專利名稱：基于視覺特征的視頻水印方法
技術(shù)領(lǐng)域：
本發(fā)明涉及多媒體數(shù)字水印技術(shù)領(lǐng)域，尤其涉及一種基于視覺特征的視頻水印方法。
背景技術(shù)：
MPEG是目前視頻編碼主流格式，隨著互聯(lián)網(wǎng)的進(jìn)一步普及以及3G時(shí)代的到來，網(wǎng)絡(luò)視頻將得到廣泛的流行。因此，對(duì)MPEG視頻文件進(jìn)行水印保護(hù)具有廣泛的應(yīng)用價(jià)值。視頻片段通常包含豐富的視覺特征，要實(shí)現(xiàn)面向互聯(lián)網(wǎng)的海量數(shù)據(jù)版權(quán)保護(hù)，必須有效利用視頻本身的視覺特征。由于數(shù)據(jù)規(guī)模非常龐大，這要求水印算法應(yīng)具有一定的統(tǒng)計(jì)特征，從而能應(yīng)用于大部分的視頻片段。
目前已有的包括MPEG在內(nèi)的視頻水印方案大都采用將水印能量擴(kuò)展到幀中所有像素這一思想。這類方案有計(jì)算復(fù)雜度低的優(yōu)點(diǎn)，但它是以對(duì)嵌入位置的局部控制以及限制水印嵌入的強(qiáng)度為代價(jià)的，從本質(zhì)上說，這類方案不依賴于視覺特性，無法根據(jù)視頻視覺特征變化來自適應(yīng)嵌入適當(dāng)強(qiáng)度的水印；另一類方案提出將水印能量在空間上有選擇的分配，但是這類方案通常更多考慮的是MPEG-2編碼結(jié)構(gòu)，而不是視覺特性。
目前已有的視頻水印算法，在依賴于視頻特征與人的視覺感知系統(tǒng)相一致的水印技術(shù)方面還存在一定的不足，具有統(tǒng)計(jì)特征的可在互聯(lián)網(wǎng)上廣泛適用的視頻水印方法則更加少?；诖耍景l(fā)明提出了基于視頻紋理、亮度、運(yùn)動(dòng)特征以及視覺敏感特性，針對(duì)DCT變換域，帶有統(tǒng)計(jì)特征的視頻水印方法。通過采用與視頻視覺特征相適應(yīng)的視頻水印嵌入模型，使得水印嵌入更加魯棒，通過對(duì)視覺特征的進(jìn)一步統(tǒng)計(jì)收斂，使得水印嵌入獲取更高的透明性，從而提高了視頻水印方法的使用范圍。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種可廣泛使用的基于視覺特征的視頻水印方法。
基于視覺特征的視頻水印方法包括如下步驟1)對(duì)視頻流進(jìn)行部分解碼，對(duì)視頻幀進(jìn)行離散余弦變換，把離散余弦變換獲得的子塊劃分成DC、低頻、邊、高頻四個(gè)部分，通過子塊歸類算法把子塊歸類成邊緣子塊、紋理子塊和平坦子塊三類，計(jì)算子塊對(duì)應(yīng)的紋理偽裝掩模系數(shù)；2)采用韋伯定律線性模型，計(jì)算子塊的亮度偽裝掩模系數(shù)；
3)通過相臨幀對(duì)應(yīng)的離散余弦變換子塊之間的DC系數(shù)變動(dòng)，計(jì)算子塊的運(yùn)動(dòng)偽裝掩模系數(shù)，引入一個(gè)基于視頻紋理、邊緣、亮度以及運(yùn)動(dòng)等特征的混合視覺特征模型，并提取子塊掩模系數(shù)；4)采用樣本訓(xùn)練的方法，構(gòu)造一個(gè)特征統(tǒng)計(jì)收斂模型，對(duì)視頻水印的嵌入能量進(jìn)一步收斂，生成與人的視覺感知模型相一致的自適應(yīng)視頻水印嵌入模型；5)根據(jù)自適應(yīng)視頻水印嵌入模型，采用盲水印嵌入方法，對(duì)視頻流進(jìn)行水印嵌入和提取，完成對(duì)視頻的水印嵌入。
所述的對(duì)視頻流進(jìn)行部分解碼，對(duì)視頻幀進(jìn)行離散余弦變換，把離散余弦變換獲得的子塊劃分成DC、低頻、邊、高頻四個(gè)部分，通過子塊歸類算法把子塊歸類成邊緣子塊、紋理子塊和平坦子塊三類，計(jì)算子塊對(duì)應(yīng)的紋理偽裝掩模系數(shù)對(duì)視頻流進(jìn)行部分解碼，提取8×8的DCT子塊，把子塊劃分成DC、低頻、邊以及高頻四個(gè)區(qū)域，四個(gè)區(qū)域的能量系數(shù)絕對(duì)值和分別用DC、L、E、H表示，比例因子(L+E)/H和L/E的大小代表圖像邊緣能量，E+H代表了紋理能量，根據(jù)子塊歸類算法，把子塊劃分成紋理子塊，邊緣子塊和平坦子塊，針對(duì)不同類型的子塊分三種情況計(jì)算其子塊紋理掩模偽裝系數(shù)①針對(duì)紋理子塊，E+H基本代表了子塊的紋理能量，紋理掩模偽裝系數(shù)公式為TextMask(k)=(FMaxT-1)×TexE(k)-MinMax-Min+1]]>其中TexE(k)為第K個(gè)子塊的局部紋理能量，Max，Min分別為紋理子塊的最大和最小能量，F(xiàn)MaxT為能量調(diào)節(jié)系數(shù)，用來模型優(yōu)化，②針對(duì)平坦的子塊，紋理掩模系數(shù)為1，③針對(duì)邊緣子塊，L+E近似代表了子塊能量，當(dāng)L+E≤400時(shí)，掩模系數(shù)為1.125，否則取值為1.25。
所述的采用韋伯定律線性模型，計(jì)算子塊的亮度偽裝掩模系數(shù)DC系數(shù)代表子塊背景亮度特征，亮度特征偽裝模型包括高亮背景的線性部分和灰度背景的非線性部分，高亮背景的線性部分適用于韋定律，根據(jù)韋伯定律，引入子塊亮度偽裝掩模偽裝系數(shù)①當(dāng)DC＞mean時(shí)，亮度掩模系數(shù)的計(jì)算公式為L(zhǎng)umMask(k)=(FmaxL-Fref)×DC(k)-meanLmax-mean+1.,]]>②當(dāng)Lmin≤DC(k)≤mean時(shí)，掩模系數(shù)為1，
