沙特国王大学学报基于CS理论的多媒体数据Rohit Thankia，Rimi，Vedvyas Dwivedia，Komal Borisagarba技术与工程学院，C. 联合印度古吉拉特邦瓦德万市沙阿大学bAtmiya Institute of Technology and Science，Rajkot，Gujarat，India阿提奇莱因福奥文章历史记录：2017年1月30日收到2017年4月29日修订2017年5月12日接受2017年5月19日在线发布关键词：压缩传感Curvelet图像多媒体视频水印A B S T R A C T提出了一种针对数字图像、数字视频等多媒体数据的混合水印方案。该方案利用各种图像处理变换和压缩感知（CS）来实现多媒体数据的脆弱性和安全性。对水印图像小波系数的奇异值进行压缩感知，得到压缩感知测度。这些CS测量值被嵌入到宿主介质的混合系数（DT系数在所提出的方案中，主介质可以是数字图像或视频。生成的水印数据具有不同的安全层，例如来自CS的四个级别，例如变换基矩阵、测量矩阵、正交矩阵、小波基矩阵的信息，以及来自水印的一个级别，例如嵌入因子。该方案提供了脆弱性和安全性的多媒体数据对各种标准的水印攻击，如信号处理攻击，几何攻击和压缩攻击。该方案可以提供高的有效载荷容量，并用于主机多媒体认证。与现有方案的比较表明，所提出的方案执行速度快，优于现有的方案在文献中©2017作者。制作和主办：Elsevier B.V.代表沙特国王大学这是一CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍如今，诸如图像、视频和文本的多媒体数据通过互联网、移动设备和云传输。许多多媒体数据被冒名顶替者在没有任何版权的情况下重新创作和重新发布。此外，冒名顶替者可以通过使用互联网，移动和云访问在世界任何地方使用版权材料。当多媒体数据通过互联网、移动设备和云传输时，这就产生了版权保护和身份验证的问题。水印技术是用于多媒体数据的版权认证和保护的解决方案之一（Langelaar等人， 2000年）。水印技术分为鲁棒型水印和脆弱型水印*通讯作者。电 子 邮 件 地 址 ： rohitthanki9@gmail.com （ R.Thanki ） ， gmail.com （ V.Dwivedi），krborisagar@aits.edu.in（K.Borisagar）。沙特国王大学负责同行审查（Langelaar等人，2000年）。鲁棒型水印被提供抵抗任何攻击或操纵的鲁棒性。水印鲁棒性的含义是当水印数据被破坏或修改时，水印数据的提取是可能的。这种类型的水印技术用于多媒体数据的版权保护。脆弱型水印提供了抵抗任何攻击或操纵的脆弱性。水印脆弱性的含义是当水印数据被破坏或修改时，无法从水印数据中提取水印数据。这种水印技术可用于多媒体数据的版权认证.水印技术可以在各种域中设计，例如空间，变换，混合和稀疏（Thanki和Kothari，2016）。空间域技术对任何操纵或攻击的鲁棒性较低（Langelaar等人，2000; Thanki andKothari，2016）。变换域技术远远优于空间域技术。迄今为止，鲁棒性在空间域技术中受到关注。这就是为什么使用变换域水印技术来优先保护多媒体数据的安全性的原因（Thanki和Kothari，2016）。但是trans-form域技术的有效载荷容量有限（Thakkar和Srivastava，2016）。混合域技术正在扩展http://dx.doi.org/10.1016/j.jksuci.2017.05.0051319-1578/©2017作者。制作和主办：Elsevier B.V.代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。制作和主办：Elsevier可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.comR. Thanki等人/Journal of King Saud University437使用两个或两个以上图像变 换的变换域技术版本（ Kothari ，2013）。与变换域技术相比，混合域技术对多媒体数据具有更好的不可感知性多媒体数据的版权保护主要有空域技术、变换域技术和混合域技术稀疏域技术是将压缩感知理论与数字水印技术相结合的新技术与上述三种技术相比，这些技术提供了更好的真实性和有效载荷容量。