MXPA06009115A - Deteccion de marcas de agua - Google Patents

Abstract

Se describe un detector (100) que detecta la presencia de una marca de agua en una señal de información. La señal de información es correlacionada con una marca de agua esperada (Wi) para cada una de una pluralidad de posiciones relativas de la señal de información con respecto a la marca de agua para derivar un conjunto de resultados de correlación (64). Una métrica, tal como un valor cuadrado medio, se calcula para un grupo de los resultados (64). La métrica se compara con un umbral h que es indicador del grupo que representa la presencia de un pico de correlación. La métrica puede ser calculada para grupos formados en cada posición en la memoria volátil de resultados (64). Como alternativa, al métrica puede calcularse sólo para un grupo que se identifique como siendo probablemente un pico de correlación.

Description

DETECCIÓN DE MARCAS DE AGUA Campo de la invención Esta invención" se refiere la detección de una marca de agua en una señal dé "información. Antecedentes de la Invención La marcación de agua es una técnica en la cual una etiqueta de cierto tipo se añade a una señal de información.

La señal de información a la cual se añade la marca de agua puede representar un archivo de datos, una imagen fija, video, audio o cualquier otro tipo de contenido de medios . , La etiqueta es insertada en la señal de información antes de que se distribuya la señal de información. La etiqueta se añade normalmente de una manera que sea imperceptible bajo condiciones normales, de tal manera que no degrade la señal de información, por ejemplo una marca de agua añadida a un archivo de audio no debe ser audible bajo condiciones de audición normales. Sin embargo, la marca de agua debe ser lo suficientemente robusta como para permanecer detectable incluso después de que la señal de información haya sufrido los procesos normales durante su transmisión, tales como codificación o compresión, modulación y demás. Muchos esquemas de marcación de agua emplean la correlación como una técnica de detección, con una señal bajo prueba siendo correlacionada con una señal que contiene una REF: 173754 marca de agua conocida. En estos sistemas, la presencia de una marca de agua se indica por uno o más picos en los resultados de correlación. El documento "A Video Waterma ing System for Broadcast Monitoring", Ton Kalker et al . , Proceedings of the SPIE, Bellingham, Virginia vol. 3657, 25 de enero de 1999, p. 103-112, describe un esquema para detectar la presencia de una marca de agua en contenido de video transmitido. En este documento, la altura de los picos de correlación resultantes se compara con. un umbral para decidir si el contenido de audio/video tiene o no marcas de agua. El valor umbral se selecciona de tal manera que la probabilidad falsa positiva (la probabilidad de declarar una marca de agua presente, cuando de hecho el audio/video no tiene marcas de agua) es adecuadamente baja. Un valor umbral típico es 5s (cinco veces la desviación estándar de los resultados de la correlación) . En la mayoría de las aplicaciones el contenido con marcas de agua sufrirá varias operaciones de procesamiento entre el punto en el cual se inserta una marca de agua en el contenido y el punto en el cual se detecta la presencia de la marca de agua. Un ejemplo común de procesamiento de contenidos es la compresión con pérdidas, tal como codificación MPEG. Típicamente, . los efectos de procesamiento son reducir los picos de correlación que normalmente se esperaría ocurrieran durante el proceso de detección de marcas de agua. Así, el desempeño de una técnica de detección de marcas de agua con base en encontrar picos de correlación se reduce considerablemente cuando se intenta detectar marcas de agua en contenido que ha sufrido estos procesos . Sumario de la Invención La presente • invención busca proporcionar una forma mejorada para detectar una marc de agua en una señal de información. En consecuencia, un primer aspecto de la presente invención proporciona un método para detectar una marca de agua en una señal de información, que comprende: derivar un conjunto" de resultados de correlación al correlacionar la señal de información con una marca de agua para cada una de una pluralidad de posiciones relativas de la señal de información con respecto a la marca de agua; calcular una métrica que se base en un grupo de los resultados seleccionados a partir del conjunto de resultados completo y comparar la métrica calculada con un valor umbral de grupo que sea indicador del grupo que represente un pico de correlación. Se ha encontrado que el procesamiento que experimentan muchas señales de información durante su distribución puede tener el efecto de manchar o marcar un pico de correlación cuando se intente detectar la marca de agua usando una técnica de correlación. Mediante el uso de una métrica que se base en un grupo de resultados de correlación, en lugar de en un resultado aislado, es posible identificar contenido con marcas de agua