CN103634699A - 一种视频水印嵌入和提取的方法与系统 - Google Patents

Abstract

本发明提供了一种视频水印嵌入方法，该方法包括如下步骤：对视频提取一个以上的视频帧；对每一个提取出的视频帧X进行如下处理：进行奇异值分解X＝UΣV^T，得到奇异值矩阵Σ＝diag(σ₁,σ₂,...σ_n)，其中U和V是两个酉矩阵；对奇异值矩阵中的奇异值σ₁,σ₂,...σ_n进行分组；对分组后的奇异值进行量化索引调制，得到嵌入水印的奇异值矩阵Σ'；对嵌入水印的奇异值矩阵Σ'做奇异值分解逆过程X'＝UΣ'V^T，得到嵌入水印后的视频帧X'；将所述一个以上视频帧处理后得到的一个以上的视频帧X'组合成嵌入水印的视频。本发明的视频水印嵌入方法使得嵌入水印后的视频具有良好的视频质量。

Description

一种视频水印嵌入和提取的方法与系统

技术领域

本发明属于计算机领域，特别涉及一种视频水印嵌入和提取的方法与系统。 

背景技术

随着计算机技术的发展，数字视频给人类的生活带来了极大的方便，数字电视、高清电视、DVD和在线视频等让人们可以轻松获取到感兴趣的视频内容，与此同时，也带来视频版权内容保护的问题，由于数字视频的可复制性，盗版视频变得十分容易，如何有效的对视频内容进行版权保护成为了一个重要的问题。近年来新兴的视频水印技术，将水印信息嵌入在视频中，可以实现视频内容的版权保护。例如，将版权信息隐藏在视频中，当视频经历传播、分发等操作后，仍然可以根据视频提取到版权信息，用于版权内容的标示、取证等。 

目前，往视频里嵌入水印所使用的方法为基于分块的视频水印方法，即通过对视频帧进行分块，例如8x8分块，然后对每个分块进行水印的嵌入。 

由于基于分块的水印嵌入方式对各个块进行独立操作，相邻分块的修改无约束关系，所以会导致不同块在水印嵌入过程中的修改程度不同，导致有些变亮有些变暗，有些变平滑有些变的模糊，相邻的块之间的平滑过渡变成了明显的分隔，因此容易产生块效应。 

发明内容

针对现有技术的不足，本发明提供了一种视频水印嵌入和提取的方法与系统，解决了嵌入水印后视频质量变差的问题。 

为实现上述目的，本发明通过以下技术方案予以实现： 

一种视频水印嵌入方法，该方法包括如下步骤： 

对视频提取一个以上的视频帧； 

对每一个提取出的视频帧X进行如下处理： 

进行奇异值分解X＝UΣV^T，得到奇异值矩阵Σ＝diag(σ₁,σ₂,...σ_n)，其中U和V是两个酉矩阵；对奇异值矩阵中的奇异值σ₁,σ₂,...σ_n进行分组；对分组后的奇异值进行量化索引调制，得到嵌入水印的奇异值矩阵Σ'；对嵌入水印的奇异值矩阵Σ'做奇异值分解逆过程X'＝UΣ'V^T，得到嵌入水印后的视频帧X'； 

将所述一个以上视频帧处理后得到的一个以上的视频帧X'组合成嵌入水印的视频。 

其中，所述对奇异值矩阵中的奇异值σ₁,σ₂,...σ_n进行分组包括： 

将奇异值σ₁,σ₂,...σ_n按照每相邻三个为一组的方式进行分组。 

其中，所述对分组后的奇异值进行量化索引调制，得到嵌入水印的奇异值矩阵Σ'为： 

首先动态估计每组奇异值(σ_i-1,σ_i,σ_i+1)的量化步长： 

$Q_i=\frac{{\mathrm{\σ}}_{i-1}-{\mathrm{\σ}}_{i+1}}{k_i}$

其中width和height为视频帧的宽和高像素个数，PSNR1为预设的嵌入水印后视频的峰值信噪比； 

然后利用量化步长Q_i和水印比特对每组奇异值(σ_i-1,σ_i,σ_i+1)的中间奇异值σ_i进行量化索引调制： 

令

将水印比特w_i＝1,-1、量化步长Q_i以及σ_i+1代入公式 

${\mathrm{\σ}}_i^{\′}={\mathrm{\σ}}_{i+1}+{\mathrm{index}}_i\·Q_i+\frac{Q_i}{2}+w_i\·\frac{Q_i}{4},$

