魯曉輝，軒 璐

(三門峽職業(yè)技術(shù)學(xué)院，河南三門峽472000)

隨著網(wǎng)絡(luò)的發(fā)展，數(shù)字水印在數(shù)字版權(quán)保護中的應(yīng)用越來越廣泛［1］。但數(shù)字水印的應(yīng)用主要是以圖像水印為主，對于視頻水印則大多是采用將圖像水印進行簡單變換后直接應(yīng)用于視頻的方法實現(xiàn)。在實際應(yīng)用中，視頻水印與圖像水印之間存在著較大的差異［2］。其中，視頻水印算法與圖像水印算法的差異主要體現(xiàn)在嵌入幀選擇和嵌入強度的不同，圖像水印算法是將水印信息分散到一張圖片的頻域或時域內(nèi)，視頻水印算法則是將水印信息分散到視頻多個幀的頻域或時域內(nèi)。為方便定位，視頻水印的嵌入幀選擇一般是由幀間某種穩(wěn)定的數(shù)學(xué)關(guān)系確定的，例如:在文獻［3］中，通過將連續(xù)N幀組成一個GCF(A group of continuous available frame)的方法實現(xiàn)水印嵌入;在文獻［4］中，采用匹配兩個相鄰幀的SURF特征點的形式確認嵌入位置;在文獻［5］中，選擇不同均值曲線的交點所在幀作為嵌入幀，嵌入幀的選擇必須滿足定位準確、抗干擾能力強的要求。

算法的嵌入強度越大，水印的魯棒性越好。但是嵌入強度越大，對原始幀的改動越多，水印的不可見性將會變差。因此，算法嵌入強度的主要問題是如何在確保不可見性的前提下，盡可能地提升算法的魯棒性。

1 水印算法

1.1 嵌入幀的確定

圖1 GOP結(jié)構(gòu)

MPEG-2格式的視頻由I、B、P三種類型的幀組成，畫面組GOP(Group of Picture)是MPEG-2協(xié)議的組成方式。一般情況下，一個GOP表示一組連續(xù)的畫面。GOP分為開放(open)和封閉(closed)兩種形式(見圖1)。每個GOP只包含一個I幀(即關(guān)鍵幀)，能夠獨立顯示內(nèi)容。P幀為預(yù)計幀，依據(jù)前一個I幀或者P幀進行編碼。B幀為雙向幀，依據(jù)兩邊的I幀或P幀雙向預(yù)測并完成編碼。將I幀和P幀作為框架就可以確定一個GOP并進行定位。定位之后，即可在一個GOP內(nèi)嵌入多個B幀。這樣省去了添加同步碼的消耗，同時GOP內(nèi)多個B幀的嵌入能夠?qū)崿F(xiàn)嵌入冗余，提升提取準確率。

1.2 基于HVS的閾值確定

水印算法的自適應(yīng)一般是指能夠根據(jù)載體圖像特征自動調(diào)整嵌入強度，在具體應(yīng)用中，人類視覺屏蔽特性是實現(xiàn)自適應(yīng)的一個重要依據(jù)［6］。

(1)針對載體視頻或圖像來講，不同區(qū)域的亮度差異是導(dǎo)致人眼敏感度不同的一個主要因素。可以用拋物線表示灰度敏感度。中等灰度區(qū)域為拋物線的頂點，是最敏感的區(qū)域，Weber比一般為0.02。亮度嵌入強度w(x，y)的計算公式為

式中:β表示最大靈敏度;ave(x，y)表示分塊亮度均值;T1、T2表示根據(jù)載體特性預(yù)設(shè)的閾值，本文載體視頻預(yù)設(shè)值為50、90。

(2)針對載體視頻或圖像來講，人眼敏感度不同的另一個主要因素是載體分塊紋理不同。紋理復(fù)雜度可以用熵值表示。紋理平滑區(qū)域熵值較小，人眼敏感度較高，導(dǎo)致嵌入閾值較小。相反，紋理復(fù)雜區(qū)域熵值較大，人眼敏感度較低，導(dǎo)致嵌入閾值較大?？梢杂肊(x，y)表示載體分塊的熵，首先將其值壓縮到［a，b］區(qū)間，則紋理閾值v(x，y)的計算公式為

分塊總閾值Γ(x，y)的計算公式為

2 水印嵌入實現(xiàn)

2.1 水印預(yù)處理

水印嵌入后載體圖像可能會受到包括剪切攻擊在內(nèi)的多種攻擊，為了防止嵌入信息被直接讀取和破壞，有必要在嵌入前對水印進行置亂處理。目前，一般采用數(shù)值置亂和位置置亂兩種形式。本文采用了Arnold變換進行位置置亂，其計算公式為

置亂前后的水印信息如圖2所示。

圖2 置亂前后的水印圖像

2.2 水印嵌入過程

水印嵌入過程如圖3所示。

圖3 水印嵌入過程

具體步驟為:

(1)利用式(4)對原始水印圖像進行預(yù)處理，置亂原有序列，得到置亂后的新水印二值序列W'(w'1，w'2，…，w'k)，其中 k=m × n，m、n 分別為原始水印圖像的長和寬。

