基于块差值的半脆弱可逆视频认证方法

凌 晨，张文俊，黄修训

(上海大学 a.影视艺术技术学院；b. 通信与信息工程学院，上海 200072)

基于块差值的半脆弱可逆视频认证方法

凌 晨a，b，张文俊a，黄修训a

(上海大学 a.影视艺术技术学院；b. 通信与信息工程学院，上海 200072)

针对半脆弱可逆视频认证问题，提出一种基于块差值直方图调整的半脆弱可逆视频认证方法。在H.264帧内预测后重构的I帧Y分量中，通过预测残差对图像块分类。根据人眼视觉模型，在纹理复杂的区域嵌入比纹理平滑区域更多的水印。在接收端使用K-means对各块的差值进行聚类，自适应判断块差值所属区间，实现高准确率的水印提取。通过空间和时间认证之后，通过嵌入算法的逆操作实现无损视频还原。实验结果表明：提出算法具有良好的视觉效果，能够抵抗常规图像处理和噪声攻击，并实现对恶意篡改区域定位功能。

视频；内容认证；水印；半脆弱；可逆

数字视频很容易遭受编辑软件篡改，所以视频安全性问题日益迫切[1-2]。数字水印技术是一种保护数字多媒体安全的有效手段[3]。然而无论何种水印都需将水印嵌入到原始载体中，造成视频永久性改变。在一些需要数据高保真的领域是不可接受的。为解决该问题，提出了可逆数字水印的概念[4]，保证在水印提取后能够无损地恢复原始载体视频。按嵌入方式进行分类，一般可分为基于压缩、基于差值扩展(Difference Expansion，DE)和基于直方图修改(Histogram Shift，HS)的可逆水印。利用压缩的可逆水印，是将载体中特定数据进行压缩，创造出额外可利用的空间来嵌入水印。由于嵌入量有限，现有算法已很少采用这种水印嵌入方式。基于DE的核心思想是将图像某一特征值通过扩展后，在其扩展后的特征值中嵌入水印[5]。基于DE的可逆水印嵌入技术具有算法简单，容易实现，且可嵌入水印量较大等优点[6-7]。基于HS的可逆水印方法是另一种有效方法[9]，HS的核心思想是通过位移特定像素的灰度值，来创造出可携带水印的空间。由于HS通过扩展位于直方图中峰值点的像素进行水印嵌入，具有图像失真较小特点[10-11]。

目前研究主要集中于视频脆弱可逆水印的研究[12-13]，而对有损压缩、噪声污染等非恶意攻击鲁棒的半脆弱视频认证可逆水印的研究国内外还处于初级阶段。由于相对于脆弱认证问题，半脆弱认证可逆水印设计要求更高。Gujjunoori等人[14]在视频的中频交流非零量化DCT系数中，嵌入近似无损水印。由于使用了log函数进行近似无损嵌入，无法完全恢复原始视频信息。由于在中频交流系数中修改数据过多，嵌入水印的视频画质不够理想。曾骁等人[15]提出了一种运用哈希函数进行视频内容认证的半脆弱可逆视频水印算法。在I帧中嵌入两个水印，一个水印结合帧索引号，运用哈希函数进行内容完整性验证，另一个水印用于帧内篡改定位。通过修改DCT选定系数的LSB进行水印嵌入。

设计半脆弱视频认证可逆水印，需要结合视频有损编码同时，使其对无意攻击具有一定的鲁棒性。本文提出一种基于差值块的H.264视频可逆水印。根据H.264预测残差估计各个图像块类型，通过差值块直方图调整的方式，在平滑块中嵌入一位认证水印，而在纹理块中嵌入多位水印。在接收端通过K-means聚类算法，自适应判断块差值所属区间，实现高准确率的水印提取。通过认证的块，通过逆操作实现无损视频还原。

1 水印嵌入算法

1.1 预测残差块分类

(1)

式中：τr是一个自适应阈值，首先对f进行排序，然后对排序后的序列删除重复的元素，最终α1所指位置元素作为结果输出。Foreman的平滑纹理分类结果如图1中“预测残差分类”所示。

