【正文】 i,j)。end r=w0。39。bmp39。在 MATLAB 中用imshow(39。)顯示此圖像。隨著迭代次數(shù)的增加，圖像逐漸趨于混亂，不過(guò)到一定次數(shù)時(shí)，又將回到原圖。本算法選擇置亂8次，因?yàn)?次Arnold變換后原水印圖像已經(jīng)成為無(wú)形狀的圖像。但需要指出的是不一定圖像的置亂次數(shù)越多其置亂度就越高。置亂次數(shù)作為密鑰有視頻版權(quán)所有者保管，如果非法所有者不知道置亂次數(shù)就很難恢復(fù)出原水印圖像。YUV 顏色模型是一種常用的顏色模型，其基本特征是將亮度信號(hào)與顏色信號(hào)分離，由于人眼對(duì)亮度的變化比對(duì)顏色的變化敏感，因此，YUV 模型中 Y 分量的值所占帶寬大于等于彩色分量所占帶寬。這種色彩空間模型中 Y 和 UV 分量是相互獨(dú)立的，反映了人眼觀察彩色的視覺(jué)規(guī)律，在實(shí)際中應(yīng)用較多。而“U”和“V”表示的則是色度(Chrominan“或 Chroma)，作用是描述影像色彩及飽和度，用于指定像素顏色。本文選擇測(cè)試視頻中的第 39 幀如圖 43 所示。 圖 43 未嵌入水印的視頻第一步：讀取文件；讀取視頻文件由[yuv,Y,u,v,num_f]=loadyuv(filename)實(shí)現(xiàn)，filename 是所選取得視頻文件名稱。讀取一幀數(shù)據(jù)的YUV分量在Matlab中由以下源代碼實(shí)現(xiàn)：function [YUV,Y,U,V] = loadFileYUV(width,heigth,Frame,fileName,format)[Teil_h,Teil_b]=YUVFormat(format)。r39。YUV(:,:,1)存放Y分量；YUV(:,:,2)存放U分量；YUV(:,:,3)存放V分量；Y,U,V是三個(gè)分量的實(shí)際值，二維矩陣，沒(méi)有重復(fù)，他們的長(zhǎng)度可能不一樣。 其中Y_delt是當(dāng)前幀與下一組各幀的Y的差，m(i)=max(Y_delt(j))。w(i+1)=4*(i1)+k定位華北電力大學(xué)本科畢業(yè)設(shè)計(jì)（論文）21最大的Y_deltmax,存入變量w。第二步：分塊；分塊時(shí)因?yàn)樾枰獕K標(biāo)號(hào)，由此造成維數(shù)不同，所以只能逐個(gè)象素賦值，在 Matlab 中由 BY(t1,t2,t3,j*5+k+1)= double(Y32((64*j+t1),(64*k+t2),i))實(shí)現(xiàn)，切成 20 塊，每塊為64*64*4 的數(shù)據(jù)塊 BY ，其中 t1 是塊的杭坐標(biāo)， t2 是塊的列坐標(biāo)，t3 幀標(biāo)號(hào)，j*5+k+1是快標(biāo)號(hào)。 %對(duì)每一塊的幀間方向進(jìn)行 1D DCT 變換 for i=1:64 for j=1:64 dcta(i,j,1:4,index(20))=dct(BY(i,j,1:4,index(20)))。 end 第四步：嵌入水印過(guò)程；讀入二值水印圖像由 message=double(imread(39。))實(shí)現(xiàn) ，message 是一個(gè)由 0 和 1 組成的二維數(shù)組。S=60。T2=3*T1。 end if (dct3a(i,j,1,index(20))0) dipin(i,j)=dct3a(i,j,1,index(20))+mod(abs(dct3a(i,j,1,index(20))),S)T1。 