基于小波變換的運(yùn)動(dòng)目標(biāo)檢測(cè)視頻水印算法

李淑芝，吳曉燕，張 翔

(江西理工大學(xué)信息工程學(xué)院，江西贛州341000)

隨著信息技術(shù)的快速發(fā)展以及計(jì)算機(jī)、手持移動(dòng)設(shè)備的不斷普及，催生了更多形式豐富的數(shù)字多媒體信息，而互聯(lián)網(wǎng)絡(luò)技術(shù)(特別是移動(dòng)互聯(lián)網(wǎng))的廣泛應(yīng)用更是為數(shù)字多媒體信息的傳播和使用提供了便利條件。數(shù)字視頻產(chǎn)品是多媒體信息形式里最重要的產(chǎn)品之一，種類繁多，豐富了互聯(lián)網(wǎng)媒體內(nèi)容。然而由于網(wǎng)絡(luò)的開放性和共享性特點(diǎn)，使得數(shù)字視頻產(chǎn)品傳播和使用過程中缺少合理監(jiān)管，數(shù)字視頻產(chǎn)品很容易遭到非法拷貝、傳播和篡改等侵權(quán)行為。因此，對(duì)數(shù)字視頻產(chǎn)品采取相應(yīng)的版權(quán)保護(hù)措施變得極其重要。而數(shù)字視頻水印技術(shù)作為數(shù)字產(chǎn)品版權(quán)保護(hù)和內(nèi)容認(rèn)證十分有效的手段，則逐漸成為信息安全領(lǐng)域的研究熱點(diǎn)之一［1-2］。

數(shù)字視頻水印技術(shù)作為信息隱藏技術(shù)中的一個(gè)重要分支，是將特定的標(biāo)記信息嵌入到數(shù)字視頻產(chǎn)品中。嵌入的標(biāo)記信息不會(huì)對(duì)數(shù)字產(chǎn)品的使用價(jià)值產(chǎn)生影響且水印信息不易被感知和攻擊篡改，以此達(dá)到對(duì)數(shù)字視頻產(chǎn)品版權(quán)保護(hù)的目的，同時(shí)也可根據(jù)視頻水印的正確性和完整性識(shí)別視頻產(chǎn)品的真?zhèn)巍＿\(yùn)動(dòng)特性作為視頻區(qū)別圖像的重要特點(diǎn)之一，針對(duì)視頻的一般攻擊無法對(duì)其進(jìn)行破壞，因此關(guān)于視頻運(yùn)動(dòng)特性的研究得到諸多學(xué)者的關(guān)注。目前視頻水印嵌入算法主要分為3類:1)水印嵌入到壓縮比特流。2)水印嵌入到視頻量化系數(shù)。3)編碼水印嵌入到原始視頻序列。第1類算法水印嵌入到壓縮比特流，不需要對(duì)視頻進(jìn)行解碼和編碼，也不會(huì)影響視頻質(zhì)量，但該算法不容易設(shè)計(jì)，水印容量也很有限;第2類算法水印嵌入在視頻編碼量化系數(shù)中，如DCT(Discrete Cosine Transform)系數(shù)和運(yùn)動(dòng)矢量，但此類算法會(huì)使視頻質(zhì)量會(huì)受到影響;本文采用第3類算法，這類算法主要是結(jié)合人類的視覺特性，水印嵌入后不易被感知且對(duì)常見的視頻攻擊具有較強(qiáng)的穩(wěn)健性。

