计大威

摘要：随着Internet网络的快速发展，各种多媒体内容成为主要的传输媒介，数字水印技术成为了多媒体内容保护的主要技术。文章基于内容认证手段，对数字水印模型进行总体介绍，包含数字水印实现的方法、实现的要求等。结合内容认证的手段对水印技术进行了分析，对伪随机高斯序列、二值或灰度视频水印以及归一化相关系数等进行了模型化介绍，并结合遗传算法在水印中的应用过程进行说明。

关键词：多媒体内容;数字水印;水印模型;内容认证;遗传算法

中图分类号：TP393 文献标识码：A 文章编号：1001-5922（2021）01—0081-04

1概论

随着互联网技术的快速发展，越来越多的多媒体数据均存在版权管理问题。为了确保所传输内容所有权的知识产权，数据水印技术被提出，所谓水印是基于加密和隐写术，通过加密或隐藏的方式实现对数据（信息）的操作。

数字水印实现通常是将数据插入多媒体元素（如图像、音频或视频文件）的过程，可从多媒体中检测或提取嵌入的数据（水印）以诊断版权所有者。水印方法分为水印嵌入模块和水印检测提取模块两个模块，根据嵌入水印的领域，数字水印技术可以分为2大类，即空域和频域技术。本文对数字水印的关键技术及其在视频中的应用版权保护进行了评价，如图1所示为水印系统的概念图。过程描述如下：在嵌入阶段，对封面数据的水印进行编码;在传输阶段，水印对象可能会从第3方对数据进行攻击;在提取阶段，解码器最不完整的任务是从接收到的水印图像中检索准确的隐藏数据。

1.1数字图像水印方法

本质上，水印实现过程是通过在多媒体内容中嵌人水印的操作，即图像、视频和音频剪辑或任何数字内容。水印是一种通过签名承认多媒体对象所有者应用的权益，如版权保护、内容认证、篡改检测等的水印技术可以是有形的或无形的，需根据在一个给定的多媒体对象应用中嵌入水印算法。

在嵌入阶段，水印系统使用一个秘钥，该密钥决定多媒体对象的位置，并实现水印嵌人。水印嵌入后会经历多次攻击，这些攻击可能是非故意的（低通滤波、伽马校正或压缩）。因此，在调整这些潜在攻击时，需要利用秘钥提取水印序列，由于多媒体对象可能受到攻击或篡改，所提取的水印可能会或可能不会为原始水印。为了证明水印的存在，应用了非盲水印或盲水印。前者对原始对象进行比较，找出水印信号，而后用采用相关测度来检测水印信号的强度。因此，通常采用统计相关检验来确定水印的存在性，为了提取水印，通常采用一种反向的方法来嵌入水印。

1.2数字水印实现要求

数字水印的实现需具备如下4点要求：透明性、鲁棒性、不可见性和存储容量。

1）透明度或保真性：数字水印实现后需要确保原始对象（视频、图像）的质量，可概括为封面作品的原始版本和水印版本之间的感知相似性。

2）鲁棒性：数字水印的鲁棒性可概括为：在公共信号处理操作之后发现水印的能力;通过选择或无意中通过简单的视频处理操作亮度或对比度的改进后，水印仍可坚固的抵御各种攻击。

3）不可见性：不能被人眼和人耳能听到的，仅仅是通过专门的授权机构检测。可描述为：水印在单位时间或工作时间内编码的范围。

4）存储容量：在视频数据中嵌入水印，以便在整个提取过程中能够完成被检测。

2相关研究介绍

Chen等人提出的基于熵的自适应音频水印方法，采用小波低频系数转换的离散小波（WBE，wavelet-based entropy）变换技术计算，因此该文章证实了水印性能不变的过程，在每个WBE中嵌入二进制同步码实现水印加密过程。Lei等提出了一种基于奇异值分解（singular value decomposition，SVD）和微分进化（Differential Evolution，DE）的鲁棒水印方案，并使用调制（Dither modulation）量化算法，采用小波变换对主机信号进行分解，得到相应的近似系数，然后进行离散余弦变换，将同步代码插入到每个视频统计特性中来处理各种攻击，并通过优化方案有效地解决鲁棒性和不可感知性之间的冲突，从而在选择的攻击与之前的方法之间获得更强的鲁棒性。Zamani等提出了一种基于遗传算法的脆弱水印方案，以减少LSB替代的失真，提高PSNR，提高结果的有效载荷，该方法解决了载荷与鲁棒性之间的权衡，同时保证了水印方案在接受水平上的质量，因此替代技术通过提高PSNR来显著提高载荷，利用遗传算法寻找优化的嵌入系数，使其更加健壮。

