CN102892048B - 一种抗几何攻击的视频水印防伪方法 - Google Patents

Abstract

本发明属于计算机视觉和图像理解领域，涉及一种抗几何攻击的视频水印防伪方法，包括下列步骤：第一步：提取视频帧的最大稳定极值区域MSER：第二步：对拟合出的椭圆区域进行筛选，消除区域重叠，选取用于最终的水印嵌入的椭圆区域；第三步：通过修改小波变换系数的水平高频竖直低频带(HL)和水平低频竖直高频带(LH)，对选取出的特征区域进行水印嵌入。增强了抗仿射几何攻击能力。本发明还给出了上述水印嵌入的逆过程即水印提取的方法。本发明能有效减少对原始视频的修改，即使在遭受恶意几何攻击情况下也能保持极好的视觉效果。

Description

一种抗几何攻击的视频水印防伪方法

所属技术领域

本发明属于计算机视觉和图像理解领域，涉及一种抗几何攻击的视频水印防伪方法。

背景技术

近年来，更高级和更易操作的视频编辑/篡改/攻击工具正逐渐普及，导致伪造的新闻、恶意篡改的用于司法机构的证据视频等问题层出不穷；另一方面，以论坛、博客、播客、微博、社交网络为代表所构成的社会信息网络成为信息传播主要载体，其显著特点就是信息传播更加迅速。两者的结合，更恶劣地挑战着视频内容的安全。视频水印是保护视频内容安全和真实性的有效技术手段之一。视频水印是指将水印嵌入到视频序列中以防止视频遭受恶意复制和修改。对于版权保护，视频水印系统旨在抵抗各种恶意和非恶意攻击。虽然视频水印技术的研发已经有一段时间，抗几何攻击能力仍然是视频水印技术的难点。

早期的视频水印方法通过修改视频单帧的像素来将水印嵌入到空间域。这类方法对常见的几何攻击和图像处理很敏感。随后水印开始嵌入到频率域来增强水印系统对图像处理的鲁棒性。这类方法通常通过修改帧序列的变换系数来嵌入水印，常见的变换方法有离散余弦变换、离散傅里叶变换、离散小波变换等。但是基于频域的方法还是对几何变换攻击敏感。

现有的抗几何攻击的视频水印嵌入方法大致可以分为三大类：1.几何不变法；2.几何恢复法；3.基于特征的水印法。在第一类方法中，水印载体是几何不变域。为了达到抗平移、旋转、尺度变换的目的，通用随机变换域被用来嵌入水印并且能在几何变换下保持同步【1】。当然，还有许多其它几何不变域【2】被提出来了，如：对数-极坐标域，普通矩，Zernike矩。尽管这些方法在一定程度上能抵抗旋转和尺度攻击，但水印易受局部几何变换损坏。第二类方法通过估计几何变换的参数来嵌入水印，这些参数被用来在水印抽取之前对图片进行逆变换。典型的几何变换参数可以使用模板来估计【3】【4】。但是基于模板方法的主要缺陷是模板很容易受到攻击和移除，这些致命错误使得基于几何恢复的方法并不实用。以“基于特征的局部水印”为主要特点的第三类水印技术首先由Kutter等【5】【6】【7】【8】较早提出。这类方法的主要观点是图片特征不受几何攻击的影响，将水印信息和图片特征关联起来能保证水印信息的完整性。基于特征的水印嵌入技术利用图片特征的可重复检测来确定水印嵌入和抽取的位置。这类技术首先从图片中提取特征点，然后基于特征点构建局部特征区域来嵌入水印。

Bas等人【9】提出基于内容的同步水印机制。他们使用Harris检测器提取出图片特征点并构建Delaunay细分，然后在每个空间域三角区内使用经典加性机制来嵌入水印。该机制在遭受攻击后检测特征点并重构原始的Delaunay细分以检测水印。然而，Harris点对尺度变化很敏感，所以这种方法易受尺度攻击的影响。

有一种叫尺度不变特征变换(SIFT)【10】的局部不变特征，由于其对旋转、尺度的不变性被广泛用于基于内容的水印技术【11】。在【12】中，SIFT特征被用于生成作为嵌入单元的圆形片。水印嵌入在这些单元的空间域中，这种机制能抵抗更一般的几何攻击。Harris-Laplace检测器也被用于构建基于Harris角点的圆形区域以嵌入水印。但是SIFT检测器和Harris-Laplace检测器【13】易受长宽比变形的影响。上述基于内容的水印嵌入机制的一个弱点是嵌入区域对非对称尺度变换非常敏感。为了解决这个问题，仿射不变点检测器被进一步提出来了。Harris仿射区域检测器在【14】中被Hefei Ling等人用来提取仿射协变区域。

