基于矩阵乘法的LSB数字水印技术及其在数据安全认证中的应用

沙特国王大学学报一种新的基于矩阵乘法的LSB替换数据安全认证Kumari Rinkia，Puspneel Vermaa，Ranjeet Kumar SinghbaBhagwant大学，印度bSarala Birla University，Rachi，印度阿提奇莱因福奥文章历史记录：收到2020年2020年12月29日修订2021年1月15日接受在线预订2021年关键词：Watermrk：LSB矩阵乘法PSNRNCCA B S T R A C T针对传统的LSB数字水印技术的不足，提出了一种基于矩阵乘法的LSB数字水印技术。该技术利用非连续的像素矩阵来替换水印图像中每个RGB分量的最后三位。对矩阵的每个块应用滤波过程以选择用于嵌入过程的合适块。水印的提取过程是嵌入过程的逆过程。比特的非均匀替换使系统在鲁棒性、不可扩展性和安全性方面更有活力。虽然该方法是非盲型的数字水印，但在目标端需要原始图像进行提取过程。MATLAB工具是用于评估所提出的系统。给出的方法的强度突出了实验结果和统计攻击的列表。该技术适用于内容认证和版权保护应用。版权所有©2021作者。由爱思唯尔公司出版代表沙特国王大学这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍当今时代，我们都生活在数字化的世界中，互联网的普及带来了数字媒体的大量涌现，无论是封闭的还是开放的信息都得到了更广泛、更快速的传播。在全球互联的社会中，用户可以非常方便地以各种多媒体对象的形式共享所有类型的信息，例如文本、音频、视频、图像等。但这种数据传输的便利性带来了许多挑战，涉及非法操纵、侵犯版权、重复、备份、欺诈、假冒、恶意操纵和篡改用户的知识产权或数据。为了克服这些障碍，数字水印是为我们的知识产权提供保护的版权实施技术之一（Hurrah等人，2019; Shen和Chen，2012）。它实际上是密码学的一种进一步形式，也是信息隐藏技术*通讯作者。电子邮件地址：rinkisingh18@gmail.com（K.Rinki），pushpneelverma@gmail.com（P. Verma），gmail.com（R.K. Singh）。沙特国王大学负责同行审查（AlKhamese等人，2019年）。有时这两种方法似乎重叠，尽管它们的目标不同。密码学方法以这样一种方式重新排列信息，即当跟踪时，消息对任何人都没有意义。 另一方面，数字水印背后的原理是在消息上放置一个掩码或隐藏其存在，从而使其看起来像没有消息被发送。加密消息在密码学方面引起怀疑，而水印不会引起敌人或入侵者的注意。加密和水印可以彼此同义以保护数据。三个主要组成部分构成了数字图像水印的结构，即承载我们信息的载体信号或载体对象或信息容器（考虑数字图像），也称为水印的秘密消息和水印图像（Mathur和Mathuria，2017）。 水印可以是插入到另一个多媒体对象中以使我们的信息安全免受前面所讨论的所有类型的阻碍的标记、标签或徽标（Wavelet al.，2018年）。该过程的输出被称为水印图像，并且该过程被认为是嵌入过程（Singh等人，2015，2017; Mathur和Mathuria，2017）。水印图像通过不安全的通信信道传递。在接收器端，将发生检测过程，该检测过程检测水印信号的存在并将其从载体信号中移除。嵌入水印必须具备一些基本的方面，即可感知性，鲁棒性和数据负载能力https://doi.org/10.1016/j.jksuci.2021.01.0131319-1578/©2021作者。由爱思唯尔公司出版代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。制作和主办：Elsevier可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.comK. 林基山口Verma和Ranjeet Kumar Singh沙特国王大学学报5511×（Kadhim等人，2019年; Jesus et al.，2018年）。感知性是指水印图像与原始图像之间的视觉差异。这意味着载体图像的质量不能因水印图像的存在而受到损害。其次，水印图像需要足够鲁棒，以承受任何类型的有意或无意的攻击。它必须承认承受了这类攻击。