基于霧氣模型和選擇加密的視頻加霧隱藏算法

彭登云，陽 溢，戚 曹

(1.重慶財經(jīng)職業(yè)學(xué)院實踐教學(xué)中心，重慶402160;2.重慶通信學(xué)院 信息工程系，重慶 400035)

現(xiàn)代數(shù)字技術(shù)的高速發(fā)展促使數(shù)字視頻的應(yīng)用越來越深入日常生活，但是任何技術(shù)的發(fā)展都可能帶來負面影響。人們在享受高效率信息傳輸?shù)耐瑫r，也面臨著越來越嚴峻的信息安全問題，一些涉密視頻在傳輸時可能被惡意攻擊者截獲。因此，如何對涉密視頻進行有效保護成為了學(xué)術(shù)界研究的熱點之一，而加密技術(shù)和信息隱藏技術(shù)就是解決此問題的兩個重要方向。

視頻加密技術(shù)通過將視頻數(shù)據(jù)經(jīng)過加密函數(shù)和加密密鑰的轉(zhuǎn)換，變成看似無意義的密文，而接收方則可以通過解密函數(shù)和解密密鑰將密文還原成原始視頻數(shù)據(jù)，達到保護涉密視頻的目的［1-3］。但如果攻擊者截獲了加密數(shù)據(jù)，其看不懂的外在特征反而提醒了該數(shù)據(jù)的重要性，促使攻擊者破解密文，帶來新的安全隱患。而將涉密視頻內(nèi)容進行隱藏使之不可見則可規(guī)避此類問題。信息隱藏技術(shù)核心在于將秘密信息以不可見的形式嵌入到載體文件中進行傳輸，接收方使用特殊的提取手段可以恢復(fù)原始信息［4-6］。但是由于視頻數(shù)據(jù)量龐大，而載體的嵌入容量決定著嵌入的秘密信息數(shù)據(jù)量。因此，新的針對視頻的隱藏技術(shù)亟待研究和探索。

數(shù)字視頻去霧算法是近年來數(shù)字多媒體信號處理領(lǐng)域研究的熱點。自然界中霧氣的存在對人們采集清晰的視頻畫面造成了一定的困難，去霧算法目的在于去除視頻中的霧氣，增強畫面的對比度和清晰度，使視頻內(nèi)容易于識別［7-10］。對去霧算法逆向思考就會得到啟發(fā)，既然霧氣的存在對于辨識畫面造成了一定的困難，為什么不可以將清晰視頻加上霧氣，對其中的涉密信息進行隱藏呢?

本算法正是結(jié)合上述幾點思考提出的。在涉密通信時，傳輸?shù)囊曨l往往包含了大量的涉密信息。為了確保信息安全，可以先根據(jù)涉密視頻中是否含有明顯涉密內(nèi)容來對視頻進行選擇性的局部加密，然后通過生成自然界中的霧氣遮罩，對視頻畫面加霧來獲得隱藏效果。而接收者將加霧后的視頻運用逆運算恢復(fù)原始視頻，獲取涉密信息。以上就是視頻加霧隱藏算法的基本概念。

1 霧氣模型

霧是一種自然天氣現(xiàn)象，是由空氣中的水汽在大氣層穩(wěn)定、氣溫接近零點、相對濕度飽和的條件下，凝結(jié)成微小的水滴懸浮在空中所形成的。當環(huán)境中存在霧時，每一個霧滴就是一個散射面。這時，有些光線不能直射過去，而是被散射出來了，而后又被再次散射甚至多次散射，霧就變成白茫茫一片了。霧滴對成像光線的多次散射過程如圖1 所示。

