融合人工蜂群和混沌映射的混合视频水印算法

朱圣烽



融合人工蜂群和混沌映射的混合视频水印算法

朱圣烽

(汉江师范学院计算机科学系，湖北 十堰 442000)

为了解决运动矢量搜索效率低下、水印信息嵌入单一等问题，融合自适应人工蜂群和Powell局部搜索，提出一种基于独立分量分析的运动目标检测方法。首先采用自适应搜索参数动态调整邻域搜索范围，使人工蜂群算法快速收敛于全局最优，然后将人工蜂群输出的所有蜜源进行均值聚类，克服均值聚类结果对初始聚类中心的依赖，再将聚类划分结果进行Powell局部搜索，加快方法收敛的速度。采用独立分量设计运动目标最优化问题，并利用改进方法求解最优解，从而提取视频序列中的运动分量。利用Logistic-正弦映射进行混沌加密，对加密后的水印图像进行Arnold映射置乱，将最终水印信息嵌入B帧和P帧中，在提高视频数据抗攻击的同时，增强视频数据的真实完整性。仿真结果表明，该混合水印嵌入算法在鲁棒性和脆弱性方面有良好的表现。

运动目标检测；视频水印；自适应人工蜂群；Powell搜索；Logistic-正弦映射；Arnold映射

随着计算机多媒体的发展，多媒体数字产品的传输越来越公开化和便捷化，在便利使用其产品的同时，也为数字多媒体产品的篡改、伪造、侵犯著作权带来了机会，视频造假已经涉及到文化、经济和军事等多个领域，对社会造成了严重的影响。数字水印，即在多媒体数据中添加数字信息，以保证多媒体数据在受到攻击时能够有效恢复原数据，从而保护版权。运动目标检测是数字视频水印技术的基础，光流法[1]、相邻帧差法[2]、背景剔除法[3]为当前运动目标检测的主要方法。但3种方法各有利弊，其中光流法计算复杂度较大；相邻帧差法很难检测拍摄过程运动的目标；背景剔除法易受运动背景和光照的影响。针对传统方法的弊端，学者进行了深入的研究。文献[4]使用近似于原始视频合成帧来提取视频中的运动目标，保证了水印嵌入前后目标的一致性；文献[5]以H.264编码标准为基础，提出了一种基于运动矢量和模式选择的视频水印方案，使用小分割模式划分宏块，选择最佳的运动矢量嵌入水印；文献[6]提出基于运动目标检测和纹理复杂度的视频水印算法，但算法的实时性较差，且不能进行水印盲提取；文献[7]通过结合人类视觉感知系统和运动目标检测技术，从视频图像序列提取运动目标，将水印嵌入运动和高细节纹理复杂度区域；文献[8]通过帧间欧氏距离选取关键帧，利用改进帧差法提取关键帧中运动目标，对运动目标分割成子块，利用子块的离散余弦变换直流系数构造特征向量，并实现水印的嵌入。如何在视频图像序列中定位前景目标已成为视频水印的关键。

人工蜂群算法(artificial bee colony algorithm，简称ABC算法)是新兴的基于群体智能启发式算法，与经典遗传算法、粒子群算法、蚁群算法相比，在全局寻优和寻优精度方面更具优势[9-10]。因此，许多学者将优化算法与聚类算法进行融合，发挥各自的优点，解决实际应用问题。文献[11]利用遗传算法优化均值聚类算法，减少均值聚类算法对初始值的依赖；文献[12]利用密度和距离初始化蜂群，并将聚类算法作为工蜂的一种编码，增强算法的局部搜索能力；文献[13]通过对ABC更新位置公式，构造新的均值适应度函数，获得了较好的寻优结果；文献[14]通过增强ABC算法搜索能力优化均值聚类，提高了文本聚类质量。对ABC和均值聚类算法不同途径、角度的改进和结合，效果差异化较大。本文基于改进后ABC采用独立分量提取视频序列中的分量，利用Logistic-正弦映射进行混沌加密，对加密后的水印图像进行Arnold映射置乱，最后利用文献[15]中的方法在运动分量的小波域嵌入加密置乱水印。

1 人工蜂群算法

ABC算法是一种基于蜜蜂群体的仿生智能优化算法，算法通过模拟蜂群分工寻找最优蜜源来求解最优问题[9]，由于其收敛速度较快、控制参数少、易于实现等优点，被广泛应用于最优求解中。ABC算法的基本步骤如下：

