CN1918594A - 水印检测 - Google Patents

Abstract

检测器(100)检测信息信号中水印的存在。对于信息信号相对于水印的多个相对位置＝把信息信号与每个位置的预期水印(Wi)进行相关，以便得到一组相关结果(64)。把一部分相关结果(64)与有关在结果中的相关峰的预期形状的信息(81)进行互相关(82)。这可提高检测器(100)的灵敏度。在峰检测单元(85)中把互相关结果(84)与阈值进行比较。在比较(85)中所使用的阈值是按照预期形状以自适应方式设置的。有关相关峰的预期形状的信息(81)是基于信息信号已经受的或预期应经受的处理操作的知识或是来自先前的相关结果的形状。

Description

水印检测

本发明涉及检测信息信号中的水印。

加水印是一种把某种标签加到信息信号的技术。在其上加上水印的信息信号代表数据文件、静止图像、视频、音频或任何其它种类的媒体内容。标签在信息信号被分发之前嵌入到信息信号。标签通常以在正常条件下不可感知的方式被加上，以使得它不恶化信息信号，例如被加到音频文件上的水印在正常收听条件下应当是听不见的。然而，水印应当是足够鲁棒的，即使在信息信号在传输期间经受诸如编码或压缩、调制等的正常的处理时仍旧是可检测的。

许多加水印方案利用相关作为检测技术，在测试中的信号与包含已知的水印的信号进行相关。在这些系统中，水印的存在由相关的结果中一个或多个峰表示。Ton Kalker等，“A Video WatermarkingSystem for Broadcast Monitoring”，Proceedings of the SPIE，Bellingham，Virginia vol.3657，25 January 1999，pp.103-112的论文描述用于检测广播视频内容中水印的存在的方案。在该论文中，把最终得到的相关峰的高度与阈值进行比较，以决定音频视频内容是否加水印。阈值被选择为使得假阳性概率(当事实上音频视频未加水印时声称存在水印的概率)适当地低。典型的阈值是5σ(即，相关结果的标准偏差的5倍)。

在大多数应用中，加水印的内容将经受在水印被嵌入在内容中的点与水印的位置被检测出的点之间的各种处理操作。内容处理的通常的例子是有损压缩，诸如MPEG编码。典型地，处理的影响是降低通常预期在水印检测处理期间出现的相关峰。因此，当试图检测已经受这样的处理的内容中的水印时，基于寻找相关峰的水印检测技术的性能大大地降低。

本发明寻求提供一种检测信息信号中的水印的改进的方法。

因此，本发明的第一方面提供一种检测信息信号中的水印的方法，包括：

通过把信息信号与水印，对于信息信号相对于水印的多个相对位置的每个位置，进行相关而得到一组相关结果；以及

通过比较该组相关结果的至少一部分与有关在结果中的相关峰的预期形状的信息而确定水印是否存在。

使用有关相关峰的预期形状的信息可以提高检测器的灵敏度。这是因为检测器可以寻找特定形状的峰，而不是仅仅依赖于超过某个高度的点的出现。

检测在一项媒体内容中仅仅很弱地存在的水印的能力也提供允许水印更弱地嵌入在内容中的任选项，由此减小其在潜在的欺诈方的监视下的可视度，或减小其在正常的观看条件下它的感知度。

这里描述的功能可以以软件、硬件或它们的组合被实施。因此，本发明的另一个方面提供用于执行方法的软件。将会看到，软件可以在设备的工作期限期间的任意点被安装在主机设备。软件可被存储在电子存储器装置、硬盘、光盘或其它机器可读的存储媒体。软件可以作为在机器可读的媒体上的计算机程序产品被传递或它可以经由网络连接被直接下载到设备。

