本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種面向立體視頻的頻域視差相干水印方法。

背景技術(shù)：

自2009年3d電影《阿凡達(dá)》上映以來(lái)，立體視頻技術(shù)受到了越來(lái)越多的關(guān)注，并被應(yīng)用到了越來(lái)越多的領(lǐng)域。然而，立體數(shù)字視頻的高經(jīng)濟(jì)價(jià)值引來(lái)盜版者的覬覦。從而使得立體數(shù)字視頻的版權(quán)保護(hù)成為一個(gè)亟待解決的問(wèn)題。數(shù)字水印是信息安全中內(nèi)容安全分支的一個(gè)重要研究方向，是實(shí)現(xiàn)防偽溯源、保護(hù)數(shù)字產(chǎn)品版權(quán)的有效方法。本發(fā)明屬于魯棒數(shù)字隱水印和盲水印范疇。隱水印利用人視覺(jué)系統(tǒng)的特點(diǎn)和載體數(shù)字內(nèi)容的冗余，通過(guò)特定的算法將水印信息嵌入片源載體，不影響嵌入水印后的載體數(shù)據(jù)的商業(yè)價(jià)值。相比非盲水印，盲水印在提取水印的過(guò)程中，不需要除待測(cè)試載體以外的其他輔助信息(主要是指原始無(wú)水印片源)，因此應(yīng)用更加方便。

立體視頻的模式主要包括雙目rgb視頻，以及dibr(depthimagebasedrendering)類立體視頻。前者存儲(chǔ)左右兩路視頻數(shù)據(jù)，數(shù)據(jù)量大，在線下影院中用的較多。后者僅僅存儲(chǔ)單路正視圖和其深度圖，可隨時(shí)采用dibr技術(shù)生成其他視角的圖像，從而為觀察者提供雙路或多視點(diǎn)觀察的立體視頻數(shù)據(jù)。近年來(lái)出現(xiàn)的自由視點(diǎn)電視(freeviewpointtelevision，簡(jiǎn)稱ftv)也是基于dibr繪制。該技術(shù)允許用戶在觀看視頻的過(guò)程中動(dòng)態(tài)地選擇觀看視頻的視點(diǎn)，從而帶來(lái)立體感和沉浸感。dibr立體視頻數(shù)據(jù)量小、可壓縮程度高，被廣泛用于因特網(wǎng)上。相比雙目rgb視頻，面向dibr視頻的數(shù)字水印技術(shù)除不可見(jiàn)性和抵抗視頻壓縮等攻擊的要求外，還需要應(yīng)對(duì)dibr視圖合成攻擊：即在某個(gè)視點(diǎn)的單路視頻中嵌入水印后，在dibr生成的新的視點(diǎn)數(shù)據(jù)中依舊能夠提取出水印。由于兩種數(shù)據(jù)可以互相轉(zhuǎn)化，面向dibr視圖的數(shù)字水印技術(shù)也可以應(yīng)用在雙目立體視頻中。