对每组中间奇异值σ_i进行量化索引调制后得到嵌入水印的奇异值矩阵Σ'＝diag(σ₁',σ'₂,...σ'_n)，其中σ_i∈[σ_i+1+index_i·Q_i,σ_i+1+(index_i+1)·Q_i]。 

一种视频水印提取方法，该方法包括如下步骤： 

对嵌入水印后的视频提取一个以上的视频帧； 

对每一个提取出的视频帧X'进行如下处理： 

进行奇异值分解X'＝UΣ'V^T，得到嵌入水印的奇异值矩阵Σ'＝diag(σ₁',σ'₂,...σ'_n)，其中U和V是两个酉矩阵；对奇异值矩阵中的奇异值σ₁',σ'₂,...σ'_n进行分组；对分组后的奇异值进行量化索引调制逆过程，提视频帧X'中的水印。 

其中，所述对奇异值矩阵中的奇异值σ₁',σ'₂,...σ'_n进行分组包括： 

将奇异值σ₁',σ'₂,...σ'_n按照每相邻三个为一组的方式进行分组。 

其中，所述对分组后的奇异值进行量化索引调制逆过程，提视频帧X'中的水印为： 

首先动态估计每组奇异值(σ'_i-1,σ'_i,σ'_i+1)的量化步长： 

$Q_i^{\′}=\frac{{\mathrm{\σ}}_{i-1}^{\′}-{\mathrm{\σ}}_{i+1}^{\′}}{k_i^{\′}}$

其中width和height为视频帧的宽和高像素个数，PSNR2为预设的提 取水印后视频的峰值信噪比； 

然后利用量化步长Qi'对每组奇异值(σ'_i-1,σ'_i,σ'_i+1)的中间奇异值σ'_i进行量化索引调制逆过程，提视频帧X'中的水印： 

令

将量化步长Q_i'、σ_i'和σ'_i+1代入下面公式： 

$w_i=\left\{\begin{array}{cc}-1& \mathrm{if}{\mathrm{\&sigma;}}_i^{\&prime;}<({\mathrm{\&sigma;}}_{i+1}^{\&prime;}+{\mathrm{index}}_i^{\&prime;}\&CenterDot;Q_i^{\&prime;}+\frac{Q_i^{\&prime;}}{2})\\ 1& \mathrm{if}{\mathrm{\&sigma;}}_i^{\&prime;}>({\mathrm{\&sigma;}}_{i+1}^{\&prime;}+{\mathrm{index}}_i^{\&prime;}\&CenterDot;Q_i^{\&prime;}+\frac{Q_i^{\&prime;}}{2})\end{array}\right.$ 提取水印w_i，其中σ′_i∈[σ′_i+1+index′_i·Q′_i,σ'_i+1+(index′_i+1)·Q′_i]。 

一种视频水印嵌入系统，该系统包括： 

提取视频帧模块，用于从视频中提取一个以上的视频帧； 

奇异值分解模块，用于对提取出的每一个视频帧X进行奇异值分解X＝UΣV^T，得到对应的奇异值矩阵Σ＝diag(σ₁,σ₂,...σ_n)，其中U和V是两个酉矩阵； 

奇异值分组模块，用于对每一个视频帧X对应的奇异值矩阵中的奇异值σ₁,σ₂,...σ_n进行分组； 

水印嵌入模块，用于针对每一个视频帧X，将分组后的奇异值进行量化索引调制，得到嵌入水印的奇异值矩阵Σ'； 

奇异值分解逆过程模块，用于针对每一个视频帧X，对嵌入水印的奇异值矩阵Σ'做奇异值分解逆过程X'＝UΣ'V^T，得到嵌入水印后的视频帧X'； 

视频帧组合模块，用于将所述一个以上视频帧处理后得到的一个以上的视频帧组合成嵌入水印的视频。 

其中，所述水印嵌入模块包括： 

动态估计量化步长子单元，用于对分组后的每组奇异值(σ_i-1,σ_i,σ_i+1)动态估计量化步长： 

$Q_i=\frac{{\mathrm{\&sigma;}}_{i-1}-{\mathrm{\&sigma;}}_{i+1}}{k_i}$

其中width和height为视频帧的宽和高像素个数，PSNR1为预设的嵌入水印后视频的峰值信噪比； 

量化索引调制子单元，用于利用量化步长Qi和水印比特对每组奇异值(σ_i-1,σ_i,σ_i+1)的中间奇异值σ_i进行量化索引调制： 

令

将水印比特w_i＝1,-1、量化步长Q_i以及σ_i+1代入公式 

${\mathrm{\&sigma;}}_i^{\&prime;}={\mathrm{\&sigma;}}_{i+1}+{\mathrm{index}}_i\&CenterDot;Q_i+\frac{Q_i}{2}+w_i\&CenterDot;\frac{Q_i}{4},$

