CN1241389C - 多媒体产品中面向对象的自同步水印检测方法 - Google Patents

Abstract

一种多媒体产品中面向对象的自同步水印检测方法，利用主轴变换构造了描述任意形状对象方位和大小信息的惯量椭圆，分别在对象嵌入水印前和遭受攻击后分析、预测对象在传输信道中经历的几何攻击，实现对象的快速自同步校准，获得水印检测的自同步性；形状自适应余弦变换结合人类视觉遮蔽模型，将置乱的水印信息嵌入到任意形状的对象中，在不可见的前提下，最大强度嵌入水印；维纳滤波用来预测目标对象的初始数值，因此水印检测不需要原始图像的参与。本发明改进了面向对象的数字水印方法对几何攻击的鲁棒性，即使在对象遭受了缩放、旋转、移位等几何攻击后，仍然可以实现水印信息的自同步检测，可应用于视频对象的版权保护。

Description

多媒体产品中面向对象的自同步水印检测方法

技术领域：

本发明涉及一种多媒体产品中面向对象的自同步水印检测方法，利用惯量椭圆等技术实现对象在几何攻击下的自同步水印检测，实现多媒体产品中任意形状对象的版权保护，属于信息安全技术领域。

背景技术：

随着网络技术与多媒体技术的飞速发展，图像、文本、音频和视频等数字形式的多媒体产品得到了广泛的传播和运用，多媒体通信逐渐成为人们之间信息交流的重要手段。但是，数字产品很容易被复制、处理和公开传播，盗版者正是利用数字产品的这些特性来破坏制造商和用户的合法权利以获得个人利益，由此引发了数字信息安全问题和多媒体产品的版权保护问题。信息安全与保密不仅涉及国家的利益，而且与商务活动以及个人都有极大的关系，因此，多媒体信息安全技术已日渐成为人们关心的焦点，也是当今信息技术中的研究热点。

数字水印技术就是在图像、声音、文档、视频等多媒体产品中秘密嵌入具有可鉴别性的数字信号或模式，以用来识别或鉴定数字产品的发源地、所有者、内容、使用权、序列号、权利、完整性或终点等。因为水印技术是在不影响图像直观质量的情况下秘密嵌入说明图像内容、参数和注解等数据的，不仅可以解决多媒体产品的版权保护问题，还可为多媒体数据文件在认证、防伪、防篡改、保障数据安全和完整等方面提供有效的技术手段。

用于版权保护的数字水印技术，要求对各种信号处理过程具有很强的抵抗性，即使在数据失真的情况下，仍能保持水印的完整性和鉴别的准确性。大多数水印方法对于一般的图像处理操作，例如压缩、滤波等，具有较强的鲁棒性，但是，对于几何攻击(如缩放、旋转、移位等)却显得无能为力，往往非常小的几何失真就可以击溃方法的水印检测能力。现有抵抗几何攻击的水印检测方法一般利用对几何变换保持不变的领域(如离散付立叶变换(DFT)，付立叶-马林变换(Fourier-Mellin)，不变矩等)；或利用水印本身的自相关函数；或使用对仿射变换具有同步检测能力的附加模板等来实现自同步性。但是，这些方法大都针对静止图像提出，水印信息被均匀分散到整幅图像中，并没有特别考虑图像的局部特征。

新的视频编码标准MPEG-4，提供了一种面向对象的图像表达方式，可以大大提高视频压缩率，满足更广阔的多媒体应用的要求。新标准的制定，也为多媒体产品的版权保护提出了新的问题：如何保护任意形状对象的版权？针对这个问题，Swanson于1997年首先提出了基于离散余弦变换(DCT)的数字水印方法，但该方法其实属于帧视频水印方法，并没有考虑任意形状对象的编码问题(“Object-based transparent video watermarking，”IEEE workshop on Multimediasignal processing，Princeton，New Jersey，USA，pp：369-374，1997)；Kim比较了面向对象的灰度填充水印技术和基于形状自适应余弦变换(SA-DCT)的水印技术，认为基于形状自适应余弦变换的水印技术的鲁棒性优于灰度填充水印技术(“Anobject-based video watermarking，”International Conference on ConsumerElectronics，PP：100-102，1999)；Wu提出了基于形状自适应小波变换的水印方法(“Object-based multiresolution watermarking of images and video，”IEEEInternational Symposium on Circuits and Systems，Vol.1，pp：212-215，2000)；但这些方法都没有考虑几何攻击后水印的自同步检测问题。在MPEG-4中，由于视频对象可被随意修改，却不会引起明显的视觉失真，所以这个问题变得尤为重要。