incluso cuando el procesamiento u otros ataques hayan degradado la calidad de la marca de agua, reduciendo la altura del pico de correlación debajo del umbral normalmente usado para la detección. Esto mejora el desempeño del detector de marcas de- agua y la extracción de la carga útil con marca de agua. La capacidad de detectar marcas de agua que están sólo débilmente presentes en un artículo dé contenido de medios también proporciona la opción de permitir que la marca de agua sea más débilmente insertada en el contenido, reduciendo así su visibilidad bajo inspección visual por partes fraudulentas potenciales, o reduciendo su perceptibilidad bajo condiciones de observación normales. Una métrica que se prefiere es un valor cuadrado medio del grupo, el cual se ha encontrado que ofrece una indicación particularmente buena de la presencia de un pico de correlación. La métrica puede calcularse para cada una de una pluralidad de grupos diferentes seleccionados a partir del conjunto total de resultados. De hecho, la métrica puede calcularse para un grupo de resultados centrado sobre cada resultado de correlación en el conjunto de resultados de correlación. Sin embargo, un método más eficiente usa una etapa inicial de identificar grupos de resultados candidatos los cuales sea probable que representen picos de correlación. La métrica sólo tiene que ser calculada para los ' grupos candidatos, de esta manera reduciendo significativamente la cantidad de cálculos . La funcionalidad descrita aquí puede implementarse en software, hardware o una combinación de éstos. En consecuencia, otro aspecto de la invención proporciona software para llevar a cabo el método. Se apreciará que el software puede instalarse en el aparato huésped en cualquier - punto durante la vida del equipo. El software puede ser almacenado en un dispositivo de memoria electrónica, disco duro, disco óptico u otro medio de almacenamiento legible por máquinas . El software puede suministrarse como un producto de programa de computadora en un portador legible por máquinas o puede ser descargado directamente al aparato por medio de una conexión a red. Aspectos adicionales de la invención proporcionan un detector de marcas de agua para llevar a cabo cualquiera de las etapas del método, y un aparato para presentar una señal de información que responda a la salida del detector de marcas de agua. Aunque la modalidad descrita hace referencia al procesamiento de una imagen o señal de video (incluyendo contenido de cinema digital) , se apreciará que la señal de información puede ser datos que representen audio o cualquier otro tipo de contenido de medios . Breve Descripción de las Figuras Las modalidades de la presente invención se describirán ahora, a manera de ejemplo, con referencia a las figuras anexas, en las cuales: La figura 1 muestra una forma conocida para insertar una marca de agua en un artículo de contenido. La figura 2 muestra una primera disposición para detectar la presencia de una marca dé agua én un artículo de contenido . La figura 3 muestra una tabla de resultados de correlación y la selección de un grupo de resultados para usarse en el método de detección. La figura 4 muestra una gráfica de resultados de correlación. Las figuras 5 y 6 muestran gráficas que ilustran el desempeño del detector y método. La figura 7 muestra una segunda disposición para detectar la presencia de una marca de agua en un artículo de contenido. Las figuras 8 y 9 muestran tablas de datos de resultados de correlación y el proceso de identificar grupos significativos . La figura 10 muestra un aparato para presentar contenido que incorpora el detector de marcas de agua. Descripción Detallada de la Invención A manera de antecedente, y para entender la invención, se describirá brevemente con referencia a la figura 1 un proceso para insertar una marca de agua. Un patrón de marca de agua w(K) se construye usando uno o más patrones de marca de agua básicos w. Cuando una carga útil de datos va a ser portada por la marca de agua, se usa un número de patrones de marca de agua básicos. El patrón de marca de agua w(K) se selecciona de acuerdo con la carga útil - un código K de varios bits - que va a ser insertado. El código es representado al seleccionar un número de los patrones básicos w y descentrándolos unos de otros por una distancia y dirección particulares. El patrón de marca de agua w(K) combinado representa un patrón de ruido que puede ser añadido al contenido. El patrón de marca de agua w(K) tiene un tamaño de M x M bits y típicamente es mucho más pequeño que el artículo de contenido. En consecuencia, el patrón M x M se repite (cuadricula) 14 en un patrón más grande que coincida con el formato de los datos de contenido. En el caso de una imagen, el patrón w(K) es cuadriculado 14 de tal manera que iguale el tamaño de ia imagen con la cual será combinado. Una señal de contenido se recibe y se almacena en una memoria volátil 16. Una medida de actividad local ?(X) en la señal de contenidos se deriva 18 en cada posición de pixel.