現(xiàn)有針對(duì)立體視頻的數(shù)字水印技術(shù)有多種。但到目前為止，已有的數(shù)字水印算法在處理上述不可見(jiàn)性和魯棒性方面尚有許多局限。例如，張?jiān)婈?yáng)等人于2016年提交的專利申請(qǐng)(申請(qǐng)?zhí)枺?01610563291.4)“面向3d高清數(shù)字視頻的魯棒隱水印嵌入與提取方法”，借助視頻幀間的運(yùn)動(dòng)和立體視頻視差線索，充分利用人類視覺(jué)系統(tǒng)(humanvisionsystem，下簡(jiǎn)稱hvs)對(duì)于圖像視頻不同區(qū)域視覺(jué)敏感度的差異，調(diào)整水印信息在視頻中不同幀不同區(qū)域的嵌入強(qiáng)度，從而增強(qiáng)水印的不可見(jiàn)性和魯棒性。此方法在雙目立體視頻中較為有效，難以應(yīng)對(duì)dibr攻擊。lee等人于2012年在proceedingsofspie-mediawatermarking,security,andforensics上發(fā)表的“stereoscopicwatermarkingbyhorizontalnoisemeanshifting”，將水印嵌入不同視圖之間中的不變域中。在檢測(cè)過(guò)程中，先將測(cè)試視頻幀映射到不變域中再進(jìn)行水印的檢測(cè)。該方法可嵌入水印的容量較小且難以抵抗視頻壓縮等攻擊。lin等人于2011年在ieeetransactionsonbroadcasting發(fā)表的“adigitalblindwatermarkingfordepth-image-basedrendering3dimages”。該方法依據(jù)左右視點(diǎn)和中間視點(diǎn)之間的對(duì)應(yīng)關(guān)系預(yù)變換水印，并將變換后的水印嵌入中間視點(diǎn)。該方法對(duì)于視點(diǎn)關(guān)系已知的情況下能夠有效抵抗dibr攻擊，但在自由視點(diǎn)立體圖像中難以奏效，且限于圖像而非視頻數(shù)據(jù)。burini等人于2014年在proceedingsofspie-theinternationalsocietyforopticalengineering上發(fā)表的“blinddetectionfordisparity-coherentstereovideowatermarking”利用視差和水印之間的相關(guān)性：嵌入到同一個(gè)三維點(diǎn)中的水印信息在dibr視圖生成的過(guò)程中是不會(huì)變化的，只是像素點(diǎn)在不同的視圖中發(fā)生了平移(視差)，該點(diǎn)所嵌入的水印也會(huì)隨之出現(xiàn)在平移后的位置，采用視差相干水印算法，成功應(yīng)對(duì)了dibr視圖生成過(guò)程對(duì)水印信息的影響。然而，該算法將水印嵌入在空間域中，應(yīng)對(duì)視頻壓縮的魯棒性較差。

技術(shù)實(shí)現(xiàn)要素：

鑒于目前立體視頻水印算法方面的局限性，本發(fā)明提出一種面向立體視頻的頻域視差相干水印方法，能夠保證嵌入后水印的不可見(jiàn)性，且有更好的抵抗h.264視頻壓縮和dibr攻擊的魯棒性。

為了實(shí)現(xiàn)上述目標(biāo)，本發(fā)明采用以下的技術(shù)方案：

一種面向立體視頻的頻域視差相干水印方法，包括以下步驟：

步驟一、選擇水印嵌入位置

將水印嵌入在視頻幀亮度通道進(jìn)行4*4dct變換后的dc分量中；

步驟二、水印生成

根據(jù)載體視頻的尺寸(寬度為w，高度為h)和待嵌入的版權(quán)信息生成合適的水印，通過(guò)抽樣生成取值分布符合標(biāo)準(zhǔn)正態(tài)分布的、w/4*h/4個(gè)數(shù)值，組成一個(gè)初始水印信息塊，然后選擇采用版權(quán)信息作為密鑰對(duì)其進(jìn)行置亂操作得到最終水印；

步驟三，水印嵌入

通過(guò)調(diào)制dct系數(shù)將水印嵌入載體視頻中，給定一個(gè)寬度為w，高度為h的視頻幀f，對(duì)其進(jìn)行分塊和dct變換后，每一個(gè)水印值嵌入一個(gè)dct塊的dc系數(shù)中，根據(jù)dct變換的原理，dc系數(shù)實(shí)質(zhì)上等于對(duì)應(yīng)的原圖中4*4塊的像素亮度值的平均值，所以，在dct域?qū)τ赿c系數(shù)的修改，可以等效地視為直接對(duì)空域數(shù)據(jù)進(jìn)行如下修改：

f^w(x,y)＝f(x,y)+αw(x,y)(1)

其中，w是將水印塊根據(jù)每個(gè)值拷貝4*4份的方式放大得到的、與視頻幀尺寸一致的水印圖像，(x,y)是像素坐標(biāo)，f^w為嵌入水印后的視頻幀，α>0，是決定水印全局嵌入強(qiáng)度的參數(shù)，

由此便獲得了嵌入水印的視頻幀，并將這些視頻幀重新編碼即得到帶有水印的視頻；

步驟四、待檢驗(yàn)水印的視頻幀選取

獲取待檢測(cè)視頻后首先要對(duì)視頻進(jìn)行解碼，解碼后會(huì)獲取三個(gè)類型的視頻幀：i幀、p幀和b幀，所述i幀是只使用幀內(nèi)預(yù)測(cè)的幀，而p幀和b幀則使用了幀間預(yù)測(cè)；

