CN103974144A - 一种基于特征尺度变换不变点和微场景检测的视频数字水印方法 - Google Patents

Abstract

本发明提出一种新的基于特征点和微场景检测的视频数字水印方法，该方法中提取视频帧图像中的特征尺度变换不变点，利用最小生成树聚类算法保证被选中用于水印嵌入的基准点均匀分布在视频帧图像中。算法以特征点的圆环邻域作为水印的嵌入区域，同时提出一种基于场景检测的水印嵌入机制，使嵌入的水印内容随场景变化改变，而对特别针对视频数字水印的攻击方式具有较好的鲁棒性。在实验测试中，分别对水印视频进行常规图像处理攻击、几何变换攻击、帧平均、帧插入和帧抽取等水印攻击，结果显示该算法具有良好的鲁棒性，能够较好地抵抗各种常见的攻击。

Description

一种基于特征尺度变换不变点和微场景检测的视频数字水印方法

技术领域

本发明属于信息处理领域，具体地说是一种基于视频内容的涉及视频图像特征点和微场景检测的视频数字水印方法。

背景技术

从本质上说，数字水印处理是一种通信过程，即从水印的嵌入者向接受者传递信息。因此，人们可以借鉴通信传输模型来研究数字水印。Smith和Comiskey首先提出整个水印处理过程可以表示为基本的通信系统模型。随后，该模型得到了进一步的发展并成为研究数字水印系统的标准模型。图1为数字水印系统模型。

当前的视频数字水印技术可以依照水印嵌入的方法分为以下三类：

1.原始视频数据中嵌入水印

将水印嵌入到原始码流中，形成含有水印信息的原始视频码流，然后再进行压缩，形成带有水印信息的原始压缩码流；提取时需对压缩码流进行解码。

优点：可以充分利用静止图像的水印技术，且算法比较成熟。

缺点：会增加视频码流的数据比特率，影响视频速率的恒定性；对已压缩的视频，需要先进行解码，然后嵌入水印后再重新编码，增加了计算的复杂性并降低了视频的质量。

该嵌入谁引发按照嵌入的域的不同分成两类，空域算法和频域算法。

(1)空域算法

空域算法是指直接在原始视频码流中加入水印信息，一般是将水印信号添加在亮度分量或颜色分量上:

①将视频信号视为一维信号，将水印信号扩展，放大和调制为一拟随机序列，直接加入到视频信号中。

②将视频看作为一系列的静止图像，在整个连续的帧图像中加入相同的水印。由于各个图像不尽相同，可通过局部缩放因子为不同区域嵌入不同强度的水印。

(2)频域算法

频域算法是指先将原始视频进行某种变换，然后在其变换域(如DCT(离散余弦变换)域、DFT(离散傅立叶变换)域、DWT(离散小波变换)域等)嵌入水印:

①将视频看作为静止图像序列，利用一些比较成熟的静止图像频域算法嵌人水印。

②将视频视为三维信号(其中二维表示空间上的图像，一维表示图像在时间上的连续)，先进行三维变换(目前研究三维DWT和三维DFT的比较多)，然后在其变换域中添加水印。

③与各种视频编码器相适应，按照相应的块进行频域变换，然后在其变换域中添加水印。

2.视频码流中嵌入水印

这种算法是将水印直接嵌入到编码压缩后的比特流中。

典型算法为Hartung等提出利用扩频的思想在MPEG-2压缩视频中嵌入水印的方法。水印信号经过扩展、放大和调制，得到一个拟随机序列，然后对其进行8×8的DCT变换，并将DCT系数叠加到MPEG-2码流的8×8的DCT系数上。

Simitopoulos等提出了一种在MPEG流压缩域嵌入水印的算法，把视觉分析和块分类技术结合起来，自适应地选择I帧亮度模块DCT域的量化交流(AC)系数，嵌入水印。

上述水印方法的优点：没有解码和再编码的过程，因而不会造成视频质量的下降，同时计算复杂度较低。

缺点：由于压缩比特率的限制而限定了嵌入水印数据量的大小，嵌入水印的强度受视频解码误差的约束，嵌入后的效果可能出现可察觉的变化。

3.压缩编码时嵌入水印

在编码压缩时嵌入水印，可以将水印处理算法与视频编码结合成一个整体。

典型算法：

Chung等率先开发了一种在编码压缩时嵌入水印，水印嵌入过程是在MPEG2编码系统中的I帧所有的8×8DCT变换系数块上进行，输出含水印信息的压缩比特流。Linnart等提出修改MPEG编码过程将水印信息嵌入到VOP(Video Object Plane)的方法。