对每组中间奇异值σ_i进行量化索引调制后得到嵌入水印的奇异值矩阵Σ'＝diag(σ₁',σ'₂,...σ'_n)，其中σ_i∈[σ_i+1+index_i·Q_i,σ_i+1+(index_i+1)·Q_i]。 

一种视频水印提取系统，该系统包括： 

提取视频帧模块，用于从嵌入水印的视频中提取一个以上的视频帧； 

奇异值分解模块，用于对提取出的每一个视频帧X'进行奇异值分解X'＝UΣ'V^T，得到对应的嵌入水印的奇异值矩阵Σ'＝diag(σ₁',σ'₂,...σ'_n)，其中U和V是两个酉矩阵； 

奇异值分组模块，用于针对每一个视频帧X'，对奇异值矩阵中的奇异值σ₁',σ'₂,...σ'_n进行分组； 

水印提取模块，用于针对每一个视频帧X'，对分组后的奇异值进行量化索引调制逆过程，提视频帧X'中的水印。 

其中，所述水印提取模块包括： 

动态估计量化步长子单元，用于对每组奇异值(σ'_i-1,σ'_i,σ'_i+1)动态估计量化步长： 

$Q_2=\frac{{\mathrm{\&sigma;}}_{i-1}^{\&prime;}-{\mathrm{\&sigma;}}_{i+1}^{\&prime;}}{k_2}$

其中width和height为视频帧的宽和高像素个数，PSNR2为预设的提取水印后视频的峰值信噪比； 

量化索引调制逆过程子单元，用于利用量化步长Q_i'对每组奇异值(σ'_i-1,σ'_i,σ'_i+1)的中间奇异值σ'_i进行量化索引调制逆过程，提视频帧X'中的水印： 

令

将量化步长Q_i'、σ_i'和σ'_i+1代入下面公式： 

$w_i=\left\{\begin{array}{cc}-1& \mathrm{if}{\mathrm{\&sigma;}}_i^{\&prime;}<({\mathrm{\&sigma;}}_{i+1}^{\&prime;}+{\mathrm{index}}_i^{\&prime;}\&CenterDot;Q_i^{\&prime;}+\frac{Q_i^{\&prime;}}{2})\\ 1& \mathrm{if}{\mathrm{\&sigma;}}_i^{\&prime;}>({\mathrm{\&sigma;}}_{i+1}^{\&prime;}+{\mathrm{index}}_i^{\&prime;}\&CenterDot;Q_i^{\&prime;}+\frac{Q_i^{\&prime;}}{2})\end{array}\right.$ 提取水印w_i，其中σ'_i∈[σ'_i+1+index′_i·Q′_i,σ'_i+1+(index′_i+1)·Q′_i]。 

本发明至少具有如下的有益效果： 

1、本发明对每一帧视频嵌入水印，因此可以将变化均匀的分布到整个视频帧上，而不是各个块上，所以不会有块效应。另外，通过动态调整量化步长的方式对奇异值进行分组量化索引调制，且量化步长是根据预设的嵌入水印后视频的峰值信噪比进行计算的，从而保证了嵌入水印后的视频具有良好的可视质量。 

2、本发明对视频帧的奇异值分解，得到的特征值都较大，能量较高，因此经过量化索引调制后的奇异值在经历若干攻击（例如重编码）之后不会产生大幅变动，具有较强的鲁棒性，抗攻击能力强。 

3、本发明中对奇异值进行分组，对每组中的中间奇异值进行量化索引调制，既保证了量化索引调制的均匀性，又减少了量化索引调制的工作量。 

当然，实施本发明的任一方法或产品不一定需要同时达到以上所述的所有优点。 

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。 

图1是本发明实施例1中对视频进行水印嵌入的流程图； 

图2是本发明实施例2中对视频进行水印嵌入的流程图； 

图3是本发明实施例2中对奇异值进行分组的示意图； 

图4是本发明实施例2中估计量化步长的示意图； 

图5是本发明实施例3中对视频进行水印提取的流程图； 

图6是本发明实施例4中对视频进行水印提取的流程图； 

图7是本发明实施例5中视频水印嵌入系统的结构示意图； 

图8是本发明实施例6中视频水印提取系统的结构示意图。 

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有 作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。 