步驟五，水印檢測(cè)

采用盲水印算法，單純給定待檢測(cè)視頻幀，即可提取水印，設(shè)左右視圖，并在左視圖中嵌入水印，為了提取左視圖中的水印，依據(jù)定義檢測(cè)子ρ如下：

其中，∈是一個(gè)代表待檢驗(yàn)視頻幀中是否包含水印的布爾值，w,h是視頻幀的寬、高，當(dāng)視頻幀中不含有水印時(shí)，可以預(yù)測(cè)計(jì)算結(jié)果趨近于零；當(dāng)視頻幀中包含水印時(shí)，檢測(cè)子的運(yùn)算結(jié)果約為一個(gè)與嵌入水印強(qiáng)度α成正比的非零值，之后可以通過(guò)合理地設(shè)置閾值判斷該視頻幀是否被嵌入了水?。?/p>

對(duì)于右視圖來(lái)說(shuō)，記w^s(x,y)＝w(x+s,y)為水平偏移量為s的水印，為指示方程：對(duì)于視差值d(x，y)等于s的所有像素，指示函數(shù)等于1，右視圖中的水印可表達(dá)為：

直接將檢測(cè)子ρ應(yīng)用于右視圖時(shí)會(huì)得出如下結(jié)果：

其中，d0是視差值為零的像素占整個(gè)視圖的比例。

作為優(yōu)選，步驟二中，將水印嵌入在視頻幀的某一通道進(jìn)行4*4分塊并dct變換后的頻域中的，每一個(gè)4*4dct塊中嵌入一個(gè)整型水印位，所以水印的寬和高應(yīng)該恰好分別是視頻寬、高的各1/4。

作為優(yōu)選，步驟五中，針對(duì)于對(duì)視圖合成的情況，設(shè)左右視圖，左視圖嵌入原水印，右視圖嵌入變換后的視差相干水印，以下通過(guò)右圖的水印提取說(shuō)明方案，式(6)中檢測(cè)子成功地獲取了視差恰好為零部分的水印能量，因此也可以用同樣的方式收集視差值恰好為s的水印能量，

其中，ds是視差值恰好等于s的像素占整個(gè)幀的比例，對(duì)于每一個(gè)可能的s值均計(jì)算一次檢測(cè)子的值可得到響應(yīng)值向量

獲得了響應(yīng)值向量ρ后，需要對(duì)其進(jìn)行標(biāo)量化，以便通過(guò)將結(jié)果與閾值對(duì)比判斷視頻是否被嵌入水印，考慮如下三種標(biāo)量化的方式：

ρmax＝maxsρ[s](8)

ρsum＝∑sρ[s](9)

ρthr＝∑|ρ[s]|>γρ[s](10)

本發(fā)明方法在水印嵌入部分，生成取值分布符合標(biāo)準(zhǔn)正態(tài)分布的水印信息塊(其寬、高為視頻幀寬、高的1/4)，并以版權(quán)信息作為密鑰對(duì)其進(jìn)行約瑟夫置亂。規(guī)定水印的取值分布符合標(biāo)準(zhǔn)正態(tài)分布分布是為了保證水印在檢測(cè)階段可以實(shí)現(xiàn)盲檢測(cè)。然后將待嵌入水印的視頻解碼為連續(xù)的序列幀，對(duì)每一個(gè)幀進(jìn)行4*4的dct變換。之后將水印信息重復(fù)地嵌入每一個(gè)序列幀中。最后重新將序列幀編碼為視頻。在水印檢測(cè)部分，給定一個(gè)待檢測(cè)視頻(可能是dibr生成的新視圖)，提取其中的i幀(i幀在h.264中僅僅執(zhí)行幀內(nèi)預(yù)測(cè))，通過(guò)統(tǒng)計(jì)每個(gè)i幀在每個(gè)視差上的水印能量，確定水印信息。整個(gè)水印檢測(cè)過(guò)程只要待檢測(cè)視頻與目標(biāo)水印對(duì)比即可，不需要其它任何輔助信息，即檢測(cè)過(guò)程是全盲的。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：本發(fā)明綜合考慮了h.264編碼高清數(shù)字影像的數(shù)據(jù)源特點(diǎn)和立體視頻特有的視差等特性，融合dct域水印嵌入和視差相干水印嵌入策略，實(shí)現(xiàn)立體視頻的水印嵌入與提取。相比現(xiàn)有方法，本發(fā)明所述方法能夠保證嵌入后水印的不可見(jiàn)性，且有更好的抵抗h.264視頻壓縮和dibr攻擊的魯棒性。