任何水印方案在设计时都有一定的要求，如鲁棒性、这三个要求有一个权衡三角形。这个三角形如图1所示。图1显示，为了实现三个要求中的两个，第三个要求应该被权衡（Kothari，2013）。例如，为了实现高感知性和良好的有效载荷容量，需要丢弃鲁棒性要求。为此，本文提出了一种基于域和稀疏域的混合水印算法。为了保证多媒体数据的安全性，近几十年来研究人员提出了各种各样的水印方案。使用LSB替换、数字视频和图像的不同噪声序列的相关特性提出了用于多媒体数据安全的各种空间域技术（Thanki和Kothari，2016; Kothari，2013; Ramalingam，2011;Koz和Alatan，2008;El-Gayyar，2006; Chan和Cheng，2004; Bangaleea和Rughooputh，2002; Lee和Chen，2000;Langelaar等人，2000年）。这些技术用于多媒体数据的版权认证。但这些技术对各种攻击的鲁棒性较差。各种研究人员提出了各种变换域技术，其克服了空间域技术的一些限制（Gupta和Raval，2012; Kamlakar等人，2012; Essaouabi和Ibnelhaj，2009; Preda和Vizireanu，2007; Elbasi，2007; Fan和Yanmei，2006; Raval和Rege，2003; Dajun等人，2003; Serdean等人， 2002;Podilchuk和Delp，2001; Arena等人，2000; Hernandez等人，2000; Cox等人，1997年）。在这些技术中，各种图像变换系数，如离散余弦变换（DCT），离散小波变换（DWT）和奇异值分解（SVD）用于水印嵌入。与空间域技术相比，这些技术提供了更强的鲁棒性和更少的有效载荷容量。这些技术大多是健壮的技术，用于多媒体数据的版权保护。各种混合域技术由各种研究人员提出，其利用两个或两个以上图像变换系数（Kothari，2013; Sridevi等人，2010;Raghavendra和Chetan，2009; Santhi和Thangavelu，2009;Mostafa等人，2009;Bhatnagar和Raman，2009; Mandarin等人，2009; Rajab等人，2008; Dili和Mwangi，2007; Huang和Guan，2004; Ganic和Eskicioglu，2004; Ejima和Miyazaki，2000）。在这些技术中，各种图像变换的组合，如DCT + DWT，图1.一、数字水印技术要求水印嵌入采用离散小波变换+奇异值分解、离散余弦变换+离散小波变换+奇异值分解与变换域技术和空间域技术相比，这些技术具有更好的鲁棒性和不可感知性现有的混合域技术的局限性是有效载荷容量较小。Donoho和Candes引入了新的信号采集理论，即压缩感知（CS）理论（Donoho，2006; Candes，2006）。该理论是对Shannon-Nyquist采样技术的突破。基于压缩感知理论的水印技术被称为稀疏域技术，因为在这些技术中，水印的稀疏信息被使用。在过去的十年中提出了用于多媒体数据安全的各种稀疏域技术（Yang等人，2015年;刘例如，2014; Orovik和Stankovic，2013; Zang等人，2013;Yamac等人，2013; Tiesheng等人， 2013; Fakhr，2012; Veena等人，2012; Raval等人，2011; Zhang等人，2011年; Tagliasacchi例如，2009年;Sheikh和Baraniuk，2007年）。基于CS理论的技术探索了CS理论的数据约简和计算安全等特性。基于压缩感知理论的图像篡改识别和认证技术。基于鲁棒CS理论的技术由Tiesheng等人（2013）、Fakhr（2012）和Veena等人（2012）提出，用于多媒体数据保护。Sheikh和Baraniuk在2007年提出了第一个稀疏域技术。现有的稀疏域技术的局限性是有效载荷容量较小。通过对文献的讨论，可以看出现有的水印技术大多是针对多媒体数据版权保护而设计和实现的。针对多媒体数据的版权认证，设计和实现数字水印技术的学者较少.