【正文】 PD =， PF=。由于充分統(tǒng)計(jì)量是由水印系數(shù)按 量化步長(zhǎng)的比例縮小后，再乘以水印碼得到的，所以充分統(tǒng)計(jì)量的平均值保持不變，水印檢測(cè)器可以在不增加 N 的情況下，用相同的性能檢測(cè)水印。 實(shí)驗(yàn)中，假設(shè) Q^ 和 б 的值已知，若 不考慮存儲(chǔ)問(wèn)題，不同視頻序列的這些值就可存成記錄 ；若 不考慮計(jì)算復(fù)雜度，檢測(cè)器可 完成 б 的計(jì)算 。 八、 總結(jié) 本文提出了一種對(duì)常見(jiàn)信號(hào)處理攻擊具有魯棒性的 水印算法。其次，檢測(cè)器的性能完全由檢測(cè)器內(nèi)部控制，而與水印嵌入系 統(tǒng)無(wú)關(guān)，因此，如果視頻已被攻擊，那么可以調(diào)節(jié)水印檢測(cè)器以獲得更可靠的檢測(cè)器響應(yīng)。 該視頻水印檢測(cè)機(jī)制具有以下優(yōu)點(diǎn)。此外， 本文驗(yàn)證 了 水印算法對(duì)尋常蓄意攻擊的魯棒性能。 將本文檢測(cè)機(jī)制與軟判決維特比譯碼算法相比較，結(jié)果表明，當(dāng) N=1500 時(shí)的檢測(cè)器性能強(qiáng)于 N=500 時(shí)的 1/3 卷積碼。 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(gè)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(zhǎng) Q， 或給 CV 集中所有系數(shù)隨機(jī)加上 +Q、 Q。 表 8 目標(biāo)為 PD= 和 PF= 時(shí)，受到加性白噪聲攻擊的實(shí)驗(yàn)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。實(shí)驗(yàn)中，將每個(gè)視頻幀削減為其原始尺寸的 50%。表 5 與表 2 相比可得，每個(gè)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(dá)到 PD= 和 PF=。解式（ 26）可得 T= 時(shí) PF=；解式（ 25）可得 d= 時(shí) PD=；解式（ 29）可得每個(gè)視頻序列要求的 N 值。從而證明 充分統(tǒng)計(jì)量具有正常 高斯分布這一假設(shè)。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。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(cè)算法的性能取決于每個(gè)時(shí)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(cè)算法的性能。為比較本文與參考文獻(xiàn) [8]中兩種水印算法的感知質(zhì)量，圖 3 展示了由標(biāo)準(zhǔn)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(xiàn)[8]中算法嵌入水印。下一部分給出了在不同檢測(cè)情形和不同攻擊中，計(jì)算一個(gè)充分統(tǒng)計(jì)量所需的QCIF（四分之一通用中間格式， 176 144） I幀的數(shù)目。但是，第三個(gè)參數(shù) N 表示嵌入水印的 DCT 系數(shù)個(gè)數(shù)，用來(lái)計(jì)算充分統(tǒng)計(jì)量。 H1 中， ψ 服從 。 理想檢測(cè)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]。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。我們使用一個(gè)具有均值為 0、方差為 1 的雙極水印 W∈ {1,1}。保證高感知質(zhì)量的同時(shí)，該方案可以在壓縮視頻中嵌入更多水印碼。此外，依賴(lài)于紋理和時(shí)域掩蔽， Tblock 和 Tcof可以做出調(diào)整來(lái)控制一幀中水印碼的個(gè)數(shù)。 本文的算法選擇了 CV 系數(shù)集的一個(gè)子集，密匙控制該選擇過(guò)程。按照參考文獻(xiàn) [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(duì)比度閾值決定 （ 7） 式 中 ω i,j在 0,1 之間 ， 按照參考文獻(xiàn) [7]令 ω i,j =。參考文獻(xiàn) [11]中，測(cè)量了8 8DCT 域中，不同 DCT 頻率下的量化誤差閾值。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。