③當(dāng)DC(k)＜Lmin時(shí)，當(dāng)25≤DC(k)＜Lmin時(shí)掩模系數(shù)為1；當(dāng)15≤DC(k)＜25時(shí)掩模系數(shù)為1.125；當(dāng)DC(k)＜15時(shí)，掩模系數(shù)為1.25，其中，參數(shù)Lmin和Lmax代表線性模型的亮度范圍，F(xiàn)maxL為最大亮度調(diào)節(jié)因子，mean為整個(gè)視頻幀的平均灰度值；mean對(duì)應(yīng)的參數(shù)Fref。
所述的通過相臨幀對(duì)應(yīng)的離散余弦變換子塊之間的DC系數(shù)變動(dòng)，計(jì)算子塊的運(yùn)動(dòng)偽裝掩模系數(shù)，引入一個(gè)基于視頻紋理、邊緣、亮度以及運(yùn)動(dòng)等特征的混合視覺特征模型，并提取子塊掩模系數(shù)把相鄰幀對(duì)應(yīng)的離散余弦變換子塊DC變化幅度作為運(yùn)動(dòng)檢測(cè)標(biāo)準(zhǔn)，計(jì)算運(yùn)動(dòng)特征系數(shù) 其中j表示第j幀，k為第k個(gè)子塊，0表示子塊的第一個(gè)系數(shù)，即DC系數(shù)。由此可獲得視頻流的運(yùn)動(dòng)掩模系數(shù)MotionMaskj=1.0≤DDC(j,k)<3-0.05DDC(j,k)+1.15.3≤DDC(j,k)<717+DDC(j,k)307≤DDC(j,k)<191.2.DDC(j,k)≥19]]>引入一個(gè)基于視頻紋理、邊緣、亮度以及運(yùn)動(dòng)等混合視覺特征模型，構(gòu)建子塊的局部自適應(yīng)掩模系數(shù)mkmk＝TextMaskk×LumMaskk×MotionMaskkvk*=vkmk]]>其中，vk*表示經(jīng)子塊掩模系數(shù)糾正過的可用來嵌入水印的原始能量特征，基于混合視覺特征偽裝模型的視頻水印嵌入模型為vi′=vi+αwivi*=vi+αwi(vimi)=vi(1+αmiwi).]]>所述的采用樣本訓(xùn)練的方法，構(gòu)造一個(gè)特征統(tǒng)計(jì)收斂模型，對(duì)視頻水印的嵌入能量進(jìn)一步收斂，生成與人的視覺感知模型相一致的自適應(yīng)視頻水印嵌入模型在視覺混合特征模型的基礎(chǔ)上，依據(jù)視覺敏感特性以及水印可檢測(cè)的閾值邊界，引入如下假設(shè)假設(shè)I幀中有n個(gè)待嵌入水印的子塊，將其直流系數(shù)DC的絕對(duì)值大小看成一個(gè)高斯序列Ldc＝[dc1，dc2…，dcn]，引入一個(gè)三次高斯函數(shù)f(x)，針對(duì)每個(gè)系數(shù)dck，1≤k≤n，其對(duì)應(yīng)的收斂糾正系數(shù)ck計(jì)算如下f(x)=a1×e-((x-b1)c1)2+a2×e-((x-b2)c2)2+a3×e-((x-b3)c3)2]]>ck＝f(dck)
其中，dck為第k個(gè)子塊DC系數(shù)的絕對(duì)值，a1，a2，a3，b1，b2，b3，c1，c2，c3為常數(shù)因子。
基于以上混合視覺特征模型與特征統(tǒng)計(jì)收斂，針對(duì)選定的第K個(gè)子塊，引入子塊自適應(yīng)特征掩模系數(shù)λk，其計(jì)算如下λk＝mk×ck水印嵌入模型，進(jìn)一步可演化為vi′＝vi(1+αmiwi)＝vi(1+αλiwi)所述的根據(jù)自適應(yīng)視頻水印嵌入模型，采用盲水印嵌入方法，對(duì)視頻流進(jìn)行水印嵌入和提取，完成對(duì)視頻的水印嵌入水印嵌入步驟如下①把水印信息調(diào)試成0，1二值系列，對(duì)原始視頻部分解碼，獲取I幀離散余弦變換子塊，②計(jì)算子塊自適應(yīng)特征掩模系數(shù)λk，③計(jì)算子塊水印嵌入能量D＝αλkwkvk，④水印嵌入vi′=vi-m-D/4m<D/4,wi=1vi-m+3D/4m≥D/4,wi=1vi-m+5D/4m>3D/4,wi=0vi-m+D/4m≤3D/4,wi=0]]>⑤選擇下一個(gè)I幀，返回步驟1，最后對(duì)嵌入水印的子塊進(jìn)行視頻編碼，生成水印視頻，水印提取步驟如下①對(duì)被檢測(cè)視頻部分解碼，提取I幀離散余弦變換子塊，②計(jì)算子塊自適應(yīng)特征掩模系數(shù)λk′，③計(jì)算子塊潛在的水印嵌入能量D＝αλk′wkvk′，④提取水印wi＝roumd(mod(vi′，D)/D)，其中mod(x，y)為模運(yùn)算，round(x)為四舍五入取整運(yùn)算，
水印檢測(cè)公式如下sim(W,W′)=(W′·W)/W′·W′.]]>本發(fā)明具有的有益的效果是(1)提取了能很好反映視頻流視覺特性的混合視覺特征，采用的視覺特征偽裝模型，很好地反映了視頻的紋理、邊緣、亮度以及運(yùn)動(dòng)等特征，使視頻水印嵌入與視頻視覺特征相適應(yīng)，使視頻水印具備較好的魯棒性能。
(2)對(duì)基于混合視覺特征的視覺偽裝模型進(jìn)一步進(jìn)行特征統(tǒng)計(jì)收斂，帶有統(tǒng)計(jì)特性的水印算法，使得視頻水印嵌入在魯棒的前提下，具有更高的視覺透明性，并提高了算法的普遍適用性，算法適用于互聯(lián)網(wǎng)MPEG視頻水印的海量推廣。


