CN101489133B - 一种抗几何攻击的实时视频水印方法 - Google Patents

Abstract

本发明提出一种抗几何攻击的实时视频水印方法，主要适用于基于DCT编码的视频文件。该方法通过快速变换方法将分块DCT系数直接变换到整体DCT系数，然后在整体DCT域中自适应修改低频系数值来嵌入水印信号，水印嵌入后的整体DCT系数与原始系数间的差值转换为分块DCT系数的差值，再写回到分块DCT系数中去；水印检测则是在空域中进行，因为检测过程伴随着视频播放进行，这时视频完全解码，可以从空域直接进行整体DCT变换，然后为了能够抵抗旋转攻击，对检测视频进行了旋转补偿，再按照嵌入时的规则进行水印提取。实验结果表明方法对普通信号处理和常规几何攻击(行列去除、旋转、等比例缩放、纵横比攻击、线性变换、随机扭曲、裁剪以及几种联合攻击等)具有很好的鲁棒性。

Description

一种抗几何攻击的实时视频水印方法

技术领域

本发明属于多媒体信息安全技术领域，具体涉及一种抗几何攻击的实时视频数字水印方法。

背景技术

随着信息技术和计算机网络的飞速发展，数字多媒体信息(图像、文本、音频、视频)的存储、复制与传播变得非常方便。人们不但可以通过互联网络和CD-ROM方便快捷地获得多媒体信息，还可以得到与原始数据完全相同的复制品。但是由此引发的盗版问题和版权纷争已成为日益严重的社会问题。

许多数字版权管理(DRM)框架采用端到端的加密来保护数字媒体的版权。但一旦加密媒体数据被解密后，这种保护机制就不再有效了。数字水印方法作为解决这类问题的一种有效和最具潜力的方法，已成为研究的热点。近年来，尽管鲁棒水印方法的研究与应用取得了很大的进展，但如何抵抗几何攻击仍然是这个领域所面临的最大困难，也是研究的热点之一。攻击者即使只对目标图像做轻微的几乎不可察觉的几何攻击如旋转、缩放、变换等。尽管水印信号还残留在水印图像中，但是大多数水印检测器却不能正确提取水印信息，这是因为几何攻击破坏了载体数据和水印的同步性。如果需要在图像中嵌入多比特水印信息，则这个问题显得更加突出。

目前，抗几何攻击的水印方法大致分为两类：全局水印方法主要是在像素、频率或者其他变换系数中嵌入信息，该类又可划分为基于图像校准的、基于穷举搜索的、基于同步模板的、基于自参考水印的和基于不变量的五类方法。其中有代表性的方法是基于不变量的方法，文献“Rotation，scale and translation invariant spread spectrum digital image watermarking”(O′Ruanaidh，J.and T.Pun.Signal Processing，1998，66(3)：303-317)提出一种基于Fourier-Mellin变换的水印方法，尽管能够抵抗RST(旋转、缩放和平移)攻击，但是依然不能同时抵抗裁剪、纵横比改变和RST联合攻击中常伴随的剪切等其它攻击，文献“Invariant Image Watermark Using ZernikeMoments”.(Kim，H.S.and H.-K.Lee.IEEE Transactions on Circuits andSystems for Video Technology，2003，13(8)：766-775)提出基于Zernike矩的抗几何攻击水印方法，该方法的缺陷是计算复杂度高，并且不能抵抗裁剪和纵横比改变等攻击。一般来说，全局数字水印方法存在以下缺陷：如果属于空间域方法，则对压缩、噪声、滤波等处理的鲁棒性差；如果属于频域方法，并且在整幅图像的频率中嵌入水印，则很难抵抗裁剪攻击(如中心裁剪)。因为如果只有部分图像，且在无法获得原始图像大小，以及这部分图像在原始图像的位置情况未知情况下，很难定位水印的嵌入位置。

针对全局数字水印的缺点，许多学者开始探讨能抵抗裁剪的数字水印方法，这类方法通常称为基于特征的局部水印方法，是一种基于图像内容的局部化数字水印方案，能够抵抗裁剪等局部几何攻击。一般来说，局部化数字水印就是将水印信息嵌入图像的多个局部位置，水印检测器通过局部图像就可以提取水印，并判断水印的存在性。文献“A feature-based robustdigital image watermarking scheme”(Tang.C.-W.and H.M.Hang.IEEETransactions on Signal Processing，2003，51(4)：950-959)提出一种结合图像特征提取和图像规范化的水印方案，利用Mexican Hat小波尺度交互方法提取特征点，以特征点为中心构造圆盘，将圆盘内的图像进行规范化，在圆盘中定义两个32×32正方形框，将水印信号嵌入到该方形框内的图像的DFT幅度值中。该方案可抵御Stirmark工具中的大多数等攻击。最近几年，研究者开始将模式识别领域中基于尺度空间思想的而尺度不变特征，如SIFT、Harris-Laplace，用来同步水印。文献“Robust image watermarking using localinvariant features”(Hae-Yeoun Lee，Kim Hyungshin，Heung-Kyu Lee.OpticalEngineering，2006，45(3)：037002)利用SIFT特征来构造圆形的水印嵌入区域，该方案可以抵抗Stirmark工具中的大多数攻击，文献“Localized imagewatermarking based on feature points of scale-space representation”(Seo Jin S.，Yoo Chang D.Pattern Recognition，2004，37(7)：1365-1375)中利用Harris-Laplace点作为同步水印的特征点，在每个Harris-Laplace点处，水印依据特征尺度和特征角度进行仿射标准化后的嵌入，通过将水印和图像的局部特征绑定在一起，可以获得对仿射变换的抵抗能力。