最后，也是最基本的一个方面是，水印图像应该能够携带足够的信息来表示信息的真实性或唯一性基于可见性的水印技术主要分为可见水印和不可见水印两大类.在可见水印中，机密信息或水印被看到在载体对象上，而在不可见水印中，信息被隐藏在载体对象后面。 根据原始图像的要求，其他形式的水印是盲的、非盲的和半盲的（Wavelet al.，2018;Bansal等人，2015年）。除了这些类型之外，水印的其他分类是基于多媒体对象或载体信号;在此基础上，将水印分为文本水印、图像水印和音频水印。目前应用最广泛的水印算法是基于水印在数字图像中的域位置来实现的，又分为空间域技术和变换域技术。最简单但鲁棒性较差的空域方法是修改原始图像的像素值来嵌入水印。然而，第二个更健壮，但携带的信息量更少。变换域方法也被认为是频域方法（Kadhim等人，2019年）。该过程变换载体图像的系数值，而不是改变像素值，秘密消息被隐藏在变换系数中。在接收端采用反向处理，从载体图像中检测出秘密信息.一些频率图像变换技术是DCT（离散余弦变换）、DFT（离散傅立叶变换）和DWT（离散小波变换）（Singh等人，2018; Singh和Shaw，2019; Singh和Singh，2019）。最常用的空间域技术是LSB（最低有效位），显着的油漆修改等。1.1. 传统的最低有效位（LSB）方法传统的LSB方法是在空间域实现数字水印技术的一种简单方法。这是基于人眼无法分辨这两种色调的惯例，只能通过重新排列很少的比特（Roy等人，2020年; Singh等人，2013，2015;Kumar，2020; Mathur和Mathuria，2017）。在这里，正确的部分，即，该算法用传输介质上携带的秘密信息的MSB位代替载体图像的LSB位。将秘密消息插入到像素的LSB中的原因是，与覆盖数据的MSB相比，它对二进制数的值的影响最小。因此，当改变像素的LSB时，其导致覆盖数据的颜色强度的小变化，并且其不损害覆盖图像的可见质量（Wavelet al.，2018年）。1-图像的LSB位可以在每个像素中存储1位。假设封面图像大小为512 × 512像素图像，则其具有嵌入（存储）266，752比特或33，344字节的秘密消息的总容量（Singh等人， 2015年）。图 像 水 印 中 LSB 技 术 的 基 本 步 骤 （ Rashmi 和 Maheshkar ，2017）：1.1.1. LSB嵌入过程步骤1：从给定的输入彩色封面图像中，提取三色分量，即红色分量，绿色分量和蓝色分量。步骤2：现在将这些像素值转换为8位的二进制形式。步骤3：类似地将秘密数据转换为二进制形式。步骤4：下一步是决定要用秘密消息比特替换的封面图像的比特数（通常只考虑一比特）。第五步：获取秘密数据从左到右的第一位，并将其替换为封面图像的不同颜色分量的LSB 1位位置。步骤6：重复步骤3和步骤4，直到秘密消息的所有位都位于彩色图像的LSB位。第7步：第5步的输出将是水印图像。1.1.2. LSB提取过程步骤1：读取水印图像。步骤2：对水印图像重复LSB嵌入过程中提到的步骤1，2和3。步骤3：计算每个颜色分量像素的LSB步骤4：将它们以8位的二进制形式组合并形成矩阵。第五步：得到的矩阵就是水印信息。1位LSB的过程如表1所示。表11-位LSB过程。秘密消息十进制形式二进制形式5101置换前封面图像像素值十进制形式8位二进制格式红色250 0011001绿色2551 1111111蓝色置换后280 0011100封面图像像素值Cover pixel LSB Message bits 8-Bit Binary Form Decryption Form红色110001100125绿色1011111110254蓝色010001110129表2文献中所述的不同水印方法的比较总结途径作者运营域嵌入技术嵌入区域嵌入颜色分量主机图像尺寸水印图像大小稳健性隐蔽性能力计算复杂度目的彩色主机图像1.兰吉特·辛格空间LSB DCTR、G、B黑色&600x600100x100不足平均好低内容二值水印图像（Singh和Shaw，2018）2. 丘库切夸变换域变换DCTR、G、B白色黑色&300x500伪常见的攻击测试好平均更广泛认证版权N. et. al.（Chukwuchekwa）域白色随机图案反对非常几次攻击保护例如， 2019年度）3.苏Q. et. al. （苏空间直流电R、G、B蓝色512x51232x32鲁棒好少少完整性彩色主机图像Chen，2018）1.