针对现有水印技术的有效载荷容量较小的问题，本文提出了一种基于混合CS理论的非盲混合水印方案，该方案以多媒体数据认证为核心，具有较高的有效载荷容量。提出该方案的原因是大多数现有的混合技术具有较小的有效载荷容量。文献还表明，现有的变换域技术和现有的稀疏域技术在有效载荷容量有限的情况下更鲁棒（Thakkar和Srivastava，2016年;Kothari，2013年; Tiesheng等人，2013; Raval等人，2011; Mandarin等人，2009年; Raval和Rege，2003年）。现有的水印技术都是利用水印信息量小、执行时间长、不可感知性差的特点来保证多媒体数据的安全。针对现有的变换域、混合域和稀疏域水印技术的不足，结合压缩感知理论，提出了一种基于DCT、DWT、SVD和Curvelet变换的在该方案中，CS理论应用于水印图像产生CS测量。离散小波变换（DWT）和奇异值分解（SVD）用于CS测量。根据水印图像的稀疏性，对宿主图像离散余弦变换（DCT）系数的高频曲波系数进行修正生成水印图像。在该方案中，主机介质的高频系数被选择用于实现算法的脆弱性。因为当水印攻击应用于水印图像时，高频系数主要受到影响，并且由于攻击而被破坏（Raval和Rege，2003）。在所提出的方案中使用CS理论的原因是，该步骤在所提出的水印方案中提供了一个额外的安全层，并且在嵌入之前为水印数据提供了安全性。此外，在该方案中，CS测量的水印数据生成使用两个图像处理变换。而在现有的稀疏技术中，水印数据的CS测量是使用单个438R. Thanki等人/Journal of King Saud UniversityX×图像处理变换。该方案的主要贡献在于探索了各种图像处理变换的稀疏性，并利用压缩感知理论为多媒体数据提供了高的有效负载该方案提供了良好的执行时间和认证的多媒体数据。该方法将高斯测量矩阵A应用于小波系数的奇异值，得到CS测量值。所提出的方案进行了分析，使用各种主机图像与各种频率分量。正交匹配追踪算法（Tropp和Gilbert，2007）用于从检测器尺寸处提取的CS测量重构水印图像。选择该算法是因为它具有较好的计算时间和易于实现。论文的其余部分组织如下：在第2节，压缩感知理论的数学和信息，各种变换，如DCT，DWT，SVD和曲波变换。第3节介绍了拟议方案的实施情况在第4节中给出了各种水印攻击的脆弱性和性能的结果和讨论。在第五节中给出了所提出的多媒体安全方案的应用场景。最后，在第6节中给出了结论。2. 预赛2.1. 压缩感知理论当图像f中只有少数非零元素时，图像f可以成为稀疏图像通过应用图像变换基矩阵，可以将图像f转换为稀疏图像图像具有x个非零系数（稀疏系数），表示为x¼W×f× Wω1其中x是稀疏系数，W是变换基矩阵，W是逆矩阵。使用压缩感知的图像的CS测量通过使用以下等式y¼A×x2其中y是CS测量值，A称为测量矩阵。为 了 从 CS 测 量 重 建 图 像 ， 各 种 CS 恢 复 算 法 在 文 献 中 可 用（Donoho，2006; Candes，2006; Tropp和Gilbert，2007）。使用诸如正交匹配追踪（OMP）的贪婪算法，其由Tropp和Gilbert（2007）介绍和设计。本文将其用于CS测度稀疏系数的提取。该算法由匹配、正交投影和残差更新三个基本步骤构成，每次迭代恢复一个非零稀疏系数。它可以用下面的公式进行数学解释：xω½arg minky-Axk3其中x/是提取的稀疏系数，其提供从CS测量y中提取的。2.2. 各种变换在 本 文 中 ， 各 种 图 像 处 理 变 换 ， 如 DCT ， DWT ， SVD 和Curvelet变换用于实现所提出的方案。DCT和Curvelet变换用于水印嵌入，而DWT和SVD用于生成水印。稀疏系数。下面给出这些变换的信息2.2.1. 离散余弦变换离散余弦变换将图像分解为各种频率系数，例如低频、中带频率和高频。离散余弦变换可以对图像应用各种方式，例如分块处理和不分块处理。使用分块处理和不使用分块处理的图像的DCT系数如图所示。 二、离散余弦变换（DCT）主要用于将图像变换到变换域的水印技术。基于DCT域的水印算法大多采用中频系数来实现水印的鲁棒性。由于水印攻击主要影响宿主图像的低频系数和高频系数，本文利用宿主图像的所有DCT系数来实现脆弱性。2.2.2. 离散曲波变换离散曲波变换（Candes等人，2005）将图像分解成各种频率单元，例如低频单元和高频单元。