劉慧超 王志君 梁利平

摘? ?要：針對(duì)現(xiàn)有視頻水印算法復(fù)雜度高、魯棒性差的問(wèn)題，提出一種基于殘差紋理特征的能量差調(diào)制視頻水印算法. 該算法首先利用視頻編碼過(guò)程得到的殘差DCT系數(shù)進(jìn)行區(qū)域紋理強(qiáng)度建模，然后依據(jù)紋理強(qiáng)度對(duì)DCT中高頻系數(shù)的能量進(jìn)行自適應(yīng)調(diào)制實(shí)現(xiàn)水印的嵌入. 算法在不引入額外復(fù)雜計(jì)算過(guò)程的條件下，針對(duì)不同區(qū)域自適應(yīng)地嵌入不同強(qiáng)度的水印信息，保證視頻質(zhì)量的同時(shí)提高水印的魯棒性. 算法以H.264/AVC視頻編解碼器為測(cè)試實(shí)例，實(shí)驗(yàn)結(jié)果表明，本文提出的水印算法在保證視頻質(zhì)量和編碼碼率的情況下，對(duì)重編碼、濾波和噪聲等攻擊具有很好的魯棒性，水印提取過(guò)程滿(mǎn)足盲檢測(cè)應(yīng)用需求.

關(guān)鍵詞：紋理特性;離散余弦變換;能量差;數(shù)字水印

中圖分類(lèi)號(hào)：TN919.3? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)志碼：A

Energy Difference Modulated Video Watermarking

Algorithm Based on Texture Feature

LIU Huichao1，2，WANG Zhijun1，LIANG Liping1?

（1. Institute of Microelectronics，Chinese Academy of Sciences，Beijing 100029，China;

（2. University of Chinese Academy of Sciences，Beijing 100049，China）

Abstract：Aiming at the problems such as high complexity and poor robustness for current video watermarking algorithms，a video watermarking algorithm based on residual texture feature is proposed by adopting an energy difference modulation. Firstly，the residual DCT coefficients obtained from the video coding process are used to model the regional texture intensity，and then the energy of the DCT coefficients on the middle and high frequency are adjusted adaptively according to the texture intensity to realize the watermark embedding. Under the condition that no additional complicated computational process is introduced，the algorithm embeds different intensity watermark information adaptively for different regions to ensure the video quality and improve the watermark robustness. The scheme takes the H.264/AVC video codec as a verification example. The experimental results show that，under the premise of guaranteeing video quality and encoding rate，the watermarking algorithm proposed in this paper has good robustness to resist attacks such as re-encoding，filter and noise. Meanwhile，the watermark extraction process meets the demand of blind detection for practical applications.

Key words：texture feature;discrete cosine transform;energy difference;digital watermark

視頻，作為一種內(nèi)容直接、形式豐富的信息，被廣泛應(yīng)用于人們的日常生活中. 據(jù)統(tǒng)計(jì)，人們每天接收的信息中有80%以上為視頻信息. 互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，使得人們獲取、分享和傳播視頻資源的速度大大加快，但視頻內(nèi)容的篡改、偽造和非法傳播現(xiàn)象頻繁發(fā)生[1-3]，因此，保護(hù)視頻版權(quán)和內(nèi)容真實(shí)性至關(guān)重要. 數(shù)字水印技術(shù)作為一種有效的途徑備受關(guān)注. 然而，由于視頻信息數(shù)據(jù)量龐大，其傳播和存儲(chǔ)過(guò)程通常伴隨著視頻壓縮，因此，研究基于視頻壓縮編碼的水印技術(shù)意義重大.

一個(gè)好的視頻水印算法在滿(mǎn)足水印不可見(jiàn)性的條件下，應(yīng)該具有更高的魯棒性、更低的計(jì)算復(fù)雜度，同時(shí)對(duì)視頻壓縮編碼后的碼率影響較小[4]. 為減小水印對(duì)視頻質(zhì)量和碼率的影響，Zhang 等人[5]提出基于人眼視覺(jué)閾值（Just Noticeable Difference，JND）的視頻水印算法，對(duì)滿(mǎn)足條件的不同頻率位置的DCT系數(shù)采用不同的嵌入策略，降低視頻質(zhì)量損失的同時(shí)提高水印算法的魯棒性. 由于所提出的JND模型涉及Canny邊緣檢測(cè)和水印位置信息提取，計(jì)算復(fù)雜度較高，Deng[6]和Li[7]等人將擴(kuò)頻技術(shù)和漢明編碼應(yīng)用到所提出的水印算法中，一定程度上提高了水印魯棒性，但同時(shí)也增加了算法復(fù)雜度.?? ? ? ?為降低水印算法復(fù)雜度，Qiu[8]、Fallahpour[9]、