Jordan和Kutter等人［3］第一次選擇在修改后的運(yùn)動(dòng)向量中嵌入水印信息，并為基于運(yùn)動(dòng)特性的視頻水印算法研究開拓了一種新的視角。樓斌等人［4］提出了一種自嵌入式的水印算法，將提取出的運(yùn)動(dòng)目標(biāo)作為水印，該算法針對(duì)MPEG壓縮具有一定的穩(wěn)健性，但遭受加噪攻擊時(shí)表現(xiàn)相對(duì)脆弱，穩(wěn)健性能較差。陳希等人［5］通過檢測(cè)和標(biāo)記運(yùn)動(dòng)目標(biāo)，進(jìn)行奇異值分解并自適應(yīng)嵌入水印，但受限于水印的嵌入位置，因此嵌入效果并不好。郭燕等人［6］提出基于運(yùn)動(dòng)目標(biāo)檢測(cè)和紋理復(fù)雜度的視頻水印算法，但水印嵌入算法實(shí)時(shí)性較差，且不能進(jìn)行水印盲提取。Cheng等人［7］提出了一種基于離散小波變換(Discrete Wavelet Transform，DWT)跟蹤識(shí)別多個(gè)對(duì)象的方法，在離散小波域采用幀間差分法對(duì)運(yùn)動(dòng)對(duì)象進(jìn)行分割，但基于離散小波變換的方法對(duì)運(yùn)動(dòng)對(duì)象移位不敏感，不能準(zhǔn)確分割運(yùn)動(dòng)對(duì)象。

針對(duì)上述問題，本文在相關(guān)研究的基礎(chǔ)上，提出了一種基于小波變換域的運(yùn)動(dòng)目標(biāo)檢測(cè)并結(jié)合人類視覺系統(tǒng)(Human Visual System，HVS)特性的視頻水印算法。進(jìn)行Daubechies復(fù)雜小波變換后采用近似中值濾波檢測(cè)幀間差，從中獲得視頻圖像中已改變的像素值，標(biāo)記運(yùn)動(dòng)區(qū)域，并結(jié)合HVS特性從靜止區(qū)域中劃分出高紋理復(fù)雜區(qū)域，水印自適應(yīng)選擇嵌入在運(yùn)動(dòng)區(qū)域及高紋理復(fù)雜區(qū)域;原始水印圖像采用混沌加密和Arnold置亂進(jìn)行預(yù)處理，置亂水印圖像的相關(guān)性，確保了水印信息的安全性，并在小波域進(jìn)行水印嵌入，較好地兼顧了水印的不可感知性和穩(wěn)健性。

1 基于小波域的運(yùn)動(dòng)目標(biāo)檢測(cè)

運(yùn)動(dòng)目標(biāo)檢測(cè)旨在從視頻中實(shí)時(shí)檢測(cè)并提取運(yùn)動(dòng)目標(biāo)，是視頻序列運(yùn)動(dòng)分析與理解的關(guān)鍵技術(shù)。運(yùn)動(dòng)目標(biāo)檢測(cè)會(huì)受到諸多因素的影響，比如光照強(qiáng)度突變、背景轉(zhuǎn)換、物體的移動(dòng)、陰影、噪聲等。目前，運(yùn)動(dòng)目標(biāo)檢測(cè)方法主要有3種:光流法、幀間差分法、背景減法。幀間差分法因其復(fù)雜度低、對(duì)環(huán)境變化較不敏感、自適應(yīng)能力好而成為研究熱點(diǎn)。本文在進(jìn)行Daubechies復(fù)雜小波變換后，采用幀間差分法并結(jié)合近似中值濾波算法檢測(cè)幀間差，從而獲取運(yùn)動(dòng)目標(biāo)。

首先，在Daubechies復(fù)雜小波域內(nèi)分解2個(gè)連續(xù)幀In和In-1，然后再用近似中值濾波來檢測(cè)幀間差［8］。用式(1)計(jì)算每一個(gè)像素點(diǎn)(i，j)的幀間差

式中:FDn(i，j)是幀間差;WIn(i，j)和 WIn-1(i，j)是對(duì)應(yīng)幀 In和In-1的小波系數(shù)。式(1)獲得的幀間差FDn(i，j)可能會(huì)有一些噪聲，在小波域可以應(yīng)用軟門限來消除噪聲［9］

式中:FD'n(i，j)是消除噪聲后的幀間差;λ是相應(yīng)噪聲。去除噪聲后，采用Sobel邊緣檢測(cè)算子檢測(cè)FD'n(i，j)中像素差很明顯的邊緣，如式(3)所示

在小波域，得到運(yùn)動(dòng)分割對(duì)象DEn(i，j)，并標(biāo)記在原圖像中。為了適應(yīng)背景和光照變化，背景模型的實(shí)時(shí)更新如式(4)所示