最大稳定极值区域(MSER)具备旋转、尺度、长宽比例变化、光照变化不变性。在这篇专利中，我们提出了一个健壮的基于MSER局部特征的视频水印机制。我们选择MSER是因为：第一，在绝大都数情况下，如：视角变化、尺度变化、光照变化等，MSER相比其它特征域更稳定；第二，MSER效率极高，提取过程中近乎像素级线性复杂度。此外，MSER有两个很好的特性：第一，获得的MSER集合在图片坐标连续变换下是闭合的；第二，获得的MSER集合在图片强度的单调变换下是闭合的。一个高效(近乎线性复杂度)且实用的快速检测算法在Matas【15】原文中被提出来。

鉴于小波域的多分辨率特性能提供空间域和频率域特征使其与人类视觉系统(HVS)相容，我们集中于离散小波变换(DWT)来添加水印到小波域HL和LH带而不是空间域。

主要参考文献

【1】Dimitrios Simitopoulos，Dimitrios E.Koutsonanos，Michael Gerassimos Strintzis《基于通用随机变换的图片水印》图像处理2003.

【2】Picard Justin，Zhao Jian视频水印：美国，US2009220070A1[P]2009-09-03.

【3】Shelby Pereira，Thierry Pun《基于模板匹配的抗仿射变换图片水印》图像处理2000.

【4】Macy William W，Holliman Matthew J水印解码同步模板：美国，US6707926B1[P]2004-03-16.

【5】M.Kutter，S.K.Bhattacharjee，T.Ebrahimi《面向第二代水印机制》图像处理国际会议1999.

【6】Chih-Wei Tang，Hsueh-Ming Hang《一种基于特征的数字图片水印机制》信号处理2003.

【7】Xiang-yang Wang，Li-min Hou，Jun Wu《一种基于特征的抗几何攻击的数字图片水印》图片和视觉计算2008.

【8】N.R.Nantha Priya，S.Lenty Stuwart《基于特征的图片水印过程》计算机应用国际期刊2010.

【9】Patrick Bas，Jean-Marc Chassery，andMacq《使用特征点的几何不变水印》图像处理2002.

【10】David G.Lowe《基于局部尺度不变特征的物体识别》计算机视觉1999.

【11】Lee Hae Yeoun，Lee Heung Kyu使用尺度不变特征变换的图片水印：韩国，KR20070073332A[P]2007-07-10.

【12】Viet Quoc PHAM，Takashi MIYAKI，Toshihiko YAMASAKI，Kiyoharu AIZAWA用SIFT特征的基于几何不变物体的水印机制》图像处理国际会议2007.

【13】Krystian Mikolajczyk，Cordelia Schmid《尺度和仿射不变兴趣点检测器》计算机视觉国际期刊2004.

【14】Hefei Ling，Liyun Wang，Fuhao Zou，Zhengding Lu，Ping Li《基于仿射不变域的压缩域视频水印》信号处理2006.

【15】J Matas，O Chum，M Urban，T P ajdla《基于最大稳定极值区域的宽基线立体》图像和视觉计算2004.

【16】Chun-Shien Lu，Hong-Yuan Mark Liao《基于视频物体的水印：一种抗旋转和翻转的机制》图像处理国际会议2001.

发明内容

本发明的目的是克服现有技术的上述不足，提出一种在抗仿射几何攻击方面表现优越的视频水印防伪方法。本发明的技术方案如下：

一种抗几何攻击的视频水印防伪方法，包括下列步骤：

第一步：提取视频帧的最大稳定极值区域MSER：

(1)使用BINSORT排序算法对视频帧中像素点按像素值大小进行排列，并给排序后的像素点建立位置索引，排序后的每个像素点视为连通组件；

(2)使用联合-查找算法对连通组件进行合并生长，记录每个连通组件的面积；

(3)挑选MSER。在指定阈值下，从(2)得到的连通组件中挑选出组件面积变化随阈值变化取得局部最小值的连通组件，得到最大稳定极值区域。

(4)对于每个最大稳定极值区域，计算均值u和协方差∑，再利用椭圆区域方程(x-u)^T∑^-1(x-u)＝1，根据实际区域形状拟合成椭圆区域；

第二步：对拟合出的椭圆区域进行筛选，消除区域重叠，选取用于最终的水印嵌入的椭圆区域：

(1)过滤面积过大过小的椭圆区域，保留的椭圆区域面积满足τ₁＜|R_i|＜τ₂，其中，|R_i|表示第i个椭圆区域的面积，τ₁和τ₂分别表示面积大小的下界和上界。

