CN106131711A - 面向3d高清数字视频的鲁棒隐水印嵌入与提取方法 - Google Patents

Abstract

一种面向3D高清数字视频的鲁棒隐水印嵌入与提取方法属于图像处理等交叉领域。用户输入一段3D视频，算法将其按帧率分为序列帧，并对序列帧中的每一帧都进行嵌入操作。在每一帧上，算法首先对左右视图分别进行以8*8像素块为单位DCT变换。将水印中的每一个比特依次嵌入在左右通道视图相同位置的一对8*8DCT系数块上。水印算法选取DCT系数块中的中频区域进行嵌入，引入三种系数限制机制对嵌入强度进行有效限制，分别为：最小可别差感知模型、细粒度调制参数和嵌入参考矩阵。本发明在基于单通道视频的水印技术研究的理论基础上，简化整体复杂度，使之可以并行处理计算密集型的任务，提升高清立体视频的处理速度，实现在以上前提下保证不可见性及鲁棒性的目的。

Description

面向3D高清数字视频的鲁棒隐水印嵌入与提取方法

技术领域

本发明属于图像处理、计算机图形学和计算机视觉等交叉领域，涉及一种基于全新的面向3D数字视频的鲁棒隐水印算法的水印嵌入与提取方法。

背景技术

随着三维数字摄影、3D终端、网络及通信技术的发展，3D高清数字媒体得到广泛应用。范围涵盖了数字娱乐、远程教育、远程工业控制、虚拟现实、自动导航等诸多领域，其应用价值不可估量。因此，如何对3D高清数字视频知识产权进行有效保护避免无授权非法使用，成为近年来信息内容安全领域的一项重要研究课题。数字水印技术是实现数字影像版权保护的有效途径。通过将版权所有者的信息，嵌入在要保护的数字影像中，防止其他人或团体对该影像宣称拥有版权。无授权非法使用者在使用前常常会对3D视频进行修改。本方法为一种新型的面向3D高清数字视频的高效水印嵌入与提取方法，能够有效对抗这些修改攻击。即在带水印影像被修改后，依然能正确提取用于版权声明或追踪泄露源头的水印信息。所提出方案从3D立体影像的数据特点出发，以水印鲁棒性和视觉感知的舒适度为目标，综合考虑颜色、视差等因素，利用离散余弦变换等变换域技术，将版权信息均衡地隐藏在3D图像视频的左右通道图像中。本方法不仅能够增强隐藏数据的鲁棒性，同时将嵌入后3D媒体内容对观众视觉感知舒适度的影响尽可能降低。同时，本方法可以很好地结合GPU编程实现并行化计算，能够高效处理大尺度3D高清数字媒体内容。

与针对单通道视频的水印技术相同，用于版权保护的3D双通道视频水印亦追求水印的视觉不可感知性，以及针对各种攻击的鲁棒性。针对单通道视频的水印技术研究相对更为成熟。该领域的大量研究工作证明：相比时域类算法，变换域水印算法，例如离散余弦变换，在不可感知性和鲁棒性方面表现更为优越；相比非盲水印，盲水印不需要原始载体数据，使用更为方便。上述经验对于3D双通道视频水印方面的研究提供了很大帮助。吴爱红在其硕士论文《面向立体图像/视频数字水印技术的方法研究》中通过对比立体图像左右视图的纹理特性，根据左右图像特征一致与否确定盲水印嵌入位置。另一方面，在Zhenyu Wei以及邹复好等人针对单通道视频水印的研究中均表明：采用人眼视觉感知模型，尤其是最小可别差，确定水印嵌入位置和强度，有利于控制水印的不可感知性。3D视频水印算法中广泛采用了这种策略。例如Niu等人在A Visual Sensitivity Model Based Stereo ImageWatermarking Scheme中融合了人眼对于不同频率信息、亮度适应以及对比度掩蔽的敏感度来定义最小可别差。他们在最小可别差值小于一定阈值的地方不改变载体信息，而在最小可别差值大与一定阈值的时候，嵌入跟最小可别差值成正比强度的水印。白春华在其硕士论文《基于感知的立体图像数字水印技术研究》中给出在频域中融合亮度、对比度等线索计算最小可别差的方法，利用立体图像的视差/深度提取前景感兴趣区域，对感兴趣区域和非感兴趣区域嵌入跟最小可别差成正比但不同强度的水印。现有最小可别差计算方法多沿用了针对单通道视频的计算方法，白春华的方法虽然声明是3D形式的最小可别差，但只是简单地利用深度线索进行区域分片，其最小可别差计算仍然是单通道形式。本方法所提出基于最小可别差的盲水印计算方法综合了单通道图像信息，以及左右视图线索、视频序列帧间线索定义最小可别差，据此确定嵌入水印的位置和强度。