附圖說(shuō)明

圖1為本發(fā)明方法的流程圖。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明做進(jìn)一步說(shuō)明。

本發(fā)明的流程如圖1所示，具體包括如下步驟：

步驟一，水印嵌入位置選擇。

本算法將水印嵌入在視頻幀亮度通道進(jìn)行4*4dct變換后的dc(直流)分量中。鑒于baudry等人于2014年在proceedingsofspie-theinternationalsocietyforopticalengineering上發(fā)表的“blinddetectionfordisparity-coherentstereovideowatermarking”利用視差和水印之間的相關(guān)性，能夠很好地應(yīng)對(duì)視圖合成問(wèn)題，我們也基于這一原理設(shè)計(jì)水印算法(在水印提取過(guò)程中有更明確的體現(xiàn))。不同之處在于，為了更好地應(yīng)對(duì)視頻壓縮攻擊，考慮了h.264的編碼特性。h.264視頻編碼標(biāo)準(zhǔn)，其中一個(gè)重要的步驟便是4*4的dct變換。因此，為了同時(shí)應(yīng)對(duì)視頻編碼和視圖生成問(wèn)題，相h.264視頻編碼過(guò)程那樣，將視頻幀切分成多個(gè)4*4的小塊，然后將每個(gè)小塊轉(zhuǎn)換到dct頻域中，選擇其中不易被壓縮過(guò)程影響的直流(dc)分量的系數(shù)進(jìn)行信息隱藏。

考慮到盜版者可能會(huì)截取視頻的片段而非整個(gè)視頻，因此，對(duì)整個(gè)視頻進(jìn)行上述嵌入操作。h.264中預(yù)測(cè)幀有三個(gè)類型：i(intra-prediction)幀、p(prediction)幀和b(bi-prediction)幀。其中i幀只使用幀內(nèi)預(yù)測(cè)而另外兩種使用幀間預(yù)測(cè)。雖然在后續(xù)檢測(cè)水印時(shí)通常只選取視頻的i幀進(jìn)行檢測(cè)。但是，為了避免新的視頻編碼過(guò)程破壞原i幀水印，建議不僅選擇i幀進(jìn)行嵌入，而是對(duì)每一幀都嵌入同樣的水印。

步驟二，水印生成。

首先，根據(jù)載體視頻的尺寸和待嵌入的版權(quán)信息生成合適的水印。由于所提出算法將水印嵌入在視頻幀的某一通道(本發(fā)明實(shí)驗(yàn)以亮度通道為例)進(jìn)行4*4分塊并dct變換后的頻域中的，每一個(gè)4*4dct塊中嵌入一個(gè)整型水印位，所以水印的寬和高應(yīng)該恰好分別是視頻寬、高的各1/4。例如，寬度為w，高度為h(基于h.264編碼標(biāo)準(zhǔn)視頻的分辨率寬和高均可被4整除)的一個(gè)視頻幀，其所需水印塊信息為w/4*h/4。

之后，通過(guò)抽樣生成取值分布符合標(biāo)準(zhǔn)正態(tài)分布的、w/4*h/4個(gè)數(shù)值，組成一個(gè)初始水印信息塊。在此基礎(chǔ)上，可選擇采用版權(quán)信息作為密鑰對(duì)其進(jìn)行置亂操作(本發(fā)明實(shí)驗(yàn)以約瑟夫置亂為例)得到最終水印。規(guī)定水印的取值分布符合標(biāo)準(zhǔn)正態(tài)分布分布是為了保證水印在檢測(cè)階段可以實(shí)現(xiàn)盲檢測(cè)，具體原因?qū)⒃谒z測(cè)部分介紹。而置亂則是可以實(shí)現(xiàn)水印與版權(quán)信息的直接關(guān)聯(lián)，當(dāng)然也可將非置亂的信息塊作為嵌入的水印信息。