实施例1 

本发明实施例提出了一种视频水印嵌入方法，参见图1，包括如下步骤： 

步骤101：对视频提取一个以上的视频帧。 

步骤102：对每一个视频帧X进行奇异值分解X＝UΣV^T，得到奇异值矩阵Σ＝diag(σ₁,σ₂,...σ_n)。 

步骤103：对奇异值矩阵中的奇异值σ₁,σ₂,...σ_n进行分组。 

步骤104：对分组后的奇异值进行量化索引调制，得到嵌入水印的奇异值矩阵Σ'。 

步骤105：对嵌入水印的奇异值矩阵Σ'做奇异值分解逆过程X'＝UΣ'V^T，得到嵌入水印后的视频帧X'。 

步骤106：将所述一个以上视频帧处理后得到的一个以上的视频帧X'组合成嵌入水印的视频。 

可见，在本发明实施例中，对每一帧视频嵌入水印，因此可以将变化均匀的分布到整个视频帧上，而不是各个块上，所以不会有块效应。另外，通过动态调整量化步长的方式对奇异值进行分组量化索引调制，且量化步长是根据预设的嵌入水印后视频的峰值信噪比进行计算的，从而保证了嵌入水印后的视频具有良好的可视质量。 

另外，本发明实施例中对视频帧的奇异值分解，得到的特征值都较大，能量较高，因此经过量化索引调制后的奇异值在经历若干攻击（例如重编码）之后不会产生大幅变动，具有较强的鲁棒性，抗攻击能力强。 

在本发明的其他实施例中，对奇异值进行分组，对每组中的中间奇异值进行量化索引调制，既保证了量化索引调制的均匀性，又减少了量化索引调制的工作量。 

实施例2： 

下面通过一个具体的例子，来更为详细的说明本发明中视频水印嵌入的过程。参见图2，该过程包括如下步骤： 

步骤201：对视频提取一个以上的视频帧。 

在本步骤中，将需要嵌入水印的视频提取一个以上的视频帧。 

步骤202：对每一个视频帧X进行奇异值分解X＝UΣV^T，得到奇异值矩阵Σ＝diag(σ₁,σ₂,...σ_n)。 

在本步骤中，对视频帧X进行奇异值分解X＝UΣV^T，得到奇异值矩阵Σ＝diag(σ₁,σ₂,...σ_n)，其中奇异值矩阵中对角线的值σ₁,σ₂,...σ_n按从大到小的顺序进行排列。 

步骤203：对奇异值从开始索引startIndex开始对每相邻的三个奇异值进行分组。 

在本步骤中，对奇异值从开始索引startIndex开始对每相邻的三个奇异值进行分组，如图3所示，例如startIndex为2，则(σ₂,σ₃,σ₄)为一组，(σ₄,σ₅,σ₆)为一组，(σ₆,σ₇,σ₈)为一组，(σ₈,σ₉,σ₁₀)为一组等。 

步骤204：动态估计每组奇异值的量化步长。 

在本步骤中，动态估计每组奇异值(σ_i-1,σ_i,σ_i+1)的量化步长： 

$Q_i=\frac{{\mathrm{\&sigma;}}_{i-1}-{\mathrm{\&sigma;}}_{i+1}}{k_i}$

其中width和height为视频帧的宽和高像素个数，PSNR1为预设的嵌入水印后视频的峰值信噪比，如图4所示，为k=2时的量化步长。 

步骤205：对每组奇异值的中间奇异值进行量化索引调制，得到嵌入水印的奇异值矩阵Σ'。 

在本步骤中，利用量化步长Q_i和水印比特对每组奇异值(σ_i-1,σ_i,σ_i+1)的中间奇异值σ_i进行量化索引调制： 

令

将水印比特w_i=1,-1、量化步长Q_i以及σ_i+1代入公式 ${\mathrm{\&sigma;}}_i^{\&prime;}={\mathrm{\&sigma;}}_{i+1}+{\mathrm{index}}_i\&CenterDot;Q_i+\frac{Q_i}{2}+w_i\&CenterDot;\frac{Q_i}{4},$