发明内容

鉴于目前面向3D数字视频水印嵌入和提取方案存在不能很好保证不可见性、鲁棒性以及计算效率低等问题。本发明在基于单通道视频的水印技术研究的理论框架基础上，探索新的嵌入和提取解决方法。力图简化整体复杂度，使之可以并行处理计算密集型的任务，提升高清立体视频的处理速度，实现在以上前提下保证算法不可见性及鲁棒性的目的。

为实现这个目标，本发明的技术方案为：用户输入一段3D高清视频，算法将其按帧率分为序列帧，并对序列帧中的每一帧都进行嵌入操作。在每一帧上，算法首先对左右视图分别进行以8*8像素块为单位的离散余弦变换(Discrete Cosine Transform，简称DCT变换)。算法依据制定的规则将水印中的每一个比特依次嵌入在左右通道视图相同位置的一对8*8DCT系数块上。水印算法选取DCT系数块中的中频区域进行嵌入，引入三种系数限制机制对嵌入强度进行有效限制。这三种机制分别为：最小可别差感知模型、细粒度调制参数和嵌入参考矩阵。其中，最小可别差感知模型依据对比度感应因子、亮度掩蔽因子、对比遮盖因子及时域调制因子的计算结果确定了DCT系数可被调整的范围。细粒度调制参数α进一步精确了算法对DCT系数的调整幅度，其由线性搜索实验得到确定。嵌入参考矩阵将画面整体分为前景背景两个部分，前景对人眼敏感度较高，嵌入参数小；背景对人眼敏感度较低，嵌入参数大。

面向3D高清数字视频的鲁棒隐水印嵌入与提取方法,其特征在于,包括以下步骤:

步骤一，视频资源处理

把用户输入的3D数字视频中分解为序列图片帧。

步骤二，水印信息嵌入

对于3D高清数字视频帧的左右通道，算法所做的操作是相同的。首先，各帧左右视图被分为不重叠的8*8像素块进行DCT变换。嵌入过程中的系数调制以每个8*8像素块为单位执行一次，水印信息中的一个比特将被均匀地嵌入位于(2,6)(3,5)(4,4)(5,3)(6,2)五个位置的中频区域DCT系数之中。

和分别为左右视图每个8*8像素块中(i,j)位置的DCT系数综合均值，其计算公式为：

$\left\{\begin{array}{c}{G}_{(i,j)}^l={\mathrm{\ω}}_1*g_{(i,j)}^l+{\mathrm{\ω}}_2*g_{(i,j)}^r\\ G_{(i,j)}^r={\mathrm{\ω}}_1*g_{(i,j)}^r+{\mathrm{\ω}}_2*g_{(i,j)}^l\end{array}\right.---\left(1\right)$

其中ω₁+ω₂＝1且ω₁六倍于ω₂。和为左右视图同样位置的DCT系数算术平均值，由式(2)定义：

$g_{(i,j)}=\frac{(C_{(i,j)}+C_{(i+1,j)}+C_{(i,j+1)}+C_{(i+1,j+1)})}{4}---\left(2\right)$

其中C_(i,j)表示的是指定位置(i,j)处的DCT系数。

随后水印算法进入嵌入核心阶段

对于在DCT系数中嵌入的每一比特，当被调制对象与已经满足式(3)中调整的大小关系时，此处的嵌入过程将略过；若不满足，依据式(3)完成最终的系数调整过程，即在水印比特wm为“0”的情况下，左视图的DCT系数在式(1)计算结果的基础上增大，而右视图的DCT系数将在的基础上减小，最终使得相反地，在水印比特wm为“1”的情况下，左视图的DCT系数在式(1)计算结果的基础上减小，而右视图的DCT系数将在的基础上增大，最终使得

