基于隨機(jī)分布圓形模板的抗屏攝盲水印算法

摘 要：針對(duì)現(xiàn)有的抗屏攝水印算法不能兼顧魯棒性、不可見性和水印容量等問(wèn)題，提出一種基于隨機(jī)分布圓形模板的抗屏攝魯棒盲水印算法。首先將十六進(jìn)制水印序列轉(zhuǎn)換為固定的角度值，再根據(jù)隨機(jī)線條分布算法生成一系列帶有角度信息的圓形模板，將原宿主圖像藍(lán)色分量進(jìn)行整數(shù)小波變換并取出低頻子帶（LL），對(duì)LL分塊并用密鑰選出若干水印嵌入塊，最后將圓形模板嵌入被選出的塊中。另外，為了提高水印容量，選擇十六進(jìn)制水印密碼以代替二維碼或條形碼；為了提高水印不可見性，將水印模板嵌入整數(shù)小波變換的低頻子帶；為了平衡水印透明性和魯棒性，利用粒子群尋優(yōu)算法（PSO）自適應(yīng)地得出最佳嵌入強(qiáng)度；為了解決拍攝后造成的圖像畸變，在水印提取前對(duì)拍攝的圖像進(jìn)行幾何校正。在數(shù)據(jù)集USC-SIPI上選取了測(cè)試圖，進(jìn)行了常規(guī)攻擊與屏攝攻擊實(shí)驗(yàn)，并與該領(lǐng)域主流的六種方法進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，在保證不可見性的前提下，該算法能抵抗各種常規(guī)類型攻擊。在一定范圍的拍攝距離和拍攝角度內(nèi)，算法能有效提取出水印密碼，并提高了水印容量，在抗屏攝方面具有良好的魯棒性。

關(guān)鍵詞：盲水印；抗屏攝；圓形模板；自適應(yīng)；不可見性；魯棒性

中圖分類號(hào)：TP301.6 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-3695（2023）02-044-0577-06

doi：10.19734/j.issn.1001-3695.2022.06.0314

Anti-screening blind watermarking algorithm based on

randomly distributed circular template

Shan Ruixia1，Jia Yuan1，Gao Lin2

（1.School of Computer Science amp; Technology，Southwest University of Science amp; Technology，Mianyang Sichuan 621010，China；2.College of Blockchain Industry，Chengdu University of Information Technology，Chengdu 610225，China）

Abstract：Aiming at solving the problems that the existing anti-screening watermarking algorithms cannot take into account the robustness，invisibility and watermark capacity，this paper proposed a robust blind watermarking algorithm based on randomly distributed circular templates.Firstly，it converted the hexadecimal watermark sequence into a fixed angle value，and then generated a series of circular templates with angle information according to the random line distribution algorithm.Secondly，it separated the original host image according to the three primary color channels and took out the blue component.Thirdly，it performed integer wavelet transform on blue component and took out low frequency sub-band （LL）.Fourthly，it divided the LL into blocks and selected several watermark embedding blocks with a selected key.Finally，it embedded the circular templates in the selected blocks.In addition，in order to increase the watermark capacity，it chose the hexadecimal watermark password to replace the QR code or barcode.In order to improve the invisibility of the watermark，it embedded the watermark templates in the low frequency sub-band of the integer wavelet transform.In order to balance the transparency and robustness of the watermark，it used the particle swarm optimization algorithm（PSO） to obtain the optimal embedding strength adaptively.In order to solve the image distortion caused by shooting，it performed geometric correction on the captured image before watermark extraction.This paper selected images on the data set USC-SIPI to implement experiments related to common attacks and screen capture attacks，and compared the proposed algorithm with other six algorithms with this image data set.The experimental results show that the algorithm can not only ensure the invisibility of watermark，but also resist various types of common attacks.And within a certain range of shooting distance and shooting angle，the algorithm can effectively extract the watermark password，it also improves the watermark capacity and has good robustness against screen shots.

Key words：blind watermark；anti-screenshot；circular template；adaptive；invisibility；robustness

0 引言

智能手機(jī)的拍攝功能越來(lái)越強(qiáng)大，導(dǎo)致信息泄密已成為信息安全領(lǐng)域日益突出的問(wèn)題。因此，本文提出了一種可抗屏攝的數(shù)字圖像盲水印算法以進(jìn)行泄密追蹤和版權(quán)保護(hù)。屏攝過(guò)程通常伴隨著多種混合干擾，如幾何形變、摩爾紋、光照失真等。形變通常會(huì)造成水印像素發(fā)生移位，Liu等人［1］提出了一種基于雙樹復(fù)小波（DT-CWT）和舒爾（Schur）分解的魯棒水印算法，該方案對(duì)于抵抗形變攻擊具有良好的魯棒性，但水印容量較小。為了提高水印容量，Zhang等人［2］利用加速魯棒特征（SURF）計(jì)算出含水印的圖像被攻擊前后的特征點(diǎn)以生成匹配點(diǎn)，再利用這些匹配點(diǎn)估計(jì)仿射矩陣，最后利用逆仿射變換矯正幾何形變。當(dāng)拍攝相機(jī)內(nèi)部的感光元件和被拍攝屏幕不同頻時(shí)，會(huì)產(chǎn)生摩爾紋。目前減弱摩爾紋的方法有選擇更先進(jìn)的傳感器和軟件方法兩種。Yue等人［3］提出了一種帶有加法和乘法模塊的卷積神經(jīng)網(wǎng)絡(luò)（AMNet）去除摩爾紋，但需要大量先驗(yàn)數(shù)據(jù)集，這些數(shù)據(jù)集不易生成。因此，Yue等人［4］又提出了一種無(wú)監(jiān)督的生成對(duì)抗網(wǎng)絡(luò)，該網(wǎng)絡(luò)在去除摩爾紋方面優(yōu)于卷積神經(jīng)網(wǎng)絡(luò)（CNN）。對(duì)于光照失真問(wèn)題，可通過(guò)亮度調(diào)整，顏色補(bǔ)償?shù)人惴ń鉀Q。楊微等人［5］提出了融合注意力機(jī)制的多級(jí)低照度圖像增強(qiáng)網(wǎng)絡(luò)模型，在低照度圖像增強(qiáng)的多目標(biāo)任務(wù)上取得了優(yōu)良的表現(xiàn)。黃仁婧等人［6］提出了多分支殘差與仿射變換低光增強(qiáng)網(wǎng)絡(luò)，有效地豐富了圖像的紋理細(xì)節(jié)，增強(qiáng)了亮度和對(duì)比度。

