[發(fā)明專利]基于BP神經(jīng)網(wǎng)絡(luò)數(shù)字圖像壓縮的圖像水印嵌入與提取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410583233.9
• 申請(qǐng)日: 2014-10-28
• 公開（公告）號(hào): CN104361548B
• 公開（公告）日: 2017-10-20
• 發(fā)明（設(shè)計(jì)）人: 孫林;徐久成;穆曉霞;申長(zhǎng)安;石慶民;王振華;趙永進(jìn);張會(huì)芝
• 申請(qǐng)（專利權(quán)）人: 河南師范大學(xué)
• 主分類號(hào): G06T1/00
• 分類號(hào): G06T1/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于BP神經(jīng)網(wǎng)絡(luò)數(shù)字圖像壓縮的圖像水印嵌入方法，其特征在于，其包括如下步驟：

S1a、對(duì)原始水印圖像W進(jìn)行置亂處理，獲得置亂后的水印圖像；

所述步驟S1a中通過(guò)改進(jìn)Arnold變換對(duì)水印圖像進(jìn)行置亂處理，獲得置亂后的水印圖像；改進(jìn)Arnold變換算法是增加變量數(shù)目和擴(kuò)大變換空間，對(duì)水印圖像W做n次Arnold迭代變換，即以水印圖像的位置(x₀，y₀)作為初值，其中1≤x₀≤M，1≤y₀≤M，按照如下公式

即

xn=(x0+ay0)mod Nyn=(bx0+(ab+1)y0)mod N]]>

進(jìn)行n次迭代，得到置亂后的水印圖像(x_n，y_n)，其中1≤x_n≤N，1≤y_n≤N，N為原始載體圖像的階數(shù)，a、b和n均為正整數(shù)且M為水印圖像的高和寬；

S2a、建立BP神經(jīng)網(wǎng)絡(luò)，設(shè)置BP神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)、調(diào)整訓(xùn)練函數(shù)，并設(shè)置BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練次數(shù)、神經(jīng)元激活函數(shù)閾值、學(xué)習(xí)常數(shù)以及壓縮系數(shù)；

S3a、劃分置亂后的水印圖像為嵌入圖像塊，將輸入和輸出期望均設(shè)置為載體圖像塊，通過(guò)BP神經(jīng)網(wǎng)絡(luò)對(duì)載體圖像塊進(jìn)行訓(xùn)練，獲得隱含層的輸出O；

S4a、在隱含層的輸出O中嵌入水印，將嵌入水印圖像信息后的壓縮圖像進(jìn)行解壓，得到嵌入水印的載體圖像；

所述步驟S4a包括如下子步驟：

S41a、把置亂后的水印圖像進(jìn)行歸一化處理，把水印圖像量化到一個(gè)預(yù)設(shè)的值；

S42a把量化后的水印圖像嵌入到隱含層的輸出O的每行的第一個(gè)位置中；

S43a、把嵌入水印圖像信息后的壓縮圖像進(jìn)行解壓，得到嵌入水印的載體圖像。

2.如權(quán)利要求1所述的BP神經(jīng)網(wǎng)絡(luò)數(shù)字圖像壓縮的圖像水印嵌入方法，其特征在于，所述步驟S2a中BP神經(jīng)網(wǎng)絡(luò)為64×8×64的三層BP神經(jīng)網(wǎng)絡(luò)，傳遞函數(shù)為sigmoid函數(shù)，調(diào)整訓(xùn)練函數(shù)為trainlm函數(shù)，訓(xùn)練次數(shù)為100，神經(jīng)元激活函數(shù)閾值為0.05，學(xué)習(xí)常數(shù)為0.5，壓縮系數(shù)為8。

3.如權(quán)利要求1所述的BP神經(jīng)網(wǎng)絡(luò)數(shù)字圖像壓縮的圖像水印嵌入方法，其特征在于，載體圖像分塊成8×8的圖像塊。

4.一種基于BP神經(jīng)網(wǎng)絡(luò)數(shù)字圖像壓縮的圖像水印提取方法，用于獲取權(quán)利要求1至3任意一項(xiàng)中嵌入水印的載體圖像中的原始水印圖像，其特征在于，其包括如下步驟：

S1b、建立BP神經(jīng)網(wǎng)絡(luò)，設(shè)置BP神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)、調(diào)整訓(xùn)練函數(shù)，并設(shè)置BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練次數(shù)、神經(jīng)元激活函數(shù)閾值、學(xué)習(xí)常數(shù)以及壓縮系數(shù)；

S2b、劃分嵌入水印后的圖像為圖像塊，將輸入設(shè)置為載體圖像塊，將輸出期望設(shè)置為原圖像塊，通過(guò)BP神經(jīng)網(wǎng)絡(luò)對(duì)載體圖像塊進(jìn)行訓(xùn)練，獲得隱含層的輸出O″；

S3b、獲得隱含層的輸出O″與隱含層的輸出O的差，得到差值圖像D；

S4b、對(duì)差值圖像D進(jìn)行反變換，得到置亂恢復(fù)的水印圖像；S5b、置亂恢復(fù)的水印圖像進(jìn)行反歸一化處理，得到原始水印圖像W。