基于DWT與SVD的視頻版權(quán)保護數(shù)字水印算法

李新宇，陳陽

（湖南第一師范學(xué)院信息科學(xué)與工程學(xué)院，長沙 410205）

基于DWT與SVD的視頻版權(quán)保護數(shù)字水印算法

李新宇，陳陽

（湖南第一師范學(xué)院信息科學(xué)與工程學(xué)院，長沙 410205）

結(jié)合離散小波變換、奇異值分解和Logistic混沌映射等相關(guān)數(shù)字水印技術(shù)，提出一種新的適用于視頻版權(quán)保護的水印算法。對載體視頻場景圖像亮度分量進行分塊奇異值分解，再取最大奇異值進行分塊小波變換；最后將預(yù)處理后的水印嵌入到低頻子帶奇異值分解后的奇異值中。仿真實驗表明，該算法具有較好的穩(wěn)健性，能夠應(yīng)對常規(guī)的視頻信號處理及幾何攻擊。

離散小波變換；奇異值分解；Logistic混沌映射；視頻水印；魯棒性

0 引言

數(shù)字水印技術(shù)是當(dāng)前版權(quán)保護應(yīng)用非常普遍的技術(shù)，它是通過用密鑰加密一個數(shù)字水印圖像，并將水印嵌入到需要被保護的原始數(shù)據(jù)，然后數(shù)字多媒體作品的所有者公開發(fā)布水印化作品，一旦作品出現(xiàn)版權(quán)糾紛，則可以從疑似侵權(quán)作品或者真實水印化作品中提取出版權(quán)信息，從而實現(xiàn)保護作者版權(quán)的目的[1-7]。數(shù)字水印能有效驗證數(shù)字視頻產(chǎn)品的版權(quán)，目前已成為數(shù)字視頻產(chǎn)品真?zhèn)舞b別的重要技術(shù)[8-11]。

1 視頻水印系統(tǒng)及其算法概述

基于視頻的數(shù)字水印技術(shù)是將有意義的圖像、文本或者其他數(shù)據(jù)等水印信息嵌入到載體視頻序列中。在對視頻水印進行研究的過程中，根據(jù)水印算法的嵌入及其提取策略等提出如圖1所示的視頻水印系統(tǒng)框架[12]。

目前數(shù)字視頻水印主要有空域水印和變換域水印兩類算法。空域視頻水印就是將水印信號嵌入到載體視頻幀圖像的某些像素中。由于水印嵌入的隨機性，水印的透明性較好，抗幾何攻擊性能也強，但是抗信號處理能力差。而基于變換域的視頻水印是通過對載體視頻幀圖像的變換域進行相關(guān)處理。由于水印的嵌入是對人類視覺影響較小的區(qū)域，所以其算法魯棒性較強。近年來變換域視頻水印算法比較受關(guān)注，其中基于DWT和DCT的水印算法是研究熱點，因此衍生出許多諸如此類的算法，因此也越來越受專家、學(xué)者們的重視[13-15]。文獻[16]提出的算法對載體視頻采用直方圖方法快速的進行場景分割，然后對分割的視頻場景進行選取并對其進行三維整數(shù)小波分解，將水印嵌入到均值量化后的小波系數(shù)中。文獻[17]結(jié)合離散小波變換和奇異值分解，對視頻所有場景每一幀圖像進行2級小波變換后的HL2子帶進行奇異值分解，采用最低有效位策略修改最大奇異值以嵌入水印。文獻[18]算法提出對載體視頻幀圖像以每4幀為一組，分別對其進行三維小波分解，水印可以自適應(yīng)地在其低頻與高頻幀中進行嵌入，水印提取無需載體視頻素材，并且算法魯棒性能較好。就以上視頻水印研究算法來看，基于三維小波變換的算法，雖然具有較好的隱蔽性和抗攻擊性能，但計算復(fù)雜度較高，水印算法實時性較差。

