CN103002355A - 一种具有鲁棒性的视频水印的产生方法及其提取方法 - Google Patents

Abstract

本发明公开了具有鲁棒性的视频水印的产生方法及其提取方法，其水印产生方法包括以下步骤：1)生成水印图像的伪随机序列，对宿主视频分块并提升小波变换处理;2)计算出经提升小波变换后的小波细节子带的人类视觉屏蔽阈值；3)让伪随机序列嵌入小波细节子带；4）对嵌入水印图像后的宿主图像进行提升小波变换的逆变换，得到视频水印。水印的提取方法包括以下步骤：1）将待提取检测视频中的图像分块并提升小波变换；2）寻找到水印图像嵌入的秘密位置，得到待融合的水印证据；3）利用Dempster-Shafer证据理论得到每个水印证据的可信度和支持度；4）使用密钥恢复水印图像。本发明能够有效地抵抗帧裁剪、帧模糊,帧平均、帧交换、添加噪声和MPEG压缩等视频攻击。

Description

一种具有鲁棒性的视频水印的产生方法及其提取方法

技术领域

本发明涉及视频图像信息安全技术领域，尤其涉及一种具有鲁棒性的视频水印的产生方法及其提取方法。

背景技术

提升小波变换是泛函分析、Fourier分析、数值分析的完美的结合,它广泛地应用于信号处理、图像识别、计算机视觉、数据压缩等领域。其与Fourier域变换相比，提升小波变换是一个时间和频率的局域变换，其在时频两域都具有表征信号和局部特征的能力，但在计算过程中会涉及浮点数的运算和取舍，视频图像一般是用整数表示的，更需要一种从整数到整数的变换,以实现重构时能够无失真的恢复原始图像。

Swelden于1996年提出了一种不依赖于傅立叶变换的提升小波变换方法,使用二维提升小波变换进行小波多分辨率分析变换,实现任意图像尺寸的小波变换.提升格式给出了双正交小波简单而有效的构造方法,它使用基本多项式插补来获取信号的高频分量,之后通过构建尺度函数来获取信号的低频分量,其过程由分裂、预测、更新由3个步骤组成.，详细过程如下：

一、分裂过程，将原始数据分解成偶数样本和奇数样本：

Splits(s_k[j])＝{s_2k[j-1]},{s_2k+1[j-1]})

二、预测过程：采用数据间的相关性预测算子P(．)，用偶数序列来预测奇数序列，奇数序列{s_2k+1[j-1]}与预测结果P({s_2k+1[j-1]})的差值作为在这一级分辨率上的高频细节值，即d[j-1]＝s_2k+1[j-1]-P(s_2k+1[j-1])

三、更新：为了修正经过分裂与预测两个步骤产生的子集丢失的信息，用更新算子U(·)一个数据子集保持了我们所需的数据的一些特征,即产生了在低一级分辨率上的低频信号：

s_k[j-1]＝s_2k[j-1]+U（s_2k+1[j-1])

这三个过程完成了一次提升，可将分辨率为j的原始信号分解为下一级分辨率j-1的低频信号和高频信号，相当于提升小波的分解过程。在逆提升过程中则通过逆更新恢复出偶数序列，然后通过逆预测恢复出奇数序列，最后将奇数序列和偶数序列拼接成原始信号。

视频序列的视觉屏蔽特性是心理学家和计算机学家通过对人类视觉成像现象规律的研究以提高图像可视质量的方法。

Dempster-Shafer理论是一套利用“证据”和“组合”来处理不确定性推理问题的数学方法。根据人们的思维习惯，即利用上、下限概率来解决多值映射问题，并把证据的信任函数与概率的上下值相联系构造了一种不确定推理的识别框架U。设BEL₁和BEL₂是这个框架上的两个信任函数，m₁和m₂分别是其对应的BPAF，焦元分别为A₁,…,A_k和B₁,…,B_t，设

则证据融合后的BPAF为：

$m\left(C\right)=\left\{\begin{array}{cc}\frac{\underset{A_i\∩B_j=C}{\mathrm{\Σ}}{m}_1\left(A_i\right)m_2\left(B_j\right)}{1-K}& \\ 0& C\≠\mathrm{\φ}\end{array}\right.\∀C\⋐\mathrm{U\; C}\≠\mathrm{\φ}$