综上所述，全局数字水印很难抵抗裁剪攻击，局部数字水印方法需要巨大的计算量，如果直接应用到视频水印的应用，则满足不了视频水印应用的实时性和接近于实时性的需求。这是因为，大多数局部数字水印系统中的特征提取和水印嵌入与检测方法运行在空间域中，或者将空间域转换后的频域中。水印嵌入后还需要逆变换操作，将信号恢复到空间域中。这些都需要非常大的计算量。并且大多数情况下特征提取和水印嵌入与检测运行在不同的转换域中，这需要更大的计算量。

在现有的实时视频水印方法中，DCT域水印和运动矢量水印出于较低的复杂性以及与编码标准良好的兼容性，得到了深入的研究，尽管如此，每种方案都有它自身的优点与缺点，往往不能同时兼顾实时性和抗几何攻击。因此研究既能抗几何攻击，又能满足实时性要求的视频水印方法成为研究难点中的难点，也是视频水印研究中亟待解决的问题。

发明内容

本发明的目的在于提供一种抗几何攻击的实时视频数字水印方法，该方法具有很强的鲁棒性、安全性和透明性，能抵抗普通信号处理和常规几何攻击，而且可以抵抗视频编码格式转换攻击。

为实现上述发明目的，本发明提供的抗几何攻击的实时视频水印嵌入方法，包括下述步骤：

第A1步预处理：

对压缩的视频序列进行变长码解码及反量化操作，得到视频序列亮度分量的分块DCT系数，每个视频帧表示为分块DCT系数的集合；

第A2步获取水印的嵌入域：

在预处理后的视频序列中，随机选取连续的、偶数个的视频帧作为最小水印嵌入单位，记为WMS；其中，设WMS中包含的视频帧帧数为Fn，2≤Fn≤10；将WMS中的任一视频帧X_k的行和列表示为两个整数的乘积，定义X_k的大小为L×S行和M×S列，其中，k表示视频帧中WMS中的序号，k＝1，…，Fn；X_k将表示为L×M个子块，每一子块表示为Sb_ij，i＝1，2，…，L，j＝1，2，…，M；利用式(I)计算每个视频帧X_k左上角E×E块的左上对角区域的整体DCT系数C_full，其它区域的整体DCT系数均设定0；

其中，B₁是块Sb_ij的DCT变换系数矩阵，B₂和B₃是视频帧X_k的整体DCT变换系数矩阵；C_part代表所有子块Sb_ij的分块DCT系数集合；从zigzag扫描后的整体DCT系数中选择N个整体DCT系数，N为正整数，Fn幅视频帧的所选整体DCT系数构成了一个大小为Fn×N的矩阵C，即为一个WMS的嵌入域，表示为：

$C=\left\{c_{\mathrm{kf}}^o\right|k=\mathrm{1,2},\·\·\·,\mathrm{Fn};f=\mathrm{1,2},\·\·\·,N\}---\left(\mathrm{II}\right)$

第A3步对于设定的置乱密钥K′，利用种子函数产生N个种子，构成种子序列SK；对于矩阵C的任一列f的整体DCT系数，用第f个种子sk_f进行置乱，产生一个置乱后的系数矩阵，记为

$C^h=\left\{c_{\mathrm{kf}}^h\right|k=\mathrm{1,2},\·\·\·,\mathrm{Fn};f=\mathrm{1,2},\·\·\·,N\}---\left(\mathrm{III}\right)$

第A4步设置C_Fn ^Fn/2个由Fn个比特组成的序列，各比特的值是“+1”或“-1”，并且各序列中“+1”和“-1”的个数相等，由这些序列组成集合G，记为

$G=\left\{G_r\right|r=\mathrm{1,2},\·\·\·C_{\mathrm{Fn}}^{\mathrm{Fn}/2}\}---\left(\mathrm{IV}\right)$

G_r的序号r为该元素在G中的索引值；然后根据设置的水印密钥Key产生一个由N个字符组成的字符串信息，记为H，每个字符H_f由十六进制数字表示；依据每一位字符H_f到G中查找相对应的元素G_r，查找公式如下：

$r=\mathrm{mod}(H_f,C_{\mathrm{Fn}}^{\mathrm{Fn}/2})+1---\left(V\right)$

查找出来的N个元素G_r构成Fn×N比特的二进制水印信号，记为W；

第A5步在系数矩阵C^h中，在各列中的每一个整体DCT系数中对应嵌入二进制水印信号W中的一个比特，得到嵌入后的整体DCT系数矩阵C^hw，根据置乱密钥K′将C^hw中所有整体DCT系数逆置乱，恢复到原始位置，得到系数矩阵C^w；

第A6步设置大小为(L×S)×(M×S)的差值矩阵D_full，其左上角区域的值对应于系数矩阵C^w与C的差值，其它部分均为零；再利用式(VI)将差值矩阵D_full变换到分块DCT系数的差值矩阵，记为D_part：

将D_part与C_part相加，得到嵌入水印后的分块DCT系数；

第A7步根据嵌入水印后的分块DCT系数进行与步骤(A1)相对应的量化和变长码编码操作，得到嵌入水印后的视频序列。

本发明提供的抗几何攻击的实时视频水印检测方法，包括下述步骤：

第B1步利用滑动窗口在已解码的视频序列中选取一个WMS，对WMS的所有视频帧做旋转补偿，利用补偿角度θ对应的旋转位置置换矩阵将WMS的所有视频帧近似的恢复到原始位置；

