一種小波域自適應的盲視頻水印算法

李昊　梁家棟

【摘 要】針對視頻版權的保護，本文提出了一種小波域自適應的盲視頻水印算法。首先基于貓映射和Logistic映射的雙混沌加密對圖像水印進行處理以增強其安全性；然后對宿主視頻進行場景分割，通過像素幀平均法提取關鍵幀并提取其亮度分量，將處理后的圖像水印自適應地嵌入到經過小波變換后亮度分量的低頻系數中。實驗結果表明，本文的算法具有較好的不可見性，且針對銳化、高斯濾波、噪聲、幀剪切等攻擊具有良好的魯棒性。

【關鍵詞】視頻水??；雙混沌加密；盲水印

【Abstract】For the copyright protection of digital video， this paper proposed an algorithm that an adaptive blind video watermarking algorithm in wavelet domain. First， to enhance the watermarking images safety， we process it based on cat mapping and logistic mapping of double-chaotic encryption； Then decomposed the host video into the frames， key frames are extracted by frame averaging method and extract the luminance component through a secrets， then the processed image watermark is adaptively embedded into the low frequency coefficients of the luminance component after the wavelet transform. The experimental results show that this algorithm has a good invisibility， and the attack on Sharpening， Gauss filtering， noise， frame shear has good robustness.

【Key words】Video watermarking； Double-chaotic encryption； Blind watermarking

0 前言

隨著多媒體以及網絡技術的發展，在多媒體信息傳播越來越方便快捷的同時也帶來了許多版權糾紛問題。視頻水印技術通過在視頻信息中嵌入水印信息，可以實現視頻的版權保護。在視頻水印研究方面，由于包括空間掩蔽效應等在內的更為精確的人眼視覺模型尚未建立完全，使得視頻水印技術相對于圖像水印技術發展滯后，現有的標準視頻編碼格式又造成了水印技術發展的局限性。視頻水印的出現最初是為了保護數字視頻產品的版權，但因為它所具有的不可感知性，穩健性和安全性等特點，近年來其應用領域得到不斷的擴展[1]。

本文提出了一種小波域自適應的盲視頻水印算法。該算法首先將圖像水印進行基于貓映射和Logistic映射的雙重加密，然后以Haar為小波基對視頻幀的亮度分量進行三層小波分解，將水印嵌入到穩健性較好的低頻系數中，由低頻系數決定嵌入強度，水印的提取不需要原始視頻，實現了水印的自適應嵌入以及盲提取。實驗結果表明，該算法具有安全性高、加密解密速度快、保密性好等優點。

1 圖像水印預處理

本文選取二值圖像作為水印，在嵌入視頻之前對其進行置亂加密：首先對圖像進行前期處理，包括切割圖像成N×N尺寸的大小，圖像數據轉化為雙精度類型；然后利用二維貓映射對像素點的位置進行置亂；最后將Logistic映射產生的混沌序列與置亂后圖像的灰度值異或，進行擴散操作，置亂和擴散一共進行L輪。

具體步驟描述如下[2]：

步驟1：讀入圖像數據矩陣后將其轉化為雙精度類型，為了應用二維貓映射，需要將雙精度圖像切割生成N×N大小，為方便起見，本文選用128×128大小的logo.bmp圖像。

步驟5：解密過程：首先將加密圖像灰度值與Logistic混沌序列異或，然后利用相同密匙的二維貓映射的逆矩陣進行像素點位置逆置亂，逆矩陣如式（4）所示，重復進行L次即可解密出原始水印圖像。

2 視頻水印算法

2.1 水印嵌入算法

水印的嵌入位置和嵌入強度是影響水印不可感知性和穩健性的重要因素，像素幀平均法是取一視頻段中所有幀的某位置上的像素值，求其平均來作為比較的標準，將視頻段中此位置像素值最為接近平均值的幀，作為該視頻段的關鍵幀[4]。同時由于在視覺最重要的部分中嵌入水印可以獲得較好的穩健性，小波分解后的低頻系數包含了視頻幀的絕大部分能量，是視覺最重要的部分，因此本算法選取關鍵幀小波分解后的低頻子帶作為水印的嵌入區域，水印的嵌入強度由低頻系數各值的大小自適應地確定。本算法采用Haar為小波基對視頻幀的亮度分量進行三層小波分解，將水印嵌入到穩健性較好的低頻系數中，這樣可以較好地滿足水印穩健性的要求。

水印嵌入的具體過程如下[5]：

1.首先將視頻序列分割成若干個場景，通過像素幀平均法提取關鍵幀，設由k幀組成。每一幀的大小為m×n，選擇Haar為小波基對每個場景中的關鍵幀進行三層小波分解，得到第k幀視頻圖像亮度分量的分解系數Yk。

