利用視頻幀塊的高效半盲魯棒水印算法

劉內美

(內江職業技術學院，四川 內江641000)

近年來，移動設備和網絡的廣泛應用，使得視頻內容極易拷貝或經網絡傳播，然而該優點衍生出多媒體內容的安全問題，如版權保護、非法傳播等［1］。

為了保護數字產品的版權，許多保護技術得到研究，數字水?。?－3］是其中應用廣泛且實現較簡單的方案，其優點有控制拷貝、用戶身份驗證和叛逆者追蹤等。數字水印將水印嵌入圖片或視頻，同時該嵌入水印不影響媒體觀看質量且可由檢測算法提取。通過檢測水印可獲得視頻的版權所有者信息。

然而，部分攻擊方案可對水印產生有效攻擊，其中，幾何攻擊［4］最難抵抗。幾何攻擊通過破壞水印嵌入和提取的同步性，使作者無法正確提取水印，從而驗證失敗。

1 研究背景及本算法意義

1.1 難點及挑戰

基于已有研究，總結了視頻水印的3 個難點:

1)水印提取過程同步性。保證水印提取過程同步性是一大難點。

2)同步過程的魯棒性。為使得水印提取過程同步，應使恢復過程具有魯棒性。通常，使用一系列魯棒性特征點為秘密特征，從而回復目標圖像。因此，恢復過程魯棒性為另一難點。

3)版權糾紛與非法傳播追蹤問題。通常，僅在媒體內容中嵌入一個水印信息保護作品版權。如一個合法用戶，并無傳播授權，但利用網絡或拷貝將數字內容進行傳播，作者將無法追蹤。更甚者，如合法用戶與非法用戶發生財產糾紛，作者將無法根據水印進行判斷。因此，版權糾紛與非法傳播追蹤為另一重要難點。

1.2 本文相應方案

1)針對第1 個難點，提出幀塊匹配同步方案。

幀塊算法為本文重要創新點，基于合法用戶信息為其產生唯一的秘鑰，基于秘鑰，隨機截取視頻某幀的部分矩形塊作為幀塊。水印嵌入區域由幀塊與視頻幀匹配得到，因此，各合法用戶所提取水印位置不一樣。因此，盡管一個媒體內容發給不同用戶，但為各用戶創建了不同的幀塊，從而區分了用戶。

2)針對第2 個難點，利用KAZE 特征點匹配。

為使同步提取水印過程具魯棒性，特征點選取為關鍵，本算法利用KAZE 特征點做本地特征，其對縮放、平移、旋轉、局部光照變化等攻擊均有魯棒性。本算法從視頻幀提取KAZE特征點，并與幀塊特征點匹配來檢測匹配區域。利用匹配區域，產生水印信息的嵌入和提取區域。嵌入水印時，首先，本算法基于DCT 域將水印嵌入匹配區域;然后，作者為用戶發送許可證號以證明其為合法用戶。提取水印時，首先，使用KAZE 特征匹配獲得匹配區域;然后，通過計算仿射參數，可幾何回復視頻幀，并可輕松提取水印。

3)針對第3 個難點，利用用戶注冊機制。

合法用戶注冊其基本信息作為水印?；谟脩粜畔?，作者產生秘鑰并為每位用戶創建幀塊，然后將用戶信息嵌入媒體內容。由于用戶信息嵌入了媒體內容，即使合法用戶改變了媒體內容格式，作者亦可提取并準確檢測非法用戶。如果發生財產糾紛，作者可利用用戶許可證獲得秘鑰，然后恢復目標內容并提取水印。

2 本算法在實際應用下的優勢

2.1 算法流程簡介

本算法基于幀塊實現，隨機截取視頻某一幀的一塊矩形區域作為幀塊，選擇幀塊是本算法中的關鍵過程?？傮w流程如圖1 所示。

圖1 幀塊提取算法

準備幀塊階段:首先，用戶需注冊其信息，該信息作為水印信息W;然后，基于用戶信息，作者產生相應秘鑰Ki;之后，基于Ki為其隨機產生幀塊;最后，將幀塊存入數據庫。

水印嵌入與提取:作者為各合法用戶分配唯一幀塊，并基于后文3.1 節內容實現水印嵌入。將用戶信息嵌入媒體內容后，作者將許可證號Li發給合法用戶。通過幀塊，作者同步嵌入區域和提取區域，水印區域使用KAZE 特征點匹配實現。本算法適用于視頻幀序列，水印提取同步過程將在3.2 節中詳細描述。

