劉內(nèi)美

(內(nèi)江職業(yè)技術(shù)學(xué)院，四川 內(nèi)江641000)

近年來，移動設(shè)備和網(wǎng)絡(luò)的廣泛應(yīng)用，使得視頻內(nèi)容極易拷貝或經(jīng)網(wǎng)絡(luò)傳播，然而該優(yōu)點衍生出多媒體內(nèi)容的安全問題，如版權(quán)保護、非法傳播等［1］。

為了保護數(shù)字產(chǎn)品的版權(quán)，許多保護技術(shù)得到研究，數(shù)字水?。?－3］是其中應(yīng)用廣泛且實現(xiàn)較簡單的方案，其優(yōu)點有控制拷貝、用戶身份驗證和叛逆者追蹤等。數(shù)字水印將水印嵌入圖片或視頻，同時該嵌入水印不影響媒體觀看質(zhì)量且可由檢測算法提取。通過檢測水印可獲得視頻的版權(quán)所有者信息。

然而，部分攻擊方案可對水印產(chǎn)生有效攻擊，其中，幾何攻擊［4］最難抵抗。幾何攻擊通過破壞水印嵌入和提取的同步性，使作者無法正確提取水印，從而驗證失敗。

1 研究背景及本算法意義

1.1 難點及挑戰(zhàn)

基于已有研究，總結(jié)了視頻水印的3 個難點:

1)水印提取過程同步性。保證水印提取過程同步性是一大難點。

2)同步過程的魯棒性。為使得水印提取過程同步，應(yīng)使恢復(fù)過程具有魯棒性。通常，使用一系列魯棒性特征點為秘密特征，從而回復(fù)目標圖像。因此，恢復(fù)過程魯棒性為另一難點。

3)版權(quán)糾紛與非法傳播追蹤問題。通常，僅在媒體內(nèi)容中嵌入一個水印信息保護作品版權(quán)。如一個合法用戶，并無傳播授權(quán)，但利用網(wǎng)絡(luò)或拷貝將數(shù)字內(nèi)容進行傳播，作者將無法追蹤。更甚者，如合法用戶與非法用戶發(fā)生財產(chǎn)糾紛，作者將無法根據(jù)水印進行判斷。因此，版權(quán)糾紛與非法傳播追蹤為另一重要難點。

1.2 本文相應(yīng)方案

1)針對第1 個難點，提出幀塊匹配同步方案。

幀塊算法為本文重要創(chuàng)新點，基于合法用戶信息為其產(chǎn)生唯一的秘鑰，基于秘鑰，隨機截取視頻某幀的部分矩形塊作為幀塊。水印嵌入?yún)^(qū)域由幀塊與視頻幀匹配得到，因此，各合法用戶所提取水印位置不一樣。因此，盡管一個媒體內(nèi)容發(fā)給不同用戶，但為各用戶創(chuàng)建了不同的幀塊，從而區(qū)分了用戶。

2)針對第2 個難點，利用KAZE 特征點匹配。

為使同步提取水印過程具魯棒性，特征點選取為關(guān)鍵，本算法利用KAZE 特征點做本地特征，其對縮放、平移、旋轉(zhuǎn)、局部光照變化等攻擊均有魯棒性。本算法從視頻幀提取KAZE特征點，并與幀塊特征點匹配來檢測匹配區(qū)域。利用匹配區(qū)域，產(chǎn)生水印信息的嵌入和提取區(qū)域。嵌入水印時，首先，本算法基于DCT 域?qū)⑺∏度肫ヅ鋮^(qū)域;然后，作者為用戶發(fā)送許可證號以證明其為合法用戶。提取水印時，首先，使用KAZE 特征匹配獲得匹配區(qū)域;然后，通過計算仿射參數(shù)，可幾何回復(fù)視頻幀，并可輕松提取水印。

3)針對第3 個難點，利用用戶注冊機制。

合法用戶注冊其基本信息作為水印?；谟脩粜畔?，作者產(chǎn)生秘鑰并為每位用戶創(chuàng)建幀塊，然后將用戶信息嵌入媒體內(nèi)容。由于用戶信息嵌入了媒體內(nèi)容，即使合法用戶改變了媒體內(nèi)容格式，作者亦可提取并準確檢測非法用戶。如果發(fā)生財產(chǎn)糾紛，作者可利用用戶許可證獲得秘鑰，然后恢復(fù)目標內(nèi)容并提取水印。

