CN101277438A - 基于运动区域定位的视频水印方法 - Google Patents

Abstract

本发明提供一种基于运动区域定位的视频水印方法。这个方法将水印嵌入至视频各帧中通过定位得到的运动区域中，首先将视频分解成帧，提取相邻两帧的运动分量帧，即包含相邻两帧相对运动信息的帧图像，然后根据此运动分量帧定位原视频帧中相对运动最剧烈的区域，即实现运动区域的定位；在前帧的运动区域中嵌入水印，对视频中的每帧进行相同的操作，重建得到嵌入水印的视频；检测水印时，根据上述相同的方法，定位视频每帧的运动区域以提取水印，为提高水印检测的正确率，对各帧提取的水印进行统计分析，得到最后的检测结果。本发明对水印的鲁棒性及不可见性有极大的改善与提高。

Description

基于运动区域定位的视频水印方法

技术领域

本发明涉及一种基于运动区域定位的数字视频水印技术，属于视频、多媒体信号处理技

术领域。

它充分考虑了人眼对运动区域及其邻近区域的变化敏感性相对较低的视觉特性，通过运动区域的定位，将水印嵌入视频帧的运动区域内，且采用基于视觉模型的QIM算法，在保证水印不可见的前提下，使水印具有较高的鲁棒性。

背景技术

随着网络技术和多媒体技术的飞速发展，人们的日常生活与工作越来越趋向于数字化和网络化，多媒体数据逐渐成为人们获取信息的重要来源。人们不但可以通过网络获取与原始数据完全相同的复制品，而且可以毫无限制地编辑、修改、拷贝和散布这些多媒体信息，由此引起的信息安全问题、盗版问题和版权纠纷问题成为影响社会安定的因素。在这种背景下，数字水印技术作为信息保护的重要手段被广泛应用于数字产品的版权保护、发布追踪及身份认证等研究课题中去。

近年来数字水印技术取得了很大的发展，但研究主要集中于静止图像水印技术。在视频水印研究方面，由于包括空间掩蔽效应等特性在内的更为精确的人眼视觉模型尚未完全建立，一些针对视频水印的特殊攻击形式(如帧交换、帧裁剪、帧删除等)的出现，以及视频水印算法的实时性和盲检测等特点使得视频水印研究发展相对滞后。目前视频水印算法主要分为三类：在原始视频中嵌入水印，在压缩视频中嵌入水印，及在编码压缩时嵌入水印。原始视频水印嵌入的算法比较简单，复杂度相对较低，水印嵌入的方法也比较多，可以充分利用静止图像的水印技术，且算法比较成熟，但是，对已压缩的视频需要先解码，嵌入水印后再重新编码，往往会影响视频的质量及水印的鲁棒性和不可见性。压缩视频水印嵌入的算法没有解码和再编码的过程，因而不会造成视频质量的下降，但由于压缩比特率的限制而限定了嵌入水印数据量的大小，嵌入水印的强度受视频解码误差的约束，嵌入后的效果可能出现可察觉的变化。在编码压缩时嵌入水印，一般考虑与某种动态图像专家组(MPEG)编码标准相结合，如常见的MPEG-1、MPEG-2或MPEG-4，其算法的嵌入和提取处理可以比较简单，能够实现水印嵌入和提取的实时处理，但它需要修改编码器和解码器，而且存在画面组(GOP)的误差积累，导致视频质量的降低。

