CN102510492A - 一种基于三维dwt和dft在视频中嵌入多重水印的方法 - Google Patents

Abstract

本发明涉及一种基于三维DWT和DFT在视频中嵌入多重水印的方法，是先进行多重水印的嵌入，包括：(1)对原始视频进行三维小波变换、三维全局傅里叶变换，在变换系数中提取一个抗几何攻击的特征向量；(2)将该特征向量和要嵌入的多个子水印通过Hash函数运算，得到相应的二值逻辑序列，并将该二值序列存于第三方。然后进行多重水印提取，包括：(3)对待测视频段进行三维小波变换、三维全局傅里叶变换，在变换域中提取待测视频的特征向量；(4)利用Hash函数特性和存在第三方的二值逻辑序列提取多个子水印。本发明可在不影响原始视频的条件下进行水印的嵌入，具有较强的鲁棒性，既能抗几何攻击又能抗常规攻击，从而较好的保护了视频的版权。

Description

一种基于三维DWT和DFT在视频中嵌入多重水印的方法

技术领域

本发明属于多媒体信号处理领域，涉及一种基于离散三维小波变换(DWT)和离散三维傅里叶变换(DFT)，在视频中嵌入多重数字水印的方法，具体是一种基于三维DWT和DFT在视频中嵌入多重水印的方法。

背景技术

随着多媒体技术的发展，视频产品越来越多，视频产品的版权保护急需解决。视频水印作为视频数据的知识产权保护方法正在受到越来越多的重视。视频水印可理解为针对数字视频载体主观和客观的时间冗余和空间冗余加入信息，既不影响视频质量，又能达到用于版权保护和内容完整性检验目的的数字水印技术。而鲁棒性(抗攻击性)是一个数字视频水印方案能够保护版权的最基本条件。目前大部分的数字水印方案能够抵抗常见的信号处理，如滤波、增强、数据压缩等攻击，但即使十分微弱的几何攻击也能摧毁大多数的水印方案，特别是在盲水印系统中。因此，如何有效地抵抗几何攻击已成为数字水印技术的研究重点之一。

目前大多数水印的研究和文献集中于图像水印。数字视频水印技术作为一种视频数据的版权保护方法也正在受到越来越多的重视。因此，研究数字视频水印具有较强的现实意义。对于基于三维小波变换，提取视频数据特征，在数字视频中嵌入多重水印，并要求嵌入的多重水印有较强的抗几何攻击能力，其实现难度较大，目前尚未见报道。

发明内容

本发明的目的是提供一种基于三维DWT和DFT在视频中嵌入多重水印的方法，其可在不影响原始视频的条件下进行水印的嵌入，具有较强的鲁棒性，既能抗几何攻击又能抗常规攻击，从而较好的保护了视频的版权。

为了实现上述目的，本发明是这样进行的：先对视频段进行三维小波变换(3D-DWT)，得到“近似系数”和“细节系数”，类似二维图像的小波变换，在对视频段进行三维小波变换时，三维DWT的“近似系数”代表视频的低频特性，反映的是视频的主要轮廓；“细节系数”代表视频的高频特性反映的是视频的高频信息。由于小波变换本身的抗几何攻击能力较差，为此，发明人先对视频段进行三维小波变换，然后再对反映低频特性的“近似系数”再进行全局傅里叶变换(DFT)，在DFT系数中，发明人提取一个抗几何攻击的特征向量，并将水印技术与密码学中的Hash函数和“第三方概念”有机结合起来，实现了基于三维小波变换，抗几何攻击的多重水印嵌入方法。本发明所采用的方法包括多重水印嵌入和多重水印提取两大部分，第一部分为多重水印嵌入，包括：(1)通过对视频段进行三维小波变换，然后对其近似系数进行全局DFT变换，在低中频系数中，获得一个抗几何攻击的特征向量V(j)，(2)多重水印表示为W^k(j)，k＝1，2，...，n，n表示子水印的个数；再将水印W^k(j)和从视频段中提取的特征向量V(j)，通过Hash函数生成二值逻辑序列Key^k(j)，然后将二值逻辑序列Key^k(j)存在第三方；第二部分为多重水印的提取，包括：(3)求出待测视频段的抗几何攻击的特征向量V’(j)，(4)利用已存在第三方的二值逻辑序列Key^k(j)和待测视频的特征向量V’(j)，提取出多个子水印W^k’(j)。

