CN101662686A - 基于纹理特性的dct域视频水印处理方法 - Google Patents

Abstract

本发明涉及一种视频水印处理方法，尤其是一种基于纹理特性的DCT域视频水印处理方法，属于信息安全的技术。本发明将水印进行置乱；根据视频图像RGB的色彩值算出视频图像的亮度和，将亮度和进行排序，选择嵌入的帧，根据视频图像的纹理分布，确定置乱后水印嵌入视频图像的AC系数的中、低的位置，通过引入运动补偿对嵌入水印后的视频图像进行失真补偿，降低水印嵌入时引起的视频失真，通过利用水印的相关性对嵌入水印后的视频图像进行提取及检测。本发明的不可见性好，抗攻击能力强，安全性及实时性好，嵌入信息容量大。

Description

基于纹理特性的DCT域视频水印处理方法

技术领域

本发明涉及一种视频水印处理方法，尤其是一种基于纹理特性的DCT域视频水印处理方法，属于信息安全的技术。

背景技术

数字视频水印是在不影响视频质量的前提下，将额外的产权信息嵌入到视频流中，如流媒体，网络视频中，以实现版权保护。数字视频水印技术最常见的方法是针对DCT(离散余弦变换)域的视频水印嵌入方法。它是将代表产权信息的二值图像嵌入到DCT的交流系数和直流系数中。该方法嵌入数据量大，并且符合人眼视觉特性，在实践中被广泛采用。简单的DCT域水印嵌入的方法为：首先将欲嵌入的水印图像进行随机置乱，然后直接嵌入到DCT变换后的直流或交流系数中。但是简单的DCT域水印嵌入算法抗攻击能力比较差，而且在嵌入较大信息量时，还可能对视频质量有一定的影响。有文献提出一种在原始数据压缩域中经过DCT变换、量化提取高频系数来嵌入水印信息，相比直接在DCT系数中进行水印嵌入，该方法在嵌入相同水印信息的前提下，对原视频质量的影响也较小，其技术方案为：

(1)、水印图像置乱。大多数水印嵌入算法的实现都要结合数字图像置乱。图像置乱主要是尽可能地分散错误比特的分布，通过提高视觉效果来增强水印的鲁棒性，目前常用的方法主要有：Arnold变换，Hilbert曲线，Cnway游戏，幻方变换，基于DES的置乱方法等。其中，Arnold变换是应用较为广泛的一种方法，它由自同构映射参数k作为密钥，如果不知道密钥，即使攻击者获得水印也无法由置乱后的水印恢复出原来的水印图像，Arnold变换是俄国数学家Vladimir I.Arnold在遍历理论研究中所提出的一种变换，它是指单位正方形上的点(x，y)，将点(x，y)变换到另一点(x′，y′)的变换。

(2)、DCT系数水印嵌入原理。对于欲嵌入水印的视频图像进行N×N分块，然后进行视频图像的DCT变换和量化，得到量化后的DC和AC系数，其中，N×N点DCT公式为：

$F(u,v)=\frac{2}{N}C\left(u\right)C\left(v\right)\underset{x=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}f(x,y)\cos \frac{(2x+1)\mathrm{u\π}}{2N}\cos \frac{(2x+1)\mathrm{v\π}}{2N}---\left(1\right)$

其中x，y是变换后的视频坐标，x，y＝0，1，…N-1；u，v是DCT空间坐标，u，v＝0，1，…N-1。 $C\left(0\right)=1/\sqrt{2},$ C(i)＝1，i＝1，2，…，N-1。F(u，v)代表DCT变换后矩阵内的数值。当u＝0且v＝0时，C(u)C(v)＝1/1.414；当u＞0或v＞0时，C(u)C(v)＝1。DCT变换后的矩阵数据为频率系数，系数矩阵中F(0，0)的值最大，为直流系数(DC系数)，其余的N²-1个频率系数则为交流系数(AC系数)。量化是利用HVS容易觉察出图像的空间低频分量差错，消除人的生理视觉冗余，量化过程就是残差系数与对应量化参数商的过程。

利用如下公式：

$Y={\left(y_{i,j}\right)}_{m\×n}=X/Q{\left(\frac{x_{i,j}}{q_{i,j}}\right)}_{m\×n}---\left(2\right)$

计算视频图像量化后的残差；

其中X＝(x_i，j)_m×n为视频图像变换后的残差矩阵，Q＝(q_i，j)_m×n为量化参数矩阵，Y＝(y_i，j)_m×n为量化残差矩阵。

(3)、数字水印的嵌入，其嵌入公式如下：

R′(i，j)＝R(i，j)+α·W(i)                (3)

