【正文】 中文 10140 字 畢業(yè)設(shè)計(jì) (論文 )外文資料翻譯 學(xué)院 （ 系）： 專 業(yè)： 姓 名： 學(xué) 號(hào)： 外 文 出 處 ： IEEE TRANACTIONS ON INFORMATION FORENSICS AND SECURITY, VOL. 2, , MARCH 2020. 附 件： ； 。 指導(dǎo)教師評(píng)語： 簽名： 年 月 日 注： 請將該封面與附件裝訂成冊。 (用外文寫 ) 附件 1：外文資料翻譯譯文 一種 針對(duì) 視頻 具有 可控檢測性能 的 魯棒性 水印 機(jī)制 摘要 隨著 格式的數(shù)字視頻逐漸普及，對(duì)該標(biāo)準(zhǔn)版權(quán)保護(hù)方法和鑒定方法的需求也將出現(xiàn)。本文提出了一種為 視頻添加魯棒 性水印的算法。在限制視覺失真的同時(shí)，采用適合于 4 4 離散余弦變換域的人類視覺模型，提高算法的有效載荷和魯棒性。利用與密匙相關(guān)的算法選擇具有視覺水印容量的系數(shù)的一個(gè)子集，使水印遍布各頻率并在區(qū)域內(nèi)傳播以避免 誤差合并 ，這樣，在不顯著改變感知質(zhì)量的情況下，有效載荷和魯棒性得到提高。該算法在編碼殘差中嵌入水印，避免了視頻壓縮；在解碼視頻序列中檢測水印，可 用于 確定幀內(nèi)編碼模型改變時(shí)算法的魯棒性。然后 ，本 文為視頻水印檢測建立了基于似然比檢驗(yàn)的理論框架，用于獲得性能可控的最佳水印檢測機(jī)制。仿真結(jié)果表明，蒙特卡羅實(shí)驗(yàn)達(dá)到了預(yù)期的檢測性能。最后，本文證實(shí)了該 算法 對(duì)若干不同攻擊 均 具有魯棒性。 索引詞 壓縮域， 誤差合并 ，廣義高斯分布，人類視覺模型， ，似然比檢驗(yàn)，視頻水印檢測，視頻水印 一、引言 數(shù)字電視的出現(xiàn)、數(shù)字化視頻光盤（ DVDs）的產(chǎn)生及視頻文件的網(wǎng)絡(luò)傳輸，無一不顯示出數(shù)字視頻的重要性。雖然 MPRG2 在視頻編碼上已取得顯著成就，但 以其更高的壓縮效率正在逐漸取代 MPRG2。隨著 數(shù)字視頻越來越普及，對(duì)該標(biāo)準(zhǔn)版權(quán)保護(hù)方法和鑒定方法的需求也將出現(xiàn)。本文提出的 水印算法恰好滿足了這種需求。 視頻信號(hào)通常以壓縮格式存儲(chǔ)和傳輸，所以先解碼視頻序列、再嵌入水印 、最后重新編碼的做法是不切實(shí)際的。相反，在壓縮域嵌入水印是一種 復(fù)雜度 較低 的視頻水印算法。然而，由于兩種標(biāo)準(zhǔn)間的差異， MPEG2 龐大的水印算法不能直接運(yùn)用于 。 標(biāo)準(zhǔn)的詳細(xì)描述見參考文獻(xiàn) [1]和 [2]。 部分近期出版的文獻(xiàn)探討了在 碼流序列中嵌入水印的方法。參考文獻(xiàn) [3]中，作者提出一種混合水印機(jī)制，即在離 散余弦變換（ DCT）中嵌入魯棒性水印，在運(yùn)動(dòng)矢量中嵌入脆弱性水印。參考文獻(xiàn) [4]給出一種復(fù)雜度 較低 的機(jī)制，即在每個(gè)I 幀宏塊中選中一個(gè)已量化的交流系數(shù)，給這個(gè)系數(shù)嵌入一位水印碼。參考文獻(xiàn) [5]中，作者描述了一種在 I幀中嵌入水印的盲水印算法，但它也要求解壓視頻以嵌入水印。 [3]和 [4]所述算法均是在視頻壓縮格式下嵌入水印，這些算法的魯棒性不足以抵擋一般的水印攻擊。因?yàn)樗∈乔度朐?I幀殘差并且從 I幀殘差中提取的，所以一些簡單的處理就可以改變宏塊內(nèi)的預(yù)測模式，使得殘差無法恢復(fù) ， 比如，先濾波，再用 編碼器重新編碼。 本文旨在描述一種針對(duì) 標(biāo)準(zhǔn)的魯棒性水印算 法。該算法在殘差中嵌入水印，避免解壓視頻的同時(shí)降低了算法復(fù)雜度； 在解碼視頻序列中提取水印，從而可以確定幀內(nèi)編碼模型改變時(shí)算法的魯棒性。 具有高壓縮率，空余給待嵌入微信號(hào)的空間極小，所以在限制視覺失真的同時(shí)，采用人類視覺模型來提高有效載荷和魯棒性。沃森等人 [7]為感知失真的 8 8 離散余弦變換域推導(dǎo)出一種模型 [6],[7]， 文獻(xiàn) [8]和 [9]中運(yùn)用該感知模型設(shè)計(jì) 出 靜止圖像和 MPEG2 視頻的水印算法 ， 但 使用的是 4 4 域變 換，不是 8 8 域變換 ， 4 4 域變換 [10]是對(duì) DCT 的整數(shù)正交逼近 ， 這種變換由精確的整數(shù)運(yùn)算定義，避免了反變換不匹配的問題。