此前 的 感知水印算法從未考慮過(guò) 誤差合并 [8],[9]。 [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。 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。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(cè)水印，可 用于 確定幀內(nèi)編碼模型改變時(shí)算法的魯棒性。 指導(dǎo)教師評(píng)語(yǔ)： 簽名： 年 月 日 注： 請(qǐng)將該封面與附件裝訂成冊(cè)。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。 標(biāo)準(zhǔn)的詳細(xì)描述見(jiàn)參考文獻(xiàn) [1]和 [2]。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。同時(shí)，如果 DCT 的系數(shù)中存在水印，那么水印檢測(cè)器的性能 由這些充分統(tǒng)計(jì)量的條件均值決定 。第三部分描述所提出的水印方案。因?yàn)閷?duì)于滿(mǎn)足 0≤ i4， j4≤ 3 的所有 i4j4，總存在一組 i8j8 滿(mǎn)足 0≤ i8， j8≤ 7，所以可以從已知的 8 8DCT 基函數(shù)的視覺(jué)閾值得到 4 4DCT 基函數(shù)的視覺(jué)閾值。水印在不同的頻率和區(qū)域內(nèi)傳播以減小 誤差合并 ，之前的感知水印算法 [8],[9]從未考慮這點(diǎn)。 本文設(shè)計(jì)的系數(shù)選擇算法可以在不同頻率和區(qū)域中傳播水印。 圖 1 本文所述水印系統(tǒng)架構(gòu) 若忽略框圖中最上方的通路，則成為 編碼器結(jié)構(gòu)。另一種方案是在碼流中嵌入水印。 若 用 iijk 表示原始像素值， pijk 表示預(yù)測(cè)值， rijk表示殘差，所對(duì)應(yīng)的 DCT 值分別用 Iijk、 Pijk 和 Rijk 表示。兩種假說(shuō)下的觀(guān)察如下： （ 15） （ 16） 式中， Ie表示所選中視頻幀的 DCT 系數(shù)； Qe是視頻編碼器為該系 數(shù)選中的 量化步長(zhǎng)大??； We是從雙極水印序列 W∈ {1,1}選擇出的水印碼，均值為零、方差為 1。因此，首先用 原始水印碼 WeQe對(duì)解碼幀 Ye中選中的 DCT 系數(shù)進(jìn)行加倍，再計(jì)算其總和，最后將該結(jié)果與閾值比較，即可實(shí)現(xiàn)水印檢測(cè)。兩個(gè)概率密度均值間的距離 。 本文 水印檢測(cè)機(jī)制有如下優(yōu)點(diǎn)。需要注意的是，由于視頻序列比圖像有更大數(shù)據(jù)量，所以可以獲得更多魯棒性水印檢測(cè)。然而，本文算法在 I幀中嵌入了 929 個(gè)水印碼，而參考文獻(xiàn) [8]中算法只在 I幀中嵌入了 642 個(gè)水印碼。 將實(shí)驗(yàn)結(jié)果與上一部分推導(dǎo)出的理論框架比較，多次計(jì)算充分統(tǒng)計(jì)量需要大量水印系數(shù)，因此， 編碼器在一個(gè)周期內(nèi)對(duì)每個(gè)視頻序列進(jìn)行 80 次編碼和水印嵌入（組圖： IBI），充分統(tǒng)計(jì)量越多，估計(jì)得到的分布就越平穩(wěn)。設(shè) 閾值為 T=d/2=， 計(jì)算檢測(cè)概率和虛警概率。表 3 顯示了為得到 d=， Q^和 б 的平均值及相應(yīng)的 N 值。首先討論 3 3 高斯濾波攻擊。表 6 顯示該假設(shè)下 N、 PD、 PF在 3 3 高斯濾波攻擊后的計(jì)算值。表 7 中是在 不同檢測(cè)性能 下，受到 高斯濾波 和削去攻擊后，計(jì)算充分統(tǒng)計(jì)量所需 N 值和 QCIF（ 176 144） I幀數(shù)目 F。表 8 顯示受到加性白噪聲攻擊后 Q^ 、 б、 PD和 PF的值。圖 7 左側(cè)為一副嵌入水印的 I幀圖像，右側(cè)為該圖像受到攻擊后的版本。 由于這些值變化范圍很小，檢測(cè)器可 為 Q^設(shè)置最小值，為 б 設(shè)置 最大值，從而選 出相應(yīng)的 N 值。采用適合于 4 4DCT 域的人類(lèi)視覺(jué)模型獲得更大的有效載荷 和更強(qiáng)的魯棒性，并且 最大限度減小視覺(jué)失真。最后，測(cè)試了 該水印算法對(duì)一些常見(jiàn)信號(hào)處理攻擊的魯棒性，如濾波器、 50%的削去攻擊、加性白噪聲 N（ 0,）和一個(gè)尋常蓄意攻擊。 本文利用似然比檢驗(yàn)建立水印檢 測(cè)的理論框架，并用它獲得了理想的性能可控的視頻水印檢測(cè)器。