现对本发明的方法进行详细说明如下：

第一部分：多水印的嵌入

首先用W^k(j)表示要嵌入的多重水印，W^k(j)＝{w^k(j)|w(j)＝0，1；1≤j≤L，1≤k≤n}，L代表要嵌入的每个子水印的长度，n为嵌入的子水印的个数。原始视频记为F＝{f(i，j，k)|f(i，j，k)∈R；1≤i≤M，1≤j≤N，1≤k≤P)}，其中，f(i，j，k)表示视频的体素(Voxel)数据值，这里将视频段看成是由二维帧图像组成的三维体数据，设N＝M(设帧图像的长宽一样)，多重水印的嵌入步骤如下：

1)通过对原始视频段进行三维小波变换，然后对小波变换的“近似系数”再进行全局DFT变换，在DFT的低中频系数中，得到该视频的一个抗几何攻击的特征向量V(j)；

先对原始视频F(i，j，k)进行三维DWT小波变换，得到系数矩阵ca_cd(i，j，k)，再对其中的“近似系数”ca(i，j，k)进行全局DFT变换，得到系数矩阵FF(i，j，k)中，求出低中频的前L个值，并通过对FF(i，j，k)系数进行符号运算得到该视频段的特征向量V(j)，方便起见，这里一个复数看成实部、虚部(虚部只看系数)两个系数，当系数值为“正”时用“1”表示(含系数值为“0”的情况)，系数为负时用“0”表示，主要过程描述如下：

ca_cd(i，j，k)＝DWT3(F(i，j，k))；％对视频段进行三维小波变换

FF(i，j，k)＝DFT3(ca(i，j，k))；％对近似系数进行全局傅里叶变换

V(j)＝Sign(FF(i，j，k))；％求出视频的一个特征向量

2)根据要嵌入的多个子水印W^k(j)和已提取的视频的特征向量V(j)，利用Hash函数特性，生成二值逻辑序列Key^k(j)

${\mathrm{Key}}^k\left(j\right)=V\left(j\right)\⊕W^k\left(j\right);k=\mathrm{1,2},...,n$

Key^k(j)是由视频的特征向量V(j)和要嵌入的多个子水印W^k(j)，通过密码学常用的Hash函数生成。保存Key^k(j)，在以后提取多个子水印时需用。通过将Key^k(j)作为密钥向第三方申请，以获得原视频的所有权，达到版权保护的目的。

第二部分：多重水印的提取

3)求出待测视频的特征向量V’(j)

设待测视频为F’(i，j，k)，经过小波变换(DWT)，以及对其近似系数进行三维的全局傅里叶变换(DFT)，得到系数矩阵DF’(i，j，k)，按上述步骤1)的方法，求得待测视频的特征向量V’(j)，主要步骤程序描述如下：

ca_cd’(i，j，k)＝DWT3(F’(i，j，k))；％对待测视频段进行三维小波变换

FF’(i，j，k)＝DFT3(ca’(i，j，k))；％对近似系数进行全局傅里叶变换

V’(j)＝Sign(FF’(i，j，k))；％求出一个特征向量

4)从待测视频中提取多重W^k’(j)

根据已存第三方的在嵌入水印时生成的Key^k(j)和待测视频的特征向量V’(j)，利用Hash函数性质可以提取出待测视频的多重水印W^k’(j)。

$W^{k,}\left(j\right)={\mathrm{Key}}^k\left(j\right)\⊕V^{,}\left(j\right)$

再根据W^k(j)和W^k’(j)的相关程度来判别视频的所有者。

本发明有以下优点：

首先由于本发明是基于三维DWT、三维DFT的数字水印技术，小波变换DWT是下一代图像压缩技术JPEG2000的核心，DFT是在频率域，可以在其中找到抗几何攻击的特征向量，通过后面的实验数据证实，该水印嵌入方法不仅有较强的抗常规攻击能力，而且有较强的抗几何攻击能力；其次，重复嵌入的多个水印不影响原始视频的内容，这是一种零水印技术。这个特性尤其是在视频等方面具有较大的实用价值，使用范围广。

以下我们从理论基础和实验数据说明：

1)三维离散小波变换(DWT)

