CN103873871A - 一种基于时间轴扩频的抗几何攻击鲁棒视频水印方法 - Google Patents

Abstract

一种基于时间轴扩频的抗几何攻击的鲁棒视频水印方法，水印嵌入过程为：视频帧图像以RGB颜色空间表示，嵌入的二值图片信息以0-1矩阵表示，将水印信息矩阵与视频帧图像B分量颜色矩阵建立位置对应，然后在时间轴以盲扩频水印方式嵌入对应位置处的水印信息，为了能够抵抗针对视频帧序列的攻击，通过改变视频帧图像R颜色分量和G颜色分量在三层DWT变换后的高频系数对比差值保存进行扩频嵌入时所使用的伪随机信息。水印提取过程首先通过对比视频帧图像R颜色分量和G颜色分量在三层DWT变换后的高频系数提取伪随机信息，然后再提取时间轴上的水印信息。本发明提高了视频水印对几何攻击的鲁棒性，对压缩和针对视频帧序列的攻击也具有一定的鲁棒性。

Description

一种基于时间轴扩频的抗几何攻击鲁棒视频水印方法

技术领域

本发明涉及一种鲁棒视频数字水印方法，特别涉及一种可抵抗几何攻击的水印方法。

背景技术

众所周知，数字多媒体已经取代了传统的模拟形式，借助互联网通信技术的不断发展，数字多媒体可以方便快捷的复制与传播，而由此引发的盗版问题和版权纷争也成为日益严重的社会问题。据美国唱片业协会估计，全世界每年因盗版而造成的经济损失高达50亿美元，美国电影行业协会估计，盗版使美国电影业的年收入减少了25亿美元。

传统的版权保护手段是密码认证技术，密码技术可以保证数字作品从发送者到接受者的传播过程中的信息安全，但是一旦数字作品被解密，密码技术就不再具有保护作用，盗版者可以任意的复制传播。

为了弥补密码技术在版权保护领域的不足，一种新的版权保护手段——数字水印技术得到了关注与发展。数字水印可以将代表作品版权的相关信息不可感知的嵌入到数字媒体（图像、声音、文档、视频）中，它可以证明原创作者对其作品的所有权，并作为鉴定、起诉非法侵权的证据，同时可以通过对水印的检测和分析保证数字作品的完整性，因而成为知识产权保护和数字多媒体防伪的有效手段。

视频作为人们广泛使用的多媒体形式，在日常生活中有重要作用，其版权保护的重要性不言而喻，鲁棒性是视频水印需要满足的重要条件，而针对几何攻击的鲁棒性一直是视频水印的研究重点，本方法是在充分研究现有各种可抵抗几何攻击的视频水印方法的基础上，结合计算机视觉、信号处理等领域的先进技术，所提出的新颖的能有效抵抗以几何攻击为主的各种攻击的鲁棒视频水印方法。

发明内容

本发明要解决的技术问题是：设计一种性能优良的可抵抗诸如几何攻击等常见攻击的鲁棒视频水印方法，以更好地保护数字视频的版权。

本发明解决其技术问题所采用的技术方案：一种基于时间轴扩频的可抵抗几何攻击的鲁棒视频水印方法，包括水印嵌入过程和水印提取过程两部分，嵌入的水印信息为二值图片，利用视频帧图像的时间轴数据通过盲扩频水印技术保存水印信息，利用视频帧图像不同颜色分量的三层DWT变换系数之间的不同保存嵌入和提取水印所需的伪随机信息。

几何攻击也就是如旋转、缩放、剪切等规则或非规则的几何变换，会对视频帧图像与水印之间的空间同步造成破坏，传统的水印嵌入技术一般都不能有效抵抗几何攻击对水印提取所造成的不利影响，由于相邻的视频帧在遭受几何攻击时会经历同样的变换，这样在时域也就是每一帧的同一位置处所构成的时间轴像素序列的同步关系就不会受到几何攻击的影响，然后利用时间轴的像素序列采用扩频水印技术保存水印信息，就可以将几何攻击对视频帧的影响传递给水印信息，也就是说水印信息会与视频帧经历同样的几何变换，如果采用二值图片作为水印信息，就可以依靠人眼对图片的信息识别能力消除几何攻击的影响。