第B2步从空域中计算恢复后的视频帧左上角E×E块的左上对角区域的整体DCT系数，其它区域的整体DCT系数均设定0，然后从zigzag扫描后的整体DCT系数中选择N个整体DCT系数，N为正整数，Fn幅视频帧的所选整体DCT系数构成了一个大小为Fn×N的矩阵C^t；

第B3步对于矩阵C^t的任一列f的整体DCT系数，采用密钥K′置乱，得到系数矩阵C^t′；

第B4步根据式①计算C^t′的任一列的平均值M_f ^t：

$M_f^t=\frac{1}{\mathrm{Fn}}\underset{k=1}{\overset{\mathrm{Fn}}{\mathrm{\Σ}}}{c_{\mathrm{kf}}^t}^{\′}$ ①

然后利用式②比较C^t′的每一个整体DCT系数与对应列的平均值来提取水印信号w_kf ^e：

$w_{\mathrm{kf}}^e=\mathrm{sign}({c_{\mathrm{kf}}^t}^{\&prime;}-M_f^t)=\left\{\begin{array}{cc}+1,& \mathrm{if}{c_{\mathrm{kf}}^t}^{\&prime;}-M_f^t\&GreaterEqual;0\\ -1& \mathrm{if}{c_{\mathrm{kf}}^t}^{\&prime;}-M_f^t<0\end{array}\right.$ ②

然后将所有水印信号w_kf ^e组成的水印W_2d ^e转化成一维序列W^e；

第B5步利用式③计算W^e与原始水印信号W的一维序列W_o的归一化相关值z_nc：

$z_{\mathrm{nc}}=\frac{W_o\&CenterDot;W^e}{\left|W_o\right|\left|W^e\right|}$ ③

其中|W_o|是水印W_o的长度；如果z_nc小于归一化相关检测阈值T_W，那么该WMS里面不存在水印W，滑动窗口向右滑动一帧，组成一个新的WMS，否则该WMS里存在水印W。

本发明提出的具有实时性的鲁棒视频水印方法主要适用于基于离散余弦变换(discrete cosine transform，DCT)编码的视频文件，包括MEPG-2，MPEG-4，H.264等。因为该方法充分利用压缩数据格式，能够直接运行于DCT块数据上。在嵌入过程中，引入了分块DCT系数与整体DCT系数的快速转换，实现高效的计算整体DCT系数，大大降低计算开销，而且提高了水印方法的鲁棒性，因为整体DCT系数比分块DCT系数更加鲁棒。为了减低嵌入造成的视觉误差，并不是直接将嵌入水印后的整体DCT系数转换成分块DCT系数，而是将嵌入水印后的整体DCT系数与原始整体DCT系数的差值转换为分块DCT系数差值，并加到原始分块DCT系数上；检测水印的过程是伴随着视频播放同时进行，视频已完全解码，因此该水印方法能抵抗视频编码格式转换攻击，在检测水印之前，在空域中创新性的引入旋转攻击补偿模块得到视频序列受旋转攻击的幅度，然后根据它将视频序列还原，增强了水印方法针对旋转攻击的鲁棒性。因此，本发明中的视频水印方法不仅具有较好的感知透明性，而且对一些普通的数字信号处理攻击(如高斯噪声、低通滤波、JPEG压缩、增减亮度等)和常规的几何攻击(行列删除、旋转、裁剪、纵横比变换等)具有较好的鲁棒性。

附图说明

图1为本发明方法的整体框架图；

图2为本发明的视频水印自适应嵌入过程图；

图3为分块DCT系数与整体DCT系数的快速转换示意图其中(a)图为大小为LS×MS的视频帧，(b)图为LS×MS整体DCT系数，(c)图为(a)图的LM个S×S像素分块，(d)图为LM个S×S分块DCT系数矩阵；

图4为系数矩阵置乱过程图；

图5为本发明的视频水印检测过程图；

图6为旋转补偿实例图，其中(a)图为原始图像，(b)图为旋转后的图像，(c)图为旋转补偿后的图像；

图7为水印检测时搜索补偿角度的过程图；

图8为测试视频序列，其中(a)图为“Flower-Garden”视频序列，(b)图为“Cutthroat”视频序列，(c)图为“Tennis”视频序列，(d)图为“Farmer”视频序列；

图9为嵌入水印后测试视频的PSNR(峰值信噪比)分布曲线图，其中(a)图为嵌入水印后的“Flower-Garden”视频序列的PSNR分布曲线图，(b)图为嵌入水印后的“Cutthroat”视频序列的PSNR分布曲线图，(c)图为嵌入水印后的“Tennis”视频序的PSNR分布曲线图，(d)图为嵌入水印后的“Farmer”视频序列的PSNR分布曲线图；

图10为不同数字信号处理攻击下本发明中方法的鲁棒性，其中(a)图为方法抗高斯噪声攻击的鲁棒性，(b)图为方法抗低通滤波攻击的鲁棒性，(c)图为方法抗改变视频码流比特率的鲁棒性，(d)图为方法抗亮度缩放攻击的鲁棒性。