发明内容

本发明针对目前原始视频水印嵌入算法存在的不足，提供一种基于运动区域定位的视频水印方法，此方法对水印的鲁棒性及不可见性有极大的改善与提高。

本发明提出的基于运动区域定位的视频水印方法包括以下步骤：

(1)运动区域定位，提取视频中相邻两帧的运动分量帧，即包含相邻两帧相对运动信息的帧图像，并据此实现原始视频帧中运动区域的定位；

(2)嵌入水印，根据步骤(1)中的运动区域定位，将水印嵌入视频各帧的运动区域；

(3)检测水印，对视频各帧进行水印提取，并进一步统计分析各帧提取的水印，以检测视频中是否含有水印信息。

视频中的每帧都通过其后帧实现运动区域的定位，每帧都按照步骤(2)嵌入水印，但最后一帧除外。这样可以抵抗帧删除攻击。

所述步骤(1)的具体实现步骤为：

a提取视频中相邻两帧的运动分量帧，即包含相邻两帧相对运动信息的帧图像；

b将运动分量帧分解成互不重叠的易于编码的小块，并计算各块的方差；

c定义一个包含至少四个小块的方块为宏块，用此宏块扫描运动分量帧，以宏块内各小块的方差和作为衡量运动剧烈与否的标准，以方差和最大的宏块为中心确定一个方形区域，此区域对应至原视频帧中，即为要定位的运动区域。

上述步骤c中方形区域的大小视水印的长度来确定，应满足方形区域中每个小块嵌一比特水印信息的要求。

所述步骤(1)中提取视频中相邻两帧的运动分量帧所采用的方法是基于小波变换的方法、基于二维主成分分析(2DPCA)的方法、前后帧相减的方法，独立分量分析(ICA)算法。采用独立分量分析(ICA)算法时可以是快速独立分量分析(FastICA)算法。

所述步骤(2)中嵌入水印采用的水印算法为适用于静止图像的水印算法，特别是基于视觉模型的量化索引调制(QIM)算法。

所述步骤(3)的具体实现步骤为：

a根据步骤(2)中所采用水印算法的提取步骤提取各帧的水印；

b利用投票方法对各帧提取的水印进行统计分析，即水印的某比特位，若超过总数一半的帧提取得到的水印中此比特位为1，则此比特位判为1，否则判为0。

本发明考虑到人眼对运动区域及其邻近区域的变化敏感性相对较低的视觉特性，充分利用视频序列的帧间关系，定位运动区域以嵌入水印。此方法对水印的鲁棒性及不可见性有极大的改善与提高。

附图说明

图1是本发明方法的框架图。

图2是运动区域定位过程的说明图，左边帧中的小方框代表宏块，大方框代表视频帧中相应的运动区域。

图3视频中相邻两帧中的前帧图像。

图4是视频中相邻两帧中的后帧图像。

图5是FastICA算法提取的运动分量帧，即包含相邻两帧相对运动信息的帧图像。

图6是FastICA算法提取的静态分量帧，即包含相邻两帧背景信息的帧图像。

图7是QIM水印算法流程图，其流程图由水印嵌入、信道传输及水印检测三部分组成。

图8是水印视频中各帧的峰值信噪比(PSNR)曲线图。

具体实施方式

采用快速独立分量分析(FastICA)算法提取动态分量帧，即提取包含相邻两帧相对运动信息的帧图像，及采用现有水印算法中的量化索引调制(QIM)算法嵌入水印为例进行具体说明。本领域技术人员根据说明，也可采用其他算法进行动态分量的提取，如相邻两帧相减的方法、利用小波变换的方法以及其它的ICA算法等。另外，在嵌入水印的时候也可利用其它现有的水印算法，如扩频(SS)水印算法、基于小波的水印算法、基于奇异值分解的水印算法等。

图1给出了本发明方法的框架图，按所示流程，包括如下具体步骤：

1.运动区域定位，即确定水印的嵌入位置

将原始视频分解成帧，利用FastICA算法提取相邻两帧的运动分量帧，所述运动分量帧是指包含相邻两帧相对运动信息的帧图像。将此运动分量帧分解成互不重叠且易于编码的小块(通常大小为8*8)，并计算各块的方差。用相当于四个小块大小的宏块(通常大小为16*16)扫描运动分量帧，以宏块内各小块的方差和作为衡量运动剧烈与否的标准，以方差和最大的宏块为中心确定一个大小为N*N的方形区域，此区域对应至原视频帧，即得到要定位的运动区域。其中，运动区域的大小由水印的长度L决定，满足关系式L＝N×N，即一个小块中嵌入一比特的水印信息。如图2所示。FastICA算法提取运动分量的结果如图3、图4、图5、图6所示。

