一种自适应视频水印检测算法

(2) ( 3) (4) (5)
pi ∈ {−1 , 1} i ∈ N i∈N
W = {w1 , w2 ,..., wn }, wi = bi ⋅ pi , i ∈ N vi = vi + α i ⋅ wi = vi + α i ⋅ bi ⋅ p i ,
在水印信息提取检测过程中
H&G算法利用重建视频图像信息和已知水印序列进行相关检 得到一个经滤波的含水印信息的视频图
2
空间域视频水印技术
空间域视频水印技术是指在视频信息尚为图像序列形式时 先期在图像原始数据空间中
完成水印信息嵌入再进行视频压缩编码过程的水印设计策略 这类设计策略多来自较为成熟 的静止图象水印技术 按照水印信息嵌入过程分类大体可分为两类方案 一种是利用空间域 图像自身特性直接在空间域完成水印信息嵌入的直接嵌入方案 另一种则是将图像经一定变 换过程 在变换域进行水印信息嵌入 再经反变换回到空间域图像的间接嵌入方案 两者相 比 第一类更为直接 并且通常嵌入算法的硬件实现复杂度也较低 而第二类方案可以更为 充分地利用人眼视觉特性完成水印信息嵌入 如频率域特性 小波域特性 使嵌入的水印信
淹没水印信息的可能性进一步加大 当量化因子过大时 水印检测所体现出来的并非水印信 息与伪随机序列的相关性 而是量化噪声与伪随机序列的相关性 而这两者之间一般是不相 关的
50% 45% 40% 35% 30% 25% 20% 15% 10% 5% 0%
0
检测错误率
<8
8
10
12
14
16
18
20
22
24
3. 视频水印信息损失分析
文献[3]重点围绕几个影响检测水印准确性的因素 如水印嵌入强度 扩频系数等等 进行检测误差分析 并计算出一个相应水印检测的错误率 但由于水印信息嵌入后 含水印 信息的原始图像必须经历视频有损压缩编码过程 因此文献[3]中计算出的错误率估测值仅
-2-
http://www.paper.edu.cn
26
28
>28
图1
在 MPEG-2 编码条件下
不同量化因子水印信息检测的错误率
4. 自适应相关检测算法
在传统水印信息相关检测中 对各水印信息嵌入点提取的信息采取的是等概率累加 实 际上是默认重建图像中各区域的水印信息损失程度相同 但通过上述的统计分析可以看出 水印信息损失程度与当前区域量化程度有关 同时还与当前区域图像编码块自身能量大小和 分布有关 由于这些复杂因素的综合影响 使得试图通过分析计算估测各区域中具体水印信 息的损失程度很难实现 也就更难对水印信息检测错误可能出现的位置进行预测 但可以利 用不同的量化因子对水印信息造成不同损伤程度的变化规律 在不同的图象编码区域引入不 同的可信度因子 尽量减少水印信息高损失概率区域对整体水印信息检测的影响 从而提高 水印信息提取和检测的精度 基于这种思想 本文设计一种与空间域视频水印算法相对应的 自适应相关检测算法 算法充分利用视频解码过程中容易得到的系统编码信息 如编码模式 量化因子等参数计算出不同量化因子不同模式编码块的水印检测可信度 将原来水印信息相 关检测中等概率累加统计改进为引入可信度变量的加权统计 尽可能减小量化噪声对整体水 印信息提取检测结果的影响 改进型视频水印算法中水印信息嵌入仍采用第二节所描述的典型空间域视频算法 而视 频水印检测系统则由可信度估测器与相关检测器两部分构成 一些辅助信息 如量化因子 编码模式等 基本流程如图 2 所示 含有水印信息的 MPEG-2 视频测试码流经过标准视频解码器进行正常解码 同时提取 作为计算水印信息检测的可信度因子的根据 只是在相关累加统计中 水印提取和检测过程与基本检测算法相类似 如式 6 ~ 8 引入可信度因子 γ i 息检测精度 如式 9
A = {a1 , a 2 ,..., a n },
a j ∈ {− 1 , 1}, j ∈ N
(1)
B = {b1 , b2 ,..., bn }, bi = a j , P = { p1 , p2 ,..., pn },
j ⋅ cr ≤ i ≤ ( j + 1) ⋅ cr, cr > 1, i, j, cr ∈ N