对每组中间奇异值σ_i进行量化索引调制后得到嵌入水印的奇异值矩阵Σ'＝diag(σ₁',σ'₂,...σ'_n)，其中σ_i∈[σ_i+1+index_i·Q_i,σ_i+1+(index_i+1)·Q_i]。 

步骤206：对嵌入水印的奇异值矩阵Σ'做奇异值分解逆过程X'＝UΣ'V^T，得到嵌入水印后的视频帧X'。 

步骤207：将嵌入水印后的每一个视频帧X'最终组合成嵌入水印的视频。 

实施例3： 

本发明还提出了视频水印提取方法，参见图5，该方法包括： 

步骤501：对嵌入水印后的视频提取一个以上的视频帧。 

步骤502：对每一个视频帧X'进行奇异值分解X'＝UΣ'V^T，得到嵌入水印的奇异值矩阵Σ'＝diag(σ₁',σ'₂,...σ'_n)。 

步骤503：对奇异值矩阵中的奇异值σ₁',σ'₂,...σ'_n进行分组。 

步骤504：对分组后的奇异值进行量化索引调制逆过程，提取视频帧X'中的水印。 

实施例4： 

下面通过一个具体的例子，来更为详细的说明本发明中视频水印提取的过程。参见图6，该过程包括如下步骤： 

步骤601：对嵌入水印后的视频提取一个以上的视频帧； 

步骤602：对嵌入水印后的视频帧X'进行奇异值分解X'＝UΣ'V^T，得到嵌入水印的奇异值矩阵Σ'＝diag(σ₁',σ'₂,...σ'_n)。 

在本步骤中，对嵌入水印后的视频帧X'进行奇异值分解X'＝UΣ'V^T，得到嵌入水印的奇异值矩阵Σ'＝diag(σ₁',σ'₂,...σ'_n)，其中奇异值矩阵中对角线的值σ₁',σ'₂,...σ'_n按从大到小的顺序进行排列。 

步骤603：对奇异值从开始索引startIndex开始对每相邻的三个奇异值进行分组。 

在本步骤中，对奇异值从开始索引startIndex开始对每相邻的三个奇异值进行分组，例如startIndex为2，则(σ'₂,σ'₃,σ'₄)为一组，(σ'₄,σ'₅,σ'₆)为一组，(σ'₆,σ'₇,σ'₈)为一组，(σ'₈,σ'₉,σ'₁₀)为一组等。其中，分组的大小可以依据实际情况进行改变，比如对每相邻的五个奇异值进行分组。 

步骤604：动态估计每组奇异值的量化步长。 

在本步骤中，动态估计每组奇异值(σ'_i-1,σ'_i,σ'_i+1)的量化步长： 

$Q_2=\frac{{\mathrm{\&sigma;}}_{i-1}^{\&prime;}-{\mathrm{\&sigma;}}_{i+1}^{\&prime;}}{k_2}$

其中width和height为视频帧的宽和高像素个数，PSNR2为预设的提取水印后视频的峰值信噪比； 

步骤605：对每组奇异值的中间奇异值进行量化索引调制逆过程，提取视频帧中的水印。 

在本步骤中，利用量化步长Q₂对每组奇异值(σ'_i-1,σ'_i,σ'_i+1)的中间奇异值σ'_i进行量化索引调制逆过程，提视频帧X'中的水印： 

令

将量化步长Q_i'、σ_i'和σ'_i+1代入下面公式： 

$w_i=\left\{\begin{array}{cc}-1& \mathrm{if}{\mathrm{\&sigma;}}_i^{\&prime;}<({\mathrm{\&sigma;}}_{i+1}^{\&prime;}+{\mathrm{index}}_i^{\&prime;}\&CenterDot;Q_i^{\&prime;}+\frac{Q_i^{\&prime;}}{2})\\ 1& \mathrm{if}{\mathrm{\&sigma;}}_i^{\&prime;}>({\mathrm{\&sigma;}}_{i+1}^{\&prime;}+{\mathrm{index}}_i^{\&prime;}\&CenterDot;Q_i^{\&prime;}+\frac{Q_i^{\&prime;}}{2})\end{array}\right.$ 提取水印w_i，其中σ′_i∈[σ′_i+1+index′_i·Q′_i,σ′_i+1+(index′_i+1)·Q′_i]。 