图3、图4、图5、图6可以解释方案为什么采用方差作为衡量运动剧烈与否的依据。由图5可以看出，只有在运动区域图像存在纹理，这些纹理标识了相对运动。而且显著的纹理反映剧烈的运动，模糊的纹理代表其运动微小，没有纹理即没有运动发生。从数学计算可以得出，运动分量帧中纹理显著的区域方差大，故方案利用方差作为衡量运动剧烈与否的标准来实现运动区域的定位。

2.水印嵌入

在水印嵌入过程中，方案采用了一种基于视觉模型的QIM算法，图7给出了此算法的框架图。算法中使用的Watson视觉模型由一个敏感度函数、两个基于亮度和对比度掩蔽的掩蔽部分以及一个合并部分组成。Watson视觉模型敏感度表中每个元素t(i，j)与DCT系数(i，j)一一对应，代表在没有任何掩蔽噪声的情况下，计算DCT系数(i，j)最大修改幅度的临界可见误差，其中i，j＝0，1，…，7。c_o(i，j，k)为原图中第k块的DCT系数(i，j)，c_w(i，j，k)为嵌入水印后第k块的DCT系数(i，j)，水印W为只包含0，1的二进制伪随机序列。

按照图7中的水印嵌入部分，其具体流程如下：

(1)将运动区域进行块DCT变换，由Waston模型，设定c_o(i，j，k)嵌入水印的量化步长为step(i，j)＝beta×t(i，j)，其中beta用来控制嵌入水印的强度。量化得到 $q_e(i,j,k)=\frac{\left|c_o(i,j,k)\right|}{\mathrm{step}(i,j)},$ m_e(i，j，k)＝round(q_e(i，j，k))，δ＝m_e(i，j，k)-q_e(i，j，k)，其中 $\left|\mathrm{\δ}\right|\≤\frac{1}{2},$ 并按以下规则嵌入水印：

(a)若mod(m_e(i，j，k)，2)＝W，则|c_w(i，j，k)|＝m_e(i，j，k)×step(i，j)；

(b)若mod(m_e(i，j，k)，2)≠W，则

当δ≥0时，|c_w(i，j，k)|＝(m_e(i，j，k)+1)×step(i，j)；

当δ＜0时，|c_w(i，j，k)|＝(m_e(i，j，k)-1)×step(i，j).

(2)所有比特嵌入完成后，进行反块DCT变换，得到嵌入水印后的图像。

视频中每帧图像经过运动区域定位嵌入水印后，进行重建得到嵌入水印的视频。

3.水印检测

将接收到的视频分解成帧，对各帧按照步骤1的具体过程进行运动定位，得到运动区域后进行水印提取。按照图7中的水印检测部分，其具体流程如下：

(1)对待检测运动区域进行块DCT变换，得到第k块(i，j)位置的DCT系数c_w(i，j，k)，计算其检测水印的量化步长为step(i，j)＝beta×t(i，j)。量化得到 $q_d(i,j,k)=\frac{\left|c_{w(i,j,k)}\right|}{\mathrm{step}(i,j)},$ m_d(i，j，k)＝round(q_d(i，j，k))，并按以下规则提取水印：W′_n＝mod(m_d(i，j，k)，2)

得到水印W′_n，下标n表示水印W′_n是由视频中的第n帧提取得到的；

(2)用投票方法对各帧提取的水印W′_n进行综合统计分析，以水印的其中一比特位为例，若超过

的水印中此比特位为1，则此比特为判为1，否则判为0，即：

其中，W′为最终的检测水印，L为水印的长度。

(3)计算提取的水印W′与嵌入的水印W之间的归一化相关系数NC，以判断视频中是否存在水印：

$\mathrm{NC}=\frac{\underset{i=1}{\overset{L}{\mathrm{\Σ}}}(2W\left(i\right)-1)\·(2W^{\′}\left(i\right)-1)}{\sqrt{\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{(2W\left(j\right)-1)}^2\·\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{({2W}^{\′}\left(j\right)-1)}^2}},$