2 本算法在實際應(yīng)用下的優(yōu)勢

2.1 算法流程簡介

本算法基于幀塊實現(xiàn)，隨機截取視頻某一幀的一塊矩形區(qū)域作為幀塊，選擇幀塊是本算法中的關(guān)鍵過程?？傮w流程如圖1 所示。

圖1 幀塊提取算法

準備幀塊階段:首先，用戶需注冊其信息，該信息作為水印信息W;然后，基于用戶信息，作者產(chǎn)生相應(yīng)秘鑰Ki;之后，基于Ki為其隨機產(chǎn)生幀塊;最后，將幀塊存入數(shù)據(jù)庫。

水印嵌入與提取:作者為各合法用戶分配唯一幀塊，并基于后文3.1 節(jié)內(nèi)容實現(xiàn)水印嵌入。將用戶信息嵌入媒體內(nèi)容后，作者將許可證號Li發(fā)給合法用戶。通過幀塊，作者同步嵌入?yún)^(qū)域和提取區(qū)域，水印區(qū)域使用KAZE 特征點匹配實現(xiàn)。本算法適用于視頻幀序列，水印提取同步過程將在3.2 節(jié)中詳細描述。

2.2 背叛者檢測

由于僅作者有幀塊數(shù)據(jù)庫，作者可準確檢測水印區(qū)域，然而，攻擊者需要極高的計算成本來尋找視頻幀序列中的嵌入?yún)^(qū)域，從而使本算法水印信息的安全性得到提高。

當作者檢測媒體數(shù)據(jù)時，利用幀塊數(shù)據(jù)庫提取水印信息，將水印信息(即用戶信息)與用戶數(shù)據(jù)庫比較。如果水印與用戶數(shù)據(jù)庫匹配，即為合法用戶;反之，為非法用戶。

另外，將用戶信息作為水印，目的是將水印存在的信息通知用戶，從而可預(yù)防部分非法傳播。

2.3 解決數(shù)字財產(chǎn)糾紛

解決數(shù)字財產(chǎn)糾紛為本算法目標之一，假設(shè)若干用戶爭論財產(chǎn)。為判斷合法用戶，作者申請糾紛用戶提供其許可證號Li，并獲得秘鑰Ki。根據(jù)Ki，作者可獲得幀塊并提取出水印信息，根據(jù)水印可判斷出非法用戶。

3 半盲視頻水印算法

3.1 基于幀塊水印嵌入

圖2 描述了本算法嵌入水印信息的過程。

圖2 嵌入水印流程

步驟1:從原始視頻V 提取一幀F(xiàn)，并提取幀F(xiàn) 和幀塊Fp的KAZE 特征點。然后，利用特征點匹配得到嵌入?yún)^(qū)域。KAZE 匹配算法見后文3.3 節(jié)。

步驟2:將匹配區(qū)域的RGB 幀轉(zhuǎn)換成YCbCr 顏色空間。

步驟3:采用離散余弦變換(DCT)將Y－分量轉(zhuǎn)換成頻率域。

步驟4:將W(i，j)∈{0，1}，1≤i，j≤L 嵌入Y－分量的頻率域空間，其中L×L 為水印大小。W(i，j)轉(zhuǎn)換成線性序列Wl(k)=W(i，j)，k=i+jL，1≤i，j≤L。將Wl(k)嵌入DCT 系數(shù)。步驟詳細解釋見3.4 節(jié)。

