CN114363719A - 一种基于Bessel-Fourier矩的内容自适应鲁棒性视频水印方法 - Google Patents

Abstract

本发明公开了一种基于Bessel‑Fourier矩的内容自适应鲁棒性视频水印方法，涉及视频版权保护和追踪溯源技术。针对现存鲁棒视频水印方法中普遍存在忽视视频内容对不可感知性的影响的现状，通过研究数字视频内容与矩不变量之间的相关性，自适应选择内容丰富的帧进行水印嵌入；通过Bessel‑Fourier矩幅值的旋转和缩放不变性实现空域同步；引入自适应判断特征达到时域同步；本发明方法能有效抵抗各类主流视频编码器压缩、几何失真、同步攻击和组合攻击，拥有较好的鲁棒性。由于引入了内容自适应机制，本发明还拥有着优越的不可感知性，能够有效提升现有鲁棒视频水印方法的不可感知性和鲁棒性，且时间复杂度低，运行效率较快，具有实用价值。

Description

一种基于Bessel-Fourier矩的内容自适应鲁棒性视频水印 方法

技术领域

本发明涉及视频信息隐藏中的鲁棒水印技术，用于视频版权保护和追踪溯源领域。

背景技术

移动通信设备(如智能手机、笔记本电脑)的迅速普及和高速网络的发展，使得在互联网上分发视频资源变得非常方便。新冠肺炎疫情对人们的生活方式产生了重大影响，网络视频服务也随之兴起。因此，用于版权保护和追踪溯源的水印技术得到了迅速发展。随着视频水印技术的发展，出现了多种不同的类型的水印方法，包括空间域、压缩域、变换域和基于深度学习的鲁棒水印。空间域水印方案通过修改像素值直接进行水印嵌入。然而，该类方案在视频编码器压缩和几何失真下无法保持鲁棒性。压缩域水印方案将水印嵌入到标准视频编码器的比特流中(如MPEG-2、MPEG-4、H.264/AVC和H.265/HEVC)，该类方案抵抗重压缩攻击能力较弱。变换域水印方案首先对像素值进行正交变换，然后将水印嵌入到频域系数中。一些常用的正交变换有DCT、DWT、DT-CWT等。现有的变换域水印算法在强几何失真情况下的鲁棒性较弱。基于CNN的水印方案的鲁棒性是通过牺牲时间/空间复杂度实现的。此外，该类方案仅适用于低分辨率视频和短时视频。因此，近年来有学者提出利用矩不变量进行水印算法的设计。比如：2020年发表在Signal Processing期刊第172卷107544页的文献“Robust image watermarking using invariant accurate polar harmonic Fouriermoments and chaotic mapping”使用高斯数值积分优化的极谐傅里叶矩进行水印方案的实现。然而，现存基于矩不变量水印方案通常仅应用在图像水印领域，并没有给出在数字视频上的相关解决方案。而当下较新的鲁棒视频水印方案，通常忽略了视频帧之间的差异性，尽管不同视频帧的内容差异很大。比如：2021年发表在IEEE Transactions on Circuitsand Systems for Video Technology上的“Exploring stable coefficients on jointsub-bands for robust video watermarking in DT CWT domain”提出使用DTCWT变换来嵌入水印，然而并没有考虑视频帧内容对水印性能的影响。因此，本发明设计了一种基于Bessel-Fourier矩的内容自适应鲁棒性视频水印方法，改善了现存水印算法的性能。

