打印掃描不變的多輪廓像素翻轉文本圖像水印算法

郭 雯，宋春花，關 虎，黃 櫻，牛保寧，蘭方鵬

(1.太原理工大學 信息與計算機學院，太原 030024；2.中國科學院自動化研究所 數字內容中心，北京 100190)

文本圖像水印技術是文本水印技術研究的一個重要方向，是文本侵權舉證的重要手段[1]。文本圖像在傳播過程中，會遇到多種處理攻擊，如旋轉、加噪、壓縮、打印掃描等。其中，打印掃描是文本圖像的重要傳播途徑，同時也是文本信息泄漏和被盜用的常見方式之一。因此，文本圖像水印既要能夠抵抗常見的圖像攻擊，又要對打印掃描攻擊具有良好的抵抗能力。然而，打印掃描是一個復雜的過程，對水印的攻擊受儀器型號、參數影響較大，這給文本圖像水印帶來了極大的挑戰。

當前，文本圖像水印方法可以分為變換域方法[2-3]、空間域方法[4-9]和雙域結合方法[10-12]。

變換域方法將像素值變換到某種變換域上，如離散余弦變換(discrete cosine transform，DCT)、離散傅里葉變換(discrete fourier transform，DFT)、離散小波變換(discrete wavelet transform，DWT)等，通過修改變換域系數嵌入水印。變換域方法魯棒性強，但文本圖像只有黑白二值，使用變換域方法嵌入水印以后需要將文本二值化，在此過程中水印容易丟失。

空間域方法是直接修改文本像素來嵌入水印的。可以通過修改文本結構嵌入水印，如上下移動行位置[4]、左右移動字符位置[5]；可以通過修改字符特征嵌入水印，如拆分多結構字符[6]、調整筆畫彎曲程度[7]；可以通過翻轉像素嵌入水印，如使用像素翻轉策略選擇人眼關注度低的像素進行翻轉[8-9]。空間域方法不需要二值化處理，但對各種攻擊的抵抗能力較差。

雙域結合方法為結合變換域和空間域方法。HE et al[10]將文本圖像進行分塊，以每塊內黑色像素數量比例作為特征值，結合單個像素的像素翻轉策略和DCT嵌入水印；但是該算法的特征值在打印掃描前后差異較大，導致水印抗打印掃描的效果不理想。姚寒冰等[11]使用亓文法[9]提出的打印掃描不變量作為特征值，然后通過像素翻轉和DCT嵌入水印；該算法只能嵌入64位水印，水印容量較低。TAN et al[12]提出單輪廓像素翻轉策略，對連通分量最外層輪廓信息進行DFT，修改DFT系數得到新輪廓，通過新舊輪廓差異選擇可翻轉像素，然后結合打印掃描不變量翻轉像素嵌入水印；該算法視覺效果好，但是單輪廓像素翻轉策略可能會嵌入錯誤水印，降低水印魯棒性。雙域結合方法結合變換域和空間域方法的優點，可以提高水印的魯棒性，又可用于二值文本圖像，但當前雙域結合方法對打印掃描攻擊的抵抗能力依然有待提高。

針對當前文本圖像水印方法對打印掃描攻擊魯棒性不佳的問題，本文基于打印掃描不變量提出一種多輪廓像素翻轉的雙域結合文本圖像水印算法，在保證水印視覺不可見、能夠抵抗常見圖像攻擊的前提下，提高水印對打印掃描攻擊的抵抗能力，其創新點如下。

1) 提出一種水印壓縮預處理方法，在嵌入水印前使用跳白塊編碼壓縮水印圖像，使得在文本圖像總嵌入容量一定的情況下，增加水印嵌入的次數，達到提高水印魯棒性的目的；

2) 提出多輪廓像素翻轉策略，降低單輪廓像素翻轉策略嵌入錯誤水印的可能性，提高水印魯棒性；

3) 基于打印掃描不變量，結合DCT和多輪廓像素翻轉策略，設計一種優化的雙域結合的文本圖像水印嵌入及提取算法，進一步提高水印魯棒性。

1 相關工作

1.1 打印掃描不變量

在打印掃描過程中，文本會遭遇多種攻擊，例如：旋轉、壓縮、加噪、縮放等，并且不同型號、不同參數的打印機和掃描儀給文本帶來的影響也不同。這使得無法使用精確的模型模擬打印掃描過程[12]。為了使得水印能夠抵抗打印掃描攻擊，可以找到文本中在打印掃描前后保持不變的部分，利用此部分嵌入水印。亓文法[9]提出一種文本圖像打印掃描過程中的不變量。

