基于视觉特性和DCT变换的空域视频水印算法的研究
视 频数字水印技术是通过向视频序列中隐藏版权信息来达到视频版权保护的目的。为了实现水印的版权保护功能，不但要求水印具有良好的鲁棒性，同时还要保证原始载体的视觉特性不受到破坏，这就要求水印信号的嵌入强度对原始载体具有良好的自适应能力。尽管近年以来视频水印算法已经得到了很大的发展，但是结合发展现状和应用情况来看，其真正实用还有待研究人员和工业界的进一步努力。到目前，空域的算法由于其丰富的嵌入空间、操作的简单性，以及能够避免压缩域的误差漂移而受到较广泛的关注。实际上，空域水印也是目前视频水印算法中鲁棒性能较好的一类算法。
使用人类视觉模型完成信息的嵌入是数字水印领域的一个研究重点。Girod 提出相对于比较平缓的区域，边缘区域能够嵌入更多的信息。Watson随后提出了结合频率敏感系数、亮度调节系数和差异敏感系数的人类视觉感知模型。Watson 提出的感知模型极大地推动了自适应水印的发展。随后Wei 等又在此基础上引进了时域掩蔽特性，推动了自适应水印在视频领域的发展，本文也采用该JND 模型。在视频水印领域，经典的DCT 域算法是由Cox等4提出的一种基于DCT 变换的扩频水印技术，利用加法或者乘法准则完成水印的嵌入，虽然它没有区分对待在各DCT 系数上的嵌入强度，却是鲁棒性水印的奠基性算法，得到了非常广泛的应用。人类视觉特性模型(HVS)的出现，也进一步推动了扩频水印技术的应用。硕士论文代写网免费提供大量硕士论文格式。
Tao 等5提出了一种自适应DCT 水印技术，通过利用HVS 的掩蔽效应，用不同的方法来确定噪声的灵敏度，从而实现一种嵌入强度自适应的水印算法。Podilchuk 等提出了可感知水印的算法。他们使用视觉模型导出的JND 来确定在图像的各个部分所能容忍的水印信号的最大强度，从而能很好地实现不可见性和鲁棒性的折中。Barni 等7提出了另一种利用HVS掩蔽特性的基于DCT 的水印算法，在Zig-Zag 扫描的基础上，对前L 个系数不做修改，而是对第L 个系数后面的M 个系数进行修改以嵌入水印。
在DCT 域的水印算法中，人们通常认为直流(DC)系数反映的是块的平均亮度，不宜进行修改，但是黄继武等通过定量分析DCT 变换系数的振幅特性之后，提出了利用直流分量嵌入水印的观点。Chen 等则提出了基于DC 系数稳定性的空域水印算法，但并没有很好地利用HVS 模型，而是采取一种简单的策略进行处理。
块DCT 变换后的直流系数集中了该块的大部分能量，代表的是该块的平均亮度值，具有很好的稳定性，嵌入其中的水印不易遭到破坏。本文将每帧中的所有块作为整体，结合JND 视觉模型，采用扩频方法使水印信号分布于整帧中，较好地提高了水印检测的正确率，避免了块效应的产生。 本文主要贡献在于将新近提出的视频域HVS 模型用于视频水印算法的设计，并对由HVS 模型计算出的序列进行DCT 变换来扩散其在水印嵌入前后可能存在的不匹配误差，同时验证了其在视频水印设计中的有效性以及进一步应用其到压缩域视频水印设计的可能性。
1 基于视觉特性的水印算法由于绝大部分的视频压缩都采用DCT 变换来进行压缩编码，所以本文利用扩频思想在DCT 域内嵌入水印信息，同时结合DCT 域的JND 模型，计算出DC 系数允许被修改的最大值。若DC 系数的JND 值较小，说明该DC 系数容忍被改变的程度也就越小，如果以固定的嵌入强度来修改该DC 系数难免发生被过度修改的情况而导致这个块的失真非常明显。所以根据JND 值来动态调节水印嵌入的强度，可以防止固定嵌入强度所带来的弊端。
1.1 水印的嵌入对于一个大小为M×N 的视频帧，将该帧的亮度分量分成大小为8×8 的块，然后对其进行二维DCT 变换。基于DC 系数的稳定性，将所有块内的DC 系数组成一个一维序列，然后将一维序列划分成长度更小的一维子序列，计算出该一维子序列的对应的JND 值，然后对每个子序列进行一维DCT 变换，对子序列的JND 组成的序列也进行同样的一维DCT 变换。JND 序列进行一维DCT 变换后形成的序列中，其直流系数代表的是对应的DC 系数子序列中平均可容忍被修改的范围，从而可以利用该直流系数作为对应DC 系数子序列中的水印嵌入强度，实现了水印强度的自适应调节。