Abdi[10-11]和Dutta[12]等人通過(guò)簡(jiǎn)單地調(diào)制量化后殘差DCT系數(shù)的幅值大小或奇偶性實(shí)現(xiàn)水印嵌入，然而Kim等人[13]通過(guò)實(shí)驗(yàn)證明DCT系數(shù)的此類(lèi)表征特性在重編碼過(guò)程中較不穩(wěn)定，所以基于該類(lèi)方法的水印算法魯棒性較差.

為提高算法魯棒性，張維緯等人[14]利用基于DCT變換的近似Weber定律對(duì)視頻劃分紋理區(qū)域，對(duì)不同紋理區(qū)域執(zhí)行不同強(qiáng)度的水印嵌入策略，在保證視頻質(zhì)量的同時(shí)，大大提高了水印魯棒性. 但紋理劃分過(guò)程需要對(duì)原視頻進(jìn)行DCT變換，計(jì)算量大大增加.

針對(duì)以上問(wèn)題，本文提出一種基于殘差紋理的能量差調(diào)制視頻水印算法. 以應(yīng)用廣泛的H.264/AVC視頻編碼標(biāo)準(zhǔn)[15]為驗(yàn)證實(shí)例，算法首先利用編碼器得到的量化后的殘差DCT系數(shù)建立低運(yùn)算復(fù)雜度的視頻紋理強(qiáng)度判定模型;然后根據(jù)紋理強(qiáng)度對(duì)中高頻位置的DCT系數(shù)進(jìn)行自適應(yīng)能量差調(diào)制，實(shí)現(xiàn)魯棒水印嵌入. 整個(gè)水印與視頻紋理分布一致，嵌入水印對(duì)視頻質(zhì)量影響較小;同時(shí)，水印嵌入過(guò)程無(wú)須保存水印位置信息，水印提取過(guò)程滿(mǎn)足盲檢測(cè)要求.

1? ?融合水印技術(shù)的視頻編碼器架構(gòu)

自H.261視頻編碼標(biāo)準(zhǔn)起，新的標(biāo)準(zhǔn)在引入先進(jìn)技術(shù)的同時(shí)，一直沿用基于預(yù)測(cè)和變換的混合編碼架構(gòu)[16]. 如圖1所示，預(yù)測(cè)編碼利用相鄰像素的空間或時(shí)間相關(guān)性，根據(jù)已編碼的像素對(duì)當(dāng)前待編碼像素進(jìn)行線(xiàn)性預(yù)測(cè)，然后對(duì)預(yù)測(cè)值和真值的差進(jìn)行編碼傳輸，減小待編碼數(shù)據(jù)量;變換編碼則將統(tǒng)計(jì)上彼此密切相關(guān)的空域像素通過(guò)正交變換，轉(zhuǎn)化為統(tǒng)計(jì)上相對(duì)獨(dú)立的變換系數(shù)，減小有效數(shù)據(jù)量. 之后的熵編碼過(guò)程通常為變長(zhǎng)編碼，通過(guò)對(duì)出現(xiàn)概率大的字符分配短碼字，而概率小的字符分配長(zhǎng)碼字，進(jìn)一步提高混合編碼的壓縮效率.

本文主要在DCT域嵌入水印，結(jié)構(gòu)上主要考慮以下幾個(gè)問(wèn)題：格式兼容性、算法一致性和水印魯棒性. 當(dāng)水印算法設(shè)置在DCT變換和量化之間時(shí)，由于量化過(guò)程是有損的，不可避免地會(huì)對(duì)水印信息造成破壞，影響水印魯棒性;當(dāng)水印模塊設(shè)置在編碼環(huán)路以外、熵編碼之前時(shí)，由于水印算法會(huì)改變當(dāng)前編碼塊信息，而變化后的值無(wú)法通過(guò)編碼環(huán)路反饋到后續(xù)編碼塊的編碼過(guò)程，導(dǎo)致編解碼端的數(shù)據(jù)不一致. 于是，最佳的方案是將水印模塊設(shè)定在量化之后、熵編碼之前的編碼環(huán)路中，如圖2所示，為融合水印技術(shù)的視頻編碼器結(jié)構(gòu).