(2)构建图模型，在图模型中，每个椭圆区域i对应一个顶点V_i；顶点对V_i、V_j之间由边E_ij连接；边E_ij的权重w_ij等于顶点对V_i、V_j之间的距离，(V，E)构成无向完全图G；

(3)在无向完全图G运用最小生成树)算法得到最小生成树T；

(4)根据椭圆方程判断T中每对特征区域是否重叠，如果重叠，则这两个椭圆区域划入相同的聚类，否则，划入不同的聚类；

(5)挑选出每个聚类中面积最大的椭圆区域，这些椭圆区域将用于最终的水印嵌入；

第三步：通过修改小波变换系数的水平高频竖直低频带(HL)和水平低频竖直高频带(LH)，对选取出的特征区域进行水印嵌入，方法如下：

(1)椭圆区域归一化：首先，对挑选出的椭圆区域的协方差的逆∑^-1进行奇异值分解，∑^-1＝QΛQ^-1，其中，Q表示实对称正交酉矩阵，Q^-1表示Q的逆，Λ表示对角矩阵。然后，令z＝Q^T(x-μ)得到z^TΛz＝1，其中，^T表示矩阵的转置，z表示椭圆坐标x归一化后的圆坐标，寻找变换方程z＝Q^T(x-μ)，将椭圆坐标x归一化到圆坐标z；

(2)在归一化后的圆形区域外侧补零，填充成外接正方形区域；

(3)利用离散小波变换算法对所得到的外接正方形区域先进行行变换再进行列变换，得到小波变换系数矩阵；

(4)自适应小波系数修改，方法如下：记小波变换系数矩阵的水平高频竖直低频带LH(x，y)和水平低频竖直高频带HL(x，y)的差值为D(x，y)，设鲁棒性阈值为α，当水印位w(x，y)被嵌入时，系数差值必须满足下关系：D(x，y)＞＝α，if w(x，y)＝1，D(x，y)＜-a，if w(x，y)＝0；

(5)对修改后的小波系数矩阵进行反向离散小波变换，得到修改后的方形特征区域；

(6)在方形特征区域内部取内接圆并反向归一化，得到嵌入水印后的椭圆形特征区域；

(7)特征区域替换：记嵌入水印后的特征区域R₂与原始特征区域R₁的差值为R_d，将R_d累加到原始视频帧上。

水印提取步骤可以为：

(1)对嵌有水印的视频帧，按照第一步的方法提取嵌有水印的视频帧的最大稳定极值区域MSER；

(2)按照第二步的方法进行椭圆区域筛选，得到可能包含水印的椭圆区域；

(3)对可能包含水印的椭圆区域，依次执行第三步的(1)、(2)和(3)；

(4)水印位盲检测：记w′(x，y)为在(x，y)检测到水印位，则水印位盲检测的方式如下：

$w^{\&prime;}(x,y)=\left\{\begin{array}{cc}1,\mathrm{if}& D^{\&prime;}(x,y)\&GreaterEqual;0\\ 0,\mathrm{if}& D^{\&prime;}(x,y)<0\end{array}\right.,$ 其中，D′(x，y)＝HL′(x，y)-LH′(x，y)，HL′(x，y)和LH′(x，y)表示在位置(x，y)处的小波系数；

(5)计算提取率，若取率小于某阈值τ_nc，视为该区域中不含水印信息，本发明中取τ_nc＝0.68；

(6)最终水印w^*(x，y)投票按照下列的投票公式得到：

$w^{*}(x,y)=\left\{\begin{array}{cc}1,\mathrm{if}& {\mathrm{Num}}_1(x,y)\&GreaterEqual;{\mathrm{Num}}_0(x,y)\\ 0,\mathrm{if}& {\mathrm{Num}}_0(x,y)<{\mathrm{Num}}_1(x,y)\end{array}\right.$