Narasimhan 等人［11］給出霧天環(huán)境下攝像機所拍攝的圖像像素I(x)的簡化模型表示為

式中:x 表示空間坐標;J(x)為沒有霧的條件下采集的圖像;t(x)表示介質(zhì)在圖像位置x 處的傳播函數(shù)或者透射率;A 表示天空的亮度;U(x)表示大氣耗散函數(shù)。式(1)第一項表示霧的散射造成一部分物體表面反射光的損失，而到達成像傳感器形成景物圖片的是未被散射的部分，成像反射光的強度隨傳播距離的增大而衰減;第二項表示由于霧對自然光也會發(fā)生散射，從而影響景物圖片，其強度隨著傳播距離的增大而逐漸增加［12］。歸納起來，霧的散射對可見光成像的影響主要集中在3 個方面:1)霧對成像光線的透射衰減，其衰減強度與穿過霧的距離相關(guān)，使成像亮度和對比度降低，在霧較厚時目標甚至不能成像;2)霧對非成像光線的散射，這部分光在無霧時不參與成像，有霧時呈現(xiàn)半透明白色，成為霧本身的圖像，使整個圖像對比度降低;3)成像光線被霧散射后，其中一部分不能成像，另一部分的成像由于偏離了本來的位置，造成圖像邊緣模糊，并且使圖像對比度降低。

上述3 點是霧氣對可見光成像影響的最本質(zhì)特征，因此，可以從以下幾點構(gòu)建霧氣模型:1)根據(jù)景深的不同將視頻畫面劃分成不同區(qū)域，按照由近到遠的順序逐漸加大畫面亮度的降低程度;2)生成與視頻畫面相匹配的薄霧遮罩和濃霧遮罩，分別與整幅畫面和特定區(qū)域相融合，形成霧氣效果;3)將視頻畫面中的明顯邊界進行模糊化處理。

2 算法思想

2.1 算法流程框圖

基于上述構(gòu)建霧氣模型的思考，結(jié)合加密和信息隱藏技術(shù)，本文設(shè)計了一種新穎的通過對原始涉密視頻加霧來隱藏涉密信息的方法，其加霧算法過程如圖2a 所示。原始涉密視頻通過分幀處理為連續(xù)的視頻幀，然后算法識別判斷視頻中是否含有明顯涉密內(nèi)容，視判斷結(jié)果分別采取不同的處理方案并降低亮度。與此同時，每間隔一定數(shù)量幀根據(jù)當前視頻幀計算一次薄霧遮罩，并與之前處理過的視頻幀融合得到加霧視頻幀。最后對視頻幀做相關(guān)優(yōu)化處理和幀重組得到加霧視頻。而接收方通過恢復(fù)算法可以獲得原始視頻，其算法過程如圖2b 所示。需要指出的是，由于視頻畫面具有運動性，而運動又時快時慢，因此需要根據(jù)實際情況調(diào)整薄霧遮罩的計算周期。同樣地，在局部加密和加濃霧遮罩時也需要考慮視頻畫面的運動情況。

圖2 視頻的加霧隱藏和恢復(fù)算法框圖

2.2 算法相關(guān)原理

1)計算薄霧遮罩

為了得到和視頻畫面景深相匹配的薄霧遮罩，可先對視頻幀按遠近程度進行三區(qū)域分割［13］，分割后三區(qū)域的灰度值分別設(shè)定為0，127，255。這是因為前景的霧氣較薄，而后景的霧氣較厚，0(黑色)和255(白色)分別模擬了無霧氣和霧氣完全覆蓋景物的情況，而127(中度灰色)則模擬了霧氣厚度一般的情況。但是，這樣的分割圖其各區(qū)域邊緣非常銳利，不利于形成平滑的薄霧遮罩?？梢酝ㄟ^頻域低通濾波器濾除掉分割圖的高頻分量得到平滑效果。為此，按式(2)所示的n 階頻域低通濾波器來進行平滑，得到和視頻畫面相匹配的薄霧遮罩

式中:D0為原點到截止頻率的距離，是給定的非負數(shù);D(u，v)是點(u，v)到頻率矩形中心的距離，即，M 和N 是圖像的尺寸。

2)選取濃霧遮罩

對于含明顯涉密內(nèi)容的視頻而言，加入薄霧雖具有一定的隱藏效果，但這還不夠。為此考慮在涉密區(qū)域加入濃霧遮罩，這需要事先采集自然界中各種形狀的濃霧遮罩并編號，建立類型豐富的云端濃霧庫。當視頻中含明顯涉密內(nèi)容時，從濃霧庫中選取合適的濃霧遮罩來對涉密區(qū)域加濃霧處理，并將對應(yīng)濃霧遮罩編號嵌入到視頻中。這樣，當接收端收到加霧視頻后，可以提取出濃霧遮罩編號，并從云端濃霧庫中得到對應(yīng)的濃霧遮罩來恢復(fù)原始視頻。

