一種DCT域多重視頻盲水印算法

蔡 虔，陳 藝，謝 斌

(1.江西理工大學信息工程學院，江西 贛州 341000;2.贛南教育學院計算機系，江西 贛州 341000)

近年來，由于擁有良好的不可覺察性和穩(wěn)定性等特點，數字水印技術在版權保護方面有著廣泛的應用?，F階段，多數算法研究的是單一水印，該類算法在受到多種不同攻擊時很難保證足夠的穩(wěn)定性［1］。多重水印技術則是用來解決上述問題的有效手段，能夠有效地提高水印的抗攻擊性，可以解決許多單水印不能解決的問題［2］。目前，多水印技術的主要研究方向集中在圖像和音頻水印方面，而基于視頻的多水印算法相對較少。文獻［3］提出了一種統(tǒng)計的多重音頻水印算法，該算法在不同的頻帶同時嵌入多重水印，可以較好地抵抗濾波攻擊。文獻［4］提出了一種基于相位調制的多重音頻水印算法，該算法利用聽覺系統(tǒng)對聲音相位的不敏感性，同時嵌入3種水印信息，獲得了較好的穩(wěn)定性。文獻［5］提出了一種基于矢量量化的圖像多重水印算法，水印提取時不需要原始圖像的參與，因而算法的實用性較好。

文中結合Arnold置亂技術、人眼視覺系統(tǒng)特性及離散余弦變換(DCT)，提出了一種基于離散余弦(DCT)的多重視頻盲水印算法。該算法以包含不同信息的多個二值圖像作為水印，以彩色視頻作為水印載體，將Arnold置亂后的多個水印嵌入到視頻畫面綠色分量的DCT中低頻系數中，較好地實現了多重水印在視頻載體中的嵌入及盲提取。仿真實驗表明，該算法能夠較好地抵抗諸如幀剪切、高斯噪聲及speckle等攻擊。

1 多重水印的嵌入原理

彩色視頻圖像經過離散余弦(DCT)變換處理后，DCT系數矩陣的直流、低頻、中頻和高頻分量從左上角至右下角順序排列，并且其能量從直流至高頻順序遞減［6］。一般而言，人眼對圖像的直流分量較為敏感，對這一區(qū)域嵌入水印較容易引起注意［7］。高頻系數取值較小且經常為零，它的改變會明顯地降低水印的不可知性。而中、低頻系數的能量介于直流分量高頻分量之間，且人眼對這一部分的改動不太敏感。因此，在這一區(qū)域嵌入水印既不容易引起人們的注意，又具有比高頻系數更大的視覺容量。另一方面，考慮到常規(guī)壓縮攻擊對彩色視頻畫面的紅色和藍色分量影響較大，而綠色分量對該種攻擊則具有較好的穩(wěn)定性。綜合以上幾點考慮，文中選擇將水印信息嵌入在視頻畫面綠色分量的DCT中低頻系數中，水印嵌入原理如圖1所示(以三重水印算法為例)。

圖1 嵌入算法原理框圖

1)為了有效提高本算法的安全性和穩(wěn)定性，水印在嵌入視頻幀之前先要進行置亂處理，使它們失去原來的面目，從而達到保密目的。文中使用Arnold變換對N×N大小的3個水印X，Y和Z分別進行置亂處理，得到置亂的二值水印。

設置亂后的水印X、水印Y和水印Z數據分別為ξXk，ξYk和 ξZk(k=1，2，···，N × N)，則多重水印嵌入后有

圖2 水印嵌入位置示意圖

式中:δ為嵌入系數;λ′A為系數A嵌入ξXk后的取值;λ′B為系數B嵌入ξYk后的數值;λ′C為系數C嵌入ξZk后的數值。由于算法的嵌入深度可以根據視頻畫面內容的不同自適應變化，因而可以較好地利用視覺掩蔽特性有地效提高算法的不可知性。

