陳淑琴，李 智，程欣宇，高 奇

(貴州大學 計算機科學與技術學院，貴陽 550025) (*通信作者電子郵箱lizhigzu@163.com)

人眼視覺特性與SIFT相結合的視頻雙水印算法

陳淑琴，李 智*，程欣宇，高 奇

(貴州大學 計算機科學與技術學院，貴陽 550025) (*通信作者電子郵箱lizhigzu@163.com)

針對視頻水印容易遭受幾何攻擊以及水印的魯棒性與透明性的平衡問題，提出一種基于人眼視覺特性與尺度不變特征變換(SIFT)相結合的抗幾何攻擊視頻雙水印算法。首先獲取視頻序列中人眼視覺掩蔽閾值作為水印的最大嵌入強度。其次，將視頻幀進行離散小波變換(DWT)，對中高頻子帶系數(shù)提出基于視頻運動信息的自適應水印算法；針對低頻子帶，提出基于小波低頻系數(shù)統(tǒng)計特性的抗幾何攻擊視頻水印算法。最后，以SIFT作為觸發(fā)器判斷視頻幀是否遭受幾何攻擊，對遭受幾何攻擊的視頻幀利用SIFT的尺度與方向不變性進行校正，并對校正后的視頻幀提取水印信號；針對非幾何攻擊的視頻幀，直接利用中高頻提取算法。所提算法與實時性視頻水印算法——基于小波域直方圖的視頻水印(VW-HDWT)算法比較，峰值性噪比值(PSNR)提高了7.5%；與基于特征區(qū)域的水印算法相比，水印嵌入容量提高約10倍。實驗結果表明，在保證水印透明度較好的情況下，所提算法對常規(guī)幾何攻擊具有較強的魯棒性。

抗幾何攻擊；人類視覺系統(tǒng)；尺度不變特征變換；雙水印；離散小波變換

0 引言

隨著網(wǎng)絡技術的快速發(fā)展，越來越多的數(shù)字媒體作品發(fā)布在互聯(lián)網(wǎng)上，由于互聯(lián)網(wǎng)的實時性和交互性，人們可以很方便地通過網(wǎng)絡對媒體信息進行下載、存儲以及傳播。人們在感受到互聯(lián)網(wǎng)帶來便捷信息交互的同時，也導致媒體作品很容易被篡改與破壞，因此對數(shù)字作品進行有效的版權保護是信息安全領域一個急需解決的研究課題。