发明内容：

本发明的目的在于针对现有技术的不足及实际需要，提供一种新的多媒体产品中面向对象的自同步水印检测方法，即使在对象遭受了缩放、旋转、移位等几何攻击后，仍然可以检测到嵌入对象的水印信息。

为实现这样的目的，本发明提出利用主轴变换求解任意形状对象协方差的特征值和特征向量，构造对象的边信息——惯量椭圆，来预测对象在传输信道中经历的几何攻击，实现对象的快速自同步校准，从而获得水印检测的自同步性。

在水印嵌入端，首先利用惯量椭圆对未嵌入水印的初始对象进行内容分析，以获取对象的边信息；然后利用图像置乱技术将有意义的水印信息置乱，最后利用形状自适应余弦变换结合人类视觉遮蔽模型，将置乱后水印信息嵌入到任意形状的对象中，实现水印嵌入。

在水印检测端，首先对被攻击的对象进行惯量椭圆分析，获得对象的同步信息，并与对象边信息进行比较，以进行对象的自同步校准；然后利用维纳滤波操作来预测初始对象数据；最后根据水印嵌入过程的逆过程，从对象中提取水印，并经过置乱恢复后，与初始水印信息进行相关性判定。

本发明方法的具体步骤如下：

1、对象边信息的获取

本发明利用模式识别中的主轴变换，推导构造了用来描述任意形状对象方位和大小信息的惯量椭圆，来实现几何攻击后对象的快速自同步校准。因此，在数字水印嵌入之前，首先对未嵌入水印的对象进行惯量椭圆分析，根据对象协方差矩阵的特征值和特征向量，来获得对象的重心、主轴的方向和大小等边信息，并传递到水印检测端，用以实现水印检测过程中的对象自同步校准。

2、数字水印的嵌入

水印信息是一幅有意义的二值图像，考虑到人眼对于随机噪声的容忍性，为使水印信号更接近于随机噪声分布，以及为了分散水印检测时的遭到损坏的比特位，采用Arnold变换将水印置乱，再进行水印嵌入。

水印嵌入规则为线性加法策略，水印信号根据对象的形状和视觉遮蔽模型，隐藏在图像的特定频段。将任意形状的对象按8×8子块划分，并根据对象的形状信息，将图像块分为背景块和对象块。对象块又可划分为对象内部块和对象边界块，对象内部块用标准离散余弦变换DCT编码，而对象边界块用形状自适应离散余弦变换SA-DCT编码，来实现水印嵌入。由于人眼对低频段的噪声比较敏感，而高频段信息在压缩过程有可能被丢失，因此水印信息应该嵌入DCT系数的中频段，以获得鲁棒性和不可见性的权衡。水印的嵌入强度由人类视觉遮蔽模型自适应决定，可在不可见的前提下，最大强度的嵌入水印。最后，根据对象的形状信息，对对象内部块执行逆向离散余弦变换，对对象边界块执行逆向形状自适应离散余弦变换，获得嵌入水印的对象。

3、对象的自同步校准

在数字水印的检测过程中，首先进行对象的自同步信息检测。利用惯量椭圆技术分析受攻击对象的重心、主轴方向和大小等信息，并与水印嵌入前的对象边信息进行比较，以调整对象获得水印检测的同步性。需要指出的是，在对象校准的过程中，目标对象的重心应与其惯量椭圆的中心相匹配，不仅为了进行精确对象校准，也为了控制水印提取过程中对象的图像块划分。