定義打印掃描不變量。在打印掃描過程前后，文本中單個字符包含的黑色像素數量和平均每個字符包含的黑色像素數量比值保持不變。表達式如下：

(1)

式中：F(x)和FPS(x)分別表示打印掃描前后的文本圖像；I表示字符區域；x表示黑色像素數量；M和MPS分別表示打印掃描前后平均單個字符的黑色像素數量。

1.2 跳白塊編碼

跳白塊編碼是經典有效的二值圖像無損壓縮方法。為了增加水印嵌入次數，本文使用跳白塊編碼壓縮水印圖像。在跳白塊編碼中，白色像素表示為“0”，黑色像素表示為“1”.將圖像分為多塊，每塊包含N位像素。如果塊內都是白色像素，則使用“0”編碼該塊；如果塊內包含黑色像素，則使用標志位“1”和塊內N位像素的直接編碼共同表示該塊。解碼時，若識別“0”，則恢復N位白色像素；若識別“1”，則按其后N位編碼恢復N位像素[13]。

1.3 像素翻轉策略

在像素翻轉文本圖像水印方法中，像素翻轉策略選擇文本中翻轉后視覺差異小的像素進行翻轉，是像素翻轉水印方法中平衡水印不可見性和魯棒性的重要技術。WU et al[8]提出一種經典的單像素的像素翻轉策略，根據每個像素在其8鄰域內的連通性和平滑性計算該像素的可翻轉得分，選擇得分高的像素翻轉。該策略為量化比較每個像素的翻轉級別提供了方案，但是單像素的像素翻轉策略容易在字符筆畫邊界引入凹凸點，降低水印的不可見性[12]。為了解決該問題，TAN et al[12]提出單輪廓像素翻轉策略。使用傅里葉描述子表示連通分量最外層的輪廓，修改傅里葉描述子得到新連通分量輪廓，根據新舊輪廓的差異選擇可翻轉像素。由于人眼對輪廓改變的敏感度比單個像素改變的敏感度更低，該策略更符合人類視覺特性。但是該策略容易嵌入錯誤水印，并且嵌入水印后可能打亂水印順序，降低水印的魯棒性。

2 打印掃描不變的多輪廓像素翻轉文本圖像水印算法

為了提高水印對于打印掃描攻擊的抵抗能力，同時使得水印視覺不可見，對常見圖像攻擊具有抵抗能力，本文基于打印掃描不變量，結合DCT和像素翻轉方法，提出一種文本圖像水印算法。算法包括水印壓縮預處理、多輪廓像素翻轉策略和水印嵌入及提取算法。

2.1 水印壓縮預處理

為了提高水印的魯棒性，本文提出一種水印預處理方法。在水印圖像嵌入到文本圖像之前對其進行壓縮，使得在文本圖像總嵌入容量一定的情況下，根據總嵌入容量動態增加水印嵌入的次數，提取時對提取的多個水印按位取眾值，達到提高水印魯棒性的目的。

典型的二值圖像無損壓縮方法有跳白塊編碼、游程編碼、四叉樹編碼等[13]。其中，跳白塊編碼通過縮減白色像素壓縮圖像，適用于白色像素遠多于黑色像素的二值水印圖像。跳白塊編碼將圖像分為多塊進行編碼。經實驗發現，水印圖像分塊大小不同時，壓縮率不同，圖1為不同分塊大小時二值水印圖像的壓縮率。從圖1中可以看出，當分塊大小為2×2像素時，水印圖像壓縮率最高。當分塊大小為2×2像素時所有編碼情況如圖2所示。因此，本文使用跳白塊編碼設計一種水印壓縮預處理方法。將二值水印圖像分割為2×2像素大小的子塊，然后進行跳白塊編碼，將水印圖像壓縮為只有0和1的水印序列w={w1,w2,…,wy}，y為水印序列長度。

圖1 不同分塊大小的二值圖像壓縮率Fig.1 Compression rate of binary images with different block sizes