其中，w^*(x，y)表示在位置(x，y)处的水印位投票结果，Num₁(x，y)和Num₀(x，y)分别表示在位置(x，y)检测到的“1”的数目和“0”的数目。

上述的鲁棒性置阈值α可以为0.09。

本发明具有如下的技术效果：

1.本发明基于MSER仿射不变区域进行水印嵌入，同步水印嵌入和提取过程，增强了抗仿射几何攻击能力。

2.本发明通过在DWT的水平高频竖直低频域(HL)和水平低频竖直高频域(LH)修改小波系数以进行水印嵌入，能有效减少对原始视频的修改，即使在遭受恶意几何攻击情况下也能保持极好的视觉效果。

3.本发明实现的算法近乎线性复杂度，其高效率和实时性保证了在实际生产生活中的推广应用。

附图说明

图1本发明提出的水印嵌入流程图。

图2归一化后r*r方形区域。

图3填充后的方形区域。

图4原始的MSER区域。

图5拟合出的椭圆。

图6面积过滤后的MSER区域。

图7构建出的区域最小生成树。

图8MSER区域聚类。

图9最终选择结果。

图10嵌入水印后的视频序列信噪比曲线图。

图11尺度变化攻击下鲁棒性分析曲线图。

图12旋转攻击下鲁棒性分析曲线图。

具体实施方式

下面结合附图和实施例对本发明进行详细说明。

下面对本发明进行详细说明：

步骤一：生成图片局部仿射协变区域

MSER通过分析连通、加权图的分层集合而检测到，主要分三个步骤进行：排列像素强度；合并连通组件；检测极值区域并确认最大稳定极值区域。具体步骤如下：

1.检测最大稳定极值区域。首先使用BINSORT算法按像素值排列图片像素点。排序之后，图片中所有像素点进行了标记，连通组件通过联合-查找算法进行生长和合并，并且保存了每个连通组件的面积。在极值区域中，最大稳定区域是指那些在指定阈值下，组件区域相对面积变化作为相对阈值变化的函数取得局部最小值的组件区域，也即，MSER是指在图片二值化过程中能在较大阈值范围内保持稳定的图片区域。

2.拟合椭圆区域。原始的MSER具有不规则形状且很难描述，所以必须构建区域形状描述符。通常极值区域会根据实际区域形状拟合成椭圆。首先计算每个最大稳定极值区域R的均值u和协方差∑：

$u=\frac{1}{\left|R\right|}\underset{x\&Element;R}{\mathrm{\&Sigma;}}x$

$\mathrm{\&Sigma;}=\frac{1}{\left|R\right|}\underset{x\&Element;R}{\mathrm{\&Sigma;}}(x-u){(x-u)}^T.$

其中x＝(x，y)表示像素点的位置，R表示区域像素点位置集合，|R|表示MSER中像素点的个数。椭圆形局部仿射协变特征区域由公式(x-u)^T∑^-1(x-u)＝1确定。

步骤二：最大稳定极值区域过滤。

MSER检测器提取出来的区域通常数量较多重叠覆盖整个图片(见附图4)。经过拟合步骤之后，许多椭圆区域有重叠(见附图5)。这使得我们的水印嵌入方法在重叠区域多次嵌入水印，导致算法无法准确提取水印。为了消除这种二义性，重叠区域需要进行过滤。

基于MSER区域特征，面积过大过小的椭圆区域首先被过滤掉。作为预处理步骤，我们保留的椭圆区域面积满足τ₁＜|R_i|＜τ₂，其中|R_i|表示第i个MSER椭圆区域的面积，τ₁和τ₂分别表示面积的下界和上界。τ₁和τ₂通常由实验经验获得，在本发明中我们取τ₁＝2000、τ₂＝5000。(见附图6)

为了过滤所有重叠区域，我们构建图模型分类MSER区域。在图模型中，每个椭圆区域被视为一个顶点V_i；每对顶点之间彼此连接，(V，E)构成无向完全图G。每条边E_j的权重w_j等于对应顶点之间的距离。我们的目标是对无向完全图裁剪生成非连通图。每个连通子图代表一个聚类，且每个顶点只属于一个特定的聚类。为了获得稳定的无重叠MSER区域，我们基于最小生成树(MST)算法移除权重边。最小生成树是具有最小权重总和的生成树(见附图7)。MST算法倾向于删除权重较大边，这样相距较远的两个MSER区域能划分到不同的聚类中。通过设置阈值τ，我们进一步删除权重较大的边，使每条权重边满足w_i＜w_τ。故，经过进一步的过滤之后，我们得到一个生成树深林或无连通图(见附图8)。这样，我们得到一个确定数量的聚类集合，每个集合包含多个MSER区域。最后，在每个聚类中保留面积最大的MSER区域作为最终选择(见附图9)。

