CN114205644A - 基于帧内差的空域鲁棒视频水印嵌入与提取方法 - Google Patents

Abstract

本发明公开一种基于帧内差的空域鲁棒视频水印嵌入与提取方法，使用抵抗几何攻击和压缩攻击的图像水印在每一帧内嵌入1bit数据；对不同区域的像素值根据其邻域的复杂度，选择不同的嵌入强度，同一时间段内的所有帧重复嵌入相同的水印信息。基于像素邻域复杂度为每一个像素选择不同的嵌入强度，显著的降低了嵌入失真。本发明通过对每一帧内两类像素的值作出不同的修改进行水印嵌入，利用了随机两组像素均值在统计学上相等的特性，能够较好的抵抗各种压缩攻击。同时在嵌入之前对视频进行分段并在每一个时间段内的所有帧嵌入相同的水印信息，使该算法能较好地抵抗各种帧攻击。

Description

基于帧内差的空域鲁棒视频水印嵌入与提取方法

技术领域

本发明属于视频水印技术领域，具体涉及一种基于帧内差的空域鲁棒视频水印嵌入与提取方法。

背景技术

互联网的发展和普及使多媒体信息的交流日渐蓬勃，多媒体数据的数字化为多媒体数据的存取提供了极大的便利。随着高速宽带接入和众多互联网流媒体网站的普及，全球观众可以在几天之内在线观看、下载和传播盗版视频。尽管许多国家都有严格的法律保护视频的保全，但是事实证明，这些法律是无效的。鲁棒视频水印技术是数字水印技术的一个重要分支，视频水印的载体是视频，作用是对视频数据实施版权保护。

相较于图像，视频存在大量的数据冗余，因此视频水印的算法更加灵活。此外，帧复制、帧删除、帧率改变这些针对视频的编辑方法可能破坏视频水印的时间同步性，这对视频水印算法提出了比图像水印算法更多的要求，需要视频水印算法比图像水印算法具有更强的鲁棒性才能保证水印信息在经历各种视频处理后不丢失。被嵌入水印的视频可能再被提取水印之前受到了各种不同类型的攻击。因此在设计水印算法时，必须使水印具有不可感知性对攻击的鲁棒性等问题。不可感知性要求视频水印的嵌入不能使原始数据发生可感知的变化，也不能使被保护的数据发生可感知的质量扭曲。水印方案的鲁棒性是指其在水印视频失真后保持水印功能的能力。典型的失真类型包括信号处理和几何攻击，以及时间去同步化。

目前已经有许多视频水印算法，但他们中大多数都是针对几何攻击和压缩攻击所涉及的，并不能抵抗帧攻击。帧攻击是指针对视频帧序列进行添加、删除、改变顺序等操作。视频中相邻视频帧是相似的，如果复制视频中的某些帧或者丢失一部分帧，视频的变化不会被人察觉，而对水印的时间同步性影响很大。因此如果复制或者丢弃一部分帧，可能会导致水印提取失败。

针对以上问题，在尽量保持水印不可见性的前提下，如何使水印能够同时抵抗压缩攻击、几何攻击和帧攻击的研究是非常有价值的。

发明内容

本发明解决的技术问题：提供一种在保证水印不可见性的前提下，通过充分利用像素之间的信息冗余，有效降低载体视频的嵌入失真的基于帧内差的空域鲁棒视频水印嵌入与提取方法。

技术方案：为了解决上述技术问题，本发明采用的技术方案如下：

一种基于帧内差的空域鲁棒视频水印嵌入与提取方法，首先，利用视频帧内的信息相似性，使用抵抗几何攻击和压缩攻击的图像水印在每一帧内嵌入1bit数据；对不同区域的像素值根据其邻域的复杂度，选择不同的嵌入强度，在同一时间段内的所有帧重复嵌入相同的水印信息；然后利用眼对亮度的变化比较敏感，而对色彩的变化比较迟钝的特性，将水印通过U通道进行嵌入。具体包括以下步骤：视频分段、帧分区、像素分类、数据嵌入与数据提取；