优点：嵌入和提取处理可以比较简单，能够实现水印嵌入和提取的实时处理。在编码压缩时嵌入水印，由于水印嵌入在变换域的量化系数中，因此不会增加视频流的数据比特率。

缺点：需要修改编码器和解码器，而且存在GOP(Group of Picture)的误差积累，会降低视频的质量。

上面列举的各种嵌入水印技术除算法本身的缺点外，另有一些共同的十分重要的缺点：

(1)由于图像数字水印算法已经发展的十分成熟，针对图像数字水印技术的攻击方法已经有多种多样，并且十分有效，而当前的视频数字水印技术没有一种可以抵抗多种攻击的数字水印算法，特别是几何变换攻击。

(2)大多数的视频数字水印技术只是在图像数字水印技术上的拓展和延伸，并没有充分考虑到视频与图像的本质差别，所以对特别针对视频的攻击方式，鲁棒性较差。

发明内容

本发明的目的旨在：

提出一种既可以抵抗多种图像数字水印攻击方式，特别是图像几何变换攻击的视频数字水印方法。

提出一种能够抵抗帧平均，帧抽取和帧统计等特别针对视频数字水印的攻击手段的视频数字水印方法。

提出一种有较大水印容量但同时不影响视频质量的视频数字水印方法，并依据上述，将该视频数字水印技术应用到视频的版权保护中，在视频中嵌入购买者的特征信息以达到数字影像制品的防伪以及溯源。

为实现上述目的，本发明提出的这种基于视频内容的涉及视频图像特征点和微场景检测的视频数字水印方法包括以下步骤：

(1)利用需要嵌入的信息变换成二值图像，通过向量化生成二值数字序列，根据后面步骤的需要，对所得到的二值数字序列进行变换，生成若干带有相同数字水印信息的不同数字水印数字序列；

(2)抽出视频流中的图像帧，对图像帧进行特征尺度变换，选出图像帧中具有特征信息的特征点的集合Ω₁和对应每一点的特征信息t₁、t₂、σ、θ，其中t₁、t₂是特征点的位置信息，σ是该局部区域在尺度空间上取的极值点的位置，θ是该特征点的主方向；

(3)选择具有中间尺度值的特征点构成候选特征点集合Ω₂，以此克服由于特征点的数量较多，同时尺度过高或者尺度过小的特征点在水印的提取过程中都会存在一定的丢失现象；在经过特征点检测之后，得到特征点集合Ω₁，根据集合Ω₁中点的尺度值的大小，选取处于中间尺度，并选取所有尺度的中值的数据点构成新的特征点集合Ω₂。

(4)采用聚类算法，选取处于类中心的特征点使得选出的特征点均匀且互不影响地分布在整个图像帧上，至此选出最终的水印嵌入的基准点集合Ω₃避免多个特征点之间在水印嵌入的过程中会互相影响；

(5)在所选出的图像帧的基准点的领域选择合适大小的圆环域用于水印的嵌入；

(6)对选出的区域E_i用基准点的特征信息t₁、t₂、σ、θ中的θ进行角度矫正，得到新的水印嵌入区域E′_i；

(7)计算当前水印嵌入区域与前一帧相同区域的像素灰度值发生变换与当前水印嵌入区域的方差的大小，即采用微场景检测机制以确定是嵌入相同的数字水印还是嵌入不同的数字水印；

(8)对矫正后的区域进行离散傅立叶变换，得到水印嵌入区域的变换域。

(9)根据事先确定好的数字水印的信息，修改变换域的中频系数，以达到嵌入数字水印的目的。

依据步骤(1)中利用需要嵌入的信息变换成二值图像，通过向量化生成二值数字序列，根据后面步骤的需要，对所得到的二值数字序列进行变换，生成若干带有相同数字水印信息的不同数字水印数字序列的具体步骤如下：

(2.1)将用户的特征信息，如一张图片或者一段文本，通过二值化方法，将其转化成二值数字图像I₁；

(2.2)通过向量化方法，将上一步骤得到的二值数字图像I₁，进行向量化处理，得到一段二值的数字序列，作为基础的数字水印信息w₀；

(2.3)利用各种多对一的映射将w₀反映射成若干数字水印信息w_i(i＝1,2,…,n)，至此，得到信息相同数值不同的若干数字水印w_i(i＝0,1,2,…,n)。

依据步骤(2)中选出图像帧中具有特征信息的特征点的集合Ω₁和对应每一点的特征信息t₁、t₂、σ、θ的具体步骤为：

(3.1)利用图像帧的高斯差分金字塔法，依次选出尺度空间中的极值点，将其确认为图像帧中代表着边沿，角或者像素变化有规律的地方t₁、t₂、σ，；其中t₁、t₂是特征点的位置信息，σ是该局部区域在尺度空间上取的极值点的位置；