该变换将图像表示到其稀疏域。有两种离散变换是可用的，例如基于频率缠绕和基于USFFT技术。基于频率缠绕的离散曲波变换与其他曲波变换相比具有更少的执行时间并且易于实现（Candes等人，2005年）。基于频率缠绕的离散曲波变换也被称为快速离散曲波变换（FDCuT）。例如，大小为使用图3（a）中所示的5个尺度和16个角度来分解256 256个像素。低频系数显示在图像的中间。笛卡尔同心圆日冕显示了不同尺度下的高频系数最后一个冠状物具有与图像的大小相等的高频系数图像的高频曲波系数如图3（b）所示。本文对宿主图像的DCT系数进行曲波变换由于这些系数容易受到水印攻击的影响，因此选择高频曲波变换进行稀疏数据的嵌入。这些系数的大小等于用于实现100%有效载荷容量的水印图像的大小。图像的DCT系数的高频曲波系数如图所示。 四、可以清楚地看到，这些系数没有宿主介质的任何视觉信息。因此，由于这种方法，宿主媒体的视觉信息不会被破坏2.2.3. 离散小波变换奇异值分解离散小波变换（DWT）将图像分解成不同的频率系数子带。这些系数不同于DCT系数。目前，该变换在图像压缩、压缩感知、水印等图像处理应用中发挥着重要作用。小波变换在各个频率子带，如近似，水平，垂直和对角分解图像。图像的视觉信息是建立在小波子带的逼近上的。这些子带具有低频系数。而水平、垂直和对角三个子带具有较高的频率系数。这些小波子带具有稀疏性。当小波基矩阵与其逆版本应用于图像，然后图像被转换成其小波系数如图所示。 五、奇异值分解是一种线性代数工具，它将图像分解为三个不同的矩阵，如奇异值矩阵、两个正交矩阵。奇异值R. Thanki等人/Journal of King Saud University439(a) 不使用Block Wise Process（b）使用Block Wise Process图二、图像的DCT系数(a)所有Curvelet系数（b）高频Curvelet系数图三.图像的Curvelet系数图四、图像DCT系数的高频曲波系数图五. 图像的小波系数矩阵具有非负值，并对角放置在矩阵中。奇异值具有稀疏性和稳定性，适合于压缩感知中稀疏系数的生成因此利用图像的奇异当SVD应用于图像时，如图所示。 六、本文利用小波矩阵生成算法（Yan，2009; Vidakovic，1999）生成等大小水印图像的小波矩阵.各种正交小波，如Haar，bior6.8和symlet用于小波矩阵生成。然后将小波矩阵及其逆与水印图像得到水印图像的稀疏小波系数，如图7（a）所示。将水印图像的稀疏小波系数奇异值分解为奇异矩阵、U、V正交矩阵。奇异矩阵值被用作水印图像的稀疏系数，用于使用压缩感知理论生成CS测量，如图7（b）所示。选择奇异矩阵的原因比图2中的其他两个矩阵稀疏。 六、3. 建议计划今天的世界，数据从一个地方传输到另一个地方使用高速互联网。因此，具有高计算时间的水印技术不用于数据保护。现有的许多技术都是通过嵌入因子或单个安全参数来保证数据的安全性。多媒体的数据量也在与日俱增。同时，用于多媒体数据认证的水印技术也较少.基于压缩感知理论的数字水印技术主要用于基于标准标识或图像的图像篡改识别。该技术是将CS测量值嵌入到宿主图像中，CS测量值的大小小于宿主图像的大小。现有的大多数混合水印技术在嵌入大量水印数据时，其有效负载容量都比较小.因此，新的水印方案应该具有快速的计算时间，更多的有效载荷容量和真实性。因此，在所提出的方案中，CS理论用于增加脆弱性和提供数据认证。该方案利用CS理论，在水印嵌入前对多媒体数据进行安全处理，不需要任何优化技术，但会增加执行时间。该算法对宿主图像的DCT系数进行曲波变换，得到宿主图像的混合系数。由于这些系数受水印攻击的影响较大，因此选用高频曲波变换进行稀疏数据的嵌入。这些的大小440R. Thanki等人/Journal of King Saud University图六、 图像的SVD矩阵：U矩阵（左），S矩阵（中），V矩阵（右）。(a)（b）第（1）款见图7。(a)水印图像的稀疏小波系数（b）水印图像小波系数的奇异矩阵值。系数等于用于实现100%有效载荷容量的水印图像的稀疏数据的大小。为了从含水印图像的含水印数据中提取水印，需要各种安全密钥。在提取过程中需要用到嵌入因子、采样因子、测量矩阵、小波基矩阵和正交矩阵U、V等安全密钥。