本发明的另外的方面提供用于执行该方法的任何步骤的水印检测器，和用于呈现响应于水印检测器的输出的信息信号的设备。

虽然所描述的实施例引用处理图像或视频信号(包括数字影院内容)，但将会看到，信息信号可以是代表音频或任何其它种类的媒体内容的数据。

现在参照附图仅仅作为例子描述本发明的实施例，其中：

图1显示把水印嵌入到一项内容中的已知方法；

图2显示用于检测在一项内容中水印的存在的第一装置；

图3和4显示在检测器和方法中使用的相关结果的表；

图5显示相关结果数据的曲线图；

图6显示在图2的装置中使用的、存储的形状数据的例子；

图7显示用于存储形状数据的单元；

图8显示用于检测在一项内容中水印的存在的第二装置；

图9显示偏置检测对于相关结果集群的影响的曲线图；

图10显示用于呈现体现水印检测器的内容的设备。

作为基础知识，并且为了理解本发明，参照图1概略地描述嵌入水印的处理过程。水印图案w(K)通过使用一个或多个基本水印图案w被构建。在数据的有用负荷要由水印载送的场合下，使用多个基本水印图案。水印图案w(K)根据要被嵌入的有用负荷--多比特代码K--进行选择。代码通过选择多个基本图案w和把它们互相偏移特定的距离和方向而被代表。组合的水印图案w(K)代表可以加到内容的噪声图案。水印图案w(K)具有M×M比特的大小，以及典型地比起该项内容小得多。因此，M×M图案被重复(贴片)14成较大的图案，它匹配于内容数据的格式。在图像的情形下，图案w(K)被拼贴14成使得它等于它将与其组合的图像的大小。

内容信号被接收和被缓存16。在内容信号中的局部活动性λ(X)的测量在每个像素位置处被得到18。这提供对于加性噪声的可视度的测量，以及该测量被使用来缩放水印图案W(K)。这防止水印在内容中是可感知的，诸如在图像中相等亮度的区域。总的缩放因子s在乘法器22处加到水印上，以及这确定水印的总的强度。s的选择是在所需要的鲁棒程度与对于水印应当可感知的程度的要求之间的折衷。最后，水印信号W(K)被加到24内容信号。最终得到的、具有被嵌入在其中的水印的信号然后经受作为该内容的正常分布的一部分的各种不同的处理步骤。

图2显示水印检测器100的示意图。水印检测器接收可以加水印的内容。在以下的说明，该内容被假设为图像或视频内容。水印检测可以对于各个帧或对于帧的组被执行。积累的帧被划分成大小M×M的块(例如M＝128)，然后被折叠到大小M×M的缓存器。这些初始步骤被显示为块50。在缓存器中的数据然后经受快速傅立叶变换52。检测处理的下一个步骤确定在缓存器中保存的数据中水印的存在。为了检测缓存器是否包括特定的水印图案W，将缓存器内容和预期的水印图案进行相关。由于内容数据可包括多个水印图案，显示多个并行的支路60，61，62，每个支路执行与基本水印图案W0，W1，W2之一的相关。其中的一个支路被详细地显示。同时计算对于基本图案Wi的所有可能的位移向量的相关值。基本水印图案Wi(i＝0，1，2)在与数据信号进行相关之前经受快速傅立叶变换(FFT)。该组相关值然后经受逆快速傅立叶变换63。相关运算的全部细节在US 6,505,223 B1中描述。

在相关运算中使用的傅立叶系数是具有实部与虚部的复数，代表幅度和相位。已经发现，如果摒弃幅度信息而只考虑相位，则检测器的可靠度被大大地提高。可以在按点乘法以后和在逆傅立叶变换63之前执行幅度归一化运算。归一化电路的运算包括把每个系数按点除以它的幅度。这个总的检测技术被称为仅仅对称相位的匹配滤波(SPOMF)。

来自以上的处理的该组相关结果被存储在缓存器64中。小的示例组的相关结果被显示于图3。加水印的内容通过相关结果数据中存在峰来表示。通过观看曲线图形式的相关结果，可以更好地了解峰的形状，相关值被画出为在曲线图的基线以上的高度，如图5所示。该组相关结果被检查，以便识别可能是由于在内容数据中存在水印而出现的峰。水印的存在可以由陡峭的孤立的、显著高度的峰来表示，虽然大多数孤立的峰趋于代表由于噪声造成的虚假匹配。更多半地，在内容分发期间先前的处理操作将使得由于水印引起的相关峰在相关结果中几个相邻的位置处模糊不清。初始处理步骤65标识可代表相关峰的相关结果数据的候选的集群。用于识别候选峰的技术在以后更详细地描述。

一旦候选峰被识别，就测试每个候选峰，以确定谁代表由于水印造成的相关峰。在集群中相关结果与来自存储装置80的、代表预期的峰形状的数据81进行互相关82。这个互相关的结果给出在被存储在缓存器64中的数据形状与预期形状之间的相似性的表示。互相关结果在峰检测单元85中与阈值进行比较。在这个比较85中使用的阈值不是恒定的数值，而是按照预期形状以自适应的方式被设置的。阈值取决于预期的峰高度的平方和，可被称为预期的峰形状的能量。这具有将互相关值进行归一化的效果。这个步骤减小在实际的结果集群与预期的结果形状之间的误匹配的发生，仅仅因为预期形状具有高的能量。实际上，这要求预期的峰形状具有单位能量。

