一种基于一维df和radon变换的视频水印算法

一种基于一维df和radon变换的视频水印算法

传统的加密保护方法无法有效防止未经授权的数字媒体数据的复制和其他非法行为的版权保护。数字水印技术是将水印信息隐藏到宿主信号中的一种版权保护技术,稳定的数字水印技术可以有效地对文本、软件、图像、音频和视频等媒体数据进行版权保护。图像水印技术须在保证图像质量的前提下,有效地抵抗一般的图像处理,如无损压缩、滤波和几何变换等。几何变换即RST变换包括旋转、缩放和平移,是对图像水印技术最具挑战性的攻击,文献视频水印技术和图像水印技术相类似,由于视频中的各帧之间存在大量的冗余,所以对视频水印技术提出了更多特殊的要求,稳定的视频水印算法可以对视频压缩、帧丢失、帧交换、几何变换等攻击具有很好的鲁棒性,现有的视频水印算法的局限性在于基于某个特定的视频压缩标准,并且计算复杂度很大,难以实现实时视频水印本文提出的基于一维DFT(离散傅里叶变换)和Radon变换视频水印算法,不在压缩域进行处理,所以,不局限于任何特定的压缩标准;并且为了降低计算的复杂性,将视频帧在时域上进行一维DFT变换使其变换成频域,在保留时域信息的情况下,获得频域信息,由此确定在哪一帧中嵌入水印,并用伪随机噪声生成水印,使其更易被检测到。1水印的嵌入和汲取本文提出的视频水印算法是把视频转换成相同数量的若干组帧,然后将每组帧中的每个图片应用一维DFT变换到频域中,在频域中用Radon变换进行水印的嵌入和抽取。1.1视频时域的一维dft对一组帧在时域上做一维DFT变换成频域,此时时域信息和频域信息存在于相同的帧中,从一帧到另一帧的快速运动的物体在频域信息中显示的频率较高。对尺寸为M×N×T(每一帧的大小为M×N,帧的总数为T)的视频f(x,y,t)进行一维DFT变换为:式中,f(x,y,t)为视频t时刻帧的时域;x、y分别为帧中的像素点的坐标;t为该帧的时间;u、v分别为帧中在x、y方向上的频率变量;τ为该帧时间方向上的频率变量。相应地一维DFT逆变换为:f(x,y,t)的离散傅里叶变换也可以用指数的形式表示:式中,|F(u,v,τ)|为傅里叶变换级数,φ(u,v,τ)为相位角。变换后的Fu(,v,τ)是一个具有两个维度的时域信息(u,v)和一个维度的频域信息(τ)的三维信号。在一维DFT变换后的频域中的每一帧所有的时域信息保留并累积,显示的频域信息表明时域运动的快慢,快速移动的部分比缓慢移动部分更模糊。1.2图像投影对比Radon变换如图1所示。Radon变换是对图像沿不同方向投影的集合,它能够沿着任意角度γ计算出图像投影。总的来说,f(x,y)的Radon变换是沿着y′轴的平行线方向的积分,其表达式如下:在本算法中,应用Radon变换垂直投影,即将一帧沿着垂直方向的一维投影变换成一维矩阵,其表达式为:它的大小为M×N;G(u,τ)是F(u,v,τ)沿着垂直方向的一维投影,是一个长度为M的一维矩阵。1.3视频的嵌入大多数水印系统在亮度分量中嵌入水印,针对彩色的视频,将水印嵌入到蓝色分量中,这是因为人类视觉系统对蓝色分量不太敏感。为了将任何信息隐藏在视频内容中,本算法用随机产生的正数作为水印,即在视频片段的频域中隐藏一个随机序列数。将视频片段划分为相同数量的若干组帧,然后对每个帧进行一维DFT,使其变换到频域,此时可以获得时域信息和频域信息。