圖1為DCT子塊區(qū)域劃分圖；圖2為DCT子塊歸類算法流程圖；圖3為亮度偽裝線性模型圖；圖4為特征統(tǒng)計(jì)的能量收斂曲線5中(a)是Football視頻加入水印前的原始視頻幀圖像；(b)是與(a)對(duì)應(yīng)的加入水印后的視頻幀圖像；圖6中(a)是FlowerGarden視頻加入水印前的原始視頻幀圖像；(b)是與(a)對(duì)應(yīng)的加入水印后的視頻幀圖像；具體實(shí)施方式
本發(fā)明通過提取視頻紋理、邊緣、亮度以及運(yùn)動(dòng)等特征，生成相應(yīng)的混合視覺特征偽裝模型，并在這一混合特征模型的基礎(chǔ)上對(duì)特征進(jìn)行統(tǒng)計(jì)收斂，獲取視頻流自適應(yīng)特征掩模系數(shù)，最后采用盲水印嵌入方案，實(shí)現(xiàn)基于視覺特征的MPEG視頻水印方法。
為了實(shí)現(xiàn)發(fā)明的目的，本方法采用如下的技術(shù)方案步驟1子塊紋理偽裝模型對(duì)視頻流進(jìn)行部分解碼，進(jìn)行離散余弦變換(DCT)，提取8×8的DCT子塊，把子塊劃分成DC(DCT子塊的第一個(gè)系數(shù))、低頻(L)、邊(E)以及高頻(H)，四個(gè)區(qū)域，區(qū)域劃分圖如附圖1所示，四個(gè)區(qū)域的DCT能量系數(shù)絕對(duì)值和分別用DC、L、E、H表示。經(jīng)驗(yàn)顯示，比例因子(L+E)/H和L/E的大小代表圖像邊緣能量，E+H代表了紋理能量。根據(jù)子塊歸類算法，如附圖2所示，把子塊劃分成紋理子塊，邊緣子塊和平坦子塊，針對(duì)不同類型的子塊分三種情況計(jì)算其子塊掩模偽裝系數(shù)①針對(duì)紋理子塊，E+H基本代表了子塊的紋理能量，紋理掩模偽裝系數(shù)公式為TextMask(k)=(FMaxT-1)×TexE(k)-MinMax-Min+1]]>其中TexE(k)為第K個(gè)子塊的局部紋理能量，Max，Min分別為紋理子塊的最大和最小能量，F(xiàn)MaxT為能量調(diào)節(jié)系數(shù)，用來模型優(yōu)化，參數(shù)大小為別為Max＝1800，Min＝290，F(xiàn)MaxT＝2.25。
②針對(duì)平坦的子塊，紋理掩模系數(shù)為1。
③針對(duì)邊緣子塊，L+E近似代表了子塊能量，當(dāng)L+E≤400時(shí)，掩模系數(shù)為1.125，否則取值為1.25綜合上面三點(diǎn)所述紋理掩模系數(shù)計(jì)算公式如下 步驟2子塊亮度偽裝模型DC系數(shù)代表子塊背景亮度特征，亮度特征偽裝模型可簡(jiǎn)要概括由兩個(gè)部分組成，包括高亮背景的線性部分，此部分適用于Weber定律；以及灰度背景的非線性部分，此部分不適用Weber定律。依據(jù)Weber定律，線性模型如附圖3所示，參數(shù)Lmin和Lmax代表線性模型的亮度范圍，參數(shù)大小為別為L(zhǎng)min＝90，Lmax＝255。FmaxL為最大亮度調(diào)節(jié)因子，參數(shù)大小為FmaxL＝2。亮度掩模系數(shù)計(jì)算過程如下1)對(duì)整個(gè)視頻幀計(jì)算平均灰度值(mean)；依據(jù)線性模型圖2，計(jì)算mean對(duì)應(yīng)的參數(shù)Fref。2)只有當(dāng)子塊的DC系數(shù)大于mean時(shí)，才有LumMask≥1。亮度掩模系數(shù)計(jì)算如下①當(dāng)DC＞mean時(shí)，亮度掩模系數(shù)的計(jì)算公式為L(zhǎng)umMask(k)=(FmaxL-Fref×DC(k)-meanLmax-mean)+1.]]>
②當(dāng)Lmin≤DC(k)≤mean時(shí)，掩模系數(shù)為1。
③當(dāng)DC(k)＜Lmin時(shí)，當(dāng)25≤DC(k)＜Lmin時(shí)掩模系數(shù)為1；當(dāng)15≤DC(k)＜25時(shí)掩模系數(shù)為1.125；當(dāng)DC(k)＜15時(shí)，掩模系數(shù)為1.25。完整的亮度掩模系數(shù)表示如下LumMaskk=(FmaxL-Fref)×DC(k)-meanLmax-mean+1.(DC(k)>mean)1(25≤DC(k)≤mean)1.125(15≤DC(k)<25)1.25(DC(k)<15)]]>步驟3子塊運(yùn)動(dòng)偽裝模型及混合視覺特征模型DC系數(shù)代表了DCT子塊的亮度特征，描述了子塊內(nèi)容的基本屬性，特別針對(duì)于彩色畫面，相鄰幀間對(duì)應(yīng)子塊的DC變換基本反映了相鄰幀間的變動(dòng)情況，為了盡可能減少計(jì)算復(fù)雜度，把相鄰幀對(duì)應(yīng)的DCT子塊DC變化幅度作為運(yùn)動(dòng)檢測(cè)標(biāo)準(zhǔn)，計(jì)算運(yùn)動(dòng)特征系數(shù) 其中j表示第j幀，k為第k個(gè)子塊，0表示子塊的第一個(gè)系數(shù)，即DC系數(shù)一幅圖像在運(yùn)動(dòng)特征上可當(dāng)作一段靜止的視頻，故運(yùn)動(dòng)特征為0時(shí)，其對(duì)應(yīng)的運(yùn)動(dòng)掩模系數(shù)為1，隨著運(yùn)動(dòng)的慢慢增加，視覺閾值將變小，隨著運(yùn)動(dòng)的進(jìn)一步加劇，視覺閾值將變大，由此引入視頻流的運(yùn)動(dòng)掩模系數(shù)MotionMaskj=1.0≤DDC(j,.k)<3-0.05DDC(j,k)+1.15.3≤DDC(j,k)<717+DDC(j,k)30.7≤DDC(j,k)<191.2.DDC(j,k)≥19]]>綜合以上的紋理掩模偽裝、亮度掩模偽裝和運(yùn)動(dòng)掩模偽裝模型，引入一個(gè)基于視頻紋理、邊緣、亮度以及運(yùn)動(dòng)等混合視覺特征模型，構(gòu)建子塊的局部自適應(yīng)掩模系數(shù)mkmk＝TextMaskk×LumMaskk×MotionMaskkvk*=vkmk]]>其中，vk*表示經(jīng)子塊掩模系數(shù)糾正過的可用來嵌入水印的原始能量特征。
