基于深度图像和Otsu分割的视频水印方法技术

本发明专利技术公开一种基于深度图像和Otsu分割的视频水印方法，包括以下步骤：获取视频关键帧的深度图像；利用Logistic映射对水印图片进行置乱，生成杂乱无序的一维水印信息；根据深度图像提供的景深信息，利用Otsu阈值分割法将深度图像分割成前景和背景两个区域，并对视频关键帧的前景区域进行判断，在属于前景区域的亮度分量子块的DCT系数上嵌入水印信息；对含有水印的视频进行前景和背景区域判断，在属于前景区域的亮度分量子块的DCT系数上提取出水印信息。本发明专利技术根据视频关键帧的深度信息来确定水印的嵌入区域，有效的解决人类视觉系统中没有考虑场景空间位置相关性等问题，并且对椒盐噪声、乘性噪声、高斯噪声、亮度对比度调节等攻击都具有较好的鲁棒性。

【技术实现步骤摘要】
基于深度图像和Otsu分割的视频水印方法
本专利技术涉及一种视频水印方法，尤其是一种基于深度图像和Otsu分割的视频水印方法，属于视频信息安全

技术介绍
随着数字技术的快速发展和互联网的广泛应用逐渐将人们带入了数字化时代。“高清、三维、用户创造内容(UGC)”的驱动下，海量视音频信息的出现也滋生了日益猖獗的非法盗版和信息内容篡改等行为，给社会带来了巨大的经济损失，同时也造成了很多安全隐患。因此，视频水印技术一直是当前研究的热点之一。在水印信息的嵌入过程中，按照水印信息嵌入的位置，可将其分成时(空)域数字水印和变换域数字水印[1]。其中变换域水印又可以进行细分为离散余弦变换(DiscreteCosineTransform,DCT)、离散小波变换(DiscreteWaveletTransform,DWT)、离散傅里叶变换(DiscreteFourierTransform,DFT)、奇异值分解(SingularValueDecomposition,SVD)等域水印。时(空)域水印[2]是在数字作品的信号时间或空间上直接增添水印信息，该算法简单易行，但是鲁棒性和不可见性较弱。变换域水印比时(空)域水印复杂，它需要先对原始载体信号进行数学变换，并在其变换域中嵌入水印信息。变换域中水印算法可以充分结合人类视觉系统模型，具有较强的鲁棒性和不可感知性。目前，常见水印算法基本都是选择在变换域中进行[3,4]。深度图是一种特殊形式的灰度图像，其像素值可以清晰的表达场景中的某一点与摄像机之间的距离。它用于精确地估计和决定场景中物体的形状、位置、物理特性，以及对景物进行3D重建[5]。在深度图像中有着明确的、可直接应用的2.5维信息，简化了人类视觉系统，使其具有更加可靠的识别能力。目前，在计算机视觉领域中，基于深度信息的视觉研究变得越来越重要。本专利技术利用深度图像景深信息去选择水印嵌入区域的算法能够有效的解决人类视觉系统中没有考虑场景空间位置相关性等问题。参考文献：[1]Pitas,I,″Amethodforsignaturecastingondigitalimages,"IEEEInternationalConfereneeonImageProcessing,vol.3,pp.215-218,Sep1996.[2]FriedmanGL,Thetrustworthydigitalcamera:Restoringcredibilitytothephotographicimage[J].IEEEtrans.onConsumerElectronics,1993,39(4)905-910.[3]MohamedA.Suhail,MohammadS.Obaidat.Digitalwatermarking-basedDCTandJPEGmodel.[J].IEEET.InstrumentationandMeasurement,2003,52(5):1640-1647.[4]Ming-ShingHsieh,Din-ChangTseng,Yong-HuaiHuang.Hidingdigitalwatermarksusingmulti-resolutionwavelettransform[J].IEEETransactionsonIndustrialElectronics,2001,48(5):875-882.[5]D.Marr著，姚国正等译.视觉计算理论科学出版社1988：4-6.
