本文设计了一种基于极限学习机算法的离散小波变换域视频水印添加方法, 该方法包括水印嵌入和水印提取两个部分。在水印嵌入环节, 首先使用场景切换检测算法实现非重叠帧提取, 然后对非重叠帧的亮度分量进行5级离散小波变换提取第5级低频子边带系数矩阵, 通过系数矩阵构建训练数据集并通过极限学习机进行回归训练, 回归模型的输出矢量与水印子块对系数矩阵进行修正, 最后通过逆小波变换得到嵌入水印的视频帧序列。在水印提取环节, 对嵌入水印的视频帧序列与原始视频帧序列的亮度分量分别进行5级离散小波变换, 通过提取两个低频子边带系数矩阵的差异部分来得到水印子块, 将所有的子块重组便可得到完整水印。一系列实验显示, 本方法在多个指标下表现良好, 对多种攻击均具有鲁棒性。

针对现有H.264/AVC压缩域开环水印方法存在误差漂移及鲁棒性差的问题, 分析了该类水印算法的特点及误差漂移机制, 提出了一种无误差漂移的鲁棒视频水印算法。首先, 基于视频重建过程, 分析了开环回路水印方法的误差漂移机制, 得到由水印信息造成的独立重建误差。然后, 采用误差间的线性组合得到4个可以避免误差漂移的水印模板。最后, 通过调制残差系数与相应水印模板之间的正负相关性, 将水印嵌入在非零系数多的4×4子块上, 而不像以往算法将水印直接添加在残差系数上。实验结果表明: 所提算法造成的平均结构相似度下降在0.005以内;码率的增长在100%左右;对重量化转码、加性高斯白噪声、亮度调节等常见水印攻击, 误码率均在0.15以下。得到的结果满足视频水印算法对透明性, 码率稳定性, 鲁棒性的要求。