(3.2)通过对尺度空间进行数学建模，去掉对边沿较为敏感的极值点和筛选出极值数值较大极值点，形成关键点t₁、t₂、σ的修正；

(3.3)通过梯度计算关键点的领域像素的方向，绘制关键点周围的方向直方图，取最高的直方图对应的方向作为关键点的主方向θ，其中θ是该特征点的主方向；

(3.4)通过划分关键点周围的领域为四个子领域分别计算方向直方图，作为该关键点的特征描述向量，至此，完成特征点的选择。

依据步骤(3)选择具有中间尺度值的特征点构成候选特征点集合Ω₂的具体步骤如下：

在经过特征点检测之后，得到特征点集合Ω₁，根据集合Ω₁中点的尺度值的大小，选取处于中间尺度，并选取所有尺度的中值的数据点构成新的特征点集合Ω₂。以此克服由于特征点的数量较多，同时尺度过高或者尺度过小的特征点在水印的提取过程中都会存在一定的丢失现象。

依据步骤(4)采用最小生成树聚类算法，避免多个特征点之间在水印嵌入的过程中会互相影响，使得选出的特征点均匀且互不影响地分布在整个图像帧上的具体步骤如下：

(5.1)集合Ω₂中所有的特征点形成一张图G＝[X,E]，其中X为顶点集合，E为边集合；

(5.2)利用Kruskal算法在图构造最小支撑树MST(Minimum SpanningTree)；

(5.3)给定一个阈值ζ，从MST中移除权值大于阈值的边，形成X上的森林F，其中阈值ζ将由视频帧的尺寸大小M×N和一帧视频图像中嵌入的数字水印的局部区域数目(L)来自适应决定，例如可以取ζ＝(M±N)/L；

(5.4)获得包含在森林中的所有树(X_i,T_i)；

(5.5)在每一棵树中，选择特征极值最大的点，形成水印嵌入的基准点集合Ω₃。

依据步骤(5)选择合适大小的圆环域用于水印的嵌入区域的具体步骤如下；

(6.1)依次取出在上一步骤中得到的集合Ω₃中的点P_i；

(6.2)依据P_i的位置信息和SIFT特征信息t₁,t₂,σ,θ，其中尺度空间信息t₁,t₂,σ,θ来自于基准点的SIFT变换，t₁,t₂是基准点的位置信息，σ是该局部区域在尺度空间上取的极值点的位置，由此选取适当的(k₁,k₂)，构造合适大小的圆环域E_i：

(x-t₁)²+(y-t₂)²＝(k₁σ)²且

(x-t₁)²+(y-t₂)²＝(k₂σ)²

依据步骤(6)对选出的区域E_i用基准点的特征信中的主方向θ进行角度矫正，得到新的水印嵌入区域E′_i的具体步骤如下；

(7.1)以上一步骤中得到的某一个特征区域E_i为例，通过该区域的中心基准点的SIFT特征描述子得到该基准点的主方向θ_i；

(7.2)将该区域依据得到的主方向角度θ_i，进行顺时针旋转θ_i，得到新的水印嵌入区域E′_i。

依据步骤(7)计算当前水印嵌入区域与前一帧相同区域的像素灰度值发生变换与当前水印嵌入区域的方差的大小，确定是嵌入相同的数字水印还是嵌入不同的数字水印的具体步骤如下：

(8.1)设当前待嵌入局部特征区域为前述步骤(6.2)中得到的某一特征区域E′_i，利用基准点的SIFT特征向量，在上一帧视频图像中的各个特征区域基于的基准点中，寻找与该局部特征区域所基于的基准点相匹配的基准点，如在上一帧视频图像中不存在与当前待嵌入局部特征区域基准点相匹配的基准点，则在当前待嵌入局部特征区域嵌入默认的数字水印信息，否则进入下一步骤；

(8.2)当前待嵌入区域与上一帧中相匹配的局部特征区域作差，得到两个局部特征区域的差值之和，并与设定的阈值相比较，若大于阈值，则认为当前微场景已发生变化，需要嵌入与上一帧中匹配的局部特征区域不同的数字水印信息，若差值之和小于或等于设定的阈值，则认为两个局部特征区域的场景是大致相同的则需要嵌入相同的数字水印信息。

依据步骤(9)，在步骤(7)和步骤(8)中分别得到的带嵌入区域要嵌入的数字信息W_i和待嵌入局部特征区域的傅立叶变换域FE_i，在傅立叶变换域的中频系数嵌入数字水印信息，具体步骤如下：

