基于小波變換的數(shù)字多媒體視頻水印盲檢測(cè)方法

鄭慶翔

（湄洲灣職業(yè)技術(shù)學(xué)院 現(xiàn)代教育技術(shù)中心，福建 莆田 351111）

引言

數(shù)字媒體化技術(shù)的發(fā)展加快了大眾對(duì)多媒體信息和產(chǎn)品的認(rèn)知與使用，特別是短視頻的出現(xiàn)，越來(lái)越多的網(wǎng)絡(luò)平臺(tái)為大眾提供短視頻的創(chuàng)作平臺(tái)[1]。面對(duì)短視頻的出現(xiàn)，涉及信息安全問(wèn)題和視頻內(nèi)容版權(quán)問(wèn)題，對(duì)此類問(wèn)題，有專家和學(xué)者提出了數(shù)字水印技術(shù)，將數(shù)字水印嵌入到多媒體視頻信息中，能夠在不影響原始視頻數(shù)據(jù)的情況下，通過(guò)技術(shù)軟件檢測(cè)出水印，保證用戶信息安全和版權(quán)安全，從而盡量避免用戶的原創(chuàng)視頻信息遭到破壞[2-4]。當(dāng)前的數(shù)字水印研究中，水印檢測(cè)技術(shù)需要借鑒很多其他學(xué)科的資料，缺少專業(yè)的、強(qiáng)有力的理論支撐，對(duì)水印檢測(cè)技術(shù)的研究還遠(yuǎn)遠(yuǎn)不夠[5]。因此，人們?cè)絹?lái)越重視對(duì)數(shù)字多媒體視頻水印盲檢測(cè)方法的研究，更多是以視頻水印的快速檢測(cè)作為研究目的，從多個(gè)方面完善視頻水印的盲檢測(cè)方法的功能[6]。

王向陽(yáng)[7]提出一種基于二元BKF統(tǒng)計(jì)建模的水印檢測(cè)方法，該方法利用統(tǒng)計(jì)模型對(duì)高頻子帶系數(shù)建模，結(jié)合子帶內(nèi)相關(guān)性和最大似然決策，盲檢測(cè)出水印信息，具有較好的魯棒性，但是在噪聲攻擊或剪切攻擊下，該檢測(cè)方法并不能保證檢測(cè)結(jié)果的完整性，同時(shí)在檢測(cè)過(guò)程中還會(huì)對(duì)原視頻造成破壞，自身的抗攻擊特性比較差。郭鵬飛等[8]提出的水印盲檢測(cè)方法是一種基于灰度圖像水印檢測(cè)的新式檢測(cè)方法，在獲得視頻序列幀圖像后，逐幀變換圖像屬性，分解低頻部分，進(jìn)而檢測(cè)出視頻水印，但是該方法在面對(duì)不同攻擊時(shí)，同樣存在抗攻擊特性差的問(wèn)題。

針對(duì)現(xiàn)存方法中存在的一定不足，本研究提出基于小波變換的數(shù)字多媒體視頻盲檢測(cè)方法，利用小波變換的技術(shù)特點(diǎn)，解決上述現(xiàn)行檢測(cè)方法中存在的問(wèn)題。

1 數(shù)字多媒體視頻水印盲檢測(cè)方法設(shè)計(jì)

1.1 視頻水印特征決策表構(gòu)建

為實(shí)現(xiàn)數(shù)字多媒體視頻水印盲檢測(cè)，首先需要對(duì)水印特征進(jìn)行獲取。通過(guò)構(gòu)建視頻水印特征決策表實(shí)現(xiàn)特征的獲取。

采用常用的視頻水印特征構(gòu)建自適應(yīng)模板，將視頻水印特征與視頻信息嵌入在一起，離散化處理視頻水印特征，構(gòu)建視頻水印特征決策表。

由自適應(yīng)模板視頻水印特征組成一個(gè)非空集合Q，將其作為構(gòu)建特征決策表的論域，假設(shè)論域內(nèi)信息與集合中的視頻水印特征的等價(jià)關(guān)系表示為E，由此構(gòu)建的特征知識(shí)庫(kù)表示為W=（Q,E），W同時(shí)也表示一個(gè)近似空間[9]。假設(shè)論域Q中存在一個(gè)對(duì)象X，同時(shí)X也是論域Q的子集，當(dāng)對(duì)象X能夠用E的屬性準(zhǔn)確描述時(shí)，將X作為E的精確集；當(dāng)X不能用E的屬性描述時(shí)，將X視為E的非精確集[10-12]。定義X和E之間的關(guān)系。具體內(nèi)容如下：