由于视频所需存储空间较大、传输困难等特点，一般需要视频水印具有盲检测特性，所以需要利用盲扩频水印技术保存水印信息，虽然视频是三维信号，原始的盲扩频水印技术处理时将视频看作一维信号，嵌入过程首先要将水印信息扩频，其转换公式如下：

w'_i＝w_j,j×cr≤i＜(j+1)×cr,i∈N

其中w_j表示原始水印信息，w_j∈{-1,1},j∈N，N为自然数，cr为扩频系数，w'_i为扩频后的水印信息。扩频完成后，将水印信息嵌入到像素值上，其计算公式如下：

p′_i＝p_i+α×r_i×w_i

其中p_i为原始像素值，α为放大系数，r_i为伪随机序列，r_i∈{-1,1}，w'_i为扩频后的水印信息，p'_i为嵌入水印后的像素值,i∈N，N为自然数。

提取过程中首先计算相关和，其计算过程如下：

$s_j=\underset{i=j\×\mathrm{cr}}{\overset{(j+1)\×\mathrm{cr}-1}{\mathrm{\Σ}}}{p}_i^{\′}\×r_i=\underset{i=j\×\mathrm{cr}}{\overset{(j+1)\×\mathrm{cr}-1}{\mathrm{\Σ}}}{p}_i\×r_i+\underset{i=j\×\mathrm{cr}}{\overset{(j+1)\×\mathrm{cr}-1}{\mathrm{\Σ}}}\mathrm{\α}\×r_i\×w_i^{\′}\×r_i\≈\mathrm{cr}\×\mathrm{\α}\×w_j$

其中p'_i为像素值，r_i为伪随机序列，r_i∈{-1,1}，cr为扩频系数，s_j的符号就代表原始的第j位水印信息，即：sign(s_j)＝sign(cr×α×w_j)＝sign(w_j)＝w_j。

由于盲扩频水印技术需要使用伪随机序列嵌入和提取水印信息，这样水印提取过程就容易受到针对视频帧序列的攻击（比如帧交换、帧丢失、帧平均等）的影响，为了提高本水印方法的鲁棒性，通过利用视频帧图像不同颜色分量之间的对比保存嵌入和提取水印所需的伪随机信息，这样就能有效抵抗针对视频帧序列的攻击。

本发明与现有技术相比所具有的优点是：

1、能够很好地抵抗几何攻击，比如旋转、剪切、缩放、翻转等；

2、能够较好的抵抗针对视频帧序列的攻击，比如帧丢失、帧交换、帧平均等，对压缩等常见攻击也有比较好的鲁棒性；

3、算法实现简单，嵌入和提取的过程明确，计算复杂度小；

4、所设计水印为盲水印，也就是说在水印提取时不需要原始视频和原始嵌入水印信息。

附图说明

图1为本发明的总体框架图；

图2为本发明的水印嵌入算法流程图；

图3为本发明的水印提取算法流程图。

具体实施方式

视频水印方法包括水印嵌入和水印提取两部分，其总体框架图为图1。

水印嵌入过程流程图见图2，其步骤如下：

步骤1：将代表水印信息的二值图片大小调整为帧图像大小的1/9，然后以该二值图片为中心，以白色填充周边区域，构建与帧图像同样大小的二值水印图像，用矩阵w表示。

步骤2：读取第i视频帧，i为序号，i∈N，N为自然数。

步骤3：对第i帧图像的Blue通道分量，遍历该帧图片像素，按下式进行水印嵌入：

p'_i(x,y)＝p_i(x,y)+α*r_i*(2*w(x,y)-1)

其中（x,y）为坐标，p_i为原始像素值，α为取值大于0的放大系数，r_i为伪随机序列，r_i∈{-1,1}，w为二值图片矩阵，其中0代表黑色，1代表白色，之所以选择Blue通道，是因人眼对蓝色分量最不敏感。

步骤4：对第i帧图像的Red分量和Green分量，分别对其进行3层2维DWT变换，得到第3层变换后的Red分量的横向高频分量chRed、纵向高频分量cvRed和Green分量的横向高频分量chGreen、纵向高频分量cvGreen，每个分量都可看作相同大小的二维矩阵，按下述规则嵌入伪随机序列值r_i：

如果r_i为1且D＝|chRed(x,y)-chGreen(x,y)|＜T，则按下面两式扩大chRed和chGreen的差值：

$\left\{\begin{array}{c}\mathrm{chGree}{n}^{\&prime;}(x,y)=\mathrm{chGreen}(x,y)-\frac{T-D}{2},\mathrm{chGreen}(x,y)<\mathrm{chRed}(x,y)\\ \mathrm{chGree}{n}^{\&prime;}(x,y)=\mathrm{chGreen}(x,y)+\frac{T-D}{2},\mathrm{chGreen}(x,y)>\mathrm{chRed}(x,y)\end{array}\right.$

$\left\{\begin{array}{c}\mathrm{chRe}{d}^{\&prime;}(x,y)=\mathrm{chRed}(x,y)-\frac{T-D}{2}\mathrm{chGreen}(x,y)>\mathrm{chRed}(x,y)\\ \mathrm{chRe}{d}^{\&prime;}(x,y)=\mathrm{chRed}(x,y)+\frac{T-D}{2},\mathrm{chGreen}(x,y)<\mathrm{chRed}(x,y)\end{array}\right.$

