CN1197364C - 检测信号中的水印的方法和设备 - Google Patents

Abstract

公开了一种用于检测可疑信号中水印的方法和设备。通常，通过用指定嵌入强度s(“加法嵌入”：q＝p+sw)来将水印图案W添加到信号p中来嵌入一个水印。然后，通过将所嵌入的水印与可疑信号相关(2，3)来检测它。最近，提出了“乘法嵌入”(q＝p(1+sw))。根据本发明，通过在将信号与该水印相关之前将信号自乘至β次幂(1)来检测乘法嵌入的水印。幂β可以是固定的(例如β＝2)或者可从信号的统计分析(5)中获得。

Description

检测信号中的水印的方法和设备

发明领域

本发明涉及一种用于检测信号中的水印的方法和设备。

发明背景

音频和视频材料的水印添加是拷贝保护方案中的一个重要组成部分。水印是嵌入到内容中的一个额外信息。优选地，所嵌入的水印是觉察不到的、能够经受A/D和D/A转换的、经受压缩技术并且对于各种信号处理算法都是鲁棒的。

通常根据一个水印的各个抽样值修改信号中的抽样值而将该水印嵌入到信号中。“抽样值”是指该水印所嵌入的域中的信号值。抽样值可以是例如诸如音频信号的声音强度的时间变量、诸如图片的亮度值的空间变量或者表示恰当转换之后的信号的系数。

在国际专利申请WO-A-99/12347中公开了一种已知的、检测信号中的嵌入水印的方法。该方法包括步骤：将可疑信号与要检测的水印相关以及检测相关量是否超过一个预定的阈值。

上述已知的检测方法对于检测“加法嵌入”的水印是最佳的。“加法嵌入”指其中根据下式将水印添加到原始信号中的***：

Q＝P+sW

其中Q是添加了水印的信号，P是原始信号，W是水印，而s表示嵌入的强度。相同的检测方法还用于其中嵌入强度局部适合于信号内容的嵌入***：

Q＝P+S(P)W

其中S(P)称作感知掩模(mask)。

当嵌入强度S(P)基本上与信号本身成比例：S(P)＝sP时，可获得最近引入的用于图像添加水印的一个特定类的感知掩模。该“乘法嵌入”方法可以在数学上表达为：

Q＝P(1+sW)。

已经发现将可疑信号与水印直接相关对于检测这种乘法嵌入水印的出现不是最佳的。

发明目的和内容

本发明的一个目的是提供用于检测使用感知掩模嵌入的水印，更具体地是用于检测乘法嵌入水印的一种改进的方法和设备。

为此，本发明提供了如独立权利要求中所述的用于检测信号中水印的方法和设备。本发明人已发现通过在将信号与水印相关之前首先对信号值平方可以更可靠地检测到乘法嵌入水印的出现。更一般地，应当通过将可疑信号自乘至不等于1的β次幂来检测使用感知掩模嵌入的水印的出现。

从属权利要求中定义了该方法和设备的有利实施例。

附图简述

附图显示了按照本发明用于检测水印的设备的示意图。

实施例描述

图中所示的设备接收可疑信号Q的抽样值q_i，其中下标i表示一个一维变量(诸如数字音频信号的离散时刻)，或者一个二维变量(诸如一个图像像素的空间位置或一个已变换图像的DCT或DFT频率系数的位置)。通过按照下式将水印W嵌入到原始信号Q中来产生信号抽样值q_i：

q_i＝p_i(1+sw_i)

其中p_i表示原始信号P的抽样值，w_i表示水印W的相应抽样值，s表示嵌入强度。水印通常是(时间或空间的)+1和-1值的噪声图案。

所述设备包括处理电路1、乘法器2、加法电路3和阈值检测器4。处理电路1将可疑信号Q的抽样值q_i自乘至β次幂。根据下式，乘法器2和加法电路3共同构成计算所接收信号和要检测的水印之间的相关的相关电路，

$d=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{q}_i^{\mathrm{\β}}{w}_i$