S1，视频分段：将视频按照时间分割成多个视频片段，每个片段的时间长度相同；

S2:帧分区：先将帧分为nxn个小块，然后将这些小块随机分为两组，就是将每一帧的像素分为两组；

S3：像素分类：首先计算出载体图像上每一个像素的邻域复杂度，也就是像素所在区域的平滑程度。然后根据预先设置好的N个阈值参数，根据所在区域的平滑程度，将像素分成N+1类，相同类别的像素的邻域复杂度是相近的；

S4：数据嵌入：根据水印信息，对每一帧的两组像素值作不同的修改，使其中一组像素的像素值增加，另一组像素的像素值减少，每一个像素值的修改程度由其平滑程度所决定；

S5：数据提取：首先计算含水印视频每一帧图像两组像素值之间的差异性，检测视频每一帧内所嵌入的数据，然后采用多数裁决制判断每一个小的视频片段被嵌入了哪种信息。

进一步地，步骤S1中，根据预先设定好的T值，将视频按照时间T分为若干个片段，每一个片段中嵌入相同的水印信息。

进一步地，步骤S3中，首先，在嵌入时需要更改每一个像素的像素值，那么对于每一个像素x，需要计算x的邻域复杂度，在计算邻域复杂度时，先计算像素x的竖直方向和水平方向相邻两个像素的差分，接下来将差分的绝对值相加之和作为当前像素x的邻域复杂度。

进一步地，计算得到所有的像素的邻域复杂度以后，根据预先设计好的N个阈值参数T₁,……T_N，将其中邻域复杂度大于等于0小于T₁的像素集合记为W₁、邻域复杂度大于等于T₁小于T₂的像素记为W₂，以此类推，邻域复杂度大于等于T_N的像素集合记为W_N+1。这种分类方法将图像像素根据周边邻域的平滑性进行了划分，得到了N+1类像素集合W₁,……,W_N+1；然后对这N+1组像素设定不同的嵌入强度W_1,W₂,……,W_N+1，其中W₁＜W₂,……＜W_N+1。

进一步地，步骤S4中，数据嵌入时，首先是单帧嵌入，在对每一帧的像素进行分区并根据每个像素复杂度对像素进行分类之后，按照如下公式通过像素值的修改实现水印的嵌入：

其中，

和

分别为嵌入前后第i帧坐标为(x,y)的像素值，β为人为调整的嵌入强度，α_x,y为坐标为(x,y)的区域复杂度所对应的嵌入强度，且α_x,y∈{w₁,w₂…w_n+1}；b_i为该帧所嵌入的水印信息且b_i∈{0,1}；

然后是整体嵌入，即在对视频进行分段之后，在每一段内的所有帧嵌入相同的1bit数据。

进一步地，步骤5中，首先提取出每一帧所嵌入的信息，提取公式如下：

其中

式中，

为含水印视频第i帧坐标为(x,y)的像素值，α_x,y为坐标为(x,y)的像素所属于的区域，如果在区域A中，则α_x,y＝1，如果在区域B中，则α_x,y＝-1；在对每一帧进行提取之后，会得到比特串

由于在嵌入时每一个时间段内的所有帧都嵌入了相同的信息，因此在提取时需要判断每一个时间段提取到的0和1的数目，采用多数裁决制来判断该时间段嵌入的信息，最终得到全部提取到的水印。

有益效果：与现有技术相比，本发明具有以下优点：

本发明的基于帧内差的空域鲁棒视频水印嵌入与提取方法，基于像素邻域复杂度为每一个像素选择不同的嵌入强度，减少了水印嵌入以后相邻帧间的差异程度，显著的降低了嵌入失真。通过对每一帧内两类像素的值作出不同的修改进行水印嵌入，利用了随机两组像素均值在统计学上相等的特性，能够较好的抵抗各种压缩攻击。同时在嵌入之前对视频进行分段并在每一个时间段内的所有帧嵌入相同的水印信息，使该算法能较好地抵抗各种帧攻击，本发明并没有将水印直接嵌入Y通道而是选择了U通道进行嵌入，利用了人眼对亮度的变化比较敏感，而对色彩的变化比较迟钝的特性，再次降低了嵌入之后人眼所能感知到的差异。

