鄭秋梅， 楊亞男， 王風華， 林 超， 曹學文

(中國石油大學(華東)a. 計算機科學與技術(shù)學院， b. 信息化建設處， c. 儲運與建筑工程學院， 山東青島266580)

互聯(lián)網(wǎng)、計算機技術(shù)的快速發(fā)展給圖像、音頻、視頻等多媒體作品帶來版權(quán)保護和認證等問題，水印技術(shù)作為知識產(chǎn)權(quán)保護和認證的一種有效方式，得到了廣泛的應用。不可見性、 魯棒性以及水印嵌入容量是數(shù)字水印相互制約、相互矛盾的3個要素[1]，如何兼顧水印技術(shù)的各個方面一直是水印領域研究的熱點和難點。

近年來，國內(nèi)外學者對數(shù)字圖像水印技術(shù)的研究已日趨成熟，但視頻水印技術(shù)還處于研究階段。Shukla等[2]提取場景變化的關(guān)鍵幀，將水印嵌入在三級離散小波變換(DWT)的低頻子帶中，實驗結(jié)果表明，該方法水印不可見性好，但水印嵌入容量有待提升，并且水印嵌入位置一直固定在視頻幀的低頻子帶中，對抗各種攻擊的魯棒性還有很大的提升空間。馬婷等[3]提出一種基于非下采樣輪廓變換(NSCT)-DWT-奇異值分解(SVD)的多重數(shù)字水印算法，該算法利用NSCT對宿主圖像進行分解，然后將分解后的與原載體圖像大小相同的低頻子帶進行DWT和SVD，最后將水印信息疊加到奇異值矩陣，實驗結(jié)果表明，該算法在保證水印不可見的基礎上，對抵抗壓縮、濾波、剪切攻擊有很好的魯棒性。雖然經(jīng)過NSCT變換后獲得的所有分量均和原始圖像大小相同，但是DWT的應用使得低頻子帶大小變?yōu)樵瓐D像的1/22n(n為分解級數(shù))，制約了水印嵌入容量，并且水印嵌入位置是固定的。Ramkumar等[4]提出一種基于SVD和離散平穩(wěn)小波變換(DSWT)的視頻水印算法，將水印以加性準則嵌入到場景變換幀，DSWT的引入在確保不可見性的基礎上保證了水印容量，但是抗壓縮攻擊能力不足，并且水印嵌入位置是靜態(tài)的，魯棒性有待提升。包宋建等[5]設計一種DWT-Schur分解結(jié)合的盲視頻水印算法，實驗結(jié)果表明，該方法對抵抗噪聲攻擊和視頻攻擊具有較好的魯棒性，但水印嵌入位置是固定的。Narasimhulu等[6]利用NSCT和SVD同時分解原始視頻幀和水印圖像，利用加性準則將水印信息嵌入到原始視頻的每一幀，結(jié)果表明，該方法在一定程度上均衡了水印的不可見性和嵌入容量，但水印在每一視頻幀的嵌入位置是一樣的，當受到剪切、旋轉(zhuǎn)等攻擊時魯棒性較差。王運蘭[7]提出一種基于極限學習機的DWT域視頻水印算法，具有較好的水印不可見性，并且可有效抵抗多種攻擊，但水印嵌入容量太小，水印嵌入位置一直固定在視頻幀的五級DWT變換的低頻子帶中。上述研究在水印不可見性、魯棒性、水印嵌入容量等方面均進行了探討，但未使三者達到平衡，并且水印嵌入位置都是靜態(tài)的。

本文中綜合考慮水印不可見性、魯棒性、水印嵌入容量3個特征，提出一種均衡特征的動態(tài)視頻水印方法，應用NSCT、 離散余弦變換(DCT)以及DSWT等變換以滿足水印的不可見性和嵌入容量要求，更好地隱藏水印嵌入位置，增強水印的魯棒性。

1 相關(guān)理論

1.1 NSCT

da Cunha等[8]于2006年提出NSCT，由非下采樣金字塔濾波器(NSP)和非下采樣方向濾波器組(NSDFB) 2級濾波組成，非下采樣方向濾波器組結(jié)構(gòu)如圖1所示。NSP采用金字塔式分解來保證多尺度特性，NSDFB為NSCT提供方向性，這2組濾波器都是雙通道濾波器組，去除了上、 下采樣，確保了平移不變性，有效抵抗水印算法受平移、旋轉(zhuǎn)等攻擊的影響，并且變換獲得的所有分量均與原始圖像有相同的大小，從而可以獲得更多的水印嵌入系數(shù)，保證了水印嵌入量，因此，在數(shù)字水印算法的應用中非下采樣輪廓變換不僅具有抵抗平移、旋轉(zhuǎn)等攻擊的優(yōu)勢，還保證了水印嵌入量。

