基于视频关键帧的水印嵌入算法研究

摘要:现有视频水印技术需将水印同等嵌入到所有视频帧中进行版权保护,这大大增加水印嵌入负担。为减少资源浪费,提高水印嵌入效率,该文提出了一种在视频关键帧中嵌入水印的算法。该算法首先利用PCA方法提取出视频帧的主要特征,并根据此内容进行聚类,进而得到关键帧;然后在关键帧中嵌入水印图像。该算法思想简单,容易实现,实验表明该算法能够极大地提高视频水印嵌入的速度,视频水印的鲁棒性也得以加强。

关键词:关键帧;PCA;聚类;DCT

中图分类号:TP37 文献标识码:A文章编号:1009-3044(2010)22-6328-03

Video Watermarking Scheme Based on Key Frames

WU Jing-li, MA Jian-bin, SHEN Nian-feng, ZHANG Wen-ming

(Computer Science and Communication Engineering of Jiangsu University, Zhenjiang 212013, China)

Abstract: For copyright protection, modern techniques of video watermark embed the watermark into all frames which increases the embedding burden. In order to reduce the waste of resources and improve the efficiency of watermark embedding, this paper presents a new techinique for embedding the watermark into key frames of a video. In this method, PCA is applied to obtain the main features of frames and the key frames are extracted after clustering. Lastly, the watermark is embedded into those key frames. This algorithm is simple and easy to be implemented. Experimental results show that it can greatly improve the speed of embedding with the better robustness of the watermark.

Key words: key frames; PCA; clustering

近年来,随着多媒体技术的飞速发展和网络的普及,网络及个人电脑上出现了大量的图像和视频等数字多媒体信息,数字多媒体信息的版权保护问题就显得尤为迫切,引起学术和工业界的广泛兴趣。自20世纪90年代以来,数字水印技术的研究一直是学术界研究解决多媒体信息版权保护的重要研究手段[1-4],其基本思想是在数字图像、视频等多媒体信息中隐秘地嵌入能表明身份的版权信息,以便达到保护版权的目的,且嵌入的水印不影响图像、视频的可见质量。目前,在视频水印的版权保护研究上,文献[1]利用FMT算法以提高水印的抗攻击性;文献[2]提出用神经网络和物体运动预测的方法,提高了水印嵌入的鲁棒性;文献[3]利用DWT变换将水印嵌入到视频的每一个帧的DWT域内,提高了水印嵌入的质量。文献[4]提出将水印图像分解成若干个部分到视频帧中的不同区域内。文献[5]提出可以在图像像素的亮度分量中嵌入可视水印的方案。文献[6]提出了一种在MPEG-2视频流中嵌入可视水印的方案。

以上方法都是基于所有视频帧的水印嵌入策略,由于视频中存在海量图像帧,这使得视频水印的嵌入和提取需要花费大量的计算时间,视频水印的实时性得不到满足;同时,由于视频内容在时空上的连续性,一定时间段内视频内容没有显著变化,可以选取最有代表性的视频帧进行水印的嵌入。目前,尚未有文献提出基于视频关键帧的水印嵌入研究。本文在以上分析的基础上,提出在关键帧中嵌入水印的算法:该算法首先利用PCA和K-means聚类进行关键帧的提取,然后在帧的DCT域内嵌入水印。实验证明该方法能够提高水印的嵌入效率,大大降低计算复杂度,使实时操作成为可能;而且由于水印嵌入的视频关键帧在视频流中位置的不确定性,使得水印的鲁棒性也得到了提高。

本文各节内容组织如下:1.介绍基于视频关键帧水印嵌入和提取研究;2.进行各种攻击验证,给出实验结果;3.总结全文。

1 基于视频关键帧水印嵌入和提取

基于视频关键帧的水印嵌入过程如下:利用PCA降维的方法提取出视频的主要特征,根据此内容进行K-means聚类分析,得到关键帧;然后将视频关键帧及水印变换到DCT域中进行水印嵌入。具体的水印嵌入流程图如图1。

1.1 PCA算法

主成分分析(PCA)[7]是一种非常有效的数据降维方法,该方法通过采用特征空间变换的方式,将在原特征空间中互相关联的数据,变换到正交的特征空间,用此方法得出的各主成分特征之间互不相关,且前几个主成分代表了原数据中绝大部分信息,因而有效压缩了数据的维数且保留了原数据中绝大部分信息。利用PCA的这一特点,可以用来有效压缩视频中图像帧的维数,降低视频关键帧提取中聚类的计算复杂度。