具体实施方式

以下结合附图和具体实例对本发明的技术方案做进一步详细说明。

本发明中的方法如图1所示，在预处理后的原始视频中，直接从分块DCT系数变换到整体DCT系数，通过修改置乱后的整体DCT系数将调制好的水印嵌入，然后将修改后的DCT系数逆置乱并逆变换到分块DCT系数，最后进行逆预处理得到嵌入水印的视频；而水印检测则是在对完全解码的测试视频进行选择补偿后，从空域中直接计算整体DCT系数，按照嵌入的规则进行水印提取，最后通过计算提取的水印与原始水印的归一化相关值来判定测试视频中是否含有原始水印。下面具体说明水印嵌入过程和水印检测过程的具体实施步骤。

(一)水印自适应嵌入

本发明中将均衡调制后的水印信号自适应嵌入在视频压缩域中，通过修改整体DCT系数来实现。水印嵌入过程如图2所示，首先在预处理后的视频中，利用快速方法在连续若干视频帧中从分块DCT系数计算得到整体DCT系数的左上角E×E块的左上对角区域数据，接着在这些帧中从zigzag扫描后的系数中选取低频DCT系数并置乱后进行水印自适应嵌入，然后将修改后的整体DCT系数逆置乱恢复到原来的位置，最后将它们与原始整体DCT系数的差值转换回到分块DCT系数差值，并附加到原始分块DCT系数，最后进行逆预处理，得到嵌入水印后的视频序列。参照图2、图3、图4，本发明的自适应水印嵌入的具体步骤为：

第一步：预处理。本发明的水印方法基于整体DCT频域，因此在水印嵌入前，需对压缩的视频序列做部分解码的预处理，即经过变长码解码，及反量化操作得到视频帧亮度分量的分块DCT系数。

第二步：获取水印的嵌入域。如图3所示，利用快速方法从分块DCT域直接变换到整体DCT域。在一个视频序列中，随机选取连续偶数Fn个视频帧图像作为水印嵌入载体的基本单位，2≤Fn≤10。为了便于描述，这Fn个视频帧组合简称为一个WMS(Watermark minimum segment，最小水印嵌入单位)，即一个WMS里包含Fn幅视频帧：X₁，X₂，…，X_Fn，不失一般化，视频帧X_k(k＝1，…，Fn)的行和列都可以表示为两个整数的乘积，定义X_k的大小为L×S行和M×S列，相应地，X_k可以被分为L×M个子块，每一子块表示为Sb_ij(i＝1，2，…，L；j＝1，2，…，M)，每块有S×S个像素(S通常取值为8)。利用(1)式计算每个视频帧的整体DCT左上角E×E块的左上对角区域数据C_full(其余部分填0)：

其中，B₁是块Sb_ij(i＝1，2，…，L，j＝1，2，…，M)的DCT变换系数矩阵，B₂和B₃是视频帧X_k的整体DCT变换系数矩阵，都为正交矩阵。C_part代表所有子块Sb_ij的分块DCT系数集合。从zigzag扫描后的整体DCT系数中选择N个整体DCT系数，N为正整数。Fn幅视频帧的所选整体DCT系数构成了一个大小为Fn×N的矩阵C，即为一个WMS的嵌入域，表示为：

$C=\left\{c_{\mathrm{kf}}^o\right|k=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,\mathrm{Fn};f=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,N\}---\left(2\right)$

第三步：将同一频率(即矩阵C中的每一列)的整体DCT系数置乱，如图4所示，对于置乱密钥K′，用一个种子函数randseed产生一系列的种子SK，即

SK＝randseed(K′，N)    (3)

SK序列共有N个种子，对矩阵C的第f列的系数集合，用第f个种子sk_f调用函数shuffle进行置乱，这样会产生一个置乱后的系数矩阵 $C^h=\left\{c_{\mathrm{kf}}^h\right|k=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,\mathrm{Fn};f=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,N\},$ 其中

$c_{\mathrm{kf}}^h=c_{\mathrm{shuffle}(k,{\mathrm{sk}}_f),f}^o---\left(4\right)$

第四步：水印的生成。二进制水印信号W由Fn×N个比特w_kf(k＝1，2，…，Fn；f＝1，2，…，N)组成，w_kf为“+1”或“-1”。首先，计算出Fn个比特组成的序列中，“+1”和“-1”的个数相等的序列共有C_Fn ^Fn/2个，他们组成一个集合G：

$G=\left\{G_r\right|r=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;C_{\mathrm{Fn}}^{\mathrm{Fn}/2}\}---\left(5\right)$

集合G看成是一个查找表，集合里面的每个元素G_r的序号r为该元素在查找表中的索引值。然后根据水印密钥Key产生一个长度为N的字符串信息H，其中每个字符H_f(f＝1，2，…，N)由十六进制数字表示。依据信息中每一位字符H_f到查找表中查找相对应的元素，查找公式如下：

$r=\mathrm{mod}(H_f,C_{\mathrm{Fn}}^{\mathrm{Fn}/2})+1---\left(6\right)$

整数r对应元素的索引值，信息H与查找表G形成了一种映射关系，那么这N个元素构成了Fn×N比特矩阵，即为我们调制的水印信号W，因为每一列均值为零，那么W的总均值也为零。因此实现了水印信号W的均衡调制生成。

第五步：置乱后的水印嵌入域(系数矩阵C^h)，在每一个整体DCT系数中嵌入一个二进制水印，具体方法如下：

(1)对于矩阵C^h中同一频率(C^h的一列)C_f ^h(f＝1，2，…，N)，计算其平均值设为M_f(f＝1，2，…，N)：

$M_f=\frac{1}{\mathrm{Fn}}\underset{k=1}{\overset{\mathrm{Fn}}{\mathrm{\&Sigma;}}}{c}_{\mathrm{kf}}^h---\left(7\right)$