萨丽塔山口域变换空域系数DWTR、G、BR、G、B228x22890x90针对一些攻击不足好好更广泛认证版权和灰度水印Ambedkar等人（Ambadekar等人，域到几何保护图像灰度主机2019年度）1. Sanjeev Narayan空间LSB灰色灰色512x51232x32攻击无抵抗力好好少所有者图像和灰度水印图像二进制宿主图像Bal et.（Bal等人，2018年）1.荀悦et. al. （荀域变换DWT-SVD黑色&黑色&690x690345x345常见的攻击足够平均平均高识别、交易跟踪反和二进制例如， 2019年度）域白色白色反对少数人假冒水印图像彩色主机图像1.库马尔et. al.空间LSB、DWT-SVDR、G、BR、G、B512x51296x96攻击耐好好更二维码完整性彩色水印图像（Kumar，2020）2.罗伊·S S. et. al.变换域空间LSBR、G、BR、G、B256x25696x96抵御极少数的袭击测试好好少认证版权（Roy等人， 2020年）域反对非常保护几次攻击K. 林基山口Verma和Ranjeet Kumar Singh沙特国王大学学报5512K. 林基山口Verma和Ranjeet Kumar Singh沙特国王大学学报55131.2. 作者艺术品这项调查的目的是突出的优点和局限性，最近公布的数字图像，版权保护和真实性的完整性技术。在图像水印领域的一个重要的出版作品的列表将在下面的小节中根据给定的参数进行审查。关于鲁棒性、不可感知性、容量、计算复杂性、目标以及一些其他参数的这些方法的比较总结也在表2中示出。在分析部分，我们还比较了现有的系统与我们提出的方法。1.2.1. 一种适用于彩色宿主图像和二值水印图像的作者Ranjeet Singh et al.（Singh和Shaw，2018）强调了数字水印问题的初步概念，其特点和各个领域的要求。本文还对各种水印技术的优缺点进行了比较研究，提出了一种利用传统的LSB技术嵌入水印的方案。通过不同的实验分析，说明了噪声和攻击对彩色封面图像三个分量（红、绿、蓝）LSB技术的影响。重点研究了在不同的归一化相关系数（NCC ）、峰值信噪比（PSNR ）和信噪比（SNR）值下，嵌入水印图像的RGB（Red，Green，Blue）分量的变化情况。虽然该系统在不可感知性和计算复杂度方面更具可持续性，但噪声的影响不足以应对常见的攻击。为了增强知识产权的安全性，在（Chukwuchekwa等人，2019）提出了一种结合粒子群智能算法的改进DCT水印技术。智能系统粒子群优化算法（PSO）帮助找到嵌入水印在宿主图像中的合适位置。对传统DCT水印方案和基于PSO-DCT的水印方案进行了比较分析，认为基于PSO-DCT的水印方案比传统DCT方案具有更好的抗各种噪声和常见攻击的能力。该系统具有更广泛的计算复杂性相比，以前的模型。为了降低计算复杂度，作者在（Su和Chen，2018）中提出了盲水印，将水印耦合到彩色图像（RGB图像）的蓝色分量中选择蓝色成分的原因是人眼的锥体，与彩色图像的其他成分（红色和绿色）相比，人眼对蓝色成分的敏感度仅为2%该系统的缺点之一是有效载荷容量不多。1.2.2. 一种适用于彩色宿主图像和灰度水印图像的为 了 减 少 以 往 模 型 的 局 限 性 ， Sarita P.Ambedkar等 人 在（Ambadekar等人，2019）实施了加密和水印技术的组合方法，以加强隐 藏 信 息 的版权保护，提高有效载荷能力。在嵌入之前，该方法基于随机数生成工具生成的密钥对水印图像矩阵进行简单的行列旋转，得到加密后的水印图像。对加密后的水印图像和载体图像分别进行两级小波变换（2D-DWT），得到多分辨率分解图像。最后对宿主图像应用欧氏距离法，得到最佳像素点进行插入水印在其中，以提高其不可感知性。仿真结果表明了系统对噪声和旋转攻击的不同程度的抵抗能力，但没有提到其对其他几何攻击的持续性。1.2.3. 适用于灰度宿主图像和灰度水印图像的为了提高早期系统的鲁棒性，San-jeev Narayan Bal等人在（Bal等人，2018）提出了对称密钥加密和LSB替换水印机制的组合方法，该方法基于将封面图像的每个像素位对与加密水印图像的相应位对进行匹配。如果匹配发生，则相应地用水印图像的相应匹配对分配的数字二进制等价物替换封面图像的位对。