圖1 非下采樣輪廓變換濾波器組結(jié)構(gòu)

1.2 DCT

DCT因具有魯棒性強、隱蔽性好的特點而廣泛應用于數(shù)字水印技術(shù)中[9]。該方法具有很強的能量壓縮和去相關(guān)能力，與數(shù)字圖像的聯(lián)合圖像專家組(JPEG)壓縮標準相適應，可以增強水印抵抗JPEG壓縮能力。式(1)給出了二維DCT的數(shù)學方程，設圖像的分辨率為N×N，則DCT定義為

(1)

1.3 DSWT

DSWT為圖像處理提供了一種有效的數(shù)值解[10]，近幾年在數(shù)字水印領域得到了廣泛的應用。DSWT在每個分解級別上對濾波器進行上采樣，具有良好的線性表達效果，使得信號重建后更平滑，相對于傳統(tǒng)DWT變換, DSWT抵抗噪聲、濾波攻擊更加出色。此外，由于DWT在對信號濾波后不進行下采樣，而是在每2個濾波器系數(shù)間插入0來實現(xiàn)濾波器的延展，因此所得到的近似系數(shù)和細節(jié)系數(shù)的長度與原始信號相同，從而保證了水印信息的嵌入量。若給定二維逼近圖像信號f(t)，則DSWT公式為

(2)

式中：cj+1、dj+1分別為近似系數(shù)和細節(jié)系數(shù)；Hj、Gj分別為第j級尺度的低通和高通濾波器組；cj為第j級尺度的近似系數(shù)； *為卷積操作。

綜上所述，NSCT具有良好抗平移、旋轉(zhuǎn)等攻擊的性能，DCT具有良好的水印不可見性，并且集中了圖像的大部分能量，使水印能有效對抗壓縮攻擊，結(jié)合DSWT提高抗噪聲、濾波攻擊的能力，同時采用NSCT與DSWT以確保水印嵌入信息量，滿足水印不可見性、魯棒性和水印嵌入容量。對于視頻水印來說，水印的嵌入位置也是尤其重要的，一旦攻擊者確定水印嵌入位置，水印信息將無法保護，因此需要一種新的嵌入方法來增強水印的魯棒性。

2 水印的嵌入與提取

本文中提出一種均衡特征的動態(tài)視頻水印算法，更好地隱藏水印嵌入位置，增強水印的魯棒性。在水印嵌入時，首先對視頻序列分幀，提取出關(guān)鍵幀，將關(guān)鍵幀紅綠藍(RGB)顏色空間轉(zhuǎn)換為灰度顏色空間，結(jié)合NSCT、DCT以及DSWT各自的優(yōu)良特性，對關(guān)鍵幀應用NSCT-DCT-DSWT技術(shù)，得到與原圖像大小相同的低頻子帶。在低頻子帶隨機選擇水印嵌入位置，以加強水印的安全性，將同樣應用NSCT-DCT-DSWT技術(shù)的水印圖像以加性準則自適應嵌入關(guān)鍵幀低頻子帶，重構(gòu)含水印信息的低頻分量，通過DCT逆變換和NSCT逆變換得到含水印信息的關(guān)鍵幀，最后將灰度空間轉(zhuǎn)換為RGB顏色空間。該算法同時兼顧了水印不可見性、魯棒性和嵌入容量，并且水印提取為水印嵌入的逆過程。

2.1 嵌入塊的隨機選擇

為了增強水印的魯棒性，本文中提出隨機動態(tài)視頻水印算法。在水印嵌入過程中，在視頻幀低頻子帶上執(zhí)行基于私鑰key_bloc的偽隨機生成器(PRG)， 以便定義嵌入塊(具有相同大小的水印)的隨機坐標， 使得水印嵌入在視頻幀的位置具有隨機性，有效地增加了攻擊者提取水印的難度，增強了水印的魯棒性。在提取過程中， 通過密鑰找到嵌入塊，執(zhí)行水印提取算法，具體過程如圖2所示。PRG基于“蓄水池抽樣(reservoid sampling)”算法[11]，key_bloc作為密鑰保存， 沒有該密鑰將無法準確定位到水印嵌入位置，進一步加強了水印的魯棒性。

