遺傳算法和小波變換相融合的視頻水印算法

鄭海清

(廣東南華工商職業(yè)學(xué)院 信息工程與商務(wù)管理學(xué)院， 廣東 廣州 510507)

0 引言

隨著科技和數(shù)字化技術(shù)的不斷進步，涌現(xiàn)了大量的視頻，它們在醫(yī)療、辦公、軍事和教育等領(lǐng)域得到了成功的應(yīng)用。視頻一般都會攜帶一定的信息，有的信息還有具有高度的機密性以及隱私性[1]。當(dāng)前互聯(lián)網(wǎng)技術(shù)的不斷成熟，人們基本上通過網(wǎng)絡(luò)進行視頻的傳播和交流，由于互聯(lián)網(wǎng)的開放性，一些非法分子從網(wǎng)絡(luò)對視頻進行攔截，然后對其進行篡改、偽造以及盜版，使得視頻產(chǎn)品的版權(quán)無法得到保護，使信息泄露，給人們會帶來一定的經(jīng)濟損失，面對當(dāng)前的嚴(yán)峻形勢，如何加強視頻產(chǎn)品的版權(quán)保護引起了人們的高度關(guān)注[2-3]。水印算法是一種保護視頻產(chǎn)品安全的重要技術(shù)，因此設(shè)計一個性能良好的視頻水印算法具有十分重要的意義。

最初，視頻水印沿用圖像水印技術(shù)，雖然圖像與視頻有一定的關(guān)聯(lián)性，但是相對于圖像水印，視頻水印具有一定的特殊性，主要是因為視頻信息量比較大，通常由許多幀組成一個序列，視頻本身幀與幀之間存在著大量冗余，使得視頻水印更加復(fù)雜[4-5]。當(dāng)前視頻水印算法有很多，可以將它們劃分為兩種類型:一種是空間域的視頻水印算法;另一種為變換域的視頻水印算法。空間域的視頻水印算法主要有LSB(Least Significant Bits)視頻水印算法和Patchwork視頻水印算法，它們將視頻圖像的像素位置進行微調(diào)，但是水印很容易被破壞，抗各種惡意攻擊行為的魯棒性差，應(yīng)用范圍相當(dāng)?shù)恼璠6]；變換域的視頻水印算法是當(dāng)前主要的研究內(nèi)容，如余弦變換視頻水印算法和離散傅里葉變換視頻水印算法，它們對原始視頻進行余弦變換或者傅里葉變換，然后將水印信息嵌入到變換系數(shù)中，具有較強的抗各種惡意攻擊行為的魯棒性，但是其水印的安全性不高，易被檢測，因此水印信息的不可見性比較差[7]。隨后出現(xiàn)了小波變換視頻水印算法，可以對視頻更加細致的分解，將水印信息嵌入到小波域中，但是小變換視頻水印算法水印嵌入的位置憑經(jīng)驗確定，無法嵌入到最優(yōu)位置，使得視頻水印算法存在明顯的缺陷，如：抗攻擊性能弱、視頻水印的嵌入速度慢、影響視頻水印實時性[8-10]。

為了有效保護視頻產(chǎn)品的安全，針對當(dāng)前視頻水印算法存在的一些缺陷問題，提出了遺傳算法和小波變換的視頻水印算法，與其他當(dāng)前經(jīng)典視頻水印算法進行了對比測試結(jié)果表明，本文算法可以提高視頻水印的安全性，水印的不可見性和不可感知性很好，對于各種惡意攻擊行為，不僅可以進行有效抵抗，而且加快了視頻水印的嵌入速度，能夠?qū)σ曨l在網(wǎng)絡(luò)上進行在線操作，實際價值更高。

1 小波變換和遺傳算法的概述

1.1 小波變換

(1)

連續(xù)小波變換可以表示，如式(2)。

(2)

式中，a表示尺度因子；b表示位移因子。

常見的小波很多，本文選擇墨西哥小帽小波，其有較好的局部特征，如式(3)。

(3)