如果不匹配，则用不匹配的水印图像对替换载体图像的第0对位置，并将第0对替换到载体图像的相应像素位的2位LSB位置，以此类推，该方法获得了较好的不可识别性，但水印对椒盐噪声、高斯噪声、斑点噪声等一般攻击无法识别。1.2.4. 适用于二值宿主图像和二值水印图像的为了放大安全性，在（Xun et al.，2019年）。该系统首先用RSA算法对用户机密信息进行编码，并产生用于该用户机密信息的QR码。 为了获得更高的安全性，使用数字水印的DWT-SVD技术将给定的水印图像嵌入到QR码中。最后通过不同的攻击测试实验表明，该算法在不可见性和鲁棒性方面都具有较好的稳定性，是一种非常有效的水印算法。二维码安全但同样，该系统的嵌入能力很差。1.2.5. 一种适用于彩色宿主图像和彩色水印图像的方法到目前为止，我们已经看到了大部分的工作正在做的图像水印使用隐藏在彩色图像或二值图像的灰度或二值图像。为了提高嵌入能力，（Kumar，2020）的作者重新评估并开发了一种空间域算法的组合方法，即，LSB与频域算法，即，离散小波变换结合奇异值分解实现数字图像水印。嵌入过程从DWT的3级开始，SVD（奇异值分解）应用于DWT的高频子带。最后，对原始彩色水印图像进行三层小波变换的侧逆和奇异值分解。通过采用混合方法，系统得到表3提出了基于不同图像的系统水印莉娜狒狒芭芭拉胡椒巴比伦W1（徽标）56.295956.298856.303156.091755.3102W2（胸部X线）56.501455.527156.507455.496156.5161W3（摄影师）55.963156.984956.343755.891255.9307K. 林基山口Verma和Ranjeet Kumar Singh沙特国王大学学报5514它具有良好的嵌入能力，不受剪切、调整、加噪、压缩、滤波等攻击。但与以前的模型相比，该系统具有更大的计算复杂度 为了削弱计算复杂性，参考（Roy等人，2020）采用自适应LSB替换算法，将水印隐藏在另一幅彩色图像（宿主图像）中，实现了对彩色图像水印的版权保护。水印的植入过程通过将两个彩色图像分解成它们不同的颜色通道来开始，红色，绿色和蓝色。然后对每个颜色通道应用相位一致性技术，得到每个颜色的特征图具有较亮区域的像素意味着允许最高值使用LSB技术嵌入相应更多的彩色水印平面数据。具有最暗区域（最低值）的像素将使得能够嵌入水印的颜色平面的更少量的图像像素。通过该方法，定性和定量的结果已经成功地克服了可见性和有效载荷之间的妥协，但很少有攻击已经执行，以验证所提出的方案的鲁棒性。1.3. 工作的重要贡献在一般情况下，五个重要的挑战被认为是评估任何水印系统的性能。它们是难以察觉的-可靠性、鲁棒性、数据有效载荷、安全性和计算复杂性;最后一个标准被研究界认为是最不重要的。然而，在这些要求之间总是存在折衷。例如，如果系统足够鲁棒，则会降低水印图像的可见质量，反之亦然。在另一端，高数据有效载荷通常来自鲁棒性或不可感知性强度或两者的降低从文献回顾中发现，在现有的数字水印系统中，有些准则比其他准则更不易被感知仿真结果表明，该方法在一定程度上保持了水印需求之间的平衡拟议工作的重要贡献汇编如下：a) 提高水印图像的感知质量（不可感知性）-该算法还采用了基于非连续像素矩阵的覆盖图像矩阵的选取方法此外，位的非均匀替换确保一个颜色分量中的任何修改都得到完美补偿，并且没有视觉上明显的图像失真本文还在一个大型数据库上对所提出的水印技术进行了实验表4基于PSNR值的不可感知性比较。现有系统Sarita等人 （Ambadekar等人， 2019年度）Nkwachukwu等人（Chukwuchekwa等人，Yijing等人（Xun等人，Subhrajit等人（Roy等人，2020年）2019年）2019年）峰值信噪比（dB）54.7744.14 39.54 44.75现有Qingtang等人（Su和Chen，Sanjeev等人（Bal等人，Ashwaniet al. （Kumar，Ranjeet等人（Singh和Shaw，系统2018年）2020年）2018年）峰值信噪比（dB）49.9852.01 45.46该方法Lena + W3狒狒+W2芭芭拉+W1胡椒+W2巴比伦+W1峰值信噪比（dB）55.9655.52 56.30 55.49表5在不同攻击下，从被攻击的水印图像中提取的水印的NCC值类型的攻击莉娜狒狒芭芭拉胡椒巴比伦W1W2w3W1w2 w3W1w2 w3W1W2w3W1W2w3没有攻击1111 111 