屏攝過(guò)程涉及到數(shù)/模和模/數(shù)轉(zhuǎn)換的跨媒介信息傳輸。跨媒介信息傳輸?shù)乃∷惴性诖蛴呙琛⒋蛴∨恼铡⑵聊慌恼盏确矫妗？缑浇閭鬏斨型殡S著幾何失真、光照失真、噪聲干擾等多種混合攻擊，造成水印提取困難。通常有兩種思路可以抵抗跨媒介傳輸中的混合攻擊，其一是將水印信息映射為具有周期性或方向性的幾何信息，其二是將水印嵌入宿主圖像魯棒性強(qiáng)的特征點(diǎn)中。Fang等人［7］為了抵抗屏攝過(guò)程的幾何形變，將水印反復(fù)嵌入宿主圖像的尺度不變特征變換點(diǎn)中（I-SIFT），在水印提取時(shí)，提出一種SIFT特征編輯算法以增強(qiáng)圖像特征點(diǎn)的強(qiáng)度，對(duì)于抵抗截屏攻擊和屏攝攻擊具有良好的魯棒性。Pramila等人［8］將水印信息映射為一系列帶有角度信息的圓形模板，嵌入宿主圖像Y分量中，嵌入規(guī)則基于最小可視差（JND）以提高水印的不可見性。該方案能有效抵抗屏攝攻擊，但對(duì)于剪切攻擊效果不佳。Nakamura等人［9］提出一種快速四邊形檢測(cè)算法的魯棒水印算法，利用一組正交模板來(lái)表示水印信息，并使用模板匹配思想來(lái)提取水印序列。Kang等人［10］利用笛卡爾坐標(biāo)系得到離散對(duì)數(shù)極坐標(biāo)，然后將水印嵌入相應(yīng)的離散傅里葉變換系數(shù)中，消除了插值失真和引入水印信號(hào)時(shí)的干擾。該算法對(duì)于抵抗形變攻擊、信號(hào)處理攻擊，以及打印攻擊具有良好的魯棒性。Chen等人［11］設(shè)計(jì)了一種雙水印算法，將水印嵌入傅里葉變換域中以實(shí)現(xiàn)泄露追蹤，之后根據(jù)QR碼和逆DFT生成第二個(gè)水印，以獲得較高的水印容量和糾錯(cuò)能力。Li等人［12］通過(guò)結(jié)合特征區(qū)域?yàn)V波模型與超點(diǎn)（FRFS）神經(jīng)網(wǎng)絡(luò)，四元數(shù)離散傅里葉變換（QDFT）和張量分解（TD）來(lái)嵌入水印，對(duì)屏攝攻擊具有一定的魯棒性。文獻(xiàn)［13］提出了一種基于傅里葉變換和特定校正預(yù)處理的零水印。該校正包括基于幀的透視校正，減少圖像模糊的維納濾波和減少色彩退化的調(diào)整。Tan等人［14］提出了一種基于輪廓特征的文本圖像水印方案，采用數(shù)學(xué)乘法轉(zhuǎn)換模型來(lái)近似幾何不變特征。將水印嵌入到不易被察覺的邊界點(diǎn)中，大大提高了不可見性。Chen等人［15］通過(guò)有效地集成紅色、綠色和藍(lán)色三個(gè)分量圖像，提出了一種基于離散余弦變換的彩色圖像水印算法，該算法對(duì)大部分攻擊表現(xiàn)出良好的魯棒性。經(jīng)過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，文獻(xiàn)［8～10］在一定的拍攝角度和距離下對(duì)屏攝攻擊魯棒性不足；文獻(xiàn)［7，12］雖然可抵抗屏攝，但水印提取時(shí)需要用到交叉驗(yàn)證，時(shí)間復(fù)雜度高；文獻(xiàn)［11］的算法需要嵌入雙水印，水印提取出后還需要混沌映射解密，耗時(shí)長(zhǎng)，并且嵌入第二個(gè)水印后容易引起明顯的圖像視覺質(zhì)量下降。其余算法均只適用于打印掃描，不適用于屏攝過(guò)程。本文提出了一種改進(jìn)的基于圓形模板的抗屏攝水印算法，主要包括：