存储的形状数据也被用作为候选搜索级65的一部分。例如，在知道相对较平坦的形状是预期时，候选搜索级65可以降低它使用来选择候选集群的阈值，这样，在相关结果中的低峰不被排除。

有各种各样收集存储的形状数据的方法。形状数据可以作为与检测器100相伴随的和连同检测器一起被安装的文件被提供。可以按照周期的原则提供更新。替换地，或除了使用初始数据组以外，有可能检测器在使用时根据它观察的相关结果获取形状数据。

可以存储一个形状数据的表格，该表格是按照以下项目被安排的：在分发期间内容信号经受的处理、内容信号的类型、或分发信道的类型。在分发期间内容信号经受的每种类型的处理对于该信号中的数据有一个效果，这将影响在检测器100测试水印的存在时相关峰的形状。每个处理的效果可被观察到和作为形状信息被存储在单元80中。在有可能量化在分发期间内容信号经受了何种处理的场合下，在检测器的互相关级82中有可能加上适当的形状。在信号已经受多种处理的场合下(例如MPEG编码和用于在无线信道上传输的编码)，可以组合多个形状数据，或可以检索相应于处理的具体的组合的适当的样板。样板可被存储用于各种各样的通常使用的内容类型或分发方法，例如在广播信道上接收的MPEG视频；经由有线连接接收的MP3音频内容；经由无线连接接收的内容。有关内容或分发类型的信息作为输入40被提供到单元80，信息40是从接收机的另一个部分得到的。样板可被提供用于不同的内容比特速率，例如MPEG 2Mbps，4Mbps，6Mbps等等；格式变换，例如PAL→NTSC，NTSC→PAL；以及MPEG与格式变换的组合。这个数据表由水印检测器的制造商确定，以及相关的设置在安装时被编程到检测器。样板可以通过对检测器更新而被改变。

形状数据包括一组数字值，它们一起规定预期峰的形状。形状是由组中数字值的相对大小引起的。数值组可被缩放成任何大小。因此，它是峰的形状，而不是在互相关级82中被比较的大小。图6显示可被单元80存储的形状信息表的类型例子。每种内容、处理、或处理的组合102与由单元85使用的形状数据103和检测阈值104有关。虽然形状数据103在这里以图形形式被显示，但事实上它将包括一同规定预期峰形状的一组数字值。

在例如检测器没有接收到有关该内容已经受何种处理的信息的场合下，或在接收设备本身不知道这个信息的场合下，所存储的数据的这样的使用是不可能的。在这种情形下，可以使用各种不同的技术来估计预期峰的形状。图7显示在一个时间段内得到形状数据的移动平均值的实施例。来自相关结果缓存器(或候选搜索单元65)的新的峰形状信息83被发送到平均功能块91。从存储的数据90检索92诸如先前的运行平均值那样的先前的形状数据，计算新的平均值，以及返回93更新的平均值用于存储。移动平均可以通过先前的D检测被计算。D的数值是取决于应用的，以及将取决于相对于内容/处理保持为恒定的时间周期的每秒执行的检测次数。这个方法在施加到内容的处理在几个检测时间周期上保持为恒定的场合下可以是特别成功的。在有关内容的类型、分发处理、或用于内容的信道的信息是已知的场合下，可以在一段时间间隔内得到多个存储的样板，每个与那些处理或信道有关。再次参照图7，单元80还包括接收信息40和从存储装置90检索适当的形状数据与阈值的适当接口95。形状数据81被发送到互相关器82以及判决阈值数据86被发送到峰检测单元85。

图8显示本发明的另一个开发。检测器100的每个支路60，61，62包括被详细地显示在支路60的特性。单元80从每个支路60，61，62的缓存器64获得形状数据，并组合这些数据，得出总的形状样板。组合的数据和判决阈值数据然后可被加到每个支路60，61，62中的相关单元82。

