基于運動矢量的脆弱視頻水印算法研究

楊靜，鄭耿峰

（福建省特種設備檢驗研究院 福建 福州350008）

基于運動矢量的脆弱視頻水印算法研究

楊靜，鄭耿峰

（福建省特種設備檢驗研究院 福建 福州350008）

結合人類視覺特性（HVS）與H.264編解碼原理，提出了一種基于運動矢量的脆弱視頻水印算法。算法從I幀能量塊中提取特征碼，運用最小化拉格朗日函數搜索，在具有小分割模式的宏塊中選擇具有最佳率失真性能的運動矢量作為嵌入點。本算法簡單，能夠實現盲提取。實驗結果表明，算法能夠有效改善水印的不可見性，降低水印嵌入帶來的碼率提升以及對視頻質量的影響，并對各類惡意攻擊表現出較好的脆弱性。

人類視覺特性；H.264；運動矢量；不可見性；脆弱性

隨著視頻網站和網絡電視等網絡視頻行業的快速興起，視頻版權糾紛問題也越來越多，作為數字權限管理的水印技術在視頻領域的應用也隨著成為關注熱點。針對視頻水印的嵌入方法有很多，其中最常用的是將水印嵌入到視頻的DCT系數中，但是由于P、B幀均采用幀間預測編碼，經過量化后大部分系數為零，因此可以利用的DCT系數有限，且對視頻質量影響較大[1-2]。根據H.264編解碼標準，運動矢量是一個非常重要的特征，它關系到視頻畫面的連續行和平滑性，是視頻壓縮的重點。運動矢量反映的是當前編碼幀中被預測宏塊與參考幀中最匹配宏塊的運動位移信息，與宏塊的內容無關，因此對于基于內容的視頻水印的攻擊表現出較強的魯棒性，所以將水印信息嵌入到運動矢量成為研究熱點之一[3-4]。

目前，大部分基于運動矢量的視頻水印算法是在壓縮碼流中修改運動矢量以嵌入水印[5-7]，未能充分利用編碼過程產生運動信息以對水印實施動態調控。本文提出的基于運動矢量的脆弱水印視頻算法，在編碼過程植入水印，不僅算法簡單，能夠實現盲提取，且能夠有效改善水印的不可見性，降低水印嵌入帶來的碼率提升以及對視頻質量的影響，并對各類惡意攻擊表現出較好的脆弱性。

1 算法描述

1.1 水印信息的構造

本算法采取在編碼端嵌入水印，經編碼壓縮后，在解碼端提取水印，因此要求特征信息對視頻壓縮編碼表現較強的魯棒性。編碼I幀圖像采用幀內編碼，特征信息較P幀更穩定，同時在經過壓縮后DCT塊組能量的關系基本不變[8-9]，因此算法采用在編碼端從視頻I幀數據提取特征碼作為水印植入到P幀，經壓縮編碼在解碼端提取水印，具體步驟如下：

步驟1 將原始視頻的I幀圖像分割成一個個16×16 的宏塊，記為 I={b1，b2，…，bn}，其中 bn表示每個宏塊，n表示宏塊總個數。每個宏塊的能量表示為[10]：

其中Ci表示每個宏塊中4×4的能量，可以表示為

其中Ci表示整數DCT變換后的系數。

步驟2 宏塊的有規則置亂。本算法是采用塊組能量關系生成水印，為提高特征碼的魯棒性以及每個特征碼的相對魯棒性，需要對宏塊進行有規則的置亂，保證宏塊在置亂后距離盡量和寬保持一致[11-12]。如 n=6 時，置亂后的宏塊為 I={b1，b4，b2，b5，b3，b6}。

步驟3獲得特征序列。塊組能量關系可以表示為[13]

其中m=2，3…n（n為宏塊的總個數）

Mi={M1，M2，…，Mn-1}即為特征序列。

步驟4最終水印信息的生成。生成安全性較強的水印信息，需要對特征序列進行加密處理。加密方法如公式（4）所示：

其中pi是偽隨機序列，攻擊者在沒有密鑰的前提下，無法準確得到水印信息。

1.2 水印信息的嵌入

步驟1 確定最優的運動矢量。 H.264中亮度塊采用1/4像素精度的運動估計，從而獲得每個子塊的運動矢量。為使水印嵌入對視頻影響較小，本算法利用最小化拉格朗日代價函數，通過運動搜索選擇具有最佳率失真性能的運動矢量作為水印嵌入位置。