发明内容

本发明的目的在于解决上述局限性，提供一种基于Bessel-Fourier矩的内容自适应鲁棒性视频水印方法，进一步提高现存鲁棒视频水印方案的不可感知性和鲁棒性。

实现本发明目的技术方案如下：

一种基于Bessel-Fourier矩的内容自适应鲁棒性视频水印方法，其特征在于，包括以下嵌入过程和与之相逆的提取过程；

其嵌入过程包括以下步骤：

步骤1：按序读取视频U通道，计算U通道中心区域U_c内的Bessel-Fourier矩；

步骤2：构造判断特征JF，如果JF≥T_emb，则在当前帧执行水印嵌入，否则跳过该帧，T_emb为嵌入阈值；

步骤3：改进量化索引调制方法，将水印信息嵌入到低频Bessel-Fourier矩的幅值中；

步骤4：使用广义正交复矩的重构算法，重构含水印低频中心区域

和原始低频中心区域U_low；

步骤5：利用图像重构结果得到含水印的U通道中心区域

最后，用含水印的中心区域替换原有的中心区域，得到一个加水印的U帧；

其提取过程包括以下步骤：

步骤A：按序读取含水印视频U通道，计算U通道中心区域U_c内的Bessel-Fourier矩；

步骤B：计算判断特征

如果

则在当前帧执行水印提取，否则跳过该帧，T_ext为提取阈值；

步骤C：使用量化索引调制提取方法，从低频Bessel-Fourier矩的幅值中提取水印。

进一步地，在步骤1中，计算Bessel-Fourier矩的具体步骤为：1)通过求根算法，计算第一类Bessel函数J_v(x)的零点λ_n，J_v(x)定义如下：

其中，v＝1，Γ为伽马函数。2)离散条件下，使用离散求和模拟矩计算中的二重积分，计算Bessel-Fourier矩：

其中，a_n＝[J_v+1(λ_n)]²/2是一个归一化常数，*表示复数共轭运算，Δx和Δy分别表示行方向和列方向上的采样间隔，V_nm表示矩基函数，Bessel-Fourier矩的V_nm定义如下：

V_nm＝J_v(λ_nr)e^jmθ

其中，

进一步地，在步骤2，构造基于Bessel-Fourier矩幅值的判断特征，获得内容丰富的帧进行水印嵌入，构造判断特征JF具体形式为：

其中，n_max和m_max分别表示计算Bessel-Fourier矩的最大阶数和最大重复度。|B_nm|表示Bessel-Fourier矩的幅值。如果JF≥T_emb，则在当前帧执行水印嵌入，否则跳过该帧，T_emb为嵌入阈值。

进一步地，在步骤3，改进量化索引调制方法，将水印信息嵌入到低频Bessel-Fourier矩的幅值中，改进量化索引调制嵌入的具体方法为：

其中，w表示水印比特信息，Δ表示水印嵌入的量化步长，

表示含水印的Bessel-Fourier矩的幅值。

进一步地，步骤4，使用广义正交复矩的重构算法，重构含水印低频中心区域

和原始低频中心区域U_low，具体方法为：

进一步地，步骤5，利用图像重构结果得到含水印的U通道中心区域

最后，用含水印的中心区域替换原有的中心区域，得到一个加水印的U帧。

采用本发明方法，可内容自适应的选择内容丰富的帧进行水印嵌入，使得水印设计与视频内容紧密结合，提升了现存水印算法的性能。本发明旨在利用正交复矩技术保障视频版权安全。

相对于现有技术，本发明的有益效果在于：

1.本发明通过研究数字视频内容与矩不变量之间的相关性，自适应选择内容丰富的帧进行水印嵌入，有效的提升了水印方案的不可感知性；

2.时域同步是通过自适应构造判断特征和改进的量化索引调制的嵌入过程实现的，水印提取器，无需任何附加信息即可准确提取水印；

3.空域同步是通过Bessel-Fourier幅值的旋转和缩放不变性实现的，这使得水印在面对各类攻击都具有较好的鲁棒性。

附图说明

图1为本发明实施例的嵌入流程图。

图2为本发明实施例的提取流程图。

图3为本发明实施例计算Bessel-Fourier矩示意图。其中，3(a)为计算的区域示意图；3(b)为计算的Bessel-Fourier矩示意图。

图4为本发明实施例视频帧内容与Bessel-Fourier矩幅值对应关系图。其中，图4(a)为内容丰富的帧正重复度的Bessel-Fourier矩幅值关系示意图；图4(b)为内容单一的帧正重复度的Bessel-Fourier矩幅值关系示意图。