式中:In(i，j)是第 n 幀的(i，j)像素點(diǎn)的值;In-1(i，j)是第 n-1幀的(i，j)像素點(diǎn)的值。

2 基于DWT域的分塊視頻水印算法

2．1 水印圖像預(yù)處理

在嵌入水印前先進(jìn)行預(yù)處理，來提高水印的安全性。本文采用基于Logistic混沌映射的混沌加密技術(shù)并結(jié)合Arnold變換的置亂技術(shù)對(duì)水印信息進(jìn)行預(yù)處理工作。Logistic混沌映射定義如式(5)所示

式中:0＜μ≤4，稱為分支參數(shù)。當(dāng)3.569 945 6＜μ≤4時(shí)，Logistic 映射處于混沌狀態(tài)［10］。

本文選取二值圖像作為水印圖像，先利用密鑰K1(混沌映射初始值)進(jìn)行混沌加密，接著利用密鑰K2(Arnold迭代次數(shù))對(duì)加密后的水印圖像進(jìn)行Arnold置亂，使嵌入的水印對(duì)JPEG壓縮和噪聲干擾等常見操作有較強(qiáng)的穩(wěn)健性，同時(shí)嵌入水印具有很好的不可感知性。

2．2 水印嵌入過程

具體的視頻水印嵌入示意圖如圖1所示。

圖1 水印嵌入示意圖

水印嵌入的具體過程如下:

1)8M×8M原始圖像分為8×8子塊，分別對(duì)子圖像塊進(jìn)行Daubechies復(fù)雜小波分解。

2)采用基于近似中值濾波的幀間差分法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，并將標(biāo)記位插入運(yùn)動(dòng)區(qū)域D1的每個(gè)像素中。

3)將視頻當(dāng)前幀的圖像分割為運(yùn)動(dòng)區(qū)域D1和靜止區(qū)域D2。若靜止區(qū)域D2的高頻系數(shù)絕對(duì)值大于門限T，則標(biāo)記該像素位置為高紋理復(fù)雜區(qū)域D2.1。T為預(yù)先設(shè)定的閾值，在此取T為最大系數(shù)絕對(duì)值的一半。

4)為了優(yōu)化水印的不可感知性和強(qiáng)穩(wěn)健性，水印選擇自適應(yīng)嵌入算法。運(yùn)動(dòng)區(qū)域D1和高紋理復(fù)雜區(qū)域D2.1選為嵌入水印區(qū)域。預(yù)處理后水印如式(6)所示

式中:w(x，y)為預(yù)處理后的水印。采用式(7)進(jìn)行水印嵌入

式中:X(x，y)為嵌入?yún)^(qū)域小波系數(shù);X'(x，y)為嵌入水印后小波系數(shù);Q為水印嵌入強(qiáng)度;T1和 T2為閾值，實(shí)驗(yàn)中取T1=0.25Q，T2=0.75Q，mod(·)為求余數(shù)運(yùn)算。

5)在原視頻序列中嵌入水印信息后進(jìn)行小波逆變換，即可獲得已嵌入水印的視頻圖像。

2．3 水印提取算法

提取算法具體過程如下:

1)利用水印嵌入后視頻序列運(yùn)動(dòng)區(qū)域中的標(biāo)記像素位，將視頻當(dāng)前幀圖像分割為靜止區(qū)域和運(yùn)動(dòng)區(qū)域。

2)當(dāng)前幀圖像的靜止區(qū)域分為8×8子圖像塊，比較小波變換中的高頻系數(shù)，若該位置的高頻系數(shù)的絕對(duì)值大于門限T，則標(biāo)記該像素位置為高紋理復(fù)雜區(qū)域。

3)運(yùn)動(dòng)區(qū)域和高紋理復(fù)雜區(qū)域選為提取水印區(qū)域，采用式(8)提取水印

式中:w'(x，y)是提取出的水印;X'(x，y)為嵌入水印后的小波系數(shù);Q為水印嵌入強(qiáng)度;T1和T2為閾值，實(shí)驗(yàn)中取T1=0.25Q，T2=0.75Q。

