基于小波變換的數字多媒體視頻水印盲檢測方法

鄭慶翔

（湄洲灣職業技術學院 現代教育技術中心，福建 莆田 351111）

引言

數字媒體化技術的發展加快了大眾對多媒體信息和產品的認知與使用，特別是短視頻的出現，越來越多的網絡平臺為大眾提供短視頻的創作平臺[1]。面對短視頻的出現，涉及信息安全問題和視頻內容版權問題，對此類問題，有專家和學者提出了數字水印技術，將數字水印嵌入到多媒體視頻信息中，能夠在不影響原始視頻數據的情況下，通過技術軟件檢測出水印，保證用戶信息安全和版權安全，從而盡量避免用戶的原創視頻信息遭到破壞[2-4]。當前的數字水印研究中，水印檢測技術需要借鑒很多其他學科的資料，缺少專業的、強有力的理論支撐，對水印檢測技術的研究還遠遠不夠[5]。因此，人們越來越重視對數字多媒體視頻水印盲檢測方法的研究，更多是以視頻水印的快速檢測作為研究目的，從多個方面完善視頻水印的盲檢測方法的功能[6]。

王向陽[7]提出一種基于二元BKF統計建模的水印檢測方法，該方法利用統計模型對高頻子帶系數建模，結合子帶內相關性和最大似然決策，盲檢測出水印信息，具有較好的魯棒性，但是在噪聲攻擊或剪切攻擊下，該檢測方法并不能保證檢測結果的完整性，同時在檢測過程中還會對原視頻造成破壞，自身的抗攻擊特性比較差。郭鵬飛等[8]提出的水印盲檢測方法是一種基于灰度圖像水印檢測的新式檢測方法，在獲得視頻序列幀圖像后，逐幀變換圖像屬性，分解低頻部分，進而檢測出視頻水印，但是該方法在面對不同攻擊時，同樣存在抗攻擊特性差的問題。

針對現存方法中存在的一定不足，本研究提出基于小波變換的數字多媒體視頻盲檢測方法，利用小波變換的技術特點，解決上述現行檢測方法中存在的問題。

1 數字多媒體視頻水印盲檢測方法設計

1.1 視頻水印特征決策表構建

為實現數字多媒體視頻水印盲檢測，首先需要對水印特征進行獲取。通過構建視頻水印特征決策表實現特征的獲取。

采用常用的視頻水印特征構建自適應模板，將視頻水印特征與視頻信息嵌入在一起，離散化處理視頻水印特征，構建視頻水印特征決策表。

由自適應模板視頻水印特征組成一個非空集合Q，將其作為構建特征決策表的論域，假設論域內信息與集合中的視頻水印特征的等價關系表示為E，由此構建的特征知識庫表示為W=（Q,E），W同時也表示一個近似空間[9]。假設論域Q中存在一個對象X，同時X也是論域Q的子集，當對象X能夠用E的屬性準確描述時，將X作為E的精確集；當X不能用E的屬性描述時，將X視為E的非精確集[10-12]。定義X和E之間的關系。具體內容如下：

如果決策條件和決策屬性關系為：

公式（7）表示決策表不相容，此時重新計算正域POS（C,B）。如果e∈C，將其代入到公式（5）中，得到：

如果公式（8）成立，說明e是可以省略的多余屬性，反之保留屬性e，重復上述過程。同時，將e∈C代入到公式（3）中，得到

如果公式（9）成立，說明屬性e可省略，反之保留屬性e，重復以上過程，直到所有屬性處理完成。得到最終的視頻水印特征決策表為：

式中，C0

1.2 基于小波變換的水印信號預處理

根據上述獲取的視頻水印特征決策表，選擇視頻序列中一幀圖像，沿著水平方向和垂直方向得到三個高頻帶和一個低頻帶，結構如圖1所示。

圖1 小波變換分解視頻圖像結構

在圖像水平方向高頻、垂直水平方向低頻的部分表示為GD1，在水平方向低頻、垂直方向高頻的部分表示為DG1，在水平方向和垂直方向均為高頻部分時，表示為GG1。DD1保留了待檢測圖像的主體特征，其他三個高頻帶保持了邊緣細節。基于小波分解后的待檢測視頻圖像結構的特征處理視頻水印。對視頻水印置換處理，公式如下：

公式（11）表示像素點從（x,y）處移動到（x′,y′），其中x、y表示圖像像素點的坐標，x,y∈{0,1,2,…,N-1}，N表示矩陣的階數。置亂水印后不會增加水印的信息量，在檢測時，為了保證視頻水印的完整性，利用Logistic映射處理視頻水印，映射模型如下所示：