掩模系數(shù)mk基于HVS，全面描述了子塊局部視覺特征，實(shí)現(xiàn)了水印能量嵌入自適應(yīng)于子塊視覺特征，vk*更貼切地描述了子塊用于水印嵌入的原始特征。選取特征閾值TM，當(dāng)mk＜TM，則認(rèn)為此子塊區(qū)域(平坦區(qū)域或運(yùn)動(dòng)敏感區(qū)域)可嵌入的能量過小，在不影響視覺感知的前提下將給水印檢測(cè)帶來不確定，從而略過此子塊，選擇下一個(gè)子塊。
傳統(tǒng)的水印嵌入模型為vi′＝vi(1+αwi)＝vi+αwivi基于混合視覺特征偽裝模型的視頻水印嵌入演變?yōu)関i′=vi+αwivi*=vi+αwi(vimi)=vi(1+αmiwi)]]>步驟4特征統(tǒng)計(jì)收斂模型混合視覺特征模型使得不同的原始特征v，獲取在同一視覺敏感特征下的特征值大小，其對(duì)應(yīng)的嵌入能量αv*所帶來的不同子塊間的視覺透明性跟嵌入強(qiáng)度因子α和v無關(guān)，這使得一方面，對(duì)不同的被嵌入載體，紋理、邊緣、亮度及運(yùn)動(dòng)特征豐富的區(qū)域比相對(duì)平坦的區(qū)域嵌入了更多的水印能量，針對(duì)水印得魯棒性能來說，這部分多出來的能量是多余的。另一方面，對(duì)相同的被嵌入載體(相同的DC系數(shù))紋理、邊緣區(qū)域相對(duì)平坦的區(qū)域也嵌入了更多的水印能量，針對(duì)水印的魯棒性檢測(cè)來說，這部分由于視頻特征細(xì)微差距而浮動(dòng)的能量也可能是多余的，為了進(jìn)一步提高水印嵌入的不可感知性，在以上混合視覺特征模型所獲得的視覺掩蔽效應(yīng)下，結(jié)合魯棒性檢測(cè)的閾值特征邊界，對(duì)被嵌入子塊做特征統(tǒng)計(jì)，以適應(yīng)視頻水印算法的海量應(yīng)用與推廣，獲取統(tǒng)一的針對(duì)DC系數(shù)的模糊收斂模型，對(duì)水印嵌入能量進(jìn)一步收斂，使水印嵌入的視覺透明性與魯棒性這一對(duì)基本矛盾種取得更佳的平衡。
特征收斂步驟如下①計(jì)算某一DCT子塊特征掩模系數(shù)mk，當(dāng)mk＞TM時(shí)，計(jì)算mk所對(duì)應(yīng)的嵌入能量edc＝αmkvk，并對(duì)DC系數(shù)和此對(duì)應(yīng)的嵌入能量進(jìn)行統(tǒng)計(jì)。
②對(duì)視頻I幀內(nèi)所有的DCT子塊重復(fù)步驟①。
③對(duì)不同的視頻流重復(fù)步驟①，②。
④對(duì)某一個(gè)DC系數(shù)，統(tǒng)計(jì)步驟①所統(tǒng)計(jì)的嵌入能量特征，設(shè)定一個(gè)能量分布概率閾值邊界PE，對(duì)應(yīng)的嵌入能量作為此DC系數(shù)的最小理想水印嵌入能量Edc，參數(shù)大小為PE＝92％，Edc＝edc(PE)。
⑤把Edc映射到一固定的水印可檢測(cè)魯棒閾值邊界TE，參數(shù)大小為TE＝6，獲得這一DC系數(shù)的收斂系數(shù)cdc，針對(duì)相同的DC系數(shù)的不同特征子塊做相同比列(ck)的能量收斂。
⑥對(duì)所有的DC系數(shù)重復(fù)步驟④、⑤，獲得一系列與DC系數(shù)相對(duì)應(yīng)的收斂系數(shù)cdc，從而生成在子塊特征掩模系數(shù)掩蔽下，針對(duì)DC系數(shù)的特征統(tǒng)計(jì)收斂曲線。
若掩模系數(shù)mk所能掩蔽的最小水印嵌入能量小于水印可檢測(cè)的閾值邊界TE，則表明此子塊屬于平坦區(qū)域或視覺敏感區(qū)域，在保證視覺不可感知的前提下可嵌入的水印能量過小，不適合水印嵌入，略過此子塊，從而確保了水印嵌入的不可感知性和魯棒性，通過對(duì)子塊特征閾值TM，確保水印可嵌入能量大于水印可檢測(cè)的閾值邊界TE。步驟⑥在實(shí)施過程中選擇每五個(gè)單位構(gòu)成一次映射，構(gòu)造收斂函數(shù)ck，引入如下假設(shè)假設(shè)I幀中有n個(gè)待嵌入水印的子塊(即有n個(gè)DC系數(shù))，將其絕對(duì)值大小看成一個(gè)高斯序列Ldc＝[dc1，dc2…，dcn]，引入一個(gè)三次高斯函數(shù)f(x)，針對(duì)每個(gè)系數(shù)dck(1≤k≤n))，其對(duì)應(yīng)的收斂糾正系數(shù)ck計(jì)算如下f(x)=a1×e-((x-b1)c1)2+a2×e-((x-b2)c2)2+a3×e-((x-b3)c3)2]]>ck＝f(dck)其中dck為第k個(gè)子塊DC系數(shù)的絕對(duì)值，a1，a2，a3，b1，b2，b3，c1，c2，c3為常數(shù)因子。