图5为本发明实施例的内容自适应嵌入提取效果示意图。

图6为本发明在公开视频数据集中与已有方法的PSNR和EC比较对照表。

图7为本发明在公开视频数据集中与已有方法的BER比较对照表。

具体实施方式

下面结合附图和具体实施例，对本发明进一步说明。

如图1～2所示，本发明实施例实现了基于Bessel-Fourier矩的内容自适应鲁棒性视频水印方法，其中包括了计算Bessel-Fourier矩、构造判断特征、水印信息量化嵌入提取，合理设定嵌入和提取阈值，构成了整个鲁棒视频水印框架。图1给出了本发明的嵌入流程；图2给出了本发明的提取流程。

本实施例包括以下嵌入步骤：

S1：按序读取视频色度通道U，计算U通道中心区域U_c内的Bessel-Fourier矩，图3(a)中给出了计算的区域示意。图3(b)给出了计算的Bessel-Fourier矩示意，红色块代表的0阶0重复度矩不用于水印嵌入，蓝色块代表的矩用于水印嵌入。

计算Bessel-Fourier矩的具体步骤为：

S1.1：通过求根算法，计算第一类Bessel函数J_v(x)的零点λ_n，J_v(x)定义如下：

其中，v＝1，Γ为伽马函数。

S1.2：离散条件下，使用离散求和模拟矩计算中的二重积分，计算Bessel-Fourier矩：

其中，a_n＝[J_v+1(λ_n)]²/2是一个归一化常数，*表示复数共轭运算，Δx和Δy分别表示行方向和列方向上的采样间隔，V_nm表示矩基函数，Bessel-Fourier矩的V_nm定义如下：

V_nm＝J_v(λ_nr)e^jmθ

其中，

S2：基于视频帧内容，构造判断特征，由图4(a)所示，内容丰富的帧正重复度的Bessel-Fourier矩幅值较大。由图4(b)所示，内容单一的帧正重复度的Bessel-Fourier矩幅值较小，因此，本发明以视频帧内容正重复度矩幅值和作为判断特征JF，其具体形式为：

其中，n_max和m_max分别表示计算Bessel-Fourier矩的最大阶数和最大重复度。|B_nm|表示Bessel-Fourier矩的幅值。如果JF≥T_emb，则在当前帧执行水印嵌入，否则跳过该帧，T_emb为嵌入阈值。本实施例中，T_emb＝50，n_max＝m_max＝7。

S3：改进量化索引调制方法，将水印信息嵌入到低频Bessel-Fourier矩的幅值中，改进量化索引调制嵌入的具体方法为：

其中，w表示水印比特信息，Δ表示水印嵌入的量化步长，

表示含水印的Bessel-Fourier矩的幅值。本实施例中，Δ＝3.6。

S4：使用广义正交复矩的重构算法，重构含水印低频中心区域

和原始低频中心区域U_low，具体方法为：

S5：利用图像重构结果得到含水印的U通道中心区域

最后，用含水印的中心区域替换原有的中心区域，得到一个加水印的U帧。

本实施例包括以下提取步骤：

SA：按序读取含水印视频U通道，计算U通道中心区域U_c内的Bessel-Fourier矩，具体步骤与嵌入过程一致；

SB：计算判断特征

如果

则在当前帧执行水印提取，否则跳过该帧，T_ext为提取阈值，计算

的具体形式为：

其中，

表示提取的Bessel-Fourier矩幅值。本实施例中，T_ext＝T_emb+7Δ。

SC：使用量化索引调制提取方法，从低频Bessel-Fourier矩的幅值中提取水印，具体过程如下：

其中，

表示提取的水印比特信息。

图5为本发明在测试视频上的嵌入提取效果图，经过内容自适应嵌入，得到了水印视频。然后对带水印的视频进行H.264/AVC编码器压缩(QP＝40)，缩放50％攻击，得到被攻击的视频。可以看出，该方案避免了在内容单一的帧中进行嵌入(如118帧为纯白色内容，245帧为全黑背景字幕，430帧为黑屏过渡)。通过合理设置提取阈值，水印提取器可以准确判断哪些帧包含水印，并进行提取。

本实例采用峰值信噪比(PSNR)，嵌入容量(EC)以及误码率(BER)作为评价指标：PSNR值越高，不可感知性越好，而误码率越低，水印鲁棒性越好。

图6为本发明在公开视频数据集中与已有方法的PSNR和EC比较。结果表明：本发明在保证较高嵌入容量的同时，具有比现有方案更好的不可感知性。图7为本发明在公开视频数据集中与已有方法的BER比较。结果表明：本发明具有较低的误码率，表明该方案具有较高的鲁棒性。