4、数字水印的检测

数字水印的检测过程基本上是数字水印嵌入过程的逆过程。为实现水印检测不需要原始图像，利用维纳滤波来预测对象的原始数值。在水印嵌入区域，目标对象的DCT值和预测对象的DCT值的差值符号决定了该处的水印预测值。预测出的水印经过Arnold置乱恢复后，计算与原始水印信号的相似性，以客观评价所获得的水印信息的质量。通过预测水印与原始水印的相关性比较来判定水印是否存在，若相似度大于预定的检测阈值，就可判定为水印存在。

本发明具有显著的有益效果。本发明从新的视频标准MPEG-4中视频对象版权保护的需求角度出发，提出了一个面向任意形状对象的自同步水印检测方法，可以在对象遭受了缩放、旋转、移位等几何攻击后，仍然实现其版权保护。

在水印嵌入端，首先利用惯量椭圆对未嵌入水印的初始对象进行内容分析，以获得对象的边信息，并传递到水印检测端来实现几何攻击后对象的自同步水印检测；然后利用图像置乱技术将有意义的水印信息置乱，以使水印信号更接近随机噪声分布，以及分散水印检测时遭到损坏的比特位，从而改进水印算法的鲁棒性；形状自适应余弦变换结合人类视觉遮蔽模型，将置乱后水印信息嵌入到任意形状的对象中，在不可见的前提下，最大强度嵌入水印，以提高水印算法抵抗攻击的鲁棒性。

在水印检测端，首先对被攻击的对象进行惯量椭圆分析，获得对象的同步信息，并与对象边信息进行比较后，实现对象的自同步校准；然后利用维纳滤波操作来预测初始对象数据，因此水印检测不需要原始图像的参与，从而扩大了水印算法的使用范围；并根据水印嵌入过程的逆过程，从对象中提取水印，并经过置乱恢复后，与初始水印信息进行相关性判定，以客观判断水印是否存在。

本发明改进了面向对象的数字水印方法对几何攻击的鲁棒性，主要应用于MPEG-4中视频对象的版权保护，也可应用于静止图像中基于特征的水印方法设计，还对基于对象的图像检索有潜在应用前景。

附图说明：

图1为本发明面向对象自同步水印检测方法的流程框图。

如图1所示，在水印嵌入端，首先利用主轴变换求解任意形状对象协方差的特征值和特征向量，构造对象的边信息——惯量椭圆；然后利用图像置乱技术将有意义的水印信息置乱，并利用形状自适应余弦变换，并结合人类视觉遮蔽模型，将置乱后的水印信息嵌入到任意形状的对象中；最后通过逆向DCT变换，得到嵌入水印的对象。在水印检测端，首先利用惯量椭圆技术得到被攻击对象的自同步信息，通过与原始对象边信息的比较，实现对象的快速自同步校准；然后利用维纳滤波来预测未嵌入水印的对象数据，以在没有原始图像参与的情况下，实现水印的检测；提取出的水印信息经过置乱恢复，与原始水印信息进行相关性判定，通过与特定阈值的比较，来判断预知水印是否存在。

图2为视频测试序列图例。

图2(a)为Foreman视频序列的第三帧；2(b)为该帧分割出的对象二值遮蔽；2(c)为相对应的对象惯量椭圆；2(d)为水印信息；2(e)为嵌入水印的视频帧；2(f)为没有攻击的情况下，提取出的水印信息。

图3为任意形状对象的形状自适应DCT编码图示。

图3(a)为任意形状对象；3(b)为对象一边界子块；3(c)按上边界排列子块像素，进行竖直DCT变换；3(d)竖直DCT后定位直流系数；3(e)按左边界排列子块像素，进行水平DCT变换；3(f)定位直流系数DC。

图4为惯量椭圆的自同步检测能力分析图示。

图4(a)为惯量椭圆缩放比例检测误差；4(b)为惯量椭圆旋转角度检测误差；

图5为缩放攻击和旋转攻击下水印方法的性能分析图示。

图5(a)为缩放攻击下水印检测响应图；5(b)为旋转攻击下水印检测响应图。

具体实施方式：

为更好地理解本发明的技术方案，以下结合附图和实施例作进一步详细描述。

1、对象边信息的获取

在数字水印嵌入之前，首先对未嵌入水印的对象进行惯量椭圆分析，以获得对象的边信息来实现自同步水印检测。本发明利用模式识别中的主轴变换发现，要求对象主轴方向z的值，可转变为求对象协方差矩阵C_x的特征向量问题。任意形状对象的重心坐标可根据对象区域的所有点计算：