(2)對視頻進行掃描，確定每個GOP的邊界和每個GOP內(nèi)B幀的個數(shù)。

(3)對每個GOP內(nèi)的B幀按8×8分塊并進行DCT變換，選取亮度最高的分塊作為嵌入分塊。根據(jù)式(1)、式(2)、式(3)計算嵌入分塊的閾值Γ。

(4)利用嵌入分塊IDlCT(2，2)、IDlCT(3，3)的大小關(guān)系和式(5)、式(6)實現(xiàn)1 bit的信息嵌入。

(5)對下一個B幀重復(fù)步驟(3)、步驟(4)，直到GOP內(nèi)的所有B幀完成信息嵌入。

(6)對所有嵌入幀進行IDCT逆運算還原B幀，重組GOP，最終還原載體視頻。

2.3 水印提取

水印的提取步驟(見圖4)為:

(1)對含有嵌入信息的視頻進行掃描，確定每個GOP的邊界和每個GOP內(nèi)B幀的個數(shù)。

(2)對每個GOP內(nèi)的B幀按8×8分塊并進行DCT變換，選取亮度最高的分塊作為提取分塊。根據(jù)式(7)提取嵌入信息。

(3)重復(fù)步驟(2)直到每個GOP內(nèi)的所有B幀嵌入信息提取完畢。從所有的提取信息中，選擇數(shù)量較多的結(jié)果作為最后提取結(jié)果。

(4)按順序?qū)⒚總€GOP內(nèi)提取的結(jié)果組合成二進制序列，通過式(4)和Arnold變換實現(xiàn)水印的逆置亂，最終得到嵌入水印信息。

圖4 水印的提取步驟

3 實驗結(jié)果

為了驗證本文算法的性能，本文實施了模擬測試，測試環(huán)境為WindowsXP、Matlab7.0，視頻選擇常見的新聞、綜藝、電影等多種形式，視頻格式采用MPEG-2標準，視頻具體信息如表1所示。水印信息采用32×32的二值圖像測試水印(見圖2)。

3.1 透明性測試

算法的不可見性一般采用裸眼觀察和峰值信噪比(PSNR)進行判斷，其中峰值信噪比是一種量化方式，其計算公式為

式中:m、n分別為載體幀或圖像的長和寬;P表示嵌入前的圖像(幀);P*表示嵌入后的圖像(幀)。

測試結(jié)果如表2所示，其中qs表示視頻量化的比例因子。

表1 測試視頻詳細信息

表2 透明性測試數(shù)據(jù)

在表2中，不同類型的視頻PSNR值保持在40～60。一般情況下，當PSNR值大于30時算法的透明性較好。水印嵌入前后的視頻B幀截圖如圖5所示。通過圖5可以看出，水印嵌入前后截圖沒有明顯差異，證明本文的水印嵌入方法對視頻影響較小，透明性能夠滿足需要。

圖5 水印嵌入前后的B幀截圖

3.2 魯棒性測試

水印魯棒性是指水印數(shù)據(jù)嵌入圖像后經(jīng)過各種攻擊干擾，水印信息確保完整、準確的性能。一般采用提取水印與原始水印的相似度(即NC值)來判斷。為了驗證本文算法的魯棒性，本文使用幾種常見的攻擊類型進行測試，并得到測試數(shù)據(jù)(見表3)。

表3 在不同攻擊下水印提取平均成功率

通過表3的NC值可以看出，本文算法對于常見的攻擊類型NC值能夠達到0.9左右，算法魯棒性較強。

4 小結(jié)

本文根據(jù)MPEG-2視頻的特征和人類視覺系統(tǒng)的特點，提出了利用GOP實現(xiàn)定位，將水印信息嵌入多個B幀并滿足水印提取準確性的視頻水印算法。與常規(guī)算法相比本文算法具有定位簡單、提取成功率高等特點，是一種優(yōu)秀的視頻水印算法。

［1］ Y W，A P.Blind MPEG-2 video watermarking robust against geometric attacks:a set of approaches in DCT domain［J］.IEEE transactions on image processing，2006，15(6):1536－1543.

［2］ 高琦，李人厚，劉連山.基于幀間相關(guān)性的盲視頻數(shù)字水印算法［J］.通信學(xué)報，2006，27(6):43－48.

［3］ 魯曉輝，金淵智.基于MPEG-2的視頻水印算法［J］.計算機應(yīng)用與軟件，2014(10):144－146.

［4］ 楊尚躍，劉邵星，楊樹國.基于SURF視頻分割的小波視頻水印算法［J］.科技信息，2014(6):70－75.

［5］ 張金全，王宏霞.基于音頻內(nèi)容的DCT域脆弱水印算法［J］.西南交通大學(xué)學(xué)報，2012(3):43－48.

［6］ 楊恒伏，陳孝威.小波域魯棒自適應(yīng)公開水印技術(shù)［J］.軟件學(xué)報，2003，14(9):1652－1660.