分析基于运动矢量的鲁棒视频水印算法123概要.docxVIP

分析基于运动矢量的鲁棒视频水印算法 【关键词】视频 ,算法 ,矢量 ,基于 ,运动 ,分析 ,水印 ,检测 ,嵌入 ,补偿 , 数字水印被广泛采用来对数字产品版权进行保护 ,近几年数字水印技术取 得 了很大发展 ,但前期的研究主要针对静止阁像 .随着多媒体技术的发展 ,越来越多 的学者开始研究视频水印 .视频水印主要利用视频数据的冗余数据嵌入数字水 印 信息 ,从而保护数字产品版权或完整性 .由于原始视频数据量非常大 ,一般视频 水 印都在压缩域添加 ,不同的编码标准采用的压缩方式不尽相同 ,所以视频水印的 添加一般应与具体的编码标准相结合 .视频在时域的相关性会表现在运动矢量上 ,选择合适的运动矢量添加水印是一种有益的尝试 ,主要利用视频图像的内容与运 动矢量的幅值或水平分量和垂直分量相角关系考虑嵌入方法 .而且基于运动矢 量 的视频水印技术计算量小 ,提取方便 ,能够达到实时提取 . 1 基于运动矢量 (MV 的水印技术 自从 Jordan在一份 MPEG 提案中提出了一种通过修改运动向量来嵌入水 印方法 ,一系列典型的基于运动矢量的水印嵌入算法被提出 .梅文博 [1] 在 Jordan 提出的核心理论的基础上 ,结合 mpeg2的编码方案和人眼视觉特性 ,提 出 一种当运动矢量的幅值和块的纹理特征值分别大子各自的阈值时 ,才在该运动 矢 量上嵌入水印的算法 .ZHANG J [2] 把运动矢量看成由水平方向和垂直方向组 成的一个二维向量 ,对幅值较大的向量根据其相位是大于还是小于 45 度,分别在 水平方向或垂直方向嵌入水印 .这个算法实际就是判断水平分量 (h 和垂直 分量 (v 哪个的幅值大一点 ,然后修改幅值较大的向量 .类似算法文献中出现 过判断 arctan ( h/v 是锐角还是钝角再作处理 MOHAGHEGH N [3] 计算了 运动量的幅值 ,若幅值大丁 ?阈值则在运动矢量中值大的分量中添加水 印.CEDDILLO HERNANDEZ A [4] 计算了一个帧里所有宏块的运动矢量幅值的 平均值 ,将宏块划分为运动块和静止块 ,然后根据图像块的特点分别给定不同的 水印嵌入强度 . 这些算法的原理都是通过改变运动矢量的奇偶性来嵌入水印信息 .嵌入算法 计算量小 ,提取方便 .但当一个运动矢量因为嵌入水印而改变很可能会影响它后 面块的运动矢量 .嵌入水印修改运动矢量而造成后续块运动矢量预测误差的补 偿 算法并不多见 ,向移山 [5] 提出了修改运动矢量残差的补偿方法 :若当前块嵌 入水印并修改了运动矢量 ,则对下一运动矢量的残差进行修改进行补偿 ,但对具 体的编码标准这种方法无法达到补偿效果 .本文在 AVS M 标准上 ,分析了引起 误 差的原因 ,提出修改运动估计搜索得到的运动矢量的值达到完全补偿 .对嵌入水 印后引起随后编码块运动矢量预测值改变的各种情况结合 AVS M 帧间预测方 法 做了相应补偿 . 基于人类视觉系统 HVS 模型的水印算法表明 ,边缘区和纹理区更适合添加 水 印[6], 本文利用 AVS M 编码器中整数 DCT 变换的数据进行边缘检测 ,将宏 块区分为边缘块和非边缘块 ,把边缘块作为水印添加的候选块 ,以其找到更加适合水印添加的宏块 . 基于运动矢量的水印嵌入方法的一个缺点是水印检测器必须严格同步 ,否 则 会造成水印检测失败 .常规视频操作类似帧删除或插入等都可能导致水印信息 破 坏.究其原因是因为传统的水印相似度检测都是逐位来实现的 ,也就是逐位比较原始水印数据和检测水印信息 ,当水印检测因为漏警、虚警或受到攻击造成水 印 检测信息丢失或增加时 ,其后的水印信息位都会发生移位 ,导致水印检测相似 度 无法接受 .本文提出了一种最大相似子序列的检测方法 ,在水印信息丢失的情况下能有效进行相似性检测 ,通过这种方法可以实现抵抗帧删除和插入攻击 . 2 AVS M 及其帧间预测方法 AVS M 是我国制定的拥有自主知识产权的视频编解码标准 ,主要针对移动 多媒体 ,是 AVS 系列标准框架中的第 7 部分 .AVS \1 在制定过程中充分考虑了在资源有限、处理能力有限的嵌入式移动终端上的实现问题 ,同时考虑到移动视频尺寸较小的特点有针对性地进行算法设计 .具有编码性能优越 ,技术方案简洁、 高效等显著优点 ,并且采用打包许可的专利政策 ,专利问题易于解决 [7]. AVS M 的帧间预测利用视频图像序列帧与帧之间的相关性 ,通过运动估计 和预测编码来消除视频图像的时间冗余 .每个宏块可以被划分成 16X16、 16X8、8X16、 8X8 的形式 ,若采用 8X8 划分宏块可以进一步划分为 8X8 、8X4、 4X8、4X4 的形式 .如图 1 所示 ,当前块 E 的