魯曉輝，軒 璐

(三門峽職業(yè)技術學院，河南三門峽472000)

隨著網絡的發(fā)展，數字水印在數字版權保護中的應用越來越廣泛［1］。但數字水印的應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用于視頻的方法實現。在實際應用中，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，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。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)定的數學關系確定的，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結構

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(即關鍵幀)，能夠獨立顯示內容。P幀為預計幀，依據前一個I幀或者P幀進行編碼。B幀為雙向幀，依據兩邊的I幀或P幀雙向預測并完成編碼。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內嵌入多個B幀。這樣省去了添加同步碼的消耗，同時GOP內多個B幀的嵌入能夠實現嵌入冗余，提升提取準確率。

1.2 基于HVS的閾值確定

水印算法的自適應一般是指能夠根據載體圖像特征自動調整嵌入強度，在具體應用中，人類視覺屏蔽特性是實現自適應的一個重要依據［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表示根據載體特性預設的閾值，本文載體視頻預設值為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，導致嵌入閾值較小。相反，紋理復雜區(qū)域熵值較大，人眼敏感度較低，導致嵌入閾值較大。可以用E(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

2.1 水印預處理

水印嵌入后載體圖像可能會受到包括剪切攻擊在內的多種攻擊，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B幀的個數。

(3)對每個GOP內的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)的大小關系和式(5)、式(6)實現1 bit的信息嵌入。

(5)對下一個B幀重復步驟(3)、步驟(4)，直到GOP內的所有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B幀的個數。

(2)對每個GOP內的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。根據式(7)提取嵌入信息。

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

(4)按順序將每個GOP內提取的結果組合成二進制序列，通過式(4)和Arnold變換實現水印的逆置亂，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 透明性測試數據

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據嵌入圖像后經過各種攻擊干擾，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，并得到測試數據(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

本文根據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.基于幀間相關性的盲視頻數字水印算法［J］.通信學報，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.基于音頻內容的DCT域脆弱水印算法［J］.西南交通大學學報，2012(3):43－48.

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