В данной статье дан обзор наиболее распространенных методов внедрения цифровых водяных знаков в потоковое видео, применяемые российскими и зарубежными специалистами. Рассмотрены такие алгоритмы, как дискретное косинусное преобразование, вейвлет-преобразование сигнала (преобразование Хаара), алгоритм синхронизации. Проведен анализ и сравнение. Выбран наиболее эффективный алгоритм.
Ключевые слова: цифровой водяной знак, потоковое видео, вейвлет-преобразование, стеганография.
Противодействие незаконному копированию цифровой информации всегда являлось актуальной задачей, а сегодня, в условиях полной информатизации общества, защита становится все более и более важной. Внедрение цифровых водяных знаков (ЦВЗ) в видеоданные применяется для обеспечения защиты цифровых данных и помогает предотвратить копирование, тиражирование и прочие возможные варианты коммерческого использования информации третьими лицами.
На сегодняшний день в зарубежной и отечественной литературе описано множество алгоритмов внедрения ЦВЗ в видеоданные. К распространенным методам можно отнести:
1. Алгоритмы внедрения ЦВЗ во все кадры видеопотока, в каждый 2-й кадр, в каждый 3-й, 5-й и так далее:
- Дискретное косинусное преобразование (ДКП);
- Дискретные вейвлет-преобразования (преобразование Хаара);
2. Алгоритм, позволяющий внедрять ЦВЗ в видеоданные, опираясь только на характеристики самого кадра, вне зависимости от его положения относительно остальных кадров видеоряда:
- Алгоритм синхронизации.
Прочие алгоритмы обладают сходными принципами работы с тем или иным представленным методом.
В современных научных исследованиях методы внедрения ЦВЗ в потоковое находят отражение в решении проблем информационной безопасности и защиты информации. А. П. Бахрушин использовал спектральный анализ видеокадров на основе системы импульсных функций с целью синхронизации процессов внедрения и поиск цифровых водяных знаков [1]. Применение вейвлет-преобразования для внедрения ЦВЗ в видеопоток в режиме реального времени рассматривали А. К. Григорьян, М. Ю. Литвинов [2]. А. П. Бахрушин, Г. И. Бахрушина, Р. И. Цой разрабатывали методы защиты видеопродукции устойчивые к геометрическим атакам [3]. Д. А. Сагайдак, Р. Т. Файзуллин рассматривали способ формирования цифрового водяного знака для физических и электронных документов [4]. В. Н. Копенков описал эффективные алгоритмы локального дискретного вейвлет-преобразования с базисом Хаара [5]. Защиту информационного содержания цифровых фотографий методом многократной маркировки цифровыми водяными знаками представили Ю. А. Белобокова и Э. С. Клышинский [6]. Разработкой алгоритма встраивания цифрового водяного знака в файлы формата MPEG-4 занимались С. В. Радаев, Д. А. Кирюхин, И. В. Иванов [7]. Зарубежные ученые также занимаются разработкой, изучением и усовершенствованием методов внедрения ЦВЗ в видео. М.Джианг и др. исследовали внедрение ЦВЗ в видео, закодированное кодеком MPEG-2 [8]. Ю.Хе и др. рассматривали алгоритмы внедрения в потоковое видео [9]. П. С. Су и др. изучали особенности использования ЦВЗ в цифровом видео для идентификации кадров [10]. Внедрение цифровых изображений в визуальных моделях исследовали С. И. Подичук и В.Зенг [11].
Представим алгоритмы с помощью которых можно внедрять цифровые водяные знаки в потоковое видео.
Дискретное косинусное преобразование(ДКП, DCT)является одних из ортогональных преобразований. Рассматриваемое преобразование для вектора действительных чисел нашло широкое применение в алгоритмах сжатия данных с потерями (JPEG, MPEG). Дискретное косинусное преобразование является гомоморфизмом дискретного преобразования Фурье его векторного пространства.
Алгебраическое преобразование, возможно, осуществить умножением матрицы преобразования на вектор, поэтому матрица обратного преобразования равна транспонированной матрице. Выбор матрицы осуществляется, чтобы постоянный множитель был равен 1, и преобразование было ортонормированным. Такое возможно не всегда в программных приложениях.
Разнообразные периодические продолжения сигнала приводят к различным типам дискретного косинусного преобразования. Приведем первые четыре типа матрицы ДКП:
DKT-2 наиболее часто встречается в практических приложениях. DKT-28 называют ДКТ для вектора из 
чисел. Наибольшее распространение имеет вариант двумерного преобразования для матриц 8x8, последовательность которого состоит DKT-28 вначале для каждой строки, а затем для каждого столбца матрицы. Еще один из типов ДКП, метод быстрого DCT-преобразования, схожий с методом быстрого преобразования Фурье.
Дискретные вейвлет-преобразования(ДВП) в функциональном и численном анализе относятся к вейвлет-преобразованиям, где вейвлеты представлены дискретными выборками (сигналами).
Для входных сигналов, представленного массива 2n чисел, вейвлет-преобразование Хаара объединяет элементы по два и образует от них сумму и разность. Следующий уровень разложения создается при помощи рекурсивной группировки сумм. Таким образом, получается разность 2n -1 и общая сумма равная 1.
Существует свойство вейвлетов являющее простым ДВП. Вначале преобразование выполняется за nlog2(n) операций. Затем, сигнал раскладывается на некоторые сходные частотные полосы (производится анализ его в различных масштабах), представляя временную область, множество моментов возникновения различных частот в сигнале. Быстрое вейвлет-преобразование характеризуется всеми этими свойствами, как возможная альтернатива обычному быстрому преобразованию Фурье.