(4)

離散小波變換的逆變換，如式(5)。

(5)

對一個視頻中的關(guān)鍵幀圖像，采用小波變換進行3級分解后，得到的結(jié)果，如圖1所示。

(a) 原始圖像

小波變換的圖像與原始圖像具有不同的特性，更加便于水印信息的嵌入。

1.2 遺傳算法

遺傳算法是一種模擬生物進化論的計算模型，通過模擬自然界進化機制對問題的最優(yōu)解進行求解，具有并行的搜索方式、非確定性規(guī)則和簡單方便，其是人工智能的一個重要分支[12]。在遺傳算法的運行過程中，有3個基本操作，分別為：選擇、交叉和變異，具體描述如下。

(1) 選擇操作就是根據(jù)個體的適應(yīng)度函數(shù)值將部分較優(yōu)的個體直接復(fù)制到下一代，保證種群基因的連續(xù)性。

(2) 交叉操作是產(chǎn)生優(yōu)良個體主要方式，隨機選擇兩個個體，它們以一定的概率進行交叉操作，會產(chǎn)生兩個新的個體；對四個個體根據(jù)適應(yīng)度函數(shù)值進行評價，選擇兩個最優(yōu)的個體進入下一代。

(3) 變異操作也是一種產(chǎn)生新個體的方式，相對于自然界的基因突變，對一個個體以一定的概率改變其部分基因值，得到一個新的個體；對兩個個體根據(jù)適應(yīng)度函數(shù)值進行評價，選擇最優(yōu)的個體進入下一代。

綜合上述可知，適應(yīng)度函數(shù)的設(shè)計十分關(guān)鍵，結(jié)合視頻水印算法的特征，選擇視頻圖像的峰值信噪比(Peak signal-to-noise ratio，PSNR)和歸一化相關(guān)系數(shù)(normalized correlation，NC)建立適應(yīng)度函數(shù)。具體方式，如式(6)。

Fitness=PSNR+kNC

(6)

式中，k表示NC的權(quán)重值。

(7)

歸一化相關(guān)系數(shù)NC主要描述水印的魯棒性，NC值越大，表示檢測到的水印與原始水印的相似程度越高。計算公式，如式(8)。

(8)

2 本文視頻水印算法的設(shè)計

遺傳算法和小波變換相融合的視頻水印算法包括水印信息的生成、視頻水印的嵌入和視頻水印的檢測等環(huán)節(jié)，由于視頻水印檢測是視頻水印嵌入的可逆過程，因此下面只對水印信息的生成，視頻水印的嵌入進行詳細描述。

2.1 水印信息的生成

首先采集一幅圖像作為嵌入的水印，直接將水印嵌入到視頻中，那么極易被非法者檢測到，水印的安全性性能低，因此需要對原始水印圖像進行處理，通常采用Arnold變換，使原始水印圖像的像素位置發(fā)生改變，經(jīng)過多次Arnold變換后，水印圖像就會變得雜亂無章，無法用肉眼進行辨識，達到混淆原始水印信息的目的，從而生成水印信息。Arnold變換，如式(9)。

(9)

式中，N表示Arnold變換的階數(shù)。

對一個水印信息，通過Arnold變換后，如圖2所示。

(a) 原始水印

對比原始水印和變換后的水印可以發(fā)現(xiàn)兩者之間沒有什么關(guān)聯(lián)，達到了保護水印信息的目的。

2.2 水印的嵌入

(1) 采集一個場景中的視頻，由于連續(xù)的視頻幀與幀之間的相似度很高，存在冗余特性，因此對視頻進行嵌入水印時，不是對所有的視頻幀均嵌入水印，只需要對一些關(guān)鍵幀進行水印嵌入即可，因此提取視頻的關(guān)鍵幀序列，并且保存關(guān)鍵幀的編號。