2.2 背叛者檢測

由于僅作者有幀塊數據庫，作者可準確檢測水印區域，然而，攻擊者需要極高的計算成本來尋找視頻幀序列中的嵌入區域，從而使本算法水印信息的安全性得到提高。

當作者檢測媒體數據時，利用幀塊數據庫提取水印信息，將水印信息(即用戶信息)與用戶數據庫比較。如果水印與用戶數據庫匹配，即為合法用戶;反之，為非法用戶。

另外，將用戶信息作為水印，目的是將水印存在的信息通知用戶，從而可預防部分非法傳播。

2.3 解決數字財產糾紛

解決數字財產糾紛為本算法目標之一，假設若干用戶爭論財產。為判斷合法用戶，作者申請糾紛用戶提供其許可證號Li，并獲得秘鑰Ki。根據Ki，作者可獲得幀塊并提取出水印信息，根據水印可判斷出非法用戶。

3 半盲視頻水印算法

3.1 基于幀塊水印嵌入

圖2 描述了本算法嵌入水印信息的過程。

圖2 嵌入水印流程

步驟1:從原始視頻V 提取一幀F，并提取幀F 和幀塊Fp的KAZE 特征點。然后，利用特征點匹配得到嵌入區域。KAZE 匹配算法見后文3.3 節。

步驟2:將匹配區域的RGB 幀轉換成YCbCr 顏色空間。

步驟3:采用離散余弦變換(DCT)將Y－分量轉換成頻率域。

步驟4:將W(i，j)∈{0，1}，1≤i，j≤L 嵌入Y－分量的頻率域空間，其中L×L 為水印大小。W(i，j)轉換成線性序列Wl(k)=W(i，j)，k=i+jL，1≤i，j≤L。將Wl(k)嵌入DCT 系數。步驟詳細解釋見3.4 節。

步驟5:計算逆DCT 來獲得修改后的Y－分量，并將其與Cb 和Cr 分量融合。

步驟6:轉換修改后的YCbCr 幀，獲得修改后的RGB 幀。

將視頻所有幀重復步驟1 至步驟6，可獲得水印視頻。

3.2 基于幀塊匹配提取

圖3 描述了從水印視頻提取嵌入信息的方法，通過對幀塊使用KAZE 特征點匹配實現。

步驟1:從水印視頻V'提取一幀F'，然后提取其KAZE 特征點。之后，使用幀塊Fp的特征點匹配F'特征點來檢測嵌入區域。

步驟2:根據匹配的特征點，計算恢復視頻的旋轉，縮放和平移等參數。然后，恢復扭曲視頻。

步驟3:將匹配區域的RGB 幀圖像轉換為YCbCr 顏色空間。

步驟4:使用DCT 將Y－分量轉換為頻率域。

步驟5:可從匹配區域提取嵌入信息Wi(k)。詳細步驟見3.4 節。

圖3 水印提取流程

3.3 幀塊匹配算法

為使嵌入和提取過程同步，必須找到原視頻和扭曲視頻的共同特征并匹配。使用KAZE 特征點可實現這一要求。

首先，從目標幀F 提取KAZE 特征點，并從幀塊Fp提取KAZE 特征點，利用文獻［5］提出的方案進行匹配。假設F 和Fp的特征點分別為pl和qk

式中:xl，yl，λl和ol分別為幀F 第l 個特征點的x 坐標，y 坐標，縮放尺度和方向值;fl為第l 點64 維或128 維局部邊緣方向直方圖。本算法使用128 維局部邊緣方向直方圖;符號“'”表示該參數為幀塊Fp的參數。

3.4 嵌入與提取算法

利用匹配區域的DCT 頻率域實現嵌入和提取算法。

首先，將DCT 系數分段成(8×8)塊狀。每個塊中，從低頻域中根據秘鑰隨機選擇兩組系數:(xi，yi)和(yi，xi)。其DCT 系數f(xi，yi)和f(yi，xi)，隨著水印強度a(a ＞0)變化。

式中，xi≠yi。提取水印時，比較f'(xi，yi)和f'(yi，xi)可提取嵌入數據，其中f'表示相應逆DCT 系數:如果f'(xi，yi)＞f'(yi，xi)，那么W'l(k)=1，否則W'l(k)=0。

水印強度a 影響水印化視頻的質量。本試驗中，設a 基準值為0.15，a 隨著局部區域特征的變化而變化。提取水印W'l(k)后，可得二維水印

視頻共有FN幀，所提取水印數量必為FN，由此FN個水印可融合成最終水印Wv。本文使用投票機制做融合算法，對所有比特位值(0 或1)做統計，選擇數量多的作最終值

Wv(i，j)即為扭曲視頻最終提取出的水印信息。本算法對幾何攻擊具魯棒性，詳見4.2.2 節。

3.5 估算RST 參數

根據KAZE 特征點匹配算法，旋轉、縮放和平移參數可由幾何M 估算得到。首先，估算幀和幀塊間的縮放參數

其中，λi和λ'i分別為幀F 和幀塊Fp匹配特征點的縮放，且M=。

然后，估算旋轉角度

式中:αi表示所在幀塊匹配特征點i 的中心角度;α'i表示扭曲視頻幀匹配特征點i 的中心角度。

最后，調整縮放和旋轉后，可計算平移參數δx(寬度平移)和δy(高度平移)