a）提出一種新的基于隨機(jī)線條分布的圓形模板，解決了傳統(tǒng)基于均勻分布的圓形模板直線檢測(cè)的二義性，提高了水印檢測(cè)的準(zhǔn)確性和穩(wěn)定性。

b）將水印嵌入宿主圖像整數(shù)小波變換后的低頻子帶，相比于直接嵌入空間像素域具有更高的不可見性。

c）利用粒子群尋優(yōu)算法自適應(yīng)地確定最佳嵌入強(qiáng)度，以均衡不可見性和魯棒性的關(guān)系。

d）使用十六進(jìn)制數(shù)據(jù)作為水印密碼嵌入宿主圖像，解決了以圖片或二維碼作為水印的水印容量低的問(wèn)題。

e）在水印提取的預(yù)處理階段用Shi-Tomasi角點(diǎn)檢測(cè)和透視變換進(jìn)行圖像畸變矯正，解決了屏攝過(guò)程中的幾何形變問(wèn)題。

f）圓形模板是提前一次性生成的，不需要在每次嵌入時(shí)重新生成，在角度檢測(cè)時(shí)直接將角度信息轉(zhuǎn)換為水印序列，不需要額外操作，提高了水印嵌入和提取效率。

1 水印嵌入

1.1 生成水印信息

假設(shè)水印以二維碼的形式嵌入，則1024×1024的圖像最多只能嵌入32×32像素的QR碼，這對(duì)于水印容量來(lái)說(shuō)遠(yuǎn)遠(yuǎn)不夠。本文采用十六進(jìn)制密碼水印代替二維碼，由版權(quán)所有者自主設(shè)定一串密碼，將該密碼轉(zhuǎn)換成十六進(jìn)制，再將該十六進(jìn)制密碼轉(zhuǎn)換為角度信息。假設(shè)宿主圖像大小為1024×1024，則最多可嵌入64位十六進(jìn)制密碼，大大提高了水印容量。對(duì)于泄密追蹤而言，通常是將屏幕ID或者電腦IP作為水印信息，64位足以嵌入完整的IP地址，說(shuō)明算法可以滿足水印容量方面的實(shí)際應(yīng)用需求。0～f的十六進(jìn)制密碼對(duì)應(yīng)的角度信息分別為：6°、17°、29°、40°、51°、62°、74°、84°、97°、107°、118°、130°、140°、152°、164°、175°。

隨機(jī)分布的圓形模板水印是對(duì)均勻分布的圓形模板水印［8］中的改進(jìn)。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，均勻分布的圓形模板在直線檢測(cè)時(shí)總會(huì)出現(xiàn)多個(gè)直線特征。如圖1所示，圖（a）和（b）均是尺寸為128×128，線寬為1，角度為75°的水印模板。其中圖（a）采用文獻(xiàn)[8]的均勻分布算法生成，圖（b）采用隨機(jī)分布算法生成，且每個(gè)條紋為黑色的概率為0.5（概率系數(shù)），即兩圖的黑色條紋的數(shù)學(xué)期望相等。在圖（a）所示的均勻分布圓形模板中，在進(jìn)行直線檢測(cè)時(shí)，通常會(huì)誤檢測(cè)出圖（c）2號(hào)或者3號(hào)的角度信息（實(shí)際的角度信息應(yīng)為圖（c）的1號(hào)斜率），如圖（d）所示，產(chǎn)生角度信息的二義性，嚴(yán)重干擾水印的提取。這是由于黑、白兩色條紋寬度相等，條紋分布過(guò)于均勻?qū)е隆１疚奶岢龌陔S機(jī)分布的圓形模板生成算法，如圖（b）所示。此方法生成的條紋隨機(jī)分布，條紋寬度變化較大，分布不再具有均勻性，消除了直線特征的二義性，可以穩(wěn)定檢測(cè)出正確的直線特征，如圖（e）所示。本文算法生成的16個(gè)隨機(jī)分布的圓形角度模板如圖2所示。

1.2 水印嵌入

水印嵌入藍(lán)色通道具有良好的不可見性［16］，本文選取藍(lán)色分量圖像進(jìn)行整數(shù)小波（IWT）變換。 IWT是離散小波變換（DWT）的改進(jìn)，整型數(shù)據(jù)經(jīng)過(guò)DWT變換后會(huì)得到浮點(diǎn)型結(jié)果，再經(jīng)過(guò)量化后會(huì)產(chǎn)生量化誤差，這會(huì)降低圖像質(zhì)量［17］。而IWT將輸入數(shù)據(jù)映射為整數(shù)，在正（逆）變換后不會(huì)產(chǎn)生量化誤差［18，19］。選擇IWT變換后的低頻子帶（LL）進(jìn)行不重疊分塊，利用密鑰選出若干個(gè)塊作為水印嵌入塊，最佳嵌入強(qiáng)度根據(jù)粒子群優(yōu)化算法（PSO）［20］得出。本文通過(guò)峰值信噪比（PSNR）和位正確率（BCR）來(lái)設(shè)計(jì)PSO的適應(yīng)度函數(shù)［21，22］，如式（1）～（3）所示。

其中：PSNR是衡量水印透明性的指標(biāo)，PSNR越大水印的透明性越高，對(duì)原圖的破壞也越小［23］；BCR是衡量水印魯棒性的指標(biāo)，BCR越大代表水印魯棒性越高［24］；I和I′分別代表嵌入水印前后的宿主圖像；n代表宿主圖像的寬或高；（i，j）為像素坐標(biāo)；W是原始水印；W′是經(jīng)過(guò)屏攝攻擊后提取的水印；⊕代表XOR運(yùn)算；代表NOT運(yùn)算。