視頻水印作為一種版權保護技術，通過將數(shù)字水印信號嵌入到視頻序列中，實現(xiàn)保護視頻版權的目的。為了更好地實現(xiàn)這一功能，不僅要求水印算法具有較好的魯棒性，還進一步要求水印信號在嵌入到不同內(nèi)容的載體中時水印算法具有基于載體內(nèi)容的自適應性。對視頻水印而言，Cox等[1]提出基于擴頻思想離散余弦變換(Discrete Cosine Transform， DCT)域的經(jīng)典魯棒水印算法，該算法巧妙地運用擴頻思想結合加法及乘法法則多次進行水印的嵌入，但對不同的DCT系數(shù)，該算法的嵌入強度沒有區(qū)別對待，人眼視覺特性也并未在該算法中進行考慮。伴隨著自適應水印算法的發(fā)展，文獻[2]中，利用人類視覺系統(tǒng)(Human Visual System， HVS)掩蔽效應的方法，通過使用塊DCT和區(qū)域感知分類器技術，提出一種自適應水印技術。這種水印嵌入技術利用不同的方法對噪聲的靈敏度進行分析，提高算法嵌入強度的自適應性。為提升水印的抗幾何攻擊性，進行視頻水印算法研究，文獻[3]實現(xiàn)分塊DCT系數(shù)和一階離散小波變換(Discrete Wavelet Transform， DWT)系數(shù)之間快速轉換方法，提出了一種基于小波域直方圖的視頻水印(Video Watermarking based on Histogram in DWT domain, VW-HDWT)算法，水印信號被嵌入在小波低頻子帶直方圖中相鄰系數(shù)級里。此算法主要適應于DCT編碼的視頻文件，算法側重考慮水印嵌入和提取的實時性，水印的魯棒性有待提高。文獻[4-7]均為基于尺度不變特征變換(Scale Invariant Feature Transform， SIFT)的水印算法，其中文獻[4]的作者利用SIFT特征描述子具有對旋轉、縮放、平移變換保持有不變性的特征獲取關鍵點，算法對關鍵點的9×9鄰域進行DCT，并在得到的中頻子帶中選取一部分系數(shù)進行水印信號的嵌入和提取，在高壓縮比的JPEG攻擊和方差較大的高斯濾波攻擊下該水印算法所提取的水印信息受損較為嚴重。文獻[7]作者提出利用SIFT的尺度特征變換獲取穩(wěn)定特征點，通過穩(wěn)定特征點信息構造幾何協(xié)變區(qū)域和空域的奇偶量化進行水印信號的嵌入。該算法需要在SIFT產(chǎn)生的所有特征點里篩選出穩(wěn)定特征點，并利用這些穩(wěn)定特征點構建的幾何協(xié)變區(qū)域中進行水印信號的嵌入，因此該算法嵌入的信息量有限。另外，SIFT并非完全仿射不變性，故對錯切和組合仿射變換的抵抗性能不足，因此單純使用SIFT特征點構造的幾何協(xié)變區(qū)域抵抗多種幾何攻擊效果不夠理想。文獻[8]運用DWT實現(xiàn)盲視頻水印算法，該算法對整個視頻幀進行多層DWT，在DWT系數(shù)中完成水印信號的嵌入和提取，因為多級DWT的運算量較大，較難滿足視頻水印的實時性要求。此外，文中未提及水印的檢測，算法的實用性不高。文獻[9]描述了一個基于視頻運動目標的數(shù)字雙水印認證算法。該算法主要針對監(jiān)控視頻進行處理，因此文中只考慮從相對固定的背景中提取運動物體，在進行水印嵌入時，針對運動物體與背景采用不同的水印嵌入算法，但是該算法并沒有對運動物體的運動特性和人眼視覺特性進行分析，并且雙水印系統(tǒng)的不可見性是否產(chǎn)生影響也并未進行分析。文獻[10]采用子采樣與壓縮感知技術相結合實現(xiàn)基于圖像雙水印算法，該算法首先通過對原圖像進行子采樣技術得到4個子圖像，其次利用壓縮感知算法將4個子圖像變換至壓縮感知域，最后將4個子圖像分成2組，一組子圖像在壓縮感知域內(nèi)嵌入水印信號，另一組子圖像再進行DCT，在DCT系數(shù)嵌入水印信號，該算法利用多重變換提高水印的嵌入容量，為雙水印的研究提供一種新的思路。

本文提出一種基于人眼視覺特性與SIFT相結合的視頻雙水印算法，該算法首先利用塊匹配算法計算出視頻幀所包含的運動特征，將視頻幀通過DWT分解成中高頻子帶和低頻子帶。其次，對中高頻子帶系數(shù)，根據(jù)視頻幀內(nèi)所包含的運動信息，提出了一種基于人眼視覺掩蔽特性的自適應水印算法；根據(jù)小波低頻子帶系數(shù)的直方圖具有幾何不變性原理，在小波低頻系數(shù)的直方圖中，通過調節(jié)相鄰條形區(qū)域的數(shù)量差值嵌入水印信號，從而實現(xiàn)抗幾何攻擊的視頻水印算法。最后，利用SIFT作為觸發(fā)器檢驗視頻幀是否遭受幾何攻擊，對遭受幾何攻擊后的視頻幀，利用SIFT尺度與方向不變性進行校正并準確提取水印信號；對非幾何攻擊的視頻幀，則直接利用中高頻水印提取算法獲取水印信號。實驗表明，本文所提出的基于人眼視覺特性與SIFT相結合的視頻雙水印算法在保證較高可視質量的條件下，對縮放、裁剪、幀長寬比改變等常見的幾何攻擊和信號增強、噪聲干擾等非幾何攻擊均具有較強的魯棒性。

1 雙水印嵌入算法

1.1 人眼視覺掩蔽閾值計算

人眼視覺掩蔽效應是指，當一個現(xiàn)存信號的背景區(qū)域中加入另一個信號時，現(xiàn)存信號背景區(qū)域內(nèi)的可見度范圍增加，即背景區(qū)域的人眼視覺掩蔽閾值增大。

