一種DCT域多重視頻盲水印算法

蔡 虔，陳 藝，謝 斌

(1.江西理工大學(xué)信息工程學(xué)院，江西 贛州 341000;2.贛南教育學(xué)院計算機系，江西 贛州 341000)

近年來，由于擁有良好的不可覺察性和穩(wěn)定性等特點，數(shù)字水印技術(shù)在版權(quán)保護方面有著廣泛的應(yīng)用。現(xiàn)階段，多數(shù)算法研究的是單一水印，該類算法在受到多種不同攻擊時很難保證足夠的穩(wěn)定性［1］。多重水印技術(shù)則是用來解決上述問題的有效手段，能夠有效地提高水印的抗攻擊性，可以解決許多單水印不能解決的問題［2］。目前，多水印技術(shù)的主要研究方向集中在圖像和音頻水印方面，而基于視頻的多水印算法相對較少。文獻［3］提出了一種統(tǒng)計的多重音頻水印算法，該算法在不同的頻帶同時嵌入多重水印，可以較好地抵抗濾波攻擊。文獻［4］提出了一種基于相位調(diào)制的多重音頻水印算法，該算法利用聽覺系統(tǒng)對聲音相位的不敏感性，同時嵌入3種水印信息，獲得了較好的穩(wěn)定性。文獻［5］提出了一種基于矢量量化的圖像多重水印算法，水印提取時不需要原始圖像的參與，因而算法的實用性較好。

文中結(jié)合Arnold置亂技術(shù)、人眼視覺系統(tǒng)特性及離散余弦變換(DCT)，提出了一種基于離散余弦(DCT)的多重視頻盲水印算法。該算法以包含不同信息的多個二值圖像作為水印，以彩色視頻作為水印載體，將Arnold置亂后的多個水印嵌入到視頻畫面綠色分量的DCT中低頻系數(shù)中，較好地實現(xiàn)了多重水印在視頻載體中的嵌入及盲提取。仿真實驗表明，該算法能夠較好地抵抗諸如幀剪切、高斯噪聲及speckle等攻擊。

1 多重水印的嵌入原理

彩色視頻圖像經(jīng)過離散余弦(DCT)變換處理后，DCT系數(shù)矩陣的直流、低頻、中頻和高頻分量從左上角至右下角順序排列，并且其能量從直流至高頻順序遞減［6］。一般而言，人眼對圖像的直流分量較為敏感，對這一區(qū)域嵌入水印較容易引起注意［7］。高頻系數(shù)取值較小且經(jīng)常為零，它的改變會明顯地降低水印的不可知性。而中、低頻系數(shù)的能量介于直流分量高頻分量之間，且人眼對這一部分的改動不太敏感。因此，在這一區(qū)域嵌入水印既不容易引起人們的注意，又具有比高頻系數(shù)更大的視覺容量。另一方面，考慮到常規(guī)壓縮攻擊對彩色視頻畫面的紅色和藍色分量影響較大，而綠色分量對該種攻擊則具有較好的穩(wěn)定性。綜合以上幾點考慮，文中選擇將水印信息嵌入在視頻畫面綠色分量的DCT中低頻系數(shù)中，水印嵌入原理如圖1所示(以三重水印算法為例)。

圖1 嵌入算法原理框圖

1)為了有效提高本算法的安全性和穩(wěn)定性，水印在嵌入視頻幀之前先要進行置亂處理，使它們失去原來的面目，從而達到保密目的。文中使用Arnold變換對N×N大小的3個水印X，Y和Z分別進行置亂處理，得到置亂的二值水印。

設(shè)置亂后的水印X、水印Y和水印Z數(shù)據(jù)分別為ξXk，ξYk和 ξZk(k=1，2，···，N × N)，則多重水印嵌入后有

圖2 水印嵌入位置示意圖

式中:δ為嵌入系數(shù);λ′A為系數(shù)A嵌入ξXk后的取值;λ′B為系數(shù)B嵌入ξYk后的數(shù)值;λ′C為系數(shù)C嵌入ξZk后的數(shù)值。由于算法的嵌入深度可以根據(jù)視頻畫面內(nèi)容的不同自適應(yīng)變化，因而可以較好地利用視覺掩蔽特性有地效提高算法的不可知性。