如果決策條件和決策屬性關(guān)系為：

公式（7）表示決策表不相容，此時(shí)重新計(jì)算正域POS（C,B）。如果e∈C，將其代入到公式（5）中，得到：

如果公式（8）成立，說(shuō)明e是可以省略的多余屬性，反之保留屬性e，重復(fù)上述過(guò)程。同時(shí)，將e∈C代入到公式（3）中，得到

如果公式（9）成立，說(shuō)明屬性e可省略，反之保留屬性e，重復(fù)以上過(guò)程，直到所有屬性處理完成。得到最終的視頻水印特征決策表為：

式中，C0

1.2 基于小波變換的水印信號(hào)預(yù)處理

根據(jù)上述獲取的視頻水印特征決策表，選擇視頻序列中一幀圖像，沿著水平方向和垂直方向得到三個(gè)高頻帶和一個(gè)低頻帶，結(jié)構(gòu)如圖1所示。

圖1 小波變換分解視頻圖像結(jié)構(gòu)

在圖像水平方向高頻、垂直水平方向低頻的部分表示為GD1，在水平方向低頻、垂直方向高頻的部分表示為DG1，在水平方向和垂直方向均為高頻部分時(shí)，表示為GG1。DD1保留了待檢測(cè)圖像的主體特征，其他三個(gè)高頻帶保持了邊緣細(xì)節(jié)?；谛〔ǚ纸夂蟮拇龣z測(cè)視頻圖像結(jié)構(gòu)的特征處理視頻水印。對(duì)視頻水印置換處理，公式如下：

公式（11）表示像素點(diǎn)從（x,y）處移動(dòng)到（x′,y′），其中x、y表示圖像像素點(diǎn)的坐標(biāo)，x,y∈{0,1,2,…,N-1}，N表示矩陣的階數(shù)。置亂水印后不會(huì)增加水印的信息量，在檢測(cè)時(shí)，為了保證視頻水印的完整性，利用Logistic映射處理視頻水印，映射模型如下所示：

式中，xi∈（0,1），v表示分支參數(shù)，取值范圍在0～4之間，考慮到映射模型不能直接用于視頻水印圖像，對(duì)映射模型進(jìn)行進(jìn)一步處理，得到：

式中，ξe表示給定的閾值。利用映射模型對(duì)視頻水印圖像進(jìn)一步處理，得到用于檢測(cè)的水印信號(hào)特征，將其與視頻水印屬性有效特征結(jié)合，檢測(cè)視頻水印。

1.3 視頻水印的盲檢測(cè)

在已知視頻水印特征的情況下，使用發(fā)射機(jī)識(shí)別技術(shù)檢測(cè)數(shù)字多媒體視頻水印。以視頻水印信號(hào)作為輸入，檢測(cè)流程如圖2所示：

圖2 視頻水印檢測(cè)實(shí)現(xiàn)圖

圖2中，為每個(gè)發(fā)射器分配唯一的視頻水印特征Sr，以串行信息表示發(fā)射機(jī)狀態(tài)信息，使用水印特征Sr對(duì)視頻信息編碼，得到信息模式sm，表示為：

式中，z表示1bit視頻信息，將水印強(qiáng)度作用在信息模式上，得到水印信息Sa，此時(shí)解調(diào)水印信息Sa，得到：

式中，β表示水印強(qiáng)度，s′（n）表示解調(diào)后的水印信號(hào)，Y（n）表示檢測(cè)到的水印信息，n表示水印信號(hào)長(zhǎng)度，n∈N，k表示信號(hào)頻率。至此，基于小波變換的數(shù)字多媒體視頻水印盲檢測(cè)。

2 實(shí)驗(yàn)分析

數(shù)字多媒體視頻水印盲檢測(cè)方法實(shí)驗(yàn)研究目的是為了驗(yàn)證方法的合理性和有效性，實(shí)驗(yàn)使用MATLAB軟件作為實(shí)驗(yàn)支撐，引入兩種應(yīng)用比較廣泛、現(xiàn)行的兩種水印檢測(cè)方法，基于二元BKF統(tǒng)計(jì)建模的檢測(cè)方法和新式灰度圖像檢測(cè)方法，與設(shè)計(jì)的盲檢測(cè)方法一起作為實(shí)驗(yàn)?zāi)繕?biāo)，通過(guò)多組實(shí)驗(yàn)驗(yàn)證檢測(cè)方法的抗攻擊性能。

2.1 實(shí)驗(yàn)指標(biāo)設(shè)計(jì)

從視頻序列關(guān)鍵幀集中選擇一副關(guān)鍵幀圖像，選取圖像水印信號(hào)大小為32×32，水印在視頻中的嵌入強(qiáng)度為16。在實(shí)驗(yàn)開(kāi)始前，將實(shí)驗(yàn)所用的視頻序列轉(zhuǎn)換為RGB彩色視頻，分塊處理每個(gè)通道，在每一塊中嵌入32×32大小的水印。使用不同檢測(cè)方法檢測(cè)多媒體視頻水印，計(jì)算圖像的峰值信噪比和檢測(cè)前后的圖像誤差率，用以衡量檢測(cè)質(zhì)量。峰值信噪比計(jì)算公式如下：