函數表示為：

其中，Distortion表示當前運動補償塊和預測塊間的失真度，si表示樣本值，M為所有可能的運動矢量，λ表示拉格朗日乘子，用來在編碼比特率和失真度之間尋找一個最佳的平衡點，R表示比特數，m表示運動矢量，p表示運動矢量的預測值。根據不同的運動矢量所產生不同的拉格朗日代價，以確定編碼比特數與失真度之間的最佳平衡點，從而確定最終運動矢量。

步驟2確定最優的嵌入區域。目前，很多研究是選擇在運動矢量或者紋理大于某個閾值的塊中進行嵌入[14]，雖然算法也利用了人眼視覺特點，且在一定程度上也減小視頻的失真，但是由于嵌入水印后，運動矢量幅度會發生變化，會導致在閾值附近的運動矢量提取錯誤。本算法為確定最優嵌入區域，利用人類視覺系統，避開對視頻質量和輸出碼流影響很大的跳躍宏塊，并根據視頻區域特征、運動信息，選擇在最佳宏塊模式為8×8宏塊的運動矢量中嵌入，其中包含 8×8，8×4，4×8，4×4 4 個子宏塊， 避免了使用閾值選擇計算帶來的誤差與復雜度，因此算法簡單；在視頻重編碼或者其他惡意攻擊下，小分割模式類型可以靈活改變，因此視頻對惡意攻擊表現較強的脆弱性。

步驟3率失真性能較好的嵌入過程。為了是視頻在嵌入水印后具有較好的率失真率，選擇在編編碼中的亞像素搜索時嵌入。嵌入公式為[15]:

其中MVx，MVy表示原始運動矢量的水平和垂直分量，MV′x，MV′y表示嵌入水印后的水平和垂直分量。

1.3 脆弱水印信息的提取

水印的提取是在解碼端進行，因為在提取時不需要了解原始的視頻信息，因此實現了盲提取。首先讀取P幀中具有最佳分割模式紅塊的運動矢量信息，針對嵌入過程對水印進行提取。提取公式表示為：

根據式（7）提取出水印的信息位，并根據嵌入規定按每3個連續的宏塊確定4bit水印信息。3個宏塊在同一個位置提取的信息位必須相同，否則水印為提取錯誤；然后按水印生成的算法和密鑰，從重建的I幀圖像中提取水印。

2 仿真實驗結果和性能驗證

本實驗采用Matlab7.5作為仿真軟件，H.264參考軟件模型JM8.6作為測試環境，從不可見性、脆弱性對算法性能進行驗證。系統選擇QCIF格式的Salesman，foreman的序列，幀率為 30 幀/秒，比特率為45 kbit/s，幀數為30幀，并按IPPPP方式編碼，每15幀編碼一個I幀。QCIF格式序列為99個宏塊/幀，按照算法，每個I幀生成98bit水印，在每個宏塊潛入一個水印位以使水印盡可能分布到整個GOP。

2.1 不可見性驗證

不可見性是對視頻水印技術的一般要求，含有水印的載體與原始載體的差別要很小，肉眼幾乎察覺不到，同時攻擊者不能通過統計法判斷視頻是否含有水印甚至恢復水印。

圖1是salesman序列在嵌入水印前后視頻圖象質量的對比，有圖可知人眼基本察覺不到差別。

圖1 salesman測試序列前后比較圖

圖2是salesman在第一個GOP內每個P幀亮度的PSNR在未采用拉格朗日函數、未考慮小分割模式、本文算法3種算法下嵌入水印前后變化情況（其中橫坐標為幀數，縱坐標為PSNR值），可以看出采用在本文算法，運用最小化拉格朗日函數搜索，在具有小分割模式的宏塊中選擇嵌入水印后具有最佳率失真性能的運動矢量處嵌入水印，可以最有效的降低水印嵌入對視頻的影響。

圖3是salesman序列在3種算法分別嵌入水印后的率失真曲線圖從中可以看出，使用本文算法嵌入水印前后平均PSNR和碼率的變化同時最小，率失真曲線與原始視頻的也最為接近，進一步說明了本算法可以有效改善水印的不可見性。