其中R(i，j)为原始视频，R′(i，j)是嵌入水印后的视频序列，W(i)是生成的水印信息，α是比例因子，且

α＝0.5*lg[R(i，1)*var(R(i，2:N²))]                (4)

现有的水印算法无论从信息嵌入容量上还是算法的鲁棒性上都有很大改进空间。

发明内容

本发明的目的是克服现有技术中存在的不足，提供一种基于纹理特性的DCT域视频水印处理方法，其不可见性高，抗攻击能力强，实时性好，信息嵌入容量大，鲁棒性好。

按照本发明提供的技术方案，一种基于纹理特性的DCT域视频水印处理方法，包括信息嵌入方法和信息提取及检测方法，

所述信息嵌入方法如下，

(1)水印的置乱：利用 $\left[\begin{array}{c}{x}^{\′}\\ y^{\′}\end{array}\right]=\begin{array}{}\end{array}\left[\begin{array}{cc}1& 1\\ 1& 2\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]\mathrm{mod}N,x,y\∈\{0,...,N-1\},$ 对水印图像进行置乱；

其中，N为水印图像矩阵的阶数，点(x，y)为单位正方形上点，(x′，y′)为(x，y)变换后的点；

(2)视频图像帧亮度和的计算：利用 $Y_t=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{V}{\mathrm{\Σ}}}H(i,j),$ 得到视频图像的每帧像素亮度的和Y_t，将帧像素亮度的和Y_t按大小顺序排列，根据视频图像的帧像素亮度的和Y_t选择嵌入水印的帧；

其中，视频图像为M×V大小的矩阵，H(i，j)＝0.299R(i，j)+0.587G(i，j)+0.114B(i，j)，R，G，B为RGB色彩模式的红色，绿色和蓝色的值；

(3)将选择的视频帧进行T×T分块，对T×T分块后的视频帧，利用DCT变换公式进行DCT变换及信号量化，得到量化后的DC和AC系数，DCT变换公式为：

$F(u,v)=\frac{2}{T}C\left(u\right)C\left(v\right)\underset{p=0}{\overset{T-1}{\mathrm{\Σ}}}\underset{q=0}{\overset{T-1}{\mathrm{\Σ}}}f(p,q)\cos \frac{(2x+1)\mathrm{u\π}}{2T}\cos \frac{(2x+1)\mathrm{v\π}}{2T};$

利用标量量化 $\mathrm{FQ}=\mathrm{round}\left(\frac{Y}{\mathrm{QP}}\right),$ 对DCT变换后的AC系数进行量化；

其中Y为DCT变换后的AC系数，QP为量化步长，FQ为AC系数量化后的值，round()表示取整函数，f(p，q)为视频图像的像素值，(u，v)为DCT变换后的坐标值，T为视频图像分块的阶数；

(3)视频图像的纹理特性分析：根据纹理判断准则，判断水印嵌入视频的位置，判断关系式为：

$I(u,v)=\left\{\begin{array}{c}1,\left|F(u,v)\right|<\mathrm{\&alpha;}\max \left(\right|F\left|\right)\\ 0,\left|F(u,v)\right|\&GreaterEqual;\mathrm{\&alpha;}\max \left(\right|F\left|\right)\end{array}\right.,u,v\&Element;\{1...T\};$

$z=\frac{\underset{u=1}{\overset{m}{\mathrm{\&Sigma;}}}\underset{v=1}{\overset{m}{\mathrm{\&Sigma;}}}I(u,v)}{m^2};$

其中，F(u，v)为T×T的分块中的DCT系数且设F(0，0)＝0；α为比例因子，其计算式为α＝0.5*lg[Q(i，1)*var(Q(i，2:T²))]；I(u，v)为阈值判别结果；max(|F|)为T×T的分块中的DCT系数的绝对值的最大值；z为视频图像在(0，1)间的能量分布，z趋于0时，不适于嵌入水印；z趋于1时，适于嵌入水印；Q为原始视频信息；

(4)水印嵌入和运动补偿：根据视频图像的亮度和及嵌入视频的纹理分布，将置乱后的水印嵌入变换后的AC系数中，水印嵌入公式为：

Q′(i，j)＝Q(i，j)+α·W(i)；

其中，Q(i，j)为原始视频，Q′(i，j)是嵌入水印后的视频序列，W(i)是生成的水印信息，α是比例因子，α的计算式为α＝0.5*lg[Q(i，1)*var(Q(i，2:T²))]；