(a)嵌入過程

2.2 水印嵌入算法

設原始視頻幀圖像分辨率為M， 水印圖像分辨率為W， 水印嵌入方法如圖3所示， 具體嵌入步驟如下。

步驟1視頻的幀與幀之間存在大量的信息冗余，若在每一幀都嵌入水印，不僅會導致空間復雜度增大，而且攻擊者可以通過臨近幀之間信息的累加，進一步破壞水印，使得水印的魯棒性大幅降低。本文中采用顏色直方圖差值法[12]，從宿主視頻序列提取若干關(guān)鍵幀圖像，設關(guān)鍵幀數(shù)為Yk(其中k為幀編號)，作為密鑰保存。

步驟2讀取關(guān)鍵幀圖像和水印圖像，將提取的關(guān)鍵幀圖像從RGB顏色空間轉(zhuǎn)換為灰度顏色空間。對灰度關(guān)鍵幀圖像和水印圖像運用3層NSCT(即為fNSCT(M,3),fNSCT(W,3))，得到1個低頻子帶(LM，LW)和8個高頻子帶(D1M,D2M,…,D8M；D1W,D2W,…,D8W)，記為

[LM,[D1M,D2M,…,D8M]]=fNSCT(M,3)，

[LW,[D1W,D2W,…,D8W]]=fNSCT(W,3)。

NSCT—非下采樣輪廓變換； DCT—離散余弦變換； DSWT—離散平穩(wěn)小波變換； RGB—紅綠藍。

步驟3選擇包含大量圖像能量的低頻子帶，進行DCT，得到fDCT，記

DM=fDCT(LM) ，

DW=fDCT(LW) 。

步驟4將低頻子帶DM和DW進行3級DSWT，得到fDSWT(DM,3)、fDSWT(DW,3)，1個低頻子帶A和3個高頻子帶H、V、D分別記為

[MA,MH,MV,MD]=fDSWT(DM,3) ，

[WA,WH,WV,WD]=fDSWT(DW,3) 。

步驟5為了更好地隱藏水印嵌入位置，提高水印的安全性，應用2.1節(jié)中所述算法選擇嵌入塊(具有與水印相同的分辨率)的隨機坐標，key_bloc作為密鑰保存。

步驟6將低頻子帶的水印信息疊加到選定的嵌入塊低頻子帶系數(shù)中，記為

式中α為水印嵌入強度因子。

因為本文中提出的算法的水印嵌入?yún)^(qū)域是隨機選擇的，即嵌入?yún)^(qū)域的紋理特征是變化的，所以固定的嵌入強度不能適應于所有的嵌入?yún)^(qū)域?；诖?，應自適應選擇嵌入因子，使得嵌入強度隨圖像局部特征的變化而變化。本算法根據(jù)嵌入塊的噪聲可見函數(shù)fNV值[13]自適應確定出不同嵌入塊的水印嵌入因子。噪聲可見函數(shù)為

(3)

通過使用噪聲可見函數(shù)，水印嵌入強度為

α=(1-fNV)β,

(4)

式中β為調(diào)節(jié)水印不可見性的參數(shù)。

步驟10將含水印的關(guān)鍵幀圖像顏色空間轉(zhuǎn)換回RGB顏色空間。

步驟11對每個關(guān)鍵幀圖像重復步驟2—10，得到所有含水印的關(guān)鍵幀圖像。最后，將宿主視頻中的關(guān)鍵幀圖像替換為相應的含水印的關(guān)鍵幀圖像，得到含水印的視頻序列。

