论文部分内容阅读
随着信息技术的蓬勃发展和高效视频编码(High Efficiency Video Coding,HEVC)的普及,HEVC视频在人们生产和生活中的作用更为重要。然而,由于HEVC视频缺乏有效的版权保护措施,盗版视频流通猖獗,各种侵权问题和维权之争层出不穷。因此,针对HEVC视频的版权保护已迫在眉睫。
鲁棒视频水印,是目前解决视频版权纠纷的一个重要技术手段。本文研究了两类鲁棒视频水印:原始视频水印和压缩域水印,完成的主要工作如下:
(1)针对现有原始视频水印算法不可感知性不足、难以抵抗HEVC压缩攻击的问题,提出了一种基于帧间离散余弦变换(Discrete Cosine Transform,DCT)系数差和最小可觉差(Just Noticeable Difference,JND)的鲁棒视频水印算法。为使算法可抵抗基于帧的攻击,将视频帧分组嵌入水印。由于帧间DCT系数差具有稳定性,因此将其作为鲁棒特征。基于JND阈值修改嵌入帧的DCT系数,使嵌入帧系数均值与参考帧系数均值的差处于预设范围内以嵌入水印,在保证失真不可感知情况下具有良好的鲁棒性。在提取阶段,使用平均法后处理进一步提高算法的鲁棒性。以部分JCT-VC标准测试序列为实验对象,测试了算法的性能。实验结果表明,与现有基于DCT的视频水印相比,该算法取得了更高的平均感觉分(Mean Opinion Score,MOS),证明了算法具有更好的主观不可感知性。同时,该算法对HEVC压缩、噪声及基于帧的攻击的鲁棒性也优于现有算法,具有更低的误码率(Bit Error Rate,BER)和更高的归一化互相关(Normalized Cross Correlation,NCC)。该算法在攻击强度较高的情况下仍可提取水印,具有良好的版权证明能力,可有效证明视频版权归属。
(2)为解决现有的HEVC压缩域水印算法无法同时实现无帧内失真漂移、抵抗重压缩及信号处理攻击的问题,提出了一种基于预测残差的无帧内失真漂移压缩域鲁棒视频水印算法。经研究发现,HEVC编码视频中预测像素与其8邻域像素的均值具有鲁棒关系。基于此发现,采用多系数修改方法将水印嵌入到亮度变换块(Luminance Transform Block,LTB)的帧内预测残差像素中,使水印算法在避免帧内失真漂移产生的同时仍可抵抗重压缩攻击。基于残差的水印嵌入,使算法可从被攻击后合并为8×8大小的块中提取水印信息,提高了算法的鲁棒性。此外,根据应用需求设置3个不同的阈值来提高水印算法的性能,进一步提高了算法的不可感知性和鲁棒性。以部分JCT-VC标准测试序列为对象进行实验,结果表明与现有算法相比,该算法具有更高的峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)和MOS,即不可感知性更好。此外,该算法在HEVC重压缩和噪声、滤波攻击测试中,比现有算法具有更低的BER和更高的NCC,证明该算法鲁棒性更好。同时,该算法在视频压缩过程中嵌入水印,所用计算资源少,适用于大规模分发视频时的盗版追踪场合。
鲁棒视频水印,是目前解决视频版权纠纷的一个重要技术手段。本文研究了两类鲁棒视频水印:原始视频水印和压缩域水印,完成的主要工作如下:
(1)针对现有原始视频水印算法不可感知性不足、难以抵抗HEVC压缩攻击的问题,提出了一种基于帧间离散余弦变换(Discrete Cosine Transform,DCT)系数差和最小可觉差(Just Noticeable Difference,JND)的鲁棒视频水印算法。为使算法可抵抗基于帧的攻击,将视频帧分组嵌入水印。由于帧间DCT系数差具有稳定性,因此将其作为鲁棒特征。基于JND阈值修改嵌入帧的DCT系数,使嵌入帧系数均值与参考帧系数均值的差处于预设范围内以嵌入水印,在保证失真不可感知情况下具有良好的鲁棒性。在提取阶段,使用平均法后处理进一步提高算法的鲁棒性。以部分JCT-VC标准测试序列为实验对象,测试了算法的性能。实验结果表明,与现有基于DCT的视频水印相比,该算法取得了更高的平均感觉分(Mean Opinion Score,MOS),证明了算法具有更好的主观不可感知性。同时,该算法对HEVC压缩、噪声及基于帧的攻击的鲁棒性也优于现有算法,具有更低的误码率(Bit Error Rate,BER)和更高的归一化互相关(Normalized Cross Correlation,NCC)。该算法在攻击强度较高的情况下仍可提取水印,具有良好的版权证明能力,可有效证明视频版权归属。
(2)为解决现有的HEVC压缩域水印算法无法同时实现无帧内失真漂移、抵抗重压缩及信号处理攻击的问题,提出了一种基于预测残差的无帧内失真漂移压缩域鲁棒视频水印算法。经研究发现,HEVC编码视频中预测像素与其8邻域像素的均值具有鲁棒关系。基于此发现,采用多系数修改方法将水印嵌入到亮度变换块(Luminance Transform Block,LTB)的帧内预测残差像素中,使水印算法在避免帧内失真漂移产生的同时仍可抵抗重压缩攻击。基于残差的水印嵌入,使算法可从被攻击后合并为8×8大小的块中提取水印信息,提高了算法的鲁棒性。此外,根据应用需求设置3个不同的阈值来提高水印算法的性能,进一步提高了算法的不可感知性和鲁棒性。以部分JCT-VC标准测试序列为对象进行实验,结果表明与现有算法相比,该算法具有更高的峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)和MOS,即不可感知性更好。此外,该算法在HEVC重压缩和噪声、滤波攻击测试中,比现有算法具有更低的BER和更高的NCC,证明该算法鲁棒性更好。同时,该算法在视频压缩过程中嵌入水印,所用计算资源少,适用于大规模分发视频时的盗版追踪场合。