步骤2. 根据式(1)随机选择蜜源

步骤3. 根据式(2)派出引领蜂在其近邻搜索，得到新的位置并计算其适应度值，比较两个解的优劣，保留质量较好的解

步骤4. 式(3)可计算当前每个引领蜂的概率，以此指导跟随蜂选择引领蜂，即

步骤5. 引领蜂更新完蜜源后，跟随蜂可根据引领蜂传递的蜜源适应度值选择所要跟随的引领蜂，根据式(2)在邻域内搜索更新蜜源，并通过比较选择较好的蜜源前往采蜜。

步骤6. 某蜜源的搜索次数达到最大开采次数，但蜜源适应度不再变化时，放弃该蜜源。同时，将引领蜂转换为侦察蜂。

步骤7. 判断是否达到最大迭代次数，达或满足循环终止条件。若是，算法结束并输出适应度最好的蜜源作为最优解。若不是，返回步骤2。

2 改进人工蜂群算法

2.1 自适应搜索策略

2.2 Powell局部搜索

Powell算法是利用共轭方向加快收敛的一种搜索算法。该方法在目标函数导数不连续时也能应用，并且不需要计算梯度，搜索精度较高。Powell算法基本步骤如下：

2.3 基于改进人工蜂群的运动目标定位

独立分量分析(independent component analysis, ICA)是指从多个源信号的线性混合信号中分离出源信号的技术。通过对视频连续帧进行独立分量分析，可以将视频中的目标提取出来。并将峭度作为ICA的目标函数，采用改进后的ABC函数优化求取最优解。混叠以及解混叠信号模型如下

分离矩阵为

利用独立分量需要求解的优化问题为

利用改进的ABC算法寻找式(9)中目标函数取最大值的分离矩阵，利用改进算法求解最优分离矩阵的流程为：

步骤2. 对视频图像按行去相关，生成一维序列，利用均值聚类算法对离散化一维数据进行初始化，将聚类中心作为蜂群的初始位置；

步骤3. 根据式(4)得到分离图像信号，对每只蜜蜂按照式(13)和(10)计算其适应度值并按降序排列，对半划分为引领蜂和跟随蜂；

步骤4. 引领蜂根据式(4)进行搜索获取新蜜源，如果新蜜源比原蜜源适应度函数值大，保留新蜜源，否则保持原蜜源；

步骤7. 当所有跟随蜂完成迭代搜索后得到新蜜源对应的中心，对保存的所有蜜源中心进行均值聚类，对当前群体中最优蜜源位置按照改进的Powell算法进行局部搜索，得到最新聚类中心点以此更新蜂群中蜜源位置；

步骤8. 当某引领蜂迭代次数超过最大开采次数后，判断是否存在有未更新的蜜源，若无则舍弃此蜜源，由侦察蜂随机产生新蜜源取代原蜜源；

在算法迭代过程中，随着蜜源的不断更新，f与avg之间的差异逐渐变小。当所有蜜源的适应度从整体上不再变化时，2会缩小到某个范围。因此，2反映了所有蜜源的收敛程度。

根据文献[16]的方法，利用上述过程可从连续帧中分离出静态分量X和运动分量Y。

3 水印信息预处理

3.1 Logistic-正弦映射

Logistic映射虽然实现简单但可以产生复杂的混沌状态，可定义为

当参数在[3.57,4]范围内，系统处在混沌状态，如图1(a)所示。但Lyapunov指数较小，混沌序列分布不均匀。正弦映射与Logistic 映射具有类似的混沌特性，可定义为

Logistic-正弦映射具有较大Lyapunov指数[17]，序列分布比较均匀，如图2(c)所示。

由图1~2可知，与Logistic映射和正弦映射相比，Logistic-正弦映射具有更大的参数空间，更加均匀的混沌序列分布和更大的Lyapunov指数。由于Lyapunov指数越大，说明混沌特性越明显，混沌程度越高，因此更适合利用混沌状态对图像进行加密。

图1 混沌序列分岔图

3.2 Arnold映射

Arnold映射也称为猫映射，其是采用阶数维的图像矩阵将目标图像中的像素点(,)变换到(,)处，其变换矩阵如下

Arnold映射变换中，经过一定次数的迭代后，目标图像中的像素点的位置会得到变换，可使其随机均匀地分布在置乱后的图像中。但Arnold映射变换具有周期性，被置乱的图像可能会被迭代变换恢复。为了解决此问题，可将经Arnold映射变换后的图像进行替换和扩散，即

经过改进后的变换矩阵不仅具有混沌映射的特性，还可经一定迭代次数后，使任意相邻的像素点可随机分布在整个图像空间中且不重叠。

4 混合视频水印方案

多媒体技术的突飞猛进，在方便人们开发创作视频数据的同时，也对其完整性和原创性造成了伤害。视频水印的加入不仅要保护视频数据的真实、完整性也要保护其版权信息不被破坏。基于此，本文提出在视频数据中B帧运动矢量残差中嵌入鲁棒性水印，提高视频数据的抗攻击能力，在视频数据中P帧运动矢量中嵌入脆弱性水印，增强视频数据的真实、完整性。

