【正文】 裝訂成冊。 (用外文寫 ) 附件 1：外文資料翻譯譯文 一種 針對 視頻 具有 可控檢測性能 的 魯棒性 水印 機制 摘要 隨著 格式的數(shù)字視頻逐漸普及，對該標準版權(quán)保護方法和鑒定方法的需求也將出現(xiàn)。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)編碼模型改變時算法的魯棒性。 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，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。 視頻信號通常以壓縮格式存儲和傳輸，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際的。 部分近期出版的文獻探討了在 碼流序列中嵌入水印的方法。 [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。 具有高壓縮率，空余給待嵌入微信號的空間極小，所以在限制視覺失真的同時，采用人類視覺模型來提高有效載荷和魯棒性。此前 的 感知水印算法從未考慮過 誤差合并 [8],[9]。這一均值取決于三個參數(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)的標準偏差和計算充分統(tǒng)計量所用到的 DCT 系數(shù)的個數(shù) N。仿真結(jié)果同樣顯示，本文提出的水印方案對 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。第四部分討論水印的嵌入過程。參考文獻 [11]中，測量了8 8DCT 域中，不同 DCT 頻率下的量化誤差閾值。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 [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。按照參考文獻 [7]中 令 aT=， 最終，區(qū)域 k（ Xi,j,k） DCT系數(shù) Xi,j的掩蔽閾值 mi,j,k 由對比度閾值決定 （ 7） 式 中 ω i,j在 0,1 之間 ， 按照參考文獻 [7]令 ω i,j =。 三、算法的提出 本文計算了區(qū)域 k 中每個系數(shù) Xi,j的掩蔽誤差視覺閾值 mi,j,k， 這 一 閾值除以該區(qū)域的 量化步長 Qk 得到一值，該值決定了系數(shù) Si,j,k 的水印碼容量 （ 8） 我們將用于水印嵌入的具有視覺容量的系數(shù)集（即容量大于 0）表示為 （ 9） 在 CV 中 所有系數(shù) 均 插 入水印碼將產(chǎn)生明顯的偽影。 本文的算法選擇了 CV 系數(shù)集的一個子集，密匙控制該選擇過程。密匙對每個 4 4區(qū)域中的所有系數(shù)進行排名，為使水印碼在頻率上傳播，通常給嵌入系數(shù)越少的水印以更高的排名，并且只在幅值大于閾值 Tcof的系數(shù)中嵌入水印。此外，依賴于紋理和時域掩蔽， Tblock 和 Tcof可以做出調(diào)整來控制一幀中水印碼的個數(shù)。當前幀中的每個宏塊都由幀內(nèi)或幀間預(yù)測模式預(yù)測所得 ，當前宏塊和預(yù)測信號間的差異就是殘差，殘差經(jīng)變換、量化、重新排序和熵編碼，最終寫入碼流。保證高感知質(zhì)量的同時，該方案可以在壓縮視頻中嵌入更多水印碼。這種方案中，誤差將在 I幀和 P幀中傳播，相對于視頻比特率的增加來說，維持高的視覺質(zhì)量難度更大。我們使用一個具有均值為 0、方差為 1 的雙極水印 W∈ {1,1}。假定 s 是一個 DCT 系數(shù)，則 s~， s39。但 如果 視頻質(zhì)量仍可以接受，就有 ，并且依然可以從解碼視頻序列中提取出水印。為簡便起見，本部分 中使用下標 i 和 j，下標 e 表示第 e 個水印碼或第 e 個 DCT系數(shù)。 理想檢測器與似然比相比較可得閾值： （ 20） 式中 η控制漏檢和虛警之間的平衡 [13]。 返回式（ 22），可得廣義隨機變量 Y 是廣義高斯分布隨機變量的加權(quán)和。 H1 中， ψ 服從 。 為評估水印檢測器的性能，需計算檢測概率 PD和虛警概率 PF 。