其中K是冲突因子，反映了证据的冲突程度，1/(K-1)为归一化因子，这规则相当于在组合中将冲突等比例分配给各个集合。

随着多媒体网络技术的飞速发展，数字多媒体信息，特别是视频信息的交流已经达到前所未有的程度。视频点播方便流畅,已经成为人们最喜闻乐见的形式之一,但视频的非法复制也变得越来越容易了，视频信息在传输过程中极易遭受到各种有意或无意的篡改攻击，这使得人们对视频信息的完整性和内容的真实性产生怀疑。.数字水印把秘密的信息预先隐藏在数字媒体中，然后利用特殊的提取方法将预先嵌入的水印信息检测出来，用于保证信息的完整性和真实性。衡量水印性能好坏的重要指标是不可察觉性和鲁棒性,鲁棒性也称作为稳定性，一方面嵌入的水印的强度应该小于可见的阈值内,现有技术中利用HVS和Watson视觉模型的亮度掩蔽特性自适应的调整水印嵌入的强度，从而实现了自适应地嵌入水印,但是在计算视频水印的嵌入强度时,并没将视频图像中的运动特征参与到水印嵌入强度的计算中,即没有根据视频序列中的不同运动内容自适应地获取水印的嵌入强度。

近来有些技术在运动矢量的基础上提出运动速度概念,改变视频序列帧中宏块运动速度的大小来嵌入水印,但由于编码结构GOP中I、P、B帧的数量及间隔的不同会导致预测的运动矢量发生较大变化,而且水印嵌入修改运动矢量会对后续编码块产生影响。这就造成运动矢量的信息量小，水印图像的嵌入容量有限。另外有些技术利用视频序列帧中与运动相关的视频运动信息，然后利用熵模型对视频序列帧中的运动信息进行统计,从而得到基于视频序列帧间运动信息与人类视觉屏蔽特性相结合的非线性计算公式来计算每个方块的水印最大嵌入强度，但其并未对视频序列数据冗余得到的水印证据信息进行处理。这就造成嵌入水印后的视频受到攻击后得到的水印信息不确定性因素较多。而证据理论在区分不知道与不确定方面显示出了很大的灵活性，可以充分改善水印信息融合的结果，因此采用证据理论发明一种具有鲁棒性的视频水印方法来融合这些冗余信息，则极具市场价值和保证视频信息的可靠性和稳定性。

发明内容

为了克服现有技术的不足，本发明的目的是提供一种隐蔽性能好、可靠性高、能够嵌入大量水印信息、同时具有鲁棒性的视频水印的产生方法及其提取方法。

为达到上述目的，本发明的技术方案为：一种具有鲁棒性的视频水印的产生方法包括给宿主视频嵌入水印图像，该嵌入水印图像的步骤包括：

1）利用密钥对待嵌入水印图像进行处理，生成水印图像的伪随机序列；同时对宿主视频的每一帧的亮度通道进行8*8的图像分块，对于运动图像进行16*16图像分块，并对得到的每个图像分块进行提升小波变换，得到提升小波变换后的小波细节子带LH、HL、和HH，其中LH为水平方向为低通、垂直方向为高通的小波细节子带，HL为水平方向为高通、垂直方向为低通的小波细节子带，HH为水平方向和垂直方向均为高通的小波细节子带；

2）经提升小波变换后的小波细节子带LH、HL和HH根据视频序列的视觉屏蔽特性分别计算出每对相邻图像分块A和B的静态人类视觉屏蔽阈值JNDs(x,y)和每个图像分块基于视频时间序列的动态人类视觉屏蔽阈值JNDt(x,y)，

所述JNDt(x,y)=D(x,y)*θ(x,y)*|MV(u,v)|;其中D(x,y)为运动物体在每个帧内留下的变形尺度，MV(u,v)为图像分块内物体速度大小;θ(x，y)为当前帧图像分块的时间运动角度；

3)对每对相邻图像分块A和B中的高频小波细节子带内的细节悉数LH_A(x,y)和LH_B(x,y)分别做比较，让水印图像的伪随机序列分别按照下列条件嵌入小波细节子带中：