以上嵌入过程用如下数学表达式进行呈现：

$\begin{array}{c}{C}_{(i,j)}^{\′l}=\left\{\begin{array}{c}{G}_{(i,j)}^l+{\mathrm{\β}}_{(p,q)}\×(\mathrm{\α}\×{\mathrm{JND}}_{(i,j)}^l+{\mathrm{\ϵ}}_{(i,j)}^l),wm=0\\ G_{(i,j)}^l-{\mathrm{\β}}_{(p,q)}\×(\mathrm{\α}\×{\mathrm{JND}}_{(i,j)}^l+{\mathrm{\ϵ}}_{(i,j)}^l),wm=1\end{array}\right.\\ C_{(i,j)}^{\′r}=\left\{\begin{array}{c}{G}_{(i,j)}^r-{\mathrm{\β}}_{(p,q)}\×(\mathrm{\α}\×{\mathrm{JND}}_{(i,j)}^r+{\mathrm{\ϵ}}_{(i,j)}^r),wm=0\\ G_{(i,j)}^r+{\mathrm{\β}}_{(p,q)}\×(\mathrm{\α}\×{\mathrm{JND}}_{(i,j)}^r+{\mathrm{\ϵ}}_{(i,j)}^r),wm=1\end{array}\right.\end{array}---\left(3\right)$

这里，和分别代表经历系数调制过程后的最终结果。和分别代表左右视图对应位置的最小可别差计算结果。α为0.05。ε_(i,j)＝0.1g_(i,j)。

式3中的系数β由嵌入参考矩阵决定。与α相比，β负责管控整体视角上的嵌入强度，由式(4)给出：

${\mathrm{\β}}_{(p,q)}=\{\begin{array}{cc}0.5& R_{(p,q)}=0\\ 1& R_{(p,q)}=1\end{array}---\left(4\right)$

R_(p,q)是嵌入参考矩阵的一个位于(p,q)位置的元素。每个立体视频帧的左右视图均会计算嵌入参考阵。在画面上的每个不重叠的图像块分别对应着参考阵中的一个元素。嵌入参考系数由(p,q)位置的3D视频运动以及视差信息决定，R_(p,q)∈[0,1]。

嵌入参考矩阵计算方法如下：首先运用光流法对立体视频帧每个(p,q)块中(i,j)位置的运动幅度进行计算，既包含水平方向也包含竖直方向，计算结果被分别记录为与最终的运动因子M_(i,j)的计算结果由下列式子给出：

$M_{(i,j)}=\sqrt{{M_{(i,j)}^X}^2+{M_{(i,j)}^Y}^2}---\left(5\right)$

与此同时，D_(i,j)所代表的画幅上(i,j)位置的深度信息由SGBM算法计算得出。通过综合上述运动以及深度因子信息，算法在每个像素块上都得出了一个具有权重的影响因子MotionDpth_(p,q)，由以下式子计算得出：

${\mathrm{MotionDpth}}_{(p,q)}=\frac{{\Σ}_i{\Σ}_j({\mathrm{\μ}}_1*D_{(i,j)}+{\mathrm{\μ}}_2*M_{(i,j)})}{64}---\left(6\right)$

μ₁和μ₂指的是在影响因子中深度信息因子和运动信息因子各所占比重，设置为5/6和1/6。在影响因子MotionDpth_(p,q)组成的矩阵中，对于那些高于矩阵整体均值的元素，R_(p,q)被设置成1，反之设置为0。

步骤三，水印信息提取

水印信息提取过程中，对于给定已嵌入数字水印的3D高清视频而言，算法将各帧左右视图将被分为不重叠的8*8像素块；接着，左右视图对应位置像素块中选定位置的DCT系数总体差异值由以下式子进行计算

$D_{(p,q)}={\Σ}_{(i,j)}(C_{(i,j)}^{\′l}-C_{(i,j)}^{\′r})---\left(7\right)$

(i,j)表示像素块中的指定位置，(p,q)是像素块整体的索引。由于水印信息隐藏的过程中，每一个比特被以同样形式嵌入到DCT变换后中频区域的五个选定的参数位置上。以D_(p,q)的计算结果为基础，水印信息的每一个比特将通过以下规则被决定：