1)為了使視頻水印具有較高的透明性和自適應性，本文分析靜態(tài)圖像的人類視覺特性，包括亮度、邊緣、紋理的掩蔽特性，并利用文獻[11]中的算法，得到關于靜態(tài)圖像的人眼視覺掩蔽閾值JNDs(x,y)，用于確保水印嵌入強度與原靜態(tài)圖像內(nèi)容相適應。

2)視頻序列中存在大量的運動物體，因此通過對視頻幀中運動物體進行分析，并利用文獻[12]中的算法，獲取關于視頻運動信息的人眼視覺掩蔽閾值JNDt(x,y)。

利用式(1)將JNDs(u,v)與JNDt(u,v)相結合，得到基于人眼視覺掩蔽閾值JND(x,y)作為本文算法中水印的最大嵌入強度，以確保水印嵌入量與視頻的靜態(tài)和動態(tài)內(nèi)容自適應：

JND(x,y)=δ1JNDs(u,v)+δ2JNDt(u,v)-δ3×

min {JNDs(u,v),JNDt(u,v)};δ1,δ2,δ3∈(0,1]

(1)

1.2 中高頻子帶水印嵌入算法

根據(jù)文獻[12]的水印嵌入算法，表1列出算法流程中的相關符號。

表1 中高頻子帶水印嵌入算法中的相關符號

中高頻子帶水印嵌入算法步驟如下。

輸入:inputvideo.yuv，嵌入水印的密鑰Key。

輸出:outputvideo.yuv。

步驟1 本文生成一個原始的二值水印向量W={wi|1≤i≤nw,wi∈{0,1}}，利用隨機函數(shù)與密鑰Key生成一個二值混沌向量Q={li|1≤i≤nw,li∈{0,1}}，將原始水印向量W與二值混沌向量Q進行按位異或得到一個置亂后的水印向量M，M={mi|1≤i≤nw,mi∈{0,1}}，如式(2)所示，M為真正的嵌入水印向量。

M=W⊕Q

(2)

步驟2 本文選用的視頻序列未經(jīng)過MPEG壓縮，在視頻序列中每一幀圖像的亮度通道Y嵌入水印信號，Y通道分成不重疊8×8圖像塊，每次選取相鄰的兩個圖像塊B1(x1,y1)和B2(x2,y2)進行DWT，利用變換后的中高頻子帶系數(shù)C1(u1,v1)和C2(u2,v2)進行水印嵌入。

步驟3JND(x1,y1)和JND(x2,y2)分別表示圖像塊B1(x1,y1)和B2(x2,y2)的人眼視覺掩蔽閾值，將該組閾值的平均值avg(JND)作為B1(x1,y1)和B2(x2,y2)間的水印嵌入最大量，通過計算相鄰圖像塊的avg(JND)與小波系數(shù)子帶差值diff的大小關系，自適應嵌入水印。

具體算法如下。

(3)

end

(4)

end

end

1.3 小波域系數(shù)統(tǒng)計特性

灰度直方圖表示圖像灰度范圍內(nèi)每個灰度級所對應的像素個數(shù)，反映每個灰度級在一幅圖像內(nèi)所出現(xiàn)的頻率，因此，灰度直方圖是圖像關于灰度級的像素個數(shù)統(tǒng)計特性。當圖像遭受幾何攻擊時，雖然像素點的空間位置發(fā)生改變，但是整幅圖像所對應的直方圖主體形狀不會發(fā)生強烈的變化[3]。在本文中選擇圖像尺寸為480×720，灰度級為256的圖像進行分析。其中圖1(a)是原圖，圖1(d)是其所對應灰度直方圖；圖1(b)、1(c)分別是對原圖進行縮放和旋轉幾何攻擊后所得到的圖像；圖1(e)、1(f)分別是圖1(b)、1(c)所對應的灰度直方圖。通過兩幅遭受幾何攻擊后的圖像灰度直方圖可見，雖然原圖像遭受幾何攻擊后像素點的空間位置與主體區(qū)域內(nèi)不同灰度級的像素數(shù)量均發(fā)生改變，但是相鄰灰度級之間像素數(shù)量的相對關系幾乎沒有變化，因此，灰度直方圖中相鄰灰度級之間的像素數(shù)量相對關系應具有幾何近似不變性。