3)騎士巡游

騎士巡游問題是由數(shù)學(xué)家Euler 于18 世紀50 年代末首先提出的，即騎士從棋盤上的某個初始格子開始，以象棋中“馬跳斜日”的方式(水平或垂直方向跳動1 個格子，垂直或水平方向跳動2 個格子)遍歷棋盤上的每個格子一次且僅一次［14］。如圖3 所示，其中黑色連線表示騎士巡游的路徑。騎士巡游有置亂矩陣的作用，通常被用于圖像加密，并且通過步長可以控制置亂度。因此，本文用騎士巡游來對視頻涉密內(nèi)容進行加密和模糊圖像邊界。

圖3 8×8 棋盤騎士巡游路徑

4)霧氣優(yōu)化

為了使加霧效果更加自然，應(yīng)對霧氣遮罩以及畫面中的明顯邊界做模糊處理。對于加霧后的視頻幀而言，可以使用騎士巡游對整個視頻幀進行遍歷，然后每隔一定的步長將像素值提高一定的亮度，模擬霧滴效果;對于濃霧遮罩而言，可以做濃霧邊緣像素值漸變處理，方法是將其邊緣點的像素值設(shè)定為其周圍一定范圍內(nèi)所有點的平均值;對于畫面中其他明顯的邊界，以邊界點為中心，在一個小棋盤的范圍內(nèi)做小步長的騎士巡游，獲得模糊邊界的效果。當接收方恢復(fù)視頻時，應(yīng)先對分幀后的視頻幀采取相應(yīng)的霧氣優(yōu)化逆運算作為霧氣遮罩去除前的預(yù)處理。

3 算法步驟

3.1 視頻加霧隱藏算法

步驟1:將原始視頻V 進行分幀，變?yōu)閹蛄蠭，然后再將視頻幀的色彩空間由YUV 轉(zhuǎn)換為RGB。

步驟2:每間隔30 幀按照2.2 節(jié)相關(guān)算法得到薄霧遮罩Fb并保存。

步驟3:判斷視頻中是否含有明顯涉密內(nèi)容，若有，則對每幀中的涉密內(nèi)容區(qū)域利用騎士巡游路徑進行局部加密得到加密視頻幀Ie，然后從云端濃霧庫中選取相匹配的濃霧遮罩Fh，并按式(3)與Ie在RGB 通道中融合得到加濃霧視頻幀Ih;若無，則不做處理，此處視頻幀也用Ih表示

式中:t1為濃霧強度，t1∈(0，1)。

步驟4:將Ih的亮度按照式(4)降低，得到亮度降低視頻幀Il

步驟5:將薄霧遮罩Fb按式(5)與Il在RGB 通道融合得到加霧視頻幀If

式中:t2為薄霧強度;t2∈(0，1)，且t1+t2=1。

步驟6:按2.2 節(jié)所示對加霧視頻幀做霧氣優(yōu)化處理，并將處理后的視頻幀色彩空間由RGB 轉(zhuǎn)換到Y(jié)UV，重組視頻幀，得到加霧視頻Vf，最后將濃霧遮罩編號和位置信息按文獻［5］算法嵌入到加霧視頻中。

3.2 視頻恢復(fù)算法

步驟1:若加霧視頻中存在濃霧遮罩，提取其編號和位置信息，并將加霧視頻轉(zhuǎn)換為幀序列，色彩空間由YUV 轉(zhuǎn)換為RGB，并對視頻幀做霧氣優(yōu)化逆運算。