图1 水印嵌入和提取框图

1.2 基于块差值的水印嵌入算法

基于块差值水印是一种调整块差值直方图进行可逆嵌入的方式。由于图像的块差值符合拉普拉斯状分布，即绝大多数的值都在0的附近，所以可以使用直方图修改进行无损嵌入。其嵌入过程比较简单，并且由于只需修改空域图像块的部分像素，所以能得到很好的嵌入效果。而且由于块差值是一个块整体的统计特性，所以对于有损压缩有比较强的鲁棒性。根据不相邻像素划分到A和B两个区域，当前块Ik的块差值ak可以定义为

(2)

式中：SA和SB分别是由Ik分成的两个区域A和B对应的和值。可见即使图像块中某些像素被修改，其块差值ak变化并不会很大，所以块差值具有鲁棒性。

由于半脆弱认证水印的定位要求，每一个图像块都必须嵌入认证水印。本文根据每个图像块嵌入水印数量，嵌入相应水印。由于块差值是通过A、B两区域和值间计算差值算术平均，所以可以在A、B两部分像素使用相反的操作，实现多倍强度τa的嵌入

(3)

τa=max(Ak)×α2

(4)

式中：α2是一个大于1的调整系数；Ak={a1，a2，…，ak}是所有块差值的组成的向量。可见当阈值τa大于max(Ak)时，嵌入水印后各个比特区并不会重叠。由图1“直方图水印嵌入”图所示，当每个块最多能嵌入水印的数量numembedding=2 bit时，其水印嵌入后的块差值直方图分成7个不重叠的区域。随着嵌入水印的倍数提高，水印容量变大，水印的不可见性会变差，鲁棒性下降。

1.3 基于块差值的水印嵌入算法详细步骤

1)将经过H.264帧内预测后的I帧视频进行重构后，将I分成h×w的不重叠图像块Ik。

3)选择适当的参数α1，根据式(2)计算每一个图像块的差值ak。

4)选择适当的参数α2，根据式(4)计算嵌入强度τa。

5)根据嵌入强度τa，调整像素避免灰度溢出。记录下灰度溢出图，并对其使用游程编码进行无损压缩。

6)对当前帧视频索引编号ID进行纠错编码，然后混合无损压缩后的灰度溢出图。结合纹理块的数量，在混合后的数据后进行补“1000…”处理，获得原始的辅助信息水印。为了提高安全性，再根据密钥key对原始水印进行置乱加密，获得辅助信息水印wmai。

7)对于空间认证水印，可采用任何现有水印信息。本文使用最高位图层作为认证信息生成认证水印wms，并使用密钥key进行置乱加密。

8)在平滑块中只嵌入空间认证水印wms，而在纹理块中嵌入wms和wmai两种水印。当每块最多能嵌入的水印数量numembedding为多bit时，将二进制水印转换成十进制，然后使用式(3)进行水印嵌入。

9)将嵌入后水印的I帧Iw进行DCT、量化和熵编码生成含水印的H.264视频流。循环直至所有I帧都嵌入水印。并将块分类结果、嵌入强度τa、每块最多能嵌入的水印数量numembedding以及灰度溢出图长度以及密钥key发送到接收端。

2 水印提取算法

含水印视频流接收后，对I帧视频进行和嵌入端相同的分块操作。接着计算每一个各个块差值。将差值块进行 K-means 聚类得到各块嵌入的水印信息。通过密钥进行解密水印，得到空间认证水印和辅助信息水印，这样可以实现空间和时间水印认证。最后无损恢复出原始的视频。其流程图如图1所示。

通常，在一些图像常规处理(例如有损压缩)以后，其块差值直方图会发生改变。如图1“块差值K-means聚类提取水印”图所示，经过有损压缩，原来的块差值直方图上的值会扩散到其两旁。这些值很容易造成原来不同区域产生重叠。由于处于同区的值具有高度的相似性和集中性，而不同区中的对象相似度较小，本文使用K-means聚类克服如上所述重叠问题。根据聚类结果，能够高精确性提取水印。水印信息提取和认证的详细步骤如下：