Esto proporciona una medida para la visibilidad del ruido aditivo y se usa para escalar el patrón de marca de agua (K) . Esto evita que la marca de agua sea perceptible en el contenido, tal como áreas de brillo igual en una imagen. U? factor de escalada total s se aplica a la marca de agua en el multiplicador 22 y esto determina la resistencia" total de la marca de agua. La elección de s es un compromiso entre el grado de robustez que se requiere y el requerimiento de qué tan perceptible debe ser la marca de agua. Finalmente, la señal de marca de agua W(K) se añade 24 a la señal de contenido. La señal resultante, con la marca de agua insertada en ésta, será entonces sometida a varias etapas de procesamiento como parte de la distribución normal de ese contenido. La figura 2 muestra un diagrama esquemático de un detector de marcas de agua 100. El detector de marcas de agua recibe contenido que puede tener marcas de agua. En la siguiente descripción el contenido se asume que son imágenes o contenido de video. La detección de marcas de agua puede llevarse a cabo para cuadros individuales o para grupos de cuadros . Los cuadros acumulados se dividen en bloques de tamaño M x M (por ejemplo, M = 128) y luego se doblan en una memoria volátil de tamaño M x M. Estas etapas iniciales se muestran como el bloque 50. Los datos en la memoria volátil se someten después a una Transformación de Fourier Rápida 52. La siguiente etapa en el proceso de detección determina la presencia de marcas de agua en los datos contenidos en la memoria volátil. Para detectar si la memoria volátil incluye o no un patrón de marca de agua particular, los contenidos de la memoria volátil y el patrón de marca de agua esperado se someten a correlación." Ya que los datos de contenido pueden incluir varios patrones de marca de agua, se muestra un número de ramas paralelas 60, 61, 62, cada una llevando a cabo la correlación con uno de los patrones de marca de agua básicos WO, Wl, W2. Una de las ramas se muestra en más detalle. Los valores de correlación para todos los vectores de desplazamiento posibles de un patrón básico Wi se calculan simultáneamente. El patrón de marca de agua básico Wi (i = 0, 1, 2) se somete a una Transformación de Fourier Rápida (FFT) antes de su correlación con la señal de datos. El conjunto de valores de correlación se somete después a una Transformación de Fourier Rápida inversa 63. Detalles completos de la operación de correlación se describen en US 6,505,223 Bl . Los coeficientes de Fourier usados en la correlación son números complejos, con una parte real y una parte imaginaria, que representan una magnitud y una fase. Se ha encontrado que la confiabilidad del detector se mejora significativamente si la información de magnitud se desecha y se considera únicamente la fase. Una operación de normalización de magnitud puede llevarse a cabo después de la multiplicación por puntos y antes de la Transformación de Fourier inversa 63. La operación del circuito de normalización comprende dividir por puntos cada coeficiente entre su magnitud. Esta técnica de detección global se conoce como Filtración Igualada Sólo de Fases Simétricas (SPOMF) . El conjunto de resultados de correlación a partir del procesamiento anterior se almacena en una memoria volátil 64. Un pequeño conjunto de resultados de correlación ejemplar se muestra en la figura 3. El contenido con marcas de agua se indica por la presencia de picos en los datos de resultados de correlación. La forma del pico puede entenderse mejor al ver los resultados de correlación en forma de una gráfica, con el valor de correlación siendo graficado como altura