基于極限學習機和離散小波變換的視頻水印算法

王運蘭

(義烏工商職業技術學院 機電信息學院，浙江 義烏 322000)

1 引 言

隨著視頻內容在互聯網上的廣泛傳播，與其相關的版權保護技術的重要性日益突出。視頻內容的數字水印技術是近十多年來發展起來的一項重要技術。通過數字水印技術，使用者可以標識視頻內容的創作者并證實視頻內容的所有權，還可以對視頻內容的非法傳播進行快速追蹤。視頻內容的數字水印技術屬于多學科交叉, 涉及到數字多媒體技術、現代密碼學與編碼技術、信號處理等學科[1-5]。

從Hartung等[6]首次提出視頻水印技術以來，世界各國的相關研究人員提出了許多視頻水印添加方法。按照對抗篡改能力的強弱，現有的視頻水印方法可分為魯棒性方法[7-9]、脆弱[10-11]和半脆弱[12-14]方法3種。魯棒性水印方法一般用于版權保護、侵權溯源等方面。而脆弱性和半脆弱性水印技術一般用于視頻內容的完整性檢驗。脆弱性水印技術對于視頻數據的改動高度敏感，因此包含脆弱水印的視頻內容不允許有任何非法修改。而半脆弱水印一方面允許對視頻的常規處理，例如壓縮，另一方面又能保留對視頻內容惡意篡改的高度敏感性。

由于視頻內容包含數量龐大的圖像幀，為了不影響視頻收發和播放的速率，水印的嵌入和提取過程必須足夠高效。除此之外，在不損失原始信號的視覺可感知質量的前提下，嵌入的水印對常見的信號處理攻擊具有魯棒性也是必需的。但魯棒性和高的執行效率往往相互矛盾，現有算法并未很好地解決此矛盾?！?br>