2)根据numembedding选择不同的kc聚类中心。采用K-means 聚类算法对所有的块差值a′k进行聚类。

(5)

3)通过密钥key进行置乱解密，与重新提取的空间特征和帧索引进行比较，进行空间和时间认证。对于空间篡改定位图，去掉噪声引起的孤立点，得到最终的篡改定位图。

4)根据每个块嵌入的水印，进行逆操作去掉水印

(6)

5)循环认证和恢复所有I帧视频，得到无损的原始视频。如果视频流遭到攻击，则只能近似恢复出原始视频，即提高图像画质。

3 实验结果与讨论

实验采用Container，Foreman，Hall，Stefan等标准CIF(100帧，352×288像素)测试视频。从含水印视觉效果，由于嵌入水印带来的失真不可见，本文采用峰值信噪比值(PSNR)来客观衡量图像失真。通过实验测试后，本文参数选择为numembedding=2，α1=0.1，α2=1.3。

如图2所示，使用本文算法嵌入水印后，Container,Foreman,Hall,Stefan的第一帧效果图。从主观视觉感受上而言，水印嵌入是不可见的，有很好的主观感受。如图3所示，实验中比较了原始H.264视频压缩、文献[14]水印嵌入算法和[15]水印嵌入算法的PSNR值。通过数据可见，比起其他两种方法，本文算法具有更好的视觉不可见性，和原始H.264压缩的画质十分接近。由于是无损水印，如果嵌入水印后的序列没有遭到任何攻击，则能够无损恢复到原来的图像。

当遭到恶意篡改攻击，可以实现篡改区域定位功能。图4所示在原来嵌入水印的视频中，在背景上添加了一个“B”，通过本文篡改定位功能，可以对其进行检测定位。同样，通过比较提取的水印中的视频索引号和当前解码时的索引号，可以很容易知道是否视频遭受时间域的攻击。

图2 含水印视频帧效果图

图3 有损压缩前后块差值直方图的变化

图4 篡改定位功能

半脆弱认证水印不同于一般脆弱认证水印，它可以抵抗一定程度的非恶意攻击。这些非恶意攻击可能是重压缩、噪声或滤波。这些操作在视频的存储和传播中不可避免的会发生，所以必须对其具有一定的鲁棒性才能满足实际应用的要求。表1是含水印视频序列遭受非恶意攻击后的空间篡改定位误检率。实验中，原始水印嵌入时，使用QP=25进行H.264压缩。然后对此原始含水印视频序列进行QP=20、25、30的反复压缩后，然后提取其中的水印。通过表1可见，重压缩的误检率均值为0.41%。另一方面可见，重压缩随着压缩参数QP的增大，本算法的检测能力有所下降。对于一般程度的高斯噪声，本文算法篡改定位误检率为0.33%。随着图像遭到重度噪声攻击，水印提取能力会急速恶化。同样的，对于一般的椒盐噪声，定位误检率为0.86%。而对于高斯滤波而言，本文具有较好定位能力(0.00%)。可见本文算法对常规图像处理具有良好的鲁棒性。

表1 遭受非恶意攻击后的空间篡改定位误检率

4 小结

本文提出一种基于块差值的可逆的半脆弱视频认证水印，通过对图像块分类，在纹理复杂的区域嵌入比纹理平滑区域更多的水印，实现更大容量的水印嵌入能力。不同于在变换域嵌入水印，由于在空间域块差值中嵌入水印，本算法具有更好的视觉效果。由于块差值是图像块的统计信息，故具有很好的鲁棒性能。在解码端，由于采用K-means聚类，可以解决由于图像处理后造成的块差值直方图重叠现象，具有较佳的水印提取能力。实验结果显示，本文提出的算法能够具有更佳的视觉效果，并且能够有很好的鲁棒性，实现了篡改定位的功能。

[1] 陈海燕.一种基于多种算法的视频监控资料防篡改方案[J].电视技术，2012，35(23)：142-144.

[2] 宋建新，陈志玉.基于H.264/AVC视频安全级别可分的加密方案[J].电视技术，2013，37(5)：15-18.