${\mathrm{wm}}_{(p,q)}=\left\{\begin{array}{cc}0& D_{(p,q)}\&GreaterEqual;0\\ 1& D_{(p,q)}<0\end{array}\right.---\left(8\right)$

在对载体图像的全部内容进行提取操作后，水印信息最终被整体提取出来。

与现有技术相比，本发明具有以下优点：本发明为了更好地适应3D数字影像源数据的特点，降低手动操作水印隐藏算法的复杂度，可以完整地应用于立体媒介数字水印版权保护软件系统之中。同时，本方法中的核心算法为一种全新的面向3D数字影像的鲁棒隐水印算法。与现有算法相比，其对原始媒介影响更小，提取效果更好，抵抗攻击能力更强。并且，采用GPU并行化编程实现算法核心部分，系统整体运行速度更快，实用价值得到极大提升。

附图说明

图1为本发明所涉及方法的流程图；

图2为本发明应用实例实验结果：(a)、(b)为输入3D高清视频中提取的左、右图像单帧，(c)、(d)为本发明的嵌入结果；(e)、(f)是采用Niu和Souidene等人在“A VisualSensitivity Model Based Stereo Image Watermarking Scheme”中的方法的嵌入结果；(g)、(h)是采用Wu和Yuan等人在的“Differential Watermarking Scheme of StereoVideo”中的方法的嵌入结果。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步说明。

本发明的流程如图1所示，具体包括如下步骤：

步骤一，视频资源处理。

本步骤主要功能为把用户输入的3D高清数字视频中分解为序列图片帧。由于ffmpeg库针对视频处理相关函数实现效果更佳，为了防止视频函数处理时的大量信息损失，本方法选用ffmpeg库函数进行3D高清视频媒介的处理。

步骤二，水印信息嵌入。

对于3D高清数字视频帧的左右通道，算法所做的操作是相同的。首先，各帧左右视图被分为不重叠的8*8像素块进行DCT变换。嵌入过程中的系数调制以每个8*8像素块为单位执行一次，水印信息中的一个比特将被均匀地嵌入位于(2,6)(3,5)(4,4)(5,3)(6,2)五个位置的中频区域DCT系数之中。

和分别为左右视图每个8*8像素块中(i,j)位置的DCT系数综合均值，其计算公式为：

$\left\{\begin{array}{c}{G}_{(i,j)}^l={\mathrm{\&omega;}}_1*g_{(i,j)}^l+{\mathrm{\&omega;}}_2*g_{(i,j)}^r\\ G_{(i,j)}^r={\mathrm{\&omega;}}_1*g_{(i,j)}^r+{\mathrm{\&omega;}}_2*g_{(i,j)}^l\end{array}\right.---\left(1\right)$

其中ω₁+ω₂＝1且ω₁六倍于ω₂。和为左右视图同样位置的DCT系数算术平均值，由式(2)定义：

$g_{(i,j)}=\frac{(C_{(i,j)}+C_{(i+1,j)}+C_{(i,j+1)}+C_{(i+1,j+1)})}{4}---\left(2\right)$

其中C_(i,j)表示的是指定位置(i,j)处的DCT系数。

随后水印算法进入嵌入核心阶段。对于在DCT系数中嵌入的每一比特，调制机制根据用户输入水印比特的状态完成最终的系数调整过程。依据式(3)，在水印比特为“0”的情况下，左视图的DCT系数在式(1)计算结果的基础上增大，而右视图的DCT系数将在的基础上减小，最终使得相反地，在水印比特为“1”的情况下，左视图的DCT系数在式1计算结果的基础上减小，而右视图的DCT系数将在的基础上增大，最终使得这里需要注意的是，当被调制对象与已经满足式(3)中调整的大小关系时，此处的嵌入过程将略过。