步驟5:計算逆DCT 來獲得修改后的Y－分量，并將其與Cb 和Cr 分量融合。

步驟6:轉(zhuǎn)換修改后的YCbCr 幀，獲得修改后的RGB 幀。

將視頻所有幀重復(fù)步驟1 至步驟6，可獲得水印視頻。

3.2 基于幀塊匹配提取

圖3 描述了從水印視頻提取嵌入信息的方法，通過對幀塊使用KAZE 特征點匹配實現(xiàn)。

步驟1:從水印視頻V'提取一幀F(xiàn)'，然后提取其KAZE 特征點。之后，使用幀塊Fp的特征點匹配F'特征點來檢測嵌入?yún)^(qū)域。

步驟2:根據(jù)匹配的特征點，計算恢復(fù)視頻的旋轉(zhuǎn)，縮放和平移等參數(shù)。然后，恢復(fù)扭曲視頻。

步驟3:將匹配區(qū)域的RGB 幀圖像轉(zhuǎn)換為YCbCr 顏色空間。

步驟4:使用DCT 將Y－分量轉(zhuǎn)換為頻率域。

步驟5:可從匹配區(qū)域提取嵌入信息Wi(k)。詳細步驟見3.4 節(jié)。

圖3 水印提取流程

3.3 幀塊匹配算法

為使嵌入和提取過程同步，必須找到原視頻和扭曲視頻的共同特征并匹配。使用KAZE 特征點可實現(xiàn)這一要求。

首先，從目標幀F(xiàn) 提取KAZE 特征點，并從幀塊Fp提取KAZE 特征點，利用文獻［5］提出的方案進行匹配。假設(shè)F 和Fp的特征點分別為pl和qk

式中:xl，yl，λl和ol分別為幀F(xiàn) 第l 個特征點的x 坐標，y 坐標，縮放尺度和方向值;fl為第l 點64 維或128 維局部邊緣方向直方圖。本算法使用128 維局部邊緣方向直方圖;符號“'”表示該參數(shù)為幀塊Fp的參數(shù)。

3.4 嵌入與提取算法

利用匹配區(qū)域的DCT 頻率域?qū)崿F(xiàn)嵌入和提取算法。

首先，將DCT 系數(shù)分段成(8×8)塊狀。每個塊中，從低頻域中根據(jù)秘鑰隨機選擇兩組系數(shù):(xi，yi)和(yi，xi)。其DCT 系數(shù)f(xi，yi)和f(yi，xi)，隨著水印強度a(a ＞0)變化。

式中，xi≠yi。提取水印時，比較f'(xi，yi)和f'(yi，xi)可提取嵌入數(shù)據(jù)，其中f'表示相應(yīng)逆DCT 系數(shù):如果f'(xi，yi)＞f'(yi，xi)，那么W'l(k)=1，否則W'l(k)=0。

水印強度a 影響水印化視頻的質(zhì)量。本試驗中，設(shè)a 基準值為0.15，a 隨著局部區(qū)域特征的變化而變化。提取水印W'l(k)后，可得二維水印

視頻共有FN幀，所提取水印數(shù)量必為FN，由此FN個水印可融合成最終水印Wv。本文使用投票機制做融合算法，對所有比特位值(0 或1)做統(tǒng)計，選擇數(shù)量多的作最終值

Wv(i，j)即為扭曲視頻最終提取出的水印信息。本算法對幾何攻擊具魯棒性，詳見4.2.2 節(jié)。

3.5 估算RST 參數(shù)

根據(jù)KAZE 特征點匹配算法，旋轉(zhuǎn)、縮放和平移參數(shù)可由幾何M 估算得到。首先，估算幀和幀塊間的縮放參數(shù)

其中，λi和λ'i分別為幀F(xiàn) 和幀塊Fp匹配特征點的縮放，且M=。

然后，估算旋轉(zhuǎn)角度

式中:αi表示所在幀塊匹配特征點i 的中心角度;α'i表示扭曲視頻幀匹配特征點i 的中心角度。

最后，調(diào)整縮放和旋轉(zhuǎn)后，可計算平移參數(shù)δx(寬度平移)和δy(高度平移)

4 試驗結(jié)果與分析

4.1 試驗環(huán)境

為公平地評價本算法，從(http://media.xiph.org/video/derf/)選4 個標準視頻(“Akiyo:300frames，25fps”;“Coastguard:300frames，25fps”;“Carphone:382 frames，12fps”;“Mobile:300frames，25fps”)做試驗，均為QCIF 格式(寬×高=176×144)。試驗在ubuntu 10.04 系統(tǒng)上進行，水印大小為L×L=64×64，GCC 版本為4.0.1，利用MPlayer(版本為1.1－4.2.1)轉(zhuǎn)換和播放視頻。