本發(fā)明通過300個(gè)不同的MPEG視頻流對(duì)步驟1-3提出的混合視覺特征模型進(jìn)行特征統(tǒng)計(jì)收斂，統(tǒng)計(jì)結(jié)果如附圖4中的實(shí)線所示，圖中的虛線為具體一個(gè)視頻的特征統(tǒng)計(jì)結(jié)果。圖中針對(duì)兩個(gè)單獨(dú)的視頻流的特征統(tǒng)計(jì)結(jié)果與300個(gè)不同視頻流的特征統(tǒng)計(jì)結(jié)果曲線基本吻合，證明了上述的混合視覺特征偽裝模型具有普遍性和穩(wěn)健性，可適用于海量的視頻水印應(yīng)用與推廣。圖中特征統(tǒng)計(jì)收斂曲線對(duì)應(yīng)的參數(shù)大小分別為a1＝0.4839，b1＝-161.7，c1＝333.9，a2＝0.8836，b2＝7.388，c2＝114.8，a3＝0.1765，b3＝-1321，c3＝1423基于以上混合視覺特征模型與特征統(tǒng)計(jì)收斂，針對(duì)選定的第K個(gè)子塊，引入子塊自適應(yīng)特征掩模系數(shù)λk，其計(jì)算如下λk＝mk×ck傳統(tǒng)的水印嵌入模型，進(jìn)一步可演化為vi′＝vi(1+αmiwi)＝vi(1+αλiwi)步驟5MPEG視頻流進(jìn)行水印嵌入和提取水印嵌入步驟如下①把水印信息調(diào)試成0，1二值系列，對(duì)原始視頻部分解碼，獲取I幀DCT子塊。
②計(jì)算子塊掩模系數(shù)mk，對(duì)mk做子塊特征判斷，當(dāng)mk≤TM時(shí)，略過此子塊，選擇下一個(gè)子塊，當(dāng)mk＞TM時(shí)，計(jì)算子塊自適應(yīng)特征掩模系數(shù)λk。
③依據(jù)自適應(yīng)特征掩模系數(shù)λk，計(jì)算子塊嵌入能量，其中α為水印嵌入強(qiáng)度因子。
D＝αλkwkvk。
④水印嵌入vi′=vi-m-D/4m<D/4,wi=1vi-m+3D/4m≥D/4,wi=1vi-m+5D/4m>3D/4,wi=0vi-m+D/4m≤3D/4,wi=0]]>⑤選擇下一個(gè)I幀，返回步驟②，最后對(duì)嵌入水印的子塊進(jìn)行視頻編碼，生成水印視頻。
水印提取步驟如下①對(duì)被檢測(cè)視頻部分解碼，提取I幀DCT子塊。
②計(jì)算子塊自適應(yīng)特征掩模系數(shù)λk′③計(jì)算子塊潛在的水印嵌入能量D＝αλk′wkvk′④提取水印wi＝round(mod(vi′，D)/D)。
水印檢測(cè)公式如下sim(W,W′)=(W′·W)/W′·W′]]>實(shí)施例1水印添加的對(duì)象為彩色Football視頻(8bpp)，視頻幀大小為352×240，嵌入水印信息為216個(gè)字節(jié)的字符信息，對(duì)應(yīng)的二值水印信息為wk∈{-1，1}(k＝1，2，...，1782)。Football視頻加入水印前的原始視頻幀如圖5(a)所示，加入水印后的對(duì)應(yīng)視頻幀如圖5(b)所示，加入水印前后視頻幀的峰值信噪比(PSNR)值為45.82dB，水印檢測(cè)的相關(guān)值為41.521，大于閾值6，說明正確檢測(cè)出水印信息。下面結(jié)合本發(fā)明的方法詳細(xì)說明該實(shí)例實(shí)施的具體步驟如下(1)水印嵌入步驟如下①把水印信息調(diào)試成0，1二值系列，對(duì)Football視頻部分解碼，獲取I幀DCT子塊。
②根據(jù)DCT子塊歸類算法，如附圖2所示，對(duì)子塊進(jìn)行歸類，根據(jù)子塊的類別按如下公式計(jì)算子塊的紋理掩模偽裝系數(shù)
③計(jì)算子塊的亮度偽裝掩模系數(shù)LumMaskk=(FmaxL-Fref)×DC(k)-meanLmax-mean+1(DC(k)>mean)1(25≤DC(k)≤mean)1.12(15≤DC(k)≤25)1.25(DC(k)<15)]]>④計(jì)算子塊運(yùn)動(dòng)偽裝掩模系數(shù)提取相鄰幀對(duì)應(yīng)的DCT子塊DC系數(shù)，計(jì)算運(yùn)動(dòng)特征系數(shù) 根據(jù)運(yùn)動(dòng)特征系數(shù)計(jì)算運(yùn)動(dòng)偽裝掩模系數(shù)MotionMaskj=1.0≤DDC(j,k)<3-0.05DDC(j,k)+1.15.3≤DDC(j,k)<717+DDC(j,k)30.7≤DDC(j,k)<191.2.DDC(j,k)≥19]]>計(jì)算DCT子塊的局部自適應(yīng)掩模系數(shù)mk＝TextMaskk×LumMaskk×MotionMaskk對(duì)mk做子塊特征判斷，當(dāng)mk≤TM時(shí)，略過此子塊，選擇下一個(gè)子塊，返回到步驟②，當(dāng)mk＞TM時(shí)，根據(jù)特征收斂方程f(x)，計(jì)算子塊自適應(yīng)特征掩模系數(shù)λk。
f(x)=a1×e-((x-b1)c1)2+a2×e-((x-b2)c2)2+a3×e-((x-b3)c3)2]]>λk＝mk×f(dck)其中dck為第k個(gè)子塊DC系數(shù)的絕對(duì)值。
⑤依據(jù)自適應(yīng)特征掩模系數(shù)λk，計(jì)算子塊嵌入能量，其中α為水印嵌入強(qiáng)度因子D＝αλkwkvk⑥采用盲水印策略，進(jìn)行水印嵌入vi′=vi-m-D/4m<D/4,wi=1vi-m+3D/4m≥D/4,wi=1vi-m+5D/4m>3D/4,wi=0vi-m+D/4m≤3D/4,wi=0]]>⑦選擇下一個(gè)I幀，返回步驟②，最后對(duì)嵌入水印的子塊進(jìn)行視頻編碼，生成水印視頻。
(2)水印提取步驟如下①對(duì)被檢測(cè)的Football視頻(可能含有水印，也可能不含水印)部分解碼，獲取I幀DCT子塊。