双极性序列 因此可以认为 ∑ pi = 0 同时一般假设pi和vi两者不相关 则式 6 中的 ∑1 = 0 因此
sj =
~ = ∑ pi ⋅ v i
( j +1)⋅cr −1
pi ⋅ pi ⋅ α i ⋅ bi ∑ pi ⋅ vi + i=∑ i = j ⋅cr j⋅cr 14 24 3 144 4 2444 3
http://www.paper.edu.cn
一种自适应视频水印检测算法1
苏育挺
email:
张春田
天津大学电子信息工程学院 (300072)
zhangct@tju.edu.cn
摘 要 本文提出了一种空间域视频水印自适应检测算法 充分利用视频解码过程中提取的 附加信息 根据水印信息在视频编码过程的损失程度 对重建视频图像中的每个像素计算其 可信度因子 并以此实现对传统相关检测算法的改进 该算法能够在既定的水印嵌入算法条 件下 进一步提高系统提取和检测水印信息的精度 关键词 数字水印 视频编码 相关检测
测提取视频序列中的水印信息 水印检测器首先将由MPEG解码器重建的视频图像经一个高 通滤波器 基本滤除原始视频信息 理想情况下
~ 像V
再利用原始水印与之进行对应相关检测 由于水印信息序列是经伪随机调制而生成的 经 6 – 8 式推导 最后通过符号函数sign(sj)恢复水印信息aj
( j +1)⋅cr −1 i = j⋅cr
1
引言
作为一种新型的数字产品版权保护和数据维护的技术 多媒体数字水印[1-2]已成为信
息处理研究领域的前沿课题 在各种不同媒体水印技术中 虽然静止图象水印技术始终是数 字水印技术研究的主流 但更为各大电子厂商所关注的却是视频水印技术的发展 因为以数 字视频水印技术为重要组成的视听产品版权保护体系 将涉及价值数以万亿的数字视听产品 市场的发展 受这一巨大的经济利益驱动 吸引了众多研究机构的参与 但同时 视频水印 技术也是该研究领域的一个难点 关于静止图象的水印技术研究成果 大多得益于多年来众 多学者在视觉空间掩盖效应领域的研究成果 而在视频水印研究方面 由于包括时间域掩盖 效应等特性在内的更为精确的人眼视觉模型尚未完全建立 这使得视频水印技术相对于图像 水印技术发展滞后 同时现有的标准视频编码格式又造成了视频水印技术引入上的局限性 本文针对典型的空间域视频水印技术进行深入分析 充分利用 MPEG-2 编解码后形成 的部分码流特征信息 对有损压缩编码对水印信息造成的损伤进行估测 从而对每一像素点 计算可信度因子 将传统的等概率相关检测算法改进为引入可信度因子的自适应相关检测 本文第二节将简述典型的空间域视频水印算法的流程和特点 第三节对该类算法在有损压缩 编码后的水印信息损失进行分析 第四节则提出一种自适应相关水印检测算法 最后给出相 应的实验结果
8Mbit/s 0 0
另一方面 在同一测试序列中不同编码模式块的水印检测错误率也有所不同 这一现象 是由 MPEG-2 系统量化器对不同编码块采取不同设计造成的 表 2 所示是 Football 序列中帧 内编码帧 I 帧 和帧间编码帧 P B 帧 的水印检测错误率 在帧内编码块的量化器中 直流系数采取定步长量化 且量化因子较小 因此与所有系数都采用较大量化因子进行量化 的帧间编码块相比 保留水印信息的可能性更大 而 P B 帧中的帧间编码块的内容不同于 I 帧的自然图象 是经过运动预测补偿后的差值图象 其本身能量较小 嵌入其中的水印信 息也较为容易被 淹没 对于采用各帧相同水印的嵌入系统 水印信息的主要能量将由 I 帧进行传递 而其他帧间编码帧只能传递少部分水印能量 因此 P B 帧检测性能的优劣还 主要依赖 I 帧水印的检测结果 表 2 Football 序列中不同编码帧水印检测错误数量 约束码率 (Mbit/s) 4 5 6 7 8
1
本课题得到国家自然科学基金(No.60202009)和天津市自然科学基金(No.993600311)资助 -1-
http://www.paper.edu.cn