4)對(duì)提取的水印序列進(jìn)行重構(gòu)，先用密鑰K2逆Arnold置亂，然后利用密鑰K1混沌解密，得到正確解密后的水印圖像。

3 實(shí)驗(yàn)結(jié)果

3．1 仿真實(shí)驗(yàn)

本文實(shí)驗(yàn)是在 Intel Core、CPU T6500，2.1 GHz的主頻、2 Gbyte的內(nèi)存，Windows7的操作系統(tǒng)環(huán)境下，采用MATLAB R2012b平臺(tái)仿真。

本文算法選取Foreman視頻第11幀圖像作為待嵌入的視頻圖像。進(jìn)行Daubechies復(fù)雜小波變換后，利用近似中值濾波算法檢測(cè)幀間差，然后對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行定位并準(zhǔn)確標(biāo)記運(yùn)動(dòng)區(qū)域中每個(gè)像素。運(yùn)動(dòng)目標(biāo)檢測(cè)過程如圖2所示，其中圖2a表示原始圖像，圖2b表示幀間差分法運(yùn)動(dòng)目標(biāo)檢測(cè)，圖2c表示標(biāo)記運(yùn)動(dòng)區(qū)域。

圖2 運(yùn)動(dòng)目標(biāo)檢測(cè)過程

3．2 不可感知性和安全性測(cè)試

為了確保水印嵌入的安全性，在水印嵌入原始視頻之前，先后對(duì)要嵌入的水印進(jìn)行混沌加密和Arnold置亂，因此嵌入水印的幀圖像對(duì)JPEG壓縮和噪聲干擾等常見操作有較強(qiáng)的穩(wěn)健性，同時(shí)嵌入水印具有很好的不可感知性。圖3a是原始水印，圖3b是置亂加密后水印，圖3c是Foreman視頻序列中提取的水印圖像，圖3d為在密鑰K1和K2都正確且未遭受攻擊的解密恢復(fù)水印，圖3e為密鑰K1，K2其中有一個(gè)不正確時(shí)的錯(cuò)誤解密水印。由圖3可以看出，當(dāng)兩個(gè)密鑰全部正確且視頻未遭受攻擊，可正確提取出水印圖像;然而當(dāng)兩個(gè)密鑰中有一個(gè)錯(cuò)誤，則嵌入的水印不能完整提取，故該算法的安全性較高。圖4給出了Foreman11幀圖像及嵌入水印后的圖像，該算法沒有降低視頻幀圖像的觀感質(zhì)量，較好地滿足了不可感知性要求。

圖3 原始水印和提取水印

圖4 原始圖像及嵌入水印后的圖像

3．3 穩(wěn)健性測(cè)試

穩(wěn)健性能是指視頻水印應(yīng)該能夠抵抗各種有意或無意的攻擊包括常見的信號(hào)處理攻擊、幾何攻擊和針對(duì)視頻的幀操作攻擊，確保能從受到攻擊的視頻中獲取較好的水印信息。為了測(cè)試算法的穩(wěn)健性能，將歸一化互相關(guān)系數(shù)NC(Normalized Correlation)作為判斷穩(wěn)健性能的尺度，NC定義如式(9)所示

式中:W，Y是水印的行列大小;w(x，y)為初始水印;w*(x，y)為提取出的水印。在NC值大于0.7時(shí)就認(rèn)為提取出有效水印，NC值與水印的魯棒性呈正相關(guān)性。

從視覺看圖4a、圖4b中嵌入水印前后圖像對(duì)比，沒有明顯的差別，采用峰值信噪比PSNR來進(jìn)一步驗(yàn)證水印的不可感知性，PSNR定義如式(10)所示

式中:D，H是視頻圖像的行列大小;max(I(i，j))2表示視頻圖像像素能取到的最大值;原視頻幀圖像為I(i，j);嵌入水印后的視頻幀圖像為Iw(i，j)。PSNR越大，水印的不可感知性越好。