圖1 圖像直方圖統(tǒng)計圖

從離散小波變換的基本原理可知，當圖像經(jīng)過DWT后獲得的低頻子帶為原圖在最大尺度、最小分辨率下的最優(yōu)逼近，低頻子帶系數(shù)的統(tǒng)計特性與原始圖像類似，因此，對低頻子帶的系數(shù)值進行直方圖統(tǒng)計時，其系數(shù)值的直方圖中，相鄰條形區(qū)域之間像素數(shù)量相對關系也應對幾何變換具有近似不變的性質[3]。如圖2(a)～(d)所示，其中：圖2(a)為原始圖像小波低頻系數(shù)直方圖，圖2(b)為原圖縮小0.7倍進行小波變換后低頻系數(shù)直方圖，圖2(c)為原圖旋轉5°進行小波變換后低頻系數(shù)直方圖，圖2(d)為原圖長寬比改變進行小波變換后低頻系數(shù)直方圖。

1.4 低頻子帶水印嵌入算法

表2列出低頻子帶水印嵌入算法中相關符號。

低頻子帶水印信息的嵌入算法步驟如下。

輸入:inputvideo.yuv，嵌入水印的密鑰Key。

輸出:outputvideo.yuv。

步驟1 與中高頻子帶水印生成算法相同，通過二值向量W與混沌向量Q按位異或，獲取真正的水印向量M。

步驟2 利用每幀圖像亮度通道Y中所有8×8圖像塊B(x,y)的小波低頻子帶系數(shù)生成系數(shù)直方圖，求出所有圖像塊低頻子帶系數(shù)E(u,v)的最大值max(max(E(u,v)))與平均值avg(avg(E(u,v)))。為了將M中所有水印信號全部嵌入到小波系數(shù)直方圖主體條形區(qū)域中且保證了算法的魯棒性，主體條形區(qū)域R的寬度必須大于2nw。本文利用E(u,v)的最大值和平均值比值的大小，在小波系數(shù)的直方圖中定義一個主體條形區(qū)域，如式(5)所示：

(5)

圖2 低頻系數(shù)直方圖統(tǒng)計圖

表2 低頻子帶水印嵌入算法中的相關符號

步驟3 將主體條形區(qū)域R進行兩兩分組，分別用H1和H2表示直方圖中兩個相鄰的條形區(qū)域，h1和h2分別是H1和H2所對應的系數(shù)個數(shù)，嵌入水印信號過程是通過調整h1和h2來實現(xiàn)，其中T值可用于調節(jié)水印魯棒性和透明性，T值越大，水印魯棒性越高，但水印的透明性會越低。

fori=1:nwif (mi=1) and (h1/h2

elseif (mi=0) and (h2/h1

end

分別利用中高頻子帶和低頻子帶水印嵌入算法對亮度通道Y進行水印嵌入，最終得到嵌有水印信號的視頻幀。

2 雙水印提取算法

2.1 SIFT作為觸發(fā)器檢測水印

SIFT算法是哥倫比亞大學David G. Lowe[13]提出的一種圖像匹配的算法。該算法對圖像縮放、旋轉、平移變換能保持不變，對于視覺變化、噪聲等也保持一定的穩(wěn)定性。該特征提取描述算子已經(jīng)在物體識別、圖像拼接、三維建模、視頻識別、指紋與人臉識別等領域得到成功應用。本章利用SIFT特征信息來同步化水印信號。SIFT算法分為三個步驟：1)在尺度空間中檢測特征點；2)指定特征點方向；3)生成特征描述算子。

首先，通過高斯核生成圖像的多尺度空間，如式(6)、(7)所示：

L(x，y，δ)=I(x，y)×G(x，y，δ)

(6)

(7)

其中：(x，y)為二維空間坐標，L(x，y，σ)為二維尺度空間的圖像，I(x，y)為原圖像，G(x，y，σ)表示方差為σ的高斯核函數(shù)。

特征點是由高斯差分(Difference of Gaussians, DoG)空間的局部極值點組成，在不同尺度上高斯核的差分算子即為DoG算子，如式(8)所示：

DoG(x，y，δ)=(D(x，y，k)-D(x，y，δ))×I(x，y)=L(x,y,k)-L(x，y，δ)