步驟三，水印嵌入。

此步驟中，通過(guò)調(diào)制dct系數(shù)將水印嵌入載體視頻中。給定一個(gè)寬度為w，高度為h的視頻幀f，對(duì)其進(jìn)行分塊和dct變換后，每一個(gè)水印值嵌入一個(gè)dct塊的dc系數(shù)中。根據(jù)dct變換的原理，dc系數(shù)實(shí)質(zhì)上等于對(duì)應(yīng)的原圖中4*4塊的像素亮度值的平均值。所以，在dct域?qū)τ赿c系數(shù)的修改，可以等效地視為直接對(duì)空域數(shù)據(jù)進(jìn)行如下修改：

f^w(x,y)＝f(x,y)+αw(x,y)(1)

其中，w是本發(fā)明將水印塊根據(jù)每個(gè)值拷貝4*4份的方式放大得到的、與視頻幀尺寸一致的水印圖像。(x,y)是像素坐標(biāo)。f^w為嵌入水印后的視頻幀。α>0，是決定水印全局嵌入強(qiáng)度的參數(shù)。由此便獲得了嵌入水印的視頻幀，并將這些視頻幀重新編碼即得到帶有水印的視頻。

如果待保護(hù)視頻擁有多個(gè)視圖，則需要在不同視圖中嵌入視差相干的水印。這是因?yàn)槿绻粚?duì)部分視圖嵌入水印，例如，僅對(duì)雙目立體視頻中的左視圖嵌入水印，則有可能發(fā)生盜版者獲取無(wú)水印的右視圖并根據(jù)這個(gè)右視圖生成完整的無(wú)水印視頻，導(dǎo)致版權(quán)保護(hù)喪失意義。另一方面，如果在兩個(gè)視圖中嵌入不相干的水印，則可能面臨盜版者獲取視頻后利用左右兩個(gè)視圖生成新視圖，而這些新的視圖中的水印由于不相干而互相抵消，無(wú)法檢測(cè)。我們采用baudry等人發(fā)表的論文中的方法進(jìn)行視差相干水印的嵌入。以左右兩視圖為例，在左視圖中按公式(1)嵌入水印，即：

其中，w是將水印塊根據(jù)每個(gè)值拷貝4*4份的方式放大得到的、與視頻幀尺寸一致的水印圖像。α為水印嵌入強(qiáng)度。fl是未嵌入水印的左視圖，為嵌入水印后的左視圖。

則對(duì)于右視圖來(lái)說(shuō)，嵌入時(shí)依據(jù)

其中，fr是未嵌入水印的右視圖，是嵌入水印后的右視圖。fwarp是從左視圖變換到右視圖的函數(shù)，即滿足：fwarp(fl)＝fr。

步驟四，待檢驗(yàn)水印的視頻幀選取。

獲取待檢測(cè)視頻后首先要對(duì)視頻進(jìn)行解碼，解碼后會(huì)獲取三個(gè)類型的視頻幀：i幀、p幀和b幀。如前所述，i幀是只使用幀內(nèi)預(yù)測(cè)的幀，而p幀和b幀則使用了幀間預(yù)測(cè)。因此，i幀對(duì)視頻中原始數(shù)據(jù)的保留度最高。因此判斷一個(gè)視頻是否被嵌入過(guò)水印只需要在待檢測(cè)視頻中的i幀中找到水印信息即可。在實(shí)際應(yīng)用中，為了提高準(zhǔn)確性可以選取多個(gè)i幀提取，參考統(tǒng)計(jì)結(jié)果進(jìn)行判斷。

步驟五，水印檢測(cè)。

本算法為盲水印算法，單純給定待檢測(cè)視頻幀，即可提取水印。以下以左右視圖，并在左視圖中嵌入水印為例。為了提取左視圖中的水印，依據(jù)定義檢測(cè)子ρ如下：