附图说明

图1是视频分段示意图；

图2帧像素分类示意图；

图3水印嵌入整体流程图；

图4水印提取整体流程图；

图5原视频与水印视频比较。

具体实施方式

下面结合具体实施例，进一步阐明本发明，实施例在以本发明技术方案为前提下进行实施，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。

本发明的基于帧内差的空域鲁棒视频水印嵌入与提取方法，首先利用视频帧内的信息相似，使用抵抗几何攻击和压缩攻击的图像水印在每一帧内嵌入1bit数据，考虑到人眼对复杂区域敏感性较强的特性，对不同区域的像素值根据其邻域的复杂度，选择不同的嵌入强度，然后在同一时间段内的所有帧重复嵌入相同的水印信息，减少了水印嵌入以后相邻帧间的差异程度，进一步降低嵌入失真。而且，本发明并没有将水印直接嵌入Y通道而是选择了U通道进行嵌入，则是利用了人眼对亮度的变化比较敏感，而对色彩的变化比较迟钝的特性，再次降低了嵌入之后人眼所能感知到的差异。

YUV是被欧洲电视系统所采用的一种颜色编码方法，其中“Y”表示明亮度(Luminance或Luma)，也就是灰阶值；而“U”和“V”表示的则是色度(Chrominance或Chroma)，作用是描述影像色彩及饱和度，用于指定像素的颜色。也就是说，Y通道图像信息表示图像的亮度信息，U通道图像信息和V通道图像信息表示图像的彩色信息，将Y通道图像信息、U通道图像信息和V通道图像信息结合起来，就能够形成彩色图片。

本发明主要包括以下几个步骤：视频分段；帧分区；像素分类；数据嵌入与数据提取。

S1：视频分段：将视频按照时间分割成多个视频片段，每个片段的时间长度相同。

如图1所示，根据预先设定好的T值，将视频按照时间T分为若干个片段，每一个片段中嵌入相同的水印信息；T值根据峰值信噪比的预设值进行预估，增大T能增加算法的鲁棒性，因为T越大，T时间内包含的帧越多，水印提取时采用多数判决得到正确比特的概率越高，代价是嵌入完整水印信息所需的帧数越多，。

S2：帧分区：如图2所示，首先将帧分为nxn个小块，然后将这些小块随机分为两组，也即将每一帧的像素分为了两组。每一个小块的高度为H/n，宽度为W/n，其中H和W为帧的高度和宽度。在第一帧确定好视频分块和块分类之后，本视频的所有帧的分类方式都与第一帧相同，设这两个区域分别为区域A和区域B。

S3：像素分类：首先计算出载体图像上每一个像素的邻域复杂度，也就是像素所在区域的平滑程度。然后根据预先设置好的N个阈值参数，根据所在区域的平滑程度，将像素分成N+1类。相同类别的像素的邻域复杂度是相近的。

首先，在嵌入时需要更改每一个像素的像素值。那么对于每一个像素x，需要计算x的邻域复杂度。在计算邻域复杂度时，先计算像素x的竖直方向和水平方向相邻两个像素的差分，接下来将差分的绝对值相加之和作为当前像素x的邻域复杂度。

计算得到所有的像素的邻域复杂度以后，根据预先设计好的N个阈值参数T₁,……T_N，将其中邻域复杂度大于等于0小于T₁的像素集合记为W₁、邻域复杂度大于等于T₁小于T₂的像素记为W₂，以此类推，邻域复杂度大于等于T_N的像素集合记为W_N+1。这种分类方法将图像像素根据周边邻域的平滑性进行了划分，得到了N+1类像素集合W₁,……,W_N+1。在这些集合中，W₁代表着最为平滑的区域的一部分像素，而W_N代表着纹理比较复杂区域的一部分像素。然后对这N+1组像素设定不同的嵌入强度W_1,W₂,……,W_N+1，其中W₁＜W₂,……＜W_N+1。