式中，xi∈（0,1），v表示分支參數，取值范圍在0～4之間，考慮到映射模型不能直接用于視頻水印圖像，對映射模型進行進一步處理，得到：

式中，ξe表示給定的閾值。利用映射模型對視頻水印圖像進一步處理，得到用于檢測的水印信號特征，將其與視頻水印屬性有效特征結合，檢測視頻水印。

1.3 視頻水印的盲檢測

在已知視頻水印特征的情況下，使用發射機識別技術檢測數字多媒體視頻水印。以視頻水印信號作為輸入，檢測流程如圖2所示：

圖2 視頻水印檢測實現圖

圖2中，為每個發射器分配唯一的視頻水印特征Sr，以串行信息表示發射機狀態信息，使用水印特征Sr對視頻信息編碼，得到信息模式sm，表示為：

式中，z表示1bit視頻信息，將水印強度作用在信息模式上，得到水印信息Sa，此時解調水印信息Sa，得到：

式中，β表示水印強度，s′（n）表示解調后的水印信號，Y（n）表示檢測到的水印信息，n表示水印信號長度，n∈N，k表示信號頻率。至此，基于小波變換的數字多媒體視頻水印盲檢測。

2 實驗分析

數字多媒體視頻水印盲檢測方法實驗研究目的是為了驗證方法的合理性和有效性，實驗使用MATLAB軟件作為實驗支撐，引入兩種應用比較廣泛、現行的兩種水印檢測方法，基于二元BKF統計建模的檢測方法和新式灰度圖像檢測方法，與設計的盲檢測方法一起作為實驗目標，通過多組實驗驗證檢測方法的抗攻擊性能。

2.1 實驗指標設計

從視頻序列關鍵幀集中選擇一副關鍵幀圖像，選取圖像水印信號大小為32×32，水印在視頻中的嵌入強度為16。在實驗開始前，將實驗所用的視頻序列轉換為RGB彩色視頻，分塊處理每個通道，在每一塊中嵌入32×32大小的水印。使用不同檢測方法檢測多媒體視頻水印，計算圖像的峰值信噪比和檢測前后的圖像誤差率，用以衡量檢測質量。峰值信噪比計算公式如下：

基于以上公式統計實驗中各個盲檢測方法的結果。

2.2 實驗結果分析

2.2.1 遭受攻擊后的盲檢測實驗結果分析

實驗中分析了基于二元BKF統計建模的檢測方法、新式灰度圖像檢測方法以及本研究盲檢測方法在遭受攻擊后視頻水印檢測中噪聲變化，如表1所示：

表1 遭受攻擊后的盲檢測實驗結果

表1 中給出了水印盲檢測過程中遭受不同的噪聲攻擊的結果，從中可以看出在三組實驗結果中，提出的基于小波變換的盲檢測方法在檢測過程中，面對這些噪聲攻擊，具有更好的抵抗性，視頻水印圖像的峰值信噪比低，誤差率在0.1以下，而其他兩組結果峰值信噪比水平較高，誤差率變化也十分明顯，說明其它兩組方法在水印檢測過程中視頻水印圖像噪聲比較明顯，對比之下，提出的基于小波變換的視頻水印盲檢測方法抗攻擊特性更好，能夠在檢測過程中有效抵抗外界攻擊，保證視頻水印圖像的質量。

2.2.2 視頻水印的完整性分析

數字多媒體水平水印檢測的完整性是衡量檢測方法是否可靠的判斷標準，以上述內容中的攻擊類型作為參考，對嵌入水印后的各個視頻序列進行剪切攻擊實驗，如果在檢測后仍然能清楚地檢測出水印圖像，說明檢測方法檢測的內容完整，檢測方法具有較好的抗攻擊性。實驗選用的視頻圖像以及嵌入的水印如圖3所示。

圖3 中是從多媒體視頻中截取的四幀圖像，以圖3顯示的視頻圖像作為目標，使用不同的盲檢測方法檢測目標中的水印，得到的實驗結果如圖4所示。

圖3 實驗視頻圖像

圖4 不同水印盲檢測方法實驗結果

從圖中顯示的實驗結果中可以看出，在第一幀序列時，視頻水印正常檢測出來，在第二幀序列，前兩組實驗結果中視頻水印出現了不同程度的損壞，說明水印檢測異常，這種異常一直持續到第三幀，甚至在第一組實驗結果中持續到第四序列，而在提出的盲檢測方法實驗結果中，檢測到的水印始終清晰，沒有出現檢測異常。綜上所述，基于小波變換的水印盲檢測方法在剪切攻擊下，檢測到的視頻水印更完整。結合抗噪聲分析結果可知，設計的基于小波變換的數字多媒體視頻水印盲檢測方法具有非常好的抗攻擊特性，該方法優于現行的盲檢測方法。

3 結束語

數字多媒體視頻水印技術是一種新興的信息技術，在現階段短視頻流行的社會背景下，具有非常重要的作用，在網絡中也十分常見。本研究以數字多媒體視頻水印盲檢測作為研究重點，在檢測方法的設計中引入小波變換技術，設計基于小波變換的水印盲檢測方法。在方法設計完成后，設計視頻水印的完整性和抗噪聲分析兩組對比實驗，經過實驗研究后，證明了設計的盲檢測方法具有非常好的抗攻擊特性。但提出的盲檢測方法還存在一些不足之處，如視頻水印檢測的實時性，未來將著重研究該方向。