4)對所有綠色分量的8×8 DCT子塊進行IDCT變換，得到含水印的視頻幀綠色分量Go，然后與原來的紅色及藍色分量進行重構，得到含多重水印的視頻幀。

2 多重水印盲提取算法原理

提取水印時，因為嵌入位置已知，所以不需要原始宿主視頻的參與就可以實現水印的盲提取。多重水印的提取總體上是嵌入的逆過程。

2)選取視頻幀中嵌有水印的8×8 DCT子塊進行水印的提取。方法為

式中:λ′A，λ′B，λ′C分別為DCT 系數A，B，C的取值;ξ′Xk為T系數A中取出的水印X數據;ξ′Yk為系數B中取出的水印Y數據;ξ′Zk為系數C中取出的水印Z數據。

3)根據上述方法，對全部嵌有水印的視頻幀進行水印數據的提取，分別得到N×N個置亂的水印數據ξ′Xk，ξ′Yk和 ξ′Zk(k=1，2，···，N × N)。

4)對提取出的 ξ′Xk，ξ′Yk和 ξ′Zk分別進行 Arnold 逆置亂，得到新的水印A、水印B和水印C。

3 仿真實驗結果

文中使用MATLAB7.0對算法進行仿真實驗(見圖3)，宿主視頻采用速率為23幀/秒、大小為960×540的24位彩色視頻。其中圖3h、圖3j、圖3l為正常提取的水印X，Y，Z，它們與原始水印X，Y，Z的相似度分別為:NC(X)=0.9946，NC(Y)=0.9939，NC(Z)=0.9937。

圖3 水印嵌入前后比較圖

為了測試文中算法的穩(wěn)定性，對含有三重水印的視頻進行不同強度的多種攻擊實驗，通過比較提取出的多重水印與原始水印的歸一化相似度NC值來進行穩(wěn)定性的評估。表1、表2、表3所示分別為speckle攻擊、幀剪切攻擊及Gaussian攻擊實驗后提取水印與原水印的相似度統(tǒng)計。

表1 speckle攻擊后的水印相似度(NC)

表2 幀剪切攻擊后的水印相似度(NC)

表3 Gaussian攻擊后的水印相似度(NC)

根據上述實驗結果可以看出，文中算法經過了多種強度的不同攻擊，但取出的多重水印與原始水印的NC值依然比較可觀，即便是在強度較大的攻擊情況下仍可以有效地識別提取出的水印內容。仿真實驗結果表明，文中所提算法對以上各類攻擊具有較強的穩(wěn)定性。

4 結束語

針對視頻單一水印算法的一些不足，提出了一種多重視頻盲水印算法。仿真實驗結果表明，該算法對諸如speckle、幀剪切及Gaussian等常規(guī)攻擊表現出了較強的穩(wěn)定性，具有復雜度低、嵌入及盲提取效果好等特點，有一定的應用價值。如何更加有效地結合視覺系統(tǒng)特性(HVS)、多媒體技術及壓縮編碼理論研究基于視頻特征的自適應多重穩(wěn)定盲視頻水印算法將是今后的工作重點。

［1］PETER H，WONG W，OSCCAR C A.A blind watermarking technique for multiple watermarks ［C］//Proc.ISCAS 2003.［S.l.］:IEEE Press，2003:25－28.

［2］HUANG W L，GOU J.An image fusion － based multi－watermarking algorithm［C］//Proc.IEEE International Conference on Networking，Sensing and Control.［S.l.］:IEEE Press，2006:266－269.

［3］ARNOLD M，HUANG Z W.Blind detection of multiple audio watermarks［C］//Proc.First International Conference on Web Delivering of Music.［S.l.］:IEEE Press，200:4－11.

［4］TAKAHASHI A，NISHIMURA R，SUZUKI Y.Multiple watermarks for stereo audio signals using phase－modulation techniques［J］.IEEE Trans.Signal Processing，2005，53:806－815.

［5］PAN J S，HUANG H C，WANG F H.A VQ－based robust multi－watermarking algorithm［C］//Proc.IEEE Region 10 International Conference on Computers，Communications，Control and Power Engineering.［S.l.］:IEEE Press，2002:117－120.

［6］謝斌，任克強.一種基于HVS的DCT域穩(wěn)健視頻水印算法［J］.電視技術，2011，35(9):74－76.

［7］WONG P，AU O，YEUNG Y.A novels blind multiple watermarking techniques for images［J］.IEEE Trans.Circuits and Systems，2003，13:813－830.