定义每一列C_f ^h中每个整体DCT系数与平均值M_f的差值D_kf(k＝1，2，…，Fn；f＝1，2，…，N)：

$D_{\mathrm{kf}}=c_{\mathrm{kf}}^h-M_f---\left(8\right)$

(2)建立嵌入比特与差值D_kf的映射关系，为鲁棒性起见，限定一组阈值T_f，定义T_f与载体的整体DCT系数平均值相关，则使得载体自身的特点作自适应变化，令T_f＝βM_f，其中β是嵌入强度系数。当嵌入比特为“+1”时，修改整体DCT系数使D_kf≥T_f；当嵌入比特为“-1”时，修改整体DCT系数使D_kf＜(-T_f)，其中矩阵C^h内的系数c_kf ^h的修改按照(9)式进行：

$c_{\mathrm{kf}}^{\mathrm{hw}}=\left\{\begin{array}{c}\max (M_f+T_f,c_{\mathrm{kf}}^h),\mathrm{if}{w}_{\mathrm{kf}}=+1\\ \min (M_f-T_f,c_{\mathrm{kf}}^h),\mathrm{if}{w}_{\mathrm{kf}}=-1\end{array}\right.---\left(9\right)$

其中，c_kf ^hw为修改后的系数。

第六步：依次在矩阵C^h的每一列的所有系数中嵌入水印，得到嵌入后的整体DCT系数矩阵C^hw，根据置乱密钥K′将C^hw中所有整体DCT系数逆置乱，恢复到原始位置，得到系数矩阵C^w。

第七步：计算系数矩阵C^w与C的差值，并在其它部分填零扩展成LS×MS的差值矩阵D_full，再利用式(10)将整体DCT系数差值D_full变换到分块DCT系数的差值D_part，进而将其与原始视频帧的分块DCT系数相加。

第八步：进行与前文预处理过程相对应的部分编码，得到嵌入水印后的视频序列。

(二)水印检测

水印检测伴随着视频播放同时进行，视频播放时视频已完全解码，因此水印检测时从空域中直接计算整体DCT域的左上角E×E块的左上对角区域数据，按照水印信号嵌入时的逆规则来提取水印信号。因此水印提取与编码方式无关，如果用户无意或有意对视频采用其它编码标准重新编码，仍能正确的提取水印信号。水印信号检测过程如图5所示，首先利用滑动窗口在已经完全解码的视频序列中选取一个WMS，为了增加方法对旋转的抵抗能力，对该WMS做旋转补偿，接着在空域上计算整体DCT域的左上角E×E块的左上对角区域数据，利用嵌入时的置乱方法将系数置乱，然后在系数矩阵里面提取水印信号。参照图5、图6和图7，本发明的水印检测不需要原始视频序列，但需要用到水印密钥Key和置乱密钥K′。水印检测的具体步骤如下：

第一步：利用滑动窗口在已经完全解码的视频序列中选取一个WMS，为了增加方法对旋转的抵抗能力，对WMS序列做旋转补偿(如图6所示)，利用补偿角度θ对应的旋转位置置换矩阵将检测WMS近似的恢复到原始位置(补偿角度θ搜索的具体过程见后面)，值得注意的一点是，不同的补偿角度，对应不同的旋转位置置换矩阵，这些置换矩阵是预先定义好的。

第二步：在恢复后的视频帧，从空域中计算整体DCT域中左上角E×E块的左上对角区域系数，然后从zigzag扫描后的整体DCT系数中选择N个DCT系数作为水印的嵌入域。

第三步：WMS中所有帧的所选整体DCT系数构成了一个Fn×N矩阵C^t，并如水印嵌入时一样将同一频率的整体DCT系数用置乱密钥K′置乱得到系数矩阵C^t′。

第四步：然后计算C^t′每一列的平均值M_f ^t(1≤f≤N)，根据(7)式，得到

$M_f^t=\frac{1}{\mathrm{Fn}}\underset{k=1}{\overset{\mathrm{Fn}}{\mathrm{\&Sigma;}}}{c_{\mathrm{kf}}^t}^{\&prime;}---\left(11\right)$

然后比较整体DCT系数与其所在列的系数平均值来提取水印信号：

$w_{\mathrm{kf}}^e=\mathrm{sign}({c_{\mathrm{kf}}^t}^{\&prime;}-M_f^t)=\left\{\begin{array}{cc}+1& \mathrm{if}{c_{\mathrm{kf}}^t}^{\&prime;}-M_f^t\&GreaterEqual;0\\ -1,& \mathrm{if}{c_{\mathrm{kf}}^t}^{\&prime;}-M_f^t<0\end{array}\right.---\left(12\right)$

然后将水印信号w_kf ^e(k＝1，2，…，Fn；f＝1，2，…，N)组成的水印W_2d ^e转化成一维序列W^e。

第五步：计算归一化相关值，并判定测试的WMS中是否存在水印。W^e与原始水印信号W的一维序列W_o作归一化相关计算：

$z_{\mathrm{nc}}=\frac{W_o\&CenterDot;W^e}{\left|W_o\right|\left|W^e\right|}---\left(13\right)$

其中|W_o|是水印W_o的长度，即W_o中一共有多少位比特。如果归一化相关值z_nc小于归一化相关检测阈值T_W，那么说明该WMS里面不存在水印W，滑动窗口向右滑动一帧，组成一个新的WMS，否则该WMS里存在水印W。T_W的计算公式如下：