但是，第三個參數(shù) N 表示嵌入水印的 DCT 系數(shù)個數(shù)，用來計算充分統(tǒng)計量。一是，若視頻較長并且應(yīng)用中檢測器響應(yīng)時間可以是任意的，那 么無論視頻序列格式，檢測器的誤碼率都可以保持。下一部分給出了在不同檢測情形和不同攻擊中，計算一個充分統(tǒng)計量所需的QCIF（四分之一通用中間格式， 176 144） I幀的數(shù)目。第三個優(yōu)點是，充分統(tǒng)計量 ψ 的計算復(fù)雜度低于相關(guān)性度量 [16]。為比較本文與參考文獻 [8]中兩種水印算法的感知質(zhì)量，圖 3 展示了由標準視頻序列（ QCIF， 176144）得到的 I幀和 P幀圖像，上方兩幀按照本文算法嵌入水印，下方兩幀按照參考文獻[8]中算法嵌入水印。 表 1 加水印系數(shù)占具有視覺水印能力的系數(shù)集的百分比和 I幀的平均水印碼數(shù) 六個標準的 QCIF 視頻序列（ 176144）進行仿真。然而，本文算法限制每幀中可嵌入的水印碼數(shù)上限 Tblock=2，這減少了視頻序列中嵌入水印碼的數(shù)目，檢測算法的性能取決于每個時間間隔中嵌入的水印碼數(shù)，由于這些視頻序列的每幀中已經(jīng)有很多水印碼，所以該限制并不影響檢測算法的性能。 編碼器對 I幀使用的量化步長 Q=16。平均而言，系數(shù)加水印后和加水印前的差值是 Q^ 而不是 Q， Q^ 通常小于但 接近于 Q。 PD和 PF是充分統(tǒng)計量 mψ的平均值 ，可在 實驗中 獲得，同樣也呈現(xiàn)在表 2 中。從而證明 充分統(tǒng)計量具有正常 高斯分布這一假設(shè)。實驗中獲得的 PD 值、 PF 值和充分統(tǒng)計變量 mψ 的平均值，也都呈現(xiàn)在表 3 中。解式（ 26）可得 T= 時 PF=；解式（ 25）可得 d= 時 PD=；解式（ 29）可得每個視頻序列要求的 N 值。同實驗二， 無攻擊情況下接近 PD=， PF=，從而選擇 N 值及閾值 T=，表 5 給出 高斯濾波攻擊后 Q^ 、 б、 PD及 PF的值。表 5 與表 2 相比可得，每個視頻序列獲得的 mψ 值 都 相近 ，因此，與表 2 選擇相同的 T 值，仍可達到 PD= 和 PF=。假設(shè) Q^比實際值有所減小， 同時按照之前設(shè)置閾值，所得檢測效果仍比 PD= 要好。實驗中，將每個視頻幀削減為其原始尺寸的 50%。假設(shè)視頻以 30 幀 /秒的速率顯示，并且 I幀每秒發(fā)送一次，則每 F 秒可提取一個充分統(tǒng)計量。 表 8 目標為 PD= 和 PF= 時，受到加性白噪聲攻擊的實驗結(jié)果 接著 ， 考慮加性白噪聲 ，向視頻序列的每一幀添加均值為 0，方差為 的白噪聲。結(jié)果表明，即使不提高 N，本文提出的算法已對加性 白噪聲 N（ 0,）具有魯棒性。 為確保水印被擦除， 攻擊者將修改 CV 集中所有的系數(shù) ， 由于攻擊者不知道水印碼的個數(shù)，消除水印的尋常方式就是給 CV 集中所有系數(shù)加上 量化步長 Q， 或給 CV 集中所有系數(shù)隨機加上 +Q、 Q。由于 攻擊者只修改了具有視覺水印容量的系數(shù)，所以 受 攻擊后， I幀的視覺質(zhì)量沒有 產(chǎn)生 嚴重退化 。 將本文檢測機制與軟判決維特比譯碼算法相比較，結(jié)果表明，當 N=1500 時的檢測器性能強于 N=500 時的 1/3 卷積碼。 假設(shè)檢測器在受到去同步攻擊后能恢復(fù)同步 ，如果原始視頻序列不 可用，則需要適當?shù)耐侥０?[18]以恢復(fù)同步。此外， 本文驗證 了 水印算法對尋常蓄意攻擊的魯棒性能。 采用密匙依賴型算法選擇一個具有視覺水印容量的系數(shù)集，用來嵌入水印并使其具有 能 對抗蓄意攻擊的魯棒性。 該視頻水印檢測機制具有以下優(yōu)點。仿真結(jié)果表明，該水印算法可以對抗這些攻擊。其次，檢測器的性能完全由檢測器內(nèi)部控制，而與水印嵌入系 統(tǒng)無關(guān)，因此，如果視頻已被攻擊，那么可以調(diào)節(jié)水印檢測器以獲得更可靠的檢測器響應(yīng)。 仿真結(jié)果顯示，在不 明顯改變視覺質(zhì)量的 情況下，有效載荷和魯棒性得到提高