三维小波变换的一层分解过程如图1所示，图1中的L、H分别表示视频(体数据)经过低频和高频滤波之后得到的低频成分和高频成分，与二维图像的小波变换类似，视频经过三维小波变换后，被分解成一个代表视频低频特性的“近似系数”LLL₁(低频三维子带)，和该视频的高频信息的“细节系数”(高频三维子带)，下标“1”表示是三维DWT的第一层分解；视频的主要能量和低频特征是集中在低频系数中。

2)视频数据的抗几何攻击的特征向量V(j)提取

目前大部分水印算法抗几何攻击能力差的主要原因是：人们将水印直接嵌入在视频中或变换系数中，视频的轻微几何变换，常常导致视频数据值或变换系数值的较大变化。这样嵌入在视频中的水印便被轻易攻击。如果能够找到一个反映视频几何特点的特征向量，并且当视频发生小的几何变换时，该特征向量值不会发生明显的突变，然后把要嵌入的多重水印和该特征向量相关联，就可以较好的解决水印的鲁棒性问题。小波变换的抗击几何攻击的能力较差，通过实验数据，发现将视频的三维小波变换和三维傅里叶变换相结合，可以找到一个抗几何攻击的特征向量，当对一个视频段进行常见的几何变换时(通过对每个视频帧进行几何变换来实现)，发现如下一个现象：当先对视频进行小波变换，再对小波的低频系数进行三维DFT变换后，三维DFT的低中频系数值(指实部、虚部系数)的大小可能发生一些变化，但其系数符号基本保持不变，根据发现的这么一个规律，我们先对视频段进行三维小波变换(这里选用一层)，然后对其近似系数再进行全局DFT变换，通过表1的一些实验数据来说明。表1中“第1列”显示的是视频受到攻击的类型，受到常规攻击后的该视频的帧图像见图2(b)-图2(d)；受到几何攻击后的视频帧图像见图2(e)-图2(1)。表1的“第2列”到“第7列”，这是三维DWT-DFT系数矩阵中取的F(1，1，1)-F(3，2，1)，12个低中频系数(一个复数这里算两个系数)。对于常规攻击，这些低中频系数值F(1，1，1)-F(3，2，1)基本保持不变；对于几何攻击，系数有较大变化，但是从表1中可以发现，大部分DWT-DFT低中频系数的大小发生了变化但其系数符号基本没有发生变化。将正的DWT-DFT系数用”1”表示(含值为零的系数)，负的系数用”0”表示，那么对于没有受到攻击的“原始视频数据”来说，三维DWT-DFT系数矩阵中的F(1，1，1)-F(3，2，1)系数，对应的系数符号序列为：”1101 0100 0110”，具体见表1的第“8”列，我们观察该列可以发现，无论常规攻击还是几何攻击该“符号序列”和原始视频数据的保持相似，与原始视频数据对应的符号序列的归一化相关系数都较大，大于0.5，(见表1的“第9列”)。

表1视频的DWT-DFT变换低中频部分系数及受不同攻击后的变化值

^*DWT-DFT变换系数单位：1.0e+005

但为了进一步证明按上述方法提取的特征向量是该视频的一个重要特征，把不同的视频测试对象，见图3(a)-(h)，按照上述方法进行DWT-DFT变换，求出对应的变换系数F(1，1，1)-F(3，2，1)，并且求出与原图的符号序列的相关系数，计算结果如表2所示。

从表2可以看出，同一视频段所求的特征向量自身之间的相关系数最大，值为1.0。不同视频之间，所求的符号序列相差较大，相关度较小，都小于0.5，这与我们人眼观察到的想符合，这说明按该发明的方法提取的视频特征值，反映了视频的主要特征。

表2不同视频的DWT-DFT低频系数及其符号序列的相关性

	Va	Vb	Vc	Vd	Ve	Vf	Vg	Vh
									Va	1.000	0.075	0.350	0.290	0.105	0.197	0.130	0.105
Vb	0.075	1.000	0.165	0.230	0.115	0.170	0.095	0.232
									Vc	0.350	0.165	1.000	0.031	0.315	0.316	0.034	0.260
Vd	0.290	0.230	0.031	1.000	0.03	0.160	0.190	0.080
									Ve	0.105	0.115	0.315	0.030	1.000	0.410	0.190	0.320
Vf	0.197	0.170	0.316	0.160	0.410	1.000	0.226	0.221
									Vg	0.130	0.095	0.034	0.190	0.190	0.226	1.000	0.270
Vh	0.105	0.232	0.260	0.080	0.320	0.221	0.270	1.000

