遺傳算法和小波變換相融合的視頻水印算法

鄭海清

(廣東南華工商職業學院 信息工程與商務管理學院， 廣東 廣州 510507)

0 引言

隨著科技和數字化技術的不斷進步，涌現了大量的視頻，它們在醫療、辦公、軍事和教育等領域得到了成功的應用。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]。當前互聯網技術的不斷成熟，人們基本上通過網絡進行視頻的傳播和交流，由于互聯網的開放性，一些非法分子從網絡對視頻進行攔截，然后對其進行篡改、偽造以及盜版，使得視頻產品的版權無法得到保護，使信息泄露，給人們會帶來一定的經濟損失，面對當前的嚴峻形勢，如何加強視頻產品的版權保護引起了人們的高度關注[2-3]。水印算法是一種保護視頻產品安全的重要技術，因此設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，雖然圖像與視頻有一定的關聯性，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雜[4-5]。當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，但是水印很容易被破壞，抗各種惡意攻擊行為的魯棒性差，應用范圍相當的窄[6]；變換域的視頻水印算法是當前主要的研究內容，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驗確定，無法嵌入到最優位置，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品的安全，針對當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，與其他當前經典視頻水印算法進行了對比測試結果表明，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，能夠對視頻在網絡上進行在線操作，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)

對一個視頻中的關鍵幀圖像，采用小波變換進行3級分解后，得到的結果，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解進行求解，具有并行的搜索方式、非確定性規則和簡單方便，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) 選擇操作就是根據個體的適應度函數值將部分較優的個體直接復制到下一代，保證種群基因的連續性。

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

(3) 變異操作也是一種產生新個體的方式，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；對兩個個體根據適應度函數值進行評價，選擇最優的個體進入下一代。

綜合上述可知，適應度函數的設計十分關鍵，結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)和歸一化相關系數(normalized correlation，NC)建立適應度函數。具體方式，如式(6)。

Fitness=PSNR+kNC

(6)

式中，k表示NC的權重值。

(7)

歸一化相關系數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節，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生改變，經過多次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。

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現兩者之間沒有什么關聯，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，只需要對一些關鍵幀進行水印嵌入即可，因此提取視頻的關鍵幀序列，并且保存關鍵幀的編號。

(2) 采用小波變換對視頻的關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，產生個一維數字水印序列。

(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參數和種群。

(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嵌入位置。

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

(8) 根據關鍵幀的編號將含有水印的關鍵幀進行組合，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。為了使本文設計的算法測試結果具有可比性，選擇沒有遺傳算法優化最優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

歸一化相關系數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，統計各種攻擊后的3種視頻水印算法的歸一化相關系數值，如表1所示。

表1 不同視頻水印算法的歸一化相關系數對比

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系數值更大，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的位置，水印的魯棒性更強。

4 總結

水印是一種保護視頻產品版權的重要的方法，能夠有效地解決視頻產品版權糾紛問題，為了更好的保護視頻產品的版權和信息安全，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，該算法結合了遺傳算法的智能搜索和小波變換的多分辨率的優點，能夠將水印信息嵌入到最適當的視頻中。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，可以應用于實際的視頻產品版權保護中，具有十分廣泛的應用前景。