圖2 分塊大小為2×2時不同塊的編碼Fig.2 Encoding of different blocks with block size 2×2

2.2 多輪廓像素翻轉策略

單像素的像素翻轉策略容易在字符邊界引入凹凸點，單輪廓像素翻轉策略[12]修改連通分量最外層輪廓翻轉像素，新連通分量黑色像素數量的實際值和目標值可能存在誤差，導致錯誤地嵌入水印，并且翻轉像素后連通分量的黑色像素數量可能低于連通分量提取閾值t，提取時無法識別，打亂了水印順序。為了更好地平衡水印的不可見性和魯棒性，本文提出多輪廓像素翻轉策略，相比單輪廓像素翻轉策略具有以下優點。

1) 降低了嵌入錯誤水印的可能性。連通分量內所有輪廓由大到小排序。修改一個輪廓后，如果當前連通分量黑色像素數量和目標黑色像素數量誤差為q，則修改下一個輪廓，下一輪廓待翻轉像素數量為-q；直到q為0或者所有輪廓都已修改。

2) 保證嵌入水印的連通分量在水印提取過程中可以被識別。每次修改輪廓后判斷當前連通分量黑色像素數量是否低于閾值t.如果低于t，則不修改當前輪廓。

具體翻轉步驟如下：

Step1連通分量ai的黑色像素數量是xi，目標黑色像素數量為xi′.提取ai中的所有輪廓，并由大到小排序。

Step2修改第一個輪廓。計算該輪廓的傅里葉描述子F(p)，p∈[0,l-1]，l為該輪廓像素點個數。

Step3將高頻區域p∈[l/2-γ,l/2+γ]的描述子置零，γ初值為0.使用新傅里葉描述子重構得到新的輪廓。

2.3 水印嵌入及提取算法

2.3.1水印嵌入

水印嵌入算法基于打印掃描不變量設計，結合DCT和多輪廓像素翻轉策略修改文本圖像中連通分量的打印掃描不變量嵌入水印。

水印嵌入算法流程如圖3所示。水印嵌入算法的具體步驟如下。

1) 計算各連通分量的打印掃描不變量。提取文本圖像中黑色像素數量高于閾值t的連通分量，使用下式計算各連通分量的打印掃描不變量ei：

(2)

式中：xi為每個連通分量的黑色像素數量；A為精度調節參數，如：1 000，10 000等；M為文本圖像中連通分量的平均黑色像素數量。為了避免使用亓文法算法調整區域，增加可以嵌入水印的連通分量數量，本文使用文本首行的連通分量的平均黑色像素數量作為M，計算公式如下：

(3)

式中：D為文本圖像首行中連通分量個數。

圖3 水印嵌入算法流程Fig.3 Watermark embedding algorithm flow

2) 使用打印掃描不變量構造特征矩陣。使用連通分量的打印掃描不變量ei，按照行優先順序構造多個8×8特征矩陣Ej(j=0,1,…,k-1，k為特征矩陣的個數)。

3) 計算水印可嵌入次數并擴展水印。為了提高水印魯棒性，本文算法將水印重復多次嵌入，嵌入次數由文本總嵌入容量動態決定。每個特征矩陣Ej即每64個連通分量中嵌入固定位水印，則文本中水印可重復嵌入次數c計算公式如下：

(4)

式中：p為每個特征矩陣內嵌入水印位數；y為編碼后水印序列的長度。

將水印序列擴展c次。如：原水印序列為010，c為3，水印序列擴展后為000111000.

相關系數R計算公式為：

(5)

最優差分U計算公式為

(6)

(7)

2.3.2水印提取

水印提取算法與水印嵌入算法相對應，其流程如圖4所示。

圖4 水印提取算法流程Fig.4 Watermark extraction algorithm flow

水印提取算法的具體步驟為：

1) 將打印掃描后的文本圖像二值化，使用霍夫變換糾正打印掃描過程引起的文本傾斜。

2) 提取文本圖像中黑色像素數量低于閾值t的連通分量，計算各連通分量的打印掃描不變量。

3) 使用打印掃描不變量以行優先順序構造8×8特征矩陣Ej.