В основе алгоритма синхронизации лежит идея о том, что каждый кадр обладает набором уникальных, отличающихся от всех остальных кадров видеоряда, характеристик. В качестве одной из таких характеристик выбрана частотная характеристика, два, на первый взгляд абсолютно одинаковых кадра, могут обладать различными частотными характеристиками, например, в диапазоне высоких частот. Обработав каждый кадр видеоряда, и получив информацию о характеристиках всех кадров, можно выделить среди всего количества только те, которые удовлетворяют какому-либо заранее заданному критерию. Полученные номера кадров передаются либо в модуль внедрения ЦВЗ, либо в модуль извлечения ЦВЗ.
При таком подходе положение кадра в видеоряду никак не будет влиять на его частотные характеристики, следовательно, при перемещении кадра, содержащего ЦВЗ в любое другое место видеоряда не приведёт к потери ЦВЗ.
Для извлечения частотных характеристик видеокадра возможно использование быстрого дискретного преобразования Фурье, так как оно является простым и доступным способом. Из каждого кадра извлекаются три его числовые характеристики: среднее арифметическое для высоких, средних и низких частот. Все числовые характеристики записываются в специальный массив. Задавая специальный критерий для отбора нужных кадров, обрабатываем массив и результат — номера кадров, в которые предполагается внедрение (или извлечение) ЦВЗ, передаём специальному модулю.
Ограничение по вычислительной мощности используемого аппаратного обеспечения ведет к необходимости выбирать алгоритмы по вычислительной сложности в зависимости от сложных методов обработки, применительно в имеющейся аппаратной платформе.
Алгоритм ДКП, основанный на дискретно-косинусном преобразовании сигнала использует относительно емкие для процессора формулы нахождения косинусов соответствующих величин. Алгоритм, основанный на вейвлет-преобразовании сигнала (ДВП, преобразование Хаара), возможно реализовать в виде самых быстрых для вычисления математических операций процессором, что значительно экономит время по сравнению с ДКП. С помощью алгоритма синхронизации внедрение и извлечение ЦВЗ проходит с большим коэффициентом корреляции (близким к единице), вследствие чего вычислительная нагрузка становится меньше.
В результате анализа рассмотренных методов был выбран алгоритм, имеющий наименьшую вычислительную мощность (соответственно, затрата времени на выполнение минимальная), то есть алгоритм синхронизации. В работе определены критерии оценки: низкая вычислительная сложность алгоритма; независимость внедряемого ЦВЗ. Были исследованы методы внедрения ЦВЗ, такие как дискретное косинусное преобразование (ДКП), дискретные вейвлет-преобразования (алгоритм Хаара), алгоритм синхронизации.
В ходе сравнения был отобран алгоритм синхронизации, позволяющий внедрять ЦВЗ в видеоданные, опираясь только на характеристики самого кадра, вне зависимости от его положения относительно остальных кадров видеоряда. Следующим этапом исследования планируется разработка программной системы в MatLab, реализующей алгоритм синхронизации для внедрения цифрового водяного знака в потоковое видео.
Литература:
1. Бахрушин А. П. Спектральный анализ видеокадров на основе системы импульсных функций с целью синхронизации процессов внедрения и поиск цифровых водяных знаков // Вестник Тихоокеанского государственного университета. 2008. № 4. С. 225–238.
2. Григорьян А. К., Литвинов М. Ю. Применение вейвлет-преобразования для внедрения цвз в видеопоток в режиме реального времени // Информационно-управляющие системы. 2010. № 4. С. 53–56
3. Бахрушин А. П., Бахрушина Г. И., Цой Р. И. Разработка методов защиты видеопродукции устойчивых к геометрическим атакам // Вестник Приамурского государственного университета им. Шолом- Алейхема. 2011. № 2. С. 18–29.
4. Сагайдак Д. А., Файзуллин Р. Т. Способ формирования цифрового водяного знака для физических и электронных документов //Компьютерная оптика. 2014. Т. 38. № 1. С. 94–104.
5. Копенков В. Н. Эффективные алгоритмы локального дискретного вейвлет-преобразования с базисом Хаара // Компьютерная оптика. 2008. Т. 32. № 1. C. 78–84.
6. Белобокова Ю. А., Клышинский Э. С. Защита информационного содержания цифровых фотографий методом многократной маркировки цифровыми водяными знаками // Системный администратор. 2014. № 4. С. 70–73.
7. Радаев С. В., Кирюхин Д. А., Иванов И. В. Разработка алгоритма встраивания цифрового водяного знака в файлы формата MPEG-4 // Информационные системы и технологии. 2010. № 1. С. 13–17.
8. Jiang M., Ma Z., Niu X., Yang Y. Video Watermarking Scheme Based on MPEG-2 for Copyright Protection // Procedia Environmental Sciences. 2011. Vol. 10. P. A. P. 843–848.
9. He Y., Yang G., Zhu N. A real-time dual watermarking algorithm of H.264/AVC video stream for Video-on-Demand service // AEU — International Journal of Electronics and Communications. 2014. Vol. 66, Iss. 4. P. 305–312.
10. Su P.-C., Wu C.-S., Chen I.-F., Wu C.-Y., Wu Y.-C. A practical design of digital video watermarking in H.264/AVC for content authentication // Signal Processing: Image Communication. 2011. Vol. 26. Iss. 8–9. P. 413–426.
11. Podilchuk C. I., Zeng W. Digital image watermarking using visual models // IEEE J. on Selected Areas in Communications. 1998. Vol. 16. P. 525–539.