利用运动补偿中的固定帧补偿的方法，对嵌入水印后的视频图像进行失真补偿；

所述信息提取及检测方法如下：

(1)对嵌入水印的视频图像进行DCT变换及量化；

(2)提取DCT变换及量化后的AC系数的最大幅值F″(i，j)；

(3)利用水印的相关性，得到 $S=\frac{1}{L}\mathrm{\&Sigma;}{F}^{\&prime;\&prime;}(i,j)*W\left(i\right),$ 将S与设定的阈值S_g比较；当S＞S_g时，判断该图像中含有水印信息，其中S_g∈(0，1)，L为视频图像的总长度。

所述水印嵌入DCT变换后的AC系数的中、低频位置。

本发明的优点是：

(1)采用基于Arnold变换的图像置乱，提高了水印的抗攻击能力。

(2)在嵌入水印时，根据水印的亮度和视频的纹理分布，有选择性对水印嵌入视频图像中，水印的鲁棒性得到了很大的提高。

(3)水印的嵌入和提取算法相对简单，满足视频的实时性要求。

(4)水印的检测不需要原始视频，是一种盲检测算法。

具体实施方式

下面结合实施例对本发明作进一步说明。

1、水印的预处理

采用基于二维Arnold变换的二维数字图像置乱。置乱的关系式为：

$\left[\begin{array}{c}{x}^{\&prime;}\\ y^{\&prime;}\end{array}\right]=\begin{array}{}\end{array}\left[\begin{array}{cc}1& 1\\ 1& 2\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]\mathrm{mod}1---\left(5\right)$

式(5)中mod 1表示模1运算，即正二维Arnold变换。水印图像是一幅N×N的二值图像，对水印图像做二维离散化的Arnold变换；利用(5)式，逐一对图像中的像素点坐标做变换，使水印图像在(x，y)处像素对应的灰度值或RGB颜色值移动到变换后的点(x′，y′)处，得到置乱后的水印图像。

2、水印嵌入的步骤

利用 $Y_t=\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{M}{\mathrm{\&Sigma;}}}H(i,j)$ 计算视频图像的每帧像素亮度和Y_t。将计算得到的每帧像素亮度和Y_t按大小顺序排列，根据每帧像素亮度和Y_t的数值选择嵌入水印的帧。

其中，视频图像的大小为M×V，H(i，j)＝0.299R(i，j)+0.587G(i，j)+0.114B(i，j)，R，G，B分别为RGB色彩模式中的红色、绿色及蓝色值。

将选择的视频帧进行T×T的分块，对分块后的视频帧作DCT变换及信号量化，得到视频帧量化后的DC和AC系数。视频帧的DCT变换为

$F(u,v)=\frac{2}{T}C\left(u\right)C\left(v\right)\underset{p=0}{\overset{T-1}{\mathrm{\&Sigma;}}}\underset{q=0}{\overset{T-1}{\mathrm{\&Sigma;}}}f(p,q)\cos \frac{(2x+1)\mathrm{u\&pi;}}{2T}\cos \frac{(2x+1)\mathrm{v\&pi;}}{2T};$

其中，p，q为视频帧的坐标值，u，v为DCT变换后的离散坐标值，T为视频图像矩阵的阶数。经过量化后，得到视频图像的AC系数。u，v是DCT空间坐标，u，v＝0，1，…T-1。 $C\left(0\right)=1/\sqrt{2},$ C(i)＝1，i＝1，2，…，N-1。F(u，v)代表DCT变换后矩阵内的数值。当u＝0且v＝0时，C(u)C(v)＝1/1.414；当u＞0或v＞0时，C(u)C(v)＝1。DCT变换后的矩阵数据为频率系数，系数矩阵中F(0，0)的值最大，为直流系数(DC系数)，其余的T²-1个频率系数则为交流系数(AC系数)。

利用标量量化 $\mathrm{FQ}=\mathrm{round}\left(\frac{Y}{\mathrm{Qp}}\right),$ 对DCT变换后的AC系数进行量化；

其中Y为DCT变换后的AC系数，QP为量化步长，FQ为AC系数量化后的值，round()表示取整函数；

根据视频图像的纹理分布准则判断水印嵌入的位置，纹理分布准则及判断关系式为：

$I(u,v)=\left\{\begin{array}{c}1,\left|F(u,v)\right|<\mathrm{\&alpha;}\max \left(\right|F\left|\right)\\ 0,\left|F(u,v)\right|\&GreaterEqual;\mathrm{\&alpha;}\max \left(\right|F\left|\right)\end{array}\right.,u,v\&Element;\{1...T\}$