$m_c=\left(\begin{array}{cc}{X}_C,& Y_C\end{array}\right)=\left(\begin{array}{cc}\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i,& \frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i\end{array}\right)---\left(1\right)$

以对象的重心为坐标原点，则它的协方差矩阵可表达为：

C_x＝ε{(L-m_c)(L-m_c)^L}

$\≈\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(\left(\begin{array}{c}{x}_i-X_C\\ y_i-Y_C\end{array}\right)\·\left(\begin{array}{cc}{x}_i-X_C& y_i-Y_C\end{array}\right))$

$=\frac{1}{N}\left(\begin{array}{cc}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(x_i-X_C)}^2& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}(x_i-X_C)(y_i-Y_C)\\ \underset{i=1}{\overset{N}{\mathrm{\Σ}}}(y_i-Y_C)(x_i-X_C)& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(y_i-Y_C)}^2\end{array}\right)---\left(2\right)$

$=\frac{1}{N}\left(\begin{array}{cc}{I}_Y& I_{\mathrm{XY}}\\ I_{\mathrm{XY}}& I_X\end{array}\right)$

其中，I_X形象定义为对象刚体绕X轴转动惯量，I_Y为绕Y轴转动惯量，及I_XY为惯量积。根据协方差矩阵C_x的特征方程，求解得到其特征值λ_k(k＝1，2)为：

${\mathrm{\λ}}_1=\frac{I_X+I_Y+\sqrt{{(I_X-I_Y)}^2+4\·{I_{\mathrm{XY}}}^2}}{2\·N}\·\·\·\left(3\right)$

${\mathrm{\λ}}_2=\frac{I_X+I_Y-\sqrt{{(I_X-I_Y)}^2+4\·{I_{\mathrm{XY}}}^2}}{2\·N}\·\·\·\left(4\right)$

由此，定义惯量椭圆的2个半主轴长a和b分别为：

$a=\sqrt{4\·{\mathrm{\λ}}_1}=\sqrt{2\·[(I_X+I_Y)+\sqrt{{(I_X-I_Y)}^2+4\·{I_{\mathrm{XY}}}^2}]/N}\·\·\·\left(5\right)$

$b=\sqrt{4\·{\mathrm{\λ}}_2}=\sqrt{2\·[(I_X+I_Y)-\sqrt{{(I_X-I_Y)}^2+4\·{I_{\mathrm{XY}}}^2}]/N}\·\·\·\left(6\right)$

根据协方差矩阵C_x的特征向量υ_k(k＝1，2)，定义惯量椭圆的2个主轴的倾斜角φ₁和φ₂(即惯量椭圆主轴与X轴正向所夹的锐角)分别为：

${\mathrm{\φ}}_1=\arctan \left({\mathrm{\υ}}_1\right)=\arctan \left(\right[(I_Y-I_X)-\sqrt{{(I_X-I_Y)}^2+4\·{I_{\mathrm{XY}}}^2}\left]\right)/(2\·I_{\mathrm{XY}})\·\·\·\left(7\right)$

${\mathrm{\φ}}_2=\arctan \left({\mathrm{\υ}}_2\right)=\arctan \left(\right[(I_Y-I_X)-\sqrt{{(I_X-I_Y)}^2+4\·{I_{\mathrm{XY}}}^2}\left]\right)/(2\·I_{\mathrm{XY}})\·\·\·\left(8\right)$

至此，任意形状对象的边信息——惯量椭圆，可根据所求得对象的重心坐标、两主轴的方向和大小完全确定。不同形状、大小和方位的对象具有不同的惯量椭圆特征参数，当对象遭受几何攻击时，特征参数也会随之改变。因此，可以用惯量椭圆来表征一个任意形状和大小的对象：椭圆的面积近似于原始对象的面积，椭圆的中心对应原始对象的重心，两主轴的大小和方向可分别提供对象的缩放、旋转信息。即使对象遭受移位、旋转、缩放等几何攻击，仍能调整对象以获得水印同步检测。惯量椭圆的好处在于同步信息的获取独立于对象在视频帧的位置，正好满足MPEG-4的要求。