在所提出的方案中，这些安全密钥在各个阶段为多媒体数据提供安全性。对这些密钥的要求使得所提出的方案复杂性很小，但对多媒体数据提供了很好的安全性。因为冒名顶替者需要五个密钥来提取水印数据，这与一两把钥匙。但是安全密钥的安全性在计算机、服务器或云存储中非常重要。为了这些密钥的安全性，可以使用各种数据加密算法来提供，例如数字加密标准（DES）、Riverst Shamir Adleman（RSA）等。所有密钥的总大小只有几KB，可以存储在任何计算机系统，服务器或云中。这是非常小的数据量考虑现代的计算机和服务器，具有非常高的存储容量的数据存储。所提出的方案的框图如图8所示。在这一节中，水印嵌入过程和水印提取过程中提出的方案进行了描述。3.1. 水印嵌入过程利用正交变换基矩阵W将水印图像w变换到稀疏域。水印生物特征图像的CS测量yCS测量值y 将水印嵌入到宿主图像DCT系数的高频曲波系数中，以提供不同的安全级别。图9示出了所提出的嵌入过程的框图，下面给出了水印嵌入的数学步骤。应用小波基矩阵及其逆矩阵与水印图像w相乘得到小波系数。x¼W×w×Wω4在上式中，x是水印图像的小波系数，W是小波基矩阵，W/是小波基矩阵。对水印图像的小波系数进行奇异值分解，得到奇异矩阵、两个正交矩阵。选取小波系数的奇异矩阵值作为稀疏系数。1/2U;S;V] 1/4sv1/4x1/5m在上式中，S是水印图像小波系数的奇异值。将测量矩阵A（其本质上是高斯的）应用于水印图像的小波系数的奇异值，其给出CS测量y。y¼A×x6在上述等式中，y是CS测量值，A是测量矩阵。对水印图像的CS测量应用具有采样因子的下采样过程，其给出水印图像的稀疏数据wSparse。W稀疏¼b×y×7×在上式中，b是采样因子;WSparse是水印图像的稀疏对宿主图像H进行离散余弦变换（DCT），得到DCT系数。对DCT系数进行基于频率缠绕的快速离散曲波变换，得到其曲波系数值C。然后选择高频曲波系数进行水印嵌入。D ¼ dct100000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000●●●●●R. Thanki等人/Journal of King Saud University441.，¼-Þ⁄⁄⁄⁄见图8。拟议方案框图。C¼FDCuT不锈钢9毫米在上述等式中，D是宿主图像的DCT系数;C是W浸提CωHighFrequencyCoefficients1k11C高频系数宿主图像的DCT系数的曲波系数利用水印图像的稀疏数据对宿主图像的高频曲波系数进行修正，将水印信息嵌入到宿主图像中。在上面的等式中，WExtracted是水印图像的稀疏数据在稀疏数据上应用具有采样因子（安全密钥2）的上采样过程以获得水印图像的CS测量W浸提CωHighFrequencyCoefficients<$CHighFrequencyCoefficientsy提取的¼b12ð10Þ在上式中，C是宿主图像的DCT系数的修改曲波系数，k是嵌入因子。应用基于逆频率缠绕的快速离散曲波变换得到宿主图像的修正DCT系数。● 对修改后的DCT系数进行反离散余弦变换（IDCT），得到水印图像H/d。3.2. 水印提取过程从含水印图像中提取水印需要嵌入因子、采样因子、测量矩阵、小波基矩阵和正交矩阵U、V。利用OMP算法从CS测量值中提取小波系数的奇异值。图10示出了所提出的提取过程的框图，并且下面给出了用于水印提取的数学步骤。对水印图像H进行离散余弦变换（DCT），得到修正后的DCT系数.对DCT系数进行基于频率缠绕的快速离散Curvelet变换，得到修正后的Curvelet系数值C。然后得到修正后的高频曲波系数，用于水印的嵌入。使用修改的高频曲波系数和嵌入因子（安全密钥1）提取水印图像的稀疏数据，在上面的等式中，y Extracted是水印图像的CS测量。以测量矩阵A作为安全密钥3，利用OMP算法恢复水印图像的奇异值。提取的Sωw<$OMPy;A13进一步以原始正交矩阵U、V作为密钥4对水印图像的奇异值进行逆奇异值分解，得到水印图像的小波系数xxω提取的¼UwSωwV0w14在上面的等式中，xExtracted是提取的水印图像的稀疏系数最后，利用小波基矩阵的逆变换（密钥为5），将其与提取的小波系数相乘，得到重构的水印图像w/.wω<$Wω×xω提取×W15提取水印图像后，进行水印数据认证.