1111111椒盐噪声0.99960.99970.99870.99840.99810.99890.99790.99960.99990.99980.99790.99850.99750.99990.99950.02锐化0.98990.98750.98910.98230.99010.98770.99540.98010.98310.98920.98490.98000.99040.99350.9839高斯噪声0.020.98960.99200.98990.98970.98950.99010.98980.99000.98980.99030.99120.99170.99090.98990.9898旋转45度0.99080.98530.98800.98890.9901九千九百0.98910.98920.98200.98000.98790.98900.98770.98290.9879矩形裁剪0.96990.96310.95810.95800.96730.96030.96730.96810.95290.95670.96930.95510.96710.96010.9583(50每边像素数）中心裁剪（1/4）0.99800.99830.99180.99110.99210.98990.99910.99610.99200.99630.99630.99190.99410.99290.9911右上角0.99780.98490.97810.99060.97840.98490.97990.97890.99530.99960.97940.98690.99510.98990.9889修剪（1/4）左上角0.98920.98990.98940.98900.98990.98960.99090.99510.98990.99120.98970.98950.99080.99090.9899修剪（1/4）左下角0.98320.97280.97380.97450.97940.97610.98410.99400.97860.97300.98300.97810.98970.97390.9991修剪（1/4）右下角0.99560.97290.99910.99680.96980.96890.96120.98700.99940.99040.96040.99900.98950.99610.9985修剪（1/4）循环种植0.97050.97070.97810.97060.97890.97260.97910.97890.97420.97280.97640.97530.97710.97180.9717中值滤波9*90.89990.89920.89910.90900.91290.91810.91190.90910.92690.92840.89990.90960.91950.89970.9268随机删除100个0.89990.89690.90950.91080.90190.89850.89950.89910.90580.89510.91640.90410.89920.90830.8993行和100列散斑噪声0.010.89950.89990.91500.90940.90390.92120.91490.90900.91970.92810.89780.89790.89990.89750.9190主持人形象：莉娜，狒狒，芭芭拉，辣椒，巴比伦。K. 林基山口Verma和Ranjeet Kumar Singh沙特国王大学学报5515←←←彩色图像和不同的水印图像。已经观察到，每个图像的平均感知质量读数高于52 dB。一般来说，当PSNR值大于30 dB时，人眼无法分辨图像的变化。无论所提出的系统使用不同类型的测试图像和水印图像，结论都是通用的。对比分析表3还说明了所提出的方法的PSNR值高于许多现有系统。因此，该方法具有良好的感知质量的水印图像。b) - 表4和表5反映了新颖的LSB替换水印机制的效果，其针对许多常见攻击（如不同类型的噪声、几何攻击、旋转攻击等等）提供了此外，与现有系统相比，填充和滤波过程之后的比特的非均匀替换使得系统更鲁棒。表5展示了所提出的模型与其他系统的提取的攻击水印图像的相关系数值的比较检查，并且得出结论，所提出的模型与另一模型相比获得了良好的鲁棒性。c) 最佳的数据负载容量和降低的计算复杂度：容量需求总是面临着另外两个基本特性的问题，即鲁棒性和不可感知性。与变换域技术相比，空域LSB替换技术具有更强的信息隐藏能力。另一方面，在编码和解码过程中简单的数学运算所提出的方法也实现了最佳的负载容量嵌入水印。