如果r_i为1且D＝|chRed(x,y)-chGreen(x,y)|≥T则不作改动。

如果r_i为-1且D＝|chRed(x,y)-chGreen(x,y)|＞T，则按下面两式缩小chRed和chGreen的差值：

$\left\{\begin{array}{c}\mathrm{chGree}{n}^{\&prime;}(x,y)=\mathrm{chGreen}(x,y)-\frac{T-D}{2},\mathrm{chGreen}(x,y)<\mathrm{chRed}(x,y)\\ \mathrm{chGree}{n}^{\&prime;}(x,y)=\mathrm{chGreen}(x,y)+\frac{T-D}{2},\mathrm{chGreen}(x,y)>\mathrm{chRed}(x,y)\end{array}\right.$

$\left\{\begin{array}{c}\mathrm{chRe}{d}^{\&prime;}(x,y)=\mathrm{chRed}(x,y)-\frac{T-D}{2}\mathrm{chGreen}(x,y)>\mathrm{chRed}(x,y)\\ \mathrm{chRe}{d}^{\&prime;}(x,y)=\mathrm{chRed}(x,y)+\frac{T-D}{2},\mathrm{chGreen}(x,y)<\mathrm{chRed}(x,y)\end{array}\right.$

如果r_i为-1且D＝|chRed(x,y)-chGreen(x,y)|≤T则不作改动。

cvRed和cvGreen与chRed和chGreen的操作相同，上述各式中的T值为取值为正的门限值。

步骤5：保存视频帧。

水印提取过程流程图见图3，其步骤如下：

步骤1：定义一个与帧图像同样大小的矩阵m，初始化其各值为0。

步骤2：读取第i视频帧，对第i帧图像的Red分量和Green分量，分别对其进行3层2维DWT变换，得到第3层变换后的横向高频分量chRed、chGreen和纵向高频分量cvRed、cvGreen，遍历这两个分量像素值，按下述规则提取伪随机序列值r_i，其中sum为初始值为0的计数值，取值可正可负：

如果D＝|chRed(x,y)-chGreen(x,y)|≤T则sum值减1；

如果D＝|chRed(x,y)-chGreen(x,y)|＞T则sum值加1；

如果D＝|cvRed(x,y)-cvGreen(x,y|≤T则sum值减1；

如果D＝|cvRed(x,y)-cvGreen(x,y)|＞T则sum值加1。

遍历结束后，依据下式提取出r_i值：

$r_i=\left\{\begin{array}{c}1,\mathrm{sum}>0\\ -1,\mathrm{sum}<0\end{array}\right.$

步骤3：针对Blue分量，遍历图片像素，按下式操作：

m(x,y)＝m(x,y)+p'_i(x,y)*r_i

其中（x,y）为坐标，p'_i为像素值，m为步骤1所设矩阵，r_i为伪随机序列，r_i∈{-1,1}。

步骤4：读取所有视频帧后，遍历矩阵m，设定水印信息为矩阵w，w与m同样大小，w按下式赋值：

$w(x,y)=\left\{\begin{array}{c}0,m(x,y)<0\\ 1,m(x,y)\&GreaterEqual;0\end{array}\right.$

矩阵w即为提取的水印信息，也就是原始嵌入的二值图像。

Claims (4)

1.一种基于时间轴扩频的抗几何攻击鲁棒视频水印方法，其特征在于：包括水印嵌入和水印提取两部分，嵌入的水印信息为二值图片，利用视频帧图像的时间轴数据通过扩频水印技术保存水印信息，利用视频帧图像不同颜色分量之间的小波变换系数值对比保存嵌入和提取水印所需的伪随机信息；

所述水印嵌入过程为：

（1.1）将二值图片调整为视频帧大小，用二值图片矩阵w表示；

（1.2）对第i帧图像的Blue通道分量，遍历该帧图片像素，按下式进行水印嵌入：

p'_i(x,y)＝p_i(x,y)+α*r_i*(2*w(x,y)-1)；

其中，（x,y）为坐标，p_i为原始像素值，α为取值大于0的放大系数，r_i为伪随机序列，r_i∈{-1,1}，i∈N，N为自然数，w为二值图片矩阵，其中0代表黑色，1代表白色；

（1.3）对第i帧图像的Red分量和Green分量，分别对其进行3层2维DWT变换，得到第3层变换后的Red分量的横向高频分量chRed、纵向高频分量cvRed和Green分量的横向高频分量chGreen、纵向高频分量cvGreen，每个分量都可看作相同大小的二维矩阵，设定门限值T，T取正值，如果r_i为1，则调整矩阵chRed和矩阵chGreen的相同位置的参数值的差值绝对值大于T，如果r_i为-1，则调整矩阵chRed和矩阵chGreen的相同位置的参数值的差值绝对值小于T，矩阵cvRed和cvGreen同样处理；