sobre una línea de base de la gráfica, como se muestra en la figura 4. En este ejemplo, el pico es un pico relativamente pronunciado que tiene un valor de -4.23. El conjunto de resultados de correlación se examina para identificar picos que pudieran deberse a la presencia de una marca de agua en los datos de contenido . La presencia de una marca de agua puede indicarse por un pico pronunciado y aislado de altura significativa, aunque los picos más aislados tienden a representar coincidencias espurias debido a ruido. Es más probable que las operaciones de procesamiento anteriores durante la distribución del contenido hayan causado que un pico de correlación debido a una marca de agua hubiera sido manchado o marcado sobre varias posiciones adyacentes en los resultados de correlación. En la siguiente, etapa, la unidad de cálculo de grupos 67 forma grupos de resultados a partir del conjunto de resultados en la memoria volátil y calcula el valor cuadrado medio del grupo. Como un ejemplo, uno de estos grupos se forma al tomar los resultados que rodean el resultado marcado 101. Aquí, el grupo es un cuadrado 3x3 de resultados 102. El .cuadrado medio de ese grupo se calcula. Otro grupo se forma al tomar un grupo 3x3 de resultados que rodee el punto 103. El cuadrado medio de ese grupo se calcula. El método continúa hasta que un cuadrado medio haya sido calculado para cada grupo posible de resultados en la memoria volátil . El tamaño C del grupo puede ajustarse por anticipado o puede ser variado, en uso. Al generar el conjunto de resultados de correlación 64, se usa una correlación cíclica. Así, las entradas en la hilera inferior son adyacentes a las entradas en la hilera superior. Viendo la figura 3 , y tomando el valor de la hilera superior de -3.8172 como el centro de un grupo, otros resultados en este grupo serán tomados de la hilera inferior, segunda hilera e hilera inferior de la memoria volátil . El conjunto de valores cuadrados medios se compara con un valor umbral h en un comparador 68. Si uno de los valores cuadrados medios excede el umbral, ese grupo se toma como representando la posición del pico de correlación. Con el valor umbral establecido a un valor adecuado, es altamente poco probable que más de uno de los valores cuadrados medios exceda el umbral. Sin embargo, si se encuentran varios picos, deben decidirse entre con base en su probabilidad de deberse a una marca de agua. La salida 69 indica la posición del pico de correlación. Un ejemplo matemático simplificado de la técnica de cuadrados medios se describirá ahora. Considérese que un artículo de contenido haya sido correlacionado con un patrón de marca de agua de interés usando la técnica SPOMF descrita anteriormente y los resultados de correlación almacenados en la memoria volátil 64. Los resultados de correlación en la memoria volátil 64 son un vector y de valores de correlación, con cada elemento correspondiendo a un desplazamiento (cíclico) diferente del patrón de marca de agua en relación a la señal de contenido. Por motivos de claridad, se asume que y es unidimensional aunque se puede apreciar que para la mayoría del contenido los resultados de correlación en la memoria volátil 64 serán una matriz bidimensional que corresponda a desplazamientos en las direcciones horizontal y vertical . En el caso de material sin marcas de agua se ha demostrado que los elementos de y son Ruido Gaussiano Blanco (WGN) aproximadamente independiente. En el caso de material con marcas de agua (H ) , el experimento demuestra que los resultados de la memoria volátil son de nuevo ruido aproximadamente gaussiano, pero también existe un pico.