紋理判斷模塊將視頻劃分為紋理和非紋理區(qū)域，水印嵌入模塊根據(jù)紋理劃分結(jié)果實(shí)現(xiàn)強(qiáng)度自適應(yīng)的水印嵌入過(guò)程. 與已有文獻(xiàn)不同，紋理判斷和水印嵌入模塊與整個(gè)編碼過(guò)程緊密結(jié)合，紋理判斷模塊直接利用DCT變換和量化后的系數(shù)，無(wú)需額外運(yùn)算. 同時(shí)，由于水印嵌入模塊設(shè)定在編碼環(huán)路內(nèi)，當(dāng)嵌入水印后，由水印引起的偏差經(jīng)過(guò)變換和量化的逆過(guò)程反饋到重建幀中，用于后續(xù)編碼過(guò)程的參考，從而避免幀內(nèi)或幀間誤差漂移現(xiàn)象的發(fā)生，保證了編解碼端的數(shù)據(jù)一致性.

2? ? 基于紋理特性的能量差調(diào)制水印算法

視頻水印算法一般要滿(mǎn)足水印的不可見(jiàn)性和魯棒性. 為保證良好的水印不可見(jiàn)性，通常選擇降低水印嵌入強(qiáng)度，而水印魯棒性往往與水印嵌入強(qiáng)度正相關(guān)，于是水印算法的關(guān)鍵就在于如何調(diào)和這一對(duì)互為矛盾的需求. 根據(jù)人眼視覺(jué)特性[17]，人眼系統(tǒng)對(duì)視頻區(qū)域內(nèi)所包含的高頻分量分辨能力較弱，對(duì)視頻紋理密集區(qū)域的變化敏感性差. 本文正是利用該特性對(duì)待編碼視頻進(jìn)行紋理區(qū)域劃分，基于能量差法，對(duì)視頻亮度分量的紋理區(qū)域和非紋理區(qū)域采取不同強(qiáng)度的調(diào)制策略，從而在保證水印不可見(jiàn)性的同時(shí)，實(shí)現(xiàn)一種復(fù)雜度低、魯棒性強(qiáng)的水印嵌入算法.2.1? ?基于殘差DCT系數(shù)的紋理判定模型

以H.264/AVC視頻編碼為例，混合編碼架構(gòu)中的預(yù)測(cè)編碼分為幀內(nèi)預(yù)測(cè)和幀間預(yù)測(cè)，對(duì)應(yīng)的編碼幀稱(chēng)作I幀和P幀（暫不考慮B幀）. 對(duì)一個(gè)待編碼視頻序列，I幀作為起始幀包含的信息量最大，可用于嵌入水印的空間也最大. 于是，本文僅對(duì)I幀嵌入水印. 對(duì)于一個(gè)待編碼幀，用X表示原始像素集合，P表示最佳預(yù)測(cè)模式下的預(yù)測(cè)像素集合，R表示預(yù)測(cè)殘差集合，則有：

若將P視為背景，則R可視為X相對(duì)于背景P所增加的細(xì)節(jié)信息. 由于幀內(nèi)預(yù)測(cè)技術(shù)主要利用相鄰區(qū)域的邊界信息對(duì)待編碼區(qū)域進(jìn)行線(xiàn)性估計(jì)，除平坦區(qū)域外，其余區(qū)域的線(xiàn)性預(yù)測(cè)通常情況下均會(huì)產(chǎn)生估計(jì)誤差，即預(yù)測(cè)殘差，且待編碼區(qū)域的紋理越復(fù)雜，線(xiàn)性估計(jì)產(chǎn)生的殘差越顯著，對(duì)殘差進(jìn)行DCT變換后得到的非零系數(shù)越多. 對(duì)于一個(gè)4 × 4殘差塊，定義量化后的DCT系數(shù)矩陣如下：

當(dāng)假定C中所有系數(shù)特性一致時(shí)，本文給出一種簡(jiǎn)潔的紋理判定模型，如式（4）所示：

m1為NZFM的m1-范數(shù)，此處表示非零元素的個(gè)數(shù);T為設(shè)定的閾值門(mén)限;TMax為T(mén)能取到的最大值. 于是建立起NZFM與視頻紋理的一種映射模型，僅僅通過(guò)比較矩陣C的NZFM對(duì)應(yīng)的m1-范數(shù)與T的大小關(guān)系即可實(shí)現(xiàn)視頻紋理區(qū)域的劃分，相比于Zhang等人[5]采用的基于Canny算子的JND模型判定算法及張維緯等人[14]采用的基于Weber定律的判定算法，計(jì)算復(fù)雜度大大降低.