2、数字水印的嵌入

以Foreman视频序列为例，说明数字水印的嵌入和检测过程。图2(a)显示了Foreman视频序列的第三帧，图2(b)和图2(c)分别为该帧分割出的对象二值遮蔽和计算得到的对象惯量椭圆。图2(d)为水印信息，其为一幅有意义的二值图像，大小为80×68。考虑到人眼对于随机噪声的容忍性，为使水印信号更接近于随机噪声分布，以及为了分散水印检测时的遭到损坏的比特位，采用Arnold变换将水印信息置乱后，再进行水印嵌入。

水印嵌入规则为线性加法策略，水印信号根据对象的形状和视觉遮蔽模型，隐藏在对象的特定频段。首先将任意形状的对象按8×8子块划分；并根据对象的形状信息，将图像块分为背景块和对象块，而对象块又可划分为对象内部块和对象边界块，如图3(a)所示。对象内部块用标准DCT编码，而对象边界块用形状自适应DCT编码，来实现水印嵌入。以对象的任意边界块为例(如图3(b))，形状自适应DCT的执行过程如下：首先将图像块各列系数按上边界对齐，并根据各列的特定长度，在竖直方向进行1维DCT变换，如图3(c)所示；然后，将变换后的系数按左边界对齐，在水平方向进行特定长度的1维DCT变换，如图3(e)所示；最后，DCT系数定位于8×8图像块的左上角，如图3(f)所示。由于人眼对低频段的噪声比较敏感，而高频段信息在压缩过程有可能被丢失，因此水印信息应该嵌入DCT系数的中频段，以获得鲁棒性和不可见性的权衡。

针对对象内部块和对象边界块，分别将8×8子块的DCT变换系数或者SA-DCT变换系数按ZigZag扫描排列，从(L+1)th到(L+N)th的系数用于嵌入水印。嵌入规则如下：

I_i′＝I_i+α_i·w_i                  (9)

式中I_i＇，I_i分别是图像嵌入水印后的DCT系数和原始DCT系数，w_i是水印信号。α_i是水印嵌入的加权因子，由人类视觉遮蔽模型自适应决定，可在不可见的前提下，最大强度的嵌入水印。对于对象内部子块，水印嵌入的中频系数范围选择L＝13，N＝17；而对于边界子块，水印嵌入的中频范围选择L＝9，N＝5；如果边界子块没有足够的系数用于水印嵌入，将弃之不用。最后，根据对象的形状信息，分别对对象内部块和对象边界块执行逆向DCT或者逆向SA-DCT变换，获得嵌入水印的对象。嵌入水印的视频帧如图2(e)所示，峰值信噪比为PSNR＝46.509。

3、对象的自同步校准

在数字水印检测之前，首先进行被攻击对象的自同步校准。利用惯量椭圆技术分析受攻击对象的重心、主轴方向和大小等信息，并与水印嵌入前的对象边信息进行比较，以调整对象获得水印检测的同步性。需要指出的是，在对象校准的过程中，目标对象的重心应与其惯量椭圆的中心相匹配，不仅为了进行精确对象校准，也为了控制水印提取过程中对象的图像块划分。

为了评价惯量椭圆预测对象自同步信息的能力，进行缩放和旋转攻击的仿真试验。首先用惯量椭圆技术提取任意形状对象的边信息，然后分别对视频对象进行20％～200％的X、Y轴同时缩放操作和-90°～90°的对象旋转操作，再利用惯量椭圆技术来预测对象所遭受几何攻击的参数。图4显示了惯量椭圆性能检测的试验结果，图4(a)显示惯量椭圆缩放比例检测误差(惯量椭圆预测的对象缩放比例和实际缩放比例之差)不超过±5.0×10^-3；图4(b)显示惯量椭圆旋转角度检测误差(惯量椭圆预测的对象旋转角度和实际旋转角度之差)不超过+0.2°，由于检测误差很小，从而论证了惯量椭圆在单一几何攻击下，预测自同步信息的有效性。需要指出的是，由于惯量椭圆是根据对象特征向量的斜率来求得旋转角度，因此，只可精确检测对象在-90°～+90°范围内的旋转，若超出以上范围，惯量椭圆得到的旋转角度将会与实际旋转角度相差180°。为了提高水印检测率，在实际应用中，可按两个角度分别校准对象，进行水印检测。