以上嵌入过程可用如下数学表达式进行呈现：

$\begin{array}{c}{C}_{(i,j)}^{\&prime;l}=\left\{\begin{array}{c}{G}_{(i,j)}^l+{\mathrm{\&beta;}}_{(p,q)}\&times;(\mathrm{\&alpha;}\&times;{\mathrm{JND}}_{(i,j)}^l+{\mathrm{\&epsiv;}}_{(i,j)}^l),wm=0\\ G_{(i,j)}^l-{\mathrm{\&beta;}}_{(p,q)}\&times;(\mathrm{\&alpha;}\&times;{\mathrm{JND}}_{(i,j)}^l+{\mathrm{\&epsiv;}}_{(i,j)}^l),wm=1\end{array}\right.\\ C_{(i,j)}^{\&prime;r}=\left\{\begin{array}{c}{G}_{(i,j)}^r-{\mathrm{\&beta;}}_{(p,q)}\&times;(\mathrm{\&alpha;}\&times;{\mathrm{JND}}_{(i,j)}^r+{\mathrm{\&epsiv;}}_{(i,j)}^r),wm=0\\ G_{(i,j)}^r+{\mathrm{\&beta;}}_{(p,q)}\&times;(\mathrm{\&alpha;}\&times;{\mathrm{JND}}_{(i,j)}^r+{\mathrm{\&epsiv;}}_{(i,j)}^r),wm=1\end{array}\right.\end{array}---\left(3\right)$

这里，和分别代表经历系数调制过程后的最终结果。和分别代表左右视图对应位置的最小可别差计算结果。α是针对JND嵌入幅度进行调整的关键系数，根据线性搜索实验在0.01、0.05、0.07、0.09中最终选定为0.05。系数调制的范围由最小可别差计算模型的结果与极小值ε_(i,j)共同控制。这里，ε_(i,j)＝0.1g_(i,j)。

另外，式3中的系数β由嵌入参考矩阵决定。与α相比，β负责管控整体视角上的嵌入强度，由式(4)给出：

${\mathrm{\&beta;}}_{(p,q)}=\{\begin{array}{cc}0.5& R_{(p,q)}=0\\ 1& R_{(p,q)}=1\end{array}---\left(4\right)$

R_(p,q)是嵌入参考矩阵的一个位于(p,q)位置的元素。如果R_(p,q)是0，则说明此位置的画面信息对于人类视觉而言更加显著，在调整的过程中应选择幅度更小的参数0.5。相反地，如果R_(p,q)是1，则说明此位置的画面信息对于人类视觉更加不敏感，在调整的过程中应选择幅度更大的参数1。

每个立体视频帧的左右视图均会计算嵌入参考阵。在画面上的每个不重叠的图像块分别对应着参考阵中的一个元素。嵌入参考系数由(p,q)位置的3D视频运动以及视差信息决定，R_(p,q)∈[0,1]。

嵌入参考矩阵计算方法如下：首先运用光流法对立体视频帧每个(p,q)块中(i,j)位置的运动幅度进行计算，既包含水平方向也包含竖直方向，计算结果被分别记录为与最终的运动因子M_(i,j)的计算结果由下列式子给出：

$M_{(i,j)}=\sqrt{{M_{(i,j)}^X}^2+{M_{(i,j)}^Y}^2}---\left(5\right)$

与此同时，D_(i,j)所代表的画幅上(i,j)位置的深度信息由SGBM算法计算得出。通过综合上述运动以及深度因子信息，算法在每个像素块上都得出了一个具有权重的影响因子MotionDpth_(p,q)，由以下式子计算得出：

${\mathrm{MotionDpth}}_{(p,q)}=\frac{{\&Sigma;}_i{\&Sigma;}_j({\mathrm{\&mu;}}_1*D_{(i,j)}+{\mathrm{\&mu;}}_2*M_{(i,j)})}{64}---\left(6\right)$

μ₁和μ₂指的是在影响因子中深度信息因子和运动信息因子各所占比重，分别藉由大量实验经验设置为5/6和1/6。在影响因子MotionDpth_(p,q)组成的矩阵中，对于那些高于矩阵整体均值的元素，R_(p,q)被设置成1(标志更深的潜入强度)，反之设置为0(标志更浅的潜入强度)。

步骤三，水印信息提取

水印信息提取过程中，对于给定已嵌入数字水印的3D高清视频而言，算法将各帧左右视图将被分为不重叠的8*8像素块，与嵌入过程类似。接着，左右视图对应位置像素块中选定位置的DCT系数总体差异值由以下式子进行计算

$D_{(p,q)}={\&Sigma;}_{(i,j)}(C_{(i,j)}^{\&prime;l}-C_{(i,j)}^{\&prime;r})---\left(7\right)$