4)對所有綠色分量的8×8 DCT子塊進行IDCT變換，得到含水印的視頻幀綠色分量Go，然后與原來的紅色及藍色分量進行重構(gòu)，得到含多重水印的視頻幀。

2 多重水印盲提取算法原理

提取水印時，因為嵌入位置已知，所以不需要原始宿主視頻的參與就可以實現(xiàn)水印的盲提取。多重水印的提取總體上是嵌入的逆過程。

2)選取視頻幀中嵌有水印的8×8 DCT子塊進行水印的提取。方法為

式中:λ′A，λ′B，λ′C分別為DCT 系數(shù)A，B，C的取值;ξ′Xk為T系數(shù)A中取出的水印X數(shù)據(jù);ξ′Yk為系數(shù)B中取出的水印Y數(shù)據(jù);ξ′Zk為系數(shù)C中取出的水印Z數(shù)據(jù)。

3)根據(jù)上述方法，對全部嵌有水印的視頻幀進行水印數(shù)據(jù)的提取，分別得到N×N個置亂的水印數(shù)據(jù)ξ′Xk，ξ′Yk和 ξ′Zk(k=1，2，···，N × N)。

4)對提取出的 ξ′Xk，ξ′Yk和 ξ′Zk分別進行 Arnold 逆置亂，得到新的水印A、水印B和水印C。

3 仿真實驗結(jié)果

文中使用MATLAB7.0對算法進行仿真實驗(見圖3)，宿主視頻采用速率為23幀/秒、大小為960×540的24位彩色視頻。其中圖3h、圖3j、圖3l為正常提取的水印X，Y，Z，它們與原始水印X，Y，Z的相似度分別為:NC(X)=0.9946，NC(Y)=0.9939，NC(Z)=0.9937。

圖3 水印嵌入前后比較圖

為了測試文中算法的穩(wěn)定性，對含有三重水印的視頻進行不同強度的多種攻擊實驗，通過比較提取出的多重水印與原始水印的歸一化相似度NC值來進行穩(wěn)定性的評估。表1、表2、表3所示分別為speckle攻擊、幀剪切攻擊及Gaussian攻擊實驗后提取水印與原水印的相似度統(tǒng)計。

表1 speckle攻擊后的水印相似度(NC)

表2 幀剪切攻擊后的水印相似度(NC)

表3 Gaussian攻擊后的水印相似度(NC)

根據(jù)上述實驗結(jié)果可以看出，文中算法經(jīng)過了多種強度的不同攻擊，但取出的多重水印與原始水印的NC值依然比較可觀，即便是在強度較大的攻擊情況下仍可以有效地識別提取出的水印內(nèi)容。仿真實驗結(jié)果表明，文中所提算法對以上各類攻擊具有較強的穩(wěn)定性。

4 結(jié)束語

針對視頻單一水印算法的一些不足，提出了一種多重視頻盲水印算法。仿真實驗結(jié)果表明，該算法對諸如speckle、幀剪切及Gaussian等常規(guī)攻擊表現(xiàn)出了較強的穩(wěn)定性，具有復(fù)雜度低、嵌入及盲提取效果好等特點，有一定的應(yīng)用價值。如何更加有效地結(jié)合視覺系統(tǒng)特性(HVS)、多媒體技術(shù)及壓縮編碼理論研究基于視頻特征的自適應(yīng)多重穩(wěn)定盲視頻水印算法將是今后的工作重點。

［1］PETER H，WONG W，OSCCAR C A.A blind watermarking technique for multiple watermarks ［C］//Proc.ISCAS 2003.［S.l.］:IEEE Press，2003:25－28.

［2］HUANG W L，GOU J.An image fusion － based multi－watermarking algorithm［C］//Proc.IEEE International Conference on Networking，Sensing and Control.［S.l.］:IEEE Press，2006:266－269.

［3］ARNOLD M，HUANG Z W.Blind detection of multiple audio watermarks［C］//Proc.First International Conference on Web Delivering of Music.［S.l.］:IEEE Press，200:4－11.

［4］TAKAHASHI A，NISHIMURA R，SUZUKI Y.Multiple watermarks for stereo audio signals using phase－modulation techniques［J］.IEEE Trans.Signal Processing，2005，53:806－815.

［5］PAN J S，HUANG H C，WANG F H.A VQ－based robust multi－watermarking algorithm［C］//Proc.IEEE Region 10 International Conference on Computers，Communications，Control and Power Engineering.［S.l.］:IEEE Press，2002:117－120.

［6］謝斌，任克強.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):74－76.

［7］WONG P，AU O，YEUNG Y.A novels blind multiple watermarking techniques for images［J］.IEEE Trans.Circuits and Systems，2003，13:813－830.