文献中对宏块中的16个子块进行标记，然后利用Logistic混沌序列、帧内预测模式和边缘特征选出前8个子块并将其分成两组，最后依據子块间能量差来隐藏水印。文献中基于光流连续性特征的视频帧间篡改被动检测算法实现对视频的所有帧图像转换成灰度图像，然后假设全局平滑约束条件，对视频中的所有帧进行平滑，求出每帧所有像素点灰度值对于3个方向的偏导，利用迭代法计算视频的光流矢量，最后得到视频的光流幅值幅值序列和光流因子序列。文献[9]中介绍了一种对摄像头所拍摄的视频流信息进行水印安全验证。文献[10]中提出一种基于局部分块为单元提取和以二维的离散小波变换和奇异值分解为特征的视频感知哈希算法，用来解决在大量监控摄像机视频认证的问题。

3水印技术

业界对于基于内容认证的视频水印技术主要有3种技术状态：

3.1伪随机高斯序列

高斯序列水印是一种由1和一1构成的数组，因此，水印的构成等于1和-1的数字序列。本文定义一个随机队列（1N的整数随机选取），长度为q，分别为π1、π2…πq。对视频进行切块处理，且每一个块可用随机队列表示如下：

1）离散余弦变换（DCT）：该变换为实数序列，包括将一系列数据点（空间域）转换成具有不同幅度（频域）的正弦和余弦波形之和，DCT将n维向量映射到n个集合。DCT在水印中应用表现如下：①水印嵌入到中间频率的系数中，因此图像的可见性不会受到影响;②对信号攻击具备较强的鲁棒性。

2）离散傅立叶变换（DFT）：DFT使用复数而不是实数，并提供了频率内容的数量和相位，DFT在水印中的应用相比其它变换更具实际意义，表现如下：①DFT是旋转、缩放和平移（RsT）不变量，因此它对几何失真具有很强的鲁棒性;②离散余弦变换和离散小波变换不是RST不变的。

4遗传算法在水印中应用研究

GA（Genetic Algorithm）是一种最有效的搜索算法，以产生最佳的优化结果，并GA是基于自然选择和进化原理的健壮的随机搜索方法，该算法实现过程主要包含5步。

1）编码：在所研究的问题中，任何可能的解决方案都是由一个被称为“染色体”的有限长度的二进制串编码。

2）原始对象：从原始对象中随机选择的染色体作为第一代可繁殖新一代的染色体。

3）有效评估：评估各条“染色体”的质量。高品质的“染色体”将存活下来，并形成下一代的新种群，有效性定义如下：有效性=f（无法感知，健壮性）。

4）遗传操作：选择，交叉和变异為遗传算法的3个主要操作：①选择：该操作是基于选择、大小和概率作为参数进行优化，它定义的具有高适应度的染色体的部分存活到下一代;②交叉：该操作意在通过交换遗传信息来产生新的染色体来提高种群的平均质量，交叉需要重新设计，以保持每条染色体中lbit的稳定数目。交叉过程如图2所示。突变：该操作在染色体的某些位置偶尔会发生随机变化，并以当前几代人的新特征作为显示结果。突变过程使用反向运算符，将一个位串分割成大小为N的部分，然后选择section并相应地进行突变。以上3个操作被反复使用，以获得连续几代的染色体，目的是选择最适合的染色体，并将作为母染色体传给下一代。

5）终止规则：当满足所需的终止条件时，优化过程结束，例如适应值低于一个某一个固定的阈值，迭代优化过程结束。

基于遗传算法的数字水印模型相比在以下方面有提升：①GA有助于水印嵌入过程中最优嵌人区域的估计和选择;②增强水印内容抵抗各种攻击的鲁棒性;③GA提高了sim值，即提取水印与原始水印的相似度。

5结语

水印技术已成为当前多媒体传输最为可靠的安全保障，基于内容认证的视频水印技术研究成为Inter.net上各运营商保护视频版权的主要技术手段。文章对实现数字水印的方法以及数字水印实现的基本要求进行了介绍，并就常用的几种基于内容认证的水印模型（伪随机高斯序列、二值或灰度视频水印等）进行了说明，同时以遗传算法为例对水印技术的实现进行了详细的分析。