对于主机多媒体数据认证，形成以下两个假设。H0：主机多媒体数据被认证，即，SSIMrx;xωn>sH1：多媒体主机数据是未经认证即，SSIMsx; xωs> s在上面的等式中，s是预定义的阈值，SSIM是相似性指数度量（Wang和Bovik，2004），发现水印数据之间的相似性。●●●●●●●●442R. Thanki等人/Journal of King Saud University见图9。建议的水印嵌入程序框图。图10个。所提出的水印提取过程的框图3.3. 水印攻击水印攻击被用来检查性能和比较不同的水印技术。因此，在本文中，标准水印攻击（Voloshynovskiy等人，2001年）使用。这些攻击分为各种类型，如删除攻击，几何攻击，密码攻击和协议攻击。水印攻击包括加噪滤波攻击、压缩攻击和几何攻击。本文针对被攻击破坏或修改的水印数据，通过用户使用各种安全密钥。如果带水印的数据是安全的，则验证带水印的数据是否未被水印攻击损坏或修改。4. 结果和讨论本节讨论了使用各种多媒体数据（如不同的图像和视频）对所提出的方案进行测试的质量测量。第4.1节讨论了各种测试图像和视频。PSNR、SSIM等质量指标R. Thanki等人/Journal of King Saud University443M×Nx<$1y<$1×SSIM w;wωx1y¼1在第4.2节中讨论了拟议方案。水印攻击对所提出的方案的真实性的影响将在第4.3节中讨论。各种小波包对感知质量和所提出的方案的性能的影响在第4.4节中讨论。性能分析2552峰值信噪比（PSNR）：10 log10MSE：16ms在上述等式中，MSE定义为均方误差，并由下式给出：视频方案在4.5节中讨论。M的比较N在4.6节中讨论了建议方案与现有方案的比较。4.1. 测试图像和视频任何水印方案的性能随不同类型的图像而变化。因此，在本文中，两种不同类型的主机图像，如摄像师图像具有低频系数和女士图像具有高频系数。在图11中，摄像师主图像和女士主图像具有256× 256像素的大小。水印辣椒图像MSE¼1 XXfI<$x;y< $-Iω<$x;y<$g2<$17<$在上面的等式中，I和I/分别是原始宿主图像和水印图像MSE以一般尺度测量，而PSNR以对数尺度测量。PSNR越高，水印的不可感知性越强。利用结构相似性指数测度（SSIM）来度量水印图像与原始水印图像的相似性。SSIM的数学方程如下所示水印图像大 小 为256 × 256像素。水印辣椒图像与不同的主机图像显示PMPNwx;y×wωx;y建议方案的性能Pro的性能对不同的嵌入因子，给出了一种新的格式的q对各种水印攻击，如不同质量因子的JPEG压缩; 2噪声添加，如高斯噪声、椒盐噪声和斑点噪声; 3滤波攻击，如均值、中值、锐化和高斯低通滤波; 4几何攻击，如直方图均衡、旋转和剪切，进行了分析。该方案也被实现和分析的数字视频。在图12中，具有低频率系数的新闻阅读器视频被作为主视频。此视频包含15帧，大小为256 256像素。在第4.5节中讨论了所提出的数字视频方案的性能分析。4.2. 质量措施加水印图像的感知质量通过峰值信噪比（Peak Signal to NoiseRatio，PSNR）来测量（Langelaar等人，2000），并且PSNR的数学方程在下面给出在上面的等式中，w是原始水印图像，w/是重构的水印图像。SSIM值介于0到1之间。当SSIM值为1时，则表明重构的水印图像与原始水印图像完全相似。但SSIM值为0则表明重构的水印图像与原始水印图像不相似4.3. 在各种水印攻击下所提方案的真实性该方案利用水印图像小波系数的奇异值生成压缩感知测度。在该方案中，水印图像的小波系数使用不同的小波包生成。这些CS测量被嵌入到宿主图像的DCT系数的高频曲波系数中。图13示出了带水印的(a)（b）第（1）款（c）（d）见图11。 主持人图像（a）摄影师，（b）女士和水印图像（c）辣椒（d）山鸡。18Þx¼1y¼1x¼1y¼1444R. Thanki等人/Journal of King Saud University第1帧第2帧第3帧第4帧第5第6帧第7帧第8帧第9帧第1011帧12帧13帧14帧15帧见图12。 测试视频，新闻阅读器视频具有低频率系数。(a) 水印摄像师主机图像（b）重建辣椒水印图像(a) 水印的女主人图像（b）重建的辣椒水印图像图13。