和嵌入过程中的指代相同，(i,j)表示像素块中的指定位置，(p,q)是像素块整体的索引。由于水印信息隐藏的过程中，每一个比特被以同样形式嵌入到DCT变换后中频区域的五个选定的参数位置上。因此，左右视图对应位置五个DCT系数差值的总和即可表征本像素块收到水印嵌入算法影像的方式。若载体媒介在传输过程中遭受了攻击，其也可以表明载体受到攻击后所承受改变幅度的大小。以D_(p,q)的计算结果为基础，水印信息的每一个比特将通过以下规则被决定：

${\mathrm{wm}}_{(p,q)}=\left\{\begin{array}{cc}0& D_{(p,q)}\&GreaterEqual;0\\ 1& D_{(p,q)}<0\end{array}\right.---\left(8\right)$

由于算法为盲水印思路实现，在对载体图像的全部内容进行提取操作后，水印信息最终被整体提取出来。

下表同时给出了三种方法操作后载体的PSNR值对比。

本实施例测试所用笔记本电脑配置为：CPU处理器Intel(R)Core(TM)i5-4210UCPU 1.70GHz；Gpu处理器NVIDIA GeForce 820M。

方法	本发明方法	Niu和Souidene的方法	Wu和Yuan的方法
				PSNR值	0.905428	0.777463	0.949632

Claims (1)

1.面向3D高清数字视频的鲁棒隐水印嵌入与提取方法,其特征在于,包括以步骤:

步骤一，视频资源处理

把用户输入的3D数字视频中分解为序列图片帧。

步骤二，水印信息嵌入

对于3D高清数字视频帧的左右通道，算法所做的操作是相同的。首先，各帧左右视图被分为不重叠的8*8像素块进行DCT变换。嵌入过程中的系数调制以每个8*8像素块为单位执行一次，水印信息中的一个比特将被均匀地嵌入位于(2,6)(3,5)(4,4)(5,3)(6,2)五个位置的中频区域DCT系数之中。

和分别为左右视图每个8*8像素块中(i,j)位置的DCT系数综合均值，其计算公式为：

$\left\{\begin{array}{c}{G}_{\left(i,j\right)}^l={\mathrm{\&omega;}}_1*g_{\left(i,j\right)}^l+{\mathrm{\&omega;}}_2*g_{\left(i,j\right)}^r\\ G_{\left(i,j\right)}^r={\mathrm{\&omega;}}_1*g_{\left(i,j\right)}^r+{\mathrm{\&omega;}}_2*g_{\left(i,j\right)}^l\end{array}\right.---\left(1\right)$

其中ω₁+ω₂＝1且ω₁六倍于ω₂。和为左右视图同样位置的DCT系数算术平均值，由式(2)定义：

$g_{(i,j)}=\frac{(C_{(i,j)}+C_{(i+1,j)}+C_{(i,j+1)}+C_{(i+1,j+1)})}{4}---\left(2\right)$

其中C_(i,j)表示的是指定位置(i,j)处的DCT系数。

随后水印算法进入嵌入核心阶段

对于在DCT系数中嵌入的每一比特，当被调制对象与已经满足式(3)中调整的大小关系时，此处的嵌入过程将略过；若不满足，依据式(3)完成最终的系数调整过程，即在水印比特wm为“0”的情况下，左视图的DCT系数在式(1)计算结果的基础上增大，而右视图的DCT系数将在的基础上减小，最终使得相反地，在水印比特wm为“1”的情况下，左视图的DCT系数在式(1)计算结果的基础上减小，而右视图的DCT系数将在的基础上增大，最终使得