然而，C中不同位置的系數(shù)頻率不同，在空域表現(xiàn)出的紋理特性也不同，為分析C中每一個(gè)變換系數(shù)對(duì)應(yīng)到像素域的紋理復(fù)雜度，考慮如下的單位系數(shù)矩陣UC（系數(shù)幅值僅有0和1兩種情況）：

為了測(cè)試不同位置系數(shù)在像素域的紋理復(fù)雜度，每次僅設(shè)置一個(gè)δmn有效，其余系數(shù)均置為零，可以得到16個(gè)像素矩陣Y. 為每個(gè)Y定義水平方向紋理矩陣（Horizontal Direction Texture Matrix，HDTM）和垂直方向紋理矩陣（Vertical Direction Texture Matrix，VDTM），分別表示Y在水平方向和垂直方向的變化特征.

接著，對(duì)HDTM和VDMT進(jìn)行同向冗余消除，即去除同方向上相鄰的同類(lèi)項(xiàng). 對(duì)于HDTM，若同一行的相鄰元素值相同，則表示相鄰像素的紋理方向相同，于是去除多余項(xiàng)，僅保留一個(gè)有效值. VDMT按照類(lèi)似的方法去除垂直方向的冗余項(xiàng)，最終得到精簡(jiǎn)的HDTM和VDMT. 根據(jù)HDTM和VDMT，本文定義單系數(shù)對(duì)應(yīng)像素域的紋理度矩陣如下：

根據(jù)式（8），HDTM和VDTM中非零元素越多，像素變化越復(fù)雜，紋理度越高.

至此，本文定義加權(quán)的NZFM（Weighted NZFM，WNZFM），并沿用式（4），可以得到一個(gè)基于WNZFM的紋理判定模型：

對(duì)于T的取值，當(dāng)T值較小時(shí)，大部分視頻區(qū)域均會(huì)被判定為紋理區(qū)域，嵌入水印后對(duì)視頻質(zhì)量影響較大;當(dāng)T值較大時(shí)，只有較少視頻區(qū)域被判定為紋理區(qū)域，嵌入水印后對(duì)視頻質(zhì)量影響較小，但因?yàn)榇蟛糠忠曨l區(qū)域被視為非紋理區(qū)域而嵌入低強(qiáng)度水印，導(dǎo)致水印算法魯棒性降低. 為了得到最佳的閾值門(mén)限T，可以建立如下的最優(yōu)化模型：

式中：f（ ）和fref（ ）分別代表本文紋理模型和參考模型核函數(shù);Tex和Texref分別表示利用本文模型和參考模型得到的視頻紋理區(qū)域劃分結(jié)果;SIM（T）表示Tex和Texref的相似度;QWm（ ）表示基于紋理劃分結(jié)果的水印算法的性能評(píng)價(jià)模型;ρ（T）表示水印算法的性能. 本文以Zhang等人[5]提出的紋理模型為參考，以Foreman視頻序列為測(cè)試實(shí)例，對(duì)T值的大小與紋理判定模型精度的關(guān)系進(jìn)行初步測(cè)試，如圖3所示.

從圖3可以看出，以相似度作為模型精度的評(píng)價(jià)指標(biāo)，本文提出的紋理判定模型與參考模型相比，相似度值隨T的增大呈現(xiàn)出先增加后逐漸減小的變化趨勢(shì)，這為T(mén)值的選擇提供了一種依據(jù).

除相似度外，本文紋理判定模型的結(jié)果對(duì)水印算法的性能如視頻質(zhì)量和水印魯棒性的影響將在下文中給出分析結(jié)果. 理論上，模型精度越高，紋理判定越符合實(shí)際情況，基于紋理的自適應(yīng)水印算法對(duì)視頻質(zhì)量的影響就越低，而模型判定出的紋理區(qū)域越多，整體水印強(qiáng)度越強(qiáng)，水印魯棒性就越高.