所提出的方案在没有水印攻击的情况下图十三.所提出的方案没有水印攻击的结果。图像和重建水印图像，而不应用水印攻击的水印图像使用嵌入因子0.02和Sym8小波。在没有水印攻击的情况下，该方案的PSNR值和SSIM值分别为47.19dB和40.51dB，对于摄像头图像和女士图像分别为1.00和1.00。对于生成的所有水印图像，采样因子值b被设置为0.0001攻击和不攻击。对于宿主多媒体数据的认证决定，设置预定义阈值s值0.90. 采样因子b和预定义阈值s的值可以由用户根据自己的要求来决定为了检验水印方案的脆弱性和宿主多媒体数据的认证性，对水印图像进行了各种水印攻击。各种水-R. Thanki等人/Journal of King Saud University445对含水印图像进行了不同质量因子的JPEG压缩、高斯噪声、斑点噪声、椒盐噪声等标记攻击、不同滤波模板的均值滤波、不同滤波模板的中值滤波、不同滤波模板的高斯低通滤波、锐化攻击、直方图均衡化攻击以及旋转攻击、剪切攻击等几何附加攻击JPEG压缩主要用于在介质上传输数据时该技术用于各种应用，例如数据压缩、视频压缩和远程医疗。JPEG压缩标准在图像传输到介质时应用于图像。当JPEG压缩应用于图像时，它会移除图像的高频系数。因此本文对水印图像进行了不同质量因子的JPEG压缩，并对JPEG压缩后的水印图像表1显示了所提出的方案在不同质量因子的JPEG压缩攻击下的性能。表2示出了在噪声添加攻击，如高斯噪声，椒盐噪声和斑点噪声。表3至5显示了所提出的方案在各种滤波器攻击下的性能，例如中值滤波器，均值和高斯低通滤波器，具有不同大小的滤波器掩码。表6显示了所提出的方案在各种攻击下的性能，如锐化，直方图均衡化，几何攻击，如旋转和裁剪。针对摄像师主图像和女士主图像的不同嵌入因子，在各种水印攻击下所提出的方案的分析示于表2和表6中。结果表明，在所有水印攻击下，重构水印图像的SSIM值均接近于零。当对水印图像进行攻击时，SSIM值小于预定义阈值s值0.90。当对水印图像施加任何攻击或操纵时，基于表1中提到的SSIM值，水印图像的提取是不可能的，六、这表明该方案具有脆弱性。表1根据重构水印的SSIM值，对所提出的方案在各种水印攻击下的性能进行了分析基于嵌入因子的JPEG压缩攻击判定Q= 20Q= 40Q= 60Q= 80摄影师主持形象0.020.000040.000030.000010.00002未经认证0.030.000210.000040.000060.00001未经认证0.040.000100.000360.000190.00004未经认证0.050.000250.000040.000550.00014未经认证女主人形象0.020.000930.000700.000010.00013未经认证0.030.000710.000550.000760.00410未经认证0.040.004900.000440.000460.00220未经认证0.050.000670.000630.000850.00300未经认证表2建议方案与现有方案的比较嵌入因子加噪攻击关于主机映像认证的高斯噪声（方差= 0.001）椒盐噪声（方差=0.005）斑点噪声（方差=0.004）摄影师主持形象0.020.000090.000080.00035未经认证0.030.000020.000040.00014未经认证0.040.000100.000040.00009未经认证0.050.000410.000070.00006未经认证女主人形象0.020.000430.000140.00049未经认证0.030.000120.000390.00001未经认证0.040.001100.000210.00005未经认证0.050.002100.000100.00030未经认证表3根据重构水印的SSIM值，分析了不同嵌入因子对JPEG压缩攻击的嵌入因子中值滤波攻击关于主机映像认证的摄影师主持形象掩模尺寸=3×3掩模尺寸=5×5掩模尺寸=7×70.020.000040.000830.00006未经认证0.030.000510.000400.00010未经认证0.040.000000.000420.00011未经认证0.050.000270.000060.00005未经认证女主人形象0.020.000250.000550.00034未经认证0.030.000270.000120.00022未经认证0.040.000230.000320.00072未经认证0.050.000080.000210.00024未经认证446R. Thanki等人/Journal