现在描述形状匹配处理的简化的数学例子。考虑通过使用前面描述的SPOMF技术把一项内容与感兴趣的水印图案进行相关以及把相关结果存储在缓存器64中。缓存器64中的相关结果是相关值的向量y，每个元素相应于水印图案相对于内容信号的不同的(循环)移位。为了简明起见，假设y是一维的，虽然将会看到，对于大多数内容，缓存器64中的相关结果将是相应于水平和垂直方向的移位的二维矩阵。在未加水印材料( H_W)的情形下，已经显示，y的元素是近似独立的白色高斯噪声(WGN)。在加水印材料(H_W)的情形下，实验显示，缓存器结果再次是近似高斯噪声，但还存在峰。假设对于有用负荷移位τ，相关峰的形式可被描述为：

$s_{\mathrm{\τ}}\left(k\right)=A\underset{i=0}{\overset{C-1}{\mathrm{\Σ}}}{a}_i\mathrm{\δ}(k-\mathrm{\τ}-i)...\left(1\right)$

这是考虑它的范围是在缓存器中C个相邻的位置非常通用的相关峰值模型，它的形状由下式确定：

a＝[a₀ a₁.....a_C-1]^T以及它的高度由标量因子A给出。已知的(预期的)峰形状a是与缓存器内容y互相关，然后把它与阈值进行比较，以决定水印存在(H_W)还是不存在( H_W)。有用负荷移位估值 被取为使得互相关值最大化的位置。

$\left|\underset{i=0}{\overset{C-1}{\mathrm{\Σ}}}{a}_{i}y(\widehat{\mathrm{\τ}}+i)\right|>h\⇒H_W\mathrm{else}\stackrel{\‾}{H_W}$

这个检测准则的推导在附录中给出。

作为使用峰形状信息的好处的简单例子，考虑其中已知的峰形状是平坦的情形，即，

a_i＝a，i∈{0....C-1}

图9显示为了水印被声称为存在，在相应于水印峰的位置处缓存器结果yi的所需要的最小平均高度。这些值被计算，以便得到与具有5σ的简单的阈值的现有的检测方法相同的假阳性概率。可以看到，对于各种各样的峰形状，即，C个点大的集群，水印可以以比起当前的检测器所需要的5σ水平低得多的峰高度被成功地检测。

现在描述在图2和8的单元65中使用的、用于识别在相关结果中的候选相关峰的处理过程。集群算法形成多个点的集群，其中任意的点的集群可相应于真正的相关峰。这些集群的或然率互相进行比较，具有最低的或然率的集群被假设为想要的相关峰。算法包括以下步骤：

1.设置阈值和找出在相关数据中大于这个阈值的所有的点。满足这个准则的所有的点被存储在表--ptsAboveThresh中。建议的阈值是3.3σ(σ＝缓存器中的结果的标准偏差)，虽然这可被设置为任何优选值。优选的范围是2.5-4σ。如果阈值被设置得太低，则不相应于水印的存在的大量的点将被存储在表中。相反，如果阈值被设置得太高，则有相应于有效的、但模糊的峰的点将没有加到表中的风险。

2.找出具有最高绝对值的点。

3.形成候选集群，即相关点的集群。候选集群是通过收集不单具有“显著”值(大于阈值的值)而且还与至少一个另外的具有显著值的点非常接近的点而形成的。这是如下地达到的：

(i)从表ptsAboveThresh中去除第一点，并输入它作为新的集群的第一点p；

(ii)搜索表ptsAboveThresh，寻找处在点p的距离d内的点。从表中去除所有这样的点，并把它们加到集群中；

(iii)取集群中下一个点作为当前的点p。重复步骤(ii)，以便把在表ptsAboveThresh中的、处在新的点p的距离d内的所有的点加到集群中；

(iv)重复步骤(iii)，直至表ptsAboveThresh对于集群中的所有的点都被处理为止；

(v)如果最终得到的集群只包含单个点并且该点不等于在上述的步骤2中找到的最高峰，则丢弃这个集群；

(vi)重复步骤(i)到(v)，直至表ptsAboveThresh为空为止。

在这个程序过程结束时，在上述步骤1中原先进入表ptsAboveThresh的所有的点或者被：

-分配给包含来自表ptsAboveThresh的、接近于它的其它点的集群，或者

-被丢弃，因为它们没有类似的高度的邻居，所以不是集群的一部分。

集群仅仅允许包括单个点，如果该点具有在相关缓存器中所有的点的最大的绝对高度的话。这避免陡峭的、非模糊的相关峰被丢弃，但避免代表真正的噪声的、其它的孤立的峰被使用。