本文充分利用了小波變換對視頻幀圖像處理具有高低頻能量分離的優(yōu)點以及圖像矩陣數(shù)據(jù)奇異值分解后的能量相對穩(wěn)定的特點，提出了一種基于DWT_SVD與混沌映射的適用于視頻版權(quán)保護的水印算法。首先將視頻分割為若干場景，隨后選取相關(guān)場景及其視頻幀圖像亮度分量，對其進行分塊SVD分解，取最大奇異值組成矩陣Q，然后對矩陣Q分塊進行DWT分解，并選取低頻子帶對其進行SVD分解，取最大奇異值組成新的矩陣Q'，最后將Arnold置亂處理后的水印嵌入到新的矩陣Q'中。

圖1 視頻水印系統(tǒng)框架圖

2 基于DWT與SVD的視頻版權(quán)保護數(shù)字水印算法

2.1 水印嵌入

具體嵌入步驟如下：

步驟1：選取有意義的大小為M2×N2二值圖像作為水印信號，采用Logistic映射產(chǎn)生的混沌序列對水印圖像進行預(yù)處理。

步驟2：選取合適的場景，將一個完整的水印重復(fù)地嵌入其中。所選取的場景原始視頻幀的大小為M1×N1，每段場景分別包含Nn幀。

步驟3：對選取場景視頻幀圖像Y分量進行M3×M3大小分塊SVD分解。對奇異值矩陣進行M4×M4大小分塊，對每個分塊進行DWT分解，選取低頻子帶。

步驟4：對低頻子帶LL進行SVD分解并取最大奇異值λi1，最后將預(yù)處理后的水印嵌入到其中。

步驟5：水印嵌入。具體嵌入方法如下：

（1）W*(i，j)=1

（2）W*(i，j)=0

β=λ'i1mod α，其中α為嵌入強度因子。

步驟6：替換原來的奇異值，然后進行逆SVD與逆向小波變換，隨后進行反SVD分解，最后重構(gòu)矩陣合成含水印的圖像。隨后把含水印的視頻幀圖像及其場景復(fù)原到載體視頻中，就可以生成含水印的視頻。

2.3 水印提取

水印提取就是將隱藏在視頻載體中的視頻版權(quán)信息提取出來。具體提取步驟如下：

步驟1：對含水印的視頻進行場景分割，選取場景并分離亮度分量。

步驟2：對選取場景視頻幀圖像Y分量進行M3×M3大小分塊SVD分解，取每塊最大奇異值組成矩陣Q。對矩陣Q進行M4×M4大小分塊，對每個分塊進行DWT分解并選取低頻子帶。

步驟3：對低頻子帶進行SVD分解，取最大奇異值，按如下方法提取水印。

步驟4：提取完所有版本水印后，對所選取場景的水印信號進行眾數(shù)合成調(diào)制，生成水印信號，用Logistic密鑰恢復(fù)水印序列，得到水印圖像。

3 仿真實驗及分析

本文仿真實驗選取視頻carphone作為測試的載體視頻，格式為標(biāo)準(zhǔn)的CIF，視頻幀數(shù)為382，每幀圖像的大小為352×288,如圖4（a）所示。水印信號為一幅“數(shù)字水印”二值圖像，大小為 32×32，如圖 4（b）所示?；煦缂用艹跏贾等0＝0.32，分支參數(shù)取μ=3.62。實驗中，對場景中的每一幀進行8×8分塊奇異值分解取最大奇異值后，每一幀被分成44×36塊，隨后對其進行大小為4×4的分塊并經(jīng)1級小波變換后，取其低頻子帶LL1進行奇異值分解，取最大奇異值進行二值水印的嵌入。水印嵌入是以場景為單位的，在每一場景中嵌入一個完整的水印。文中水印大小為32×32，如果每塊只嵌入1位的水印信息，并且在每一段場景選取的16幀圖像中嵌入一幅水印圖像，那么平均每幀需要嵌入64位的水印信號。