$z=\frac{\underset{u=1}{\overset{m}{\mathrm{\&Sigma;}}}\underset{v=1}{\overset{m}{\mathrm{\&Sigma;}}}I(u,v)}{m^2}$

其中，F(u，v)为T×T的分块中的DCT系数，为了判别的准确性，设F(0，0)＝0；α为比例因子，其计算式如(4)式；I(u，v)为阈值判别结果；max(|F|)为T×T的分块中的DCT系数的绝对值的最大值；z为视频图像在(0，1)间的能量分布，z趋于0时，不适于嵌入水印；z趋于1时，适于嵌入水印。

根据水印的帧像素亮度和Y_t及视频图像的纹理分布，将选择的水印的帧嵌入到视频图像的AC系数的中、低频的位置。水印嵌入的公式为

Q′(i，j)＝Q(i，j)+α·W(i)

其中，Q(i，j)为原始视频，Q′(i，j)是嵌入水印后的视频序列，W(i)是生成的水印信息，α是比例因子。

对嵌入水印后的视频图像，采用运动补偿中的固定帧补偿对视频图像进行失真补偿。使用固定帧补偿时，首先选定视频图像的第一帧作为参考帧，再每间隔一段重新选择一次参考帧，根据式 $\left|P_{\mathrm{ni}}\right|={(B_t^2+J_t^2)}^{1/2},$ 求出后续的像素帧相对于参考帧的运动矢量，其中，B_t，J_t分别为第i块运动矢量的水平分量和垂直分量。将当前帧以相反的运动矢量值偏移回去，使其与参考帧完全重合。

3、水印的提取及检测

水印的提取算法是水印嵌入算法的逆过程。对嵌入水印的视频图像进行DCT变换及信号量化。视频图像再DCT变换和量化后，得到AC系数，提取AC系数中幅值的最大值F″(i，j)，利用水印的相关性计算得到：

$S=\frac{1}{L}\mathrm{\&Sigma;}{F}^{\&prime;\&prime;}(i,j)*W\left(i\right)$

其中W(i)为生成水印的信心，L为视频图像的长度。设定水印检测阈值S_g，当S_g∈(0，1)且S＞S_g时，可以判断视频图像中含有水印信息，S_g的选择具有很大的冗余度。

4、算法分析

(1)不可见性

PSNR是衡量视频质量的一个尺度。一般，PSNR值大于30dB时，嵌入水印后的差异难以察觉。通过计算PSNR对不可见性判断，PSNR的计算公式为：

$\mathrm{PSNR}=10\lg \frac{A^2}{\mathrm{MSE}},$ MSE＝E{[f(x，y)-f_r(x，y)]²}

其中，f(x，y)是原始视频帧的像素值，f_r(x，y)为嵌入水印后视频帧的像素值，A表示视频像素能取得最大值。

(2)抗攻击性

采用比较相似性系数NC(Normalized Correlation)的值来衡量提取出来的水印与原水印的相似程度，得到水印算法抗恶意攻击的能力。

$\mathrm{NC}=\frac{\underset{i=0}{\overset{M_1-1}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{M_2-1}{\mathrm{\&Sigma;}}}w{(i,j)}^{*}{w}^{\&prime;}(i,j)}{\sqrt{\underset{i=0}{\overset{M_1-1}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{M_2-1}{\mathrm{\&Sigma;}}}w{(i,j)}^{*}w{(i,j)}^{*}}\sqrt{\underset{i=0}{\overset{M_1-1}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{M_2-1}{\mathrm{\&Sigma;}}}{w}^{\&prime;}{(i,j)}^{*}{w}^{\&prime;}{(i,j)}^{*}}}$

其中W＝{w(i，j)，0≤i＜M₁，0≤j＜M₂}，W′＝{w′(i，j)，0≤i＜M₁，0≤j＜M₂}，W表示原始水印图像，W′标识提取出来的水印图像，M₁和M₂分别为原始水印图像和提取的水印图像的宽和高。NC的值接近1，表示水印的相似性程度高，抗攻击能力强；NC的值趋于0时，表示算法的抗攻击能力弱。

