一种DCT域多重视频盲水印算法

蔡 虔，陈 艺，谢 斌

(1.江西理工大学信息工程学院，江西 赣州 341000;2.赣南教育学院计算机系，江西 赣州 341000)

近年来，由于拥有良好的不可觉察性和稳定性等特点，数字水印技术在版权保护方面有着广泛的应用。现阶段，多数算法研究的是单一水印，该类算法在受到多种不同攻击时很难保证足够的稳定性［1］。多重水印技术则是用来解决上述问题的有效手段，能够有效地提高水印的抗攻击性，可以解决许多单水印不能解决的问题［2］。目前，多水印技术的主要研究方向集中在图像和音频水印方面，而基于视频的多水印算法相对较少。文献［3］提出了一种统计的多重音频水印算法，该算法在不同的频带同时嵌入多重水印，可以较好地抵抗滤波攻击。文献［4］提出了一种基于相位调制的多重音频水印算法，该算法利用听觉系统对声音相位的不敏感性，同时嵌入3种水印信息，获得了较好的稳定性。文献［5］提出了一种基于矢量量化的图像多重水印算法，水印提取时不需要原始图像的参与，因而算法的实用性较好。

文中结合Arnold置乱技术、人眼视觉系统特性及离散余弦变换(DCT)，提出了一种基于离散余弦(DCT)的多重视频盲水印算法。该算法以包含不同信息的多个二值图像作为水印，以彩色视频作为水印载体，将Arnold置乱后的多个水印嵌入到视频画面绿色分量的DCT中低频系数中，较好地实现了多重水印在视频载体中的嵌入及盲提取。仿真实验表明，该算法能够较好地抵抗诸如帧剪切、高斯噪声及speckle等攻击。

1 多重水印的嵌入原理

彩色视频图像经过离散余弦(DCT)变换处理后，DCT系数矩阵的直流、低频、中频和高频分量从左上角至右下角顺序排列，并且其能量从直流至高频顺序递减［6］。一般而言，人眼对图像的直流分量较为敏感，对这一区域嵌入水印较容易引起注意［7］。高频系数取值较小且经常为零，它的改变会明显地降低水印的不可知性。而中、低频系数的能量介于直流分量高频分量之间，且人眼对这一部分的改动不太敏感。因此，在这一区域嵌入水印既不容易引起人们的注意，又具有比高频系数更大的视觉容量。另一方面，考虑到常规压缩攻击对彩色视频画面的红色和蓝色分量影响较大，而绿色分量对该种攻击则具有较好的稳定性。综合以上几点考虑，文中选择将水印信息嵌入在视频画面绿色分量的DCT中低频系数中，水印嵌入原理如图1所示(以三重水印算法为例)。

图1 嵌入算法原理框图

1)为了有效提高本算法的安全性和稳定性，水印在嵌入视频帧之前先要进行置乱处理，使它们失去原来的面目，从而达到保密目的。文中使用Arnold变换对N×N大小的3个水印X，Y和Z分别进行置乱处理，得到置乱的二值水印。

设置乱后的水印X、水印Y和水印Z数据分别为ξXk，ξYk和 ξZk(k=1，2，···，N × N)，则多重水印嵌入后有

图2 水印嵌入位置示意图

式中:δ为嵌入系数;λ′A为系数A嵌入ξXk后的取值;λ′B为系数B嵌入ξYk后的数值;λ′C为系数C嵌入ξZk后的数值。由于算法的嵌入深度可以根据视频画面内容的不同自适应变化，因而可以较好地利用视觉掩蔽特性有地效提高算法的不可知性。