2.2? ?基于能量差調(diào)制的水印嵌入算法

正如Kim等人[13]所述，即使采用同樣的編碼配置，重編碼過(guò)程依然會(huì)導(dǎo)致預(yù)測(cè)模式發(fā)生變化，進(jìn)而在殘差DCT系數(shù)上引入擾動(dòng)，使得單純依靠調(diào)制某個(gè)系數(shù)的奇偶性或零特性等嵌入水印的方法魯棒性較低. Langelaar等人[18]率先提出基于MPEG/JPEG的差分能量水印算法，張維緯等人[14]將該思想引入到H.264/AVC視頻水印算法中，并考慮視頻紋理特性，選擇4 × 4 DCT系數(shù)矩陣的一個(gè)低頻系數(shù)和一個(gè)高頻系數(shù)作為水印嵌入位置. 該方法存在兩個(gè)問(wèn)題：其一，DCT變換后信號(hào)能量主要集中在直流和低頻位置，選擇低頻系數(shù)嵌入水印，對(duì)視頻質(zhì)量影響較大;其二，根據(jù)Zhang等人[5]的理論分析與實(shí)驗(yàn)結(jié)果，當(dāng)進(jìn)行重量化編碼時(shí)，DCT變換的直流和低頻系數(shù)易受影響，而中頻和高頻系數(shù)較穩(wěn)定，因此，基于中高頻系數(shù)嵌入的水印魯棒性更強(qiáng).

于是，本文選擇式（2）中的中高頻系數(shù)c22和c33作為目標(biāo)對(duì)象，基于2.1節(jié)提出的紋理判定模型，實(shí)現(xiàn)強(qiáng)度自適應(yīng)的能量差調(diào)制水印算法. 以光柵掃描下的順序編碼為例，水印算法的基本處理單元為水平方向相鄰的兩個(gè)待編碼宏塊A和B，定義宏塊的DCT系數(shù)局部能量和為SLE，宏塊內(nèi)第k個(gè)4 × 4子塊的局部能量為L(zhǎng)Eblk（k），則：

首先，為降低嵌入水印對(duì)視頻質(zhì)量的影響，對(duì)于紋理塊，選擇調(diào)制系數(shù)集合{c22，c33};對(duì)于非紋理塊，選擇調(diào)制系數(shù){c33}. 假定待嵌入的水印信息是長(zhǎng)度為L(zhǎng)的二進(jìn)制序列W={wi}，當(dāng)水印比特wi為1時(shí)，利用式（12）中的調(diào)制規(guī)則a）增加A宏塊內(nèi)各個(gè)子塊的局部能量，利用調(diào)制規(guī)則b）降低B宏塊內(nèi)各個(gè)子塊的局部能量，使得A宏塊的局部能量和大于B宏塊;相反地，當(dāng)wi為0時(shí)，使用規(guī)則b）調(diào)制A宏塊、規(guī)則a）調(diào)制B宏塊，使得最終結(jié)果滿(mǎn)足A宏塊的局部能量和小于B宏塊.

2.3? ?基于能量差調(diào)制的水印提取算法

水印提取為水印嵌入的逆過(guò)程. 首先對(duì)嵌入水印的壓縮視頻碼流進(jìn)行部分解析，得到量化的DCT變換系數(shù);之后，按照公式（11）計(jì)算水平方向上相鄰宏塊A和B的局部能量和SLEA與SLEB，通過(guò)比較二者的大小實(shí)現(xiàn)水印提取. 具體提取規(guī)則如下：

3? ?實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文所提水印算法的有效性，以H.264/AVC編碼器為驗(yàn)證實(shí)例，采用JM8.6軟件編解碼器參考模型為實(shí)現(xiàn)平臺(tái)，對(duì)16個(gè)不同場(chǎng)景、不同運(yùn)動(dòng)幅度的CIF（352×288）格式的標(biāo)準(zhǔn)序列進(jìn)行測(cè)試，每個(gè)視頻序列均按照幀率為30 fps、I幀編碼周期為15、I幀量化參數(shù)QP=28的配置進(jìn)行編碼，總編碼幀數(shù)為150幀，水印信息僅嵌入在I幀中. 同時(shí)，本文采用隨機(jī)生成的水印信息進(jìn)行測(cè)試，避免水印序列本身對(duì)實(shí)驗(yàn)結(jié)果的影響.