DC帧是在每组帧中具有所有时域信息而没有频域信息的帧,从数学角度看,DC帧仅仅是每组帧中的所有帧在时域上的总和;AC帧是具有不同频域信息的帧。选择两个与DC帧具有最大区别度的对称的AC帧作为水印的嵌入位置,为了保证被嵌入水印的视频的保真度,水印的嵌入强度根据目标视频进行调节。水印嵌入过程算法如图2所示。对每组帧做一维DFT变换需要沿着时间轴进行。所产生的水印是用伪随机信号发生器产生一个固定长度的随机序列,它是一个由正数组成的扩频,在本算法中产生32位伪随机数。然后,在所产生的随机数间通过补0的方式扩频,使其成为水印,水印的长度等于目标视频帧的水平宽度。对目标帧沿着垂直方向进行Radon变换,得到一维矩阵G(u,τ)(G(u,τ)的表达式见式(7))。在目标帧中嵌入水印来替换该帧嵌入垂线的每一个像素,嵌入水印后的像素值M(u,v,τ)表达式见式(8)。式中,w(u)是在水平方向u的水印值;α为水印嵌入强度。均衡嵌入可以使目标帧的频率分布改变不明显,从而保证水印的视频的保真度。本文算法应用式(8)直接将水印嵌入到频域F(u,v,τ)中,而不是将水印嵌入到Radon变换域G(u,τ)中。直接将水印嵌入到频域F(u,v,τ)中的嵌入算法在受到攻击时,视频会很明显地发生变化,而在Radon变换域嵌入水印的算法在受到攻击时,不会对视频有任何影响。最后,对改变的傅里叶变换级数和原始的蓝色成分(针对彩色视频)做一维DFT逆变换。针对彩色视频,连同其他两个成分(红、绿)得到嵌入水印的视频。应用上述算法,可得到移动视频帧的频域,如图3所示。由图3可知,水印在频域视频中是可见的。本例中视频的原始帧与嵌入水印帧的峰值信噪比为40.7357dB。移动视频帧的时域如图4所示。由图4可知,嵌入峰值信噪比为40.7357dB水印的移动视频帧的时域与原始帧的时域非常接近,经过一维DFT逆变换后,水印在时域视频中是不可见的。1.4radon变换梯度的检测在水印的提取过程中,含有水印的视频或水印的关键部分可能会受到攻击,水印的提取过程包括以下步骤:(1)将含有水印的视频分成与嵌入过程相同数量帧的若干组帧。(2)对每组帧应用一维DFT变换,选择与嵌入过程相同的帧进行水印检测。(3)对第τ帧应用Radon变换得到矩阵G′(u,τ),对嵌入水印的帧图3(b)进行Radon变换,结果如图5所示。由图5可知,嵌入水印的帧没有被攻击,通过Radon变换域中的低值或高值可以检测到水印的位置。(4)计算Radon变换的梯度。向量u=其中,Radon变换的梯度如图6所示。(5)生成与嵌入过程相同的随机水印序列w。(6)由式(9)—(10)计算生成的水印序列的梯度。(7)由式(11)计算嵌入水印帧的Radon变换的梯度与产生水印序列的梯度的相关性。如果相关性大于阈值,则水印可以提取;否则,水印不存在或无法提取。2静态物的拍摄应用本算法测试的目标视频如图7所示。图7(a)为在移动的物体上拍摄的静态物体的视频,视频格式为CIF,大小为352×288;图7(b)为在静止的物体上拍摄的乒乓球的视频,视频格式为SIF,大小为352×288。2.1视频的峰值信噪比用峰值信噪比来检测水印视频的保真度。通过计算原始视频和水印视频每一帧蓝色成分的峰值信噪比及其平均值,获得目标峰值信噪比,每个水印视频的峰值信噪比分别为40.7357dB和40.1590dB。在此峰值信噪比下,人眼无法识别原始视频和水印视频之间的区别。2.2信号的旋转角度目标视频的攻击实验结果见表1。