of King Saud University表4根据重构水印的SSIM值，分析了不同嵌入因子对加噪攻击的嵌入因子均值滤波攻击关于主机映像认证的摄影师主持形象掩模尺寸=3×3掩模尺寸=5×5掩模尺寸=7×70.020.000340.000690.00016未经认证0.030.003800.000150.00280未经认证0.040.000090.000010.00018未经认证0.050.006300.000130.00110未经认证女主人形象0.020.000050.001300.00045未经认证0.030.001900.000120.00100未经认证0.040.014200.007200.00030未经认证0.050.000330.001300.00000未经认证表5根据重构水印的SSIM值，研究了不同嵌入因子和不同滤波器掩码对水印嵌入性能的影响基于嵌入因子的高斯低通滤波攻击判定摄影师主持形象掩模尺寸=3×3掩模尺寸=5×5掩模尺寸=7×70.020.000340.000020.00003未经认证0.030.000060.000280.00071未经认证0.040.000010.000030.00001未经认证0.050.002000.000410.00005未经认证女主人形象0.020.000250.000050.00044未经认证0.030.000490.028800.00058未经认证0.040.001200.007300.00035未经认证0.050.002800.011700.00120未经认证表6根据重构水印的SSIM值，研究了不同嵌入因子和不同滤波器掩码对水印的均值滤波攻击性能嵌入因子锐化直方图均衡旋转（90°）种植（10%）关于主机映像认证的摄影师主持形象0.020.000090.000240.000120.00006未经认证0.030.000550.000120.000040.00076未经认证0.040.000040.000090.000050.00005未经认证0.050.000370.000160.000070.00089未经认证女主人形象0.020.003300.000000.004000.00160未经认证0.030.000020.000140.000620.00089未经认证0.040.000200.000250.002900.00013未经认证0.050.000160.000250.001600.00006未经认证该方案可用于任何数字图像的版权归属或认证。4.4. 不同小波包的感知质量和性能该方案利用小波变换生成水印图像的稀疏系数稀疏系数-表7根据重构水印的SSIM值，研究了不同嵌入因子和不同滤波器掩码对水印嵌入性能的影响。嵌入因子小波是基本小波，最简单，非对称和正交，0.04 33.49 33.100.05 30.27 31.25 31.85也是双正交的。 Bior6.8小波是双-正交性和对称小波。 Sym8小波是一种新小波，具有近对称性、正交性和双正交性。表7给出了上述三种小波包的水印图像质量，没有应用任何水印攻击。PSNR值分别主机图像。实验结果表明，PSNR值大于30 dB，符合水印算法的HVS特性。分析表明，该方案对所有类型的小波包都具有相同的性能。利用不同的小波变换生成水印图像0.0438.3637.9235.03例如对称小波、非对称小波、正交小波、0.0535.9932.9832.14nal小波和双正交小波。三种小波如女主人形象Haar、Bior 6.8和Sym8用于生成稀疏系数。0.0238.7338.4840.51的水印图像的centions在这个建议的计划。 的Haar0.0336.4435.3136.68HaarBior6.8Sym8摄影师主持形象0.0249.4244.1247.190.0344.3741.8842.78R. Thanki等人/Journal of King Saud University4474.5. 视频传输方案的性能分析本节讨论了所提出的数字视频方案的性能分析为了实现所提出的视频方案，第一数字视频被分解成各种帧。然后利用提出的水印嵌入过程将水印