本文從峰值信噪比（Peak Signal Noise Ratio，PSNR）、結(jié)構(gòu)相似度（Structure Similarity Image Measurement，SSIM）[19]、水印魯棒性（Robustness，R）、編碼比特率增加（Bitrate Increase Rate，BIR）4個(gè)方面分析閾值門(mén)限T對(duì)所提水印算法性能的影響. 同時(shí)，為分析水印算法的普適特性，對(duì)不同視頻序列的測(cè)試結(jié)果求取平均值.

式（14）中：M、N表示視頻分辨率;PSNR和PSNR′分別表示嵌入水印前后視頻的峰值信噪比;ΔPSNR為嵌入水印后PSNR的變化. 式（15）中：μ和σ分別為視頻幀的均值與標(biāo)準(zhǔn)差，σxy為x和y的協(xié)方差;C1、C2是為避免分母趨于0導(dǎo)致測(cè)量值不穩(wěn)定而定義的小常數(shù). 式（16）中：Nc和Nt分別表示正確提取的水印數(shù)量和嵌入的水印總數(shù)量. 式（17）中：BR和BR′分別為嵌入水印前后視頻編碼的碼率.

3.1? ?紋理門(mén)限對(duì)視頻水印性能的影響分析

如前文所述，基于WNZFM的紋理判定模型的精度與閾值門(mén)限T的大小直接相關(guān). 當(dāng)T值較小時(shí)，視頻中較多的真實(shí)紋理區(qū)域被正確檢測(cè)出來(lái)，同時(shí)，較多的非紋理區(qū)域被判定為紋理區(qū)域;反之，當(dāng)T值增大時(shí)，紋理密集度高的區(qū)域被正確檢測(cè)，而紋理密集度較低的區(qū)域被判定為非紋理區(qū)域. 根據(jù)2.1節(jié)的分析，閾值門(mén)限T的取值范圍為0～48. 本文首先分析了T對(duì)嵌入水印后視頻PSNR和BIR的影響，如圖4和圖5所示.

從圖4可以看出，本文算法與張維緯等人[14]所提水印算法均會(huì)對(duì)視頻PSNR造成輕微的損失. 對(duì)于實(shí)驗(yàn)中采用的16個(gè)不同的視頻序列，在T = 1時(shí)，本文算法對(duì)視頻PSNR的影響最大，平均降低0.681 dB，相比之下，張維緯等人[14]所提算法中PSNR平均降低0.595 dB. 隨著T值的增大，本文算法造成的PSNR損失逐漸減小并低于文獻(xiàn)[14].

圖5給出了本文算法與張維緯等人[14]所提算法對(duì)視頻編碼比特率的影響. 整體上，本文算法與張維緯等人[14]所提算法對(duì)視頻編碼比特率的影響量級(jí)相當(dāng)，均可忽略不計(jì).

此外，本文重點(diǎn)分析了所提水印算法的魯棒性特征，以常見(jiàn)的4種數(shù)字信號(hào)處理攻擊算法為例：高斯濾波、循環(huán)均值濾波、高斯噪聲和椒鹽噪聲. 其中，高斯濾波器窗口大小為5 × 5，Sigma參數(shù)為0.3;循環(huán)均值濾波器輻射范圍Radius為0.5;高斯噪聲均值為0，方差為0.001;椒鹽噪聲密度為0.001. 圖6給出了本文算法與張維緯等人[14]算法在4種不同的數(shù)字信號(hào)處理攻擊算法下的魯棒性測(cè)試對(duì)比結(jié)果.

從圖6中可以看出，當(dāng)閾值門(mén)限T的取值不超過(guò)一定范圍時(shí)，本文水印算法的魯棒性均優(yōu)于文獻(xiàn)[14]. 對(duì)于4種攻擊算法，張維緯等人[14]所提算法的魯棒性平均值分別為82.18、82.28、78.73和79.11，本文算法在T = 1時(shí)的魯棒性平均值分別為96.44、96.45、93.04和92.76. 不僅如此，測(cè)試過(guò)程中發(fā)現(xiàn)，對(duì)于不同的視頻序列，本文水印算法的魯棒性較穩(wěn)定，而張維緯等人[14]所提算法的魯棒性對(duì)不同測(cè)試序列表現(xiàn)出較大的差異性.

3.2? ?水印算法性能比較

除數(shù)字信號(hào)處理攻擊外，重編碼也是一種常見(jiàn)的攻擊算法. 重編碼過(guò)程主要包括兩步：1）正常解碼;2）采用不同的QP重新編碼. 本文水印算法與已有相關(guān)文獻(xiàn)的性能比較結(jié)果見(jiàn)表1.