其中N表示构成该水印的抽样值总数。相关量构成应用于阈值检测器4并在其中与一个预定阈值相比较的判决变量d。如果相关超过所述阈值，则水印W被认为出现在可疑信号中，否则则没有出现。

本发明基于的假设是抽样值p_i通常根据Weibull概率密度函数来分布：

$f_w\left(p\right)=\frac{\mathrm{\α}}{\mathrm{\β}}{\left(\frac{p}{\mathrm{\α}}\right)}^{\mathrm{\β}-1}{e}^{-{\left(\frac{p}{\mathrm{\α}}\right)}^{\mathrm{\β}}}$

由处理电路1对可疑抽样值q_i自乘至的幂β被选择成等于所述Weibull概率密度函数的参数β。

在一个实施例中，所述设备包括分析电路5，它在信号可以实际上被如此模拟的假设下确定所述Weibull概率密度函数的参数β。然后，将参数β应用于处理电路1。不过，也可以使用对于β的一个固定的预定值。优选地，该值大于1。

Weibull分布的一个特例是带有参数σ的瑞利分布，其中β＝2，α＝√2σ。因此，假设可以用瑞利分布模拟原始信号，则最佳检测由将抽样值平方并随后与水印相关来构成：

$d=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{q}_i^2{w}_i$

通常由Weibull分布对DCT系数建模。瑞利分布特别适合于模拟付立叶系数。鉴于此，有利地是对于已经在DCT或付立叶域中加水印的信号使用固定值β＝2。

以上公开了一种用于检测可疑信号中的水印的方法和设备。通常，通过用指定嵌入强度s(“加法嵌入“：q＝p+sw)将水印图案w添加到信号p中来嵌入一个水印。然后，通过将所嵌入的水印与可疑信号相关(2，3)来检测它。最近，提出了“乘法嵌入”(q＝p(1+sw))。根据本发明，通过在将信号与该水印相关之前将信号自乘至β次幂(1)来检测乘法嵌入的水印。幂β可以是固定的(例如β＝2)或者可从信号的统计分析(5)中获得。

Claims (8)

1.一种检测信号中水印的方法，该方法包括步骤：

-将所述信号的抽样值自乘至不等于1的β次幂以获得一个自乘至β次幂的信号；

-将该自乘至β次幂的信号与该水印相关以获得一个相关值；以及

-检测所述相关值是否超过一个预定阈值。

2.如权利要求1所要求的方法，其中所述幂β是一个大于1的预定值。

3.如权利要求2所要求的方法，其中所述幂β是β＝2。

4.如权利要求1所要求的方法，还包括步骤：分析(5)概率密度函数 $f_w\left(p\right)=\frac{\mathrm{\α}}{\mathrm{\β}}{\left(\frac{p}{\mathrm{\α}}\right)}^{\mathrm{\β}-1}{e}^{-{\left(\frac{p}{\mathrm{\α}}\right)}^{\mathrm{\β}}}$ 的参数β，并根据所述统计特性来选择幂β。

5.一种用于检测信号中水印的设备，该设备包括：

-用于将所述信号的抽样值自乘至不等于1的β次幂以获得一个自乘至β次幂的信号的装置(1)；

-用于将该自乘至β次幂的信号与该水印相关以获得一个相关值的装置(2，3)；以及

-用于检测所述相关值是否超过一个预定阈值的装置(4)。

6.如权利要求5所要求的设备，其中所述幂β是一个大于1的预定值。

7.如权利要求5所要求的设备，其中所述幂β是β＝2。

8.如权利要求5所要求的设备，还包括分析(5)概率密度函数 $f_w\left(p\right)=\frac{\mathrm{\α}}{\mathrm{\β}}{\left(\frac{p}{\mathrm{\α}}\right)}^{\mathrm{\β}-1}{e}^{-{\left(\frac{p}{\mathrm{\α}}\right)}^{\mathrm{\β}}}$ 的参数β，并根据所述统计特性来选择幂β的装置。