end if (dct3a(i,j,1,index(20))0)dipin(i,j)=dct3a(i,j,1,index(20))+mod(abs(dct3a(i,j,1,index(20))),S)T2。此過(guò)程由 Matlab 實(shí)現(xiàn)如下：二維 DCT 反變換：idcta(:,:,1,index(20))=idct2(dipin)。 end對(duì)每一塊的幀間方向進(jìn)行一維 DCT 反變換for i=1:64 for j=1:64 idct3a(i,j,1:4,index(20))=idct(idcta(i,j,1:4,index(20)))。fileId = fopen(39。,39。)fwrite(fileId,Y(:,:,i)39。uchar39。fwrite(fileId,u(:,:,i)39。uchar39。fwrite(fileId,v(:,:,i)39。uchar39。效果如圖 44 所示：圖 44 嵌入水印的視頻 水印的檢測(cè)過(guò)程水印的檢測(cè)過(guò)程就是嵌入水印的逆過(guò)程，其 Matlab 實(shí)現(xiàn)如下所示：filename=39。此文件是對(duì)含有水印的視頻（可能是被攻擊過(guò)后的視頻）文件。讀取視頻文件和三維 DCT 正變換其原理和嵌入過(guò)程相同，此處不再贅述。for i=1:64 for j=1:64 if (mod(abs(dct3b(i,j,1,index(20))),S)((T1+T2)/2)) shuiyin(i,j)=1。華北電力大學(xué)本科畢業(yè)設(shè)計(jì)（論文）24 end endendArnold 反變換如下所示： w0=shuiyin。w0 是檢測(cè)到的水印數(shù)據(jù)，Hm 和 Wm 是水印數(shù)據(jù)的行和列,變換次數(shù)為 40。imwrite(w2,39。, 39。)。39。綜上，水印的嵌入主要經(jīng)過(guò)將視頻和水印分別進(jìn)行預(yù)處理，然后根據(jù)嵌入算法選擇水印的合適嵌入位置以及合理嵌入策略，從而得到含水印的視頻數(shù)據(jù)。結(jié)果顯示本文算法能成功提取出水印圖像。對(duì)視頻水印的評(píng)估主要包括以下兩方面：嵌入水印對(duì)視頻引起的失真的主觀和客觀定量評(píng)估；水印魯棒性的評(píng)估。因此為了能夠進(jìn)行公平合理的性能評(píng)估，我們必須盡量保證水印系統(tǒng)是在可比較的條件下進(jìn)行測(cè)試，即應(yīng)該在給定視頻視覺(jué)可見(jiàn)性要求的前提下進(jìn)行測(cè)試。 不可見(jiàn)性不可見(jiàn)性是水印應(yīng)該具備的基本特性之一，一個(gè)成功的水印方案，在水印嵌入之后應(yīng)該不被察覺(jué)，這主要包括兩個(gè)含義：一是肉眼看不出和原始視頻的區(qū)別，二是定量計(jì)算滿足一定的指標(biāo)。找來(lái)10個(gè)人，男女各5人，分別用肉眼觀測(cè)比較原始視頻和嵌入水印后的視頻，結(jié)果沒(méi)有人能區(qū)分，這就定性的測(cè)試了水印的不可見(jiàn)性。峰值信噪比（PSNR）由式（5－1）定義。2,0*log1(25^)()/)/mnPSNRIMNP???其中， 代表原始圖像中坐標(biāo)為（m,n）的象素點(diǎn)， 代表嵌入水印圖像中坐標(biāo),mnI 39。M和N分別是行和列的個(gè)數(shù)，P是視頻幀的數(shù)目。 (a) (S＝40,PSNR＝ dB) (b) (S＝60,PSNR＝ dB) (c) (S＝80,PSNR＝ dB) 圖51 嵌入水印后的視頻 魯棒性所謂水印攻擊分析，就是對(duì)現(xiàn)有的數(shù)字水印系統(tǒng)進(jìn)行攻擊，以檢驗(yàn)其魯棒性，通過(guò)分析其弱點(diǎn)所在及其易受攻擊的原因，以便在以后數(shù)字水印系統(tǒng)的設(shè)計(jì)中加以改進(jìn)。有意的攻擊是指為了去除水印而采取的各種處理方法，此種攻擊往往是惡意的；無(wú)意的攻擊是指含水印的視頻在使用過(guò)程中不可避免受到的處理。為了驗(yàn)證本文算法的魯棒性，對(duì)嵌入了水印的視頻分別進(jìn)行了剪切、加噪、丟幀、幀交換等攻擊操作，之后再提取水印。 幾何攻擊對(duì)視頻經(jīng)過(guò)各種角度剪切操作，然后從剪切視頻中提取水印圖像檢測(cè)其魯棒性。 (a) 左上角1/4剪切 (b) 右下角1/4剪切 (c) 50％剪切 (d) 剪切75％圖52 各種角度的剪切 (a) (b) (c) (d)圖53 各種角度的剪切后提取的水印圖像由以上結(jié)果可以看出本文算法能抵抗左上角1/右下角1/50％的剪切，提取出華北電力大學(xué)本科畢業(yè)設(shè)計(jì)（論文）27的水印圖像清晰完整，即魯棒性較好，但對(duì)含水印的視頻部分進(jìn)行剪切操作就提取不出完整的水印圖像，如剪切75％。 信號(hào)處理攻擊視頻在傳輸過(guò)程中常常由于受到某種干擾而含有各種噪聲，常見(jiàn)的噪聲有椒鹽噪聲、高斯噪聲。（1） 椒鹽噪聲本文中給出了三種添加強(qiáng)度不同的椒鹽噪聲的實(shí)驗(yàn)，然后提取水印圖像并根據(jù)結(jié)果分析水印魯棒性。 (a) (b) (c) 圖54 加噪聲后的視頻 (a) (b) (c)圖55 加噪聲后提取的水印圖像根據(jù)實(shí)驗(yàn)所顯示的結(jié)果可知，本文算法隨著所添加椒鹽噪聲的強(qiáng)度的增加，水印的魯棒性降低，但總體來(lái)說(shuō)本算法抗椒鹽噪聲方面是魯棒的。如圖 56 所示，分別是對(duì)從含水印的視頻加入均值為 0，方差為 的高斯噪聲、均值為 0，方差為 的高斯噪聲和均值為 0，方差為 的高斯噪聲后的視頻效果。圖56 加入高斯噪聲后的視頻對(duì)以上視頻提取相應(yīng)的水印圖像，結(jié)果如圖57(a)、(b)、(c)所示。 同步攻擊（1）丟幀本文中隨機(jī)丟失一幀進(jìn)行實(shí)驗(yàn)，然后提取水印，檢測(cè)幀丟失時(shí)的魯棒性。 (a) (b) (c) 圖58 丟幀后提取的水印圖像 (2) 幀交換為了更客觀的評(píng)價(jià)算法的魯棒性，本文隨機(jī)交換兩幀，然后提取水印圖像，觀察水印的魯棒性。華北電力大學(xué)本科畢業(yè)設(shè)計(jì)（論文）29 (a) (b) (c) 圖59 幀交換后提取的水印圖像實(shí)驗(yàn)結(jié)果可以看出，提取出的水印圖像都清晰完整，因此本文算法水印抵抗幀丟失和幀交換的能力比較強(qiáng)。該算法除了對(duì)一般的信號(hào)處理攻擊是魯棒的，還對(duì)包括裁剪、幀交換、丟幀等幾何攻擊都具有較好的魯棒性。目前大多數(shù)的算法提取水印時(shí)都需要原始視頻的參與，而從應(yīng)用的角度來(lái)看，盲提取算法更具實(shí)用性，這也是水印發(fā)展趨勢(shì)。本算法真正實(shí)現(xiàn)了盲提取，且算法復(fù)雜度低。經(jīng)過(guò)多次試驗(yàn)發(fā)現(xiàn)S的值過(guò)大會(huì)影響視頻質(zhì)量，不滿足可見(jiàn)性；過(guò)小會(huì)檢測(cè)不出水印，影響魯棒性。