(9.1)根据数字水印的位数N，在变换域FE_i中的位于R/3和2R/3之间的中频系数上随机选择N个点，作为水印嵌入的点，其中R是局部特征圆环域的外半径；

(9.2)依据当前数字水印位上的信息和嵌入数字水印的强度修改当前点上的系数，直至全部水印信息全部嵌入。

根据以上技术方案提出的这种基于视频内容的涉及视频图像特征点和微场景检测的视频数字水印方法，与国内外现有同类技术的相比，本发明的优点是：

(1)可以较好地抵抗大部分的图像处理类的图像数字水印攻击方法，包括几何变换攻击方法。

(2)对一般视频水印算法难以抵抗的视频帧平均、视频帧抽取和视频帧统计等攻击方法有较好的鲁棒性。

(3)考虑到视频的时间冗余性，使得算法有较大的数字水印嵌入容量。

(4)将该算法用于视频音像制品的防伪和溯源上可以起到较好的效果。

这种基于视频内容的涉及视频图像特征点和微场景检测的视频数字水印方法，与国内外现有同类技术的相比，其创造性在于以下几点：

(1)现有的大部分视频数字水印技术仅仅是图像数字水印技术或者是其延伸，并没有充分考虑视频与图像的本质差别，本发明出发点即是视频，所有的处理都是以视频的特征来考虑的；

(2)本发明提出的数字水印技术是基于视频的具体的内容，而不是基于数据的，视频的内容变化同时会影响即将嵌入的数字水印信息和数字水印信息的嵌入的区域。

(3)在水印嵌入区域的选择过程中，考虑到SIFT的特征描述符的提取处理中，SIFT点的特征与其周围的邻域的像素点息息相关，如果选择SIFT点周围的圆域嵌入，则可能会有损SIFT点的特征表示，导致后面重检匹配失败，为此本发明提出将特征区域选择以特征点为中心的圆环域中；这样既可以无损保留SIFT特征点的特征信息便于后续处理，又可以在SIFT点周围嵌入数字水印；

(4)现有的场景检测机制会存在问题，有时候相邻两帧仅仅发生局部发生变化，场景检测阈值没有检测到的时候，嵌入相同的水印，导致帧统计攻击的危险，本发明提出的微场景检测可以有效避免这种情况的发生，得到具有更好鲁棒性的水印。

附图说明

图1为数字水印系统模型框图；

图2为本发明的操作流程示意图；

图3为视频帧中的尺度不变特征点分布示意图；

图4为视频特征点经中间尺度筛选后的分布示意图；

图5为经最小生成树聚类处理后得到的稳定点分布示意图；

图6经圆环处理后的测试视频序列圆环特征区域分布示意图；

图7为环形特征区域演变示意图；

图8为根据主方向信息进行旋转的特征区域处理演示示意图；

图9为离散傅立叶中频系数在直角坐标系中的展示图；

图10为微场景检测机制示意图；

图11为视频测试序列示意图。

具体实施方式

以下结合说明书附图进一步阐述本发明、并给出本发明的实施例。

(1)数字水印信息的生成

根据用户的特征信息，我们可以对应生成一张图片，通过二值化方法，将其转化成二值图像I₁。在上述基础上，利用向量化方法将二值图像I₁拉直成向量V，得到的是一段二值的数字序列，作为嵌入的原始数字水印信息w₀。

利用一种一对多的映射将w₀映射成若干个二值数字水印w_i(i＝1,2,…,n)，即我们可以得到多个信息相同，但数值不同的若干数字水印w_i(i＝0,1,…,n)。

(2)图像帧中局部特征点集合的生成

图像帧中并非所有的点都可以用作基准点。为了实现有效的局部化水印算法，图像的基准点应该满足以下三个条件：

①有足够的稳定性。

基准点在数据压缩、图像滤波、噪声污染等处理下有足够的稳定性，即经过这些处理之后基准点仍能够被检测到，并应该尽量保持在原位置或者原位置附近。

②分布比较均匀

为了使水印能够抵抗剪切等攻击，基准点在图像中的分布要比较均匀。

③容纳水印的能力

与基准点对应的区域应该有容纳足够多水印信息的能力。如果与基准点对应的图像区域结构过于简单，其容纳能力必然很小，将会造成较大的视觉损失。

因此，基准点的选择以及基于基准点形成特征区域是基于图像内容的局部化水印的算法的两个关键问题。

本发明考虑到上述要求，引入SIFT点(Scale Invariant FeatureTransform，尺度不变特征点——见图3所示)，SIFT算子是一种图像的局部描述子，具有尺度、旋转、平移的不变性，而且对光照变化、仿射变换和三维投影变换具有一定的鲁棒性，在Mikolajczyk对包括SIFT算子在内的十种局部描述子所做的不变性对比实验中，SIFT及其扩展算法已被证实在同类描述子中具有最强的健壮性。

(3)基于尺度的局部特征点筛选

由于图像帧产生的SIFT点数量十分巨大，并且有的点的SIFT点在图像遭受攻击之后会消失，为此需要考虑选取那些具有一定健壮性的SIFT特征点，已经有论文证明：当特征尺度过大或者过小时，SIFT点都容易消失，为此发明人选取具有中间持度的SIFT点作为数字水印嵌入的候选点(见图4所示)。

