【正文】 。 八、 總結(jié) 本文提出了一種對常見信號處理攻擊具有魯棒性的 水印算法。參考文獻 [4]中提出的技術(shù)可以作為對抗自 合謀攻擊的 方式之一， 通過公開或隱秘的密匙， 給 CV 集中不同的系數(shù)嵌入水印。 實驗中，假設(shè) Q^ 和 б 的值已知，若 不考慮存儲問題，不同視頻序列的這些值就可存成記錄 ；若 不考慮計算復(fù)雜度，檢測器可 完成 б 的計算 。值得注意的是，在這個水印框架中， CV 集中 %的系數(shù)以Q 的強度被加水印，而受攻擊后，該幀 CV 集中 50%的系數(shù)以 2Q 的強度被加上水印， 因此 預(yù)測受攻擊 I幀的視覺質(zhì)量要比嵌入水印 I幀的視覺質(zhì)量差。由于充分統(tǒng)計量是由水印系數(shù)按 量化步長的比例縮小后，再乘以水印碼得到的，所以充分統(tǒng)計量的平均值保持不變，水印檢測器可以在不增加 N 的情況下，用相同的性能檢測水印。攻擊者不知道 CV 集 中已嵌入水印的系數(shù)， 也不知道每個系數(shù)中嵌入 水印碼的個數(shù)。按照表 3 選擇 N 值，以達到 PD =， PF=。注意到， QCIF（ 176 144）是 分辨率最小的格式之一，這就導(dǎo)致需要提高視頻分辨率。仿真結(jié)果表明，削去攻擊對檢測器性能沒有影響，但是 對每段視頻序列中提取 出的充分統(tǒng)計量的數(shù)目有影響。因此，我們能得出 唯一定論，對 所計算的充分統(tǒng)計變量，漏檢概率 PM小于 1， PD大于 1 減去 PM。假設(shè)高斯濾波攻擊后 Q^ 值減小至 9， 假設(shè)視頻序列的方差保持相同 ， 利用這些已知值 來計算每段視頻序列要求的 N 值。因此，若 N 仍取原值，則 p(Ψ|H1)曲線將向 p（ Ψ|H0）曲線運動，因為假說 H1 下 ψ 的平均值 mψ有所 減小。 表 5 目標為 PD= 和 PF= 時，受到 3 3 高斯濾波攻擊后的實驗結(jié)果 最后，測試不同攻擊對檢測性能的影響。圖 5 繪制了視頻序列 CARPHONE 在 H0 和 H1 下充分統(tǒng)計量的概率分布， p（ Ψ|H0）、p(Ψ|H1)曲線與圖 4 相比產(chǎn)生了進一步分離。分析法解式（ 25） 、式（ 26）可得，T= 和 d= 時， 達到此概率。圖 4 為視頻序列 CARPHONE 在H0 和 H1 下充分統(tǒng)計量的概率分布，該 視頻序列 的 80 次編碼共使用 31978 個充分統(tǒng)計 量，符號〇和◇代表以其為中心的間隔內(nèi)充分統(tǒng)計量的個數(shù)，測量每段間隔內(nèi)充分統(tǒng)計量的數(shù) 目，可得其最大值與方差為 1 的高斯分布的峰值相同。 表 2 目標為 PD= 和 PF= 時的實驗結(jié)果 圖 4 CARPHONE 視頻序列達到 PD= 和 PF= 時，充分統(tǒng)計量的概率分布 表 2顯示了，計算 80個水印碼序列時，每個視頻 Q^和 б的平 均值，以及達到 d=時的 N 值 ，用每個視頻中的 N 個水印系數(shù)計算充分統(tǒng)計量，進而檢測水印。用分析法解式（ 25）、式（ 26）可得，當(dāng) T=， d= 時達到此概率。由于這些算法利用人類視覺模型，所以峰值性噪比（ PSNR）不適合作為比較視覺質(zhì)量的度量，但是本文算法使得視頻的 PSNR 在加水印后比壓縮后（加水印前）降低 了 ，相比于參考文獻 [8]算法降低的 ，仍可說明一些問題。結(jié)果顯示，除 MOBILE 和 TABLE 外，本文的水印算法增加了其它視頻序列中嵌入水印碼的個數(shù)。圖 3 顯示，用這兩種不同算法嵌入水印，視頻幀的感知質(zhì)量是相當(dāng)?shù)?。但是，選擇 N 值需要計算視頻序列的標準差，這一過程具有較高的計算復(fù)雜度，下一部分中將證明視頻序列的標準差變化范圍很小，所以如果視頻幀б 的計算復(fù)雜度是不可取的，那么可以假定 б 的上限值，從而設(shè)置相應(yīng)的 N 值。