專利名稱::基于運動區(qū)域定位的視頻水印方法
技術(shù)領(lǐng)域:
:本發(fā)明涉及一種基于運動區(qū)域定位的數(shù)字視頻水印技術(shù),屬于視頻、多媒體信號處理
技術(shù)領(lǐng)域:
。它充分考慮了人眼對運動區(qū)域及其鄰近區(qū)域的變化敏感性相對較低的視覺特性,通過運動區(qū)域的定位,將水印嵌入視頻幀的運動區(qū)域內(nèi),且采用基于視覺模型的Q頂算法,在保證水印不可見的前提下,使水印具有較高的魯棒性。
背景技術(shù):
:隨著網(wǎng)絡(luò)技術(shù)和多媒體技術(shù)的飛速發(fā)展,人們的日常生活與工作越來越趨向于數(shù)字化和網(wǎng)絡(luò)化,多媒體數(shù)據(jù)逐漸成為人們獲取信息的重要來源。人們不但可以通過網(wǎng)絡(luò)獲取與原始數(shù)據(jù)完全相同的復(fù)制品,而且可以毫無限制地編輯、修改、拷貝和散布這些多媒體信息,由此引起的信息安全問題、盜版問題和版權(quán)糾紛問題成為影響社會安定的因素。在這種背景下,數(shù)字水印技術(shù)作為信息保護的重要手段被廣泛應(yīng)用于數(shù)字產(chǎn)品的版權(quán)保護、發(fā)布追蹤及身份認證等研究課題中去。近年來數(shù)字水印技術(shù)取得了很大的發(fā)展,但研究主要集中于靜止圖像水印技術(shù)。在視頻水印研究方面,由于包括空間掩蔽效應(yīng)等特性在內(nèi)的更為精確的人眼視覺模型尚未完全建立,一些針對視頻水印的特殊攻擊形式(如幀交換、幀裁剪、幀刪除等)的出現(xiàn),以及視頻水印算法的實時性和盲檢測等特點使得視頻水印研究發(fā)展相對滯后。目前視頻水印算法主要分為三類在原始視頻中嵌入水印,在壓縮視頻中嵌入水印,及在編碼壓縮時嵌入水印。原始視頻水印嵌入的算法比較簡單,復(fù)雜度相對較低,水印嵌入的方法也比較多,可以充分利用靜止圖像的水印技術(shù),且算法比較成熟,但是,對已壓縮的視頻需要先解碼,嵌入水印后再重新編碼,往往會影響視頻的質(zhì)量及水印的魯棒性和不可見性。壓縮視頻水印嵌入的算法沒有解碼和再編碼的過程,因而不會造成視頻質(zhì)量的下降,但由于壓縮比特率的限制而限定了嵌入水印數(shù)據(jù)量的大小,嵌入水印的強度受視頻解碼誤差的約束,嵌入后的效果可能出現(xiàn)可察覺的變化。在編碼壓縮時嵌入水印,一般考慮與某種動態(tài)圖像專家組(MPEG)編碼標準相結(jié)合,如常見的MPEG-1、MPEG-2或MPEG-4,其算法的嵌入和提取處理可以比較簡單,能夠?qū)崿F(xiàn)水印嵌入和提取的實時處理,但它需要修改編碼器和解碼器,而且存在畫面組(GOP)的誤差積累,導(dǎo)致視頻質(zhì)量的降低。
發(fā)明內(nèi)容本發(fā)明針對目前原始視頻水印嵌入算法存在的不足,提供一種基于運動區(qū)域定位的視頻水印方法,此方法對水印的魯棒性及不可見性有極大的改善與提高。本發(fā)明提出的基于運動區(qū)域定位的視頻水印方法包括以下步驟(1)運動區(qū)域定位,提取視頻中相鄰兩幀的運動分量幀,即包含相鄰兩幀相對運動信息的幀圖像,并據(jù)此實現(xiàn)原始視頻幀中運動區(qū)域的定位;(2)嵌入水印,根據(jù)步驟(1)中的運動區(qū)域定位,將水印嵌入視頻各幀的運動區(qū)域;(3)檢測水印,對視頻各幀進行水印提取,并進一步統(tǒng)計分析各幀提取的水印,以檢測視頻中是否含有水印信息。視頻中的每幀都通過其后幀實現(xiàn)運動區(qū)域的定位,每幀都按照步驟(2)嵌入水印,但最后一幀除外。這樣可以抵抗幀刪除攻擊。