回过来参照图3和4，图上显示由检测器计算的那种类型的相关数据的某些示例组。图3显示对于模糊的峰的一组结果，数值范围为在-3.8172与4.9190之间。水印可以用负的幅度被嵌入，给出负的相关峰。4.9190的最高值被显示在方块130内。虽然这是低于5的典型的检测阈值，但最高值由类似的数值的其它的相关值包围。这表示通过在分发期间处理而被模糊的峰。在上述的程序过程和设置3.3的阈值T和1的距离后，可以发现在环140内的相关值满足这个准则。在处理工作后，显著值的结果都是互相并靠的。查看图4所示的数据，数值的范围在-3.7368与10.7652之间。应用同一个检测准则，只有一个点160超过阈值。这个点的数值明显地超过阈值，因此可被看作为有效的峰。通过检查相邻的数值，可以看到，这代表陡峭的相关峰。

被表示为有用负荷代码K的嵌入信息例如可以标识版权保持者或内容的说明。在DVD复制保护中，允许把材料被标记为‘复制一次’、‘永不复制’、‘无限制’、‘不再复制’等等。图10显示用于检索和呈现被存储在诸如光盘、存储器装置或硬盘的存储媒体200中的内容信号的设备。内容信号由内容检索单元201进行检索。内容信号202被加到处理单元205，它译码数据和使得数据用于呈现211，213。内容信号202还被加到先前描述的水印检测单元220。处理单元205被安排成使得只允许在信号中检测到预定的水印的情况下处理内容信号。从水印检测单元220发送的控制信号225通知处理单元：应当允许还是拒绝内容的处理，或把与内容有关的任何复制限制通知处理单元205。替换地，处理单元205可被安排成使得只允许在信号中没有检测到预定的水印的情况下处理内容信号。

在以上的说明中，考虑一组三个水印。然而，将会看到，本技术可被应用来在只承载单个水印的内容数据中或在承载任意数目的多个水印的内容数据中寻找相关峰。

在以上的说明中，以及通过参照附图，描述了检测在信息信号中水印的存在的检测器100。把信息信号与预期的水印Wi对于信息信号相对于水印的多个相对位置的每个位置进行相关，得到一组相关结果64。把一部分相关结果64与有关在结果中的相关峰的预期形状的信息81进行互相关82。这可提高检测器100的灵敏度。互相关结果84在峰检测单元中与阈值进行比较85。在这个比较85中所使用的阈值按照预期形状以自适应方式被设置。有关相关峰的预期形状的信息81可以是基于信息信号已经受或预期经受的处理操作的知识或来自先前的相关结果的形状的知识。

附录

这节推导先前给出的示例性检测算法，以及描述如何设置检测阈值，以得到想要的假阳性概率。

假设对于加水印的内容(H_W)，相关结果是由于水印造成的峰加WGN。这是通过观察被支持的，除了峰本身以外，在加水印的内容的情形下，相关结果再次为近似高斯分布。然后对于检测水印的存在可以下处下面的假设测试：

$\stackrel{\‾}{H_W}:y=n$

H_W：y＝n+s_τ

其中n是独立的WGN值的长度N向量以及s_τ是相应于水印相关峰形状的长度N向量，在相关缓存器内循环移位τ个位置。在以后的工作中，假设噪声具有1个单位的标准偏差。这是通过在水印检测先前将相关结果归一化而达到的。暂时假设峰形状s和有用负荷移位τ是已知的，在每个假设下的PDF为如下。在 H_W下，y中的数值是具有PDF的纯WGN：

$p\left(y\right|\stackrel{\‾}{H_W})=\underset{k=0}{\overset{N-1}{\mathrm{\Π}}}{\left(2\mathrm{\π}\right)}^{-\frac{1}{2}}\exp [-\frac{1}{2}{y}^2\left(k\right)]$

$={\left(2\mathrm{\π}\right)}^{-\frac{N}{2}}\exp [-\frac{1}{2}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{y}^2\left(k\right)]$

在H_W下，缓存器包含峰加WGN以及具有PDF：

$p\left(y\right|H_W,s,\mathrm{\τ})=\underset{k=0}{\overset{N-1}{\mathrm{\Π}}}{\left(2\mathrm{\π}\right)}^{-\frac{1}{2}}\exp [-\frac{1}{2}{(y\left(k\right)-s_{\mathrm{\τ}}\left(k\right))}^2]$