4) 根據Ej的DCT系數提取水印序列。DCT系數按照逆“Z”字排列后，從第s位系數開始，若系數為正數，則提取“1”；若系數為負數，則提取“0”。提取序列連續c位的眾值決定一位水印，得到水印序列。

5) 解壓縮水印序列，得到水印圖像。

3 實驗與分析

3.1 實驗設置

為了說明本文算法的可行性和有效性，本節通過實驗驗證水印的不可見性和魯棒性。實驗數據集為96張不同字體不同字號的中英文文本圖像，其中宋體四號、隸書小四、楷體小四、Times New Roman 12pt、Century 11pt、Arial 11pt各16張。嵌入和提取過程在Visual Studio 2013中進行。

3.1.1實驗參數設置

為了動態地調節提取連通分量的閾值，t值取文本首行平均每個連通分量黑色像素數量的1/5.為平衡水印的不可見性和魯棒性，本文將水印嵌入到特征矩陣的中頻區域。每個特征矩陣內嵌入的水印位數p為24，水印開始嵌入位數s為16，A取值10 000.

3.1.2評價標準

本文使用峰值信噪比(peak signal to noise ratio，PSNR)作為水印不可見性的客觀評價標準，使用誤碼率(bit error ratio，BER)作為水印魯棒性的評價標準。

PSNR(用RPSN表示)通過計算文本嵌入水印前后的差異衡量水印給文本帶來的視覺差異。RPSN值越大，說明水印的不可見性越好；反之亦然。RPSN計算公式如下：

(8)

式中：RPSN表示文本圖像的峰值信噪比；gmax表示文本圖像顏色的最大數值；Ems為均方差，計算公式如下：

(9)

式中：K和I分別是原始文本和嵌入水印后文本；m×n為文本大小。

BER通過計算提取的水印中錯誤位數的比例來衡量水印魯棒性(用bER表示)。bER值越低，代表水印魯棒性越高；反之亦然。其計算公式如下：

(10)

式中：bER為提取水印的誤碼率；yerr為水印錯誤提取位數；ylen為水印總位數。

3.2 水印不可見性

通過舉例展示使用本文算法嵌入水印的視覺效果。圖5為一張二值水印圖像，圖6為一張宋體四號中文文本圖像，圖7為使用本文算法將圖5嵌入到圖6的文本圖像。為了更直觀地展示嵌入水印的效果，將圖6和圖7進行放大。圖8和圖9分別為原始文本圖像和嵌入水印后的文本圖像的局部放大圖。

圖5 原始水印圖像Fig.5 Original watermark image

圖6 原始文本圖像Fig.6 Original text image

圖7 嵌入水印文本圖像Fig.7 Text image with watermark embedded

圖8 原始文本圖像的局部放大圖Fig.8 Enlarged image of the original text image

圖9 嵌入水印文本圖像的局部放大圖Fig.9 Enlarged image of embedded watermark text image

利用本文所提算法，圖8中連通分量“卩”需要減少黑色像素，在圖9中部分凸起像素被去掉；圖8中連通分量“冂”需要增加黑色像素數量，在圖9中部分凹陷像素被填充。通過對比嵌入水印前后的文本圖像，可以發現使用本文算法在文本圖像中嵌入水印后，字符失真度非常小，視覺效果良好。

使用PSNR值RPSN客觀評價本文算法的不可見性。使用本文算法、文獻[9]、文獻[11]和文獻[12]算法分別在相同數據集的所有文本圖像中嵌入相同的水印圖像，通過嵌入前后的文本圖像的RPSN值對比四種算法的不可見性。不同字體字號的文本圖像實驗結果如表1所示。

表1 不可見性比較Table 1 Comparison of invisibility

從表1中可以看出，本文算法平均RPSN值分別在文獻[9]、文獻[11]和文獻[12]的基礎上提高了8.81%、5.16%和0.03%，說明本文算法的不可見性更好。本文算法和文獻[12]算法相比，RPSN值幾乎相等，因為本文算法和文獻[12]算法都通過修改輪廓嵌入水印。除在Arial 11pt字體字號的文本圖像中，本文算法和文獻[12]算法的RPSN值都高于文獻[9]和文獻[11]算法。說明除Arial 11pt字體，通過修改輪廓嵌入水印給文本帶來的視覺損失更小，水印不可見性更高。Arial字體相對其他字體來說字符邊界更加平滑，輪廓可修改地方更少。實驗結果證明，本文算法可以保證水印視覺不可見。

