一种基于时间因子矩阵的视频水印方法技术

本发明专利技术提出了一种基于时间因子矩阵的视频水印方法。目前大多数基于张量的视频水印算法都是将水印信息嵌入在核心张量中。算法通过对视频张量进行Tucker分解获得核心张量和三个因子矩阵。算法将蕴含时间轴信息的因子矩阵称为时间因子矩阵，时间因子矩阵第一列的值表示的是视频张量各个帧的主要相关系数。由于对视频进行几何形变或裁剪攻击时，视频相邻帧之间的相关系数并不会发生明显的变化。因此，算法通过修改时间因子来嵌入水印信息。实验结果表明，本算法相较于其余基于张量的视频水印算法，对于裁剪、缩放、旋转等攻击都具有更强的鲁棒性，以及对帧删除、视频压缩等视频特有的攻击也同样具有较强的抵抗能力。

【技术实现步骤摘要】
一种基于时间因子矩阵的视频水印方法
本专利技术研究的是视频水印这一领域，提出了一种基于时间因子矩阵的视频水印算法。
技术介绍
在过去短短的数十年间，视频水印技术已经成为一项最为有效的保护视频所有权的方法。由于视频可以看作一系列连续的图像，因此视频水印算法与图像水印算法具有一定程度上的相似性。一个好的视频水印算法必须同时兼顾算法的透明性与鲁棒性。实际上，由于视频在获取和传输的过程中经常会受到各式各样的攻击或篡改，这就要求视频水印算法在保证透明性的情况下，尽可能地提高算法对于常见视频攻击的鲁棒性。除了缩放、旋转、裁剪、加噪、滤波等常见的图像攻击外，视频往往会面临更多形式的攻击，例如帧删除、帧率改变、以及视频压缩等[3]。为了提高算法对于视频特有攻击的鲁棒性，这就需要利用视频不同于图像的特性，即视频相邻帧之间的相关性和冗余性。因此近年来，越来越多的学者将张量应用于数字水印领域，提出了大量的基于高阶奇异值分解的水印算法[4-6]。由于张量可以直观表示视频的结构特征，与传统的水印算法相比，基于张量的视频水印算法可以更好利用视频相邻帧之间的相关性和冗余性，从而进一步提高算法的鲁棒性。目前大多数基于张量的水印算法都是利用核心张量的稳定性，直接将水印信息嵌入在核心张量中来提高水印算法的鲁棒性。在文献[7]中，Zhang等人将灰度视频表示为三阶张量，对视频张量进行张量分解得到核心张量后，通过对核心张量最大值的量化来嵌入水印。文中利用视频相邻帧之间的相关性和冗余性将视频封装为张量，从而提高了算法的鲁棒性。但是算法的透明性却是以算法的容量为代价的，由于一个张量中只嵌了一位水印信息，所以往往需要数千帧视频才能嵌入一个完整的水印。Xu等人在文献[8]中为了充分利用RGB通道之间的相关性，将彩色图像表示为一个张量，同样通过对核心张量进行奇偶量化来嵌入水印，使算法更具鲁棒性。然而，这两个算法对于裁剪攻击的鲁棒性仍有待提高。
技术实现思路
为了提高算法对帧删除、视频压缩等特有视频攻击的鲁棒性，以及进一步提高算法对常见视频攻击的鲁棒性。首先将视频根据场景分隔成多段，其次将同场景下的四帧灰度视频片段表示为三阶张量，并使用张量分解获得蕴含时间轴信息的时间因子矩阵。最后，通过修改时间因子矩阵的第一列值来嵌入水印。本专利技术的技术方案步骤如下：一种基于时间因子矩阵的视频水印方法，其具体步骤如下：S1：对大小m×m的待嵌入二值水印B进行t次Arnold置乱，得到置乱后的水印图像为B′，并保存t作为密钥用作水印提取过程；S2：将目标视频根据场景相似性分割成多段，每段场景中的所有视频帧属于同一场景,从每段场景中提取4张连续的灰度视频帧构成三阶视频张量；S3：对S2中每段场景下的视频张量进行Tucker分解，获得核心张量以及三个因子矩阵核心张量以及三个因子矩阵和其中：为4×4的时间因子矩阵Wi，其中的行信息表示视频张量不同帧之间的相关性；S4：计算每个场景下的视频张量对应的时间因子矩阵Wi是