所述步驟(1)的具體實現(xiàn)步驟為a提取視頻中相鄰兩幀的運動分量幀,即包含相鄰兩幀相對運動信息的幀圖像;b將運動分量幀分解成互不重疊的易于編碼的小塊,并計算各塊的方差;C定義一個包含至少四個小塊的方塊為宏塊,用此宏塊掃描運動分量幀,以宏塊內(nèi)各小塊的方差和作為衡量運動劇烈與否的標準,以方差和最大的宏塊為中心確定一個方形區(qū)域,此區(qū)域?qū)?yīng)至原視頻幀中,即為要定位的運動區(qū)域。上述步驟C中方形區(qū)域的大小視水印的長度來確定,應(yīng)滿足方形區(qū)域中每個小塊嵌一比特水印信息的要求。所述步驟(l)中提取視頻中相鄰兩幀的運動分量幀所采用的方法是基于小波變換的方法、基于二維主成分分析(2DPCA)的方法、前后幀相減的方法,獨立分量分析(ICA)算法。采用獨立分量分析(ICA)算法時可以是快速獨立分量分析(FastICA)算法。所述步驟(2)中嵌入水印采用的水印算法為適用于靜止圖像的水印算法,特別是基于視覺模型的量化索引調(diào)制(QIM)算法。所述步驟(3)的具體實現(xiàn)步驟為a根據(jù)步驟(2)中所采用水印算法的提取步驟提取各幀的水印;b利用投票方法對各幀提取的水印進行統(tǒng)計分析,即水印的某比特位,若超過總數(shù)一半的幀提取得到的水印中此比特位為1,則此比特位判為l,否則判為0。本發(fā)明考慮到人眼對運動區(qū)域及其鄰近區(qū)域的變化敏感性相對較低的視覺特性,充分利用視頻序列的幀間關(guān)系,定位運動區(qū)域以嵌入水印。此方法對水印的魯棒性及不可見性有極大的改善與提高。圖l是本發(fā)明方法的框架圖。圖2是運動區(qū)域定位過程的說明圖,左邊幀中的小方框代表宏塊,大方框代表視頻幀中相應(yīng)的運動區(qū)域。圖3視頻中相鄰兩幀中的前幀圖像。圖4是視頻中相鄰兩幀中的后幀圖像。圖5是FastICA算法提取的運動分量幀,即包含相鄰兩幀相對運動信息的幀圖像。圖6是FastICA算法提取的靜態(tài)分量幀,即包含相鄰兩幀背景信息的幀圖像。圖7是QIM水印算法流程圖,其流程圖由水印嵌入、信道傳輸及水印檢測三部分組成。圖8是水印視頻中各幀的峰值信噪比(PSNR)曲線圖。具體實施方式采用快速獨立分量分析(FastICA)算法提取動態(tài)分量幀,即提取包含相鄰兩幀相對運動信息的幀圖像,及采用現(xiàn)有水印算法中的量化索引調(diào)制(QIM)算法嵌入水印為例進行具體說明。本領(lǐng)域技術(shù)人員根據(jù)說明,也可采用其他算法進行動態(tài)分量的提取,如相鄰兩幀相減的方法、利用小波變換的方法以及其它的ICA算法等。另外,在嵌入水印的時候也可利用其它現(xiàn)有的水印算法,如擴頻(SS)水印算法、基于小波的水印算法、基于奇異值分解的水算法等。圖l給出了本發(fā)明方法的框架圖,按所示流程,包括如下具體步驟1.運動區(qū)域定位,即確定水印的嵌入位置將原始視頻分解成幀,利用FastICA算法提取相鄰兩幀的運動分量幀,所述運動分量幀是指包含相鄰兩幀相對運動信息的幀圖像。將此運動分量幀分解成互不重疊且易于編碼的小塊(通常大小為8站),并計算各塊的方差。用相當于四個小塊大小的宏塊(通常大小為16*16)掃描運動分量幀,以宏塊內(nèi)各小塊的方差和作為衡量運動劇烈與否的標準,以方差和最大的宏塊為中心確定一個大小為N*N的方形區(qū)域,此區(qū)域?qū)?yīng)至原視頻幀,即得到要定位的運動區(qū)域。其中,運動區(qū)域的大小由水印的長度L決定,滿足關(guān)系式i:7VxW,即一個小塊中嵌入一比特的水印信息。如圖2所示。FastICA算法提取運動分量的結(jié)果如圖3、圖4、圖5、圖6所示。圖3、圖4、圖5、圖6可以解釋方案為什么采用方差作為衡量運動劇烈與否的依據(jù)。由圖5可以看出,只有在運動區(qū)域圖像存在紋理,這些紋理標識了相對運動。而且顯著的紋理反映劇烈的運動,模糊的紋理代表其運動微小,沒有紋理即沒有運動發(fā)生。