$T_W=\frac{\mathrm{erfcinv}\left(P_{\mathrm{fp}}\right)}{\left|W_o\right|}---\left(14\right)$

其中，P_fp是预先设定的虚警率，取值为10^-8；erfcinv是余补误差函数erfc的逆函数。

(三)旋转补偿策略

为了抵抗旋转攻击，本发明在水印检测中引入旋转补偿角度策略，在预先定义的角度集中搜索最接近视频所受旋转攻击幅度的补偿角度θ。需要说明的是，在第一次在找到θ后，将其保存以备检测调用，当连续一段时间检测不到水印的时候，再重新计算新的补偿角度，这样大大降低了方法的时间复杂度。结合图7，具体过程如下：

第一步：利用滑动窗口在已经完全解码的视频序列中选取一个WMS，设定一个旋转补偿角度集γ＝{ψ_min，ψ_min+η，…，ψ_max}，其中，ψ_min是角度集γ中最小的角度，ψ_max表示参数角度集γ中最大的角度，η为角度集中两相邻角度间的间隔。定义γ_m为此角度集中的第m个补偿角度，N_γ为角度集中角度数量。针对γ中每一个角度γ_m，计算其对应的旋转位置置换矩阵P_m：

P_m＝{(p_x(u，v)，p_y(u，v))|u＝1，2，…，LS，v＝1，2，…，MS}    (15)

其中(p_x(u，v)，p_y(u，v))是WMS中帧X′_k(k＝1，2，…，Fn)的像素X′_kuv的坐标值，通过式(16)计算得到：

$\left[\begin{array}{ccc}{p}_x(u,v)& p_y(u,v)& 1\end{array}\right]=\left[\begin{array}{ccc}{p}_x^o(u,v)& p_y^o(u,v)& 1\end{array}\right]\left[\begin{array}{ccc}{\cos \mathrm{\&gamma;}}_m& {\sin \mathrm{\&gamma;}}_m& 0\\ {-\sin \mathrm{\&gamma;}}_m& {\cos \mathrm{\&gamma;}}_m& 0\\ 0& 0& 1\end{array}\right]---\left(16\right)$

其中，(p_x ^o(u，v)p_y ^o(u，v))即为X′_kuv未旋转前的坐标位置。

第二步：逐一假设视频序列遭受了幅度为γ_m(m＝1，2，…，Nγ)的旋转攻击，根据预定义的角度γ_m对应的旋转位置置换矩阵P_m，将WMS中的视频帧还原为X_k ^m(1≤m≤N_γ，k＝1，2，…，Fn)。

第三步：同检测过程的第二步、三步和四步，在还原的WMS中，从空域中计算整体DCT域中左上角的E×E块左上对角区域系数，然后从zigzag扫描后的整体DCT系数中选择N个整体DCT系数，所选整体DCT系数构成了一个Fn×N矩阵C_m ^ro(m＝1，2，…，N_γ)，从该系数矩阵中提取水印信号并转化为一维序列W_m ^e(m＝1，2，…，N_γ)。

第四步：同检测过程的第五步，W_m ^e与原始水印信号W的一维序列W_o作归一化相关计算，通过(13)式求得归一化相关值为z_ncm(m＝1，2，…，N_γ)。

第五步：依次根据角度集γ里角度γ_m对检测的WMS补偿后提取水印，并计算归一化相关值z_ncm，当γ_m＝0，不需要计算像素坐标位置的改变，即没有受到旋转攻击。分别判断这N_γ个相关值是否大于检测阈值T_W，如果超过阈值的相关值数目为零，则说明该WMS中检测不到水印，滑动窗口向右活动一帧，组成一个新的WMS；如果数目超过1，那么选取最大的一个相关值，表示为：

z_nca＝max({z_ncm|z_ncm≥T_W})，a∈[1，N_γ]    (17)

那么第a个角度γ_a即是搜索到的补偿角度θ，用于水印检测时对视频序列进行补偿。

(四)实验结果

用实验仿真Matlab 7模拟本发明中方法。结合图8、图9和图10，从视觉质量和鲁棒性两方面进行实验和结果分析。本发明中实验采用如图8所示的四个视频序列：“Flower-Garden”视频序列、“Cutthroat”视频序列、”Tennis”视频序列和”Farmer”视频序列。嵌入强度系数β设置为0.1，WMS序列的长度Fn设置为6，水印W的嵌入通道长度N设置19，水印的归一化相关检测阈值T_W设定为0.4。

(1)视觉质量评价

视觉质量评价通过测量水印视频帧的PSNR(Peak Signal-to-Noise Ratio，峰值信噪比)值进行客观评价，为了评价本方法的水印嵌入对视频作品的视觉质量的影响，我们利用本发明方法在“Flower-Garden”等四个视频序列的视频帧中嵌入水印后，分别计算每个序列里每帧的PSNR值，如图9所示。嵌入水印后的视频帧的平均PSNR值基本上都大于37dB，凭肉眼观察，看不出嵌入水印后的视频与原始视频有任何区别，这表明本发明中的方法可获得视频水印的感知透明性。