d) 提高了水印的安全性：水印技术的关键属性之一当水印信息只能由授权用户提取时，水印系统是安全的。该方法允许水印比特的非均匀替换，避免了用连续的像素矩阵替换水印比特，从而在保证PSNR和NCC性能的同时，提高了系统的安全性。第二节介绍了基于矩阵乘法的LSB技术。第三部分通过实例说明了嵌入和提取的过程。第4节使用图像质量评价参数研究了基于水印的系统：不可感知性、鲁棒性、数据负载、计算复杂度和安全性，并与现有系统进行了比较分析。最后一节结束了结论和未来的范围所提出的系统。2. 拟议框架详细阐述了基于LSB替换技术的灰度图像水印嵌入和提取方法。新的LSB方法利用矩阵乘法运算将水印图像的RGB分量的最后3位替换为水印图像。在开始水印处理之前，双方（发送方和接收方）应当选择覆盖图像以隐藏信息，并且还共享秘密密钥，该秘密密钥有助于识别随机位置序列以解码秘密消息（Hurrah等人，2019年）。的对于相应的水印和封面图像考虑的尺寸分别是[100x100]和[700x700]。水印处理的两个主要阶段描述如下：2.1. 嵌入相在 嵌 入 过 程 中 ， 水 印 图 像 与 封 面 图 像 耦合以 形 成 水 印 图 像（Bansal等人， 2015年）。首先，彩色封面图像分解成三个颜色通道（红色，绿色和蓝色）。然后将每个颜色通道转换为3个块（每个块由8位组成）。现在选择第6位，第7位和第8位的每个红色，绿色和蓝色组件的第1个像素，并创建一个矩阵的R1。类似地，拾取剩余像素的RGB分量的第6、第7和第8位，并构造R2、R3等的矩阵，并继续进行，直到形成整个3*3矩阵。再次，考虑水印图像并将其像素值修改为8位的二进制形式。- 通过比特填充生成矩阵形式的水印图像比特，在水印提取阶段，首先对水印图像进行矩阵求逆运算，得到水印图像，然后对水印图像的行列式为零的矩阵进行滤波现在，应用矩阵乘法运算并得到结果矩阵。在结果矩阵中，R11的值到达覆盖图像的第1像素的第6位，R12到达覆盖图像的第7位; R13到达覆盖图像的第8位。同样地，将第二个和第三个像素替换为R2，R3，以此类推。最后，将所得矩阵的每个元素转换为十进制形式，然后再次转换为uint8（8位无符号整数数据类型），以获得水印图像。所提出的嵌入水印流程图的过程如图3所示，嵌入水印的详细步骤如下：2.1.1. 水印嵌入算法输入：封面图像（IC）和水印图像（IW）和密钥（K）步骤1：初始化IC封面图像，I-W水印图像（加密消息），K密钥步骤2：调整大小为700x700的封面图像和大小为100x100的步骤3：当计数器=大小（秘密消息块）时执行步骤4：对于封面图像a. 从封面图像中选取一个像素IC（x，y），并将其转换为3个8位二进制形式的块。b. 选择像素的第6位、第7位和第8位，并创建R1矩阵，继续进行，直到形成整个3x3矩阵，并将它们存储在变量“A”中步骤4：对于秘密消息a. 从IW（u，v）中选取一个像素，并将其像素值修改为8位的二进制形式。b. 检查我们是否有足够的信息位来形成一个矩阵。如果是，则形成一个矩阵并将其放入变量c. 如果否，则从下一个像素的值填充位d. 如果所有的像素都被使用，但矩阵仍然不完整，则用“1 0”填充剩余的值。图1描述了焊盘工艺的流程。1.一、e. 继续相同的过程，直到整个矩阵形成。第五步：在水印提取阶段，由于需要求矩阵的逆来得到水印图像，所以需要滤除“A”中行列式为零的矩阵第六步：对过滤后的矩阵执行矩阵乘法运算，条件是结果矩阵的所有元素都应小于“2”且大于或等于“0”，并将结果矩阵存储到变量C中，并进行以下检查：K. 林基山口Verma和Ranjeet Kumar Singh沙特国王大学学报5516Fig. 1. 填充过程示例。图二.滤波和矩阵乘法过程问题的示例。a. 如果结果矩阵的值大于b. 如果当前结果矩阵的所有值都不大于矩阵乘法的形式为C =A*B。 滤波和矩阵乘法过程问题在图中叙述。 二、步骤7：在该步骤中，C11的所得矩阵值转到覆盖图像的K的第一像素的第6位类似地，将C2、C3替换为K的覆盖图像的第2和第3像素，对于C的每一行：a. 如果第6，第7，第8位是如果行号为第1行，则将（RS-SS）加到覆盖对象A的当前像素值的红色分量如果行号为第二行，则将（RS - SS）加到覆盖对象A的当前像素值的绿色分量。如果行号为第3行，则将（RS - SS）加到封面对象A的当前像素值的蓝色分量。