3.1 水印的嵌入及隱蔽性測試

實驗的隱蔽性采用峰值信噪比PSNR（Peak Signal to Noise Ratio）衡量載體圖像嵌入水印前后的失真對比情況，PSNR值越大，說明含水印的載體圖像失真度越小。水印的嵌入強度因子對嵌入水印后的視頻圖像質(zhì)量及水印的穩(wěn)健性有一定的調(diào)節(jié)作用，量化值越小嵌入水印后視頻圖像質(zhì)量越好，圖像的峰值信噪比PSNR值就越大，水印隱蔽性越好；量化值越大水印的穩(wěn)健性越強，而載入水印后的視頻圖像質(zhì)量降低，水印透明性變差。

從視覺上來看，圖 3（a）對比圖 2（a），圖像質(zhì)量幾乎沒有區(qū)別，含水印的視頻幀PSNR值平均在42.1 dB左右，說明本文算法的透明性良好。從圖2（b）和圖3（b）可以看出在視頻未遭受攻擊時，能完整提取水印。

圖2 原始視頻幀圖像及水印

圖3 含水印的視頻幀圖像及提取的水印

3.2 水印算法魯棒性測試

為了檢測本文水印算法魯棒性，采用不同攻擊方式在不同強度下對含水印載體視頻幀圖像進行仿真實驗測試，將提取出的水印與原始水印圖像間的相關(guān)系數(shù)NC（Normalized Correlation）作為水印算法抵御攻擊性能的評價指標(biāo)。

其中：W（i，j）和 W*（i，j）分別是原始水印像素值和提取出的水印像素值。本文實驗中對嵌入水印后的視頻圖像分別進行諸如JPEG壓縮、旋轉(zhuǎn)、噪聲、濾波等處理，仿真實驗提取水印結(jié)果如表1所示。

表1 水印算法魯棒性實驗結(jié)果

3.3 對比實驗

為了進一步驗證本文算法，采用本文算法與文獻[9]算法進行魯棒性仿真實驗結(jié)果對照比較。文獻[9]先對原始載體視頻的每一幀圖像進行二級離散小波變換，其次對HL2子帶進行奇異值分解，并在HL2子帶分解后的最大奇異值中采用修改最低有效位的方法嵌入水印。為了便于比較，本文以carphone測試視頻為例，在保證水印透明性基本相同的情況下，進行濾波、噪聲處理、剪切和旋轉(zhuǎn)等幾個方面魯棒性對比實驗，相應(yīng)的實驗結(jié)果如表2所示。從實驗結(jié)果可以看出，本文算法性能較文獻[9]算法有很大提高。

表2 類似算法對比實驗結(jié)果

4 結(jié)語

本文結(jié)合分塊奇異值分解及小波變換的算法思想，在基本保證載體視頻畫面質(zhì)量不受影響的情況下，通過降低算法復(fù)雜度以及提高抗攻擊能力，提出了一種新的適用于視頻版權(quán)保護的盲水印算法。通過對原始載體視頻場景圖像亮度分量進行分塊奇異值分解，再取最大奇異值進行分塊小波變換；最后將預(yù)處理后的水印嵌入到低頻子帶奇異值分解后的最大奇異值中。水印檢測時，無需載體視頻素材也能夠盲提取水印。仿真實驗表明，該算法改善了水印的不可見性，提高了水印抵抗幾何攻擊的能力。

[1]蔣銘.多媒體數(shù)字版權(quán)保護水印算法研究及應(yīng)用[D].北京：北京郵電大學(xué)，2012．

[2]高揚.基于數(shù)字水印的圖像反盜版系統(tǒng)研究與設(shè)計[J].信息技術(shù),2017,23（5）：98-100

[3]中華人民共和國國家版權(quán)局NCAC.版權(quán)工作“十二五”規(guī)劃［EB/OL］.http：//www.ncac.gov.cn/chinacopyright/contents/539/20690.html,2012.