將水印的透明度和魯棒性作為算法性能評價的關(guān)鍵參數(shù)，并做性能試驗:

1)使用峰值信噪比(PSNR)和結(jié)構(gòu)相似性指數(shù)(SSIM)作為評估水印隱蔽性標準。本實驗中，計算每個視頻的PSNR和SSIM，同時使用視頻質(zhì)量標準(VQM)衡量視頻的觀感質(zhì)量。VQM 值在0 至1 之間，0 表示無失真，1 表示視頻最大損壞。

2)魯棒性是水印算法另一個重要參數(shù)。利用歸一化互相關(guān)分析(NCC)衡量提取水印和原水印的差別。

4.2 仿真結(jié)果

4.2.1 水印化視頻質(zhì)量評價

如表1 所示，4 個水印化視頻的平均PSNR 值為37.14 dB，36.46 dB，36.93 dB 和36.18 dB。所有值均高于36 dB。另外，其平均SSIM 值分別為0.95，0.98，0.96 和0.99，所有值均接近1.0。原視頻和水印化視頻視覺上無感官差異(均接近0)，透明度優(yōu)異。

表1 4 個水印化視頻的平均PSNR，SSIM，VQM 值

4.2.2 魯棒性評價

利用VirtualDub 軟件對水印化視頻進行攻擊修改，利用Vidmark Benchmark 仿真時間域去同步攻擊。如果NCC 值高于0.9，認為水印方案是魯棒的。因同類型文獻［6］算法性能很好，將本算法與文獻［6］算法進行對比試驗。

通常，視頻的旋轉(zhuǎn)角度較小，小于5°。本實驗旋轉(zhuǎn)角度設(shè)為－20°～+20°。實驗中NCC 值均大于0.9。實驗對水印化視頻進行不同比例的縮放(0.3 ～1.2)。

表2 為魯棒性試驗結(jié)果，共計分別為旋轉(zhuǎn)、縮放、丟幀、插入幀、幀交換、幀平均、模糊化、高斯化和壓縮。將本算法與文獻［6］比較(本算法NCC 值/文獻［6］NCC 值)，當縮放比例為0.3 時，文獻［6］方案無法檢測匹配區(qū)域，而本算法可成功檢測。且大部分攻擊下，本算法都比文獻［6］算法性能優(yōu)秀。同時，本算法具有半盲性、非法用戶追蹤的優(yōu)點，綜合性能較文獻［6］及其他算法優(yōu)秀，且具有很高的應(yīng)用價值。

表2 魯棒性試驗結(jié)果

Akiyo 水印化視頻提取實例如圖4 所示，本算法可提取出清晰的水印圖像。

圖4 akiyo 視頻水印提取實例

5 小結(jié)

本算法旨在解決視頻水印魯棒性低或需較多先驗信息實現(xiàn)高魯棒性的問題。本文利用幀塊匹配及KAZE 特征匹配實現(xiàn)了性能全面的視頻水印算法，在具有優(yōu)于已有算法的高魯棒性的同時，具有半盲特性，且實現(xiàn)提取過程的同步性，可保護版權(quán)及非法傳播的追蹤。

［1］廖虹娟，李喬良.改進的數(shù)字版權(quán)保護模型［J］.計算機工程與設(shè)計，2011，32(1):24－27.

［2］謝斌，任克強，肖玲玲.一種基于HVS 的DCT 域穩(wěn)健視頻水印算法［J］.電視技術(shù)，2011，35(9):30－32.

［3］朱光，張軍亮.基于SVD 和小波包分解的自適應(yīng)魯棒水印算法［J］.計算機應(yīng)用研究，2013，30(4):1230－1233.

［4］任娜，朱長青，王志偉.抗幾何攻擊的高分辨率遙感影像半盲水印算法［J］.武漢大學(xué)學(xué)報:信息科學(xué)版，2011(3):329－332.

［5］FERNáNDEZ P，BARTOLI A，DAVISON A J. KAZE features［M］.［S.l.］:Springer Berlin Heidelberg，2012.

［6］WANG C，LIU S，JIANG F，et al. A robust scalable spatial spreadspectrum video watermarking scheme based on a fast downsampling method［J］.Journal of Computers，2012，7(9):2256－2261.