（1.4）保存视频帧；

所述水印提取过程为：

（2.1）定义一个与帧图像同样大小的矩阵m，初始化其各值为0；

（2.2）对第i帧图像的Red分量和Green分量，分别对其进行3层2维DWT变换，得到第3层变换后的Red分量的横向高频分量chRed、纵向高频分量cvRed和Green分量的横向高频分量chGreen、纵向高频分量cvGreen，每个分量都可看作相同大小的二维矩阵，判断矩阵chRed和矩阵chGreen、矩阵cvRed和矩阵cvGreen的相同位置的参数值的差值的绝对值是否大于T，如果大于T的参数居多，则r_i为1，如果小于T的参数居多，则r_i为-1；

（2.3）针对Blue分量，遍历图片像素，按下式操作：

m(x,y)＝m(x,y)+p'_i(x,y)*r_i

其中（x,y）为坐标，p'_i为像素值，m为步骤2.1中所设矩阵；

（2.4）读取所有视频帧后，遍历矩阵m，设定水印信息为矩阵w，w与m同样大小，w按下式赋值：

$w(x,y)=\left\{\begin{array}{c}0,m(x,y)<0\\ 1,m(x,y)\&GreaterEqual;0\end{array}\right.$

w即为提取的水印信息，也就是原始嵌入的二值图片矩阵。

2.根据权利要求1所述的基于时间轴扩频的抗几何攻击鲁棒视频水印方法，保存伪随机信息过程中调整第3层小波变换后的Red分量的横向高频分量chRed、纵向高频分量cvRed和Green分量的横向高频分量chGreen、纵向高频分量cvGreen的具体操作为：

如果r_i为1且D＝|chRed(x,y)-chGreen(x,y)|＜T，则按下面两式扩大chRed和chGreen的差值：

$\left\{\begin{array}{c}\mathrm{chGree}{n}^{\&prime;}(x,y)=\mathrm{chGreen}(x,y)-\frac{T-D}{2},\mathrm{chGreen}(x,y)<\mathrm{chRed}(x,y)\\ \mathrm{chGree}{n}^{\&prime;}(x,y)=\mathrm{chGreen}(x,y)+\frac{T-D}{2},\mathrm{chGreen}(x,y)>\mathrm{chRed}(x,y)\end{array}\right.$

$\left\{\begin{array}{c}\mathrm{chRe}{d}^{\&prime;}(x,y)=\mathrm{chRed}(x,y)-\frac{T-D}{2}\mathrm{chGreen}(x,y)>\mathrm{chRed}(x,y)\\ \mathrm{chRe}{d}^{\&prime;}(x,y)=\mathrm{chRed}(x,y)+\frac{T-D}{2},\mathrm{chGreen}(x,y)<\mathrm{chRed}(x,y)\end{array}\right.$

如果r_i为1且D＝|chRed(x,y)-chGreen(x,y)|≥T则不作改动；

如果r_i为-1且D＝|chRed(x,y)-chGreen(x,y)|＞T，则按下面两式缩小chRed和chGreen的差值：

$\left\{\begin{array}{c}\mathrm{chGree}{n}^{\&prime;}(x,y)=\mathrm{chGreen}(x,y)-\frac{T-D}{2},\mathrm{chGreen}(x,y)<\mathrm{chRed}(x,y)\\ \mathrm{chGree}{n}^{\&prime;}(x,y)=\mathrm{chGreen}(x,y)+\frac{T-D}{2},\mathrm{chGreen}(x,y)>\mathrm{chRed}(x,y)\end{array}\right.$

$\left\{\begin{array}{c}\mathrm{chRe}{d}^{\&prime;}(x,y)=\mathrm{chRed}(x,y)-\frac{T-D}{2}\mathrm{chGreen}(x,y)>\mathrm{chRed}(x,y)\\ \mathrm{chRe}{d}^{\&prime;}(x,y)=\mathrm{chRed}(x,y)+\frac{T-D}{2},\mathrm{chGreen}(x,y)<\mathrm{chRed}(x,y)\end{array}\right.$

如果r_i为-1且D＝|chRed(x,y)-chGreen(x,y)|≤T则不作改动；

cvRed和cvGreen与chRed和chGreen的操作相同，上述各式中的T值为取值为正的门限值，r_i为取值为1或-1的伪随机序列值。

3.根据权利要求1所述的基于时间轴扩频的抗几何攻击鲁棒视频水印方法，其特征在于：所述α的取值为5≤α≤15。

4.根据权利要求1所述的基于时间轴扩频的抗几何攻击鲁棒视频水印方法，其特征在于：所述T的取值为20≤T≤40。

Images