本文將人類視覺模型擴(kuò)展到 4 4 離散余弦變換域 ， 當(dāng)所有可用于水印嵌 入、具有視覺容量的系數(shù)都被使用時(shí)，視頻的視覺質(zhì)量將會(huì)下降。本文 使用與密匙相關(guān)的算法在具有視覺水印容量的系數(shù)中選擇一個(gè)子集，并將水印嵌入這一子集，從而使算法在對(duì)抗惡意攻擊時(shí)具有更強(qiáng)的魯棒性 ， 此外，該算法的設(shè)計(jì)使水印遍布各頻率并在區(qū)域內(nèi)傳播，減小了沃森 [7]所述的 誤差合并 的影響。此前 的 感知水印算法從未考慮過 誤差合并 [8],[9]。 假設(shè) DCT 交流系數(shù)符合廣義高斯概率分布，本文建立了基于似然比檢驗(yàn)的水印檢測理論框架。我們證實(shí)，所產(chǎn)生水印碼的總和及選中的 DCT 系數(shù)是兩個(gè)水印檢測的充分統(tǒng)計(jì)量，而選中的 DCT 系數(shù)是由原始視頻的量化步長來測量的。同時(shí)，如果 DCT 的系數(shù)中存在水印，那么水印檢測器的性能 由這些充分統(tǒng)計(jì)量的條件均值決定 。這一均值取決于三個(gè)參數(shù)：所選中 DCT 系數(shù)量化步長大小的方均值、所選中 DCT 系數(shù)的標(biāo)準(zhǔn)偏差和計(jì)算充分統(tǒng)計(jì)量所用到的 DCT 系數(shù)的個(gè)數(shù) N。 DCT 系數(shù)的標(biāo)準(zhǔn)偏差和 的量化步長大小是無法控制的，在檢測視頻水印時(shí)， 我們能控制用于計(jì)算充分統(tǒng)計(jì)量的水印系數(shù)的個(gè)數(shù)。但這并不適用于圖像，因?yàn)榧词姑糠鶊D像中嵌入的水印碼個(gè)數(shù)達(dá)到其上限值，圖像的水印仍不可見，因此，對(duì)于給定的虛警概率 PF，本文的視頻水印算法通過計(jì)算 N 來獲得檢測值的期望概率 PＤ 。蒙特卡羅實(shí)驗(yàn)的仿真結(jié)果顯示，理論選擇的 N 值確實(shí)可以計(jì)算得到 PＤ 和 PＦ 的預(yù)期值。仿真結(jié)果同樣顯示，本文提出的水印方案對(duì) 3 3 的高斯濾波、 50%的 削去攻擊 ，N（ 0,）的白噪聲和尋常蓄意攻擊都具有魯棒性。 本文按如下方式行文。第二部分講述從 8 8DCT 域得到 4 4DCT 域的人類視覺模型 。第三部分描述所提出的水印方案。第四部分討論水印的嵌入過程。第五部分建立水印檢測的理論框架并提出基于此框架的視頻水印檢測算法。仿真結(jié)果在第六部分中給出。 二、 4 4DCT 域的人類視覺模型 Xi,j是 M M 區(qū)域的 DCT 系數(shù)，該區(qū)域中的像素點(diǎn) x(n1,n2)按式（ 1）的 DCT 基函數(shù)分布： （ 1） 其中 （ 2） 人類視覺靈敏度隨 DCT 基函數(shù)中頻率的變化而變化。參考文獻(xiàn) [11]中，測量了8 8DCT 域中，不同 DCT 頻率下的量化誤差閾值。這里，我們將擴(kuò)大 8 8DCT 域的量化誤差視覺閾值，以使其 適用于 4 4DCT 域。 4 4DCT 域的基函數(shù)定義為： （ 3） 8 8DCT 域的基函數(shù)定義為： （ 4） 比較（ 3）、（ 4）兩式可得， 當(dāng) （ 5） 成立時(shí)， 4 4DCT 域基函數(shù)中的 i4j4 與 8 8DCT 域基函數(shù)中的 i8j8 有相同的頻率。因?yàn)閷?duì)于滿足 0≤ i4， j4≤ 3 的所有 i4j4，總存在一組 i8j8 滿足 0≤ i8， j8≤ 7，所以可以從已知的 8 8DCT 基函數(shù)的視覺閾值得到 4 4DCT 基函數(shù)的視覺閾值。因數(shù) ci 和 cj使得 4 4DCT 的誤差幅度是 8 8DCT 的兩倍 ， 因此，為獲得不可見性，用 8 8DCT 基函數(shù)的視覺閾值 2i42j4 除以 2 得到 4 4DCT 基函數(shù)的視覺閾值 i4j4，參考文獻(xiàn) [11]中給出了顏色空間中 8 8DCT 域的量化矩陣，我們用它得到 4 4DCT域的量化矩陣。實(shí)際的視覺閾值 ti,j是量化步長 qi,j大小的一半。 利用亮度掩蔽和對(duì)比度掩蔽這兩個(gè)方面的影響 ，獲得依賴圖像的量化矩陣 [7]。如下所示的冪函數(shù)是 亮度掩蔽的簡單近似解 ： （ 6） 式中， X— 0,0 是顯示