從數(shù)學(xué)計算可以得出,運動分量幀中紋理顯著的區(qū)域方差大,故方案利用方差作為衡量運動劇烈與否的標準來實現(xiàn)運動區(qū)域的定位。2.水印嵌入在水印嵌入過程中,方案采用了一種基于視覺模型的QM算法,圖7給出了此算法的框架圖。算法中使用的Watson視覺模型由一個敏感度函數(shù)、兩個基于亮度和對比度掩蔽的掩蔽部分以及一個合并部分組成。Watson視覺模型敏感度表中每個元素t(W)與DCT系數(shù)a力一一對應(yīng),代表在沒有任何掩蔽噪聲的情況下,計算DCT系數(shù)(u〕最大修改幅度的臨界可見誤差,其中/,7'=0,1,...,7。c。(/,y,/t)為原圖中第A塊的DCT系數(shù)(;',y),為嵌入水印后第"央的DCT系數(shù)(W),水印『為只包含0,l的二進制偽隨機序列。按照圖7中的水印嵌入部分,其具體流程如下(1)將運動區(qū)域進行塊DCT變換,由Waston模型,設(shè)定c。(zj,/t)嵌入水印的量化步長為step(/,乂)=Maxt(/,乂),其中6她用來控制嵌入水印的強度。量化得到q力',M)JW《)1,step(w)me(/J,"=r(W(qe(/J,A:)),5=meqe(/,_/,A:),其中1化會,并按以下規(guī)則嵌入水印(a)若mod(me(/JJ),2)-『,則|cw(Z,yj)|=me(Z,7stq)0',7');(b)若mod(me(/,M),2:M『,則當&0時,1cw(,J,A:)|=(me(/,_/,"+1)>^6口(/,力;當5<0時,Icw(/,_/,"|=(me_/,A:)-1)xstep(/,力.(2)所有比特嵌入完成后,進行反塊DCT變換,得到嵌入水印后的圖像。視頻中每幀圖像經(jīng)過運動區(qū)域定位嵌入水印后,進行重建得到嵌入水印的視頻。3.水印檢測將接收到的視頻分解成幀,對各幀按照步驟1的具體過程進行運動定位,得到運動區(qū)域后進行水印提取。按照圖7中的水印檢測部分,其具體流程如下(1)對待檢測運動區(qū)域進行塊DCT變換,得到第A塊(/,/)位置的DCT系數(shù)cJ/,乂,/t),計算其檢測水印的量化步長為step(/,力"etox他力。量化得到qrf(,.,M)=/(';〈'"、,step(,,乂)mrf(/,y,"="m/(qrf(i,_a)),并按以下規(guī)則提取水印『=mod(nid(/,M),2).得到水印『,,,下標"表示水印『是由視頻中的第《幀提取得到的;(2)用投票方法對各幀提取的水印『,,進行綜合統(tǒng)計分析,以水印的其中一比特位為例,若超過的水印中此比特位為l,則此比特為判為l,否則判為0,艮卩1,&『,戶1盧1,2,…,z:,其中,『'為最終的檢測水印,L為水印的長度。(3)計算提取的水印『與嵌入的水印ff之間的歸一化相關(guān)系數(shù)NC,以判斷視頻中是否存在水印f(2『(0-1)W(/)-1)藝(2ff(力—1)2,藝(2ff'(力—1)2當NC大于閾值threshold時,判斷視頻中存在水印,否則視頻中沒有水印。其中,threshold的取值可根據(jù)不同的情況進行不同的設(shè)定。仿真試驗截取了一段北極熊視頻作為載體視頻,共包含51幀圖像,每幀圖像大小為272*352,幀率為25fps。使用的水印為由0,1組成的二進制偽隨機序列,長度為100。圖8給出了本發(fā)明在無干擾條件下的水印視頻各幀的PSNR曲線圖,由圖8可以看出水印視頻的各幀具有較高的PSNR值,即各幀圖像具有較高的保真度。為證明本發(fā)明中水印的魯棒性,采用一些常見的信息處理方式對水印視頻進行了處理,包括各種均值為0方差Var不同的高斯白噪聲攻擊,在保持視頻時長或幀數(shù)的前提下采用不同幀率的MPEG-2壓縮,以及幀刪除和幀剪裁攻擊。其中,幀刪除中隨機刪掉視頻中約10%的幀,即5幀,幀剪裁攻擊又包括了順序剪裁和隨機剪裁兩種方式。下表給出了各種攻擊下,水印的檢測值NC。