[论文解读] TRLG: Fragile blind quad watermarking for image tamper detection and recovery by providing compact digests with quality optimized using LWT and GA

Behrouz Bolourian Haghighi, Amir Hossein Taherinia+1 more|arXiv (Cornell University)|Mar 7, 2018

Advanced Steganography and Watermarking Techniques参考文献 22被引用 3

一句话总结

TRLG 提出了一种基于提升小波变换（LWT）和遗传算法（GA）的脆弱盲四重水印方案，用于图像篡改检测与恢复。该方法通过 LWT 和半色调处理，为每个 2×2 块生成四个高质量、紧凑的摘要，利用基于 GA 的阈值化优化摘要质量，并实现每个块四次恢复机会，使水印图像的 PSNR 达到 46 dB，经 90% 篡改后恢复图像的 PSNR 达到 24 dB。

ABSTRACT

In this paper, an efficient fragile blind quad watermarking scheme for image tamper detection and recovery based on lifting wavelet transform and genetic algorithm is proposed. TRLG generates four compact digests with super quality based on lifting wavelet transform and halftoning technique by distinguishing the types of image blocks. In other words, for each 2*2 non-overlap blocks, four chances for recovering destroyed blocks are considered. A special parameter estimation technique based on genetic algorithm is performed to improve and optimize the quality of digests and watermarked image. Furthermore, CCS map is used to determine the mapping block for embedding information, encrypting and confusing the embedded information. In order to improve the recovery rate, Mirror-aside and Partner-block are proposed. The experiments that have been conducted to evaluate the performance of TRLG proved the superiority in terms of quality of the watermarked and recovered image, tamper localization and security compared with state-of-the-art methods. The results indicate that the PSNR and SSIM of the watermarked image are about 46 dB and approximately one, respectively. Also, the mean of PSNR and SSIM of several recovered images which has been destroyed about 90% is reached to 24 dB and 0.86, respectively.

研究动机与目标

• 解决现有脆弱水印方案中恢复质量低和恢复机会有限的挑战。
• 在实现准确篡改定位与恢复的同时，提升水印图像的不可感知性和安全性。
• 通过 LWT 和半色调技术自适应块纹理，优化摘要质量，减少块状伪影。
• 通过基于 CCS 映射的摘要与水印混淆及加密，增强安全性。
• 利用镜像旁置（Mirror-aside）和配对块（Partner-block）技术，在高篡改率（如 90%）下最大化恢复率。

提出的方法

• 将图像划分为非重叠的 2×2 块，并利用 LWT 系数将每个块分类为粗糙或平滑。
• 通过半色调处理，为每个块生成两个主要和两个次要的紧凑摘要，实现四次恢复机会。
• 使用遗传算法（GA）优化块分类的阈值，最小化摘要生成过程中的失真。
• 采用改进的 Logistic 映射（CCS 映射）对摘要和水印进行混淆与加密，提升安全性。
• 将水印嵌入建模为优化问题，利用 GA 最小化原始像素值与水印图像像素值之间的差异。
• 引入镜像旁置和配对块策略，通过利用空间冗余性提升恢复准确性。

实验结果

研究问题

• RQ1 在高篡改率下，如何优化脆弱水印中的摘要质量以提升恢复保真度？
• RQ2 每个块具有四次恢复机会的四重水印方法，是否能显著提升恢复成功率，相比单次恢复方案？
• RQ3 集成 LWT 和 GA 在盲脆弱水印中，对提升不可感知性和安全性有多大改善作用？
• RQ4 所提出的 CCS 映射在保护摘要和防止嵌入数据的逆向工程方面有多有效？
• RQ5 该方法能否准确检测并恢复复杂篡改攻击，如复制-粘贴、拼贴和向量量化攻击？

主要发现

• 水印图像的 PSNR 达到约 46 dB，表明具有高不可感知性且视觉失真极小。
• 水印图像的 SSIM 值接近 1.0，证实其与原始图像具有极强的结构相似性。
• 在 90% 篡改后，恢复图像的平均 PSNR 为 24 dB，SSIM 为 0.86，表明在极端损坏下仍具有有效的恢复能力。
• 在特定测试案例（Girl 图像）中，篡改后恢复图像的 PSNR 和 SSIM 分别为 32.52 dB 和 0.9862，显示出极佳的恢复质量。
• 该方案能准确检测并定位多种篡改类型，包括复制-粘贴、拼贴和向量量化攻击。
• 利用 GA 进行阈值优化和嵌入搜索，显著提升了摘要质量与整体系统鲁棒性。