3 實驗結果與分析

在仿真實驗中，原始視頻采用CIF格式的flower.yuv序列，每幀視頻圖像大小為256×256，圖像水印是一幅128×128的二值圖像。

3.1 不可感知性實驗驗證

視頻水印算法的不可感知性要求視頻序列在嵌入水印后視覺上無法感知水印的存在。本文將圖像水印嵌入視頻中，從主觀上判斷，圖像質量幾乎沒有下降，如圖5、圖6所示：

3.2 安全性實驗驗證

圖像水印在加入視頻幀之前需要進行加密處理。采用前面所述的雙混沌加密方法，貓映射中加密輪數L、貓映射參數a和b以及Logistics映射中的μ，xn幾個參數都可作為密鑰，驗證時，令貓映射參數a=3和b=5以及Logistics映射中的μ=3.91，x0=0.48，如若改變其中任意一個，非法用戶都很難讀取水印信息，保證了算法的安全性，如圖7、8所示，僅改變x0=0.52的數值時提取還原的圖像水印與原圖像的比較：

3.3 魯棒性實驗驗證

為驗證視頻水印的魯棒性，本文分別對視頻序列進行低通濾波器銳化、噪聲、高斯低通濾波、剪切、旋轉等等攻擊操作，然后提取水印。實驗表明，該算法具有良好的魯棒性，具體的攻擊實驗效果如下：

3.3.1 銳化攻擊

銳化是一種補償輪廓、突出邊緣信息以使圖像更為清晰的處理方法。銳化的目標實質上是要增強原始圖像的高頻成分，結果呈現明顯噪聲。

上述圖像中，圖9為進行銳化攻擊后的視頻幀，圖10為攻擊后提取的圖像水印，得到PSNR值=21.1036、NC值=0.9734。

3.3.2 高斯濾波攻擊

高斯濾波是對整幅圖像進行加權平均的過程，每一個像素點的值，都由其本身和鄰域內的其他像素值經過加權平均后得到。

上述圖像中，圖13為進行高斯濾波攻擊后的視頻幀，圖14為攻擊后提取的圖像水印，PSNR值=23.2009、NC值=0.9832。

3.3.3 噪聲攻擊

椒鹽噪聲又稱脈沖噪聲，它隨機改變一些像素值，是由圖像傳感器、傳輸信道、解碼處理等產生的黑白相間的亮暗點噪聲。

上述圖像中，圖11為進行椒鹽噪聲攻擊后的視頻幀，圖12為攻擊后提取的圖像水印，PSNR值=24.1319、NC值=0.9868。

3.3.4 剪切攻擊

按照一定比例對視頻圖像進行了裁剪，此處為1/2，然后提取圖像水印信號。

上述圖像中，圖15為進行剪切攻擊后的視頻幀，圖16為攻擊后提取的圖像水印，PSNR值=29.2445、NC值=0.9958。

3.3.5 旋轉攻擊

以視頻圖像的中心為圓心進行了不同角度的旋轉，然后將旋轉后的圖像進行裁剪以保持圖像為矩形，最大限度地保留圖像的中央部分，為了提取水印，將旋轉后的視頻圖像再反向旋轉，恢復原方向。

上述圖像中，圖17為進行旋轉攻擊后的視頻幀，圖18為攻擊后提取的圖像水印，PSNR值=15.7568、NC值=0.9055。

由上述實驗效果及數據可以看出，雖然受到攻擊時含水印視頻的質量有所下降，但是提取的圖像水印與原始水印仍具有較高的相似度，說明水印算法對上述攻擊具有較強的魯棒性。

4 結束語

本文提出了一種小波域自適應的盲視頻水印算法，并進行了相關的攻擊實驗。實驗給出了對算法進行各種攻擊下的PSNR值以及NC值。通過效果圖可以看出，加入水印后對視頻幀畫質無明顯影響，不可見性好；通過PSNR值和NC值可以看出，本算法具有較好的魯棒性。

【參考文獻】

[1]張江，趙黎，楊士強.視頻水印技術綜述[J].計算機應用，2015，25（4）.

[2]李旭.基于貓映射和Logistic映射的混沌圖像加密算法研究[D].廣東工業大學，2013，6.

[3]廖曉峰，肖迪，陳勇.混沌密碼學原理及其應用[M].北京：科學出版社，2009.

[4]黎洪松.數字視頻處理[M].北京郵電大學出版社，2006.

[5]任克強，張凱，謝斌.基于小波域低頻系數的自適應盲視頻水印算法[J].電視技術，2012，36（19）.

[6]Li Y， Gao X B， JiH B.A 3D wavelet based spatial temporal approach for video watermarking[C]//Proc. of the 5th International Conf. on Computational Interlligence and Multimedia Applications. China： Computer Society Press， Xian， 2003： 260-265.

[7]孫克輝，程巍，陳艷山.基于混沌和運動矢量的視頻水印算法[J].計算機應用研究，2011，28（8）.

[責任編輯：楊玉潔]