(4)基于最小生成树聚类算法的局部特征点筛选

假设从图像中提取的尺度空间特征点构成集合Ω₁，那么具有中间特征尺度的特征点构成集合Ω₂。为了得到一组稳定且彼此独立的特征区域，需要继续对集合Ω₂中的特征点进行选择。已有的算法表明，单纯利用特征点的特征强度作为选择依据并不能达到预期目的。在这里，我们引入特征距离作为约束条件，利用最小生成树聚类算法将小于这一距离的特征点归于一类，对于同一类特征，考虑特征强度，仅选择出特征强度最大的特征点并用于形成特征区域。

下表1给出最小生成树(MST)聚类算法对特征点进行聚类的算法描述：

表1最小生成树聚类算法流程

在上面的经过中间尺度筛选的Soccer视频流中的第一帧图(图4)中，利用最小生成树聚类的具体的效果见图5。

(5)水印嵌入区域的选择

对图像进行嵌水印的时候，大多数的算法都会选择特征点周围的领域作为水印嵌入的区域，具体的实现方法如下：

假如采用的特征点是SIFT点，每个SIFT特征点都具有位置信息和尺度信息(t₁,t₂,σ,θ)，故可构造圆形特征区域：

(x-t₁)²+(y-t₂)²＝(kσ)²

其中k是调整圆形区域的半径的参数。如上面图5所示的圆形区域。

但是，从SIFT的特征描述符的提取过程，可以看出来，SIFT点的特征与其周围的邻域的像素点息息相关，如果选择从这样的周围的圆域嵌入，则可能会有损SIFT点的特征表示，导致后面重检匹配失败。为此，本发明提出将特征区域选择以特征点为中心的圆环域中，即对于SIFT点)t₁,t₂,σ,θ)，我们采取下面的圆环域嵌入(见图6所示)：

(x-t₁)²+(y-t₂)²＝(k₁σ)²且

(x-t₁)²+(y-t₂)²＝(k₂σ)²

其中k₁、k₂是调整圆域大小的参数。

从上面的步骤得到的特征区域是环形的特征区域，如图7所示：

(6)基于SIFT特征点的特征信息进行角度矫正

此外，为了抵抗几何旋转的攻击，我们采用了SIFT特征点作为基准点，所以在特征区域的处理时候，我们需要充分利用SIFT特征点本身所带的额的信息，即SIFT特征点的主方向信息。

当我们考虑特征点的主方向信息之后，任何经过处理的图像帧，我们都可以使其根据主方向旋转到水平轴方向进行处理，这样就可以抵抗最难以解决的几何攻击之一，几何旋转。

具体的处理方法见图8所示。

(7)嵌入区域的DFT变换和中频系数的选择

发明人利用SIFT提取尺度空间中的特征点，这些特征点对旋转、缩放、平移以及噪声干扰均有较好的稳定性；为了嵌入水印信息，结合图像内容自适应确定局部特征区域的尺寸，大大增强了系统抵抗旋转攻击、缩放等几何攻击能力。另外，DFT的幅度谱具有平移不变性、旋转和缩放互反关系。图像经平移、缩放和旋转之后，其频谱的相对位置和幅度系数的相对大小保持不变。考虑到DFT幅度谱这一性质以及变换域水印方案对滤波、量化和压缩的抵抗力，将水印嵌入特征区域的DFT中频系数中，在不可见性和鲁棒性方面取得良好的效果。

为了折衷不可见性和鲁棒性，水印嵌入在DFT中频系数上。假定零频位于变换域的中心(见图9所示)，使和之间的环形区域覆盖中频带，其中R为环形区域的外半径。

(8)微场景检测确定嵌入水印的内容

视频的最主要的特点即是时间上的冗余性，带来新的针对视频水印的攻击方式，给视频水印的嵌入和和视频水印的提取带来了新的挑战。

①帧平均(Frame Average)

即将视频的相邻几帧平均之后作为当前帧。由于相邻两帧很多时候会几乎一样，通过将视频的相邻几帧平均之后作为当前帧，并不会造成很严重的视频质量的影响，但是，对版权所有者精心嵌入的水印可能会造成巨大的损坏。

②帧提取(Frame Dropping)

所谓帧提取，即从视频流中间隔一定帧数随机抽取帧出来，同样由于高度的冗余性，视频的质量仍然不会受到较大影响，但是，会给需要进行同步的水印造成不可逆转的损坏。

③帧统计(Frame Statistics)

帧统计，相对前两种，可能会比较模糊，因为没有一个具体的方法，可能是通过观察，可能是通过学习算法，统计得出在相邻几帧中嵌入的同一个水印和方法，然后，通过同样的逆过程去除掉视频里的水印。