本文算法的粒子群優(yōu)化過(guò)程如圖3所示。

水印嵌入流程如下：

a）生成一系列十六進(jìn)制水印密碼。

b）將每位水印密碼按照1.1節(jié)轉(zhuǎn)換成對(duì)應(yīng)的角度信息。

c）利用隨機(jī)概率模型生成16個(gè)固定角度值的圓形模板水印Wi（i=1，2，3，…）。

d）同時(shí)將宿主圖像I進(jìn)行三原色通道分解，取出藍(lán)色分量Ib。

e）對(duì)Ib分量圖像進(jìn)行IWT變換，得到低頻子帶圖像LL。

f）對(duì)LL進(jìn)行N×N不重疊分塊，并利用基于密鑰KSi（i=1，2，3，…）的隨機(jī)序列選出若干水印嵌入塊Ai（i=1，2，3，…）。

g）將圓形模板嵌入選出的圖像塊Ai（i=1，2，3，…）中，得到含水印的圖像塊A′i（i=1，2，3…）嵌入強(qiáng)度F利用粒子群尋優(yōu)算法獲得。嵌入公式如式（4）所示。

其中：A′i為嵌入圓形模板后的圖像塊；Ai為利用密鑰KSi選出的圖像塊；F為嵌入強(qiáng)度；Wi為水印。

h）將嵌入模板水印的低頻子帶LL′進(jìn)行IWT逆變換，得到嵌入水印后的B通道分量I′b。

i）對(duì)宿主圖像進(jìn)行三原色通道合并，得到含水印的彩色圖I′。

水印嵌入流程如圖4所示。

2 水印提取

2.1 圖像預(yù)處理

屏幕圖像經(jīng)過(guò)手機(jī)拍攝后會(huì)發(fā)生形變，故在水印提取之前需要對(duì)拍攝的圖像進(jìn)行畸變矯正。首先利用角點(diǎn)檢測(cè)算法［25］定位出含水印圖像的四個(gè)角點(diǎn)；然后進(jìn)行RoI提取，接著利用透視變換［26］進(jìn)一步矯正；最后將矯正后的圖像縮放至原始水印大小即可。

2.2 水印檢測(cè)

水印提取時(shí)，首先將畸變矯正后的圖像I′進(jìn)行三原色通道分離并取出B通道分量圖I′b，將I′b進(jìn)行IWT變換得到低頻子帶LL′，利用水印嵌入時(shí)的分塊方式對(duì)LL′進(jìn)行分塊，利用基于密鑰KSi（i=1，2，3，…）的隨機(jī)序列選出含水印的圖像塊A′i（i=1，2，3，…）。為了消除操作過(guò)程中可能引入的噪點(diǎn)，需要對(duì)選出的塊進(jìn)行濾波；為了便于直線檢測(cè)，還需對(duì)濾波后的塊進(jìn)行銳化［27］及二值化［28］。

以一個(gè)107°的水印模板嵌入Lena圖為例，經(jīng)手機(jī)拍攝及預(yù)處理后，提取出斜率的過(guò)程如圖5所示。

水印的檢測(cè)流程如下：

a）將預(yù)處理后的圖像I′進(jìn)行三原色通道分離，得到B通道I′b；

b）對(duì)I′b進(jìn)行IWT變換得到低頻子帶LL′；

c）按照水印嵌入時(shí)的分塊方式對(duì)LL′進(jìn)行N×N不重疊分塊；

d）利用基于密鑰KSi（i=1，2，3，…）的隨機(jī)序列選出含水印的圖像塊A′i（i=1，2，3，…）；

e）對(duì)含水印的圖像塊A′i（i=1，2，3，…），進(jìn)行高斯濾波、銳化和二值化；

f）利用LSD算法［29］檢測(cè)出圖像塊A′i（i=1，2，3，…）的直線，計(jì)算出直線斜率Si（i=1，2，3，…），并根據(jù)角度信息編碼規(guī)則將斜率Si轉(zhuǎn)換成對(duì)應(yīng)的十六進(jìn)制密碼Pi（i=1，2，3，…）。

水印提取流程如圖6所示。

3 實(shí)驗(yàn)及結(jié)果

根據(jù)圖像特征不同，本實(shí)驗(yàn)從USC-SIPI圖像數(shù)據(jù)庫(kù)中選取多幅測(cè)試圖像。這里僅選擇Lena、baboon、peppers、house、child、lake、pine tree、crown等圖像來(lái)闡述實(shí)驗(yàn)過(guò)程及結(jié)果，圖像大小為1 024×1 024，如圖7所示。水印為隨機(jī)產(chǎn)生的十六進(jìn)制密碼。本文從不可見性和魯棒性兩方面評(píng)價(jià)算法性能。不可見性利用峰值信噪比PSNR［30］來(lái)衡量；魯棒性用誤碼率BER［31］和平均錯(cuò)誤位EB來(lái)衡量。嵌入水印后的測(cè)試圖如圖8所示。

3.1 不可見性實(shí)驗(yàn)