3.3 水印魯棒性

使用誤碼率bER值客觀評價本文算法的魯棒性。使用本文算法、文獻[9]、文獻[11]和文獻[12]算法分別在相同數據集的所有文本圖像中嵌入相同的水印圖像，計算經過攻擊之后提取水印的bER值，進而驗證本文算法的魯棒性。

3.3.1打印掃描攻擊

使用HP LaserJet 3055打印掃描一體機打印文本圖像，并以600 dpi分辨率掃描成文本圖像，然后使用對應的提取算法提取水印，計算bER值。實驗結果如表2所示。

表2 打印掃描攻擊的魯棒性比較Table 2 Comparison of robustness against print-scan attack

從表2中可以看出，本文算法平均bER值分別在文獻[9]、文獻[11]和文獻[12]的基礎上降低了49.86%、17.3%和23.34%，說明本文算法對于打印掃描攻擊的抵抗能力更強。這是因為本文算法使用了多輪廓像素翻轉策略，還重復嵌入水印，提高了水印魯棒性。在6種字體字號的文本圖像中，本文算法在楷體文本圖像中表現最佳，說明本文算法更適用于楷體文本中。實驗結果證明，本文算法提高了水印對于打印掃描攻擊的魯棒性。

需要說明是，不同的打印掃描分辨率對水印提取的準確率會有一定的影響，但從算法效果的對比來看，本文算法與對比算法在不同分辨率下進行bER的比較，呈現的優劣程度基本一致，因此，不失一般性，本文僅就600 dpi分辨率下的實驗結果進行展示與分析。

3.3.2其他攻擊

本文除了重點針對打印掃描攻擊的魯棒性進行系統實驗和深入分析外，也對其它算法對于常見圖像處理的抵抗能力進行驗證。對使用不同算法嵌入相同水印的文本圖像分別進行旋轉、噪聲、壓縮、縮放處理，然后使用對應的提取算法提取水印，計算bER值。實驗結果如圖10所示。

從圖10中可以看出，對于旋轉攻擊和噪聲攻擊，本文算法的平均誤碼率低于文獻[9]、文獻[11]和文獻[12]，說明本文算法的水印對旋轉和噪聲攻擊的魯棒性更好。這是因為本文算法設置了文本傾斜矯正和過濾過小連通分量，并且使用水印壓縮預處理增加水印嵌入的次數，結合DCT和多輪廓像素翻轉策略嵌入水印，提高了水印的魯棒性。對于壓縮攻擊，本文算法的表現雖然比文獻[11]差，但是優于文獻[9]和文獻[12]。對于縮放攻擊，本文算法的平均誤碼率高于文獻[11]和文獻[12]，但低于文獻[9]。這是因為縮放攻擊使得輪廓的細節信息丟失，從而使得特征矩陣的DCT系數改變，水印被改變。實驗結果證明，本文算法可以抵抗合理范圍內的旋轉、加噪、壓縮等攻擊，在抵抗縮放攻擊方面，本文算法的性能還有待進一步提高。

圖10 其他攻擊的魯棒性比較Fig.10 Comparison of robustness against other attacks

4 結束語

本文提出打印掃描不變的多輪廓像素翻轉文本圖像水印算法。為了提高水印魯棒性，首先在嵌入水印之前使用水印壓縮預處理方法壓縮水印圖像，在總嵌入容量一定的情況下，增加水印嵌入的次數；然后提出多輪廓像素翻轉策略，進一步提高水印魯棒性；最后基于打印掃描不變量，結合離散余弦變換和多輪廓像素翻轉策略，設計水印嵌入及提取算法，盡可能地提高水印魯棒性。在文獻[9]、文獻[11]和文獻[12]的基礎上，嵌入水印前后的平均RPSN值分別提高了8.81%、5.16%和0.03%，打印掃描攻擊后的平均bER值分別降低了49.86%、17.3%和23.34%.經實驗驗證，本文算法在保證水印不可見的前提下，提高了水印對打印掃描攻擊的魯棒性，并且水印可以抵抗合理范圍的旋轉、噪聲、壓縮等攻擊。本文算法在嵌入水印的過程中，多次使用迭代方法，導致算法運行時間長，并且對于縮放攻擊的魯棒性有待提高，下一步將就提高算法運行效率和對縮放攻擊的抵抗能力進行深入研究。