4.1 鲁棒性水印嵌入

H.264视频中包含I、P、B 3种帧，其中B帧不作为参考帧，不会因误差累积而影响视频质量，一个画面组中拥有较多的B帧，其具有4个运动矢量的宏块相对较多，为了减少宏块的数量，文中基于2.3节定位方法得到视频运动区域，具体的水印嵌入流程如下：

步骤4. 将运动矢量分解为水平分量和垂直分量，判断运动矢量水平分量和垂直分量是否同时为零，若是则跳出当前该宏块；

水印嵌入规则：

如果||≥||，若w=0&||%2=0或w=1&||%2=1时，选取水平运动残差

步骤6. 重复步骤2~5，直到视频中每个画面组都嵌入完整水印信息。

4.2 脆弱性水印嵌入

图3 嵌入范围示意图

为进一步增强水印的易损性，采用表1相关联的方式选择水印嵌入位置。

表1 水印位运动矢量选择

具体的水印嵌入流程如下：

步骤2. 基于改进ABC的运动目标定位运动区域，遍历定位区域内宏块中的所有块，选择3个连续的运动块，判断是否为跳跃宏块P，若不是则对其中的每个运动矢量进行运动估计，定位最佳整像素和最佳1/2像素的精度搜索点；

步骤3. 以最佳1/2像素为中心十字搜索1/4像素点，选取、1、2、5、6为1/4像素点，根据表1选择方法，且根据以下规则对运动矢量的水平分量、垂直分量精度值进行修改，以嵌入水印：

当w=1，如果(,2)=0，利用SATD(sum of absolute transformed difference)准则(对残差进行哈德曼变换的系数绝对和)在5、6点间选择最佳点嵌入，否则在剩余点中选择最佳点嵌入；

当w=0，如果(,2)！=0，利用SATD准则在、1、2点间选择最佳点嵌入，否则在剩余点中选择最佳点嵌入；

步骤4. 利用运动矢量与运动矢量预测值求取运动矢量预测残差值，并对编码；

步骤5. 重复步骤2~4，直到视频3个连续的运动块嵌入了完整的水印信息。

水印的提取为水印嵌入的逆过程，文中不再赘述。

5 仿真实验

图4 原水印图像和混沌置乱后图像

采用“江汉师范”二值图像(60×60)作为脆弱性水印，并对其按行生成二进制序列，生成3 600位二值信息，将此二值信息嵌入到P帧中。

为了验证改进ABC运动目标定位的效果，对bus视频序列进行处理，得到运动区域与原帧图像，如图5所示。

图5 原帧图像与运动目标定位区域

通过分析视频序列，本文算法所定位的区域的确为视频运动信息所在的位置，通过计算原bus视频帧中的运动矢量与定位区域的运动矢量可知，本算法所定位的区域运动矢量占据整个视频帧的75%左右。由此可知，将水印信息嵌入到所定位区域的运动矢量中，能够最大程度上保证水印的安全。

5.1 不可见性分析

含水印视频质量的好坏是评价水印算法的重要依据，文章利用峰值信噪比(peak signal noise ratio，PSNR)和均方误差(median square error，MSE)客观评价嵌入视频前后视频数据的质量。

图6 视频帧在水印嵌入前后效果

图7 算法嵌入水印前后PSNR对比

5.2 水印鲁棒性和脆弱性

为了说明本文算法的鲁棒性和脆弱性，利用本文算法对嵌入学校校徽和“江汉师范”二值图像的视频数据进行帧删除、加噪滤波、尺寸缩放剪裁等攻击，采用归一化系数(normalized cross-correlation，NC)对提取水印与原始水印的相似度进行客观评价，即

表2 帧删除仿真结果

表3 加噪滤波攻击仿真结果

表4 经不同尺寸缩放后NC值

6 结 论

本文在借鉴前人研究成果的基础上，融合自适应ABC和Powell局部搜索，实现一种基于独立分量分析的运动目标检测算法。基于该算法求解运动目标最优化问题，从而提取视频序列中的运动分量，并将混沌置换后的水印信息嵌入视频B帧运动矢量残差和P帧运动矢量中，仿真实验表明本混合视频水印算法不仅提高了视频数据抗攻击的能力还增强了视频数据的真实完整性。

[1] SENST T, EVANGELIO R H, SIKORA T. Detection people carrying object based on an optical flow motion model [C]//Proceeding of IEEE Workshop on Application of Computer Vision. Washington:Society, 2011: 301-306.