②根據(jù)DCT子塊歸類算法，如附圖2所示，對(duì)子塊進(jìn)行歸類，根據(jù)子塊的類別按如下公式計(jì)算子塊的紋理掩模偽裝系數(shù) ③計(jì)算子塊的亮度偽裝掩模系數(shù)LumMaskk=(FmaxL-Fref)×DC(k)-meanLmax-mean+1.(DC(k)>mean)1(25≤DC(k)≤mean)1.125(15≤DC(k)<25)1.25(DC(k)<15)]]>④計(jì)算子塊運(yùn)動(dòng)偽裝掩模系數(shù)提取相鄰幀對(duì)應(yīng)的DCT子塊DC系數(shù)，計(jì)算運(yùn)動(dòng)特征系數(shù) 根據(jù)運(yùn)動(dòng)特征系數(shù)計(jì)算運(yùn)動(dòng)偽裝掩模系數(shù)MotionMaskj=1.0≤DDC(j,k)<3-0.05DDC(j,k)+1.15.3≤DDC(j,k)<717+DDC(j,k)30.7≤DDC(j,k)<191.2.DDC(j,k)≥19]]>計(jì)算DCT子塊的局部自適應(yīng)掩模系數(shù)mk′＝TextMaskk×LumMaskk×MotionMaskk對(duì)mk′做子塊特征判斷，當(dāng)mk′≤TM時(shí)，略過此子塊，選擇下一個(gè)子塊，返回到步驟②，當(dāng)mk′＞TM時(shí)，根據(jù)特征收斂方程f(x)，計(jì)算子塊自適應(yīng)特征掩模系數(shù)λk。
f(x)=a1×e-((x-b1)c1)2+a2×e-((x-b2)c2)2+a3×e-((x-b3)c3)2]]>λk′＝mk′×f(dck′)
其中dck′為第k個(gè)子塊DC系數(shù)的絕對(duì)值。
⑤依據(jù)自適應(yīng)特征掩模系數(shù)λk′，計(jì)算子塊嵌入能量，其中α為水印嵌入強(qiáng)度因子D＝αλk′wkvk′⑥水印提取wi＝round(mod(vi′，D)/D)。
實(shí)施例2水印添加的對(duì)象為彩色FlowerGarden視頻(8bpp)，視頻幀大小為352×240，嵌入水印信息為216個(gè)字節(jié)的字符信息，對(duì)應(yīng)的二值水印信息為wk∈{-1，1}(k＝1，2，...，1782)。F1owerGarden視頻加入水印前的原始視頻幀如圖6(a)所示，加入水印后的對(duì)應(yīng)視頻幀如圖6(b)所示，加入水印前后視頻幀的峰值信噪比(PSNR)值為44.68dB，水印檢測(cè)的相關(guān)值為41.377，大于閾值6，說明正確檢測(cè)出水印信息。。下面結(jié)合本發(fā)明的方法詳細(xì)說明該實(shí)例實(shí)施的具體步驟如下(1)水印嵌入步驟如下①把水印信息調(diào)試成0，1二值系列，對(duì)FlowerGarden視頻部分解碼，獲取I幀DCT子塊。
②根據(jù)DCT子塊歸類算法，如附圖2所示，對(duì)子塊進(jìn)行歸類，根據(jù)子塊的類別按如下公式計(jì)算子塊的紋理掩模偽裝系數(shù) ③計(jì)算子塊的亮度偽裝掩模系數(shù)LumMaskk=(FmaxL-Fref)×DC(k)-meanLmax-mean+1.(DC(k)>mean)1(25≤DC(k)≤mean)1.125(15≤DC(k)<25)1.25(DC(k)<15)]]>④計(jì)算子塊運(yùn)動(dòng)偽裝掩模系數(shù)提取相鄰幀對(duì)應(yīng)的DCT子塊DC系數(shù)，計(jì)算運(yùn)動(dòng)特征系數(shù) 根據(jù)運(yùn)動(dòng)特征系數(shù)計(jì)算運(yùn)動(dòng)偽裝掩模系數(shù)
MotionMaskj=1.0≤DDC(j,k)<3-0.05DDC(j,k)+1.15.3≤DDC(j,k)<717+DDC(j,k)30.7≤DDC(j,k)<191.2.DDC(j,k)≥19]]>計(jì)算DCT子塊的局部自適應(yīng)掩模系數(shù)mk＝TextMaskk×LumMaskk×MotionMaskk對(duì)mk做子塊特征判斷，當(dāng)mk≤TM時(shí)，略過此子塊，選擇下一個(gè)子塊，返回到步驟②，當(dāng)mk＞TM時(shí)，根據(jù)特征收斂方程f(x)，計(jì)算子塊自適應(yīng)特征掩模系數(shù)λk。
f(x)=a1×e-((x-b1)c1)2+a2×e-((x-b2)c2)2+a3×e-((x-b3)c3)2]]>λk＝mk×f(dck)其中dck為第k個(gè)子塊DC系數(shù)的絕對(duì)值。
⑤依據(jù)自適應(yīng)特征掩模系數(shù)λk，計(jì)算子塊嵌入能量，其中α為水印嵌入強(qiáng)度因子D＝αλkwkvk⑥采用盲水印策略，進(jìn)行水印嵌入vi′=vi-m-D/4m<D/4,wi=1vi-m+3D/4m≥D/4,wi=1vi-m+5D/4m>3D/4,wi=0vi-m+D/4m≤3D/4,wi=0]]>⑦選擇下一個(gè)I幀，返回步驟②，最后對(duì)嵌入水印的子塊進(jìn)行視頻編碼，生成水印視頻。
(2)水印提取步驟如下①對(duì)被檢測(cè)的FlowerGarden視頻(可能含有水印，也可能不含水印)部分解碼，獲取I幀DCT子塊。
②根據(jù)DCT子塊歸類算法，如附圖2所示，對(duì)子塊進(jìn)行歸類，根據(jù)子塊的類別按如下公式計(jì)算子塊的紋理掩模偽裝系數(shù)