根據(jù)粒子群尋優(yōu)算法得出的最佳嵌入強(qiáng)度分別對(duì)上述圖像進(jìn)行水印嵌入，嵌入水印后的圖像的PSNR如表1所示。

當(dāng)PSNR≥40時(shí)說(shuō)明不可見性極好；當(dāng)PSNR在30～40說(shuō)明圖像質(zhì)量稍有失真，但仍在人眼可接受的范圍之內(nèi)；當(dāng)PSNR在20～30說(shuō)明圖像有明顯失真；當(dāng)PSNRlt;20時(shí)，圖像的失真程度不可接受［32，33］。由表1可得，嵌入水印后除house外的圖像的PSNR均大于38，說(shuō)明本文算法的不可見性良好。尤其是lake、pine tree的不可見性最好，原因是水印被嵌入了宿主圖像的藍(lán)色分量，宿主圖像的藍(lán)色部分占比越多，水印的隱蔽性就越強(qiáng)，加之這兩幅圖的紋理復(fù)雜度也相對(duì)更高，導(dǎo)致嵌入水印后有更高的不可見性。house的PSNR不如其他測(cè)試圖，為36.89，原因是house圖像的底色較淺，紋理信息豐富度稍弱，導(dǎo)致水印嵌入后易對(duì)原圖產(chǎn)生相對(duì)大的影響。由于生成的水印模板是二值圖，黑色部分的像素值為零，嵌入后對(duì)原圖不產(chǎn)生任何影響，白色部分像素值為1，即使在嵌入強(qiáng)度為50.00時(shí)，也只是在原圖的少量像素值基礎(chǔ)上增大50。由圖2可以看出，生成的16個(gè)圓形模板的白色線條遠(yuǎn)少于黑色線條，水印嵌入后對(duì)原圖的破壞較小。綜上，就不可見性而言，嵌入水印后的圖像不影響正常使用，可以滿足實(shí)際應(yīng)用需求。

3.2 魯棒性實(shí)驗(yàn)

本文將從常規(guī)攻擊和屏攝攻擊（包括不同拍攝距離、不同拍攝角度）兩方面討論算法的魯棒性。

3.2.1 常規(guī)攻擊

對(duì)含水印的多幅測(cè)試圖像分別進(jìn)行剪切、縮放、旋轉(zhuǎn)、翻轉(zhuǎn)、平移、仿射、隨機(jī)畫線、任意覆蓋、添加噪聲、濾波、壓縮、亮度調(diào)整后提取出水印誤碼率幾乎均為0.0。house在經(jīng)過(guò)剪裁、縮放、旋轉(zhuǎn)后有少許水印位提取不出來(lái)，主要因?yàn)閔ouse被剪裁掉的部分恰好是被密鑰選中的水印嵌入塊；圖像在經(jīng)過(guò)縮放（旋轉(zhuǎn)）后，需要經(jīng)過(guò)相應(yīng)倍數(shù)的反縮放（旋轉(zhuǎn)）以恢復(fù)原大小，如果縮放（旋轉(zhuǎn)）的倍數(shù)是非整數(shù)倍，容易造成較大精度損失；house的底色淺，導(dǎo)致嵌入的水印更脆弱。對(duì)于仿射和任意覆蓋，Lena、child和house在仿射攻擊下水印提取效果有待提高，因?yàn)榉律涔羰且粋€(gè)包含旋轉(zhuǎn)、縮放、平移、錯(cuò)切的混合攻擊，干擾性比其他單一類型的攻擊大許多，盡管如此，peppers、lake、pine tree、crown仍能完整無(wú)誤地提取出所有水印位，說(shuō)明本文算法對(duì)混合攻擊具有一定的魯棒性；覆蓋攻擊會(huì)隨機(jī)覆蓋掉水印嵌入塊。盡管如此，在覆蓋量達(dá)到9塊的時(shí)候，水印的最高誤碼率只有0.17，說(shuō)明本文算法應(yīng)對(duì)常規(guī)類型攻擊具有較高魯棒性和安全性。

3.2.2 屏攝攻擊

因?yàn)榕臄z過(guò)程會(huì)受到許多不可控因素影響（如光照、噪聲、形變等），并且這些不可控因素時(shí)刻都在發(fā)生變化，所以通過(guò)只拍一次求誤碼率的方式難以衡量算法魯棒性，本文通過(guò)求取多次拍攝后提取的水印平均錯(cuò)誤位（EB）來(lái)衡量算法魯棒性。設(shè)置每張圖片在不同變量下的拍攝次數(shù)分別為9次，計(jì)算這9次拍攝后提取的水印錯(cuò)誤位數(shù)總和并除以9即可得出水印平均錯(cuò)誤位。

1）不同距離下的魯棒性

控制角度不變（為0°），對(duì)含水印圖像按照25 cm、35 cm、45 cm、55 cm、65 cm、75 cm、85 cm、 95 cm、105 cm的拍攝距離進(jìn)行手機(jī)拍攝。對(duì)矯正后的圖進(jìn)行水印提取，提取出水印的EB如表2所示。由表2可知，在55 cm以內(nèi)，EB最高為2.89，隨著拍攝距離增加，EB呈遞增趨勢(shì)，原因是，拍攝距離越遠(yuǎn)，圖像越模糊，圖像遭受低通濾波干擾越嚴(yán)重，嵌入的水印會(huì)被當(dāng)做噪點(diǎn)過(guò)濾掉。house的提取效果雖不如其他測(cè)試圖好，但在拍攝距離為65 cm時(shí)EB也只有3.44，說(shuō)明本文算法的魯棒性較好。在拍攝距離為105 cm時(shí)，EB數(shù)值突增，最大值達(dá)到了10.89，這說(shuō)明本文算法適用拍攝的距離為95 cm以內(nèi)，超過(guò)這個(gè)距離會(huì)使魯棒性驟減。