" Supóngase que la forma del pico de correlación comprenda C puntos adyacentes de tal manera que el vector de forma de pico sea: St(k) = A?aid(k-t-i) (1) ;=o La forma del pico se controla por el vector de parámetros: „ La motivación para usar este modelo particular de la forma de pico es que es más general que asumir una forma matemática particular (por ejemplo, una función sinc) y usa el conocimiento de que el pico es una característica pequeña dentro de una gran memoria volátil, es decir, el grado del pico, C, es mucho más pequeño que la longitud N de la memoria volátil y. El criterio de detección es el grupo de puntos más alto en lugar del punto más alto individual . La regla de decisión es : en donde t se selecciona para ser la ubicación en y con el grupo más alto de C puntos adyacentes : C-1 t= argmax! ?y2(k+i) k i=0 Esto representa: • encontrar la posición ^ en los resultados de la memoria volátil de correlación 64 del grupo de C puntos que posean la suma más alta de alturas cuadradas,- • comparar la suma de alturas cuadradas en la ubicación t. con el umbral h . El umbral de detección h requerido para lograr una probabilidad falsa positiva deseada de a se puede encontrar como sigue. Primero, definir ? como: C-1 Z(k) = ?y2(k+i) ?=0 Para contenido sin marcas de agua, ?_ tiene un orden de distribución de probabilidades Chi-cuadrado de orden C. El valor adecuado de h puede determinarse a partir de: z< h] = (i-ay mediante el uso de tablas de la distribución Chi-cuadrada. Este criterio de detección y ajuste de umbral se derivan en el Apéndice. Diferentes tamaños de grupo (C) dan como resultado un orden diferente de la distribución Chi-cuadrada, lo cual dará como resultado diferentes ajustes de umbral. La figura 5 muestra el valor umbral h requerido para la detección de marcas de agua requerida para video PAL usando el esquema de marcación de agua WaterCast™ desarrollado por Philips. El valor umbral h proporciona la misma velocidad de alarma falsa que un solo pico 5s. La figura .6 muestra la altura RMS mínima requerida de estos C puntos para que la marca de agua se declare presente. Se puede observar que para formas de pico ampliamente difundidas, es decir, grandes grupos de puntos C, la marca de agua puede detectarse exitosamente a alturas de pico mucho más bajas que el nivel 5s requerido por los detectores actuales . En la modalidad recién descrita, el valor cuadrado medio se calcula para cada posición en la memoria volátil de resultados 64. Es posible reducir significativamente la cantidad de cálculos al identificar, antes de la etapa de cálculo de grupos 67, uno o más grupos de resultados candidatos los cuales sea probable que representen picos de correlación manchados . El cálculo de cuadrados medios puede aplicarse entonces sólo a aquellos grupos candidatos . La figura 7 muestra la adición de una etapa de búsqueda de grupos 65 y esto se describirá ahora. El- algoritmo de formación de grupos forma un número de grupos de puntos, cualquiera de. los cuales puede corresponder al pico de correlación verdadero. El algoritmo comprende las siguientes etapas: 1. Establecer un valor umbral y encontrar todos los puntos en los datos de correlación que estén por arriba de este valor umbral. Todos los puntos que satisfagan este criterio se almacenan en una lista -ptsAboveThresh. Un valor umbral sugerido es 3.3s (s = desviación estándar de resultados en la memoria volátil) aunque éste se puede establecer en cualquier valor preferido. Una escala preferida es 2.5 - 4s. Si el valor umbral se establece demasiado bajo un gran número de puntos, los cuales no correspondan a la presencia de una marca de agua, serán almacenados en la lista. De manera inversa, si el valor se establece demasiado alto existe el riesgo de que los puntos que correspondan a un pico válido pero manchado no sean añadidos a la lista. 