当待嵌入水印图像的ω°_i＝1时，

如果LH_A(x,y)<LH_B(x,y)，则

LH_A(x,y)=1/2(LH_A(x,y)+LH_B(x,y))+α

LH_B(x,y)=1/2(LH_A(x,y)+LH_B(x,y))-α

如果|LH_A(x,y)-LH_B(x,y)|≠2α，则

LH_A(x,y)=LH_B(x,y)+2α

当待嵌入水印图像的ω°_i＝0时，

如果LH_A(x,y)>LH_B(x,y)，则

LH_A(x,y)=1/2(LH_A(x,y)+LH_B(x,y))-α

LH_B(x,y)=1/2(LH_A(x,y)+LH_B(x,y))+α

如果|LH_A(x,y)-LH_B(x,y)|≠2α，则

LH_B(x,y)=LH_A(x,y)+2α

其中α为嵌入悉数，其α=JND/2，ω°_i为待嵌入水印图像的第i位；

4）对嵌入水印图像后的宿主图像进行提升小波变换的逆变换，即得到具有鲁棒性的视频水印。

所述宿主视频的格式为没有经过MPEG压缩的YCbCr。

一种具有鲁棒性的视频水印的提取方法包括以下步骤：

1）将待提取检测视频中的每一帧的亮度通道进行8*8图像分块，并对每个图像分块进行提升小波变换；

2）寻找到水印图像嵌入的秘密位置，根据相邻图像的小波细节子带中相应细节系数之间的关系，得到待融合的水印证据，其满足以下关系：

如果LH_A(x,y)>LH_B(x,y)，则ω°_i＝1；

如果LH_A(x,y)≤LH_B(x,y)，则ω°_i＝0；

3）利用Dempster-Shafer证据理论对得到的每个小波细节子带的水印证据进行数据融合量化，得到每个水印证据的可信度和支持度；

4）使用密钥恢复水印图像，即完成对视频水印的提取。

所述步骤3）中的水印证据的可信度 $T\left({\mathrm{wmc}}_i\right)=1-\frac{\left|\right|{\mathrm{LH}}_A(x,y)-{\mathrm{LH}}_B(x,y)|-2\mathrm{\&alpha;}|}{|{\mathrm{LH}}_A(x,y)-{\mathrm{LH}}_B(x,y)|},$ 水印证据的支持度 $S\left({\mathrm{wmc}}_i\right)=\underset{i=1,j\&NotEqual;i}{\overset{L}{\mathrm{\&Sigma;}}}1-\sqrt{({\mathrm{\&omega;mc}}_i-{\mathrm{\&omega;mc}}_j){({\mathrm{\&omega;mc}}_i-\mathrm{\&omega;m}{c}_j)}^T/m}/L-1,$ 其中L为水印证据之间的第i个证据与第j个证据之间的距离。

本发明采用以上的技术方案，充分考虑提升小波变换能够精确的重构原始水印图像的特点,对没有经过MPEG压缩的宿主视频中的每一帧的亮度通道每一分块进行提升小波变换处理,同时参照视频序列的视觉屏蔽特性,选择相邻的图像分块的高频小波细节子带嵌入水印,并在水印提取时利用Dempster-Shafer证据理论对每个小波细节子带得到的水印证据进行数据融合,使之能够有效地抵抗帧裁剪、帧模糊,帧平均、帧交换、添加噪声和MPEG压缩等视频攻击。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明：

图1为本发明一种鲁棒性的视频水印的产生方法及其提取方法的流程示意图。

具体实施方式

如图1所示，本发明的技术方案为：一种具有鲁棒性的视频水印的产生方法包括给宿主视频嵌入水印图像，该嵌入水印图像的步骤包括：

1）利用密钥对待嵌入水印图像进行处理，生成水印图像的伪随机序列；同时对宿主视频的每一帧的亮度通道进行8*8的图像分块，对于运动图像进行16*16图像分块，并对得到的每个图像分块进行提升小波变换，得到提升小波变换后的小波细节子带LH、HL、和HH，其中LH为水平方向为低通、垂直方向为高通的小波细节子带，HL为水平方向为高通、垂直方向为低通的小波细节子带，HH为水平方向和垂直方向均为高通的小波细节子带；