不過(guò)任何算法都不是完美的，本文中的算法對(duì)于濾波、旋轉(zhuǎn)、縮放等魯棒性仍然不高，所以性能還需進(jìn)一步完善。實(shí)驗(yàn)表明，第三方即便是截取到了秘密圖像，但是根據(jù)圖像置亂后無(wú)色彩、無(wú)紋理、無(wú)形狀的“三無(wú)”特征，也是無(wú)能為力的；如果第三方企圖對(duì)秘密圖像進(jìn)行反置亂，由于圖像置亂有很多方法，這也會(huì)給第三方帶來(lái)很大的困難。經(jīng)過(guò)左上角1/右下角1/50％和75％的剪切、加椒鹽噪聲、高斯噪聲、丟幀、幀交換等實(shí)驗(yàn)的結(jié)果表明，該算法能抵抗各類攻擊，保證了水印的魯棒性，而且嵌入的水印對(duì)原始視頻的質(zhì)量影響也很小，人眼幾乎感覺(jué)不出嵌入水印后視頻質(zhì)量的變化，同時(shí)，其算法復(fù)雜度較之流行的DWT算法更低，不失為一種結(jié)合DCT與HVS的較好的魯棒數(shù)字視頻水印算法。通過(guò)研究應(yīng)該看到，在今后相當(dāng)長(zhǎng)的時(shí)間里，數(shù)字視頻水印必將成為一個(gè)重要的研究課題。華北電力大學(xué)本科畢業(yè)設(shè)計(jì)（論文）31參考文獻(xiàn)[1] 鄒瀟湘,彭聰,李錦濤,[J]. 工程圖學(xué)學(xué)報(bào), 2022,第3期[2] 王炳錫，陳琦，鄧峰森．?dāng)?shù)字水印技術(shù)[M]．西安：西安電子科技大學(xué)出版社，2022．[3] 杭中文,[J]. 計(jì)算機(jī)工程與科學(xué),2022,第26卷第9期.[4] 葉登攀，戴躍偉，[J]. 計(jì)算機(jī)工程與應(yīng)用, 2022.[5] 雒偉群,視頻水印關(guān)鍵技術(shù)的研究[J]. 影像技術(shù),2022,3.[6] 易開(kāi)祥,石教英,[J]. 中國(guó)圖象圖形學(xué), 2022,.[7] 謝建全，陽(yáng)春華. 視頻數(shù)字水印技術(shù)研究綜述[J]. 湖南財(cái)經(jīng)高等?？茖W(xué)校學(xué), 2022, 第22卷第102期.[8] [J]. 維普資訊 [9] 胡耀祖，／IDCT在紅外圖像預(yù)處理中的應(yīng)用[J]. 武漢理工大學(xué)學(xué)報(bào)39。%讀取視頻文件Y=double(Y)。 % w為32幀的位置變量for i=1:31 %所要提取的32幀視頻 for j=1:4 %每組4幀,從各組中選出一個(gè)最運(yùn)動(dòng)敏感的 Y_delt(j)=delt(Y(:,:,w(i)),Y(:,:,4*(i1)+j))。 %判斷每組中最大的Y_deltmax，存入變量m for k=1:4 if Y_delt(k)==m(i) w(i+1)=4*(i1)+k。 %Y32是視頻幀中Y分量滿足敏感性的32幀視頻 (355*288*32)weizhi=w。a=floor(288/blocksize)。 %列的塊數(shù)（5塊）c=a*b。for i=1:10:31 %隔十幀取一幀，共從32幀中取4幀以降低運(yùn)算量 t3=t3+1。 %切成20塊，每塊為64*64*4的數(shù)據(jù)塊BY,維數(shù)不同，只能逐個(gè)象素賦值 end end end endend %計(jì)算數(shù)據(jù)塊BY的亮度敏感性和紋理敏感性t=4*64*64。 %計(jì)算每一塊的亮度敏感性 h=。 s(:,:,:,i)=abs(BY(:,:,