b.否则，如果第6、第7、第8位是如果行号为第1行，则将（RS-SS）加到覆盖对象A的当前像素值的红色分量如果行号为第二行，则将（RS - SS）加到覆盖对象A的当前像素值的绿色分量。如果行号为第3行，则将（RS - SS）加到封面对象A的当前像素值的蓝色分量。c.否则，如果第6，第7，第8位是如果行号为第1行，则将（RS-SS）加到覆盖对象A的当前像素值的红色分量如果行号为第二行，则将（RS - SS）加到覆盖对象A的当前像素值的绿色分量。如果行号为第3行，则将（RS - SS）加到封面对象A的当前像素值的蓝色分量。d.否则，如果第6、第7、第8位是K. 林基山口Verma和Ranjeet Kumar Singh沙特国王大学学报5517图三. 一种新颖的LSB嵌入方法。将矩阵A的当前行从二进制转换为十进制，并将其存储在变量SS中。如果行号为第1行，则将（RS-SS）加到覆盖对象A的当前像素值的红色分量如果行号为第二行，则将（RS - SS）加到覆盖对象A的当前像素值的绿色分量。如果行号为第3行，则将（RS - SS）加到封面对象A的当前像素值的蓝色分量。e.否则，如果第6，第7，第8位是如果行号为第1行，则将（RS-SS）加到覆盖对象A的当前像素值的红色分量如果行号为第二行，则K. 林基山口Verma和Ranjeet Kumar Singh沙特国王大学学报5518××←←将（RS - SS）加到覆盖对象A的当前像素值的绿色分量。如果行号为第3行，则将（RS - SS）加到封面对象A的当前像素值的蓝色分量。f. 否则，如果第6，第7，第8位是如果行号为第1行，则将（RS-SS）加到覆盖对象A的当前像素值的红色分量如果行号为第二行，则将（RS - SS）加到覆盖对象A的当前像素值的绿色分量。如果行号为第3行，则将（RS - SS）加到封面对象A的当前像素值的蓝色分量。g.否则，如果第6，第7，第8位是如果行号为第1行，则将（RS-SS）加到覆盖对象A的当前像素值的红色分量如果行号为第二行，则将（RS - SS）加到覆盖对象A的当前像素值的绿色分量。如果行号为第3行，则将（RS - SS）加到封面对象A的当前像素值的蓝色分量。h.否则，如果第6，第7，第8位是如果行号为第1行，则将（RS-SS）加到覆盖对象A的当前像素值的红色分量如果行号为第二行，则将（RS - SS）加到覆盖对象A的当前像素值的绿色分量。如果行号为第3行，则将（RS - SS）加到封面对象A的当前像素值的蓝色分量。步骤8：现在将结果矩阵的每个元素转换为十进制形式，然后再次转换为uint8（无符号整数数据类型为8位）以获得加水印的图像。步骤9：计数器=计数器+1。第10步：重复第4步到第8步，直到隐藏完整的消息。步骤11. 端输出：水印图像（IS），密钥（K）2.2. 提取相位任何数字水印提取阶段背后的基本原理只是嵌入阶段的逆过程 由于这是一种非盲水印技术，因此封面图像必须在目的地侧可用于提取水印（Bansal等人，2015年）。提取阶段以与嵌入过程相同的方式将覆盖图像分解为24位或3个8位的块现在选择第6位;第7和第8位的红色，绿色和蓝色的第一个像素的组成部分，并创建一个矩阵的R1和进行，直到整个3x 3矩阵的形式从其他像素。现在执行覆盖图像矩阵的逆运算。同样，考虑水印图像并将其转换为24位或3个8位块。再次，提取水印图像的RGB分量的第6、第7和第8位，并形成R 1 0的3x3矩阵。 继续相同的过程，直到从水印图像的剩余像素形成整个3x3矩阵。然后，应用矩阵乘法运算，求覆盖图像矩阵和水印图像矩阵的逆，得到合成矩阵。在这些合成矩阵中，仅选择在密钥（K）中提到的那些矩阵。结果矩阵值是消息位。然后，将这些位的像素以十进制形式转换，然后转换到单元8以获得水印图像。图4表示用于提取水印的流程图，并且下面给出从封面图像提取水印的详细步骤。2.2.1. 一种水印提取算法输入：封面图像（IC）和水印图像（IS）和密钥（K）步骤1：初始化IC封面图像、IS水印图像、K密钥步骤2：对于封面图像a. 从封面图像中选取一个像素IC（x，y），并将其转换为3个8位二进制形式的块。b. 选择像素的第6位、第7位和第8位，并创建R1矩阵，继续进行，直到从其他像素形成整个3x3矩阵，并将它们存储在变量c. 求矩阵A（A-1）的逆矩阵步骤3：对于水印图像的每个像素（IS）a. 从带水印的图像中挑选一个像素IS（u，v），并将其转换为3个8位二进制形式的块b. 