步驟2:按式(6)所示去除薄霧遮罩，得到加濃霧且改變了亮度的視頻幀I'l

步驟4:若I'h中存在濃霧遮罩，則從云端濃霧庫中選取濃霧遮罩Fh，按式(8)所示去除濃霧遮罩，得到局部加密視頻幀I'e

步驟5:對I'e的局部加密區(qū)域進行解密，得到恢復(fù)視頻幀I'。

步驟6:將I'色彩空間由RGB 轉(zhuǎn)換為YUV，重組視頻幀，得到恢復(fù)視頻V'。實驗選取Highway 和Container 為測試視頻，將上述算法在MATLAB7.10 和VC++6.0 平臺上進行了仿真實驗，并在恢復(fù)視頻質(zhì)量客觀評價，加霧前后視頻數(shù)據(jù)量變化和算法性能等方面做相關(guān)實驗工作。以下實驗中Container 視頻的加霧強度均存在t1+t2=1 的關(guān)系。

4 實驗與分析

4.1 視頻加霧與恢復(fù)實驗

現(xiàn)將兩個原始視頻進行加霧實驗，其中，Highway 不含明顯涉密內(nèi)容，故不加濃霧，薄霧強度t2=0.4。Container 含有一艘涉密輪船，故要對其局部加密并加濃霧，設(shè)定的濃霧強度和薄霧強度分別為t1=0.6，t2=0.4。圖4 為Highway 第100幀的加霧示意圖，可見，加霧后的視頻具有較自然的霧氣隱藏效果，而恢復(fù)后視頻的視覺質(zhì)量與原始視頻相比并無明顯差異。Container 第100 幀的加霧結(jié)果如圖5 所示。

圖4 Highway 第100 幀加霧

表1 為不同的加霧強度下，恢復(fù)視頻的平均PSNR?？梢钥闯觯屿F強度的變化對于恢復(fù)視頻的PSNR 影響并不明顯，只是隨著薄霧強度的降低，其PSNR 略有提高，并且所有恢復(fù)幀的PSNR 都維持在30 dB 以上，具有較好的視覺質(zhì)量。

4.2 加霧視頻數(shù)據(jù)量

將不同加霧強度視頻經(jīng)H.264 編碼，其碼率大小如表2所示?？芍S著薄霧強度的增強，編碼后的加霧視頻碼率呈降低的趨勢。這是由于加霧處理改變了視頻幀像素值統(tǒng)計特性，幀內(nèi)和幀間相關(guān)性都有所增強，更加有利于視頻壓縮。由此得出，本算法在保證視頻安全傳輸?shù)耐瑫r，可以有效降低視頻數(shù)據(jù)量。

圖5 Container 第100 幀加霧

表1 恢復(fù)視頻的平均PSNR dB

表2 不同加霧強度視頻經(jīng)H.264 編碼后的碼率 kbit/s

4.3 算法性能分析

1)隱蔽性和隱藏容量

由上述視頻加霧與恢復(fù)實驗可知，本算法能夠?qū)ι婷芤曨l實施有效隱藏，具有良好的隱蔽性。在隱藏容量方面，以往的視頻信息隱藏算法往往通過計算視頻可隱藏比特數(shù)來衡量隱藏容量。但對本算法而言，所謂的涉密信息比特數(shù)很難量化，而且無論涉密信息有多少，只要加霧可以對其隱藏，就應(yīng)該認為算法有效。所以以往的隱藏容量計算方法不適用于本算法，此處不做分析。

2)時間復(fù)雜性

為了分析本算法的時間復(fù)雜性，先將原始視頻直接H.264編解碼并記錄幀平均延遲，然后將原始視頻加霧再H.264編解碼(解碼含加霧視頻恢復(fù))并記錄幀平均延遲。實驗環(huán)境為:Windows XP 系統(tǒng)，AMD AthlonTMII X2 220 處理器，2.79 GHz 主頻，2 Gbyte 內(nèi)存，實驗結(jié)果如表3 所示?？芍?，加霧視頻編解碼延遲明顯大于原始視頻直接編解碼延遲，這是由于本算法是對視頻每幀進行加霧操作，在一定程度上增加了運算過程的復(fù)雜性。