[3] 夏治平，郭晓强，王辉淇.基于内容自适应的实时视频水印算法研究[J].电视技术，2014，38(7)：1-4.

[4] BARTON J M. Method and apparatus for embedding authentication information within digital data：U.S.，5646997[P].1997-07-08.

[5] TIAN J. Reversible data embedding using a difference expansion[J]. IEEE Trans. Circuits and Systems for Video Technology，2003，13(8)：890-896.[6] POONKUNTRAN S，RAJESH R S. Chaotic model based semi fragile watermarking using integer transforms for digital fundus image authentication[J]. Multimedia Tools and Applications，2012，68(1)：79-93.

[7] ARSALAN M， MALIK S A， KHAN A. Intelligent reversible watermarking in integer wavelet domain for medical images[J]. Journal of Systems and Software，2012，85(4)：883-894.

[8] 张秋余，孙媛，晏燕. 基于分块自适应压缩感知的可逆水印算法[J].电子与信息学报，2013，35(4)：797-804.

[9] NI Z，SHI Y，ANSARI N， et al. Reversible data hiding[J]. IEEE Trans. Circuits and Systems for Video Technology，2006，16(3)：354-362.

[10] ALAVIANMEHR M A，REZAEI M，HELFROUSH M S，et al. A semi-fragile lossless data hiding scheme based on multi-level histogram shift in image integer wavelet transform domain[C]//Proc. 2012 Sixth International Symposium on Telecommunications(IST).[S.l.]：IEEE Press，2012：976-981.

[11] THABIT R，KHOO B E. Robust reversible watermarking scheme using Slantlet transform matrix[J]. Journal of Systems and Software，2014(88)：74-86.

[12] 张维纬，张茹，刘建毅，等.一种基于H. 264/AVC 的视频可逆脆弱水印算法[J].电子与信息学报，2013，35(1)：106-112.

[13] ZENG X，CHEN Z，XIONG Z. Issues and solution on distortion drift in reversible video data hiding[J]. Multimedia Tools and Applications，2011，52(2-3)：465-484.

[14] GUJJUNOORI S，AMBERKER B B. A DCT based near reversible data embedding scheme for MPEG-4 video[C]//Proc. Fourth International Conference on Signal and Image Processing 2012(ICSIP 2012).[S.l.]：Springer Press，2013：69-79.

[15] 曾骁，陈真勇，范围，等. 用于内容认证的半脆弱可逆视频水印算法[J].中国图象图形学报，2010，15(8)：1189-1195.

凌 晨(1987— )，博士生，主要研究方向为数字水印、视频认证；

张文俊(1959— )，博士生导师，主要研究方向为图像处理等；

黄修训(1989— )，硕士生，主要研究方向为数字水印、视频认证。

责任编辑：时 雯

Video Content Authentication Based on Invertible Semi-fragile Watermarking

LING Chena，b，ZHANG Wenjuna，HUANG Xiuxuna

(a.SchoolofFilmandTVArts&Technology；b.SchoolofCommunication&InformationEngineering，ShanghaiUniversity，Shanghai200072，China)

An invertible semi-fragile watermarking method based on the difference of image blocks is proposed for lossless video content authentication. After I frame H.264 reconstruction， H.264 prediction residuals will help classify image blocks. According to human vision system， more watermarks will be embedded into texture areas than smooth ones. At the receiver side， K-means is used to cluster the difference to achieve high-accuracy watermark extraction. After spatiotemporal authentication， the original frame will be recovered. Experimental results show that the proposed method has good invisibility. And it is sensitive to intentional malicious attacks while it is robust to legitimate manipulations， such as certain level of lossy compression， channel noise and Gaussian filtering.

video；content authentication；watermarking；semi-fragile；invertible

【本文献信息】凌晨，张文俊，黄修训.基于块差值的半脆弱可逆视频认证方法[J].电视技术,2015，39(11).

2012年中德合作科研项目(PPP)(56133144)

TN918.91

A

10.16280/j.videoe.2015.11.009

2014-08-17