Claims (10)

1.一种基于Bessel-Fourier矩的内容自适应鲁棒性视频水印方法，其特征在于，包括以下嵌入过程和与之相逆的提取过程；

其嵌入过程包括以下步骤：

步骤1：按序读取视频U通道，计算U通道中心区域U_c内的Bessel-Fourier矩；

步骤2：构造判断特征JF，如果JF≥T_emb，则在当前帧执行水印嵌入，否则跳过该帧，T_emb为嵌入阈值；

步骤3：改进量化索引调制方法，将水印信息嵌入到低频Bessel-Fourier矩的幅值中；

步骤4：使用广义正交复矩的重构算法，重构含水印低频中心区域

和原始低频中心区域U_low；

步骤5：利用图像重构结果得到含水印的U通道中心区域

最后，用含水印的中心区域替换原有的中心区域，得到一个加水印的U帧；

其提取过程包括以下步骤：

步骤A：按序读取含水印视频U通道，计算U通道中心区域U_c内的Bessel-Fourier矩；

步骤B：计算判断特征

如果

则在当前帧执行水印提取，否则跳过该帧，T_ext为提取阈值；

步骤C：使用量化索引调制提取方法，从低频Bessel-Fourier矩的幅值中提取水印。

2.如权利要求1所述的基于Bessel-Fourier矩的内容自适应鲁棒性视频水印方法，其特征在于，步骤1中，计算Bessel-Fourier矩的具体过程为：

(1)通过求根算法，计算第一类Bessel函数J_v(x)的零点λ_n，J_v(x)定义如下：

其中，v＝1，k是自然数，Γ为伽马函数；

(2)离散条件下，使用离散求和模拟矩计算中的二重积分，计算Bessel-Fourier矩：

其中，a_n＝[J_v+1(λ_n)]²/2是一个归一化常数，*表示复数共轭运算，Δx和Δy分别表示行方向和列方向上的采样间隔，V_nm表示矩基函数，Bessel-Fourier矩的V_nm定义如下：

V_nm＝J_v(λ_nr)e^jmθ

其中，

3.如权利要求1所述的基于Bessel-Fourier矩的内容自适应鲁棒性视频水印方法，其特征在于，步骤2中，判断特征JF的具体形式为：

其中，n_max和m_max分别表示计算Bessel-Fourier矩的最大阶数和最大重复度；|B_nm|表示Bessel-Fourier矩的幅值。

4.如权利要求1所述的基于Bessel-Fourier矩的内容自适应鲁棒性视频水印方法，其特征在于,步骤3中，改进量化索引调制嵌入的具体方法为：

其中，w表示水印比特信息，Δ表示水印嵌入的量化步长，

表示含水印的Bessel-Fourier矩的幅值。

5.如权利要求1所述的基于Bessel-Fourier矩的内容自适应鲁棒性视频水印方法，其特征在于,步骤4中，重构含水印低频中心区域

和原始低频中心区域U_low的具体方法为：

6.如权利要求1所述的基于Bessel-Fourier矩的内容自适应鲁棒性视频水印方法，其特征在于步骤B中，判断特征

的具体形式为：

其中，

表示提取的判断特征，

表示提取的Bessel-Fourier矩幅值。

7.如权利要求1所述的基于Bessel-Fourier矩的内容自适应鲁棒性视频水印方法，其特征在于步骤C中，提取水印的具体方法为：

其中，

表示提取的水印比特信息。

8.如权利要求1所述所述的基于Bessel-Fourier矩的内容自适应鲁棒性视频水印方法，其特征在于，所述嵌入阈值T_emb＝50。

9.如权利要求1所述的的基于Bessel-Fourier矩的内容自适应鲁棒性视频水印方法，其特征在于，所述提取阈值T_ext＝T_emb+7Δ。

10.如权利要求3所述基于Bessel-Fourier矩的内容自适应鲁棒性视频水印方法，其特征在于，所述最大阶数n_max＝7，最大重复度m_max＝7。

Images