2.3 水印提取算法

水印提取是水印嵌入的逆過程，具體步驟如下。

步驟1根據(jù)密鑰Yk選出含有水印信息關(guān)鍵幀圖像。

步驟2將提取的含有水印信息關(guān)鍵幀圖像從RGB顏色空間轉(zhuǎn)換為灰度顏色空間。

步驟3對含水印的關(guān)鍵幀分別進行3層NSCT，得到1個低頻子帶和8個高頻子帶，記為

步驟8對步驟7得到的水印信息WA與水印嵌入步驟4中水印的高頻子帶進行DSWT逆變換，記為

DW=fIDSWT(WA,WH,WV,WD)。

步驟9將DW通過DCT逆變換對系數(shù)進行重構(gòu)，記為

LW=fIDCT(DW)。

步驟10對步驟9得到的重構(gòu)系數(shù)LW連同水印嵌入算法步驟2中的高頻子帶進行非下采樣輪廓逆變換，提取出水印圖像，記為

W=fINSCT[LW,[D1W,D2W,…,D8W]]。

在水印提取時，通過密鑰Yk選出含水印的關(guān)鍵幀，并通過密鑰key_bloc找到水印嵌入位置進行水印提取，沒有這2個密鑰將無法準確定位到水印嵌入位置，也就無法提取出水印信息，進一步加強了水印的魯棒性。

3 結(jié)果與分析

本文中選用分辨率為352像素×288像素的視頻流“包工頭(Foreman)”(視頻1)和“沉默不語(Silent)”(視頻2)作為測試視頻，如圖4(a)、 (b)所示，水印圖像選用分辨率為128像素×128像素的狒狒面部灰度圖像，如圖4(c)所示。算法中的非下采樣輪廓變換的NSPFB和NSDFB濾波器類型分別為maxflat和pkva，DSWT采用Haar型小波基函數(shù)。以下將通過實驗驗證該數(shù)字水印算法的可行性和有效性。

3.1 不可見性實驗和分析

采用峰值信噪比(PSNR)作為衡量水印透明性的評判標準[14]。通過計算嵌入水印所有關(guān)鍵幀PSNR平均值favg_PSNR，檢驗嵌入水印幀的視覺質(zhì)量。所有關(guān)鍵幀PSNR平均值為

(5)

(6)

(7)

式中：Yk為視頻序列關(guān)鍵幀的總數(shù)量；I(i,j)、I′(i,j)分別為原始視頻幀圖像和含水印的視頻幀圖像在(i,j)處的像素值；m、n為圖像行、列值。一般情況下，PSNR大于35 dB時，認為無法覺察到視頻圖像失真。經(jīng)式(6)計算，本文中提出的算法與文獻[15-19]中含水印的視頻幀平均峰值信噪比見表1。依照本文中提出的算法，對關(guān)鍵幀完成水印的嵌入與提取，嵌入水印后的視頻幀見圖5。

表1 不同算法嵌入水印的平均峰值信噪比

從表1中可以看出，文獻[15]中算法的平均峰值信噪比為50 dB左右，而本文中提出的算法嵌入水印后的平均峰值信噪比為46 dB左右，在所列方法中位居第二。雖然本文中提出算法的不可見性遜色于文獻[15]中算法的，但是也滿足了人類視覺要求，有較好的不可見性。另外，本文中提出的算法采用NSCT與DSWT變換，在同等規(guī)則下能夠在原始載體圖像中嵌入更多的水印信息量，圖像在感觀上仍未受到影響。

3.2 魯棒性實驗和分析

采用原始圖像與提取水印后圖像兩者之間的標準化互相關(guān)系數(shù)(NC)客觀評價本文中提出算法的魯棒性[20]，NC值ρ的計算公式為

(8)

式中：W(i,j)、W′(i,j)分別為原始水印和提取水印圖像在(i,j)處的像素值；X、Y分別為水印圖像的寬度和高度。

從式(8)中可以看出，NC值越大，水印失真越小， 水印魯棒性越好。 圖6所示為視頻1、 2在未受

到任何攻擊下提取出的水印圖像，對應的NC值均大于0.999 0。

為了驗證本文中提出的水印算法的魯棒性，對嵌入水印的2段視頻分別進行空間域的加噪、濾波、壓縮、旋轉(zhuǎn)、剪切和時間域的幀丟失、幀置換、幀平均等攻擊，并給出相應的實驗結(jié)果。

