基于內容認證的視頻水印模型研究

計大威

摘要：隨著Internet網絡的快速發展，各種多媒體內容成為主要的傳輸媒介，數字水印技術成為了多媒體內容保護的主要技術。文章基于內容認證手段，對數字水印模型進行總體介紹，包含數字水印實現的方法、實現的要求等。結合內容認證的手段對水印技術進行了分析，對偽隨機高斯序列、二值或灰度視頻水印以及歸一化相關系數等進行了模型化介紹，并結合遺傳算法在水印中的應用過程進行說明。

關鍵詞：多媒體內容;數字水印;水印模型;內容認證;遺傳算法

中圖分類號：TP393 文獻標識碼：A 文章編號：1001-5922（2021）01—0081-04

1概論

隨著互聯網技術的快速發展，越來越多的多媒體數據均存在版權管理問題。為了確保所傳輸內容所有權的知識產權，數據水印技術被提出，所謂水印是基于加密和隱寫術，通過加密或隱藏的方式實現對數據（信息）的操作。

數字水印實現通常是將數據插入多媒體元素（如圖像、音頻或視頻文件）的過程，可從多媒體中檢測或提取嵌入的數據（水印）以診斷版權所有者。水印方法分為水印嵌入模塊和水印檢測提取模塊兩個模塊，根據嵌入水印的領域，數字水印技術可以分為2大類，即空域和頻域技術。本文對數字水印的關鍵技術及其在視頻中的應用版權保護進行了評價，如圖1所示為水印系統的概念圖。過程描述如下：在嵌入階段，對封面數據的水印進行編碼;在傳輸階段，水印對象可能會從第3方對數據進行攻擊;在提取階段，解碼器最不完整的任務是從接收到的水印圖像中檢索準確的隱藏數據。

1.1數字圖像水印方法

本質上，水印實現過程是通過在多媒體內容中嵌人水印的操作，即圖像、視頻和音頻剪輯或任何數字內容。水印是一種通過簽名承認多媒體對象所有者應用的權益，如版權保護、內容認證、篡改檢測等的水印技術可以是有形的或無形的，需根據在一個給定的多媒體對象應用中嵌入水印算法。

在嵌入階段，水印系統使用一個秘鑰，該密鑰決定多媒體對象的位置，并實現水印嵌人。水印嵌入后會經歷多次攻擊，這些攻擊可能是非故意的（低通濾波、伽馬校正或壓縮）。因此，在調整這些潛在攻擊時，需要利用秘鑰提取水印序列，由于多媒體對象可能受到攻擊或篡改，所提取的水印可能會或可能不會為原始水印。為了證明水印的存在，應用了非盲水印或盲水印。前者對原始對象進行比較，找出水印信號，而后用采用相關測度來檢測水印信號的強度。因此，通常采用統計相關檢驗來確定水印的存在性，為了提取水印，通常采用一種反向的方法來嵌入水印。

1.2數字水印實現要求

數字水印的實現需具備如下4點要求：透明性、魯棒性、不可見性和存儲容量。

1）透明度或保真性：數字水印實現后需要確保原始對象（視頻、圖像）的質量，可概括為封面作品的原始版本和水印版本之間的感知相似性。

2）魯棒性：數字水印的魯棒性可概括為：在公共信號處理操作之后發現水印的能力;通過選擇或無意中通過簡單的視頻處理操作亮度或對比度的改進后，水印仍可堅固的抵御各種攻擊。

3）不可見性：不能被人眼和人耳能聽到的，僅僅是通過專門的授權機構檢測。可描述為：水印在單位時間或工作時間內編碼的范圍。

4）存儲容量：在視頻數據中嵌入水印，以便在整個提取過程中能夠完成被檢測。

2相關研究介紹

Chen等人提出的基于熵的自適應音頻水印方法，采用小波低頻系數轉換的離散小波（WBE，wavelet-based entropy）變換技術計算，因此該文章證實了水印性能不變的過程，在每個WBE中嵌入二進制同步碼實現水印加密過程。Lei等提出了一種基于奇異值分解（singular value decomposition，SVD）和微分進化（Differential Evolution，DE）的魯棒水印方案，并使用調制（Dither modulation）量化算法，采用小波變換對主機信號進行分解，得到相應的近似系數，然后進行離散余弦變換，將同步代碼插入到每個視頻統計特性中來處理各種攻擊，并通過優化方案有效地解決魯棒性和不可感知性之間的沖突，從而在選擇的攻擊與之前的方法之間獲得更強的魯棒性。Zamani等提出了一種基于遺傳算法的脆弱水印方案，以減少LSB替代的失真，提高PSNR，提高結果的有效載荷，該方法解決了載荷與魯棒性之間的權衡，同時保證了水印方案在接受水平上的質量，因此替代技術通過提高PSNR來顯著提高載荷，利用遺傳算法尋找優化的嵌入系數，使其更加健壯。