其中∈是一個(gè)代表待檢驗(yàn)視頻幀中是否包含水印的布爾值，α是嵌入強(qiáng)度，(x,y)是像素坐標(biāo)，w,h是視頻幀的寬、高。fl表達(dá)左視圖圖像，w如前所述為放大后的水印圖像。當(dāng)視頻幀中不含有水印時(shí)，可以預(yù)測(cè)計(jì)算結(jié)果趨近于零；當(dāng)視頻幀中包含水印時(shí)，檢測(cè)子的運(yùn)算結(jié)果約為一個(gè)與嵌入水印強(qiáng)度成正比的非零值。之后可以通過(guò)合理地設(shè)置閾值判斷該視頻幀是否被嵌入了水印。

對(duì)于右視圖來(lái)說(shuō)，記w^s(x,y)＝w(x+s,y)為水平偏移量，即視差，為s的水印。為指示方程：對(duì)于視差值d(x，y)等于s的所有像素，指示函數(shù)等于1。右視圖中的水印可表達(dá)為：

直接將檢測(cè)子ρ應(yīng)用于右視圖時(shí)會(huì)得出如下結(jié)果：

其中，fr是右視圖，w意義如前，w⁰是視差為0的水印部分，w^s是視差為s的水印部分，d0是視差值為零的像素占整個(gè)視圖的比例,α是水印嵌入強(qiáng)度，∈是一個(gè)代表待檢驗(yàn)視頻幀中是否包含水印的布爾值?；谝曨l幀信號(hào)與嵌入水印內(nèi)容相互獨(dú)立的假設(shè)，第一項(xiàng)近似為零。除此之外，除了水平偏移量恰好為零的像素以外，偏移的水印與未偏移水印相互獨(dú)立，因此公式中的第三項(xiàng)也接近于零。這就意味著這種檢測(cè)器只能檢測(cè)零視差部分的水印能量，也就是公式(6)只能檢測(cè)與嵌入時(shí)同一個(gè)視圖中的水印，而非不同視圖。

公式(6)不能應(yīng)對(duì)視圖合成的情況，其中的原因在于水印的能量在視圖合成過(guò)程中偏移而分散到了各個(gè)視差平面上。因此，在此步驟中通過(guò)收集散落的水印能量實(shí)現(xiàn)任意視圖中的水印提取。還以左右視圖為例，左視圖嵌入原水印，右視圖嵌入變換后的視差相干水印。以下通過(guò)右圖的水印提取說(shuō)明方案。式(6)中檢測(cè)子成功地獲取了視差恰好為零部分的水印能量，因此也可以用同樣的方式收集視差值恰好為s的水印能量。如下所示：

其中ds是視差值恰好等于s的像素占整個(gè)幀的比例，α是水印嵌入強(qiáng)度，∈是一個(gè)代表待檢驗(yàn)視頻幀中是否包含水印的布爾值。對(duì)于每一個(gè)可能的s值[smin,smax]均計(jì)算一次檢測(cè)子的值可得到響應(yīng)值向量ρ和場(chǎng)景的視差圖密切相關(guān)。除去少量發(fā)生的遮擋區(qū)域和超出邊界的區(qū)域中的水印信息丟失外，絕大部分的水印能量都被收集在了這個(gè)數(shù)組中。由于視頻信號(hào)能量集中在低頻部分的特性，ρ中可能會(huì)出現(xiàn)一些對(duì)檢測(cè)過(guò)程不利的依賴于被嵌入視頻內(nèi)容的成分。因此在水印檢測(cè)過(guò)程開(kāi)始時(shí)，可先讓視頻幀通過(guò)一個(gè)高通濾波器以去除這些成分。

獲得了響應(yīng)值向量ρ后，還需要對(duì)其進(jìn)行標(biāo)量化(即映射到一個(gè)標(biāo)量上)以便通過(guò)將結(jié)果與閾值對(duì)比判斷視頻是否被嵌入水印，考慮如下三種標(biāo)量化的方式：

ρmax＝maxsρ[s](8)

ρsum＝∑sρ[s](9)

ρthr＝∑|ρ[s]|>γρ[s](10)