$={\left(2\mathrm{\π}\right)}^{-\frac{N}{2}}\exp [-\frac{1}{2}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{(y\left(k\right)-s_{\mathrm{\τ}}\left(k\right))}^2]$

(3)

通过使用或然率比值测试将作出在两个假设之间的判决：

$\mathrm{Likelihood}\left(y\right|s,\mathrm{\τ})=\frac{p\left(y\right|H_W,s,\mathrm{\τ})}{p\left(y\right|\stackrel{\‾}{H_W})}>\mathrm{\λ}\⇒H_W\mathrm{else}\stackrel{\‾}{H_W}...\left(4\right)$

其中对数或然率比值是：

$L\left(y\right|s,\mathrm{\τ})=\ln [\mathrm{Likelihood}\left(y\right|s,\mathrm{\τ})=-\frac{1}{2}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{(y\left(k\right)-s_{\mathrm{\τ}}\left(k\right))}^2+\frac{1}{2}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{y}^2\left(k\right)$

$=\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}y\left(k\right)s_{\mathrm{\τ}}\left(k\right)-\frac{1}{2}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{s_{\mathrm{\τ}}}^2\left(k\right)$

(5)

以下的水印相关峰s_τ的模型被假设为：

$s_{\mathrm{\τ}}\left(k\right)=A\underset{i=0}{\overset{C-1}{\mathrm{\Σ}}}{a}_i\mathrm{\δ}(k-\mathrm{\τ}-i)$

这描述具有由a给出的已知的形状、但由缩放因子A给出的未知的总高度的、峰跨度C点。假设C是已知的。实际上，估计的数值需要根据水印相关点的典型的扩散的程度被使用，或C的数值可以使用先前描述的集群检测技术而得到。

把公式6代入到公式5的对数或然率的表达式，给出：

$L\left(y\right|a,A,\mathrm{\τ})=A\underset{i=0}{\overset{C-1}{\mathrm{\Σ}}}{a}_{i}y(\mathrm{\τ}+i)-\frac{A^2}{2}\underset{j=0}{\overset{C-1}{\mathrm{\Σ}}}{a}_j^2$

未知的参数(A，τ)由使得所观察数据(y)的或然率最大化的数值被估计。相对于未知的峰高度的最大化给出：

$\frac{\∂L\left(y\right|a,A,\mathrm{\τ})}{\∂A}=0\⇒\hat{A}=\frac{\underset{i=0}{\overset{C-1}{\mathrm{\Σ}}}{a}_{i}y(\mathrm{\τ}+i)}{\underset{j=0}{\overset{C-1}{\mathrm{\Σ}}}{a}_j^2}$

以及对数或然率变为：

${\hat{L}}_{\mathrm{ML}}\left(y\right|a,\mathrm{\τ})=\frac{{\left(\underset{i=0}{\overset{C-1}{\mathrm{\Σ}}}{a}_{i}y(\mathrm{\τ}+i)\right)}^2}{2\underset{j=0}{\overset{C-1}{\mathrm{\Σ}}}{a}_j^2}$

选择有用负荷移位的估值

以使得或然率最大化，给出：

${\hat{L}}_{\mathrm{ML}}\left(y\right|a)=\frac{{\left(\underset{i=0}{\overset{C-1}{\mathrm{\Σ}}}{a}_{i}y(\widehat{\mathrm{\τ}}+i)\right)}^2}{2\underset{j=0}{\overset{C-1}{\mathrm{\Σ}}}{a}_j^2}$

应当指出，在分母中的和是不取决于y中相关结果的常数。或然率比值判决法则所以归结为对于在y与峰形状a之间的互相关的幅度的阈值测试：

$\left|\underset{i=0}{\overset{C-1}{\mathrm{\Σ}}}{a}_{i}y(\widehat{\mathrm{\τ}}+i)\right|>h\⇒H_W\mathrm{else}\stackrel{\‾}{H_W}$

其中 被选择为使得互相关最大化的移位。为达到数值为α的可接受的低的假阳性概率的所必须的阈值h由下式给出：

$\mathrm{Pr}\left[\mathrm{False\; posltive}\right]=\mathrm{Pr}\left[\right|\underset{i=0}{\overset{C-1}{\mathrm{\Σ}}}{a}_{i}y(\widehat{\mathrm{\τ}}+i)|>h|\stackrel{\‾}{H_W}]=\mathrm{\α}...\left(8\right)$