MSER过滤算法分四步进行：

1.过滤掉面积过大或者过小的MSER区域；

2.在构建的完全图上应用MST算法生成最小生成树；

3.对候选的MSER集合进行分类以获得确定数量的聚类；

4.保留每个聚类中面积最大的MSER区域作为最终选择。

步骤三：水印机制。

1.水印载体通道选择。

YUV颜色空间典型的用于彩色图像管道，能有效编码彩色图片或视频的人眼感知效果。Y代表亮度组件，U和V是色彩组件。U和V的采样比例比Y低，这通常叫做“色彩下采样”，目的是为了提高压缩效率。为了保持色彩质量，我们只在Y通道添加水印。

2.旋转-尺度不变归一化。

为了获得尺度和仿射不变性，每个选择的MSER椭圆区域需要归一化成圆形块。归一化椭圆成圆等价于寻找一个变换方程。首先，我们通过均值μ和协方差∑描述拟合的椭圆，满足(x-μ)^T∑^-1(x-μ)＝，其中，x＝(x，y)。为了归一化椭圆，∑按奇异值分解：

∑^-1＝QΛQ^-1

其中，Q代表实对称正交酉矩阵，Λ代表对角矩阵。

然后，令z＝Q^T(x-μ)得到z^TΛz＝1，其中z代表从x归一化得到的坐标。找到变换方程z＝Q^T(x-μ)之后，归一化空间可以由此计算和推导。

为了获得旋转攻击不变性，我们需要给每个归一化区域赋一个固定方向。对每个归一化区域在圆形窗口内计算梯度并构建方向直方图。直方图的峰值点就是特征区域的主方向。

3.频率域。

本发明是基于离散小波变换来添加水印到小波域的HL和LH带。离散小波变换相比傅里叶变换的主要优势是它能同时捕获频率和空间位置信息。在本发明中，DWT算法通过先行变换再列变换的方式应用到归一化的圆形块上。小波变换的绝大部分能量集中在LL子带且只占小波系数总体的极小部分。将水印嵌入到小波HL和LH子带的理由有二：

1)LL子带包含信号中的绝大部分能量。因此，当视频帧中存在剧烈运动，嵌入的水印在受到攻击后无法正确提取。

2)HH子带包含视频的细节信息，在这个子带嵌入水印容易破坏视频视觉效果。

4.水印嵌入。

水印嵌入过程从解码视频获得原始帧序列开始。对于每一帧，我们利用MSER检测器和过滤算法提取和选择MSER特征区域。水印被重复嵌入到这些MSER区域中。详细的水印嵌入过程如下：

1)使用MSER检测器从每帧提取局部仿射协变区域。单独一帧包含许多MSER区域并且互相重叠。重叠区域使用基于最小生成树的特征过滤算法进行消除。

2)为了获得仿射和尺度不变性，我们归一化每一个待嵌入椭圆区域成单位圆形区域。对每个归一化后的区域计算梯度方向和主方向一获得旋转不变性。为了得到能作为DWT输入的方形区域，我们队圆形区域的边界进行补零操作。

3)每个方形区域经离散小波变换之后获得DWT系数。水印嵌入在HL和LH子带中。在本发明中，小波系数块尺寸为2r*2r，所以水印被缩放到r*r以和LH或者HL子带保持同样大小。实验中我们取r等于32。水印尺寸调整完后，通过修改HL和LH子带系数进行水印嵌入。

4)最后，基于离散小波变换，我们将水印自适应嵌入到小波系数中。这里，我们记LH(x，y)和HL(x，y)的差值为：

               D(x，y)＝HL(x，y)-LH(x，y)