③計(jì)算子塊的亮度偽裝掩模系數(shù)LumMaskk=(FmaxL-Fref)×DC(k)-meanLmax-mean+1.(DC(k)>mean)1(25≤DC(k)≤mean)1.125(15≤DC(k)<25)1.25(DC(k)<15)]]>④計(jì)算子塊運(yùn)動(dòng)偽裝掩模系數(shù)提取相鄰幀對(duì)應(yīng)的DCT子塊DC系數(shù)，計(jì)算運(yùn)動(dòng)特征系數(shù) 根據(jù)運(yùn)動(dòng)特征系數(shù)計(jì)算運(yùn)動(dòng)偽裝掩模系數(shù)MotionMaskj=1.0≤DDC(j,k)<3-0.05DDC(j,k)+1.15.3≤DDC(j,k)<717+DDC(j,k)30.7≤DDC(j,k)<191.2.DDC(j,k)≥19]]>計(jì)算DCT子塊的局部自適應(yīng)掩模系數(shù)mk′＝TextMaskk×LumMaskk×MotionMaskk對(duì)mk′做子塊特征判斷，當(dāng)mk′≤TM時(shí)，略過此子塊，選擇下一個(gè)子塊，返回到步驟②，當(dāng)mk′＞TM時(shí)，根據(jù)特征收斂方程f(x)，計(jì)算子塊自適應(yīng)特征掩模系數(shù)λk′。
f(x)=a1×e-((x-b1)c1)2+a2×e-((x-b2)c2)2+a3×e-((x-b3)c3)2]]>λk′＝mk′×f(dck′)其中dck′為第k個(gè)子塊DC系數(shù)的絕對(duì)值。
⑤依據(jù)自適應(yīng)特征掩模系數(shù)λk′，計(jì)算子塊嵌入能量，其中α為水印嵌入強(qiáng)度因子D＝αλk′wkvk′⑥水印提取wi＝round(mod(vi′，D)/D)。
權(quán)利要求
1.一種基于視覺特征的視頻水印方法，其特征在于包括如下步驟1)對(duì)視頻流進(jìn)行部分解碼，對(duì)視頻幀進(jìn)行離散余弦變換，把離散余弦變換獲得的子塊劃分成DC、低頻、邊、高頻四個(gè)部分，通過子塊歸類算法把子塊歸類成邊緣子塊、紋理子塊和平坦子塊三類，計(jì)算子塊對(duì)應(yīng)的紋理偽裝掩模系數(shù)；2)采用韋伯定律線性模型，計(jì)算子塊的亮度偽裝掩模系數(shù)；3)通過相臨幀對(duì)應(yīng)的離散余弦變換子塊之間的DC系數(shù)變動(dòng)，計(jì)算子塊的運(yùn)動(dòng)偽裝掩模系數(shù)，引入一個(gè)基于視頻紋理、邊緣、亮度以及運(yùn)動(dòng)等特征的混合視覺特征模型，并提取子塊掩模系數(shù)；4)采用樣本訓(xùn)練的方法，構(gòu)造一個(gè)特征統(tǒng)計(jì)收斂模型，對(duì)視頻水印的嵌入能量進(jìn)一步收斂，生成與人的視覺感知模型相一致的自適應(yīng)視頻水印嵌入模型；5)根據(jù)自適應(yīng)視頻水印嵌入模型，采用盲水印嵌入方法，對(duì)視頻流進(jìn)行水印嵌入和提取，完成對(duì)視頻的水印嵌入。
2.根據(jù)權(quán)利要求1所述的一種基于視覺特征的視頻水印方法，其特征在于，所述的對(duì)視頻流進(jìn)行部分解碼，對(duì)視頻幀進(jìn)行離散余弦變換，把離散余弦變換獲得的子塊劃分成DC、低頻、邊、高頻四個(gè)部分，通過子塊歸類算法把子塊歸類成邊緣子塊、紋理子塊和平坦子塊三類，計(jì)算子塊對(duì)應(yīng)的紋理偽裝掩模系數(shù)對(duì)視頻流進(jìn)行部分解碼，提取8×8的DCT子塊，把子塊劃分成DC、低頻、邊以及高頻四個(gè)區(qū)域，四個(gè)區(qū)域的能量系數(shù)絕對(duì)值和分別用DC、L、E、H表示，比例因子(L+E)/H和L/E的大小代表圖像邊緣能量，E+H代表了紋理能量，根據(jù)子塊歸類算法，把子塊劃分成紋理子塊，邊緣子塊和平坦子塊，針對(duì)不同類型的子塊分三種情況計(jì)算其子塊紋理掩模偽裝系數(shù)①針對(duì)紋理子塊，E+H基本代表了子塊的紋理能量，紋理掩模偽裝系數(shù)公式為TextMask(k)=(FMaxT-1)×TexE(k)-MinMax-Min+1]]>其中TexE(k)為第K個(gè)子塊的局部紋理能量，Max，Min分別為紋理子塊的最大和最小能量，F(xiàn)MaxT為能量調(diào)節(jié)系數(shù)，用來模型優(yōu)化，②針對(duì)平坦的子塊，紋理掩模系數(shù)為1，③針對(duì)邊緣子塊，L+E近似代表了子塊能量，當(dāng)L+E≤400時(shí)，掩模系數(shù)為1.125，否則取值為1.25。
3.根據(jù)權(quán)利要求1所述的一種基于視覺特征的視頻水印方法，其特征在于，所述的采用韋伯定律線性模型，計(jì)算子塊的亮度偽裝掩模系數(shù)DC系數(shù)代表子塊背景亮度特征，亮度特征偽裝模型包括高亮背景的線性部分和灰度背景的非線性部分，高亮背景的線性部分適用于韋定律，根據(jù)韋伯定律，引入子塊亮度偽裝掩模偽裝系數(shù)①當(dāng)DC＞mean時(shí)，亮度掩模系數(shù)的計(jì)算公式為L(zhǎng)umMask(k)=(FmaxL-Fref)×DC(k)-meanLmax-mean+1.,]]>②當(dāng)Lmin≤DC(k)≤mean時(shí)，掩模系數(shù)為1，③當(dāng)DC(k)＜Lmin時(shí)，當(dāng)25≤DC(k)＜Lmin時(shí)掩模系數(shù)為1；當(dāng)15≤DC(k)＜25時(shí)掩模系數(shù)為1.125；當(dāng)DC(k)＜15時(shí)，掩模系數(shù)為1.25，其中，參數(shù)Lmin和Lmax代表線性模型的亮度范圍，F(xiàn)maxL為最大亮度調(diào)節(jié)因子，mean為整個(gè)視頻幀的平均灰度值；mean對(duì)應(yīng)的參數(shù)Fref。