息更具抗攻击能力 但由于整个嵌入过程中存在相应的变换和反变换运算 使整体算法实现 复杂度加大 影响水印嵌入算法的硬件实现 在视频水印直接嵌入方案中最为典型的算法是由F. Hartung 和 B. Girod等人提出的视 频水印算法[3] 简称H&G算法 该视频水印系统主要包括以下几部分 一 水印信息图像 构造 完成对应每帧视频图像的水印信息图像 二 水印信息嵌入调制 利用人眼视觉特性 控制水印信息嵌入强度 逐帧将水印信息嵌入到视频图像信息中 三 水印信息提取与检测 完成从视频信息中分离水印信息并进行信息检测 验证水印信息的真伪 在水印信息嵌入过程中 首先为了增强水印信息的抗攻击能力 由基本水印信息构成双 极性序列 A 经过扩频系数 cr 形成扩展序列 B 再与伪随机序列 P 进行置乱调制 最后引 入局部幅度调制因子 α i 对水印嵌入信息 W 进行自适应幅度调整 并完成与视频原始图像信 息 V 的空间域线性叠加嵌入调制 如式 1~5
针对重建图像中各区域不同的可信度形成加权累加统计 提高水印信
-4-
http://www.paper.edu.cn
伪随机序列 P 视频测试码流 MPEG-2 解码器 水印信息
水印相关检测器 可信度因子
量化因子
编码模式等
可信度估测器
图 2 自适应水印检测算法流程
( j +1)⋅cr −1 i = j⋅cr
表 1 不同码率条件下水印信息检测的错误率
测试序列 Football Table Tennis 4Mbit/s 4.7 5.2 10 10
-2 -2
5Mbit/s 1.6 2.4 10 10
-2 -2
6Mbit/s 5.4 6.3 10 10
-3 -3
7Mbit/s 6.3 1.2 10 10
-4 -3
量化因子
图 1
给出了测试序列 Football 在一定码率条件下 在图像 I 帧中 对应不同量化因子的水印信息 检测错误率 检测结果显示 随着量化因子等级的增加 水印信息检测的错误率也在不断的
-3-
http://www.paFra Baidu biblioteker.edu.cn
增加
趋近 50%的上限
这是由于量化因子的增加 量化噪声进一步加强 使得量化噪声
注
帧内编码图象水印信息 检测错误数量 48 12 3 0 0
帧间编码图象水印信息 检测错误数量 540 182 65 8 0
其中每帧图象嵌入 60 比特信息 I 帧检测水印信息总量为 1080 比特 P 帧检测水印信息总量为 3180 比特 B 帧检测水印信息总量为 8340 比特
最后分析能够直接反映有损压缩编码对水印信息检测影响的参数
是一个理想数值 而实际系统水印信息提取检测错误率与这一理想数值的逼近程度将取决有 损压缩编码对水印信息造成损失的程度 为了深入分析 我们利用 H&G 视频水印算法对标 准测试图像进行不同码率的编码测试 从而分析水印检测错误率与码率 编码模式以及量化 因子等视频编解码系统参数的关系 首先 对于相同的测试图像序列 随着 MPEG-2 编码恒定约束码率数值的降低 水印 信息检测错误率明显增加 如表 1 所示 这是由于当编码码率降低时 视频编码器中的码率 控制机构只有通过增加系统平均量化因子 才能满足恒定码率的要求 量化因子的加大使得 系统引入的量化噪声的能量加大 这将在不同程度上消除水印信息赖以存在的冗余信息 从 而导致量化噪声 淹没 了部分水印信息 使得系统水印检测的错误率升高 当码率要求低 于一定门限时 在一些区域的水印信息将被量化噪声完全 淹没 这时水印相关检测结果 体现的实际上是量化噪声与检测序列的相关性 从而造成水印检测错误率的上升
∑1 ∑2 2 i 2 ⋅ α i ⋅ bi = a j ⋅ σ p ⋅ cr ⋅ mean (α i )
( j +1)⋅cr −1
(6)
s j = ∑1 + ∑ 2 ≈
( j +1)⋅cr −1 i = j⋅cr
∑p
( 7) (8)
2 sign( s j ) = sign(a j ⋅ σ p ⋅ cr ⋅ mean (α i )) = sign( a j ) = a j