综上所述，我们通过对视频数据的三维DWT-DFT系数的分析，利用低中频系数的符号序列得到一个抗几何攻击的特征向量的方法，利用该特征向量和Hash函数、“第三方”概念实现了在视频数据中嵌入多重水印的方法，经过下面的实验还证明，该方法，实现了多重水印的嵌入，并且多重水印的嵌入不影响原始视频的内容，是一种零水印技术，并有较好的鲁棒性。

附图说明

图1是三维小波变换的一级分解图

图2(a)是原始视频的一帧图片(默认是视频段Shirley Temple.mat中的一帧图片)。

图2(b)是受强度为15％的高斯噪声后的一帧图像。

图2(c)是经JPEG压缩(压缩质量为20％)后的一帧图像。

图2(d)是经中值滤波20次后的一帧图像(滤波参数为[5x5]))。

图2(e)是经过逆时旋转15°的一帧图像。

图2(f)是视频经过缩放4倍的一帧图像。

图2(g)是视频经过缩放0.8倍的一帧图像。

图2(h)是垂直方向下移6％的一帧图像。

图2(i)是水平向右移6％的一帧图像。

图2(j)是Z轴方向剪切20％后的一帧图像。

图2(k)是Y轴方向剪切20％后的一帧图像。

图2(l)是X轴方向剪切20％后的一帧图像。

图3(a)是视频Cat and Mouse的一帧图像。

图3(b)是视频Xi Yangyang的一帧图像。

图3(c)是视频Shaolin temple的一帧图像。

图3(d)是视频Afanda一帧图像。

图3(e)是视频The king of lion的一帧图像。

图3(f)是视频Li Xiaolong的一帧图像。

图3(g)是视频Roman holiday的一帧图像。

图3(h)是视频Shirley Temple的一帧图像。

图4(a)不加干扰时的一帧水印图片。

图4(b)不加干扰时的水印检测器输出。

图5(a)加高斯干扰时的一帧图像(高斯噪声强度15％)。

图5(b)加高斯干扰时的水印检测器输出。

图6(a)JPEG压缩后的一帧图像(压缩质量参数为10％)。

图6(b)JPEG压缩后的水印检测器输出。

图7(a)中值滤波后的一帧图片(滤波参数为[7x7]，滤波10次)。

图7(b)中值滤波后的水印检测器的输出。

图8(a)顺时旋转10度后的一帧图像。

图8(b)顺时旋转10度后水印检测器的输出。

图9(a)缩放系数为4.0的一帧图像。

图9(b)缩放系数为4.0的水印检测器输出。

图9(c)缩放系数为0.2的一帧图像。

图9(d)缩放系数为0.2的水印检测器输出。

图10(a)下移8％的一帧图像。

图10(b)下移8％后的水印检测器的输出。

图10(c)视频段右移8％的一帧图像。

图10(d)右移8％后的水印检测器的输出。

图11(a)视频段在Y轴方向剪切18％后的一帧图像。

图11(b)在Y轴方向剪切18％后水印检测器的输出。

具体实施方式

下面结合附图对本发明作进一步说明。

先产生1000组独立的二值伪随机序列(取值为+1或0)每组序列长度为128bit，在这1000组数据中，这里发明人选取三组作为一个要嵌入的大水印，每组作为一个子水印，其序列长度为128bit，则二值序列共长：128x3＝384bit，实验中具体取第300组、500组、700组。视频的一个帧见图4(a)，该帧图像在没有加干扰时，水印检测器的输出见图4(b)。实验用的视频数据的大小为300x300x6)，原视频帧表示为F(i，j，k)，其中1≤i，j≤300；1≤k≤6，对应的三维DWT-DFT变换的系数矩阵为DF(i，j，k)，考虑到鲁棒性和一次性嵌入水印的容量，发明人选择中低频的64个复数系数做特征向量(一个复数系数，这里看做是两个系数)，则相当于共有128个系数，嵌入的多水印为W^k，本例中多水印的个数k取3，这里多重记为W^k(j)，1≤j≤128，1≤k≤3；选取的三维DWT-DFT系数矩阵为DF(i，j，k)，1≤i，j≤8，1≤k≤1。通过水印算法检测出W^k′(j)后，我们通过计算W^k(j)和W^k′(j)的归一化相关系数NC^k(Normalized Cross Correlation)，方便起见，用NC1、NC2、NC3表示与提取出的3个子水印对应的3个相关系数，用于判断是否有多重水印的存在。