不難發(fā)現(xiàn)，相比于[5][7][12][14]，本文提出的水印算法魯棒性更強(qiáng). 這是因?yàn)楸疚脑谇度胨r(shí)選擇了穩(wěn)定性更強(qiáng)的中高頻系數(shù)，重編碼產(chǎn)生的影響較小;同時(shí)，本文采用基于局部能量和的能量差嵌入水印，具有較強(qiáng)的不變性. 而文獻(xiàn)[12]采用的嵌入對(duì)象為中低頻系數(shù)，根據(jù)文獻(xiàn)[5]的分析，中低頻系數(shù)更易受重編碼的影響，導(dǎo)致水印魯棒性相對(duì)較差;文獻(xiàn)[14]雖然也是基于差分能量嵌入水印，但與文獻(xiàn)[12]類(lèi)似，也涉及到低頻系數(shù)，所以二者的魯棒性相近. 文獻(xiàn)[5]和[7]本質(zhì)上均采用調(diào)制系數(shù)奇偶性的方式嵌入水印，文獻(xiàn)[13]已指出此類(lèi)方法的穩(wěn)定性缺陷，盡管文獻(xiàn)[5]和[7]分別引進(jìn)了精確的JND模型和擴(kuò)頻通信與漢明編碼技術(shù)用來(lái)保證魯棒性，但是，當(dāng)采用較大的量化步長(zhǎng)重新編碼時(shí)，水印魯棒性迅速降低，QP為32時(shí)，文獻(xiàn)[5]中的水印魯棒性已降低到50以下，而本文算法魯棒性仍在85以上.

此外，對(duì)于水印提取過(guò)程，本文算法滿(mǎn)足盲檢測(cè)要求，而文獻(xiàn)[5]和[12]中的算法需要在水印嵌入過(guò)程中保存水印位置信息用于水印提取過(guò)程，當(dāng)位置信息丟失或局部出錯(cuò)時(shí)，會(huì)發(fā)生同步失真而導(dǎo)致水印提取失敗，實(shí)用性較差.

對(duì)于水印算法的計(jì)算復(fù)雜度，本文算法只涉及判斷WNZFM的m1-范數(shù)大小以及DCT系數(shù)的幅值運(yùn)算，計(jì)算復(fù)雜度極低;而文獻(xiàn)[14]的紋理判斷模型需要額外引入大量的DCT運(yùn)算，文獻(xiàn)[5]中基于Canny算子的JND模型更是涉及到高斯濾波、Sobel邊緣檢測(cè)和滯后邊緣跟蹤等復(fù)雜過(guò)程，計(jì)算復(fù)雜度大大提高.

4? ?結(jié)? ?論

本文提出了一種基于紋理特性的能量差調(diào)制視頻水印算法，在視頻壓縮編碼的過(guò)程中，以量化后的殘差DCT系數(shù)的WNZFM的m1-范數(shù)為紋理判定依據(jù)，通過(guò)調(diào)制兩個(gè)相鄰宏塊的殘差在DCT域的中高頻系數(shù)局部能量和的大小，實(shí)現(xiàn)自適應(yīng)強(qiáng)度的水印嵌入，相比于已有的基于視頻紋理的水印算法，計(jì)算復(fù)雜度大大降低. 算法以H.264/AVC視頻編碼為驗(yàn)證實(shí)例，實(shí)驗(yàn)結(jié)果表明，本文所提算法在保證視頻質(zhì)量和編碼比特率的條件下，對(duì)重編碼、濾波和噪聲等攻擊具有較強(qiáng)的魯棒性;同時(shí)，本文算法無(wú)需保存水印位置信息，符合水印盲提取要求，具有較強(qiáng)的實(shí)用性.

參考文獻(xiàn)

[1]? ? NOORKAMI M，MERSEREAU R M. A framework for robust watermarking of H.264-Encoded video with controllable detection performance[J]. IEEE Transactions on Information Forensics and Security，2007，2（1）：14—23.

[2]? ? 潘蓉，高有行. 數(shù)字圖像水印技術(shù)研究[J]. 湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2002，29（2）：117—123

PAN R ，GAO Y X. Study on digital image watermarking technology[J]. Journal of Hunan University（Natural Sciences），2002，29（2）：117—123. （In Chinese）

[3]? ? 朱寧波，李晉國(guó). 一種基于遺傳算法的DCT域魯棒性水印技術(shù)[J]. 湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，38（4）：77—82.