技术实现思路
专利技术目的：针对现有技术中存在的问题，本专利技术提供一种基于深度图像和Otsu分割的视频水印方法。在视频关键帧的前景区域中嵌入水印信息，利用Otsu阈值法对深度图像的前景区域和背景区域进行有效的划分，找出水印的嵌入位置。本专利技术利用深度图像景深信息去选择水印嵌入区域，能够有效的解决人类视觉系统中没有考虑场景空间位置相关性等问题，且对椒盐噪声、乘性噪声、高斯噪声、亮度对比度调节等攻击都具有较好的鲁棒性，为视频水印技术提供了一种新的思想。技术方案：一种基于深度图像和Otsu分割的视频水印方法，包括以下几个步骤：步骤A、获取视频关键帧的深度图像；步骤B、利用对深度图像的前景区域和背景区域进行有效划分的方法来确定水印的嵌入区域；其中，在视频帧关键帧亮度分量的前景区域中嵌入水印信息。步骤C、根据步骤B所确定的嵌入水印的区域，进行水印的嵌入和提取。作为本专利技术的一个优选方案，利用以下方法获取视频关键帧的深度图像：步骤A1、将视频进行解码，确定视频的关键帧；步骤A2、对视频关键帧的前向第8帧Iref8和视频关键帧分别提取50个SIFT特征点，(Descriptora1～50，Descriptorb1～50)，然后采用特征点特征向量的欧式距离来作为两幅图像中特征点的相似性判定度量。如果视频关键帧中有70％的特证点与前向第8帧Iref8中的特征点两两相互匹配，则认为两帧图像相似，否则，再将视频关键帧的前向第7帧与视频关键帧进行相似性判断，直至找出与视频关键帧相似的视频帧。步骤A3、将视频关键帧和其相似的视频帧视作一个视频帧图像对(Isim1,Isim2)，并利用光流算法模型对其进行运动流计算，利用图像对中像素强度数据的时域变化和相关性来确定视频关键帧中每个像素的运动矢量。步骤A4、按照公式(1)计算的视频关键帧的深度信息，获取深度图像。公式(1)中D(i,j)表示的是深度图像中像素(i,j)的深度值，c是调节尺度因子，它可以根据视频帧中场景内容不同去调节深度信息的大小，以方便显示观察。MV(i,j)x和MV(i,j)y分别表示像素点(i,j)水平X和垂直Y方向上的运动矢量。作为本专利技术的又一优选方案，利用对深度图像的区域和背景区域进行有效的划分的方法来确定水印的嵌入区域，具体方法如下：首先将视频关键帧的深度图像划分成前景区域和背景区域两个区段，然后将深度图像分割成互不重叠且大小相同的子块；设定阈值T，如果子块中前景区域和背景区域的像素个数比值大于T，则该子块选择嵌入水印；反之，则不嵌入水印。由于视频帧和其深度图像位置是相互对应的，因此深度图像中选取水印的嵌入区域位置也就是视频帧中水印嵌入的位置。深度图像的分段方法可根据实际需要选取，例如采用最简单的等分方法，本专利技术中采用Otsu阈值法对深度图像进行区域分割，该方法具体如下：步骤B1、将所述深度图像作为待分割图像，以待分割图像中的任意一个灰度级t作为分割阈值，将待分割图像分割为两类区域：灰度值小于t的像素属于区域C1，灰度值大于t的像素属于区域C2；然后求出区域C0和C1类间方差其中，w0，w1分别表示C0和C1出现的概率，μ0、μ1、μT分别是区域C0类、C1类和待分割图像的均值。计算公式分别如下：其中ni表示图像中灰度值为i的像素个数，N表示图像中像素的总数：Pi表示图像中灰度值是i的像素出现的概率，令取得最大值时候的阈值为t*，其中t*即为当前待分割图像的最佳分割阈值；步骤B2、将深度图像分割成互不重叠的且大小相同的图像块block(i,j)，设定阈值T。如果图像块block(i,j)目标区域和背景区域的像素个数比值大于T，则该图像块选择嵌入水印；反之，则不嵌入水印。由于视频帧图像和其深度图像位置是相互对应的，因本文档来自技高网...