2）不同角度下的魯棒性

控制距離不變（固定距離為60 cm），對(duì)含水印圖像按照向左旋轉(zhuǎn)0°、15°、20°、25°、30°、35°、45°、55°、60°、65°，類似地按上述角度向右旋轉(zhuǎn)，進(jìn)行手機(jī)拍攝后提取水印并衡量魯棒性。對(duì)矯正后的圖提取出水印的EB如表3所示。由表3可看出，在旋轉(zhuǎn)度數(shù)達(dá)到55°時(shí)，最高EB為15.56（即，仍有一半水印位能提取出來(lái)）。隨著旋轉(zhuǎn)度數(shù)增大，EB也越大，原因是，拍攝角度越大，屏幕反光越劇烈，光照越不均勻，幾何形變也越嚴(yán)重。但在30°、45°、60°這幾個(gè)特殊拍攝角度下，EB反而降低，這是因?yàn)樵谒√崛≈靶枰獙?duì)拍攝的圖像進(jìn)行幾何校正，30°、45°和60°處于整數(shù)位置，矯正后的精度損失相對(duì)更小，對(duì)水印模板的影響更小。在旋轉(zhuǎn)度數(shù)達(dá)到65°時(shí)，EB激增，說(shuō)明本文算法適用拍攝的角度為60°以內(nèi)，超過(guò)這個(gè)范圍會(huì)使魯棒性驟減。

3.3 對(duì)比實(shí)驗(yàn)

本文以文獻(xiàn)［7～12］的算法進(jìn)行實(shí)驗(yàn)對(duì)比，宿主圖像選擇彩色Lena圖，分別從不同距離和不同角度進(jìn)行對(duì)比。在相同條件下，設(shè)置PSNR為39±0.5，并對(duì)對(duì)比算法進(jìn)行參數(shù)調(diào)整。在文獻(xiàn)［7］中，選擇特征值最大的前5個(gè)特征點(diǎn)進(jìn)行增強(qiáng)，特征域大小設(shè)置為32×32。在文獻(xiàn)［8，9］中，設(shè)置水印模板大小為128×128。在文獻(xiàn)［10］的算法中，將隱藏?cái)?shù)據(jù)的對(duì)數(shù)半徑軸大小設(shè)置為35。在文獻(xiàn)［11］中，將嵌入分塊的邊長(zhǎng)設(shè)置為256，將檢測(cè)分塊的邊長(zhǎng)設(shè)置為300。在文獻(xiàn)［12］中，將特征域大小設(shè)置為64×64，將特征單元大小設(shè)置為4×4。

3.3.1 不同距離下的實(shí)驗(yàn)對(duì)比

控制角度為不變量（0°），對(duì)含水印的Lena圖像按照25 cm，35 cm，45 cm，55 cm，65 cm，75 cm，85 cm，95 cm，105 cm的拍攝距離進(jìn)行拍攝后提取水印并計(jì)算EB，對(duì)比結(jié)果如表4所示。由表4可知，本文算法和文獻(xiàn)［7，11，12］優(yōu)于其他三種算法，尤其當(dāng)拍攝距離高達(dá)65 cm時(shí)，本文算法的EB仍然只有0.67 bit，據(jù)實(shí)驗(yàn)可知，距離屏幕的拍攝距離越近，摩爾紋越嚴(yán)重；在65 cm左右的拍攝范圍內(nèi)，摩爾紋最弱，水印提取效果最好。超過(guò)65 cm后，拍攝距離越遠(yuǎn)，低通濾波越嚴(yán)重。盡管如此，當(dāng)拍攝距離為95 cm時(shí)，EB仍然小于4 bit。在發(fā)生偷拍時(shí)，為了盡可能清楚地拍攝到屏幕信息，通常拍攝距離不會(huì)超過(guò)60 cm太多，因此本文算法可滿足實(shí)際應(yīng)用需求。綜上，本文算法在合理的拍攝距離范圍內(nèi)具有良好的魯棒性。

3.3.2 不同角度下的實(shí)驗(yàn)對(duì)比

控制距離為不變量（60 cm），對(duì)含水印的Lena圖按照向左旋轉(zhuǎn)0°、15°、20°、25°、30°、35°、45°、55°、60°、65°，類似地按上述角度向右旋轉(zhuǎn)，進(jìn)行手機(jī)拍攝后提取水印并計(jì)算EB，對(duì)比結(jié)果如表5所示。

由表5可知，本文算法和文獻(xiàn)［7，11，12］在拍攝角度為65°范圍內(nèi)的EB低于其他三種算法，在拍攝角度為30°、45°、60°時(shí)，EB突減，這是因?yàn)閷?duì)30°、45°、60°拍攝的圖片進(jìn)行幾何校正后精度損失更小，同時(shí)在拍攝過(guò)程中也受到了光照、形變、摩爾紋等多重不可控因素的影響。在拍攝角度達(dá)到45°時(shí)，EB最高只有3.78 bit。在發(fā)生偷拍時(shí)，為了盡可能清楚地拍攝到屏幕信息，通常拍攝角度不會(huì)偏移40°太多。因此，在合理的拍攝角度范圍內(nèi)，本文算法具有良好的魯棒性，滿足實(shí)際需求。