(2)鲁棒性评价

为了验证本发明中的水印鲁棒性，我们对嵌入水印后的视频帧进行一些攻击，包括Gauss噪声，低通滤波，降低码流比特率，亮度比例缩放及一些几何攻击等，对于每一类攻击，都有一个变化的参数对攻击的程度进行调节，并且都施加在每个视频帧中，水印的鲁棒性可以用检测的水印的位错率BER来评价，位错率越低，水印越鲁棒。根据检测阈值T_W可以得出位错率BER的阈值τ_BER为0.3，如果检测的位错率低于这个阈值，则认为本发明中的水印方法是鲁棒的，能够抵抗相应的攻击。

①常规信号处理攻击

为了研究本方法抵抗常规数字信号处理的鲁棒性，对视频序列实施如下攻击，具体包括：

(i)添加均值为0、标准方差σ的Gauss噪声到水印载体中，其中σ在[0，30]区间变化；

(ii)进行宽度为σ_g的Gauss低通滤波，其中σ_g在[0，2]区间变化；

(iii)降低视频码流比特率，其中比特率在[1Mb/s，8Mb/s]区间变化；

(iv)以比例因子为s进行亮度缩放，其中s在[0.1，2]区间变化；

从攻击后的水印载体种提取水印信号，并与原始水印信号比较，从而计算出位错率BER，攻击(i)～攻击(iv)的实验结果如图10所示。从图中实验结果可以看出，本方法对上述攻击(i)～(iv)具有很好的鲁棒性。图10(a)指出即使高斯噪声的方差高达30，而位错率只有16％，低于阈值；图10(b)说明低通滤波攻击对方法性能几乎没有任何影响；图10(c)指出当视频比特率低至1.3MB/s，方法依然鲁棒，位错率仅仅是1％；在图10(d)中，视频亮度的缩小对方法没有任何影响，而当缩放因子s从1增加的时候，虽然位错率上升，但是当缩放因子s达到2时，位错率仅约为12％。

②几何攻击

这里主要测试方法能否抵抗常见的几何攻击，如行列去除、旋转、等比例缩放、纵横比攻击、线性变换、随机扭曲、裁剪以及几种联合攻击，从攻击后的水印载体中提取水印信号，并与原始水印信号比较，从而计算出位错率BER。表1列出了常规几何攻击后的水印检测结果，从表中数据可看出，我们提出的方法除了个别强度较大的攻击以外，对于上述几何攻击都具有较好的鲁棒性。针对旋转攻击，本方法能很好的抵抗正负15度的攻击，不能抵抗20度的旋转攻击，这是因为考虑到计算效率问题，本发明方法只做±10度范围的旋转补偿。而在实际应用当中，视频序列旋转比较大角度的时候其实已经失去了其利用价值。所以本方法足够满足实际应用。另外，综合四个视频序列的实验结果，可以得出本文所提出的方法能抵抗中心裁剪25％以内的裁剪攻击(失去原始视频的大小信息)。特别指出的一点是，该方法除了对任何比例的对等缩放具有很好的鲁棒性(BER低于3％)，对纵横比变换同样不敏感(BER低于3％)。总而言之，本发明所提方法能很好的抵抗常规的几何攻击。

表1抵抗常见几何攻击的鲁棒性

Claims (4)

1.一种抗几何攻击的实时视频水印嵌入方法，包括下述步骤：

第A1步预处理：

对压缩的视频序列进行变长码解码及反量化操作，得到视频序列亮度分量的分块DCT系数，每个视频帧表示为分块DCT系数的集合；

第A2步获取水印的嵌入域：

在预处理后的视频序列中，随机选取连续的、偶数个的视频帧作为最小水印嵌入单位，记为WMS；其中，设WMS中包含的视频帧帧数为Fn，2≤Fn≤10；将WMS中的任一视频帧X_k的行和列表示为两个整数的乘积，定义X_k的大小为L×S行和M×S列，其中，k表示视频帧中WMS中的序号，k＝1，…，Fn；X_k将表示为L×M个子块，每一子块表示为Sb_ij，i＝1，2，…，L，j＝1，2，…，M；利用式(I)计算每个视频帧X_k左上角E×E块的左上对角区域的整体DCT系数C_full，其它区域的整体DCT系数均设定0；

其中，B₁是块Sb_ij的DCT变换系数矩阵，B₂和B₃是视频帧X_k的整体DCT变换系数矩阵；C_part代表所有子块Sb_ij的分块DCT系数集合；从zigzag扫描后的整体DCT系数中选择N个整体DCT系数，N为正整数，Fn幅视频帧的所选整体DCT系数构成了一个大小为Fn×N的矩阵C，即为一个WMS的嵌入域，表示为：

第A3步对于设定的置乱密钥K′，利用种子函数产生N个种子，构成种子序列SK；对于矩阵C的任一列f的整体DCT系数，用第f个种子sk_f进行置乱，产生一个置乱后的系数矩阵，记为

第A4步设置C_Fn ^Fn/2个由Fn个比特组成的序列，各比特的值是“+1”或“-1”，并且各序列中“+1”和“-1”的个数相等，由这些序列组成集合G，记为

G_r的序号r为该元素在G中的索引值；然后根据设置的水印密钥Key产生一个由N个字符组成的字符串信息，记为H，每个字符H_f由十六进制数字表示；依据每一位字符H_f到G中查找相对应的元素G_r，查找公式如下：

查找出来的N个元素G_r构成Fn×N比特的二进制水印信号，记为W；

第A5步在系数矩阵C^h中，在各列中的每一个整体DCT系数中对应嵌入二进制水印信号W中的一个比特，得到嵌入后的整体DCT系数矩阵C^hw，根据置乱密钥K′将C^hw中所有整体DCT系数逆置乱，恢复到原始位置，得到系数矩阵C^w；