4、数字水印的检测

数字水印的检测过程基本上是数字水印嵌入过程的逆过程。为实现水印检测不需要原始图像，利用维纳滤波来预测对象的原始数值。在水印嵌入区域，目标对象的DCT值I′(i)和预测对象的DCT值 I′(i)的差值符号决定了该处的水印预测值s(i)：

s(i)＝sign(I′(i)- I′(i))               (10)

提取出的水印s(i)经过Arnold置乱恢复后，和原始水印信号w(i)按下式计算相似性，以客观评价算法获得的水印信息的质量：

$\mathrm{Sim}(s,w)=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}(s_i\·w_i)/\underset{i=1}{\overset{m}{\mathrm{\Σ}}}(w_i\·w_i)\·\·\·\left(11\right)$

若相似度Sim(s，w)大于预定的水印检测阈值T，就可判定为水印存在。在没有攻击的情况下，从对象中提取出的水印信息如图2(f)所示，水印检测相似度Sim＝0.938。

为了评价水印方法抵抗缩放攻击的能力，对嵌入水印的视频对象进行X、Y轴同比例缩放的攻击试验，缩放比例的范围30％～600％。图5(a)为缩放攻击下水印检测响应图，可以看到，水印方法对缩小攻击比较敏感，水印检测相似度随着缩放比例的逐渐减小而逐渐降低；但对放大攻击，水印检测率变化比较平稳。这是因为缩小操作会使图像失去部分信息而无法恢复，因而影响到水印检测精度。为了评价水印方法对旋转攻击的鲁棒性，对嵌入水印的视频对象进行-90°～+90°的旋转攻击试验，图5(b)为旋转攻击下水印检测响应图，横坐标为对象旋转角度，纵坐标为水印检测相似度。可以看到，在不同角度的旋转攻击下，水印检测相似度基本维持在0.81左右，变化平稳。

Claims (1)

1、一种多媒体产品中面向对象的自同步水印检测方法，其特征在于包括如下具体步骤：

1)对象边信息的获取：利用模式识别中的主轴变换，构造用来描述任意形状对象方位和大小信息的边信息——惯量椭圆，在数字水印嵌入之前，首先对未嵌入水印的对象进行惯量椭圆分析，根据对象协方差矩阵的特征值和特征向量，来获得对象的重心、主轴的方向和大小边信息，并传递到水印检测端用于对象的自同步校准；

2)数字水印的嵌入：采用Arnold变换将水印置乱，再进行水印嵌入，水印嵌入规则为线性加法策略，将任意形状的对象按8×8子块划分，并根据对象的形状信息，将图像块分为背景块和对象块，对象块又划分为对象内部块和对象边界块，对象内部块用标准离散余弦变换编码，而对象边界块用形状自适应离散余弦变换编码，来实现水印嵌入，水印信息嵌入离散余弦变换系数的中频段，最后根据对象的形状信息，对对象内部块执行逆向离散余弦变换，对对象边界块执行逆向形状自适应离散余弦变换，获得嵌入水印的对象；

3)对象的自同步校准：在数字水印的检测过程中，首先进行对象的自同步信息检测，利用惯量椭圆分析受攻击对象的重心、主轴方向和大小信息，并与水印嵌入前的对象边信息进行比较，以调整对象获得水印检测的同步性，在对象校准过程中，目标对象的重心应与其惯量椭圆的中心相匹配；

4)数字水印的检测：利用维纳滤波来预测对象的原始数值，在水印嵌入区域，目标对象的离散余弦变换系数值和预测对象的离散余弦变换系数值的差值符号决定了该处的水印预测值，预测出的水印经过Arnold置乱恢复后，进行预测水印与原始水印的相关性比较，若相似度大于预定的检测阈值，就可判定为水印存在。

Images