3.2.1 空間域攻擊

表2所示為本文中提出的算法和文獻[15-19]中的算法在遭受常見空間域攻擊下提取出的水印NC值。 從表中可以看出， 本文中提出的算法在抵抗常見的空間域攻擊NC值均達大于0.98，普遍優(yōu)于文獻[15-19]中的算法。 為了獲得更直觀的效果， 給出2段視頻在遭受空間域攻擊后所提取出水印的部分結(jié)果， 如表3所示。 從表中可以看出， DSWT的引入使得本文中提出的算法抵抗各種噪聲攻擊具有很好的魯棒性； DCT具有出色的能量壓縮和去相關(guān)能力， 使得本文中提出的算法抵抗JPEG壓縮攻擊具有很好的魯棒性， 即使壓縮質(zhì)量因子降到30， 仍然能夠提取較清晰的水印圖像。 面對較難抵抗的旋轉(zhuǎn)攻擊， 本文中提出的算法在視頻1旋轉(zhuǎn)30°的NC值為0.986 0， 旋轉(zhuǎn)60°的NC值仍達到了0.984 6， 表現(xiàn)出了較好的魯棒性。 這是因為NSCT低頻子帶系數(shù)代表原元素與其鄰域系數(shù)間的關(guān)系， 經(jīng)旋轉(zhuǎn)攻擊后元素間關(guān)系改變較小， 所以遭受旋轉(zhuǎn)攻擊后性能不會下降很多。 總的來看， 無論從表2中的實驗數(shù)據(jù)還是從表3中的水印效果圖像來看， 本文中提出的算法對空間域攻擊具有很好的魯棒性。

3.2.2 時間域攻擊

為了驗證本文中提出的算法對于時間域攻擊的魯棒性，對2段嵌入水印后的視頻分別進行幀丟失、幀置換和幀平均等攻擊， 實驗結(jié)果如表4所示。 視頻序列存在很多冗余數(shù)據(jù)，而本文中的水印信息是嵌入在關(guān)鍵幀的隨機塊中，每個水印圖像在視頻幀中的位置是不一樣的，刪除部分幀或者進行若干幀置換，不會顯著影響視覺效果，NC值保持在0.98以上。從表中可以看出，本文中提出的算法性能優(yōu)于文獻[15-19]中的算法性能，對時間域攻擊具有良好的魯棒性。

表2 空間域攻擊下提取水印圖像的標準化互相關(guān)系數(shù)

表3 空間域攻擊后提取的水印圖像

3.3 水印嵌入載荷實驗和分析

水印有效載荷公式為

(9)

式中N′、N分別為關(guān)鍵幀數(shù)和視頻幀總數(shù)。 表5所示為本文中提出的算法與文獻[15-19]中的算法的水印嵌入載荷的比較結(jié)果。 從表中可以看出， 在水印嵌入量方面， 本文中提出的算法明顯優(yōu)于文獻[15-19]中的算法。 NSCT、 DSWT是冗余變換,經(jīng)NSCT-DCT-DSWT變換后， 各子帶圖像與原始圖像大小一致, 可供嵌入水印的子帶系數(shù)都比小波域多。 文獻[15]中的水印圖像分辨率為128像素×128像素， 載體圖像分辨率為1 024像素×1 024像素， 水印有效載荷為0.015 6比特/像素； 文獻[16]中的水印圖像分辨率為32像素×32像素， 視頻幀分辨率為352像素×288 像素， 水印有效載荷為0.010 1比特/像素； 文獻[18]中的水印圖像分辨率是49像素×56像素，視頻幀分辨率為144像素×176像素，

表5 不同算法的水印嵌入容量比較

水印有效載荷為0.108 3比特/像素。本文中提出的算法在保證良好的水印不可見性和魯棒性的前提下，可以嵌入分辨率為128像素×128像素的灰度水印圖像，水印圖像大小是文獻[16]、 [19]中算法的16倍，水印有效載荷為0.161 6比特/像素，相比文獻[15-19]中的算法分別提升了0.146 0、 0.151 5、 0.104 1、 0.053 3、 0.099 1比特/像素，水印嵌入容量大幅度提升。

4 結(jié)語

本文中提出一種均衡特征的動態(tài)視頻水印算法。 該算法結(jié)合NSCT、 DCT以及DSWT這3種變換的優(yōu)點以保證水印的不可見性、 魯棒性以及水印嵌入容量。 在水印嵌入過程中， 水印嵌入到視頻關(guān)鍵幀的隨機塊， 這種隨機嵌入方法更好地隱藏了水印嵌入位置， 從而能夠加強水印的魯棒性。 實驗結(jié)果表明， 該算法在保證水印不可見和水印嵌入量的前提下， 在抵抗空間域攻擊和時間域攻擊方面都有很好的魯棒性， 對數(shù)字產(chǎn)品的版權(quán)保護具有促進作用。