2）经提升小波变换后的小波细节子带LH、HL和HH根据视频序列的视觉屏蔽特性分别计算出每对相邻图像分块A和B的静态人类视觉屏蔽阈值JNDs(x,y)和每个图像分块基于视频时间序列的动态人类视觉屏蔽阈值JNDt(x,y)，

所述JNDt(x,y)=D(x,y)*θ(x,y)*|MV(u,v)|;其中D(x,y)为运动物体在每个帧内留下的变形尺度，MV(u,v)为图像分块内物体速度大小;θ(x，y)为当前帧图像分块的时间运动角度；

3)对每对相邻图像分块A和B中的高频小波细节子带内的细节悉数LH_A(x,y)和LH_B(x,y)分别做比较，让水印图像的伪随机序列分别按照下列条件嵌入小波细节子带中：

当待嵌入水印图像的ω°_i＝1时，

如果LH_A(x,y)<LH_B(x,y)，则

LH_A(x,y)=1/2(LH_A(x,y)+LH_B(x,y))+α

LH_B(x,y)=1/2(LH_A(x,y)+LH_B(x,y))-α

如果|LH_A(x,y)-LH_B(x,y)|≠2α，则

LH_A(x,y)=LH_B(x,y)+2α

当待嵌入水印图像的ω°_i＝0时，

如果LH_A(x,y)>LH_B(x,y)，则

LH_A(x,y)=1/2(LH_A(x,y)+LH_B(x,y))-α

LH_B(x,y)=1/2(LH_A(x,y)+LH_B(x,y))+α

如果|LH_A(x,y)-LH_B(x,y)|≠2α，则

LH_B(x,y)=LH_A(x,y)+2α

其中α为嵌入悉数，其α=JND/2，ω°_i为待嵌入水印图像的第i位；

4）对嵌入水印图像后的宿主图像进行提升小波变换的逆变换，即得到具有鲁棒性的视频水印。

所述宿主视频的格式为没有经过MPEG压缩的YCbCr。

一种具有鲁棒性的视频水印的提取方法包括以下步骤：

1）将待提取检测视频中的每一帧的亮度通道进行8*8图像分块，并对每个图像分块进行提升小波变换；

2）寻找到水印图像嵌入的秘密位置，根据相邻图像的小波细节子带中相应细节系数之间的关系，得到待融合的水印证据，其满足以下关系：

如果LH_A(x,y)>LH_B(x,y)，则ω°_i＝1；

如果LH_A(x,y)≤LH_B(x,y)，则ω°_i＝0；

3）利用Dempster-Shafer证据理论对得到的每个小波细节子带的水印证据进行数据融合量化，得到每个水印证据的可信度和支持度；

4）使用密钥恢复水印图像，即完成对视频水印的提取。

所述步骤3）中的水印证据的可信度 $T\left({\mathrm{wmc}}_i\right)=1-\frac{\left|\right|{\mathrm{LH}}_A(x,y)-{\mathrm{LH}}_B(x,y)|-2\mathrm{\&alpha;}|}{|{\mathrm{LH}}_A(x,y)-{\mathrm{LH}}_B(x,y)|},$ 水印证据的支持度 $S\left({\mathrm{wmc}}_i\right)=\underset{i=1,j\&NotEqual;i}{\overset{L}{\mathrm{\&Sigma;}}}1-\sqrt{({\mathrm{\&omega;mc}}_i-{\mathrm{\&omega;mc}}_j){(\mathrm{\&omega;m}{c}_i-{\mathrm{\&omega;mc}}_j)}^T/m}/L-1,$ 其中L为水印证据之间的第i个证据与第j个证据之间的距离。

Claims (4)

1.一种具有鲁棒性的视频水印的产生方法，其特征在于：其包括给宿主视频嵌入水印图像，该嵌入水印图像的步骤包括：

1）利用密钥对待嵌入水印图像进行处理，生成水印图像的伪随机序列；同时对宿主视频的每一帧的亮度通道进行8*8的图像分块，对于运动图像进行16*16图像分块，并对得到的每个图像分块进行提升小波变换，得到提升小波变换后的小波细节子带LH、HL、和HH，其中LH为水平方向为低通、垂直方向为高通的小波细节子带，HL为水平方向为高通、垂直方向为低通的小波细节子带，HH为水平方向和垂直方向均为高通的小波细节子带；