因此，對(duì)已嵌入水印的視頻幀圖像分別進(jìn)行多種針對(duì)視頻的攻擊處理，所提取出水印的實(shí)驗(yàn)結(jié)果如圖5和表1所示。圖5a和圖5b分別為視頻遭受方差為0.001的高斯噪聲和椒鹽噪聲攻擊后提取出的水印圖像;圖5c是對(duì)嵌入水印后的視頻用均值為0，方差為10的加性噪聲攻擊后提取的水印;圖5d和圖5e是對(duì)嵌入水印后的視頻分別用3×3的維納濾波和中值濾波攻擊后提取的水印;圖5f和圖5g分別為視頻遭受MPEG壓縮和JPEG壓縮攻擊后提取出的水印圖像;圖5h～圖5j分別為視頻遭受幀平均攻擊(從視頻序列中的每5幀圖像中隨機(jī)抽1幀，再用此幀相鄰的2幀的平均替代被抽出幀)、幀刪除攻擊(從視頻序列中隨機(jī)刪除2幀，再隨機(jī)插入2幀)以及幀置換攻擊(從視頻序列中每10幀中隨機(jī)置換2幀)后提取的水印圖像。

圖5 穩(wěn)健性測(cè)試結(jié)果

表1 穩(wěn)健性測(cè)試結(jié)果

表1和圖5中的實(shí)驗(yàn)結(jié)果表明，本文算法滿足不可感知性要求，且從圖5看出，視頻在經(jīng)過常見針對(duì)視頻的攻擊后，所提取出的水印都容易被人眼識(shí)別，足以表明本文算法對(duì)常見視頻攻擊具有較強(qiáng)的穩(wěn)健性。

3．4 與現(xiàn)有算法的性能比較

為了驗(yàn)證算法及進(jìn)一步討論算法的性能，在MATLAB R2012b平臺(tái)上進(jìn)行實(shí)驗(yàn)仿真后，將本文算法和文獻(xiàn)［13］中的算法(算法1)、文獻(xiàn)［14］中的算法(算法2)及采用 LSB(Least Significant Bit)嵌入策略的算法(算法3)進(jìn)行性能比較。算法1通過對(duì)亮度分量進(jìn)行1級(jí)整數(shù)小波變換，水印嵌入在小波變換低頻子帶的最大奇異值上。算法2算法先對(duì)視頻進(jìn)行2級(jí)DWT變換，再對(duì)HL2子帶進(jìn)行SVD分解，根據(jù)LSB調(diào)制SHL2奇異值實(shí)現(xiàn)水印嵌入。算法3是先對(duì)視頻每幀進(jìn)行2級(jí)的整數(shù)小波變換，其次對(duì)低頻子帶LL2進(jìn)行分塊，并對(duì)每一分塊進(jìn)行SVD分解。針對(duì)穩(wěn)健性能的測(cè)試，以Foreman視頻序列為例，考察了幾種常見噪聲和濾波的攻擊，對(duì)應(yīng)的實(shí)驗(yàn)結(jié)果如圖6a～圖6d。在圖6a高斯噪聲攻擊實(shí)驗(yàn)中隨著高斯噪聲的增大，NC系數(shù)均受到影響，而本文算法中的NC值受到影響最小;在圖6b的加性噪聲攻擊對(duì)比實(shí)驗(yàn)中，隨著加性噪聲強(qiáng)度增加，本文算法和算法1的NC系數(shù)均減小，而本文算法中NC系數(shù)減小力度更小，算法2和算法3的NC系數(shù)則是上下波動(dòng)較大不穩(wěn)定;圖6c、圖6d是中值濾波和維納濾波攻擊對(duì)比實(shí)驗(yàn)，兩個(gè)實(shí)驗(yàn)結(jié)果均顯示本文算法的NC系數(shù)減小幅度最小且保持在較高水平。通過以上實(shí)驗(yàn)結(jié)果可以總結(jié)出，本文算法的穩(wěn)健性能明顯優(yōu)于算法1、算法2及算法3，因此本文算法具有較強(qiáng)的穩(wěn)健性能。