下面通过具体实验来判断该数字水印方法的抗常规攻击能力和抗几何攻击能力鲁棒性，实验中通过对每个视频帧图像的攻击，来实现对视频数据的攻击。先测试该多重水印算法抗常规攻击的能力：

(1)视频数据加入高斯噪声处理攻击实验

使用imnoise()函数在视频水印帧图片中加入高斯噪音。

图5(a)为当高斯噪声强度为15％时的一个视频水印帧图像，该帧图像在视觉上已很模糊，此时视频段的PSNR＝10.67dB，值较低；

图5(b)为水印检测器的输出，能很明显的检测到水印的存在，NC1＝0.97，NC2＝0.967，NC3＝0.96。

表3是水印抗高斯干扰时的检测数据。从实验数据可以看到，当高斯噪声强度高达为25％时，视频水印的PSNR降至9.14dB，这时检测水印，相关系数NC1＝0.97，NC2＝0.97，NC3＝0.96，很容易检测出水印的存在，这说明该水印算法有很好的抗高斯噪声能力。

表3水印抗高斯噪声干扰数据

噪声强度(％)	1	3	5	10	15	20	25
								PSNR(dB)	20.97	16.59	14.63	12.09	10.67	9.78	9.14
NC1	1.00	1.00	0.99	0.97	0.97	0.97	0.97
								NC2	1.00	1.00	0.98	0.97	0.97	0.97	0.97
NC3	1.00	1.00	0.98	0.96	0.96	0.96	0.96

(2)视频数据JPEG压缩处理攻击实验

采用帧图像压缩质量百分数作为参数对视频水印进行JPEG压缩；

图6(a)是压缩质量为10％的视频水印帧图片，该帧图像已经出现方块效应，此时该视频段的PSNR＝30.72dB，值较低；

图6(b)是对应的检测器的输出，NC1＝1.00，NC2＝1.00，NC3＝1.00，水印检测效果很好。

表4为水印抗JPEG压缩的试验数据。当视频帧图像压缩质量仅为2％时，这时帧图像压缩质量较低，视频段的PSNR＝24.67dB，但仍然可以明显测得水印的存在，这时NC1＝0.97；NC2＝0.97，NC3＝0.97。

表4水印抗JPEG压缩的实验数据

压缩质量(％)	2	4	8	10	20	40	60	80
									PSNR(dB)	24.67	26.58	29.59	30.72	33.75	37.04	39.42	45.12
NC1	0.97	0.97	1.00	0.99	1.00	1.00	0.99	1.00
									NC2	0.97	0.97	1.00	0.98	1.00	1.00	0.98	1.00
NC3	0.96	0.96	1.00	0.98	1.00	1.00	0.98	1.00

(3)视频段抗中值滤波处理攻击实验

图7(a)是中值滤波参数为[7x7]，滤波重复次数为10的视频帧图像，该帧图像已出现模糊；此时该视频段的PSNR＝25.21dB，值较低。

图7(b)是水印检测器的响应，NC1＝0.98，NC2＝0.98，NC3＝0.99，检测效果明显。

表5为视频水印中值滤波能力，从表中看出，当中值滤波参数为[7x7]，滤波重复次数为20时，PSNR＝23.67dB，值较低。但仍然可以测得水印的存在，NC1＝0.88，NC2＝0.87，NC3＝0.87。

表5水印抗中值滤波实验数据

水印抗几何攻击能力：

(1)视频水印抗旋转攻击实验

图8(a)是视频水印帧图像顺时旋转10°，此时视频段的PSNR＝15.58dB，信噪比很低；

图8(b)为检测的水印图像，可以明显检测到水印的存在这时，NC1＝0.66，NC2＝0.66，NC3＝0.65。

表6为视频水印帧图像抗旋转攻击试验数据。表中可以看到当视频水印帧图像逆时旋转15°时，此时PSNR＝13.42dB，仍然可以检测到水印存在，NC1＝0.58，NC2＝0.58，NC3＝0.58。