4.根據(jù)權(quán)利要求1所述的一種基于視覺特征的視頻水印方法，其特征在于，所述的通過相臨幀對(duì)應(yīng)的離散余弦變換子塊之間的DC系數(shù)變動(dòng)，計(jì)算子塊的運(yùn)動(dòng)偽裝掩模系數(shù)，引入一個(gè)基于視頻紋理、邊緣、亮度以及運(yùn)動(dòng)等特征的混合視覺特征模型，并提取子塊掩模系數(shù)把相鄰幀對(duì)應(yīng)的離散余弦變換子塊DC變化幅度作為運(yùn)動(dòng)檢測(cè)標(biāo)準(zhǔn)，計(jì)算運(yùn)動(dòng)特征系數(shù)DDC(j,k)=|X′j,k,0-X′j-1,k,0|]]>其中j表示第j幀，k為第k個(gè)子塊，0表示子塊的第一個(gè)系數(shù)，即DC系數(shù)。由此可獲得視頻流的運(yùn)動(dòng)掩模系數(shù)MotionMaskj=1.0≤DDC(j,k)<3-0.05DDC(j,k)+1.15.3≤DDC(j,k)<717+DDC(j,k)30.7≤DDC(j,k)<191.2.DDC(j,k)≥19]]>引入一個(gè)基于視頻紋理、邊緣、亮度以及運(yùn)動(dòng)等混合視覺特征模型，構(gòu)建子塊的局部自適應(yīng)掩模系數(shù)mkmk＝TextMaskk×LumMaskk×MotionMaskkvk*=vkmk]]>其中，vk*表示經(jīng)子塊掩模系數(shù)糾正過的可用來嵌入水印的原始能量特征，基于混合視覺特征偽裝模型的視頻水印嵌入模型為vi′=vi+αwivi*=vi+αwi(vimi)=vi(1+αmiwi).]]>
5.根據(jù)權(quán)利要求1所述的一種基于視覺特征的視頻水印方法，其特征在于，所述的采用樣本訓(xùn)練的方法，構(gòu)造一個(gè)特征統(tǒng)計(jì)收斂模型，對(duì)視頻水印的嵌入能量進(jìn)一步收斂，生成與人的視覺感知模型相一致的自適應(yīng)視頻水印嵌入模型在視覺混合特征模型的基礎(chǔ)上，依據(jù)視覺敏感特性以及水印可檢測(cè)的閾值邊界，引入如下假設(shè)假設(shè)I幀中有n個(gè)待嵌入水印的子塊，將其直流系數(shù)DC的絕對(duì)值大小看成一個(gè)高斯序列Ldc＝[dc1，dc2...，dcn]，引入一個(gè)三次高斯函數(shù)f(x)，針對(duì)每個(gè)系數(shù)dck，1≤k≤n，其對(duì)應(yīng)的收斂糾正系數(shù)ck計(jì)算如下f(x)=a1×e-((x-b1)c1)2+a2×e-(x-b2c2)2+a3×e-(x-b3c3)2]]>ck＝f(dck)其中，dck為第k個(gè)子塊DC系數(shù)的絕對(duì)值，a1，a2，a3，b1，b2，b3，c1，c2，c3為常數(shù)因子?；谝陨匣旌弦曈X特征模型與特征統(tǒng)計(jì)收斂，針對(duì)選定的第K個(gè)子塊，引入子塊自適應(yīng)特征掩模系數(shù)λk，其計(jì)算如下λk＝mk×ck水印嵌入模型，進(jìn)一步可演化為vi′＝vi(1+αmiwi)＝vi(1+αλiwi)。
6.根據(jù)權(quán)利要求1所述的一種基于視覺特征的視頻水印方法，其特征在于，所述的根據(jù)自適應(yīng)視頻水印嵌入模型，采用盲水印嵌入方法，對(duì)視頻流進(jìn)行水印嵌入和提取，完成對(duì)視頻的水印嵌入水印嵌入步驟如下①把水印信息調(diào)試成0，1二值系列，對(duì)原始視頻部分解碼，獲取I幀離散余弦變換子塊，②計(jì)算子塊自適應(yīng)特征掩模系數(shù)λk，③計(jì)算子塊水印嵌入能量D＝αλkwkvk，④水印嵌入vi′=vi-m-D/4m<D/4,wi=1vi-m+3D/4m≥D/4,wi=1vi-m+5D/4m>3D/4,wi=0vi-m+D/4m≤3D/4,wi=0]]>⑤選擇下一個(gè)I幀，返回步驟1，最后對(duì)嵌入水印的子塊進(jìn)行視頻編碼，生成水印視頻，水印提取步驟如下①對(duì)被檢測(cè)視頻部分解碼，提取I幀離散余弦變換子塊，②計(jì)算子塊自適應(yīng)特征掩模系數(shù)λk′，③計(jì)算子塊潛在的水印嵌入能量D＝αλk′wkvk′，④提取水印wi＝round(mod(vi′，D)/D)，其中mod(x，y)為模運(yùn)算，round(x)為四舍五入取整運(yùn)算，水印檢測(cè)公式如下sim(W,W′)=(W′·W)/W′·W′.]]>
全文摘要
本發(fā)明公開了一種基于視覺特征的視頻水印方法，本方法基于離散余弦變換技術(shù)，首先對(duì)視頻幀進(jìn)行離散余弦變換，提取視頻幀子塊的紋理、亮度及邊緣等特征；然后在視頻幀之間提取視頻幀的運(yùn)動(dòng)特征，構(gòu)造一個(gè)混合的自適應(yīng)子塊特征抽取模型；最后，根據(jù)視覺敏感特性和水印魯棒性的雙重需求，構(gòu)造一個(gè)特征統(tǒng)計(jì)收斂模型，生成與人的視覺感知模型相一致的自適應(yīng)視頻水印方法。本發(fā)明提取的子塊紋理、亮度、邊緣特征以及運(yùn)動(dòng)特征的很好地表達(dá)了視頻的視覺特征，依賴于視覺敏感特性和水印魯棒性需求的特征統(tǒng)計(jì)模型，使得水印的嵌入能量進(jìn)一步細(xì)化，實(shí)現(xiàn)了視頻水印嵌入與視頻視覺特征相關(guān)的水印嵌入過程，并解決了視頻水印技術(shù)在海量應(yīng)用時(shí)魯棒性不足的問題。
文檔編號(hào)H04N7/30GK101064847SQ20071006864
公開日2007年10月31日 申請(qǐng)日期2007年5月15日 優(yōu)先權(quán)日2007年5月15日
發(fā)明者莊越挺, 吳飛, 吳國民 申請(qǐng)人:浙江大學(xué)