S4：数据嵌入：根据水印信息，对每一帧的两组像素值作不同的修改，使其中一组像素的像素值增加，另一组像素的像素值减少。每一个像素值的修改程度由其平滑程度所决定。

数据嵌入的步骤为：首先是单帧嵌入，在对每一帧的像素进行分区并根据每个像素复杂度对像素进行分类之后，按照如下公式通过像素值的修改实现水印的嵌入。

其中，

和

分别为嵌入前、后第i帧坐标为(x,y)的像素值，β为人为调整的嵌入强度，α_x,y为坐标为(x,y)的区域复杂度所对应的嵌入强度，且α_x,y∈{w₁,w₂…w_n+1}；b_i为该帧所嵌入的水印信息且b_i∈{0,1}；然后是整体嵌入，即在对视频进行分段之后，在每一段内的所有帧嵌入相同的1bit数据。视频的整体嵌入流程如图3所示。

S5：数据提取：首先计算含水印视频每一帧图像两组像素值之间的差异性，检测视频每一帧内所嵌入的数据，然后采用多数裁决制判断每一个小的视频片段被嵌入了哪种信息，也即比较每一个小视频段所有帧被嵌入的哪种信息最多来判断每一个视频段所嵌入的数据。

数据提取的步骤为:首先提取出每一帧所嵌入的信息，提取公式如下：

其中

式中，

为含水印视频第i帧坐标为(x,y)的像素值，α_x,y为坐标为(x,y)的像素所属于的区域，如果在区域A中，则α_x,y＝1，如果在区域B中，则α_x,y＝-1；在对每一帧进行提取之后，会得到比特串

由于在嵌入时每一个时间段内的所有帧都嵌入了相同的信息，因此在提取时需要判断每一个时间段提取到的0和1的数目，采用多数裁决制来判断该时间段嵌入的信息，水印提取的整体流程图如图4所示。

本发明从不可见性和鲁棒性两个指标来判断本发明算法来验证算法的性能。

在不可见性实验中，首先进行了主观性评估，即人眼比较水印视频和原视频的差异，对比图如图5所示，从图中可以看出，含水印视频和原视频并无人能感知到的视觉差异。

然后又通过峰值信噪比(PSNR)进行客观性评估，测试视频的信息和水印视频与原视频的PSNR值如表1所示，从表1中可以看出，每一个PSNR值都大于41dB，这表示本发明算法具有较好的不可见性。

表1测试视频信息及嵌入后水印视频与原视频的PSNR

视频	分辨率	比特率	PSNR
				V1	640*320	1316Kbps	41.3dB
V2	1280*720	4871Kbps	41.6dB
				V3	1920*1080	8013Kbps	42.1dB
V4	2048*1536	11232Kbps	43.5dB

在鲁棒性实验中，每个水印视频与原视频的PSNR值保持在40dB；然后对水印视频进行各种攻击，攻击方式和参数如表2所示，包括覆盖、时间裁剪、空间缩放、高斯滤波、中值滤波、帧率修改、椒盐噪声以及帧复制和帧删除；最终结果如表3所示，从结果中可以看出，本发明算法在常见的压缩攻击，即滤波和噪声以及缩放攻击的影响下，仍能以很高的正确率实现水印的提取工作，其次，本算法还能抵抗各种帧攻击。

表2测试所用攻击方式及参数

攻击类型	攻击参数
		覆盖	10％、20％、30％
裁剪	1/3、2/3
		缩放	50％、200％
高斯滤波	σ＝0.1，μ＝0
		中值滤波	K＝3
椒盐噪声	p＝0.01、p＝0.1
		帧率修改	2/3
帧拷贝和帧删除	1.5％

表3所提算法与其他两种算法的鲁棒性比较

因此，本发明所提出的基于帧内差的鲁棒性视频水印算法，能够根据像素所在区域的复杂度灵活选择嵌入强度，并在U通道进行嵌入，充分利用了人眼对复杂区域和色彩变化敏感度较低的特性，尽量避免了嵌入所引起的失真，其次在嵌入之前将视频按照时间进行分段处理，避免了帧率修改对水印提取的影响，较为理想的完成了一个可以应用实践的鲁棒视频水印算法。

以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种基于帧内差的空域鲁棒视频水印嵌入与提取方法，其特征在于，包括：首先，利用视频帧内的信息相似性，使用抵抗几何攻击和压缩攻击的图像水印在每一帧内嵌入1bit数据；对不同区域的像素值根据其邻域的复杂度，选择不同的嵌入强度，然后在同一时间段内的所有帧重复嵌入相同的水印信息；然后利用眼对亮度的变化比较敏感，而对色彩的变化比较迟钝的特性，将水印通过U通道进行嵌入。