[2] WENG M Y, HUANG G C. A new interframe difference algorithm for moving target detection [C]//The 3rd International Congress on Image and Signal Processing. New York: IEEE Press, 2010: 285-289.

[3] MOHAMED S S, TAHIR N M, ADNAN R. Background modeling and background subtraction performance for object detection [C]//The 6th International Colloquium on Signal Processing and Its Application. New York: IEEE Press, 2010: 236-241.

[4] 孙慧, 石艳娇, 王建中, 等. 一种基于运动目标的视频水印方法[J]. 计算机工程, 2013, 39(2): 155-161.

[5] 夏丽娟, 冯桂, 黄建筑. 基于运动矢量和模式选择的视频水印方案[J]. 计算机工程与应用, 2011, 47(24): 93-96.

[6] 郭燕, 卢忱, 范九伦. 运动目标检测和纹理复杂度与视频水印算法[J]. 西安邮电大学学报, 2013, 18(1): 35-39.

[7] 周萍, 刘岩, 陈希, 等. 基于运动目标检测的视频水印算法研究[J]. 计算机应用与软件, 2014, 31(2): 157-161.

[8] 李淑芝, 晏啟明. 基于运动目标子块分割的视频零水印算法[J]. 计算机应用与软件, 2015, 32(4): 191-196.

[9] KARABOGA D, BASTURK B. A powerful and efficient algorithm for numerical function optimization: artificial bee colony (ABC) algorithm [J]. Journal of Global Optimization, 2007, 39(3): 459-471.

[10] KARABOGA D, AKAY B. A modified artificial bee colony (ABC) algorithm for constrained optimization problems [J]. Applied Soft Computing, 2011, 11(3): 3021-3031．

[11] 柳景青, 郭东进, 叶萍. 改进的给水管网节点K均值空间聚类[J]. 浙江大学学报: 工学版, 2015, 49(11): 2128-2134.

[12] 罗可, 李莲, 周博翔. 一种蜜蜂交配优化聚类算法[J]. 电子学报, 2014, 42(12): 2435-2442.

[13] 喻金平, 郑杰, 梅宏标. 基于改进人工蜂群算法的K均值聚类算法[J]. 计算机应用, 2014, 34(4): 1065-1069.

[14] 柯钢. 基于增强蜂群优化与K-means的文本聚类算法[J]. 计算机应用研究, 2016, 33(8): 2298-2302.

[15] 邹强. 一种小波域的自适应数字盲水印算法研究[J]. 计算机仿真, 2011, 28(6): 284-287．

[16] 成吴, 唐斌. 基于相关熵的盲源分离算法[J]. 电子科技大学学报, 2013, 42(2): 214-218.

[17] ZHOU Y, BAO L, CHEN C L P. A new 1D chaotic system for image encryption [J]. Signal Processing, 2014, 97: 172-182.

[18] 李淑芝, 吴晓燕, 张翔. 基于小波变换的运动目标检测视频水印算法[J]. 电视技术, 2015, 39(15): 1-5.

A Hybrid Video Watermarking Algorithm Based on Artificial Bee Colony and Chaotic Mapping

ZHU Shengfeng

(Department of Computer Science, Hanjiang Normal University, Shiyan Hubei 442000, China)

In order to solve the problem that the motion vector search is inefficient and the embedded watermark information is single, this paper integrates adaptive artificial bee colony and Powell local search to realize a moving object detection method based on independent component analysis.Adaptive search parameters are used to adjust neighborhood search scope dynamically, that makes artificial bee colony algorithm quickly converge to global optimal and achieve a more optimal solution. Then, all nectaries will be clustered by-mean to be dependence of clustering result on the initial center, and then clustering results are divided into Powell local search, which accelerate the algorithm convergence speed. The motion component optimization problem is designed by using the independent component, and the optimal solution is solved by the improved method to extract the motion component in the video sequence.By using Logistic-sinusoidal mapping for chaotic encryption, the Arnold map is scrambled on the encrypted watermark image, and the final watermark information is embedded in B frame and P frame, and the real integrity of the video data is enhanced while improving the video data attack.The simulation results show that the hybrid watermark embedding algorithm has good performance in robustness and vulnerability.

moving target detection; video watermark; artificial bee colony; Powell search; Logistic-sine mapping; Arnold mapping

TP 391

10.11996/JG.j.2095-302X.2018010021

A

2095-302X(2018)01-0021-09

2017-05-04；

2017-06-07

朱圣烽(1981–)，男，湖北房县人，讲师，本科。主要研究方向为图形图像处理与视频水印。E-mail：zhushengfeng81@126.com