(8)

其中k為乘積因子，選取參數(shù)k=sqrt(2)。首先，通過D(x，y)中每個像素和它鄰域內(nèi)所有的點進行比較，從而獲取DoG函數(shù)的極值點，如果D(x，y)為鄰域內(nèi)的最大值或最小值，則該像素(x，y)就為該鄰域內(nèi)的一個極值點。通過這種方法，初步檢測出所有極值點。然后，計算出所有極值點的梯度方向直方圖，檢測出SIFT特征點，對接受檢測的特征點進行歸一化，求出特征描述算子。最后，通過計算關鍵點的歐氏距離作為兩點相似性的判定度量。

圖3給出原圖及遭受幾何攻擊后的圖像，其中，圖3(a)為原圖，圖3(b)為縮放1.2倍的圖，圖3(c)是旋轉5°得到的圖。通過圖4(a)可對原圖與遭受幾何攻擊的圖像進行配準運算，獲取大量配準后的特征點，從而為本文的后續(xù)工作提供很好的基礎。

圖3 原圖及幾何攻擊后的圖像

2.2 利用SIFT特征點校正判斷視頻幀受到何種幾何攻擊

由上節(jié)所述可知，由于SIFT特征點對圖像處理攻擊及幾何攻擊均具有較好的穩(wěn)定性和魯棒性，因此，本文采用SIFT特征點計算仿射矩陣，通過得到的仿射矩陣判斷視頻幀是否遭受幾何攻擊以及遭受幾何攻擊的類型。利用仿射矩陣對幾何攻擊后的視頻幀進行逆仿射變換以達到校正的目的。

數(shù)字圖像遭受幾何攻擊后，只會改變圖像像素的空間位置，而不會修改圖像像素點的值。使用SIFT算法獲取并配準原圖與訓練圖的特征點集，根據(jù)仿射變換原理隨機獲得三對正確匹配點，根據(jù)這三對匹配點推算出仿射變換矩陣A。通過仿射變換矩陣來判斷視頻幀遭受何種幾何攻擊。如式(9)所示：

(9)

圖4給出圖像恢復的實驗結果對比。

利用SIFT尺度不變性提取的圖像特征向量，通過對特征向量進行配準運算得到匹配點，利用多對匹配點獲取仿射變換矩陣。利用仿射變換矩陣估計圖像的幾何變換參數(shù)，恢復幾何攻擊前的圖像信息，并同步恢復對應的水印信號。

圖4 SIFT校正效果及攻擊類型的判斷

2.3 中高頻部分的水印提取算法

中高頻子帶水印提取算法用于提取水印信息，即利用1.2節(jié)所述算法提取在視頻序列每一幀圖像的亮度通道Y*的小波中高頻子帶系數(shù)內(nèi)的水印信息，假設解密密鑰Key已知。

輸入：inputvideo1.yuv，混沌向量的密鑰Key，水印信號的長度nw。

算法描述如下：

步驟2 由下述算法流程提取水印信號：

End

2.4 低頻部分的水印提取算法

低頻部分的水印提取算法用來提取利用1.4節(jié)中所述算法在視頻每一幀圖像亮度通道Y*的小波低頻子帶系數(shù)里的水印信息。

輸入:inputvideo1.yuv，密鑰Key，水印信號的長度nw。

算法描述如下：

步驟1 利用1.4節(jié)所述算法，得到每幀圖像亮度通道Y*中，所有8×8圖像塊的低頻子帶系數(shù)。

end

3 仿真實驗及攻擊分析

3.1 算法實時性分析

仿真實驗選取一個標準視頻序列“inputvideo.yuv”，該視頻序列大小為480×720，本文算法在嵌入和檢測時長分別是3 700 ms和1 888 ms，文獻[3]中，一般的水印嵌入算法為3 800 ms，可知本文算法能基本滿足實時性要求。