2）经提升小波变换后的小波细节子带LH、HL和HH根据视频序列的视觉屏蔽特性分别计算出每对相邻图像分块A和B的静态人类视觉屏蔽阈值JNDs(x,y)和每个图像分块基于视频时间序列的动态人类视觉屏蔽阈值JNDt(x,y)，

所述JNDt(x,y)=D(x,y)*θ(x,y)*|MV(u,v)|;其中D(x,y)为运动物体在每个帧内留下的变形尺度，MV(u,v)为图像分块内物体速度大小;θ(x,y)为当前帧图像分块的时间运动角度；

3)对每对相邻图像分块A和B中的高频小波细节子带内的细节悉数LH_A(x,y)和LH_B(x,y)分别做比较，让水印图像的伪随机序列分别按照下列条件嵌入小波细节子带中：

当待嵌入水印图像的ω°_i＝1时，

如果LH_A(x,y)<LH_B(x,y)，则

LH_A(x,y)=1/2(LH_A(x,y)+LH_B(x,y))+α

LH_B(x,y)=1/2(LH_A(x,y)+LH_B(x,y))-α

如果|LH_A(x,y)-LH_B(x,y)|≠2α，则

LH_A(x,y)=LH_B(x,y)+2α

当待嵌入水印图像的ω°_i＝0时，

如果LH_A(x,y)>LH_B(x,y)，则

LH_A(x,y)=1/2(LH_A(x,y)+LH_B(x,y))-α

LH_B(x,y)=1/2(LH_A(x,y)+LH_B(x,y))+α

如果|LH_A(x,y)-LH_B(x,y)|≠2α，则

LH_B(x,y)=LH_A(x,y)+2α

其中α为嵌入悉数，其α=JND/2，ω°_i为待嵌入水印图像的第i位；

4）对嵌入水印图像后的宿主图像进行提升小波变换的逆变换，即得到具有鲁棒性的视频水印。

2.根据权利要求1所述的一种具有鲁棒性的视频水印的产生方法，其特征在于：所述宿主视频的格式为没有经过MPEG压缩的YCbCr。

3.根据权利要求1或2所述的具有鲁棒性的视频水印的提取方法，其特征在于：其包括以下步骤：

1）将待提取检测视频中的每一帧的亮度通道进行8*8图像分块，并对每个图像分块进行提升小波变换；

2）寻找到水印图像嵌入的秘密位置，根据相邻图像的小波细节子带中相应细节系数之间的关系，得到待融合的水印证据，其满足以下关系：

如果LH_A(x,y)>LH_B(x,y)，则ω°_i＝1；

如果LH_A(x,y)≤LH_B(x,y)，则ω°_i＝0；

3）利用Dempster-Shafer证据理论对得到的每个小波细节子带的水印证据进行数据融合量化，得到每个水印证据的可信度和支持度；

4）使用密钥恢复水印图像，即完成对视频水印的提取。

4.根据权利要求3所述的具有鲁棒性的视频水印的提取方法，其特征在于：

所述步骤3）中的水印证据的可信度 $T\left({\mathrm{wmc}}_i\right)=1-\frac{\left|\right|{\mathrm{LH}}_A(x,y)-{\mathrm{LH}}_B(x,y)|-2\mathrm{\&alpha;}|}{|{\mathrm{LH}}_A(x,y)-{\mathrm{LH}}_B(x,y)|},$ 水印证据的支持度 $S\left({\mathrm{wmc}}_i\right)=\underset{i=1,j\&NotEqual;i}{\overset{L}{\mathrm{\&Sigma;}}}1-\sqrt{(\mathrm{\&omega;}{\mathrm{mc}}_i-{\mathrm{\&omega;mc}}_j){(\mathrm{\&omega;}{\mathrm{mc}}_i-{\mathrm{\&omega;mc}}_j)}^T/m}/L-1,$ 其中L为水印证据之间的第i个证据与第j个证据之间的距离。

Images