【正文】 但 由于這種攻擊的算法復(fù)雜度很高，將不 再涉及 。這點與 之前的觀察 符合，給 CV 集 中所有系數(shù)嵌入水印碼 將會產(chǎn)生可見的偽影。前文講到， CV 集是指具有水印容量的系數(shù)的集合。此外， 現(xiàn)只在 I幀的亮度分量中嵌入了水印 ，通過在 P幀或色度分量中嵌入水印碼，也 可增加水印系數(shù)的個數(shù)和 充分統(tǒng)計量的頻率。 表 7 不同檢測性能 下，受到 3 3 高斯濾波或 50%削去攻擊后， 計算充分統(tǒng)計量所需的 I幀數(shù)目 同樣 ， 考查 削去攻擊。 如果 按原值設(shè) 定閾值 T，仍舊可獲得預(yù)期的 PF=，但 PD將小于 。 表 4 目標(biāo)為 PD= 和 PF= 時的實驗結(jié)果 圖 6 CARPHONE 視頻序列達到 PD= 和 PF= 時，充分統(tǒng)計量的概率分布 實驗 三的目標(biāo)是 PD=， PF=。圖 4 顯示，實驗測定 p（ Ψ|H0） 和 p(Ψ|H1)的分布近似與方差為 1 的正態(tài)分布。將解碼視頻中的水印系數(shù)與加水印前該系數(shù)的 值相比，由于編碼過程是有損的，所以該差值并不等于量化步長大小。這些視頻序列具有高質(zhì)感，包含大量具有水印容量的 DCT 系數(shù)。 六、仿真結(jié)果 圖 3 本文水印算法與參考文獻 [8]中算法的感知質(zhì)量比較 （ a）本文算法嵌入水印后的 I幀；（ b）本文算法嵌入水印后的 P幀； （ c）參考文獻 [8]算法嵌入水印后的 I幀；（ d）參考文獻 [8]算法嵌入水印后的 P幀 本文提出的水 印算法在 參考軟件 版本 [17]中實現(xiàn)。因為幾乎每段視頻都有足夠的可添加水印的 DCT 系數(shù)，用以產(chǎn)生充分統(tǒng)計量和檢測結(jié)果，所以我們相信這點是可以接受的。 б 是視頻 DCT 系數(shù)的標(biāo)準(zhǔn)偏差，也是視頻的性質(zhì) ， 因此，水印檢測器并不能改變這兩個參數(shù)。式（ 22）乘以 可使高斯分布歸一化，再替換 b 可得： （ 23） 其中，閾值 （ 24） 圖 2 與 的概率密度 H0 中， ψ 服從 N（ 0,1）。當(dāng) c=2 時，為標(biāo)準(zhǔn)高斯分布。受到常見視頻信號處理操作的攻擊或受到改變區(qū)域預(yù)測模式的攻擊時，殘差和預(yù)測值將發(fā)生改變，即 、 。因此只有熵編碼需要嵌入水印，使得水印嵌入算法的計算復(fù)雜度 有所 降低。一種是在編碼器中嵌入水印， 此時，水印引起的誤差可以在之后的預(yù)測中校正，并且誤差不會在 I幀和 P幀中傳播。實驗表明，由于 誤差合并 的影響得到限制，所以適當(dāng)放寬這些閾值，可以在不影響視覺質(zhì)量的同時增加所嵌入水印碼的數(shù)目。危險的是， 這可能需要從掩蔽中承擔(dān)比實際更大的收益，進而導(dǎo)致可見的視覺偽影，并且 水印碼的位置將更容易確定，從而導(dǎo)致該算法應(yīng)對攻擊的魯棒性降低。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 是顯示亮度均值所對應(yīng)的直流系數(shù)， X— 0,0,k 是 k 區(qū)域的直流系數(shù) ， aT控制掩蔽的發(fā)生程度。 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 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。蒙特卡羅實驗的仿真結(jié)果顯示，理論選擇的 N 值確實可以計算得到 PＤ 和 PＦ 的預(yù)期值。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)中選擇一個子集，并將水印嵌入這一子集，從而使算法在對抗惡意攻擊時具有更強的魯棒性 ， 此外，該算法的設(shè)計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。參考文獻 [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。本文提出的 水印算法恰好滿足了這種需求。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。 (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(biāo)準(zhǔn)版權(quán)保護方法和鑒定方法的需求也將出現(xiàn)。 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。 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。 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。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(biāo)準(zhǔn)偏差和計算充分統(tǒng)計量所用到的 DCT 系數(shù)的個數(shù) N。第四部分討論水印的嵌入過程。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。 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。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。當(dāng)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(dāng)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。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。假定 s 是一個 DCT 系數(shù)，則 s~， s39。為簡便起見，本部分 中使用下標(biāo) i 和 j，下標(biāo) e 表示第 e 個水印碼或第 e 個 DCT系數(shù)。 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。 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 。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。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]。 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(biāo)準(zhǔn)的 QCIF 視頻序列（ 176144）進行仿真。 編碼器對 I幀使用的量化步長 Q=16。 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。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。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。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。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。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。由于 攻擊者只修改了具