3.2 視覺質量評價

峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)是一種客觀評價圖像質量的標準，PSNR值越高，圖像的失真就越小。本文將嵌有水印信號的視頻幀作為測試樣本，選取視頻序列中每10幀的平均PSNR值進行統(tǒng)計如圖5所示，由圖可知PSNR值均大于40 dB。從視覺效果上看，嵌入前后的視頻幀沒有區(qū)別，這說明該算法對嵌入水印后視頻序列具有較好的透明性。

圖5 水印信號嵌入后視頻序列的PSNR曲線

3.3 水印魯棒性分析

仿真實驗選取一個標準視頻序列“inputvideo.yuv”，該視頻序列長度100幀，大小為480×720，顏色格式為YCbCr；水印嵌入的載體為每一幀的亮度通道Y，對于每一幀的亮度通道進行8×8分塊，對每一個8×8大小的方塊進行一層二維DWT。水印信號在每個視頻幀中嵌入數(shù)據(jù)比特數(shù)為8 164。文獻[7]內(nèi)水印嵌入容量為30 bit。

為了測試水印的魯棒性，本文將二值水印向量嵌入到原始視頻幀圖像中后，對其進行一些攻擊后，再將水印信號提取出來，提取的水印信號與原始的水印信號進行歸一化相關(Normalized Correlation， NC)函數(shù)的計算，如式(10)所示：

(10)

其中：w(i,j)表示原水印信號，w′(i,j)表示遭受攻擊后的視頻序列中提取出來的水印信號。

相關系數(shù)(NC)是指用提取的水印信號與原水印信號進行比較，計算它們之間的相似程度，來說明水印的魯棒性。它的取值范圍一般在(0，1)區(qū)間，如果兩個水印信號的相同位數(shù)越多，其對應的NC值越高，如果兩個水印信號的相同位數(shù)越少，其對應的NC值越低。

為了驗證雙水印算法的魯棒性，對嵌入水印的視頻序列進行以下攻擊。具體攻擊如下。

1)仿射變換。

仿射變換是一種線性變換，即二維坐標到三維坐標之間的轉化。

a)帶裁剪的旋轉攻擊。

帶裁剪的旋轉攻擊就是對圖像進行旋轉攻擊，為了保證攻擊后的圖像和原圖像的尺寸相同，對攻擊后的圖像邊緣進行裁剪。本文實驗結果如表3所示：當旋轉角度為1°至30°時NC值為1；當旋轉角度為35°時，NC值為0.937 5。

因此，水印算法對旋轉攻擊是魯棒的。

b)縮放攻擊。

縮放是一種常見的線性變換，縮放攻擊分為兩種：一種是圖像的長寬等比例縮放；另一種為圖像的長寬不等比例縮放，即長寬比改變。本文實驗中，對嵌入水印的視頻幀分別進行0.7，0.9，1.2和1.5倍的等比例縮放攻擊。當縮放0.9倍，本文算法的NC值為0.937 5；當縮放1.5倍，本文算法的NC值為1。在長寬比攻擊實驗中，當長寬比為4∶3時，NC=0.968 8；在長寬比為11∶9時，NC=1。具體實驗結果如表3所示。

表3 視頻幀在各種攻擊下的NC值

c)錯切變換。

圖像的錯切變換是使圖形發(fā)生一個扭曲變化。圖像錯切的原理就是讓圖像的某個方向的坐標不變，將另一個方向坐標進行變換或者兩個方向都變換。圖像錯切一般分為兩種情況：水平錯切和垂直錯切。在實驗中分別進行水平錯切10°、20°、30°，垂直錯切10°、20°、30°，NC值均為1，因此水印算法對錯切變換攻擊是魯棒的。

2)低通濾波。

低通濾波是一種常見的信號攻擊方式，對該水印算法進行高斯低通濾波攻擊時，NC值為0.968 8，故該算法對高斯低通濾波具有較強的魯棒性。

3)噪聲攻擊。

噪聲攻擊是指在視頻序列中添加一定的噪聲，使原有視頻序列中的水印信息受遭受破壞。本文選擇在視頻序列中每一幀分別加入一定量的高斯噪聲和椒鹽噪聲信號，NC均為1實驗結果如表3所示。