实施例5： 

本发明实施例还提出了一种视频水印嵌入系统，参见图7，该系统包括： 

提取视频帧模块701，用于从视频中提取一个以上的视频帧； 

奇异值分解模块702，用于对提取出的每一个视频帧X进行奇异值分解X＝UΣV^T，得到对应的奇异值矩阵Σ＝diag(σ₁,σ₂,...σ_n)，其中U和V是两个酉矩阵； 

奇异值分组模块703，用于对每一个视频帧X对应的奇异值矩阵中的奇异值σ₁,σ₂,...σ_n进行分组； 

水印嵌入模块704，用于针对每一个视频帧X，将分组后的奇异值进行量化索引调制，得到嵌入水印的奇异值矩阵Σ'； 

奇异值分解逆过程模块705，用于针对每一个视频帧X，对嵌入水印的奇异值矩阵Σ'做奇异值分解逆过程X'＝UΣ'V^T，得到嵌入水印后的视频帧X'； 

视频帧组合模块706，用于将所述一个以上视频帧处理后得到的一个以上的视频帧组合成嵌入水印的视频。 

其中，所述水印嵌入模块704包括： 

动态估计量化步长子单元7040，用于对分组后的每组奇异值(σ_i-1,σ_i,σ_i+1)动态估计量化步长： 

$Q_i=\frac{{\mathrm{\&sigma;}}_{i-1}-{\mathrm{\&sigma;}}_{i+1}}{k_i}$

其中width和height为视频帧的宽和高像素个数，PSNR1为预设的嵌入水印后视频的峰值信噪比； 

量化索引调制子单元7041，用于利用量化步长Q₁和水印比特对每组奇异值(σ_i-1,σ_i,σ_i+1)的中间奇异值σ_i进行量化索引调制： 

令

将水印比特w_i＝1,-1、量化步长Q_i以及σ_i+1代入公式 

${\mathrm{\&sigma;}}_i^{\&prime;}={\mathrm{\&sigma;}}_{i+1}+{\mathrm{index}}_i\&CenterDot;Q_i+\frac{Q_i}{2}+w_i\&CenterDot;\frac{Q_i}{4},$

对每组中间奇异值σ_i进行量化索引调制后得到嵌入水印的奇异值矩阵Σ'＝diag(σ₁',σ'₂,...σ'_n)，其中σ_i∈[σ_i+1+index_i·Q_i,σ_i+1+(index_i+1)·Q_i]。 

可见，奇异值分解模块对每个视频帧的奇异值分解，得到的特征值都较大，能量较高，因此经过量化索引调制后的奇异值在经历若干攻击（例如重编码）之后不会产生大幅变动，从而鲁棒性较强，抗攻击能力高；另外因为对每一帧视频嵌入水印，因此可以将变化均匀的分布到整个视频帧上，而不是各个块上，所以不会有块效应。 

另外，利用奇异值分组模块对奇异值进行分组，然后对每组中的中间奇异值进行量化索引调制，既保证了量化索引调制的均匀性，又减少了量化索引调制的工作量。 

另外，水印嵌入模块通过动态调整量化步长的方式对奇异值进行分组量化索引调制，且量化步长是根据预设的嵌入水印后视频的峰值信噪比进行计算的，从而保证了嵌入水印后的视频具有良好的可视质量。 

实施例6： 

本发明实施例还提出了一种视频水印提取系统，参见图8，该系统包括： 

提取视频帧模块801，用于从嵌入水印的视频中提取一个以上的视频帧； 

奇异值分解模块802，用于对提取出的每一个视频帧X'进行奇异值分解X'＝UΣ'V^T，得到对应的嵌入水印的奇异值矩阵Σ'＝diag(σ₁',σ'₂,...σ'_n)，其中U和V是两个酉矩阵； 

奇异值分组模块803，用于针对每一个视频帧X'，对奇异值矩阵中的奇异值σ₁',σ'₂,...σ'_n进行分组； 

水印提取模块804，用于针对每一个视频帧X'，对分组后的奇异值进行量化索引调制逆过程，提视频帧X'中的水印。 

其中，所述水印提取模块804包括： 

动态估计量化步长子单元8040，用于对分组后的每组奇异值(σ'_i-1,σ'_i,σ'_i+1)动态估计量化步长： 

$Q_2=\frac{{\mathrm{\&sigma;}}_{i-1}^{\&prime;}-{\mathrm{\&sigma;}}_{i+1}^{\&prime;}}{k_2}$