表3 原始視頻編解碼和加霧視頻編解碼延遲 s/f

3)安全性

采用文獻［10］算法對加霧視頻進行去霧實驗，結(jié)果如圖6 和圖7 所示。可以看出，本算法可以有效對抗去霧攻擊。去霧后，雖然畫面整體對比度增強，但是細節(jié)損失嚴重，而且即便去霧具有一定效果，也并不會對局部加密區(qū)域的安全構(gòu)成威脅。實驗表明，該算法具有較高的安全性。

圖6 Highway 加霧視頻去霧結(jié)果

圖7 Container 加霧視頻去霧結(jié)果

5 結(jié)論

本文提出了一種通過構(gòu)建霧氣模型，并對涉密內(nèi)容進行選擇加密的視頻加霧隱藏算法。實驗結(jié)果表明本算法性能可靠，易于操作，可以有效隱藏視頻涉密信息，降低視頻數(shù)據(jù)量，抵抗去霧攻擊等，為涉密視頻的隱藏提供了新思路。

但在，本算法在實驗中也暴露出一些不足之處。例如，加霧畫面的自然程度有待進一步提高;濃霧遮罩匹配度不夠高;算法延遲需降低等。對此，今后可在這幾方面加以改進:1)深入研究霧氣的形成機理，進一步提高加霧自然程度;2)完善云端濃霧庫，提高濃霧遮罩匹配度;3)降低算法的時間復(fù)雜性。

［1］佟玲玲，李揚曦，黃文廷.視頻隱私保護技術(shù)綜述［J］.通信學(xué)報，2013，34(8):154-160.

［2］DAI F，TONG L，ZHANG Y. Restricted H.264/AVC video coding for privacy protected video scrambling［J］. Journal of Visual Communication and Image Representation，2011，22(6):479-490.

［3］陳志玉，宋建新.基于H.264/AVC 視頻安全級別可分的加密方案［J］.電視技術(shù)，2013，37(5):15-18.

［4］SU Y T，ZHANG C Q，ZHANG C T. A video steganalytic algorithm against motion-vector-based steganography［J］. Signal Processing，2011，91(8):1901-1909.

［5］LIAO K，LIAN S，GUO Z. Efficient information hiding in H.264/AVC video coding［J］. Telecommunication Systems，2012，49(2):261-269.

［6］XU D W，WANG R D，WANG J C. Prediction mode modulated data-hiding algorithm for H.264/AVC［J］. Journal of Real-Time Image Process，2010，5(1):1-10.

［7］郭璠，蔡自興，謝斌. 基于霧氣理論的視頻去霧算法［J］. 電子學(xué)報，2011，39(9):2019-2025.

［8］LI L L，LIU Q，GUO J M，et al.Intelligent video defogging technology based on covariance and perceptron［C］//Proc.7th International Conference on Natural Computation.［S.l.］:IEEE Press，2011:161-165.

［9］XU D B，XIAO C B，YU J.Color preserving defog method for foggy or haze scenes［C］//Proc.4th International Conference on Computer Vision Theory and Applications(VISAPP). Algarve，Portugal:IEEE Press，2009:69-73.

［10］HE K M，SUN J，TANG X O. Single image haze removal using dark channel prior［C］//Proc.IEEE Computer Society Conference on Computer Vision and Pattern Recognition.［S.l.］:IEEE Press，2009:1956-1963.

［11］NARASIMHAN S G，NAYAR S K.Removing weather effects from monochrome images［C］//Proc. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washingion DC:IEEE Press，2001:186-193.

［12］馬忠麗，文杰，梁秀梅.海霧下的視頻圖像去霧算法研究［J］.計算機應(yīng)用研究，2014，31(9):2836-2840.

［13］KANUNGO B.An efficient k-means clustering algorithm:analysis and implementation［C］//Proc. IEEE Computer Society Conference on Pattern Analysis and Machine Intelligence.［S.l.］:IEEE Press，2002:881-892.

［14］姜德雷，柏森，董文明.基于廣義騎士巡游的圖像比特位平面間置亂算法［J］.自然科學(xué)進展，2009，19(6):691-696.