2. Encontrar el punto con el valor absoluto más alto. 3. Formar grupos candidatos, es decir, grupos de puntos de correlación. Se forman grupos candidatos al colectar puntos que no sólo tengan un valor 'significativo' (un valor más grande que el umbral) , sino los cuales también se localicen muy cerca de por lo menos otro punto de valor significativo. Esto se logra como sigue: (i) Se remueve el primer punto de la lista ptsAboveThresh y se ingresa como el primer punto p de un grupo nuevo; (ii) Se busca en ptsAboveThresh puntos que estén dentro de una distancia d del punto p. Se remueven todos esos puntos de la lista ptsAboveThresh y se les añade al grupo; (iii) Se toma el siguiente punto en el grupo como el punto p actual. Se repite la etapa (ii) para añadir al grupo todos los puntos en ptsAboveThresh que estén dentro de la distancia d del nuevo punto p. (iv) Se repite la etapa (iii) • hasta que ptsAboveThresh haya sido procesada para todos los puntos en el grupo; (v) Si el. grupo resultante consiste únicamente en un solo punto y ese punto no es igual 'al pico más alto encontrado en la etapa 2 anterior, entonces se descarta este grupo; (vi) Se repiten las etapas (i) a (v) hasta que ptsAboveThresh esté vacía. Al final de este procedimiento, todos los puntos ingresados originalmente en ptsAboveThresh en la etapa 1 arriba han sido ya sea: - asignados a un grupo que contiene otros puntos de la lista ptsAboveThresh que están cercanos a éste, o - descartados, toda vez que no tienen vecinos de altura similar, y por lo tanto no son parte de un grupo. A un grupo sólo se le permite comprender un solo punto si ese punto tiene la altura absoluta más grande de todos los puntos en la memoria volátil de correlación. Esto evita que un pico de correlación pronunciado y no manchado sea descartado, pero evita que otros picos aislados, que representan ruido real, sean usados. En referencia a las figuras 8 y 9, éstas muestran algunos conjuntos ejemplares de datos de correlación del tipo que pudieran ser calculados por el detector. La figura 8 muestra un conjunto de resultados para un pico manchado, con valores que varían entre -3.8172 y 4.9190. Se pueden insertar marcas de agua con amplitud negativa, dando un pico de correlación negativo. El valor más alto de 4.9190 se muestra dentro del cuadro 130. Aunque éste está debajo del umbral de detección típico de 5, el valor más alto es rodeado por otros valores de correlación de un valor similar. Esto es indicativo de un pico que ha sido manchado por procesamiento durante la cadena de distribución. Siguiendo el procedimiento descrito arriba, y estableciendo un umbral T de 3.3 y una distancia de 1, se puede encontrar que los valores de correlación dentro del anillo 140 satisfacen estos criterios. Trabajando a través del proceso, los resultados del valor significativo se localizan todos unos a lo largo de otros . Viendo los datos mostrados en la figura 9, los valores varían entre -3.7368 y 10.7652. Aplicando los mismos criterios de detección, sólo un punto 160 excede el umbral. El valor de este punto excede claramente el umbral y de esta manera se considera que es un pico válido. A partir de inspeccionar los valores adyacentes, se puede observar que esto representa un pico de correlación pronunciado. La información insertada representada como código de carga útil K puede identificar, por ejemplo, al propietario de derechos de copiado o una descripción del contenido. En la protección de copias de DVD, permite que el material sea etiquetado como ?de -una sola copia', 'para nunca ser copiado', 'sin restricciones', 'no más copias', etc. La figura 10 muestra un aparato para retirar y presentar una señal de contenido que está almacenada en un medio de almacenamiento 200, tal como un disco óptico, dispositivo de memoria o disco duro. La señal de contenido es retirada por una unidad de retiro de contenido 201. La señal de contenido 202 se aplica a una unidad de procesamiento 205, la cual decodifica los datos y los convalida para su presentación 211, 213. La señal de contenido 202 también se aplica a una unidad dé detección de marcas de agua 220 del tipo descrito previamente. La unidad de procesamiento 205 está dispuesta de tal forma que sólo se le permita procesar la señal de contenido si se detecta una marca de agua predeterminada en la señal. Una señal de control 225 enviada desde la unidad de detección de marcas de agua 220 informa a la unidad de procesamiento 205 si el procesamiento del contenido debe permitirse o negarse, o informa a la unidad de procesamiento 205 de cualguier restricción de copiado asociada con el contenido. Como alternativa, la unidad de procesamiento 205 puede disponerse de tal forma que sólo se le permita procesar la señal de contenido si una marca de agua predeterminada no se detecta en la señal . En la descripción anterior, se ha considerado un conjunto de tres marcas de agua. Sin embargo, se apreciará que la técnica puede aplicarse para encontrar un pico de correlación en datos de contenido que porten sólo una sola marca de agua, o a datos de contenido que porten cualquier número de marcas de agua diferentes . En la descripción anterior, y