其中width和height为视频帧的宽和高像素个数，PSNR2为预设的提取水印后视频的峰值信噪比； 

量化索引调制逆过程子单元8041，用于利用量化步长Q₂对每组奇异值(σ'_i-1,σ'_i,σ'_i+1)的中间奇异值σ'_i进行量化索引调制逆过程，提视频帧X'中的水印： 

令

将量化步长Q_i'、σ_i'和σ'_i+1代入下面公式： 

$w_i=\left\{\begin{array}{cc}-1& \mathrm{if}{\mathrm{\&sigma;}}_i^{\&prime;}<({\mathrm{\&sigma;}}_{i+1}^{\&prime;}+{\mathrm{index}}_i^{\&prime;}\&CenterDot;Q_i^{\&prime;}+\frac{Q_i^{\&prime;}}{2})\\ 1& \mathrm{if}{\mathrm{\&sigma;}}_i^{\&prime;}>({\mathrm{\&sigma;}}_{i+1}^{\&prime;}+{\mathrm{index}}_i^{\&prime;}\&CenterDot;Q_i^{\&prime;}+\frac{Q_i^{\&prime;}}{2})\end{array}\right.$ 提取水印w_i，其中σ′_i∈[σ′_i+1+(index)′_i*Q′_i,σ′_i+1+(index′_i+1)*Q′_i]。 

以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以σ_i对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。 

Claims (10)

1.一种视频水印嵌入方法，其特征在于，该方法包括如下步骤： 

对视频提取一个以上的视频帧； 

对每一个提取出的视频帧X进行如下处理： 

进行奇异值分解X＝UΣV^T，得到奇异值矩阵Σ＝diag(σ₁,σ₂,...σ_n)，其中U和V是两个酉矩阵；对奇异值矩阵中的奇异值σ₁,σ₂,...σ_n进行分组；对分组后的奇异值进行量化索引调制，得到嵌入水印的奇异值矩阵Σ'；对嵌入水印的奇异值矩阵Σ'做奇异值分解逆过程X'＝UΣ'V^T，得到嵌入水印后的视频帧X'； 

将所述一个以上视频帧处理后得到的一个以上的视频帧X'组合成嵌入水印的视频。 

2.根据权利要求1所述的方法，其特征在于，所述对奇异值矩阵中的奇异值σ₁,σ₂,...σ_n进行分组包括： 

将奇异值σ₁,σ₂,...σ_n按照每相邻三个为一组的方式进行分组。 

3.根据权利要求1所述的方法，其特征在于，所述对分组后的奇异值进行量化索引调制，得到嵌入水印的奇异值矩阵Σ'为： 

首先动态估计每组奇异值(σ_i-1,σ_i,σ_i+1)的量化步长： 

其中width和height为视频帧的宽和高像素个数，PSNR1为预设的嵌入水印后视频的峰值信噪比； 

然后利用量化步长Q_i和水印比特对每组奇异值(σ_i-1,σ_i,σ_i+1)的中间 奇异值σ_i进行量化索引调制： 

令

将水印比特w_i＝1,-1、量化步长Q_i以及σ_i+1代入公式 

对每组中间奇异值σ_i进行量化索引调制后得到嵌入水印的奇异值矩阵Σ'＝diag(σ₁',σ'₂,...σ'_n)，其中σ_i∈[σ_i+1+index_i·Q_i,σ_i+1+(index_i+1)·Q_i]。 

4.一种视频水印提取方法，其特征在于，该方法包括如下步骤： 

对嵌入水印后的视频提取一个以上的视频帧； 

对每一个提取出的视频帧X'进行如下处理： 

进行奇异值分解X'＝UΣ'V^T，得到嵌入水印的奇异值矩阵Σ'＝diag(σ₁',σ'₂,...σ'_n)，其中U和V是两个酉矩阵；对奇异值矩阵中的奇异值σ₁',σ'₂,...σ'_n进行分组；对分组后的奇异值进行量化索引调制逆过程，提视频帧X'中的水印。 