第A6步设置大小为(L×S)×(M×S)的差值矩阵D_full，其左上角区域的值对应于系数矩阵C^w与C的差值，其它部分均为零；再利用式(VI)将差值矩阵D_full变换到分块DCT系数的差值矩阵，记为D_part：

将D_part与C_part相加，得到嵌入水印后的分块DCT系数；

第A7步根据嵌入水印后的分块DCT系数进行与步骤(A1)相对应的量化和变长码编码操作，得到嵌入水印后的视频序列。

2.根据权利要求1所述的实时视频水印嵌入方法，其特征在于，步骤(A5)的具体包括下述过程：

第(A5.1)步计算矩阵C^h的任一列

的平均值，记为M_f：

定义

中每个整体DCT系数与平均值M_f的差值，记为D_kf：

第(A5.2)步设定一个阈值T_f，定义T_f＝βM_f，其中β是嵌入强度系数；建立嵌入比特与差值D_kf的映射关系，当嵌入比特为“+1”时，修改整体DCT系数使D_kf≥T_f；当嵌入比特为“-1”时，修改整体DCT系数使D_kf＜(-T_f)，其中矩阵C^h内的系数

的修改按照式(IX)进行：

其中，

为修改后的系数。

3.一种抗几何攻击的实时视频水印检测方法，包括下述步骤：

第B1步利用滑动窗口在已解码的视频序列中选取一个最小水印嵌入单位，记为WMS，将WMS中的任一视频帧的行和列表示为两个整数的乘积，定义该视频帧的大小为L×S行和M×S列，对WMS的所有视频帧做旋转补偿，利用补偿角度θ对应的旋转位置置换矩阵将WMS的所有视频帧近似的恢复到原始位置；

第B2步从空域中计算恢复后的视频帧左上角E×E块的左上对角区域的整体DCT系数，其它区域的整体DCT系数均设定0，然后从zigzag扫描后的整体DCT系数中选择N个整体DCT系数，N为正整数，Fn幅视频帧的所选整体DCT系数构成了一个大小为Fn×N的矩阵C^t；

第B3步对于矩阵C^t的任一列f的整体DCT系数，采用密钥K′置乱，得到系数矩阵C^t′；

第B4步根据式①计算C^t′的任一列的平均值M^t _f：

   ①

然后利用式②比较C^t′的每一个整体DCT系数与对应列的平均值来提取水印信号w_kf ^e：

   ②

然后将所有水印信号w_kf ^e组成的水印W_2d ^e转化成一维序列W^e；

第B5步利用式③计算W^e与原始水印信号W的一维序列W_o的归一化相关值z_nc：

   ③

其中|W_o|是水印W_o的长度；如果z_nc小于归一化相关检测阈值T_W，那么该WMS里面不存在水印W，滑动窗口向右滑动一帧，组成一个新的WMS，否则该WMS里存在水印W。

4.根据权利要求3所述的实时视频水印检测方法，其特征在于：步骤(B1)按照下述过程计算补偿角度θ：

第B1.1步  利用滑动窗口在已经完全解码的视频序列中选取一个WMS；设定一个旋转补偿角度集γ＝{Ψ_min，Ψ_min+η，…，Ψ_max}，γ为差值为η的等差数列，其中，Ψ_min是γ中最小的角度，Ψ_max表示γ中最大的角度，η为γ中两相邻角度间的间隔，假设N_γ为γ中角度数量，γ_m为γ中的第m个角度，m为正整数，取值范围是1≤m≤N_γ；计算γ_m对应的旋转位置置换矩阵P_m：

P_m＝{(P_x(u，v)，p_y(u，v))|u＝1，2，…，LS，v＝1，2，…，MS}   ④

其中(P_x(u，v)，p_y(u，v))是WMS中帧X′_k的像素X′_kuv的坐标值，通过式⑤计算得到：

    ⑤

其中，(p_x ^o(u，v)p_y ^o(u，v))即为X′_kuv未旋转前的坐标位置；

第B1.2步逐一假设视频序列遭受了幅度为γ_m的旋转攻击，根据预定义的γ_m对应的旋转位置置换矩阵P_m，将WMS中的帧X′_k还原为X_k ^m；

第B1.3步  按照第B1步、B3步和B4步的方式，从空域中计算X_k ^mE×E块的左上对角区域的整体DCT系数，其它区域的整体DCT系数均设定0，然后从zigzag扫描后的整体DCT系数中选择N个DCT系数，Fn幅视频帧的所选DCT系数构成了一个Fn×N矩阵C_m ^ro，从C_m ^ro中提取水印信号并转化为一维序列W_m ^e；

第B1.4步按照第B5步的方式，利用式③计算W_m ^e与原始水印信号W的一维序列W_o的归一化相关值z_ncm；

第B1.5步依次根据角度集γ里角度γ_m对检测的WMS补偿后提取水印，并计算归一化相关值z_ncm，分别判断这N_γ个z_ncm是否大于设定的检测阈值T_W，如果超过T_W的z_ncm数目为零，则说明该WMS中检测不到水印，滑动窗口向右活动一帧，组成一个新的WMS；如果数目超过1，那么选取最大的一个z_ncm，记为：

z_nca＝max({z_ncm|z_ncm≥T_W})，a∈[1，N_γ]    ⑥

那么第a个角度γ_a即是搜索到的补偿角度θ，用于水印检测时对视频序列进行补偿。

Images