考虑到视频的这些特性，于是本发明引入一种改进的基于场景检测(见图10)的变换水印嵌入机制来保证水印的鲁棒性。

设我们现在有一一对应但不相同的水印{w_k|k＝1,2…,n}，有相邻两帧图像I_i(x,y)和I_i+1(x,y)，其中I_i(x,y)已完成嵌入水印的过程。对I_i+1(x,y)通过前面所述的特征区域的选取过程之后，得到相应的基准点集合 和 $\{{\mathrm{\θ}}_j^{i+1}\∈{\mathrm{\Θ}}_{i+1}|j=\mathrm{1,2},...,m_{i+1}\},$ 并选择微场景变换阈值φ，这里可以选择硬阈值、自适应阈值等其他策略，以自适应阈值为例，设要比较的I_i(x,y)和I_i+1(x,y)中两个同等大小的局部区域分别为(E_i,E_i+1)，则可以选择φ＝ρVar(E_i)，其中Var(E_i)表示E_i上的方差，ρ为调整系数，可以选取ρ＝0.5等，当(E_i,E_i+1)像素差值绝对值的平均值超过阈值φ，则认为两个局部区域已经发生明显变化，否则则认为两个局部区域几乎没有变化。假设当前要嵌入的基准点是

表2微场景检测算法

场景检测机制可以很好的抵抗视频水印的特殊攻击，但是由于，有时候相邻两帧发生局部发生变化，场景检测阈值没有检测到的时候，嵌入相同的水印，导致帧统计攻击的危险，通过引入“微场景检测”可以有效避免这种情况的发生，得到具有更好鲁棒性的水印。

(9)水印的嵌入

首先，设根据场景变换得到应该嵌入的水印是{w_k,k＝1,2,…n}，在DFT上半平面内由密钥K随机生成N个DFT中频系数。然后，修改相差90度点对的幅值，以满足：

F'(x_i,y_i)-F'(-y_i,x_i)≥α,if w_i＝1

F'(x_i,y_i)-F'(-y_i,x_i)≤-α,if w_i＝0

其中，′(x_i,y_i)和F′(-y_i,x_i)分别是(x_i,y_i)和(-y_i,x_i)处修改后的系数幅值，α是水印的强度，w_i为二值水印对应位上的值。具体的嵌入方法见表3。

表3频域水印嵌入算法

为了保证IDFT后得到实值图像，位于DFT下半平面的原点对称处的幅值也要进行同样的修改，使修改后的系数幅值满足：

|F'(-x_i,-y_i)|＝|F'(x_i,y_i)|

|F'(y_i,-x_i)|＝|F'(-y_i,x_i)|

将嵌入水印后的圆环形区域进行2D-DFT变换，去除四周和里面的“0”后逐个代替原始图像的圆形区域，得到含水印的图像帧。

(10)视频数字水印的提取

利用SIFT算子从带检测图像中提取图像特征点，设为集合并通过基于最小支撑树聚类算法的特征选择策略获得一组稳定且彼此独立的环形特征区域，设为集合一般来说，图像遭受各种攻击之后得到的环形区域集合与原始区域集合会有所不同。但是，鉴于该特征选择策略的稳定性，可以保证这些特征区域具有较高的重检率。

对于每个环形区域进行主方向对齐，并补齐里面和四周的“0”，从而得到一系列外接方形子图像，设为集合再对每个方形子图像做中心化DFT变换并选取幅度谱。

通过密钥K在中频带[R₁,R₂]内选取L个点对(x_i,y_i)、(-y_i,x_i)，按照下述方法提取水印信息

${\tilde{w}}_{\mathrm{ki}}=\begin{array}{}\left\{\begin{array}{ccc}1& \mathrm{if}& F_{\mathrm{\&sigma;}}(x_i,y_i)-F_{\mathrm{\&sigma;}}(-y_i,x_i)\&GreaterEqual;0\\ 0& \mathrm{if}& F_{\mathrm{\&sigma;}}(x_i,y_i)-F_{\mathrm{\&sigma;}}(-y_i,x_i)<0\end{array}\right.\end{array}$

这里，F_α(x_i,y_i)和F_α(-y_i,x_i)分别为(x_i,y_i)和(-y_i,x_i)处的幅值。得到之后，再同{w_k,k＝0,1,…n}集合中的向量做相关运算，最终得到提取的水印。

在实际运用中，发明人选取美国亚利桑那州立大学的标准测试视频库中的SOCCER_704x576_30_orig_02.yuv测试视频序列作为嵌入载体，并选取随机生成的二值数字水印依照上述所述的方法进行数字水印的嵌入，由于针对图像(见图11)的攻击对视频同样有效，为使实验更有效率，我们将攻击分成两类：针对单帧图像的图像水印攻击方式和特别针对视频的图像帧的攻击方式。