否满足|p-q|≤T，若满足则保留该场景作为水印嵌入场景，若不满足则将该场景不作为水印嵌入场景；其中p为Wi的第一列中第一行和第二行两个元素值之和，q为Wi的第一列中第三行和第四行两个元素值之和，T为预设的阈值；顺次提取m2个水印嵌入场景，构成嵌入场景集合；S5：将置乱后的水印图像B′中的m2位水印信息对应嵌入所述嵌入场景集合的m2个水印嵌入场景中，其中第i位水印信息b′通过修改第i个场景对应的时间因子矩阵Wi的第一列的值来实现水印嵌入，1≤i≤m2，嵌入过程如S51～S52：S51：根据下式计算预设中间量p′、q′的大小：若bi′＝0且p-q<T,则若bi′＝1且p-q>-T,则其中：avg＝(p+q)/2；S52：计算p和q的改变量分别为Δp＝p'-p和Δq＝q'-q，然后对时间因子矩阵Wi第一列的四个元素值进行修改，使第一行和第二行两个元素值的改变量之和为Δp但两个元素值的改变量绝对值之和最小，第三行和第四行两个元素值的改变量之和为Δq但两个元素值的改变量绝对值之和最小，由此得到修改后的时间因子矩阵Wi′；S6：利用修改后的时间因子矩阵Wi′重构出嵌入水印后的视频张量生成水印视频：作为优选，还包括从嵌入水印后的视频中提取原始水印B的方法，提取过程如下：S7：将所述的水印视频根据场景相似性分割成多段，每段场景中的所有视频帧属于同一场景,从每段场景中提取4张连续的灰度视频帧构成三阶视频张量S8：将S7中每段场景下的水印视频张量沿时间轴方向展开成矩阵并对矩阵进行奇异值分解，得到的左奇异矩阵即为嵌入水印信息的时间因子矩阵Wi′；S9：计算每个场景下的视频张量对应的时间因子矩阵Wi是否满足|p′-q′|≤T，若满足则保留该场景作为水印提取场景，若不满足则将该场景不作为水印提取场景；其中p'为Wi′的第一列中第一行和第二行两个元素值之和，q'为Wi′的第一列中第三行和第四行两个元素值之和，T为预设的阈值；顺次提取m2个水印提取场景，构成提取场景集合；S10：对于m2个水印提取场景对应的每个时间因子矩阵Wi′，1≤i≤m2，根据Wi′对应的p′和q′的大小来提取水印图像B′中第i位水印信息bi′：S11：根据密钥t，对水印图像B′进行t次Arnold逆变换反置乱，还原得到原始水印B。在上述两种技术方案基础上，本专利技术的各步骤还可以进一步采用如下优选方式实现。进一步的，所述S1中，Arnold置乱方法为：其中(x,y)为原始水印像素的坐标，(x′,′)为(x,y)经Arnold变换后的坐标，m为水印图像的高或宽，a、b、m均为正整数。进一步的，置乱次数t＝8，a、b均取值为1。进一步的，所述S2中，对目标视频进行场景相似性分割的方法为：S21：计算视频中任意两帧相邻帧之间的相似度：式中，X、Y分别表示视频相邻的前后两帧；X(i,j)、Y(i,j)分别表示视频帧图像X、Y中(i,j)位置的像素值；分别表示视频帧图像X、Y中所有像素的均值，M、N分别为视频帧图像的高和宽；S22：根据预设的相似度阈值ST，当r≥ST时，认为相邻视频帧属于同一个场景，否则认为相邻视频帧属于不同场景。进一步的，优选设置ST＝0.8。进一步的，预设的阈值优选设置为T＝0.01。进一步的，所述S52中，时间因子矩阵Wi第一列中第一行、第二行、第三行、第四行元素值的改变量分别为Δp1、Δp2、Δq1、Δq2，其确定公式如下：进一步的，所述S11中，Arnold逆变换反置乱方法为：其中(x,y)为原始水印像素的坐标，(x′,′)为(x,y)经Arnold变换后的坐标，m为水印图像的高或宽，a、b、m均为正整数。相对于现有技术而言，本专利技术的有益效果如下：本专利技术在考虑视频相邻帧之间的相关性和本文档来自技高网...