当NC大于阈值threshold时，判断视频中存在水印，否则视频中没有水印。其中，threshold的取值可根据不同的情况进行不同的设定。

仿真试验截取了一段北极熊视频作为载体视频，共包含51帧图像，每帧图像大小为272*352，帧率为25fps。使用的水印为由0，1组成的二进制伪随机序列，长度为100。图8给出了本发明在无干扰条件下的水印视频各帧的PSNR曲线图，由图8可以看出水印视频的各帧具有较高的PSNR值，即各帧图像具有较高的保真度。

为证明本发明中水印的鲁棒性，采用一些常见的信息处理方式对水印视频进行了处理，包括各种均值为0方差Var不同的高斯白噪声攻击，在保持视频时长或帧数的前提下采用不同帧率的MPEG-2压缩，以及帧删除和帧剪裁攻击。其中，帧删除中随机删掉视频中约10％的帧，即5帧，帧剪裁攻击又包括了顺序剪裁和随机剪裁两种方式。下表给出了各种攻击下，水印的检测值NC。

                        各种攻击下水印的检测值NC

综上，仿真结果证明了本方案的可行性及可靠性。它在保证水印不可见的前提下，对高斯白噪声、MPEG-2压缩、帧删除及帧剪裁攻击具有较高的鲁棒性。

Claims (7)

1.一种基于运动区域定位的视频水印方法，其特征在于，包括以下步骤：

(1)运动区域定位，提取视频中相邻两帧的运动分量帧，即包含相邻两帧相对运动信息的帧图像，并据此实现原始视频帧中运动区域的定位；

(2)嵌入水印，根据步骤(1)中的运动区域定位，将水印嵌入视频各帧的运动区域；

(3)检测水印，对视频各帧进行水印提取，并进一步统计分析各帧提取的水印，以检测视频中是否含有水印信息。

2.根据权利要求1所述的基于运动区域定位的视频水印方法，其特征在于：所述视频中的每帧都通过其后帧实现运动区域的定位，每帧都按照步骤(2)嵌入水印，但最后一帧除外。

3.根据权利要求1所述的基于运动区域定位的视频水印方法，其特征在于：所述步骤(1)的具体实现步骤为：

a提取视频中相邻两帧的运动分量帧，即包含相邻两帧相对运动信息的帧图像；

b将运动分量帧分解成互不重叠的易于编码的小块，并计算各块的方差；

c定义一个包含至少四个小块的方块为宏块，用此宏块扫描运动分量帧，以宏块内各小块的方差和作为衡量运动剧烈与否的标准，以方差和最大的宏块为中心确定一个方形区域，此区域对应至原视频帧中，即为要定位的运动区域。

4.根据权利要求3所述的基于运动区域定位的视频水印方法，其特征在于：所述步骤c中方形区域的大小视水印的长度来确定，应满足方形区域中每个小块嵌一比特水印信息的要求。

5.根据权利要求1所述的基于运动区域定位的视频水印方法，其特征在于：所述步骤(1)中提取视频中相邻两帧的运动分量帧所采用的方法是基于小波变换的方法、基于二维主成分分析的方法、前后帧相减的方法、独立分量分析算法。

6.根据权利要求1所述的基于运动区域定位的视频水印方法，其特征在于：所述步骤(2)中嵌入水印采用的水印算法为适用于静止图像的水印算法。

7.根据权利要求1所述的基于运动区域定位的视频水印方法，其特征在于：所述步骤(3)的具体实现步骤为：

a根据步骤(2)中所采用水印算法的提取步骤提取各帧的水印；

b利用投票方法对各帧提取的水印进行统计分析，即水印的某比特位，若超过总数一半的帧提取得到的水印中此比特位为1，则此比特位判为1，否则判为0。

Images