4 試驗結果與分析

4.1 試驗環境

為公平地評價本算法，從(http://media.xiph.org/video/derf/)選4 個標準視頻(“Akiyo:300frames，25fps”;“Coastguard:300frames，25fps”;“Carphone:382 frames，12fps”;“Mobile:300frames，25fps”)做試驗，均為QCIF 格式(寬×高=176×144)。試驗在ubuntu 10.04 系統上進行，水印大小為L×L=64×64，GCC 版本為4.0.1，利用MPlayer(版本為1.1－4.2.1)轉換和播放視頻。

將水印的透明度和魯棒性作為算法性能評價的關鍵參數，并做性能試驗:

1)使用峰值信噪比(PSNR)和結構相似性指數(SSIM)作為評估水印隱蔽性標準。本實驗中，計算每個視頻的PSNR和SSIM，同時使用視頻質量標準(VQM)衡量視頻的觀感質量。VQM 值在0 至1 之間，0 表示無失真，1 表示視頻最大損壞。

2)魯棒性是水印算法另一個重要參數。利用歸一化互相關分析(NCC)衡量提取水印和原水印的差別。

4.2 仿真結果

4.2.1 水印化視頻質量評價

如表1 所示，4 個水印化視頻的平均PSNR 值為37.14 dB，36.46 dB，36.93 dB 和36.18 dB。所有值均高于36 dB。另外，其平均SSIM 值分別為0.95，0.98，0.96 和0.99，所有值均接近1.0。原視頻和水印化視頻視覺上無感官差異(均接近0)，透明度優異。

表1 4 個水印化視頻的平均PSNR，SSIM，VQM 值

4.2.2 魯棒性評價

利用VirtualDub 軟件對水印化視頻進行攻擊修改，利用Vidmark Benchmark 仿真時間域去同步攻擊。如果NCC 值高于0.9，認為水印方案是魯棒的。因同類型文獻［6］算法性能很好，將本算法與文獻［6］算法進行對比試驗。

通常，視頻的旋轉角度較小，小于5°。本實驗旋轉角度設為－20°～+20°。實驗中NCC 值均大于0.9。實驗對水印化視頻進行不同比例的縮放(0.3 ～1.2)。

表2 為魯棒性試驗結果，共計分別為旋轉、縮放、丟幀、插入幀、幀交換、幀平均、模糊化、高斯化和壓縮。將本算法與文獻［6］比較(本算法NCC 值/文獻［6］NCC 值)，當縮放比例為0.3 時，文獻［6］方案無法檢測匹配區域，而本算法可成功檢測。且大部分攻擊下，本算法都比文獻［6］算法性能優秀。同時，本算法具有半盲性、非法用戶追蹤的優點，綜合性能較文獻［6］及其他算法優秀，且具有很高的應用價值。

表2 魯棒性試驗結果

Akiyo 水印化視頻提取實例如圖4 所示，本算法可提取出清晰的水印圖像。

圖4 akiyo 視頻水印提取實例

5 小結

本算法旨在解決視頻水印魯棒性低或需較多先驗信息實現高魯棒性的問題。本文利用幀塊匹配及KAZE 特征匹配實現了性能全面的視頻水印算法，在具有優于已有算法的高魯棒性的同時，具有半盲特性，且實現提取過程的同步性，可保護版權及非法傳播的追蹤。

［1］廖虹娟，李喬良.改進的數字版權保護模型［J］.計算機工程與設計，2011，32(1):24－27.

［2］謝斌，任克強，肖玲玲.一種基于HVS 的DCT 域穩健視頻水印算法［J］.電視技術，2011，35(9):30－32.

［3］朱光，張軍亮.基于SVD 和小波包分解的自適應魯棒水印算法［J］.計算機應用研究，2013，30(4):1230－1233.

［4］任娜，朱長青，王志偉.抗幾何攻擊的高分辨率遙感影像半盲水印算法［J］.武漢大學學報:信息科學版，2011(3):329－332.

［5］FERNáNDEZ P，BARTOLI A，DAVISON A J. KAZE features［M］.［S.l.］:Springer Berlin Heidelberg，2012.

［6］WANG C，LIU S，JIANG F，et al. A robust scalable spatial spreadspectrum video watermarking scheme based on a fast downsampling method［J］.Journal of Computers，2012，7(9):2256－2261.