【技术保护点】
一种基于深度图像和Otsu分割的视频水印方法，其特征在于：利用视频关键帧的深度图像提供的景深信息，设置两个阈值将深度图分割成前景和背景两个区域，在属于前景区域的视频关键帧的亮度分量子块上嵌入水印信息；该方法包括以下几个步骤：步骤A、获取视频关键帧的深度图像；步骤B、利用Logistic映射对水印图片进行置乱，生成杂乱无序的一维水印信息；步骤C、根据深度图像提供的景深信息，利用Otsu阈值分割法将深度图像分割成前景区域和背景区域，并对视频关键帧的前景区域进行判断，在属于前景区域的亮度分量子块的DCT系数上嵌入水印信息；步骤D、对含有水印的视频进行前景和背景区域判断，在属于前景区域的亮度分量子块的DCT系数上提取出水印信息，然后对提取的水印信息按照与Logistic映射相反方法进行变换，最后按照原始水印图像的规格大小进行排列，即可获取出水印图像。

【技术特征摘要】
1.一种基于深度图像和Otsu分割的视频水印方法，其特征在于：利用视频关键帧的深度图像提供的景深信息，设置两个阈值将深度图分割成前景和背景两个区域，在属于前景区域的视频关键帧的亮度分量子块上嵌入水印信息；该方法包括以下几个步骤：步骤A、获取视频关键帧的深度图像；步骤B、利用Logistic映射对水印图片进行置乱，生成杂乱无序的一维水印信息；步骤C、根据深度图像提供的景深信息，利用Otsu阈值分割法将深度图像分割成前景区域和背景区域，并对视频关键帧的前景区域进行判断，在属于前景区域的亮度分量子块的DCT系数上嵌入水印信息；步骤D、对含有水印的视频进行前景和背景区域判断，在属于前景区域的亮度分量子块的DCT系数上提取出水印信息，然后对提取的水印信息按照与Logistic映射相反方法进行变换，最后按照原始水印图像的规格大小进行排列，即可获取出水印图像；所述的步骤B具体包括以下几个步骤：步骤B1、利用初始值X0和分叉函数μ在Logistic映射下产生一个长度为L的一维混沌序列X：X＝{Xk:k＝0,1,2,...,L}，其中L是一维水印信息的长度；其中一维Logistic映射的计算公式如下：Xn+1＝Xn×μ×(1-Xn),μ∈[0,4],X∈[0,1](2)步骤B2、按照公式(3)对序列X进行处理，获得新的序列X'；将序列X'和一维水印图像的序列W进行异或运算，生成杂乱无序的一维水印信息，即完成水印信息的预处理；其中是序列X的均值(3)。2.如权利要求1所述的基于深度图像和Otsu分割的视频水印方法，其特征在于：所述的步骤A具体包括以下几个步骤：步骤A1、将视频进行解码，确定视频关键帧；步骤A2、对视频关键帧的前向第8帧Iref8和视频关键帧分别提取50个SIFT特征点，(Descriptora1～50，Descriptorb1～50)，然后采用特征点特征向量的欧式距离来作为两幅图像中特征点的相似性判定度量；如果视频关键帧中有70％的特证点与前向第8帧Iref8中的特征点两两相互匹配，则认为两帧图像相似，否则，再将视频关键帧的前向第7帧与视频关键帧进行相似性判断，直至找出与视频关键帧相似的视频帧；步骤A3、将视频关键帧和其相似的视频帧视作一个视频帧图像对(Isim1,Isim2)，并利用光流算法模型对其进行运动流计算，利用图像对中像素强度数据的时域变化和相关性来确定视频关键帧中每个像素的运动矢量；步骤A4、按照公式(1)计算的视频关键帧的深度信息，获取深度图像；公式(1)中D(i,j)表示的是深度图像中像素(i,j)的深度值，c是调节尺度因子，它可以根据视频帧中场景内容不同去调节深度信息的大小，以方便显示观察；MV(i,j)x和MV(i,j)y分别表示像素点(i,j)水平X和垂直Y方向上的运动矢量。3.如权利要求1所述的基于深度图像和Otsu分割的视频水印方法，其特征在于：所述的步骤C具体包括以下几个步骤：步骤C1、将所述深度图像作为待分割图像，以待分割图像中的任意一个灰度级t作为分割阈值，将待分割图像划分为两类区域：灰度值小于t的像素属于区域C0，灰度值大于t的像素属于区域C1；然后求出区域C0和C1类间方差其中，w0，w1分别表示C0和C1出现的概率，μ0、μ1、μT分别是区域C0类、C1类和待分割图像的均值；计算公式分别如下：

【专利技术属性】
技术研发人员：严勤，邓舒宇，吴岳，吕勇，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32