在假设 H_W下，其元素是具有零平均值和单位标准偏差的独立高斯分布。变量γ被定义为：

$\mathrm{\γ}\left(k\right)=\underset{i=0}{\overset{C-1}{\mathrm{\Σ}}}{a}_{i}y(k+i)$

所以也具有高斯分布，但具有标准偏差：

${\mathrm{\σ}}_y=\sqrt{\underset{i=0}{\overset{C-1}{\mathrm{\Σ}}}{a}_i^2}.$

通过使用这个符号表示法，公式8变为：

$\mathrm{Pr}[\mathrm{\&gamma;}\left(k\right)<-h,\&ForAll;k]+\mathrm{Pr}[\mathrm{\&gamma;}\left(k\right)>+h,\&ForAll;k]=\mathrm{\&alpha;}$

$\&DoubleRightArrow;2[1-{\left(\mathrm{Pr}\right[\mathrm{\&gamma;}<h\left]\right)}^N]=\mathrm{\&alpha;}$

$\&DoubleRightArrow;\mathrm{Pr}[\mathrm{\&gamma;}<h]={(1-\frac{\mathrm{\&alpha;}}{2})}^{\frac{1}{N}}$

$\&DoubleRightArrow;\mathrm{\&Phi;}\left(\frac{h}{{\mathrm{\&sigma;}}_y}\right)={(1-\frac{\mathrm{\&alpha;}}{2})}^{\frac{1}{N}}$

由此，可以经由Φ(a)＝Pr(Z＜a)的表确定h的适当的数值，其中Z是零均值、单位标准偏差高斯随机变量。检测阈值对于σ_y的依赖性提供按照给定的峰形状的能量的调节以便达到想要的假阳性概率。

Claims (15)

1.一种检测信息信号中的水印的方法，包括：

通过把信息信号与水印，对于信息信号相对于水印的多个相对位置的每个位置，进行相关而得到一组相关结果；以及

通过比较该组相关结果的至少一部分与有关在结果中的相关峰的预期形状的信息而确定水印是否存在。

2.按照权利要求1的方法，其中比较包括该组相关结果的至少一部分与有关相关峰的预期形状的信息的互相关。

3.按照权利要求1或权利要求2的方法，还包括把比较的输出与阈值进行比较，以确定有效水印的存在。

4.按照权利要求3的方法，其中阈值按照相关峰的预期形状变化。

5.按照前述权利要求的任一项的方法，其中有关相关峰的预期形状的信息是从信息信号已经受的或预期将经受的处理操作的知识得到的。

6.按照前述权利要求的任一项的方法，其中有关相关峰的预期形状的信息是从先前的相关结果的形状得到的。

7.按照前述权利要求的任一项的方法，其中先前的相关结果是对于以下信息信号的结果：同一个类型的信息信号；已经受同一个处理步骤的信息信号；已通过同一个信道被分发的信息信号。

8.按照前述权利要求的任一项的方法，还包括识别可能代表相关峰的相关结果的集群和仅仅在所识别的结果集群上执行确定水印是否存在的步骤。

9.按照权利要求8的方法，其中识别相关结果的集群的步骤包括确定在该组中超过阈值的所有的相关结果，和然后确定这些相关结果中的哪些是处在互相预定的距离内。

10.按照前述权利要求的任一项的方法，其中使用多个水印，得到一组相关结果的步骤对于每个水印重复进行，该方法还包括对于水印之一确定有关在相关结果中的相关峰的形状的信息，以及在用于另一个水印的比较中使用该信息。

11.用于执行按照前述权利要求的任一项的方法的软件。

12.一种用于检测信息信号中的水印的水印检测器，包括：

用于通过对于信息信号的相对于水印的多个相对位置的每个位置把信息信号与水印进行相关而得到一组相关结果的装置；以及

用于通过比较该组相关结果的至少一部分与有关结果中的相关峰的预期形状的信息而确定水印是否存在的装置。

13.按照权利要求12的水印检测器，还包括用于执行按照权利要求2-10的方法的任一项步骤的装置。

14.按照权利要求12或13的水印检测器，其中用于得到一组相关结果的装置和用于确定是否存在水印的装置包括被安排来执行用于完成这些功能的软件的处理器。

15.用于呈现信息信号的设备，包括用于根据在信息信号中有效水印的存在而禁止该设备的操作的装置，其中该设备包括按照权利要求12-14的任一项的水印检测器。

Images