假设原始图像用I表示,大小为M*N。

PCA的具体过程如下:

第一步:将原始帧图像分割成大小为n*n的子块。将每个子图像看成一个向量,那么整个图像可以看为,其中,ii表示第i个子图像,T表示为矩阵的转置,每个子图像包含n2个像素,即每个ii含有n2维。

第二步:根据下面公式1计算各个子图像的协方差矩阵。

1)

其中mi=E(I),是每个ii的平均向量。建立该矩阵后,根据公式

CxФ=λФ (2)

可以计算出特征向量和相应的特征值,并都进行降序排列。

第三步:根据公式3将子图像矩阵转化为非相关系数,即可得到特征图像Y。

(3)

第四步:根据公式4进行反变换即可得到与原来图像大小相同的图像。

1.2 水印嵌入过程

水印嵌入过程分以下3大步骤完成:

1.2.1 关键帧的提取

第一步:将视频各个帧由RGB模式转换为YUV模式,通过这种转换可以将能量集中在Y分量上。

第二步:用分块PCA算法对各个帧的Y分量进行降维处理并提取特征信息。降维可以大大减少下面聚类所需要的工作量。

第三步:根据各个帧的特征信息进行k均值聚类分析。

第四步:在这k个类中分别选取最靠近聚类中心的帧作为关键帧。

1.2.2DCT变换

第一步:对关键帧的Y分量进行分块DCT变换[8]。将Y分量进行8×8的DCT分块。假设宿主图象为M×N大小,这样将宿主图象分成(M/8)×(N/8)个子块。

第二步:对二值水印图像也进行类似分块。

第三步:对子块的DCT系数进行排序。将关键帧图像和水印图像的DCT子块按照绝对值方差进行排序,这样的目的也是为了增强水印嵌入的强度。因为DCT子块方差越大,说明这个子块与图象的平均质量差异越大,说明它的纹理越复杂。而纹理越复杂,可以嵌入的强度就越大。

1.2.3 水印的嵌入

第一步:对关键帧图像子块DCT按Z字形排列,把重要的低频系数集中在前面,这样在安排水印嵌入时尽量把水印安排在对视觉重要的低频系数中;

第二步:方差第i大的关键帧图像DCT子分块矩阵,选取方差第i大的水印DCT子分块矩阵,并对该水印子阵排序。

第三步:将水印DCT系数嵌入到关键帧图像子块的DCT系数中,这里将水印嵌入到中低频区域中以保证嵌入后图像的不可见性。同时,为了增强水印的鲁棒性,这里将一个水印DCT系数加入到4个被嵌入图像的DCT系数中,具置可以自己选择。假设水印嵌入的中低频系数在Z字形排序后的位置为M1,M2, M3, M4,,则相对应的图像的DCT系数为DCT(Mi),i取1到4。相对应的量化矩阵的系数为Q(Mi),嵌入水印DCT系数为YDCT,则水印嵌入的公式为:

这里的α是控制水印嵌入强度的系数。在嵌入水印的同时,将被嵌入水印的图像的原始DCT值,二值水印图像象素点的位置值和嵌入强度等相关信息保存在一个密码文件中,作为以后提取水印的依据。

第四步:进行IDCT变换,将DCT系数转换为Y分量值。

第五步:将各个视频帧由YUV模式转换为RGB真彩色模式,并保存嵌入水印后的视频。

1.2.4 水印提取的具体实现

这个过程是上一个过程的逆过程。其基本过程也是和嵌入过程很相似。

第一步:将视频各个帧由RGB模式转换为YUV模式。

第二步: 根据嵌入前后的两个视频的信息找到嵌入后的k个关键帧。

第三步: 对关键帧的Y分量进行分块DCT变换。

第四步: 对子块的DCT系数进行排序。

第五步: 利用密码文件中的原DCT系数和水印强度等信息,由水印嵌入公式知:

将上式累计相加得到: (7)