2.根据权利要求1所述的基于帧内差的空域鲁棒视频水印嵌入与提取方法，其特征在于：具体包括以下步骤：视频分段、帧分区、像素分类、数据嵌入与数据提取；

S1，视频分段：将视频按照时间分割成多个视频片段，每个片段的时间长度相同；

S2，帧分区：先将帧分为nxn个小块，然后将这些小块随机分为两组，就是将每一帧的像素分为两组；

S3，像素分类：首先计算出载体图像上每一个像素的邻域复杂度，也就是像素所在区域的平滑程度。然后根据预先设置好的N个阈值参数，根据所在区域的平滑程度，将像素分成N+1类，相同类别的像素的邻域复杂度是相近的；

S4，数据嵌入：根据水印信息，对每一帧的两组像素值作不同的修改，使其中一组像素的像素值增加，另一组像素的像素值减少，每一个像素值的修改程度由其平滑程度所决定；

S5，数据提取：首先计算含水印视频每一帧图像两组像素值之间的差异性，检测视频每一帧内所嵌入的数据，然后采用多数裁决制判断每一个小的视频片段被嵌入了哪种信息。

3.根据权利要求2所述的基于帧内差的空域鲁棒视频水印嵌入与提取方法，其特征在于：步骤S1中，根据预先设定好的T值，将视频按照时间T分为若干个片段，每一个片段中嵌入相同的水印信息。

4.根据权利要求2所述的基于帧内差的空域鲁棒视频水印嵌入与提取方法，其特征在于：步骤S3中，首先，在嵌入时需要更改每一个像素的像素值，那么对于每一个像素x，需要计算x的邻域复杂度，在计算邻域复杂度时，先计算像素x的竖直方向和水平方向相邻两个像素的差分，接下来将差分的绝对值相加之和作为当前像素x的邻域复杂度。

5.根据权利要求4所述的基于帧内差的空域鲁棒视频水印嵌入与提取方法，其特征在于：计算得到所有的像素的邻域复杂度以后，根据预先设计好的N个阈值参数T₁,……T_N，将其中邻域复杂度大于等于0小于T₁的像素集合记为W₁、邻域复杂度大于等于T₁小于T₂的像素记为W₂，以此类推，邻域复杂度大于等于T_N的像素集合记为W_N+1。这种分类方法将图像像素根据周边邻域的平滑性进行了划分，得到了N+1类像素集合W₁,……,W_N+1；然后对这N+1组像素设定不同的嵌入强度W_1,W₂,……,W_N+1，其中W₁＜W₂,……＜W_N+1。

6.根据权利要求1所述的基于帧内差的空域鲁棒视频水印嵌入与提取方法，其特征在于：步骤S4中，数据嵌入时，首先是单帧嵌入，在对每一帧的像素进行分区并根据每个像素复杂度对像素进行分类之后，按照如下公式通过像素值的修改实现水印的嵌入：

其中，

和

分别为嵌入前后第i帧坐标为(x,y)的像素值，β为人为调整的嵌入强度，α_x,y为坐标为(x,y)的区域复杂度所对应的嵌入强度，且α_x,y∈{w₁,w₂…w_n+1}；b_i为该帧所嵌入的水印信息且b_i∈{0,1}；

然后是整体嵌入，即在对视频进行分段之后，在每一段内的所有帧嵌入相同的1bit数据。

7.根据权利要求1所述的基于帧内差的空域鲁棒视频水印嵌入与提取方法，其特征在于：步骤5中，首先提取出每一帧所嵌入的信息，提取公式如下：

其中

式中，

为含水印视频第i帧坐标为(x,y)的像素值，α_x,y为坐标为(x,y)的像素所属于的区域，如果在区域A中，则α_x,y＝1，如果在区域B中，则α_x,y＝-1；在对每一帧进行提取之后，会得到比特串

由于在嵌入时每一个时间段内的所有帧都嵌入了相同的信息，因此在提取时需要判断每一个时间段提取到的0和1的数目，采用多数裁决制来判断该时间段嵌入的信息，最终得到全部提取到的水印。

Images