4 結(jié)束語

本文在保證視頻水印算法穩(wěn)健性前提下，結(jié)合視頻運(yùn)動(dòng)特性，提出一種基于Daubechies復(fù)雜小波變換的運(yùn)動(dòng)目標(biāo)檢測(cè)視頻水印算法。Daubechies復(fù)雜小波變換具有平移不變性和良好的方向選擇性，解決了陰影、重影、噪聲等問題。該算法在Daubechies復(fù)雜小波域采用近似中值濾波算法來檢測(cè)幀間差，更加準(zhǔn)確地檢測(cè)運(yùn)動(dòng)目標(biāo)，并采用背景更新法，以防止背景模型的退化。對(duì)嵌入的視頻水印信息進(jìn)行Arnold置亂和混沌加密處理，并結(jié)合HVS特性，將運(yùn)動(dòng)區(qū)域和高紋理復(fù)雜區(qū)域作為嵌入水印區(qū)域，以達(dá)到水印信息具有不可感知性和穩(wěn)健性的目的。實(shí)驗(yàn)結(jié)果驗(yàn)證了本文算法對(duì)噪聲、濾波器、壓縮、幀平均等攻擊有很好的穩(wěn)健性和抗攻擊性，并能實(shí)現(xiàn)水印盲提取，能夠有效保護(hù)視頻版權(quán)。

圖6 攻擊對(duì)比實(shí)驗(yàn)

［1］李淑芝，晏啟明，楊書新.基于關(guān)鍵幀和小波變換的盲視頻水印算法［J］.電視技術(shù)，2013，37(9):12-15.

［2］朱光，張軍亮.基于SVD和小波包分解的自適應(yīng)魯棒水印算法［J］.計(jì)算機(jī)應(yīng)用研究，2013，30(4):1230-1233.

［3］ KUTTER M，JORDAN F，EBRAHIMI T.ISO/IEC Document，JTCI/SC29/WG11，Proposal of a watermarking technique for hiding/retrieving data in compressed and decompressed video，Technical report M2281［S］.1997.

［4］樓斌，沈海濱，嚴(yán)曉浪.基于運(yùn)動(dòng)目標(biāo)檢測(cè)的自嵌入視頻水印［J］.浙江大學(xué)學(xué)報(bào):工學(xué)版，2008，42(3):382-386.

［5］陳希，周萍.基于運(yùn)動(dòng)目標(biāo)檢測(cè)的視頻水印算法［J］.計(jì)算機(jī)應(yīng)用，2011，31(1):258-259.

［6］郭燕，盧忱，范九倫.運(yùn)動(dòng)目標(biāo)檢測(cè)和紋理復(fù)雜度與視頻水印算法［J］.西安郵電大學(xué)學(xué)報(bào)，2013，18(1):35-39.

［7］ CHENG F H，CHEN Y L.Real time multiple objects tracking and identification based on discrete wavelet transform［J］.Pattern Recognition，2006，39(6):1126-1139.

［8］ ERDEM C E，SANKUR B，TEKALP A M.Performance measures for video object segmentation and tracking［J］.IEEE Trans.Image Processing，2004，13(7):937-951.

［9］ KHARE A，TIWARY U S，PEDRYCZ W，et al.Multilevel adaptive thresholding and shrinkage technique for denoising using Daubechies complex wavelet transform［J］.The Imaging Science Journal，2010，58(6):340-358.

［10］張雪鋒，范九倫.一種新的分段非線性混沌映射及其性能分析［J］.物理學(xué)報(bào)，2010，59(4):2298-2304.

［11］徐少平，楊榮昌，劉小平.信息量加權(quán)的梯度顯著度圖像質(zhì)量評(píng)價(jià)［J］.中國(guó)圖象圖形學(xué)報(bào)，2014，19(2):201-210.

［12］朱宏，蔣剛毅，王曉東，等.一種基于人眼視覺特性的視頻質(zhì)量評(píng)價(jià)算法［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2014，26(5):776-781.

［13］熊祥光，蔣天發(fā)，蔣巍.基于整數(shù)小波變換和SVD的視頻水印算法［J］.計(jì)算機(jī)工程與應(yīng)用，2014，50(1):78-82.

［14］ RAJAB L，AL-KHATIB T，AL-HAJ A.Hybrid DWT-SVD video watermarking［C］//Proc.International Conference on Innovations in Information Technology，2008(IIT 2008). ［S.l.］:IEEE Press，2008:588-592.