[4]張建明,周小梅,王新宇,等.局部特征點的3維模型變換域水印算法[J].中國圖象圖形學(xué)報,2014,19（004）：613-621.

[5]陳剛,陳寧,胡安峰.抗幾何攻擊的整數(shù)小波變換數(shù)字圖像水印技術(shù)[J].計算機工程與應(yīng)用,2011,47（2）：185-189.

[6]熊志勇,王麗娜.基于差值二次可擴展性的彩色圖像可擦除水印[J].中南民族大學(xué)學(xué)報：自然科學(xué)版,2010,39（4）：82-88.

[7]暴琳,張貞凱,李垣江,龔淼.Tetrolet變換和SVD結(jié)合的盲檢測穩(wěn)健數(shù)字水印嵌入策略[J].計算機工程與科學(xué),2017,39（3）：492-499.

[8]武計梅.基于DWT和同步碼的魯棒性視頻水印研究[D].江西理工大學(xué),2016.

[9]李智,陳孝威.基于熵模型的高透明性自適應(yīng)視頻水印算法[J].軟件學(xué)報,2010,21（7）：1692-1703.

[10]趙慧民,賴劍煌,蔡君,等.一種用于幀內(nèi)篡改檢測的壓縮感知視頻水印實現(xiàn)算法[J].電子學(xué)報,2013,41（6）：1153-1158.

[11]蔡春亭,馮桂,王馳,韓雪.基于幀內(nèi)預(yù)測模式多劃分的HEVC魯棒視頻水印算法[J].計算機應(yīng)用,2017,37（6）：1772-1776

[12]鈕心忻.信息隱藏與數(shù)字水印[M].北京郵電大學(xué)出版社,2004：134-135.

[13]劉珊.基于DCT域的多重視頻水印算法研究[D].贛州：江西理工大學(xué),2015.

[14]熊祥光,王力,王端理.基于提升小波變換和DCT的彩色視頻水印算法[J].計算機應(yīng)用研究,2013,30（4）：1191-1193.

[15]Saurabh P,Puja D,Sharayu B,et al.Video Watermarking Scheme Based on DWT and PCA for Copyright Protection[J].IOSR Journal of Computer Engineering,2013,9（4）：18-24.

[16]徐達文.基于三維整數(shù)小波變換的視頻水印算法[J].計算機仿真,2008,25（1）：126-129.

[17]Rajab L,Al-khatib T,Al-haj A.Hybrid DWT-SVD Videowatermarking[C].Proceedings of International Conference on Innovations in Information Technology,Al Ain,2008：588-592.

[18]霍菲菲,高新波．基于三維小波變換的視頻水印嵌入與盲提取算法[J].電子與信息學(xué)報,2007（2）：447-450.

Digital Watermarking Algorithm for Video Copyright Protection Based on DWT and SVD

LI Xin-yu，CHEN Yang

（School of Information Science and Engineering,Hunan First Normal University,Changsha 410205）

Proposes a new watermarking algorithm for video copyright protection,which combines discrete wavelet transform,singular value decomposition and Logistic chaotic mapping.The original video scene luminance component block singular value decomposition,then the maximum singular value of block wavelet transform;finally the preprocessed watermark is embedded into the low frequency sub-band of singular value decomposition after singular value.Simulation results show that the proposed algorithm is robust to conventional video signal processing and geometric attacks.

Discrete Wavelet Transform;Singular Value Decomposition;Logistic Chaotic Mapping;Video Watermarking;Robustness

湖南省教育廳科學(xué)研究基金（No.13C144）

1007-1423（2017）31-0018-04

10.3969/j.issn.1007-1423.2017.31.005

李新宇（1984-），男，湖南益陽人，碩士，講師，研究方向為網(wǎng)絡(luò)與信息安全、數(shù)字圖像處理與計算機教育

2017-08-31 < class="emphasis_bold">修稿日期：2

2017-11-02