paper， robust stereo image digital watermarking algorithm based on BJND (binocular just noticeable difference) is proposed. The embedding intensity modulated by the BJND values. The experiment results show that new scheme is more robust against the attacks such as the additive noise and JPEG compression.

Key words:digital watermarking； binocular just noticeable difference；stereo image

中圖分類號:TN915.08

文獻標志碼：A

DOI：10.16280/j.videoe.2016.02.008

基金項目：國家科技支撐計劃項目(2014BAH10F00);中國傳媒大學科研項目(3132014XNG1426)

作者簡介：

呂玲玲(1990— )，女，碩士生，主研數字水印技術；

張亞娜(1980— )，女，副教授，通信與信息系統專業，主要研究方向為數字圖像處理，視頻壓縮編碼，數字水印技術；

劉穎(1993— )，女，本科生，通信工程專業。

責任編輯：時雯

文獻引用格式：呂玲玲，張亞娜，劉穎.基于BJND模型的立體圖像魯棒水印算法[J].電視技術,2016，40(2);45-49.

Lü L L，ZHANG Y N，LIU Y. Robust stereo image watermarking method based on Binocular Just Noticeable Distortion[J].Video engineering,2016,40(2)：45-49.