选择α作为鲁棒性阈值，当水印位w(x，y)被嵌入时，系数差值必须满足如下关系：

             D(x，y)＞＝α，if w(x，y)＝1，D(x，y)＜-a，if w(x，y)＝0

较大的阈值α能提高算法的鲁棒性但同时也降低了视频的感知效果。平衡鲁棒性和感知效果，我们设置阈值α为0.09。

5.水印提取。

类似水印嵌入，水印提取的第一步是分析每帧内容以抽取局部仿射协变区域。然后，使用特征过滤算法选择非重叠区域。最后水印从这些区域中获取。为了获得仿射和尺度不变性，对每个嵌有水印的椭圆区域进行归一化是必须的，且每个归一化后的区域被填充成2r*2r的方块(见附图2、3)。

我们从小波系数的LH和HL子带提取水印信息。水印位盲检测的方式如下：

$w^{\&prime;}(x,y)=\left\{\begin{array}{c}1,\mathrm{if}{D}^{\&prime;}(x,y)\&GreaterEqual;0\\ 0,\mathrm{if}{D}^{\&prime;}(x,y)<0\end{array}\right.$

其中，D′(x，y)＝HL′(x，y)-LH′(x，y)，HL′(x，y)和LH′(x，y)表示在位置(x，y)处的小波系数。

在检测出水印w′后，我们计算w和w′之间的归一化关联值z_nc：

$z_{\mathrm{nc}}=\frac{(w\&CenterDot;w^{\&prime;})}{\left|w\right|}$

其中，|w|表示w的长度。如果z_nc小于阈值τ_nc，我们认为该区域中不含水印信息。

事实上，我们在多个不变区域中嵌入了水印，这样使得即使在视频发生变形的情况下也能检测到水印。最终的水印结果由投票决定。记Num₁(x，y)和Num₀(x，y)分别表示在位置(x，y)检测到的“1”的数目和“0”的数目。然后，水印结果如下确定：

$w^{*}(x,y)=\left\{\begin{array}{c}1,\mathrm{if}{\mathrm{Num}}_1(x,y)\&GreaterEqual;{\mathrm{Num}}_0(x,y)\\ 0,\mathrm{if}{\mathrm{Num}}_0(x,y)<{\mathrm{Num}}_1(x,y)\end{array}\right.$

本发明对在水印领域最常用的Foreman视频进行了测试，其主要衡量水印视频的视觉质量和在各种攻击下水印提取的鲁棒性。峰值信噪比(PSNR)被用来度量视频帧的视觉质量，提取率(Normalized correlationvalue)被用来度量水印机制的鲁棒性。

图10为峰值信噪比(PSNR)用来衡量视频的视觉效果。从实验结果看，水印视频和原始视频不存在视觉差异。图10展示了水印视频帧的峰值信噪比值，水印视频帧的平均峰值信噪比是43.763dB。

图11对于尺度攻击，水印视频在0.6至2.0之间进行尺度变化，实验结果展示在图11中，可以看到本发明对尺度攻击具有鲁棒性。

图12旋转攻击在0度至180度之间对水印视频帧进行旋转，从图12可以看到当旋转角度低于100度时，水印提取率大于90％，并且随着旋转角度的增大，提取率并未迅速下降。

表1为本发明的防伪方法多类攻击下与参考文献【16】的提取率对比情况，可以看出，在各种攻击类型下本发明都超越了【16】。

表1 多类攻击下与参考文献【16】的提取率对比。

Claims (3)

1.一种抗几何攻击的视频水印防伪方法，包括下列步骤：

第一步：提取视频帧的最大稳定极值区域MSER：

(1)使用BINSORT排序算法对视频帧中像素点按像素值大小进行排列，并给排序后的像素点建立位置索引，排序后的每个像素点视为连通组件；

(2)使用联合-查找算法对连通组件进行合并生长，记录每个连通组件的面积；

(3)挑选MSER：在指定阈值下，从(2)得到的连通组件中挑选出组件面积变化随阈值变化取得局部最小值的连通组件，得到最大稳定极值区域；

(4)对于每个最大稳定极值区域，计算均值u和协方差Σ,再利用椭圆区域方程(x-u)^T∑^-1(x-u)＝1，根据实际区域形状拟合成椭圆区域；

第二步：对拟合出的椭圆区域进行筛选，消除区域重叠，选取用于最终的水印嵌入的椭圆区域；

(1)过滤面积过大过小的椭圆区域，保留的椭圆区域面积满足τ₁＜|R_i|＜τ₂，其中，|R_i|表示第i个椭圆区域的面积，τ₁和τ₂分别表示面积大小的下界和上界；