(1)针对图像水印攻击方法的实验结果

其中分母是指图像中可以检测出的基准点的数目，分子表示从这些基准点的特征区域中利用相关性检测出水印的区域的个数。

表4本图像处理攻击

表5何变换图像攻击方式

特别针对视频的攻击方式包括帧平均、帧抽取、帧插入和帧统计，由于帧间统计的方式难以模拟，所以这里只做前几种攻击方式。

表6视频帧攻击测试结果

从表4、表5中的数据可以看到该算法对各种图像攻击方式都具有相当好的鲁棒性；另一方面，从表格6中我们可以看出，在不影响视频质量的抽取和插入帧几乎对该算法没有威胁性。而对于帧平均，当用于平均的帧的数目越来越大的时候，算法的效果会渐渐下降，但仍有较好的表现。

上述仅为本发明提出的基本技术方案和实施例，本发明并不仅限于实施例的内容。对于本领域中的技术人员来说，在本发明方法范围内可以产生各种变化和更改，在属于本发明主要创意范畴内所做的任何变化和更改均属于本发明范畴。

Claims (9)

1.一种基于特征尺度变换不变点和微场景检测的视频数字水印方法，其特征在于:包括以下步骤：

(1)利用需要嵌入的信息变换成二值图像，通过向量化生成二值数字序列，根据后面步骤的需要，对所得到的二值数字序列进行变换，生成若干带有相同数字水印信息的不同数字水印数字序列；

(2)抽出视频流中的图像帧，对图像帧进行特征尺度变换，选出图像帧中具有特征信息的特征点的集合Ω₁；

(3)选择具有中间尺度值的特征点构成候选特征点集合Ω₂，以此克服

由于特征点的数量较多，同时尺度过高或者尺度过小的特征点在水印的提取过程中都会存在一定的丢失现象；

(4)采用聚类算法，选取处于类中心的特征点使得选出的特征点均匀且互不影响地分布在整个图像帧上，至此选出最终的水印嵌入的基准点集合Ω₃，

避免多个特征点之间在水印嵌入的过程中会互相影响；

(5)在所选出的图像帧的基准点的领域选择合适大小的圆环域用于水印的嵌入；

(6)对选出的区域领用基准点的特征信息进行角度矫正，得到新的水印嵌入区域；

(7)计算当前水印嵌入区域与前一帧相同区域的像素灰度值发生变换与当前水印嵌入区域的方差的大小，即采用微场景检测机制以确定是嵌入相同的数字水印还是嵌入不同的数字水印；

(8)对矫正后的区域进行离散傅立叶变换，得到水印嵌入区域的变换域；

(9)根据事先确定好的数字水印的信息，修改变换域的中频系数，以达到嵌入数字水印的目的，至此，视频数字水印嵌入过程完结。

2.如权利要求1所述的一种基于特征尺度变换不变点和微场景检测的视频数字水印方法，其特征在于：依据步骤(1)中利用需要嵌入的信息变换成二值图像，通过向量化生成二值数字序列，根据后面步骤的需要，对所得到的二值数字序列进行变换，生成若干带有相同数字水印信息的不同数字水印数字序列，其具体步骤如下：

(2.1)将用户的特征信息，如一张图片或者一段文本，通过二值化方法，将其转化成二值数字图像I₁；

(2.2)通过向量化方法，将上一步骤得到的二值数字图像I₁，进行向量化处理，得到一段二值的数字序列，作为基础的数字水印信息w₀；

(2.3)利用各种多对一的映射将w₀反映射成若干数字水印信息w_i(i＝1,2,…,n)，至此，得到信息相同数值不同的若干数字水印w_i(i＝0,1,2,…,n)。

3.如权利要求1所述的一种基于特征尺度变换不变点和微场景检测的视频数字水印方法，其特征在于：依据步骤(2)中选出图像帧中具有特征信息的特征点的集合Ω₁和对应每一点的特征信息(t₁,t₂,σ,θ)，其中，(t₁,t₂)是特征点的位置信息，σ是该局部区域在尺度空间上取的极值点的位置，θ是该特征点的主方向，具体的步骤如下：

(3.1)利用图像帧的高斯差分金字塔法，依次选出尺度空间中的极值点，将其确认为图像帧中代表着边沿，角或者像素变化有规律的地方(t₁,t₂,σ)；

(3.2)通过对尺度空间进行数学建模，去掉对边沿较为敏感的极值点和筛选出极值数值较大极值点，形成关键点((t₁,t₂,σ)的修正)；

(3.3)通过梯度计算关键点的领域像素的方向，绘制关键点周围的方向直方图，取最高的直方图对应的方向作为关键点的主方向(θ)；

(3.4)通过划分关键点周围的领域为四个子领域分别计算方向直方图，作为该关键点的特征描述向量，至此，完成特征点的选择。

4.如权利要求1所述的一种基于特征尺度变换不变点和微场景检测的视频数字水印方法，其特征在于：依据步骤(3)选择具有中间尺度值的特征点构成候选特征点集合，具体的步骤如下：