2.2 脆弱性驗證

脆弱性是衡量視頻水印性能另一指標，通常采用正確提取率CDRW來衡量，CDRW越小，代表水印的脆弱性約好。對脆弱視頻水印，當視頻在受到攻擊時，水印信息不能夠完整提取。

圖2 salesman序列嵌入水印前后每一幀亮度的PSNR值的比較

圖3 salesman序列在3種算法中的率失真曲線圖

表1為水印對視頻重編碼和加噪聲以及濾波的測試結果，可以看出，在無攻擊QP=28時，foreman，salesman的CDRW都為1，提取出的水印與嵌入的完全一致。而在重編碼和低通濾波，以及加均值為0，方差為0.001的高斯噪聲，加密度為0.005的椒鹽噪聲后，CDRW比較低，水印大部分被破壞了，說明水印的脆弱性較好。

表1 水印對視頻攻擊的敏感性測試

3 結束語

論文結合人眼視覺特點與H.264視頻編解碼原理，提出了一種基于運動矢量的脆弱視頻水印算法。本文算法簡單，在視頻編碼端嵌入水印，無需要原始視頻，實現了盲提取。實驗結果表明，算法有效改善水印的不可見性，降低了水印嵌入帶來的碼率提升以及對視頻質量的影響，并對各類惡意攻擊表現出較強的脆弱性。

[1]徐甲甲，張衛明，俞能海，等.一種基于秘密共享與運動矢量的視頻水印算法 [J].電子學報，2012，40（1）：8-13.

[2]梅文博，張云帆.一種基于運動矢量的Mpeg2視頻數字水印的改進算法 [J].北京理工大學學報，2004，24（8）：723-726.

[3]鄭振東，王沛，陳勝.基于運動矢量區域特征的視頻水印方案 [J].中國圖像圖形學報，2008，13（10）：1926-1929.

[4]葉惠.基于運動矢量的視頻隱寫分析方法研究[D].合肥，中國科技大學，2014.

[5]祁睿.H.264視頻編碼器運動矢量預測模塊設計與實現[D].哈爾濱，哈爾濱工業大學，2014.

[6]蘇育挺，張新龍，張承乾，等.基于運動矢量的H.264信息隱藏算法 [J].天津大學學報，2014，47（1）:67-73.

[7]劉洋.基于脆弱水印的H.264/AVC視頻認證技術研究[D].成都：西南交通大學，2014.

[8]陳宏炳.基于H.264標準的脆弱視頻水印算法研究[D].杭州，杭州電子科技大學，2012.

[9]楊敏.視頻版權保護和內容認證的水印技術研究[D].南京：南京郵電大學，2014.

[10]呂安強.一種新的半脆弱視頻水印方案[J].中國圖象圖形學報，2009，14（10）:1966.

[11]李俊杰.基于H.264/AVC的視頻流媒體水印技術研究[D].長沙：湖南大學，2011.

[12]張憲海，楊永田.基于脆弱水印的圖像認證算法研究[J].電子學報，2007，35（1）：34-38.

[13]吳國禎，馮桂.一種基于H.264般脆弱視頻水印方案[J].通信技術，2012，45（1）：112-118.

[14]Jing Zhang，A.T.S.Efficient Video Authentication for H.264/AVC [J].IEEE ComputerSociety，2006，5（3）：157-164.

[15]KUO Tien-ying，LO Yi-chung.Fragile video watermarking technique by motion field embedding withrate-distortion minimization[J].Journal of Communication and Computer， 2009，6（1）:16-23.

A fragile video watermarking algorithm based on motion vectors

YANG Jing，ZHENG Geng-feng
（Fujian Special Equipment Inspection and Research Institute， Fuzhou 350008，China）

The paper proposes a fragile video watermarking algorithm based on motion vectors，combind with human visual system （HVS） and H.264 codec principle.The algorithm extracts signature code from I-frame energy block，and choose the motion vector with the best rate distortion performance by minimizing the Lagrangian function as embedded-point.The extraction of the watermark does not equire the original video and the algorithm is very simple.The experimental result shows that this algorithm can improve the imperceptibility of the watermark，reduce the rate-raising and vedio-quility caused by watermarking emmbendment，and shows strong fragility toward malicious attaacks.

human visual system；H.264；motion vector； imperceptibility；fragility

TN98

A

1674－6236（2017）12-0153-04

2016-05-26稿件編號：201605249

楊 靜（1983—），女，安徽淮北人，碩士。研究方向：計算機應用、信號與處理。