4)对所有绿色分量的8×8 DCT子块进行IDCT变换，得到含水印的视频帧绿色分量Go，然后与原来的红色及蓝色分量进行重构，得到含多重水印的视频帧。

2 多重水印盲提取算法原理

提取水印时，因为嵌入位置已知，所以不需要原始宿主视频的参与就可以实现水印的盲提取。多重水印的提取总体上是嵌入的逆过程。

2)选取视频帧中嵌有水印的8×8 DCT子块进行水印的提取。方法为

式中:λ′A，λ′B，λ′C分别为DCT 系数A，B，C的取值;ξ′Xk为T系数A中取出的水印X数据;ξ′Yk为系数B中取出的水印Y数据;ξ′Zk为系数C中取出的水印Z数据。

3)根据上述方法，对全部嵌有水印的视频帧进行水印数据的提取，分别得到N×N个置乱的水印数据ξ′Xk，ξ′Yk和 ξ′Zk(k=1，2，···，N × N)。

4)对提取出的 ξ′Xk，ξ′Yk和 ξ′Zk分别进行 Arnold 逆置乱，得到新的水印A、水印B和水印C。

3 仿真实验结果

文中使用MATLAB7.0对算法进行仿真实验(见图3)，宿主视频采用速率为23帧/秒、大小为960×540的24位彩色视频。其中图3h、图3j、图3l为正常提取的水印X，Y，Z，它们与原始水印X，Y，Z的相似度分别为:NC(X)=0.9946，NC(Y)=0.9939，NC(Z)=0.9937。

图3 水印嵌入前后比较图

为了测试文中算法的稳定性，对含有三重水印的视频进行不同强度的多种攻击实验，通过比较提取出的多重水印与原始水印的归一化相似度NC值来进行稳定性的评估。表1、表2、表3所示分别为speckle攻击、帧剪切攻击及Gaussian攻击实验后提取水印与原水印的相似度统计。

表1 speckle攻击后的水印相似度(NC)

表2 帧剪切攻击后的水印相似度(NC)

表3 Gaussian攻击后的水印相似度(NC)

根据上述实验结果可以看出，文中算法经过了多种强度的不同攻击，但取出的多重水印与原始水印的NC值依然比较可观，即便是在强度较大的攻击情况下仍可以有效地识别提取出的水印内容。仿真实验结果表明，文中所提算法对以上各类攻击具有较强的稳定性。

4 结束语

针对视频单一水印算法的一些不足，提出了一种多重视频盲水印算法。仿真实验结果表明，该算法对诸如speckle、帧剪切及Gaussian等常规攻击表现出了较强的稳定性，具有复杂度低、嵌入及盲提取效果好等特点，有一定的应用价值。如何更加有效地结合视觉系统特性(HVS)、多媒体技术及压缩编码理论研究基于视频特征的自适应多重稳定盲视频水印算法将是今后的工作重点。

［1］PETER H，WONG W，OSCCAR C A.A blind watermarking technique for multiple watermarks ［C］//Proc.ISCAS 2003.［S.l.］:IEEE Press，2003:25－28.

［2］HUANG W L，GOU J.An image fusion － based multi－watermarking algorithm［C］//Proc.IEEE International Conference on Networking，Sensing and Control.［S.l.］:IEEE Press，2006:266－269.

［3］ARNOLD M，HUANG Z W.Blind detection of multiple audio watermarks［C］//Proc.First International Conference on Web Delivering of Music.［S.l.］:IEEE Press，200:4－11.

［4］TAKAHASHI A，NISHIMURA R，SUZUKI Y.Multiple watermarks for stereo audio signals using phase－modulation techniques［J］.IEEE Trans.Signal Processing，2005，53:806－815.

［5］PAN J S，HUANG H C，WANG F H.A VQ－based robust multi－watermarking algorithm［C］//Proc.IEEE Region 10 International Conference on Computers，Communications，Control and Power Engineering.［S.l.］:IEEE Press，2002:117－120.

［6］谢斌，任克强.一种基于HVS的DCT域稳健视频水印算法［J］.电视技术，2011，35(9):74－76.

［7］WONG P，AU O，YEUNG Y.A novels blind multiple watermarking techniques for images［J］.IEEE Trans.Circuits and Systems，2003，13:813－830.