雖然本文算法相比文獻(xiàn)［7，11］，EB稍弱，但文獻(xiàn)［7］在水印提取時(shí)需要用到交叉驗(yàn)證，時(shí)間復(fù)雜度高，并且由于該算法在水印提取時(shí)需要定位特征點(diǎn)，而圖像在縮放后會(huì)重采樣，造成關(guān)鍵點(diǎn)的丟失，所以該方案對(duì)于縮放攻擊魯棒性差；此外，對(duì)于紋理復(fù)雜度低的圖像，關(guān)鍵點(diǎn)不夠穩(wěn)健，無(wú)法在屏攝后準(zhǔn)確定位水印嵌入域，該方案只適用于紋理復(fù)雜度高的圖像。而本文算法在應(yīng)對(duì)各種類型的常規(guī)攻擊時(shí)均具有良好的魯棒性且對(duì)宿主圖像的紋理復(fù)雜度敏感度低。文獻(xiàn)［11］由于需要嵌入雙水印，水印提取后需要混沌映射解密，耗時(shí)長(zhǎng)，并且嵌入第二個(gè)水印后容易引起明顯的圖像視覺質(zhì)量下降。而本文算法圓形模板是固定的，不需要在每次嵌入水印時(shí)重新生成，在角度檢測(cè)時(shí)也不需要額外操作，大大提高了運(yùn)算效率，可以滿足實(shí)時(shí)水印嵌入及提取需求，對(duì)于泄密追蹤和信息檢索場(chǎng)景均可適用。

4 結(jié)束語(yǔ)

本文提出了一種基于整數(shù)小波變換和隨機(jī)分布的圓形模板的抗屏攝水印算法，用十六進(jìn)制密碼代替二維碼水印信息，擴(kuò)大了水印容量；將水印密碼轉(zhuǎn)換成隨機(jī)分布的圓形模板，提高了抗屏攝攻擊的魯棒性；將模板水印嵌入宿主圖像整數(shù)小波變換后的低頻子帶，提高了水印的不可見性；在水印提取時(shí)利用透視變換算法進(jìn)行畸變校正，能夠有效抵抗拍攝過(guò)程中的形變攻擊；利用粒子群尋優(yōu)算法自適應(yīng)尋找嵌入強(qiáng)度，以平衡不可見性和魯棒性。實(shí)驗(yàn)表明，本文算法在抗屏攝攻擊方面具有良好的魯棒性。雖然本文算法的不可見性達(dá)到了基本要求，但仍有很大可提升空間。為了進(jìn)一步提高不可見性和魯棒性，需要探索出更穩(wěn)定的屏攝不變量，如何選擇更魯棒的圖像特征并構(gòu)建特征域，這是本文以后的研究方向。

參考文獻(xiàn)：

［1］Liu Pei，Wu Hao，Luo Lan，et al. DT CWT and Schur decomposition based robust watermarking algorithm to geometric attacks［J］.Multimedia Tools and Applications，2022，81（2）：2637-2679.

［2］Zhang Wuyong，Chen Jianhua，Zhang Yufeng.Global resynchronization-based image watermarking resilient to geometric attacks［J］.Compu-ters amp; Electrical Engineering，2018，67：182-194.

［3］Yue Huanjing，Mao Yan，Liang Lipu，et al. Recaptured screen image demoiréing［J］.IEEE Trans on Circuits and Systems for Video Technology，2020，31（1）：49-60.

［4］Yue Huanjin，Cheng Yijia，Liu Fanglong，et al. Unsupervised Moiré pattern removal for recaptured screen images［J］.Neurocomputing，2021，456：352-363.

［5］楊微，張志威，成海秀.PNet：融合注意力機(jī)制的多級(jí)低照度圖像增強(qiáng)網(wǎng)絡(luò)［J］.計(jì)算機(jī)應(yīng)用研究，2022，39（5）：1579-1585.（Yang Wei，Zhang Zhiwei，Cheng Haixiu.PNet：multi-level low illumination image enhancement network based on attention mechanism［J］.Application Research of Computers，2022，39（5）：1579-1585.）

［6］黃仁婧，崔虎，陳青梅，等.融合多分支殘差與仿射變換的低照度圖像增強(qiáng)［J］.計(jì)算機(jī)應(yīng)用研究，2021，38（12）：3786-3790，3807.（Huang Renjing，Cui Hu，Chen Qingmei，et al.Low-light image enhancement based on multi-branch residual and affine transformation［J］.Application Research of Computers，2021，38（12）：3786-3790，3807.）

［7］Fang Han，Zhang Weiming，Zhou Hang，et al.Screen-shooting resilient watermarking［J］.IEEE Trans on Information Forensics and Security，2019，14（6）：1403-1418.

［8］Pramila A，Keskinarkaus A，Seppnen T.Toward an interactive poster using digital watermarking and a mobile phone camera［J］.Signal，Image and Video Processing，2012，6（2）：211-222.

［9］Nakamura T，Katayama A，Yamamuro M，et al.Fast watermark detection scheme for camera-equipped cellular phone［C］//Proc of the 3rd International Conference on Mobile and Ubiquitous Multimedia.2004：101-108.

［10］Kang Xiangui，Huang Jiwu，Zeng Wenjun.Efficient general print-scanning resilient data hiding based on uniform log-polar mapping［J］.IEEE Trans on Information Forensics and Security，2010，5（1）：1-12.

［11］Chen Weitong，Ren Na，Zhu Changqing，et al.Joint image encryption and screen-cam robust two watermarking scheme［J］.Sensors，2021，21（3）：701.