在经过特征点检测之后，得到特征点集合Ω₁，根据Ω₁中点的尺度值的大小，选取处于中间尺度，并选取所有尺度的中值的数据点构成新的特征点集合Ω₂。

5.如权利要求1所述的一种基于特征尺度变换不变点和微场景检测的视频数字水印方法，其特征在于：依据步骤(4)采用最小生成树聚类算法，避免多个特征点之间在水印嵌入的过程中会互相影响，使各个特征点均匀的分布在整张图像帧上，具体步骤如下：

(5.1)集合Ω₂中所有的特征点形成一张图G＝[X,E]，其中X为顶点集合，E为边集合；

(5.2)利用Kruskal算法在图G构造最小支撑树MST(Minimum SpanningTree)；

(5.3)给定一个阈值ζ，从MST中移除权值大于阈值的边，形成X上的森林F，其中阈值ζ将由视频帧的尺寸大小(M×N)和一帧视频图像中嵌入的数字水印的局部区域数目(L)来自适应决定，例如可以取ζ＝(M×N)/L；

(5.4)获得包含在森林中的所有树(X_i,T_i)；

(5.5)在每一棵树中，选择特征极值最大的点，形成水印嵌入的基准点集合Ω₃。

6.如权利要求1所述的一种基于特征尺度变换不变点和微场景检测的视频数字水印方法，其特征在于：依据步骤(5)选择圆环域作为水印嵌入的区域，具体的步骤如下：

(6.1)依次取出在上一步骤(5.5)中得到的集合Ω₃中的点P_i；

(6.2)依据P_i的位置信息和SIFT特征信息(t₁,t₂,σ,θ)，其中尺度空间信息(t₁,t₂,σ,θ)来自于基准点的SIFT变换，(t₁,t₂)是基准点的位置信息，σ是该局部区域在尺度空间上取的极值点的位置，由此选取适当的(k₁,k₂)，构造合适大小的圆环域E_i；其中

(x-t₁)²+(y-t₂)²＝(k₁σ)²且

(x-t₁)²+(y-t₂)²＝(k₂σ)²。

7.如权利要求1所述的一种基于特征尺度变换不变点和微场景检测的视频数字水印方法，其特征在于：依据步骤(6)利用基准点的方向特征信息对水印嵌入区域进行修正，使其无论经过何种角度的旋转，都可以通过角度矫正消除掉这种旋转攻击，具体步骤如下：

(7.1)以上一步骤(6.2)中得到的某一个特征区域E_i为例，通过该区域的中心基准点的SIFT特征描述子得到该基准点的主方向θ_i；

(7.2)将该区域依据得到的主方向角度θ_i，进行顺时针旋转θ_i，得到新的水印嵌入区域E′_i。

8.如权利要求1所述的一种基于特征尺度变换不变点和微场景检测的视频数字水印方法，其特征在于：依据步骤(7)，由于视频的时间冗余性，当视频中嵌入数字水印时，攻击者很容易通过视频帧平均破坏数字水印信息、通过视频帧抽取破坏视频水印的同步信息和通过视频帧统计去除视频中的数字水印信息，为此本发明引入微场景检测机制，具体步骤如下：

(8.1)设当前待嵌入局部特征区域为前述步骤(7.2)中得到的某一特征区域E′_i，利用基准点的SIFT特征向量，在上一帧视频图像中的各个特征区域基于的基准点中，寻找与该局部特征区域所基于的基准点相匹配的基准点，如在上一帧视频图像中不存在与当前待嵌入局部特征区域基准点相匹配的基准点，则在当前待嵌入局部特征区域嵌入默认的数字水印信息，否则进入下一步骤；

(8.2)当前待嵌入区域与上一帧中相匹配的局部特征区域作差，得到两个局部特征区域的差值之和，并与设定的阈值相比较，若大于阈值，则认为当前微场景已发生变化，需要嵌入与上一帧中匹配的局部特征区域不同的数字水印信息，若差值之和小于或等于设定的阈值，则认为两个局部特征区域的场景是大致相同的则需要嵌入相同的数字水印信息。

9.如权利要求1所述的一种基于特征尺度变换不变点和微场景检测的视频数字水印方法，其特征在于：依据步骤(9)，在步骤(7)和步骤(8)中分别得到待嵌入区域要嵌入的数字水印信息w_i和待嵌入局部特征区域的傅立叶变换域FE_i，在傅立叶变换域的中频系数嵌入数字水印信息，具体步骤如下：

(9.1)根据数字水印的位数N，在变换域FE_i中的位于(R/3)和(2R/3)之间的中频系数上(其中R是局部特征圆环域的外半径)，随机选择N个点，作为水印嵌入的点；

(9.2)依据当前数字水印位上的信息和嵌入数字水印的强度修改当前点上的系数，直至全部水印信息全部嵌入。