第六步: 对提取DCT分块进行IDCT变换,得到二值水印图像。

2 实验结果

2.1 不受攻击的情况

本实验中用的测试视频共有74帧,整个程序从开始分析视频到保存好嵌入水印之后的视频共经历了大约39秒。

为了准确的表达水印的不可见性,本文采用了PSNR系数进行分析。

本实验中用的测试视频共有74帧,聚类后提取出6个关键帧,其嵌入水印前后的图像和从帧图像中提取出来的水印均由图2所示。

其中,(a)为从视频中提取出的6个关键帧;(b)为嵌入水印之后的视频关键帧;(c)为6 个关键帧所对应的提取出来的水印。

本文采用PSNR(Peak-Signal-To-Noise Ratio)来定量地说明水印的不可见程度,用NC(normalized correlation)来定量表示提取出的水印和原来嵌入帧图像中的水印的相似程度。

(8)

(9)

式子中,I(i,j)指原帧图像的像素值,I'(i,j)指嵌入水印图像后的帧图像的像素值。两个图像的大小均为m*n。w(i,j)指原来嵌入的水印图像的像素值,w'(i,j)指提取出来的水印图像的像素值。PSNR值越大,说明水印的不可见程度越高,说明嵌入效果越好;PSNR值小于25说明效果较差,而NC值越接近1越好。

2.2 各种攻击测试

为了验证该算法的有效性,本文中做了大量的实验。本文中只列举出其中一帧图像的各种攻击测试。

图3(a)为经过伽马矫正后的图像,其PSNR为96.6208,(b)为提取出的水印,其NC为0.9087。

图4(a)为加入密度为0.04的椒盐噪声后的图像,其PSNR为52.88,(b)为提取出的水印,其NC为0.8889。

此外,本文中还做了直方图均衡化、对比度矫正、大小变化、旋转、剪切、JPEG图像压缩、MPEG-4等一系列的攻击,其结果可见表1。

当PSNR

3 总结

本文采用PCA和聚类相结合的方法提取出关键帧后并在其中嵌入水印,大大降低了视频水印嵌入的复杂度,使得嵌入效率更高。

相比于传统的视频水印嵌入策略,本文算法通过提取视频关键帧并嵌入水印,这样做能够避免在视频水印嵌入和提取的时候花费大量的时间,大大降低计算复杂度,提高水印嵌入的效率,使视频水印的实时性得到满足。另外,由于水印只嵌入到关键帧中,而其他的帧中并未嵌入,所以水印在视频流的位置是随机的,不确定的,这就使得视频水印的抗攻击性更好。

经过MPEG编码,JPEG压缩,高斯噪声,椒盐噪声,直方图均衡化,光度矫正,对比度矫正,剪切,旋转,大小变化等实验,表明该算法能够很好的保证视频水印的不可见性和鲁棒性。

在以后的研究中,将更注重于如何实现更好的水印嵌入策略,使水印嵌入强度更大,并且抗攻击性更强。

参考文献:

[1] Serdean C V, Ambroze M A, Tomlinson M, et al. DWT Based Video Watermarking for CopyrightProtection, Invariant to Geometrical Attacks[J].Proceedingsof the 3rd International Symposium on CommunicationSystems Networks and Digital Signal ProcessingCCSNDSP'02, Stafford, UK,2002:15-17.

[2] EL Arbi E, Ben Amar C, Nicolas H. Video Watermarking Based on Neural Networks[J].IEEE International Conference on Multimedia and Expo,ICME'06, 2006:1577-1580.

[3] Yang G, Sun X M, Wang X J. A Genetic Algorithm based Video Watermarking in the DWT Domain[J].Computational Intelligence and Security 2, 2006:1209-1212.

[4] EL Arbi M, Ben Amar C, Nicolas H. A VideoWatermarking Scheme Resistant to Geometric Transformations[J].IEEE International Conference on Image Processing, ICIP'07, 2007(5):481-484.

[5] Braudaway G W, Magerlein K A, Mintzer F.Protecting publicly-available images with a visible image watermark[J].IBM Research Division, T.J.Watson Research Certer, Technical Report 96A000248.

[6] Meng J, Chang S F. Embedding visible video watermarks in the compressed domain[J].Proceedings ICIP, 1998:474-477.

[7] Hien T D, Chen Y H, Nakao Z. The PCA Based Digital watermarking[J].LNCS,Springer,2003(2774):1427-1434.

[8] 郑鹏,刘敏忠.一种基于DCT 域的视频水印算法[J].武汉理工大学学报,2009,31(18):9-11.