［12］Li Li，Bai Rui，Zhang Shanqing，et al.Screen-shooting resilient watermarking scheme via learned invariant keypoints and QT［J］.Sensors，2021，21（19）：6554.

［13］Gourrame K，Douzi H，Harba R，et al.A zero-bit Fourier image watermarking for print-cam process［J］.Multimedia Tools and Applications，2019，78（2）：2621-2638.

［14］Tan Lina，Hu Kai，Zhou Xinmin，et al.Print-scan invariant text image watermarking for hardcopy document authentication［J］.Multimedia Tools and Applications，2019，78（10）：13189-13211.

［15］Chen P Y，Lin C L.Print and scan resistant watermarking scheme for colour images［J］.The Imaging Science Journal，2015，63（5）：273-284.

［16］Lusson F，Bailey K，Leeney M，et al. A novel approach to digital watermarking，exploiting colour spaces［J］.Signal Processing，2013，93（5）：1268-1294.

［17］Luo Yuling，Li Liangjia，Liu Junxiu，et al. A multi-scale image watermarking based on integer wavelet transform and singular value decomposition［J］.Expert Systems with Applications，2021，168：114272.

［18］Wang Bin.Reversible integer wavelet transform for the joint of image encryption and watermarking［J］.Mathematical Problems in Engineering，2015，2015（14）：article ID935741.

［19］Muhuri P K，Ashraf Z，Goel S.A novel image steganographic method based on integer wavelet transformation and particle swarm optimization［J］.Applied Soft Computing，2020，92：106257.

［20］Cedillo-Hernandez M，Cedillo-Hernandez A，Garcia-Ugalde F J.Improving DFT-based image watermarking using particle swarm optimization algorithm［J］.Mathematics，2021，9（15）：1795.

［21］Shih F Y，Zhong Xin，Chang I C，et al. An adjustable-purpose image watermarking technique by particle swarm optimization［J］.Multimedia Tools and Applications，2018，77（2）：1623-1642.

［22］Zhang Lina，Wei Deyun.Dual DCT-DWT-SVD digital watermarking algorithm based on particle swarm optimization［J］.Multimedia Tools and Applications，2019，78（19）：28003-28023.

［23］Huang Ying，Niu Baoning，Guan Hu，et al.Enhancing image watermarking with adaptive embedding parameter and PSNR guarantee［J］.IEEE Trans on Multimedia，2019，21（10）：2447-2460.

［24］Agilandeeswari L，Ganesan K.A bi-directional associative memory based multiple image watermarking on cover video［J］.Multimedia Tools and Applications，2016，75（12）：7211-7256.

［25］Chen Yi，Cheng Zhengdong，Cheng Yubao，et al.Corner detection based on gradient ghost imaging［J］.Journal of Optics，2019，21（8）：085704.

［26］Wang Ke，F(xiàn)ang Bin，Qian Jiye，et al.Perspective transformation data augmentation for object detection［J］.IEEE Access，2019，8：4935-4943.

［27］Dian Renwei，Li Shutao，Guo Anjing，et al.Deep hyperspectral image sharpening［J］.IEEE Trans on Neural Networks and Learning Systems，2018，29（11）：5345-5355.

［28］Chen Yiping，Wang Liansheng.Broken and degraded document images binarization［J］.Neurocomputing，2017，237：272-280.

［29］Von Gioi R G，Jakubowicz J，Morel J M，et al.LSD：a line segment detector［J］.Image Processing on Line，2012，2：35-55.

［30］王巖.抗共謀攻擊的同步運(yùn)動(dòng)補(bǔ)償擴(kuò)頻隱寫視頻水印［J］.計(jì)算機(jī)應(yīng)用研究，2022，39（6）：1838-1844.（Wang Yan.Synchronous motion compensation spread spectrum steganography video watermar-king against collusion attacks［J］.Application Research of Compu-ters，2022，39（6）：1838-1844.）

［31］Mousavi S M，Naghsh A，Manaf A A，et al. A robust medical image watermarking against salt and pepper noise for brain MRI images［J］.Multimedia Tools and Applications，2017，76（7）：10313-10342.

［32］Setiadi D R I M.PSNR vs SSIM：imperceptibility quality assessment for image steganography［J］.Multimedia Tools and Applications，2021，80（6）：8423-8444.

［33］Khan I I，Ahmad K，Rizvi M A，et al. Increased PSNR with improved DWT digital watermarking technique［J］.International Journal of Innovative Computing and Applications，2019，10（3-4）：185-193.

收稿日期：2022-06-08；修回日期：2022-08-05 基金項(xiàng)目：四川省科技計(jì)劃資助項(xiàng)目（2020YFS0316）；國(guó)家自然科學(xué)基金資助項(xiàng)目（NSFC62076209）

作者簡(jiǎn)介：剡瑞霞（1995-），女，陜西寶雞人，碩士研究生，主要研究方向?yàn)閿?shù)字圖像處理；賈淵（1973-），男（通信作者），四川營(yíng)山人，教授，碩導(dǎo)，博士，主要研究方向?yàn)橛?jì)算機(jī)視覺、數(shù)字圖像處理等（114997152@qq.com）；高琳（1976-），男，湖北利川人，講師，碩導(dǎo)，博士，主要研究方向?yàn)橛?jì)算機(jī)視覺、模式識(shí)別、大數(shù)據(jù)分析等.