ZHU N B，LI J G. A DCT-based robust watermarking using genetic algorithms[J]. Journal of Hunan University（Natural Sciences），2011，38（4）：77—82. （In Chinese）

[4]? ? ASIKUZZAMAN M，PICKERING M R. An overview of digital video watermarking[J]. IEEE Transactions on Circuit and Systems for Video Technology，2018，28（9）：2131—2153.

[5]? ? ZHANG W，LI X，ZHANG Y，et al. Robust video watermarking algorithm for H.264/AVC based on JND model[J]. Ksii Transactions on Internet & Information Systems，2017，11（5）：2741—2761.

[6]? ? DENG H，ZHANG C H，YU H Z，et al. Design method of H.264/AVC video watermarking based on intra prediction coding[J]. Applied Mechanics and Materials，2014，644/650：4257—4260.

[7]? ? LI Y，WANG H X. Robust H. 264/AVC video watermarking without intra distortion drift[J]. Multimedia Tools and Applications，2019，78（7）：8535—8557.

[8]? ? QIU G，MARZILIANO P，HO A T S，et al. A hybrid watermarking scheme for H.264/AVC video[C]// Proceedings of the 17th International Conference on. Cambridge，UK：IEEE，2004：865—868.

[9]? ? FALLAHPOUR M，SEMSARZADEH M，SHIRMOHAMMADI S，et al. A realtime spatio-temporal watermarking scheme for H.264/AVC[C]// Instrumentation & Measurement Technology Conference. Minneapolis，US：IEEE，2013：872—875.

[10]? ABDI L，ABDALLAH F B，MEDDEB A. A robust video watermarking algorithm in H.264/AVC compressed domain[C]// Acm Symposium on Applied Computing. New York，US：ACM，2015：1291—1293.

[11]? ABDI L，F(xiàn)ATEN B A，MEDDEB A. Real-time watermarking algorithm of H.264/AVC video stream[J]. Intermational Arab Journal of Information Technology，2017，14（2）：168—174.

[12]? DUTTA T，GUPTA H P. A robust watermarking framework for High Efficiency Video Coding （HEVC） - Encoded video with blind extraction process[J]. Journal of Visual Communication and Image Representation，2016，38：29—44.

[13]? KIM D W，CHOI Y G，KIM H S，et al. The problems in digital watermarking into intra-frames of H.264/AVC[J]. Image and Vision Computing，2010，28（8）：1220—1228.

[14]? 張維緯，張茹，劉建毅，等. 基于紋理特征的H.264/AVC頑健視頻水印算法[J]. 通信學(xué)報(bào)，2012（3）：82—89.

ZHANG W W ，ZHANG R，LIU J Y，et al. Robust video watermarking algorithm for H.264/AVC based on texture feature[J]. Journal on Communications，2012（3）：82—89. （In Chinese）

[15]? WIEGAND T，SULLIVAN G J，BJONTEGAARD G，et al. Overview of the H.264/AVC video coding standard[J]. IEEE Trans Circuit System Video Technology，2003，13（7）：560—576.

[16]? 劉慧超，王志君，梁利平. 一種高效多標(biāo)準(zhǔn)視頻解碼器架構(gòu)研究與設(shè)計(jì)[J]. 湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，46（10）：117—124.

LIU H C，WANG Z J，LIANG L Q.Research and design of an efficient multi-standard video decoder architecture[J]. Journal of Hunan University（Natural Sciences），2019，46（10）：117—124. （In Chinese）

[17]? 侯春萍，李浩，岳廣輝. 局部和全局特征融合的色調(diào)映射圖像質(zhì)量評(píng)價(jià)[J]. 湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，46（8）：132—140.

HOU C P，LI H，YUE G H. Quality Assessment of tone-mapped imagesusing local and global features[J]. Journal of Hunan University（Natural Sciences），2019，46（8）：132—140. （In Chinese）

[18]? LANGELAAR G C，LAGENDIJK R R. Optimal differential energy watermarking of DCT encoded images and video[J]. IEEE Transactions on Image Processing，2001，10（1）：148—158.

[19]? WANG Z，BOVIK A C，SHEIKH H R，et al. Image quality assessment：from error visibility to structural similarity[J]. IEEE Transactions on Image Processing，2004，13（4）：600—612.