4)信號增強攻擊。

信號增強攻擊包括亮度、對比度增強，直方圖均衡的攻擊等，實驗結果如表3所示。在對視頻幀進行亮度增強，對比度增強，直方圖均衡的攻擊下，NC均為1。

3.4 幾種算法的實驗結果對比

幾種算法的平均位錯率對比如表4所示。

表4 3種算法的平均位錯率對比 %

4 結語

本文提出一種基于人眼視覺特性與SIFT相結合的視頻雙水印算法。該算法首先利用DWT將每個視頻幀從空域變換至離散小波域，視頻幀被分解成小波域低頻子帶和中高頻子帶。中高頻部分的算法是利用視頻中的塊匹配算法計算出多種運動特性，通過這些運動特性計算出人眼視覺特性的掩蔽閾值JND(x,y)，然后根據(jù)視頻幀內(nèi)容自適應地嵌入最大水印強度；低頻部分，根據(jù)水印嵌入規(guī)則在小波低頻子帶直方圖中相鄰條形區(qū)域里嵌入水印信號。最后利用SIFT特征的尺度不變性和方向不變性的特點作為觸發(fā)器，檢驗視頻幀是否受到幾何攻擊：當嵌有水印的圖像遭受到幾何攻擊時，使用SIFT對遭受幾何攻擊的視頻幀進行校正，進而采用低頻部分的提取算法；針對非幾何攻擊，直接采用中高頻部分的提取算法。通過一系列實驗，證明本文算法在保持較高透明性的前提下，對常見的幾何攻擊和非幾何攻擊均具有較強的魯棒性，因此，本文算法具有較好的魯棒性和透明度。

References)

[1] COX I J, KILIAN J, LEIGHTON T, et al. A secure robust watermark for multimedia [C]// Proceedings of the 1996 International Workshop on Information Hiding. Berlin: Springer, 1996: 185-206.

[2] TAO B, DICKINSON B. Adaptive watermarking in the DCT domain [C]// ICASSP 1997: Proceedings of the 1997 IEEE International Conference on Acoustics, Speech and Signal Processing. Piscataway, NJ: IEEE: IEEE, 1997: 2985-2988.

[3] 王麗云.抗幾何攻擊的視頻水印算法研究[D].武漢:華中科技大學,2011:88-104.(WANG L Y. Video watermarking algorithm against geometric attacks [D]. Wuhan: Huazhong University of Science and Technology, 2011: 88-104.)

[4] 王若愚.基于SIFT的數(shù)字水印算法研究[D].武漢:華中科技大學，2011:8-42. (WANG R Y. Research on digital watermarking algorithm based on SIFT [D]. Wuhan: Huazhong University of Science and Technology, 2011: 8-42.)

[5] 張金利,李敏,何玉杰.基于SIFT特征點和交比值的水印圖像抗攻擊算法[J].通信學報,2014,35(11):170-181.(ZHANG J L, LI M, HE Y J. Image watermarking algorithm against attacks based on SIFT feature point and cross-ratio value [J]. Journal on Communications, 2014, 35(11): 170-181.)

[6] 高虎明,李凱捷,王英娟.基于SIFT抗幾何攻擊的數(shù)字水印算法[J].計算機應用,2013,33(3):748-751.(GAO H M, LI K J, WANG Y J. Digital watermarking algorithm of anti-geometric attacks based on SIFT [J]. Journal of Computer Applications, 2013, 33(3): 748-751.)

[7] 羅海軍.基于圖像特征的抗幾何攻擊水印研究[D].長沙:湖南大學，2011:30-41.(LUO H J. Research on digital watermarking against geometric attacks based on image features [D]. Changsha: Hunan University, 2011: 30-41.)

[8] SHUKLA D, SHARMA M. Video watermarking using dyadic filter and discrete wavelet transform [C]// WiSPNET 2016: Proceedings of the 2016 International Conference on Wireless Communications, Signal Processing and Networking. Piscataway, NJ: IEEE, 2016: 1647-1650.

[9] SHI Y J, QI M, YI Y, et al. Object based dual watermarking for video authentication [J]. Optik—International Journal for Light and Electron Optics, 2013, 124(19): 3827-3834.

[10] 段加姣.變換域雙水印算法研究[D].哈爾濱:哈爾濱工業(yè)大學，2015:29-34.(DUAN J J. Research of the dual watermarking algorithm in transform domain [D]. Harbin: Harbin Institute of Technology, 2015: 29-34.)