5.根据权利要求4所述的方法，其特征在于，所述对奇异值矩阵中的奇异值σ₁',σ'₂,...σ'_n进行分组包括： 

将奇异值σ₁',σ'₂,...σ'_n按照每相邻三个为一组的方式进行分组。 

6.根据权利要求4所述的方法，其特征在于，所述对分组后的奇异值进行量化索引调制逆过程，提视频帧X'中的水印为： 

首先动态估计每组奇异值(σ'_i-1,σ'_i,σ'_i+1)的量化步长： 

其中width和height为视频帧的宽和高像素个数，PSNR2为预设的提取水印后视频的峰值信噪比； 

然后利用量化步长Q′_i对每组奇异值(σ'_i-1,σ'_i,σ'_i+1)的中间奇异值σ'_i进行量化索引调制逆过程，提视频帧X'中的水印： 

令

将量化步长Q′_i、σ′_i和σ′_i+1代入下面公式： 

提取水印w_i，其中σ′_i∈[σ′_i+1+index′_i·Q′_i,σ'_i+1+(index′_i·+1)·Q′_i]。 

7.一种视频水印嵌入系统，其特征在于，该系统包括： 

提取视频帧模块，用于从视频中提取一个以上的视频帧； 

奇异值分解模块，用于对提取出的每一个视频帧X进行奇异值分解X＝UΣV^T，得到对应的奇异值矩阵Σ＝diag(σ₁,σ₂,...σ_n)，其中U和V是两个酉矩阵； 

奇异值分组模块，用于对每一个视频帧X对应的奇异值矩阵中的奇异值σ₁,σ₂,...σ_n进行分组； 

水印嵌入模块，用于针对每一个视频帧X，将分组后的奇异值进行量化索引调制，得到嵌入水印的奇异值矩阵Σ'； 

奇异值分解逆过程模块，用于针对每一个视频帧X，对嵌入水印的奇异值矩阵Σ'做奇异值分解逆过程X'＝UΣ'V^T，得到嵌入水印后的视频帧X'； 

视频帧组合模块，用于将所述一个以上视频帧处理后得到的一个 以上的视频帧组合成嵌入水印的视频。 

8.根据权利要求7所述的系统，其特征在于，所述水印嵌入模块包括： 

动态估计量化步长子单元，用于对分组后的每组奇异值(σ_i-1,σ_i,σ_i+1)动态估计量化步长： 

其中width和height为视频帧的宽和高像素个数，PSNR1为预设的嵌入水印后视频的峰值信噪比； 

量化索引调制子单元，用于利用量化步长Qi和水印比特对每组奇异值(σ_i-1,σ_i,σ_i+1)的中间奇异值σ_i进行量化索引调制： 

令

将水印比特w_i＝1,-1、量化步长Q_i以及σ_i+1代入公式 

对每组中间奇异值σ_i进行量化索引调制后得到嵌入水印的奇异值矩阵Σ'＝diag(σ₁',σ'₂,...σ'_n)，其中σ_i∈[σ_i+1+index_i·Q_i,σ_i+1+(index_i+1)·Q_i]。 

9.一种视频水印提取系统，其特征在于，该系统包括： 

提取视频帧模块，用于从嵌入水印的视频中提取一个以上的视频帧； 

奇异值分解模块，用于对提取出的每一个视频帧X'进行奇异值分解X'＝UΣ'V^T，得到对应的嵌入水印的奇异值矩阵Σ'＝diag(σ₁',σ'₂,...σ'_n)， 其中U和V是两个酉矩阵； 

奇异值分组模块，用于针对每一个视频帧X'，对奇异值矩阵中的奇异值σ₁',σ'₂,...σ'_n进行分组； 

水印提取模块，用于针对每一个视频帧X'，对分组后的奇异值进行量化索引调制逆过程，提视频帧X'中的水印。 

10.根据权利要求9所述的系统，其特征在于，所述水印提取模块包括： 

动态估计量化步长子单元，用于对每组奇异值(σ'_i-1,σ'_i,σ'_i+1)动态估计量化步长： 

其中width和height为视频帧的宽和高像素个数，PSNR2为预设的提取水印后视频的峰值信噪比； 

量化索引调制逆过程子单元，用于利用量化步长Q′_i对每组奇异值(σ'_i-1,σ'_i,σ'_i+1)的中间奇异值σ'_i进行量化索引调制逆过程，提视频帧X'中的水印： 

令

将量化步长Q′_i、σ′_i和σ′_i+1代入下面公式： 

提取水印w_i，其中σ′_i∈[σ′_i+1+index′_i·Q′_i,σ'_i+1+(index′_i+1)·Q′_i]。 

Images