【技术保护点】
1.一种基于时间因子矩阵的视频水印方法，其特征在于，具体步骤如下：/nS1：对大小m×m的待嵌入二值水印B进行t次Arnold置乱，得到置乱后的水印图像为B′，并保存t作为密钥用作水印提取过程；/nS2：将目标视频根据场景相似性分割成多段，每段场景中的所有视频帧属于同一场景,从每段场景中提取4张连续的灰度视频帧构成三阶视频张量；/nS3：对S2中每段场景下的视频张量

【技术特征摘要】
1.一种基于时间因子矩阵的视频水印方法，其特征在于，具体步骤如下：
S1：对大小m×m的待嵌入二值水印B进行t次Arnold置乱，得到置乱后的水印图像为B′，并保存t作为密钥用作水印提取过程；
S2：将目标视频根据场景相似性分割成多段，每段场景中的所有视频帧属于同一场景,从每段场景中提取4张连续的灰度视频帧构成三阶视频张量；
S3：对S2中每段场景下的视频张量进行Tucker分解，获得核心张量以及三个因子矩阵核心张量以及三个因子矩阵和



其中：为4×4的时间因子矩阵Wi，其中的行信息表示视频张量不同帧之间的相关性；
S4：计算每个场景下的视频张量对应的时间因子矩阵Wi是否满足|p-q|≤T，若满足则保留该场景作为水印嵌入场景，若不满足则将该场景不作为水印嵌入场景；其中p为Wi的第一列中第一行和第二行两个元素值之和，q为Wi的第一列中第三行和第四行两个元素值之和，T为预设的阈值；顺次提取m2个水印嵌入场景，构成嵌入场景集合；
S5：将置乱后的水印图像B′中的m2位水印信息对应嵌入所述嵌入场景集合的m2个水印嵌入场景中，其中第i位水印信息b′通过修改第i个场景对应的时间因子矩阵Wi的第一列的值来实现水印嵌入，1≤i≤m2，嵌入过程如S51～S52：
S51：根据下式计算预设中间量p′、q′的大小：
若bi′＝0且p-q<T,则
若bi′＝1且p-q>-T,则
其中：avg＝(p+q)/2；
S52：计算p和q的改变量分别为Δp＝p'-p和Δq＝q'-q，然后对时间因子矩阵Wi第一列的四个元素值进行修改，使第一行和第二行两个元素值的改变量之和为Δp但两个元素值的改变量绝对值之和最小，第三行和第四行两个元素值的改变量之和为Δq但两个元素值的改变量绝对值之和最小，由此得到修改后的时间因子矩阵Wi′；
S6：利用修改后的时间因子矩阵Wi′重构出嵌入水印后的视频张量生成水印视频：





2.如权利要求1所述的基于时间因子矩阵的视频水印方法，其特征在于，还包括从嵌入水印后的视频中提取原始水印B的方法，提取过程如下：
S7：将所述的水印视频根据场景相似性分割成多段，每段场景中的所有视频帧属于同一场景,从每段场景中提取4张连续的灰度视频帧构成三阶视频张量
S8：将S7中每段场景下的水印视频张量沿时间轴方向展开成矩阵并对矩阵进行奇异值分解，得到的左奇异矩阵即为嵌入水印信息的时间因子矩阵Wi′；
S9：计算每个场景下的视频张量对应的时间因子矩阵Wi是否满足|p′-q′|≤T，若满足则保留该场景作为水印提取场景，若不满足则将该场景不作为水印提取场景；其中p'为Wi′的第一列中第一行和第二行两个...

【专利技术属性】
技术研发人员：张善卿，李辉，李黎，陆剑锋，郭小云，
申请(专利权)人：绍兴聚量数据技术有限公司，杭州电子科技大学，
类型：发明
国别省市：浙江;33