以上嵌入过程用如下数学表达式进行呈现：

$\begin{array}{c}{C}_{\left(i,j\right)}^{\&prime;l}=\left\{\begin{array}{c}{G}_{(i,j)}^l+{\mathrm{\&beta;}}_{(p,q)}\&times;(\mathrm{\&alpha;}\&times;{\mathrm{JND}}_{(i,j)}^l+{\mathrm{\&epsiv;}}_{(i,j)}^l),wm=0\\ G_{(i,j)}^l-{\mathrm{\&beta;}}_{(p,q)}\&times;(\mathrm{\&alpha;}\&times;{\mathrm{JND}}_{(i,j)}^l+{\mathrm{\&epsiv;}}_{(i,j)}^l),wm=1\end{array}\right.\\ C_{\left(i,j\right)}^{\&prime;r}=\left\{\begin{array}{c}{G}_{(i,j)}^r-{\mathrm{\&beta;}}_{(p,q)}\&times;(\mathrm{\&alpha;}\&times;{\mathrm{JND}}_{(i,j)}^r+{\mathrm{\&epsiv;}}_{(i,j)}^r),wm=0\\ G_{(i,j)}^r+{\mathrm{\&beta;}}_{(p,q)}\&times;(\mathrm{\&alpha;}\&times;{\mathrm{JND}}_{(i,j)}^r+{\mathrm{\&epsiv;}}_{(i,j)}^r),wm=1\end{array}\right.\end{array}---\left(3\right)$

这里，和分别代表经历系数调制过程后的最终结果。和分别代表左右视图对应位置的最小可别差计算结果。α为0.05。ε_(i,j)＝0.1g_(i,j)。

式3中的系数β由嵌入参考矩阵决定。与α相比，β负责管控整体视角上的嵌入强度，由式(4)给出：

${\mathrm{\&beta;}}_{(p,q)}=\left\{\begin{array}{cc}0.5& R_{(p,q)}=0\\ 1& R_{(p,q)}=1\end{array}\right.---\left(4\right)$

R_(p,q)是嵌入参考矩阵的一个位于(p,q)位置的元素。每个立体视频帧的左右视图均会计算嵌入参考阵。在画面上的每个不重叠的图像块分别对应着参考阵中的一个元素。嵌入参考系数由(p,q)位置的3D视频运动以及视差信息决定，R_(p,q)∈[0,1]。

嵌入参考矩阵计算方法如下：首先运用光流法对立体视频帧每个(p,q)块中(i,j)位置的运动幅度进行计算，既包含水平方向也包含竖直方向，计算结果被分别记录为与最终的运动因子M_(i，j)的计算结果由下列式子给出：

$M_{(i,j)}=\sqrt{{M_{(i,j)}^X}^2+{M_{(i,j)}^Y}^2}---\left(5\right)$

与此同时，D_(i,j)所代表的画幅上(i,j)位置的深度信息由SGBM算法计算得出。通过综合上述运动以及深度因子信息，算法在每个像素块上都得出了一个具有权重的影响因子MotionDpth_(p,q)，由以下式子计算得出：

${\mathrm{MotionDpth}}_{(p,q)}=\frac{{\mathrm{\&Sigma;}}_i{\mathrm{\&Sigma;}}_j({\mathrm{\&mu;}}_1*D_{(i,j)}+{\mathrm{\&mu;}}_2*M_{(i,j)})}{64}---\left(6\right)$

μ₁和μ₂指的是在影响因子中深度信息因子和运动信息因子各所占比重，设置为5/6和1/6。在影响因子MotionDpth_(p,q)组成的矩阵中，对于那些高于矩阵整体均值的元素，R_(p,q)被设置成1，反之设置为0。

步骤三，水印信息提取

水印信息提取过程中，对于给定已嵌入数字水印的3D高清视频而言，算法将各帧左右视图将被分为不重叠的8*8像素块；接着，左右视图对应位置像素块中选定位置的DCT系数总体差异值由以下式子进行计算

$D_{(p,q)}={\mathrm{\&Sigma;}}_{(i,j)}(C_{(i,j)}^{\&prime;l}-C_{(i,j)}^{\&prime;r})---\left(7\right)$

(i,j)表示像素块中的指定位置，(p,q)是像素块整体的索引。由于水印信息隐藏的过程中，每一个比特被以同样形式嵌入到DCT变换后中频区域的五个选定的参数位置上。以D_(p,q)的计算结果为基础，水印信息的每一个比特将通过以下规则被决定：

${\mathrm{wm}}_{(p,q)}=\left\{\begin{array}{cc}0& D_{(p,q)}\&GreaterEqual;0\\ 1& D_{(p,q)}<0\end{array}\right.---\left(8\right)$

在对载体图像的全部内容进行提取操作后，水印信息最终被整体提取出来。