(3)安全性

本发明对水印图像进行了rnold随机置乱，攻击者很难得到完整的水印信息；在水印的嵌入位置的选择上，根据水印图像的帧亮度和视频图像的纹理均匀度来进行水印的嵌入，在攻击目标上增加了难度。

(4)实时性

本发明针对H.264编码特性，不需要对码流进行完全解码；在水印嵌入时，根据水印的亮度对水印进行有选择的嵌入，避开了帧内与帧间预测的位置，计算复杂度不高，实时性较好。

Claims (2)

1、一种基于纹理特性的DCT域视频水印处理方法，包括信息嵌入方法和信息提取及检测方法，其特征是：

所述信息嵌入方法如下，

(1)水印的置乱：利用

mod N，x，y∈{0，...，N-1}，对水印图像进行置乱；

其中，N为水印图像矩阵的阶数，点(x，y)为单位正方形上点，(x′，y′)为(x，y)变换后的点；

(2)视频图像帧亮度和的计算：利用

得到视频图像的每帧像素亮度的和Y_t，将帧像素亮度的和Y_t按大小顺序排列，根据视频图像的帧像素亮度的帧和Y_t选择嵌入水印的帧；

其中，视频图像为M×V大小的矩阵，H(i，j)＝0.299R(i，j)+0.587G(i，j)+0.114B(i，j)，R，G，B为RGB色彩模式的红色、绿色和蓝色的值；

(3)将选择的视频帧进行T×T分块，对T×T分块后的视频帧，利用DCT变换公式视频帧进行DCT变换及信号量化，得到量化后的DC和AC系数，DCT变换公式为：

$F(u,v)=\frac{2}{T}C\left(u\right)C\left(v\right)\underset{p=0}{\overset{T-1}{\mathrm{\&Sigma;}}}\underset{q=0}{\overset{T-1}{\mathrm{\&Sigma;}}}f(p,q)\cos \frac{(2x+1)\mathrm{u\&pi;}}{2T}\cos \frac{(2x+1)\mathrm{v\&pi;}}{2T};$

利用标量量化对DCT变换后的AC系数进行量化；

其中Y为DCT变换后的AC系数，QP为量化步长，FQ为AC系数量化后的值，round()表示取整函数，f(p，q)为视频图像的像素值，(u，v)为DCT变换后的坐标值，T为视频帧分块的阶数；

(3)视频图像的纹理特性分析：根据纹理判断准则，判断水印嵌入视频的位置，判断关系式为：

$I(u,v)=\left\{\begin{array}{c}1,\left|F(u,v)\right|<\mathrm{\&alpha;}\max \left(\right|F\left|\right)\\ 0,\left|F(u,v)\right|\&GreaterEqual;\mathrm{\&alpha;}\max \left(\right|F\left|\right)\end{array}\right.,u,v\&Element;\{1...T\};$

$z=\frac{\underset{u=1}{\overset{m}{\mathrm{\&Sigma;}}}\underset{v=1}{\overset{m}{\mathrm{\&Sigma;}}}I(u,v)}{m^2};$

其中，F(u，v)为T×T的分块中的DCT系数且设F(0，0)＝0；α为比例因子，其计算式为α＝0.5*lg[Q(i，1)*var(Q(i，2：T²))]；I(u，v)为阈值判别结果；max(|F|)为T×T的分块中的DCT系数的绝对值的最大值；z为视频图像在(0，1)间的能量分布，z趋于0时，不适于嵌入水印；z趋于1时，适于嵌入水印；Q为原始视频信息；

(4)水印嵌入和运动补偿：根据视频图像帧的亮度和嵌入视频的纹理分布，将置乱后的水印嵌入变换后的AC系数中，水印嵌入公式为：

Q′(i，j)＝Q(i，j)+α·W(i)；

其中，Q(i，j)为原始视频序列，Q′(i，j)是嵌入水印后的视频序列，W(i)是生成的水印信息，α是比例因子；

利用运动补偿中的固定帧补偿的方法，对嵌入水印后的视频图像进行失真补偿；

所述信息提取及检测方法如下：

(1)对嵌入水印的视频图像进行DCT变换及量化；

(2)提取DCT变换及量化后的AC系数的最大幅值F″(i，j)；

(3)利用水印的相关性，得到

将S与设定的阈值S_g比较；当S＞S_g时，判断该图像中含有水印信息，其中S_g∈(0，1)，L为视频图像的总长度。

2、根据权利要求1所述基于纹理特性的DCT域视频水印处理方法，其特征是：所述水印嵌入DCT变换后的AC系数的中、低频位置。