導讀：

為提升視頻水印在版權保護中的實際應用效果，本文提出一種基于多域變換的視頻水印嵌入算法。該算法結合離散小波變換(Discrete Wavelet Transform, DWT)與離散余弦變換(Discrete Cosine Transformation, DCT)，利用其在時頻域分析與能量集中特性上的優勢，實現水印信息在頻域中的魯棒嵌入。水印嵌入前通過Arnold置亂增強安全性，在幀圖像中選取HL子帶進行DWT分解，再對其進行DCT處理，將水印嵌入中頻系數區域。實驗分別在高斯噪聲、椒鹽噪聲、剪切攻擊、濾波攻擊等場景下對算法的魯棒性進行評估。結果表明，該算法在保證水印不可見性的同時，具備較強的抗攻擊能力，適用于數字視頻的版權保護場景。

作者信息：

胡澤寧,?王金戈：北京印刷學院信息工程學院，北京；田益民*：北京印刷學院基礎部，北京

正文

盡管現有視頻水印算法在特定攻擊場景下表現良好，但大多數方案僅能針對某一類或少數幾類攻擊手段，對復雜環境的適應性仍有待提高。因此，本文旨在設計一種融合多域變換、具備良好不可見性與魯棒性的數字視頻水印嵌入算法，以實現對多種常見攻擊的有效抵抗，提升數字視頻版權保護的實用性和安全性。

本文總體的技術路線圖如圖1所示。

本文使用Arnold變換完成水印的置亂。改變水印圖像每個像素點的位置，得到置亂后的水印矩陣，以置亂次數作為密鑰保存。

取a = 1、b = 1時，代碼實現如下：

本文結合DCT變換域DWT變換，采用灰度圖像作為水印信息，提出了一種基于DCT變換和DWT變換的數字視頻水印算法。

1、視頻水印嵌入步驟

Step 1：利用線性編輯軟件Adobe Premiere對原視頻進行解碼，獲得幀圖像序列。

Step 2：對視頻的每一幀嵌入水印，具體流程如下：

1) 對原始視頻剪切分幀獲得幀圖像序列，對每一幀進行離散小波變換，得到4個子帶：LL、LH、HL、HH，綜合考慮不可見性和魯棒性后，選擇在HL子帶中進行下一步變換。

2) 在HL系數組成的矩陣中進行分塊，每個分塊是8 × 8個像素點大小，即每個塊包含64個像素點，隨后對分塊后的矩陣計算離散余弦變換。

3) 在經DCT變換后的每個圖像子塊中，選取一個中頻系數，再隨機選擇該點周圍的6個系數。在第K塊中選取一個中頻系數，設為y?(i,?j)，選取其周圍的6個系數，分別為y(i?+?3,?j???3)、y(i?+?2,?j???2)、y(i?+?1,?j???1)、y(i???1,?j?+?1)、y(i???2,?j?+?2)、y(i???3,?j?+?3)，計算其平均值aver。設watermarkImage(i,?j)為經過Arnold置亂變換后的水印圖像，strength為嵌入強度。然后對每一個y(i,?j)做嵌入運算：

4) 將DCT域嵌入水印后的每一個子塊進行DCT變換的逆變換，然后進行DWT變換的逆變換，得到嵌入水印的幀圖像。

5) 將嵌入水印的幀圖像序列導入pr軟件進行重新編碼，進一步得到嵌入水印的視頻。

2、水印提取步驟

Step 1：用pr軟件將嵌入水印的視頻解碼，導出嵌入水印的幀圖像序列，對嵌入水印的每一幀圖像進行DWT變換，選取HL子帶，將其分為8 × 8個像素點大小的塊，并依次對嵌入水印的塊進行DCT變換。

Step 2：在DCT變換后的系數中，找出嵌入水印信息的中頻系數的位置y(i,?j)，計算其周圍6個系數的平均值aver′?。

Step 3：按照運算(12)提取水印：

Step 4：對提取出來的水印圖像進行解密，得到水印圖像。

本文選取了常見的噪聲、濾波、剪切、縮放等攻擊，來檢驗嵌入水印的載體視頻遭受攻擊后的視頻質量以及水印的魯棒性。將攻擊后的幀圖像序列與原圖像進行比對計算峰值信噪比，從攻擊后的幀圖像中提取水印，并計算其與原始水印圖像的相關性系數，來檢驗算法的魯棒性。

結論

實驗結果表明，該算法不僅能夠抵抗常見的噪聲、濾波、剪切、縮放等攻擊，而且能夠抵抗部分針對幀攻擊以及視頻在傳輸過程中可能遭受的幀率變化、分辨率變化、運動模糊、壓縮等攻擊，在各種攻擊下具有較好的魯棒性。通過對視頻進行多種攻擊，發現對視頻的視覺效果影響較小，仍然具有較強的不可見性，也印證了算法的有效性。

基金項目：

北京市教育委員會科技一般項目(KM202110015001)；

北京印刷學院重點教學改革項目——工程認證背景下的工科數學教學改革對大學生創新思維與創業能力培養的研究與實踐。

更多內容請點擊原文鏈接：https://doi.org/10.12677/csa.2025.157186