文獻中對宏塊中的16個子塊進行標記，然后利用Logistic混沌序列、幀內預測模式和邊緣特征選出前8個子塊并將其分成兩組，最后依據子塊間能量差來隱藏水印。文獻中基于光流連續性特征的視頻幀間篡改被動檢測算法實現對視頻的所有幀圖像轉換成灰度圖像，然后假設全局平滑約束條件，對視頻中的所有幀進行平滑，求出每幀所有像素點灰度值對于3個方向的偏導，利用迭代法計算視頻的光流矢量，最后得到視頻的光流幅值幅值序列和光流因子序列。文獻[9]中介紹了一種對攝像頭所拍攝的視頻流信息進行水印安全驗證。文獻[10]中提出一種基于局部分塊為單元提取和以二維的離散小波變換和奇異值分解為特征的視頻感知哈希算法，用來解決在大量監控攝像機視頻認證的問題。

3水印技術

業界對于基于內容認證的視頻水印技術主要有3種技術狀態：

3.1偽隨機高斯序列

高斯序列水印是一種由1和一1構成的數組，因此，水印的構成等于1和-1的數字序列。本文定義一個隨機隊列（1N的整數隨機選取），長度為q，分別為π1、π2…πq。對視頻進行切塊處理，且每一個塊可用隨機隊列表示如下：

1）離散余弦變換（DCT）：該變換為實數序列，包括將一系列數據點（空間域）轉換成具有不同幅度（頻域）的正弦和余弦波形之和，DCT將n維向量映射到n個集合。DCT在水印中應用表現如下：①水印嵌入到中間頻率的系數中，因此圖像的可見性不會受到影響;②對信號攻擊具備較強的魯棒性。

2）離散傅立葉變換（DFT）：DFT使用復數而不是實數，并提供了頻率內容的數量和相位，DFT在水印中的應用相比其它變換更具實際意義，表現如下：①DFT是旋轉、縮放和平移（RsT）不變量，因此它對幾何失真具有很強的魯棒性;②離散余弦變換和離散小波變換不是RST不變的。

4遺傳算法在水印中應用研究

GA（Genetic Algorithm）是一種最有效的搜索算法，以產生最佳的優化結果，并GA是基于自然選擇和進化原理的健壯的隨機搜索方法，該算法實現過程主要包含5步。

1）編碼：在所研究的問題中，任何可能的解決方案都是由一個被稱為“染色體”的有限長度的二進制串編碼。

2）原始對象：從原始對象中隨機選擇的染色體作為第一代可繁殖新一代的染色體。

3）有效評估：評估各條“染色體”的質量。高品質的“染色體”將存活下來，并形成下一代的新種群，有效性定義如下：有效性=f（無法感知，健壯性）。

4）遺傳操作：選擇，交叉和變異為遺傳算法的3個主要操作：①選擇：該操作是基于選擇、大小和概率作為參數進行優化，它定義的具有高適應度的染色體的部分存活到下一代;②交叉：該操作意在通過交換遺傳信息來產生新的染色體來提高種群的平均質量，交叉需要重新設計，以保持每條染色體中lbit的穩定數目。交叉過程如圖2所示。突變：該操作在染色體的某些位置偶爾會發生隨機變化，并以當前幾代人的新特征作為顯示結果。突變過程使用反向運算符，將一個位串分割成大小為N的部分，然后選擇section并相應地進行突變。以上3個操作被反復使用，以獲得連續幾代的染色體，目的是選擇最適合的染色體，并將作為母染色體傳給下一代。

5）終止規則：當滿足所需的終止條件時，優化過程結束，例如適應值低于一個某一個固定的閾值，迭代優化過程結束。

基于遺傳算法的數字水印模型相比在以下方面有提升：①GA有助于水印嵌入過程中最優嵌人區域的估計和選擇;②增強水印內容抵抗各種攻擊的魯棒性;③GA提高了sim值，即提取水印與原始水印的相似度。

5結語

水印技術已成為當前多媒體傳輸最為可靠的安全保障，基于內容認證的視頻水印技術研究成為Inter.net上各運營商保護視頻版權的主要技術手段。文章對實現數字水印的方法以及數字水印實現的基本要求進行了介紹，并就常用的幾種基于內容認證的水印模型（偽隨機高斯序列、二值或灰度視頻水印等）進行了說明，同時以遺傳算法為例對水印技術的實現進行了詳細的分析。