(2)构建图模型，在图模型中，每个椭圆区域i对应一个顶点V_i；顶点对V_i、V_j之间由边E_ij连接；边E_ij的权重w_ij等于顶点对V_i、V_j之间的距离，(V,E)构成无向完全图G；

(3)在无向完全图G运用最小生成树算法得到最小生成树T；

(4)根据椭圆方程判断T中每对特征区域是否重叠，如果重叠，则这两个椭圆区域划入相同的聚类，否则，划入不同的聚类；

(5)挑选出每个聚类中面积最大的椭圆区域，这些椭圆区域将用于最终的水印嵌入；

第三步：通过修改小波变换系数的水平高频竖直低频带(HL)和水平低频竖直高频带(LH)，对选取出的特征区域进行水印嵌入，方法如下：

(1)椭圆区域归一化：首先，对挑选出的椭圆区域的协方差的逆∑^-1进行奇异值分解，∑^-1＝QΛQ^-1，其中，Q表示实对称正交酉矩阵，Q^-1表示Q的逆，Λ表示对角矩阵；然后，令z＝Q^T(x-μ)得到z^TΛz＝1，其中，T表示矩阵的转置，z表示椭圆坐标x归一化后的圆坐标，寻找变换方程z＝Q^T(x-μ)，将椭圆坐标x归一化到圆坐标z；

(2)在归一化后的圆形区域外侧补零，填充成外接正方形区域；

(3)利用离散小波变换算法对所得到的外接正方形区域先进行行变换再进行列变换，得到小波变换系数矩阵；

(4)自适应小波系数修改，方法如下：记小波变换系数矩阵的水平低频竖直高频带LH(x,y)和水平高频竖直低频带HL(x,y)的差值为D(x,y)，设鲁棒性阈值为α，当水印位w(x,y)被嵌入时，系数差值必须满足下关系：D(x,y)＞＝α,if w(x,y)＝1,D(x,y)＜-α,ifw(x,y)＝0；

(5)对修改后的小波系数矩阵进行反向离散小波变换，得到修改后的方形特征区域；

(6)在方形特征区域内部取内接圆并反向归一化，得到嵌入水印后的椭圆形特征区域；

(7)特征区域替换：记嵌入水印后的特征区域R₂与原始特征区域R₁的差值为R_d，将R_d累加到原始视频帧上。

2.根据权利要求1所述的抗几何攻击的视频水印防伪方法，其特征在于，所述的防伪方法还包括下面的水印提取步骤：

(1)对嵌有水印的视频帧，按照第一步的方法提取嵌有水印的视频帧的最大稳定极值区域MSER；

(2)按照第二步的方法进行椭圆区域筛选，得到可能包含水印的椭圆区域；

(3)对可能包含水印的椭圆区域，依次执行第三步的(1)、(2)和(3)；

(4)水印位盲检测：记w'(x,y)为在(x,y)检测到水印位，则水印位盲检测的方式如下：

$W^{\&prime;}(x,y)=\left\{\begin{array}{ccc}1,& \mathrm{if}& D^{\&prime;}(x,y)\&GreaterEqual;0\\ 0,& \mathrm{if}& D^{\&prime;}(x,y)<0\end{array}\right.,$ 其中，D'(x,y)＝HL'(x,y)-LH'(x,y)，HL'(x,y)和LH'(x,y)表示在位置(x,y)处的小波系数；

(5)计算提取率，若提取率小于某阈值τ_nc，视为该区域中不含水印信息，取τ_nc＝0.68；

(6)最终水印w*(x,y)投票按照下列的投票公式得到：

$w^{*}(x,y)=\left\{\begin{array}{ccc}1,& \mathrm{if}& {\mathrm{Num}}_1(x,y)\&GreaterEqual;{\mathrm{Num}}_0(x,y)\\ 0,& \mathrm{if}& {\mathrm{Num}}_0(x,y)<{\mathrm{Num}}_1(x,y)\end{array}\right.$

其中，w*(x,y)表示在位置(x,y)处的水印位投票结果，Num₁(x,y)和Num₀(x,y)分别表示在位置(x,y)检测到的“1”的数目和“0”的数目。

3.根据权利要求1所述的抗几何攻击的视频水印防伪方法，其特征在于，鲁棒性置阈值α为0.09。