各種攻擊下水印的檢測值NC<table>tableseeoriginaldocumentpage7</column></row><table>綜上,仿真結(jié)果證明了本方案的可行性及可靠性。它在保證水印不可見的前提下,對高斯白噪聲、MPEG-2壓縮、幀刪除及幀剪裁攻擊具有較高的魯棒性。權(quán)利要求1.一種基于運動區(qū)域定位的視頻水印方法,其特征在于,包括以下步驟(1)運動區(qū)域定位,提取視頻中相鄰兩幀的運動分量幀,即包含相鄰兩幀相對運動信息的幀圖像,并據(jù)此實現(xiàn)原始視頻幀中運動區(qū)域的定位;(2)嵌入水印,根據(jù)步驟(1)中的運動區(qū)域定位,將水印嵌入視頻各幀的運動區(qū)域;(3)檢測水印,對視頻各幀進行水印提取,并進一步統(tǒng)計分析各幀提取的水印,以檢測視頻中是否含有水印信息。2.根據(jù)權(quán)利要求l所述的基于運動區(qū)域定位的視頻水印方法,其特征在于所述視頻中的每幀都通過其后幀實現(xiàn)運動區(qū)域的定位,每幀都按照步驟(2)嵌入水印,但最后一幀除外。3.根據(jù)權(quán)利要求1所述的基于運動區(qū)域定位的視頻水印方法,其特征在于所述步驟(1)的具體實現(xiàn)步驟為-a提取視頻中相鄰兩幀的運動分量幀,即包含相鄰兩幀相對運動信息的幀圖像;b將運動分量幀分解成互不重疊的易于編碼的小塊,并計算各塊的方差;C定義一個包含至少四個小塊的方塊為宏塊,用此宏塊掃描運動分量幀,以宏塊內(nèi)各小塊的方差和作為衡量運動劇烈與否的標準,以方差和最大的宏塊為中心確定一個方形區(qū)域,此區(qū)域?qū)?yīng)至原視頻幀中,即為要定位的運動區(qū)域。4.根據(jù)權(quán)利要求3所述的基于運動區(qū)域定位的視頻水印方法,其特征在于所述步驟c中方形區(qū)域的大小視水印的長度來確定,應(yīng)滿足方形區(qū)域中每個小塊嵌一比特水印信息的要求。5.根據(jù)權(quán)利要求l所述的基于運動區(qū)域定位的視頻水印方法,其特征在于所述步驟(1)中提取視頻中相鄰兩幀的運動分量幀所采用的方法是基于小波變換的方法、基于二維主成分分析的方法、前后幀相減的方法、獨立分量分析算法。6.根據(jù)權(quán)利要求l所述的基于運動區(qū)域定位的視頻水印方法,其特征在于所述步驟(2)中嵌入水印采用的水印算法為適用于靜止圖像的水印算法。7.根據(jù)權(quán)利要求l所述的基于運動區(qū)域定位的視頻水印方法,其特征在于所述步驟(3)的具體實現(xiàn)步驟為a根據(jù)步驟(2)中所采用水印算法的提取步驟提取各幀的水印;b利用投票方法對各幀提取的水印進行統(tǒng)計分析,即水印的某比特位,若超過總數(shù)一半的幀提取得到的水印中此比特位為1,則此比特位判為l,否則判為o。全文摘要本發(fā)明提供一種基于運動區(qū)域定位的視頻水印方法。這個方法將水印嵌入至視頻各幀中通過定位得到的運動區(qū)域中,首先將視頻分解成幀,提取相鄰兩幀的運動分量幀,即包含相鄰兩幀相對運動信息的幀圖像,然后根據(jù)此運動分量幀定位原視頻幀中相對運動最劇烈的區(qū)域,即實現(xiàn)運動區(qū)域的定位;在前幀的運動區(qū)域中嵌入水印,對視頻中的每幀進行相同的操作,重建得到嵌入水印的視頻;檢測水印時,根據(jù)上述相同的方法,定位視頻每幀的運動區(qū)域以提取水印,為提高水印檢測的正確率,對各幀提取的水印進行統(tǒng)計分析,得到最后的檢測結(jié)果。本發(fā)明對水印的魯棒性及不可見性有極大的改善與提高。文檔編號H04N7/24GK101277438SQ200810015580公開日2008年10月1日申請日期2008年4月23日優(yōu)先權(quán)日2008年4月23日發(fā)明者潔凌,琚劉,孫興華,孫建德,孫趙婉申請人:山東大學(xué)