通常情况下,视频信号的旋转非常轻微,旋转角度一般不超过5°。由表1可知,嵌入水印视频的相似度的值远高于没有嵌入水印视频,该算法可以有效地抵抗视频信号的旋转攻击。2.3视频信号的相似度平移是一种需要重新定位的攻击。由表1可以看出,不管嵌入水印的视频平移了多少像素,重新定位后,嵌入水印视频的相似度是相同的,采用相位滤波方法能够正确地得出平移的数量。2.4选择合适的帧长度比改变帧的长宽比的目的是转换目标视频信号的大小,类似于图像的缩放。本文考虑三个常用的帧的长宽比4∶3、11∶9和16∶9,相对于原来的长宽比,对目标视频信号用不同长宽比。由表1可以看出,嵌入水印视频的相似度通常大于没有嵌入水印视频。2.5次交换和一次质量交换帧交换意味着在一组帧中随机地改变帧的次序。但是,过多的帧交换会降低视频的质量,因此,实验中只交换一次。在一组帧中,不加任何标识进行帧交换,在频域上,一次交换不会有太大的区别。由表1可以看出,本算法能够抵抗帧交换的攻击。2.6工资丢失在本实验中,丢失一个帧,并从下一组帧中借用一个帧作为丢失的帧。由表1可以看出,能够清晰地区分嵌入水印视频和没有嵌入水印的视频。2.7高斯低通滤波由表1可以看出,本算法能够抵抗高斯低通滤波攻击。2.8绿色成分的灰度级r用灰度级(r+g+b)/3代替嵌入水印视频的蓝色成分,r表示红色成分的灰度级;g表示绿色成分的灰度级;b表示蓝色成分的灰度级。由表1可以看出,该算法能够抵抗灰度级变化的攻击。2.9视频压缩攻击H.264压缩攻击的实验结果见表2。对于每个嵌入水印的视频,用三种不同的压缩率进行H.264压缩。当压缩视频具有约40dB的峰值信噪比时,对压缩视频的质量没有太大的影响,此时嵌入水印视频的相似度分别为0.5490和0.5305,而没有嵌入水印视频的相似度非常低,嵌入水印的峰值信噪比越高,相似度越高。在大约35dB的较低峰值信噪比的情况下,仍然可以成功地区分嵌入水印的视频和没有嵌入水印的视频。因此,考虑到H.264的压缩率,本算法完全可以抵抗H.264的压缩攻击,本视频水印算法还可以抵抗其他例如“Indeo3”、“Indeo5”、“Cinepak”、MPEG2的视频压缩攻击。移动拍摄的比特率为5576.45Kbps,静止拍摄的比特率为3019.84Kbps。2.10旋转角度优化视频水印算法抵抗实时视频攻击是困难的,实时视频通过增加噪声、RST变换、光照变化、压缩等进行组合攻击。在应用H.264压缩、盐椒噪声的密度为0.001、长宽比为16∶9、向右平移20像素、光照增加或减少50、增加目标帧亮度的条件下,改变旋转角度,对目标视频进行了组合攻击,实验结果见表3。通过归一化互相关的检测方法可知,改变目标帧的亮度对实验结果没有影响,因此,在本算法中增加或减少灰度级能够得到相同的结果。由表3可知,有水印视频和无水印视频之间的相似度有非常明显的区别,表明本算法能够抵抗上述的组合攻击。2.11h.264的表现通过比较文献采用本文算法对三种攻击手段计算的归一化相关值约为0.60;文献对抵抗视频压缩攻击的性能,在2.9节给出了用不同比特率进行H.264压缩的实验结果,为了产生40dB左右的峰值信噪比,不同视频的比特率是不同的,如移动拍摄视频比特率为5.5Mbps,静止拍摄视频比特率为3.0Mbps,相似度归一化相关值为0.43~0.57,其平均值为0.51;文献3视频点水印嵌入技术本文提出了基于一维DF