表6水印抗旋转攻击实验数据

(2)视频水印抗缩放攻击实验

图9(a)为缩放后(缩放因子为4)的视频水印帧图像。

图9(b)为缩放攻击后(缩放因子为4)，水印检测结果，可以明显检测到水印的存在，此时，NC1＝0.95，NC2＝0.95，NC3＝0.95。

图9(c)为缩放后(缩放因子为0.2)的视频水印帧图像。

图9(d)为缩放攻击后(缩放因子为0.2)，水印检测结果，可以明显检测到水印的存在，此时，NC1＝0.82，NC2＝0.81，NC3＝0.81。

表7水印缩放攻击实验数据

缩放因子	0.2	0.5	0.8	1.0	1.2	2.0	4.0
								NC1	0.82	0.94	0.99	1.00	0.98	0.95	0.95
NC2	0.81	0.93	0.98	1.00	0.99	0.95	0.95
								NC3	0.81	0.93	0.98	1.00	0.98	0.95	0.95

(3)视频水印抗平移变换攻击实验

图10(a)为帧图像垂直下移8％的图像，这时PSNR＝17.06dB，信噪比较低；

图10(b)为水印检测器输出，可以明显检测到水印的存在NC1＝0.71，NC2＝0.70，NC3＝0.70。

图10(c)为帧图像右移8％的图像，这时视频水印段PSNR＝16.48dB，信噪比较低；

图10(d)为水印检测器输出，可以明显检测到水印的存在NC1＝0.81，NC2＝0.81，NC3＝0.79。

表8是视频水印抗平移攻击试验数据。从表中得知当垂直下移10％，这时PSNR＝16.28dB，测得了NC1＝0.67，NC2＝0.67，NC3＝0.66，仍然可以检测到水印的存在，故该数字水印有较强的抗平移能力。

表8水印抗平移攻击实验数据

(4)视频水印抗剪切攻击实验

图11(a)为视频段按Y轴方向剪切16％后，第一个视频帧图像；

图11(b)为水印检测结果，可以明显检测到水印的存在，NC1＝0.59，NC2＝0.59，NC3＝0.59。

表9水印抗剪切攻击实验数据(按Y轴方向剪切)

表9为水印抗剪切数据，从表中可以看到，当从Y轴方向剪切，剪切量为20％时，仍然可以检测到水印的存在，这时NC1＝0.53，NC2＝0.51，NC3＝0.52，说明该水印算法有较强的抗剪切能力。

通过以上的实验说明，该水印的嵌入方法，有较强的抗常规攻击能力和几何攻击能力，并且水印的嵌入不影响视频数据数据的值，是一种零水印。

Claims (1)

1.一种基于三维DWT和DFT在视频中嵌入多重水印的方法，其特征在于：基于三维小波、三维傅里叶变换及抗几何攻击的特征向量的提取，将水印技术、密码学中的Hash函数特性和“第三方”概念有机结合起来，实现基于三维小波变换、三维傅里叶变换在视频数据中嵌入多重数字水印的方法，该方法共分两个部分，共计四个步骤：

第一部分是多重水印的嵌入：通过对多个子水印的重复嵌入操作，得到相应的二值逻辑序列Key^k(j)；

1)对原始视频进行三维小波变换，再对近似系数进行三维全局傅里叶变换，在傅里叶变换系数中，根据低中频系数的符号序列来得到该视频数据的一个抗几何攻击的特征向量V(j)；

2)利用Hash函数和要嵌入的多重水印W^k(j)，k＝0，1，2，...，n；得到二值逻辑序列Key^k(j)， ${\mathrm{Key}}^k\left(j\right)=V\left(j\right)\⊕W^k\left(j\right);$

保存Key^k(j)，下面提取子水印时要用到，通过把Key^k(j)作为密钥向第三方申请，以获得对原视频数据的所有权；

第二部分是多重水印的提取：通过存在第三方的二值逻辑序列Key^k(j)和待测视频的特征向量V’(j)，提取多重水印W^k’(j)；

3)先对待测视频进行三维小波变换，然后对近似系数进行全局三维傅里叶变换；在变换系数中，根据低中频系数的符号提取出待测视频的一个抗几何攻击的特征向量V’(j)；

4)利用Hash函数性质，和存在第三方的Key^k(j)，提取出多重水印， $W^{k,}\left(j\right)={\mathrm{Key}}^k\left(j\right)\⊕V^{,}\left(j\right);$

将W^k(j)和W^k’(j)进行归一化相关系数计算，来确定视频数据的所有权。

Images