基于以上公式統(tǒng)計(jì)實(shí)驗(yàn)中各個(gè)盲檢測(cè)方法的結(jié)果。

2.2 實(shí)驗(yàn)結(jié)果分析

2.2.1 遭受攻擊后的盲檢測(cè)實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)中分析了基于二元BKF統(tǒng)計(jì)建模的檢測(cè)方法、新式灰度圖像檢測(cè)方法以及本研究盲檢測(cè)方法在遭受攻擊后視頻水印檢測(cè)中噪聲變化，如表1所示：

表1 遭受攻擊后的盲檢測(cè)實(shí)驗(yàn)結(jié)果

表1 中給出了水印盲檢測(cè)過(guò)程中遭受不同的噪聲攻擊的結(jié)果，從中可以看出在三組實(shí)驗(yàn)結(jié)果中，提出的基于小波變換的盲檢測(cè)方法在檢測(cè)過(guò)程中，面對(duì)這些噪聲攻擊，具有更好的抵抗性，視頻水印圖像的峰值信噪比低，誤差率在0.1以下，而其他兩組結(jié)果峰值信噪比水平較高，誤差率變化也十分明顯，說(shuō)明其它兩組方法在水印檢測(cè)過(guò)程中視頻水印圖像噪聲比較明顯，對(duì)比之下，提出的基于小波變換的視頻水印盲檢測(cè)方法抗攻擊特性更好，能夠在檢測(cè)過(guò)程中有效抵抗外界攻擊，保證視頻水印圖像的質(zhì)量。

2.2.2 視頻水印的完整性分析

數(shù)字多媒體水平水印檢測(cè)的完整性是衡量檢測(cè)方法是否可靠的判斷標(biāo)準(zhǔn)，以上述內(nèi)容中的攻擊類型作為參考，對(duì)嵌入水印后的各個(gè)視頻序列進(jìn)行剪切攻擊實(shí)驗(yàn)，如果在檢測(cè)后仍然能清楚地檢測(cè)出水印圖像，說(shuō)明檢測(cè)方法檢測(cè)的內(nèi)容完整，檢測(cè)方法具有較好的抗攻擊性。實(shí)驗(yàn)選用的視頻圖像以及嵌入的水印如圖3所示。

圖3 中是從多媒體視頻中截取的四幀圖像，以圖3顯示的視頻圖像作為目標(biāo)，使用不同的盲檢測(cè)方法檢測(cè)目標(biāo)中的水印，得到的實(shí)驗(yàn)結(jié)果如圖4所示。

圖3 實(shí)驗(yàn)視頻圖像

圖4 不同水印盲檢測(cè)方法實(shí)驗(yàn)結(jié)果

從圖中顯示的實(shí)驗(yàn)結(jié)果中可以看出，在第一幀序列時(shí)，視頻水印正常檢測(cè)出來(lái)，在第二幀序列，前兩組實(shí)驗(yàn)結(jié)果中視頻水印出現(xiàn)了不同程度的損壞，說(shuō)明水印檢測(cè)異常，這種異常一直持續(xù)到第三幀，甚至在第一組實(shí)驗(yàn)結(jié)果中持續(xù)到第四序列，而在提出的盲檢測(cè)方法實(shí)驗(yàn)結(jié)果中，檢測(cè)到的水印始終清晰，沒(méi)有出現(xiàn)檢測(cè)異常。綜上所述，基于小波變換的水印盲檢測(cè)方法在剪切攻擊下，檢測(cè)到的視頻水印更完整。結(jié)合抗噪聲分析結(jié)果可知，設(shè)計(jì)的基于小波變換的數(shù)字多媒體視頻水印盲檢測(cè)方法具有非常好的抗攻擊特性，該方法優(yōu)于現(xiàn)行的盲檢測(cè)方法。

3 結(jié)束語(yǔ)

數(shù)字多媒體視頻水印技術(shù)是一種新興的信息技術(shù)，在現(xiàn)階段短視頻流行的社會(huì)背景下，具有非常重要的作用，在網(wǎng)絡(luò)中也十分常見(jiàn)。本研究以數(shù)字多媒體視頻水印盲檢測(cè)作為研究重點(diǎn)，在檢測(cè)方法的設(shè)計(jì)中引入小波變換技術(shù)，設(shè)計(jì)基于小波變換的水印盲檢測(cè)方法。在方法設(shè)計(jì)完成后，設(shè)計(jì)視頻水印的完整性和抗噪聲分析兩組對(duì)比實(shí)驗(yàn)，經(jīng)過(guò)實(shí)驗(yàn)研究后，證明了設(shè)計(jì)的盲檢測(cè)方法具有非常好的抗攻擊特性。但提出的盲檢測(cè)方法還存在一些不足之處，如視頻水印檢測(cè)的實(shí)時(shí)性，未來(lái)將著重研究該方向。