其中,ρ[s]表示視差為s的水印響應(yīng)值，max是取最大函數(shù)，γ是閾值。第一種方式取響應(yīng)值向量中的最大值，優(yōu)點(diǎn)在于當(dāng)檢測(cè)的幀所在的視圖恰好就是水印嵌入時(shí)的視圖時(shí)可以達(dá)到非常理想的效果。但是根據(jù)視圖合成的特性，隨著待檢測(cè)幀所在的視圖遠(yuǎn)離水印嵌入時(shí)的視圖，其中的水印能量會(huì)越來(lái)越分散，導(dǎo)致響應(yīng)值越來(lái)越小，檢測(cè)性能變差。第二種方式取的是響應(yīng)向量各項(xiàng)之和，這種方法的優(yōu)點(diǎn)在于綜合考慮了收集到水印能量的全部成分，因此無(wú)論檢測(cè)到哪一個(gè)視圖都能夠獲得一個(gè)較為穩(wěn)定的檢測(cè)結(jié)果。但缺點(diǎn)在于容易受到相應(yīng)向量中的噪音干擾導(dǎo)致不能獲得一個(gè)理想的檢測(cè)結(jié)果，即最終算出的響應(yīng)值總是與理論值有一定差異。第三種情況方法中設(shè)置閾值γ，認(rèn)為相應(yīng)向量中絕對(duì)值小于γ的成分為噪并在統(tǒng)計(jì)過(guò)程中將其去除，剩余部分求和。這種方式在γ選取恰當(dāng)時(shí)能夠在檢測(cè)水印嵌入的視圖時(shí)取得接近理想值的結(jié)果，并且在檢測(cè)其它視圖時(shí)表現(xiàn)也優(yōu)于第一種方法。γ的取值可以設(shè)置為定值或者基于響應(yīng)值向量ρ的標(biāo)準(zhǔn)差進(jìn)行自適應(yīng)性調(diào)整。

方法測(cè)試

本實(shí)驗(yàn)中使用http://www.tanimoto.nuee.nagoya-u.ac.jp/～fukushima/mpegftv/上的兩段立體視頻序列幀，分別為balloons和kendo，進(jìn)行實(shí)驗(yàn)。每段視頻都有至少300幀分辨率為1024*768的擁有完整左、中、右三個(gè)視圖以及對(duì)應(yīng)的深度圖構(gòu)成的序列以及詳細(xì)的攝像機(jī)內(nèi)外參數(shù)等信息。實(shí)驗(yàn)中使用的水印分布符合標(biāo)準(zhǔn)正態(tài)分布并且經(jīng)過(guò)起始坐標(biāo)為3，步長(zhǎng)為7的約瑟夫置亂。水印強(qiáng)度系數(shù)α＝5√2π。除了對(duì)本方法的實(shí)驗(yàn)外，本發(fā)明對(duì)比了burini等人的方法，水印強(qiáng)度等參數(shù)均與本方法一致。burini等人的方法是實(shí)現(xiàn)在空間域上的，水印尺寸與待嵌入視頻一致。在此，使用同樣的符合標(biāo)準(zhǔn)正態(tài)分布并經(jīng)過(guò)約瑟夫置亂的水印。

測(cè)試一，應(yīng)對(duì)視圖合成的魯棒性測(cè)試。

在應(yīng)對(duì)視圖合成的魯棒性測(cè)試中，將水印直接嵌入視頻序列幀的左視圖中并且以視差相干的方式將水印嵌入右圖中。對(duì)于數(shù)據(jù)集中的兩組序列幀中的每一幀都進(jìn)行水印的嵌入，并且在檢測(cè)水印時(shí)分別取兩組序列幀的響應(yīng)值平均值觀察效果。除此之外，還應(yīng)當(dāng)對(duì)未嵌入水印的序列幀也進(jìn)行相同的操作。因?yàn)槿绻皇乔度胨『蟮囊曨l中響應(yīng)強(qiáng)度高不足以證明水印算法的效果好，還需要與未嵌入水印視頻的響應(yīng)強(qiáng)度拉開(kāi)足夠大的差異。本發(fā)明選取了同屬視差相干水印算法的burini等人提出的方法進(jìn)行對(duì)比，其中關(guān)于水印應(yīng)對(duì)視圖合成魯棒性的實(shí)驗(yàn)結(jié)果如表1。