con referencia a las figuras, se describe un detector 100 que detecta la presencia de una marca de agua en una señal de información. La señal de información está correlacionada con una marca de agua esperada Wi para cada una de una pluralidad de posiciones relativas de la señal de información con respecto a la marca de agua para derivar un conjunto de resultados de correlación 64. El cuadrado medio se calcula de un grupo de resultados 64. El cuadrado medio se compara con un umbral h que es indicador del grupo que representa la presencia de un pico de correlación. El cuadrado medio puede calcularse para grupos formados en cada posición en la memoria volátil de resultados 64. Como alternativa, el cuadrado medio puede calcularse sólo para un grupo que se identifique como siendo probablemente un pico de correlación. Apéndice Esta sección deriva el algoritmo de detección ejemplar dado anteriormente, y describe cómo establecer el umbral de detección para lograr una probabilidad falsa positiva deseada. Supóngase que para contenido con marcas de agua fe) los resultados de correlación sean un pico debido a la marca de agua, más WGN. Esto es soportado por la observación de que, con excepción del propio pico, en el caso de contenido con marcas de agua - los resultados de correlación son nuevamente distribuidos de manera aproximadamente gaussiana. La siguiente prueba de hipótesis puede entonces escribirse para detectar la presencia de una marca de agua: fe) : 7 = n fe) : y = n + st en donde n es un vector de longitud N de valores WGN independientes y st es un vector de longitud N que corresponde a la forma del pico de correlación de marca de agua, cíclicamente desplazado por x posiciones dentro de la memoria volátil de correlación. En el siguiente trabajo se asume que el ruido tenga una desviación de unidad estándar. Esto se logra al normalizar los resultados de correlación antes de la detección de marcas de agua. Supóngase momentáneamente que tanto la forma de pico s como el desplazamiento de ' carga útil t se conozcan, los PDFs bajo cada hipótesis son como sigue. Bajo \HW) los valores en y son WG? puro con PDF: Bajo Hw la memoria volátil contiene un pico más WGN y tiene PDF: Una decisión entre las dos hipótesis se hará usando una prueba de relación de probabilidades : Probabilidad en donde la relación log-probabilidad es : Se asume el siguiente modelo del pico de correlación de marca de agua st : La forma del pico se controla por el vector de parámetros : a = [aQa ---ac_ ] En la práctica, un valor estimado tendría que usarse con base en el grado típico de esparcimiento de puntos de correlación de marcas de agua, o un valor de C puede obtenerse usando la técnica de detección de grupos descrita anteriormente . Sustituir la ecuación 6 en la expresión log- probabilidad de la ecuación 5 da: Los parámetros desconocidos (a, t) se asumirá que tienen valores que maximizan la probabilidad de los datos observados (y) . Primero, maximizar con respecto a los parámetros de forma de pico da: &m = y(t+ m) es decir, el cálculo de la forma de pico se toma como los contenidos de la memoria volátil de correlación alrededor del punto que corresponde al desplazamiento de la carga útil, y la relación de probabilidad se vuelve : Seleccionar el cálculo del desplazamiento de carga útil ^ para maximizar la probabilidad da: Seleccionar el cálculo de desplazamiento de carga útil para maximizar esta expresión corresponde a encontrar t la ubicación en y con el grupo más alto de C puntos adyacentes : Esto busca el grupo de puntos más alto en lugar del único punto más alto. La regla de decisión de la ecuación 4 se vuelve: c-i ?y2(t+i) > h => Hw si no Hw (9) El valor umbral h necesario para lograr una probabilidad falsa positiva aceptablemente baja de un valor se da por: Pt[Falso positivo] = Pr Bajo la hipótesis Hw los elementos de y - son distribuidos independientemente en forma gaussiana con cero desviación estándar promedio y unitaria. La variable ?. definida como: c-i ?(k) = ?y2(k+i) (=0 tiene por lo tanto una distribución Chi-cuadrada de orden C. Usando esta anotación, la ecuación 10 se vuelve: \-Vx[?(k) < h,\/k] = => l - Pt[? < h])N = a => ?r[? <h]] = (l-a)Ñ de la cual el valor adecuado de h puede determinarse por medio de tablas de la distribución Chi-cuadrada. Se hace constar qué con relación a esta fecha, el mejor método conocido por la solicitante para llevar a la práctica la citada invención, es el que resulta claro de la presente descripción de la invención.