[11] 李智,陳孝威.基于內(nèi)容自適應小波域魯棒公開數(shù)字水印算法[J].計算機應用,2005,25(9):2148-2150.(LI Z, CHEN X W. Content-based adaptive robust public watermarking algorithm [J]. Journal of Computer Applications, 2005, 25(9): 2148-2150.)

[12] 李智,陳孝威.基于熵模型的高透明性自適應視頻水印算法[J].軟件學報,2010, 21(7):1692-1703.(LI Z, CHEN X W. Adaptively imperceptible video watermarking algorithm using entropy model [J]. Journal of Software, 2010, 21(7): 1692-1703.)

[13] LOWE D G. Distinctive image features from scale-invariant keypoints [J]. International Journal of Computer Vision. 2004, 60 (2): 91-110.

This work is partially supported by the National Natural Science Foundation of China (61462013, 61661010), Graduate Innovation Funds of Guizhou University (Research Engineering 2017079).

CHENShuqin, born in 1993, M. S. candidate. Her research interests include multimedia, information hiding, intelligent computing.

LIZhi, born in 1977, Ph. D., associate professor, Her research interests include multimedia, information hiding, intelligent computing.

CHENGXinyu, born in 1978, M. S. candidate, associate professor. His research interests include artificial intelligence, graphics and image.

GAOQi, born in 1992, M. S. candidate. His research interests include multimedia, information hiding, virtual reality.

DualwatermarkingalgorithmbasedonhumanvisualcharacteristicsandSIFT

CHEN Shuqin, LI Zhi*, CHENG Xinyu, GAO Qi

(SchoolofComputerScienceandTechnology,GuizhouUniversity,GuiyangGuizhou550025,China)

Focusing on the issue that the video watermarking information is vulnerable to geometric attacks and the balance between robustness and adaptability of the watermarking algorithm, a dual watermarking scheme based on human visual characteristics and Scale Invariant Feature Transform (SIFT) was proposed. Firstly, the human visual threshold in the video sequence was taken as the maximum embedding strength of the watermark; secondly, the video frame was processed by Discrete Wavelet Transform (DWT). An adaptive watermarking algorithm based on video motion information was proposed for medium-high frequency subband coefficients; based on statistical properties of wavelet coefficients, an anti-geometric attack video watermarking scheme was proposed for low-frequency ones. Finally, SIFT was acted as the trigger to judge whether the video frame was subjected to geometric attacks. The video frames were corrected by using the SIFT scale and orientation invariance when it was under geometric attack, and the watermark signal of the video frame was extracted after correction. For video frame under non-geometric attack, the medium-high frequency extraction scheme was used directly. In comparison with the real-time robust video watermarking algorithm, called VW-HDWT (Video Watermarking based on Histogram in DWT domain) algorithm, the Peak Signal-to-Noise Ratio (PSNR) value was improved by 7.5%. Compared with the watermarking algorithm based on feature area, the capacity of watermark embedding could be increased by about 10 times. The experimental results show that the proposed scheme is robust to common geometric attacks in the condition of fine watermarking transparency.

anti-geometric attack; Human Visual System (HVS); Scale Invariant Feature Transform (SIFT); dual watermarking; Discrete Wavelet Transform (DWT)

TP391.413; TP309.2

:A

2017- 01- 10;

:2017- 02- 25。

國家自然科學基金資助項目(61462013, 61661010)；貴州大學研究生創(chuàng)新基金資助項目(研理工2017079)。

陳淑琴(1993—)，女，湖北天門人，碩士研究生，CCF會員，主要研究方向：多媒體、信息隱藏、智能計算； 李智(1977—)，女，貴州貴陽人，副教授，博士，CCF會員，主要研究方向：多媒體、信息隱藏、智能計算； 程欣宇(1978—)，男，貴州綏陽人，副教授，碩士，CCF會員，主要研究方向：人工智能、圖形圖像； 高奇(1992—)，男，山西平遙人，碩士研究生，CCF會員，主要研究方向：多媒體、信息隱藏、虛擬現(xiàn)實。

1001- 9081(2017)07- 1936- 07

10.11772/j.issn.1001- 9081.2017.07.1936