例如，若水印檢測器發(fā)現(xiàn)視頻序列中的水印由于受到攻擊而進行了移動，檢測器就將提高 N 值來獲得更多可靠的充分統(tǒng)計量。這也說明，對一些視頻，檢測器可以更頻繁地產(chǎn)生結(jié)果。 N 個選中的 DCT 系數(shù)形成的流，可擴展到多個 I幀或被包含在一個 I幀的一部分中 ， 如果對所有選中的 DCT 系數(shù)都有 Qe=Q 成立，那么式（ 27）可以簡化為 。如上文所述， d 是三個參數(shù)的函數(shù)，定義為： （ 27） 式中 Q—2由編碼器選擇，其值為所選 DCT 系數(shù)的 量化步長大小 的平方均值。上述兩個概率分布如圖 2 所示。因此，假說 H0 中 Y 服從，假說 H1 中 Y 服從 。 所產(chǎn)生的水印碼和按照 量化步長大小等比例縮小的 DCT 系數(shù)，兩者之和是一個充分統(tǒng)計量， 確 定結(jié)論時，已知充分統(tǒng)計量的值等同于已知 Ye。當(dāng) c= 時，恰好成為直流系數(shù)。檢測水印需要在這兩個假說中選擇其一。預(yù)測值和殘差之和等于原始像素值，以式（ 10）表示： （ 10） 由 DCT 線性特性可得： （ 11） 水印嵌入到已量化的殘差中有： （ 12） 和 （ 13） 所以 （ 14） 水印疊加到已量化的 DCT 殘差上，類似于將量化步長大小疊加在原始 DCT 系數(shù)上。但 DCT 的線性特性保證了水印依然呈現(xiàn)在已解碼的視頻序列中， 而且仍有很高的概率可以檢測到它。 四、 水印 的嵌入 本文提出在 I幀量化殘差中嵌入水印信息。本文所討論的就是這種方案。 在壓縮視頻中嵌入水印有兩種不同方案。圖 1 為本文所提出算法的架構(gòu)。該策略的一個優(yōu)勢是，通過提高 Tblock 或降低 Tcof可以 容易地提高水印有效載荷。由于該系數(shù)選擇算法被一個密匙控制，所以攻擊者無法知道 CV 中水印系數(shù)的真實位置 ， 如果要確信水印被消除，攻擊者需要修改 CV中的大多數(shù)系數(shù)， 但 這也將導(dǎo)致可見的偽影。若要在視頻幀中嵌入更多水印碼，則要增加視覺模型中規(guī)定的掩蔽影響的參數(shù)（ aT和 wi,j） [7]。此外，沃森指出誤差的能見度不單基于最大誤差的能見度 ，而是反映了區(qū)域內(nèi)不同頻率的各種誤差。 利用亮度掩蔽和對比度掩蔽這兩個方面的影響 ，獲得依賴圖像的量化矩陣 [7]。 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， 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。仿真結(jié)果在第六部分中給出。第二部分講述從 8 8DCT 域得到 4 4DCT 域的人類視覺模型 。但這并不適用于圖像，因為即使每幅圖像中嵌入的水印碼個數(shù)達到其上限值，圖像的水印仍不可見，因此，對于給定的虛警概率 PF，本文的視頻水印算法通過計算 N 來獲得檢測值的期望概率 PＤ 。我們證實，所產(chǎn)生水印碼的總和及選中的 DCT 系數(shù)是兩個水印檢測的充分統(tǒng)計量，而選中的 DCT 系數(shù)是由原始視頻的量化步長來測量的。本文將人類視覺模型擴展到 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，視頻的視覺質(zhì)量將會下降。 本文旨在描述一種針對 標準的魯棒性水印算 法。參考文獻 [4]給出一種復(fù)雜度 較低 的機制，即在每個I 幀宏塊中選中一個已量化的交流系數(shù)，給這個系數(shù)嵌入一位水印碼。然而，由于兩種標準間的差異， MPEG2 龐大的水印算法不能直接運用于 。隨著 數(shù)字視頻越來越普及，對該標準版權(quán)保護方法和鑒定方法的需求也將出現(xiàn)。仿真結(jié)果表明，蒙特卡羅實驗達到了預(yù)期的檢測性能。在限制視覺失真的同時，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。中文 10140 字