选择第一个像素的第6、第7和第8位，并创建R10的矩阵，并继续进行，直到从其他像素形成整个3x3矩阵步骤4：现在执行步骤2的输出和水印图像矩阵之间的矩阵乘法运算，以获得结果矩阵。步骤4：在这些结果矩阵中，仅选择在密钥（K）中提到的那些步骤5：所选择的结果矩阵值是以比特的像素为单位的水印图像。第六步：将这些位的像素转换为十进制形式，然后转换为单位8，以获得水印图像。输出：水印图像（IW）3. 嵌入和提取过程示例考虑覆盖图像的某个像素，并将其分解为三个颜色通道（红色，绿色和蓝色），红色分量值为92？01011100？100（仅选择最后三位）绿色分量值为26？00011010？010（仅选择最后三位）蓝色分量值为123？ 01111011？011（仅选择最后三位）封面图像的3 × 3矩阵的形成在图4中示出，命名为矩阵 考虑水印图像{66，39}并将它们转换成二进制形式，即，{0 1 0 0 0 1 0}和{0 0 1 0 0 1 1 1}分别。水印图像的3 × 3矩阵的形成如图所示。 五是“B”。乘法后的在替换过程中，对于矩阵C和A的第1行，将矩阵C的'010 0转换←K. 林基山口Verma和Ranjeet Kumar Singh沙特国王大学学报5519见图4。 一种新的LSB提取方法K. 林基山口Verma和Ranjeet Kumar Singh沙特国王大学学报5520图五. 嵌入过程示例。现在将（RS - SS）添加到覆盖对象A也就是说，92（红色像素值）+（RS-SS）= 92+（226（蓝色像素值）+（RS-SS）= 26+（0123（绿色像素值）+（RS-SS）= 123+（4{90，24，124}在提取过程中，水印图像像素的二进制值为：红色像素：90 = 01011010蓝色像素：24 = 00011000绿色像素：124 = 01111100提取过程也如图所示。 六、4. 结果测试与分析提出的基于LSB的非盲水印图像安全系统在MATLAB 2019工具上实现，系统结构为i5进程，内存为4 GB。该系统的实验结果与其他最近的论文。在实验中，我们选取了一些经典的彩色图像作为封面图像，如《摄影师》、《莉娜》、《芭芭拉》、《辣椒》和《巴比伦》。本文还考虑了三种不同类型的灰度图像作为水印图像，标志图像、医学图像（胸部X光）和正常图像（摄影师），并将其命名为w1、w2和w3。所有测试图像如图7和图8所示。封面图像的该数据集的大小被认为是700*700像素，并且对于水印图像，大小分别是100*100像素总的来说，这一部分主要从五个方面分析了算法的性能：不可感知性、鲁棒性、数据有效载荷、安全性和计算复杂性（AlKhamese etal.，2019年）。在这一节中还对现有系统和我们提出的算法进行了比较分析。4.1. 系统性能审查4.1.1. 不可感知性评价不可感知性是数字图像水印的首要要求之一。这意味着图像的可见质量在嵌入过程后必须不降低，并且不应该被人类认知所检测到。峰值信噪比是衡量水印图像与原始图像视觉质量（图像失真）的一个客观标准。如果PSNR值较大，即，大于30 dB时，图像质量较好，从而得出水印图像与原始图像更加相似的结论。低于30 dB，图像的质量降低并且更容易受到人眼的影响。因此，水印算法是不可感知的，在这个时候。表3描述了不同的加水印图像集和原始封面图像之间的PSNR值，并且在每种情况下都超过54 dB。通过对不同类型的测试图像和水印图像的分析，得到了具有普遍意义的结论.因此，它暗示拟议的系统具有可接受的透明度，水印算法表4还表示了拟议系统与其他现有系统之间的透明度比较分析（Ambadekar 等人， 2019; Chukwuchekwa等人， 2019; Xun 等人 ， 2019; Roy 等 人 ， 2020; Su 和 Chen ， 2018; Bal 等 人 ，2018;Kumar，2020; Singh和Shaw，2018）。在这个过程中，我们考虑从每个数据集的建议系统的最低PSNR值例如，在Leena作为封 面 图 像 并 且 水 印 w1 （ Logo ） 、 w2 （ Chest X-ray ） 、 w3（Cameraman）分别作为水印图像的情况下，我们已经考虑了最低PSNR值，即，55.9631（Lena + w3）。表4的结果可以掩盖所提出的系统的PSNR值或多或少优于或类似于（Ambadekar等人， 2019