Claims (12)

1. REIVINDICACIONES
2. Habiéndose descrito la invención como antecede, se reclama como propiedad lo contenido en las siguientes reivindicaciones : 1. Un método para detectar una marca de agua en una señal de información, caracterizado porque comprende: derivar un conjunto de resultados de correlación al correlacionar la señal de información con una marca de agua para cada una de una pluralidad de posiciones relativas de la señal de información con respecto a la marca de agua; calcular una métrica que se base en un grupo de los resultados seleccionados a partir del conjunto de resultados completo y comparar la métrica calculada con un valor umbral de grupo que sea indicador del grupo que represente un pico de correlación. 2. El método de conformidad con la reivindicación 1, caracterizado porque la métrica se calcula para una pluralidad de grupos diferentes seleccionados del conjunto de resultados completo .
3. 3. El método de conformidad con la reivindicación 2 , caracterizado porque la métrica se calcula para un grupo de resultados centrado sobre cada resultado de correlación en el conjunto de resultados de correlación.
4. 4. El método de conformidad con cualquiera de las reivindicaciones anteriores, caracterizado porque la métrica es el valor cuadrado medio del grupo de resultados de correlación.
5. 5. El método de conformidad con cualquiera de las reivindicaciones anteriores, caracterizado porque el valor umbral de grupos varía de acuerdo con el tamaño del grupo.
6. 6. El método de conformidad con cualguiera de las reivindicaciones anteriores, caracterizado porque comprende además una etapa inicial de identificar al menos un grupo de resultados de correlación los cuales sea probable que representen un pico de correlación y sólo llevar a cabo la etapa de calcular la métrica en cada uno de los grupos identificados .
7. 7. El método de conformidad con la reivindicación 6, caracterizado porque la etapa de identificar grupos de resultados de correlación comprende determinar todos los resultados de correlación en el conjunto que excedan un valor umbral de detección, y luego determinar cuáles de esos resultados de correlación se localizan dentro de una distancia predeterminada unos de otros .
8. 8. Software caracterizado porque es para llevar a cabo el método de conformidad con cualquiera de las reivindicaciones anteriores .
9. 9. Un detector de marcas de agua para detectar una marca de agua en una señal de información, caracterizado porque comprende : medios para calcular una métrica que se base en un grupo de los resultados seleccionados a partir del conjunto de resultados completo y - medios para comparar la métrica calculada con un valor umbral de grupo que sea indicador del grupo que represente un pico de correlación.
10. 10. El detector de marcas de agua de conformidad con la reivindicación 9, caracterizado porque comprende además medios para llevar a cabo cualquiera de las etapas del método de conformidad con las reivindicaciones 2-7.
11. 11. El detector de marcas de agua de conformidad con la reivindicación 9 ó 10, caracterizado porgue los medios para derivar un conjunto de resultados de correlación ,y los medios para calcular una métrica y los medios para comparar la métrica calculada comprenden un procesador que está dispuesto para ejecutar software para llevar a cabo esas funciones.
12. 12. Aparato para presentar una señal de información que comprende medios para deshabilitar la operación del aparato dependiendo de la presencia de una marca de agua válida en la señal de información, caracterizado porque comprende el detector de marcas de agua de conformidad con cualquiera de las reivindicaciones 9 a 11.