表1兩種水印算法應(yīng)對(duì)視圖合成魯棒性對(duì)比

從表1中，為觀察水印算法整體的效果，將同實(shí)驗(yàn)條件下兩個(gè)視頻序列幀的水印響應(yīng)強(qiáng)度合并取平均值(兩個(gè)視頻序列幀各300幀合計(jì)600幀)。從表1的數(shù)據(jù)中可以看出，本發(fā)明提出的水印算法與burini等人提出的在空間域上的水印算法均能有效區(qū)別有無(wú)水印的情況，取得了基本相同的應(yīng)對(duì)視圖合成的魯棒性。而根據(jù)burini等人在其實(shí)驗(yàn)中提到的內(nèi)容，該算法由于是在空間域上執(zhí)行的所以在應(yīng)對(duì)常見(jiàn)的基于dct變換的視頻編碼方面魯棒性較差，接下來(lái)的測(cè)試將證明這一點(diǎn)。

測(cè)試二，應(yīng)對(duì)h.264視頻編碼的魯棒性測(cè)試。

根據(jù)數(shù)據(jù)集的說(shuō)明文檔，對(duì)balloons和kendo序列幀進(jìn)行h.264視頻編碼時(shí)需要注意兩個(gè)重要的參數(shù)：1、gop，即groupofpictures，該參數(shù)是一個(gè)整數(shù)值，表示一組連續(xù)的i、p、b幀畫(huà)面中應(yīng)該包含多少個(gè)視頻幀，文檔中推薦使用gop＝8；2、量化參數(shù)(quantizationparameter，簡(jiǎn)稱qp)，該參數(shù)是決定視頻壓縮程度的一個(gè)整型數(shù)，當(dāng)qp＝0時(shí)相當(dāng)于壓縮過(guò)程中不進(jìn)行量化，qp越大壓縮程度越高，文檔中要求量化參數(shù)分別選取25、30、35、40四個(gè)值進(jìn)行測(cè)試。表2給出了本發(fā)明方法與burini等人算法對(duì)比實(shí)驗(yàn)的結(jié)果。從中可以看出，在未經(jīng)過(guò)量化時(shí)兩種算法的表現(xiàn)相近。但是當(dāng)qp值達(dá)到25，即數(shù)據(jù)集文檔的最小參考qp值時(shí)，burini等人中給出的方法在兩個(gè)視圖中的水印相應(yīng)強(qiáng)度明顯下降。當(dāng)qp達(dá)到35以上時(shí)，該方法中的水印響應(yīng)強(qiáng)度平均值降至0.5000左右也就是理想值的10％以下，并且標(biāo)準(zhǔn)差超過(guò)0.4000。相當(dāng)大一部分幀的水印響應(yīng)強(qiáng)度甚至降至零以下。這將導(dǎo)致無(wú)法正常地判斷出一個(gè)視頻中是否包含水印，即水印被破壞。而本發(fā)明中的算法檢測(cè)到水印響應(yīng)的平均值隨著qp值的增大下降的較為平緩且當(dāng)qp達(dá)到40時(shí)左右視圖仍然分別能夠保持響應(yīng)值大于理想值的50％和40％以上。這一對(duì)比充分體現(xiàn)出了本發(fā)明方法在應(yīng)對(duì)視頻編碼的魯棒性方面具有較大的優(yōu)勢(shì)。

表2兩種方法在不同qp參數(shù)下壓縮后水印提取情況對(duì)比

測(cè)試三，不可見(jiàn)性測(cè)試。

除了魯棒性測(cè)試外，還需要對(duì)水印算法進(jìn)行不可見(jiàn)性測(cè)試。測(cè)試的方式是計(jì)算對(duì)應(yīng)視頻幀嵌入水印后與嵌入水印前的psnr值，如果psnr值較高，則說(shuō)明誰(shuí)引得不可見(jiàn)性較好。表3中給出了本發(fā)明和burini等人算法的對(duì)比實(shí)驗(yàn)結(jié)果。從表3中可以看出本發(fā)明方法的水印不可見(jiàn)性在各個(gè)視頻序列上的表現(xiàn)都相比burini等人的方法有一定優(yōu)勢(shì)。并且嵌入水印后的視頻幀中無(wú)法用肉眼察覺(jué)到水印存在。

表3各組序列幀平均psnr值