(2) 采用小波變換對視頻的關(guān)鍵幀序列進行多尺度的分解，得到許多低頻和高頻分量。

(3) 采用Arnold變換對原始水印信息進行處理，并對變換的水印信息進行掃描，產(chǎn)生個一維數(shù)字水印序列。

(4) 對低頻分量和高頻分量進行分塊操作，得到許多個子塊。

(5) 初始化遺傳算法的相關(guān)參數(shù)和種群。

(6) 遺傳算法模擬自然界進化機制從多個子塊像素中搜索到水印的最優(yōu)嵌入位置。

(7) 將一維數(shù)字水印序列嵌入到最優(yōu)嵌入位置，并采用小波的逆變換到含有水印的關(guān)鍵幀序列。

(8) 根據(jù)關(guān)鍵幀的編號將含有水印的關(guān)鍵幀進行組合，得到含有水印的視頻。

綜合上述可知，遺傳算法和小波變換相融合的視頻水印的嵌入過程，如圖3所示。

圖3 視頻水印的嵌入流程

3 算法的性能測試與分析

3.1 測試對象

為了測試遺傳算法和小波變換相融合的視頻水印算法的性能，采用Matlab 2018作為編程工具實現(xiàn)視頻水印算法程序，選擇foreman視頻、akiyo視頻、carphone視頻和waterfall視頻作為測試對象。它們的代表性關(guān)鍵幀，如圖4所示。

(a) foreman

采用圖2的水印作為嵌入。為了使本文設(shè)計的算法測試結(jié)果具有可比性，選擇沒有遺傳算法優(yōu)化最優(yōu)位置的小波變換的視頻水印算法和文獻[10]的視頻水印算法進行對照測試。

3.2 水印的不可見性測試

采用峰值信噪比(PSNR)描述水印信息的不可見性，統(tǒng)計3種算法對4類視頻的峰值信噪比，如圖5所示。

圖5 視頻嵌入水印前后的峰值信噪比

對圖5的峰值信噪比進行對比和分析可以明顯看出，相對于小波變換的視頻水印算法和文獻[10]的視頻水印算法，本文算法的峰值信噪比更大，這表明水印嵌入前后的視頻圖像之間的像素點偏差很小，水印具有十分理想的不可見性，水印帶來的視頻變化是人眼不可察覺的。

3.3 水印的魯棒性測試

歸一化相關(guān)系數(shù)NC主要描述水印的魯棒性，影響水印的魯棒性主要是各種攻擊，選擇carphone視頻為測試對象，統(tǒng)計各種攻擊后的3種視頻水印算法的歸一化相關(guān)系數(shù)值，如表1所示。

表1 不同視頻水印算法的歸一化相關(guān)系數(shù)對比

從表1可以看出，相對于小波變換的視頻水印算法和文獻[10]的視頻水印算法，本文算法的歸一化相關(guān)系數(shù)值更大，表明檢測到的水印與原始水印的相似程度更高，水印具有較強的穩(wěn)健性，能夠抵抗各種攻擊行為，這主要是由于本文算法引入了遺傳算法將水印嵌入到了最優(yōu)的位置，水印的魯棒性更強。

4 總結(jié)

水印是一種保護視頻產(chǎn)品版權(quán)的重要的方法，能夠有效地解決視頻產(chǎn)品版權(quán)糾紛問題，為了更好的保護視頻產(chǎn)品的版權(quán)和信息安全，本文提出了一種遺傳算法和小波變換相融合的視頻水印算法，該算法結(jié)合了遺傳算法的智能搜索和小波變換的多分辨率的優(yōu)點，能夠?qū)⑺⌒畔⑶度氲阶钸m當(dāng)?shù)囊曨l中。實驗證明，本文算法不僅具有良好的不可見性，同時具有強大的對抗各種類型非法攻擊的能力，可以應(yīng)用于實際的視頻產(chǎn)品版權(quán)保護中，具有十分廣泛的應(yīng)用前景。