①将一帧图像的亮度分量分成8×8 大小的块，对其进行二维DCT 变换，然后把所有块的直流系数组成一维序列S。
2 实验结果为了验证算法的有效性，本文分别对 的CITY，CREW 和SOCCER 3 个视频序列（大小为704×576）的前100 帧进行了测试，实验中使用的n=8，利用密钥生成随机±1 水印序列，水印序列的长度为(704×576)／(64×8)。嵌入后的相关性检测实验结果如图1所示，显然，嵌入水印的视频序列和没有嵌入水印的视频序列其相关性系数有显着的差异。
嵌入水印的3 个视频序列的PSNR 如图2 所示，绝大部分均大于45 dB，表明算法引入JND模型后，其视觉质量满足要求。
为了进一步说明算法引入JND 后的优势，本文又对CITY 的前100 帧图像进行了进一步的测试和分析。首先将固定嵌入强度的水印算法和提出的算法做了比较，如图3 所示。在实验过程中，经测试发现所有DC 系数的JND 的平均值为43 左右，因此采用固定嵌入强度分别为40 和50 进行了测试。实验结果表明，当固定嵌入强度为50 时，它的相关性系数比使用JND 的效果稍好，但是从图4 可以看出，当固定强度为50 的时候，在第71 帧中在一些比较平缓的地带已经出现了一些比较明显的块效应，当播放连续帧时，这种块效应体现的更加明显，而对固定嵌入强度为40 来说，虽然它PSNR 比使用JND 来说会更高一些，但相关性检测却差于使用JND 的情况，因此引入JND 模型来动态地调节嵌入强度，在不可见性和鲁棒性之间很好地达到了平衡，使水印在保证了不可见性的基础上，最大限度地提高了自身的鲁棒性。
从图1 已经可以看出来，该算法可以很好地将没有嵌入水印和已经嵌入水印的情况区分开了，这也为半盲检测提供了前提条件。根据当前帧和原始水印的相关性的大小来判别该帧是否含有水印，只要为该视频序列设置合适的C 检测阈值，就能准确地判别该帧是否含有水印。
从上面的实验结果，同样也可以分析出该算法对于帧删除攻击也具有一定的抵抗能力。
由于算法在所有的视频帧中嵌入了同样的水印，所以并不存在不能同步的现象，只要在进行帧删除后的视频序列中仍然存在I 帧和P 帧，那么本文的算法就能很好地抵抗帧删除攻击。
同时，我们也进行了信号处理过程中常见的中值滤波攻击实和几何攻击中常见的旋转变换攻击实验。 显示了对视频帧的中值滤波和旋转变换（旋转角度为0.5°）攻击后视频帧与原始水印的相关性大小。
中值滤波是对视频帧进行平滑处理，影响了视频帧的平均灰度值，而平均灰度值对应着DCT 的直流和低频部分，由于本文的水印算法是利用了DC 分量来嵌入水印，所以理应会对嵌入的水印信号有比较大的影响。但是，视频帧经过中值滤波后水印的相关性依然比较强，能够很好地区分每个视频帧是否含有水印，说明改算法对中值滤波攻击依然具有很好的抗性。大量会计硕士论文。
由于该水印算法是基于块进行的，所以在旋转变换（前提是旋转变换攻击后的视频序列不会造成视觉上的失真）攻击后，局部块的DC 系数变化不大，因此该算法依然能从相应块中提取出水印信号，并且保持较高的相关性。
3 结 论本文利用DCT 变换，提出一种新的数字水印算法。该算法以离散余弦变换为基础，将数字水印信息嵌入到离散余弦变换域的直流系数中，根据人眼视觉系统的特性，对水印嵌入强度进行自适应的动态调节。实验表明，该算法对不同视频压缩标准的不同码率下的编码、常见信号处理和几何攻击等攻击有较好的鲁棒性。但是在每一帧中都嵌入相同的水印信号，会遭受到多个攻击者的共谋攻击，下一步的研究方向拟将计算机视觉领域中的特性检测算法引入，进一步构造对共谋攻击鲁棒的水印算法。