基于運動矢量的H.264信息隱藏算法

蘇育挺，張新龍，張承乾，張 靜

(天津大學電子信息工程學院，天津 300072)

基于運動矢量的H.264信息隱藏算法

蘇育挺，張新龍，張承乾，張 靜

(天津大學電子信息工程學院，天津 300072)

提出了一種基于H.264的視頻信息隱藏算法．該算法引入菱形編碼，通過輕微調(diào)制運動矢量實現(xiàn)信息的嵌入過程．菱形編碼不僅可以有效減少運動矢量修改率，同時可以提高嵌入容量．在嵌入過程為減少信息嵌入對碼率和視頻圖像質(zhì)量的影響，選擇紋理復雜區(qū)域和較大運動矢量為嵌入點．實驗結(jié)果表明，該算法在確保良好視頻質(zhì)量的條件下，可以滿足大容量信息嵌入的要求，對壓縮碼率的影響較小．

運動矢量；H.264；菱形編碼；嵌入容量；信息隱藏

近年來多媒體技術(shù)的快速發(fā)展及互聯(lián)網(wǎng)的普及給人們帶來種種便利，同時也頻頻發(fā)生多媒體信息的非法利用問題，因此網(wǎng)絡環(huán)境下的信息安全問題日益突出．信息隱藏技術(shù)作為解決信息安全問題的一種重要手段在20世紀末迅速發(fā)展起來，一方面它有助于解決和防止數(shù)字化信息被篡改、仿造、盜版和攻擊，另一方面可以作為傳遞特定信息的附加信道．多媒體信息隱藏技術(shù)的研究和應用中，以數(shù)字視頻為宿主媒體的情況非常廣泛．H.264作為新一代的視頻壓縮編碼標準，有著優(yōu)異的壓縮性能和視頻質(zhì)量，因此在網(wǎng)絡視頻、高清數(shù)字電視、視頻實時通信等領(lǐng)域都得到了廣泛的應用．現(xiàn)有的針對H.264/AVC的信息嵌入方法主要包括基于量化或未量化的整數(shù)變換系數(shù)實現(xiàn)信息嵌入[1-3]，基于幀內(nèi)預測模式進行信息隱藏[4]和利用運動向量進行信息嵌入[5-7]．

Kutter等[5]首先提出了利用運動矢量實現(xiàn)信息隱藏的方法，他們通過輕微地調(diào)整運動矢量的奇偶性使之滿足奇數(shù)運動矢量代表1，偶數(shù)運動矢量代表0，從而實現(xiàn)信息隱藏．但是這種算法在嵌入過程中忽略了運動矢量改變所帶來的影響，導致載密視頻的輸出碼率明顯增大，所以文獻[6-9]在此基礎(chǔ)上提出了各種改進算法，他們或者選擇幅值較大的運動矢量，或者選擇相角較小的運動矢量，或者通過判斷運動矢量的相角來選擇需要修改的分量，或者通過修改H.264運動矢量1/4像素值搜索位置的奇偶性來進行信息隱藏．總而言之，這些改進算法都在一定程度上減弱了對視頻碼率的影響，但也正是由于他們有選擇地判斷和修改運動矢量，導致算法的嵌入容量也隨之降低．

為了實現(xiàn)輸出碼率和嵌入容量的權(quán)衡，本文引入菱形編碼，通過菱形編碼對運動矢量進行調(diào)制，既可以改善碼率顯著增加的缺點，又保證了有很好的嵌入容量．

1 H.264的幀間預測編碼

H.264幀間預測不同于以往編碼標準的地方在于擴大了塊尺寸范圍(16×16～4×4)，采用了亞像素運動矢量(亮度成分采用1/4像素精度，色度成分采用1/8像素精度)[10]以及使用了多參考幀．

H.264編碼中，每個宏塊(16×16像素)可以按以下4種方式進行分割：1個16×16，或2個16×8，或2個8×16，或4個8×8．而8×8的模式還可以進一步分割：1個8×8，或2個8×4，或2個4×8，或4個4×4，如圖1所示．這種分割方式提高了宏塊之間的關(guān)聯(lián)性，減少了預測之后的殘差數(shù)據(jù)．

圖1 宏塊及子宏塊分割Fig.1 Partitions of macroblock and sub-macroblock

H.264/AVC編碼器通過最小化Lagrangian代價函數(shù)來實現(xiàn)對每一個宏塊分割模式的選擇．當前宏塊的最優(yōu)分割模式應當使得編碼后的Lagrangian代價函數(shù)值modeJ最?。?/p>

式中：λmode為Lagrangian參數(shù)；Drec(Sk,Ik|Q)為編碼后比特流的比特率，即碼率；Rrec(Sk,Ik|Q)為編碼后失真度；Sk表示第k個宏塊；Ik為相應宏塊的編碼模式；Q為量化值[11]．

H.264幀間編碼宏塊或者子宏塊都是由參考幀中相同尺寸的區(qū)域預測得到的，它們都有一個獨立的運動矢量，這些運動矢量和分割的模式一起被編碼傳輸?shù)奖忍亓髦校畬τ诖蟮姆指畛叽缍裕Ｊ竭x擇和分割類型只需要少量的比特，但是運動補償殘差在細節(jié)區(qū)域的能量將非常高．而對小尺寸分割而言，運動殘差補償能量較低，但是表示運動矢量和分割類型則需要大量的比特．因此，大的分割尺寸適合平坦區(qū)域，而小的分割尺寸則多適用于細節(jié)區(qū)域．

2 基于運動矢量的信息隱藏算法

本文提出了一種通過菱形編碼來調(diào)制運動矢量的大容量信息隱藏算法．隱藏算法和壓縮編碼過程相結(jié)合，具體算法流程如圖2所示，對于P幀和B幀編碼宏塊，首先通過優(yōu)化Lagrangian代價函數(shù)選擇宏塊分割類型，對每個子宏塊分別進行運動估計，得到運動矢量，同時選出適合隱藏信息的運動矢量，然后通過菱形編碼對運動矢量做輕微地調(diào)制，在菱形編碼的同時實現(xiàn)了信息的嵌入．最后，利用修改后的運動矢量進行運動補償，將殘差信號進行編碼傳輸．

圖2 基于菱形編碼的信息隱藏方案Fig.2Information hiding scheme based on diamond coding

2.1 菱形編碼

通過菱形編碼，能夠?qū)崿F(xiàn)在一個向量中隱藏一個2k2+2k+1進制的數(shù)，其中k為菱形編碼參數(shù)．

假設(a, b)、(p, q)是兩個向量，k是一個正整數(shù)值．集合Sk(p, q)代表所有到向量(p, q)的距離不大于k的向量(a, b)的集合，即

Sk中的每個向量都被稱為向量(p, q)的鄰域向量．圖3給出了k=1和k=2時Sk的情況．

圖3 菱形編碼模型Fig.3 Model of diamond coding

Sk代表集合Sk中元素的數(shù)目，計算式為

式中：S1=5；S2=13．

菱形編碼通過引入一個菱形函數(shù)來計算向量(p, q)的菱形特征值(DCV)．計算方法為

其中l(wèi)=Sk．菱形特征值有兩個重要的特點：①向量(p, q)的菱形特征值屬于{0,1,2,…,l-1}；②集合Sk(p, q)中任意兩個向量的菱形特征值都互不相同．假設Ek代表要嵌入的l進制數(shù)值，則Ek必定屬于{0,1,2,,1}l-…．因此，菱形特征值(,)f p q和kE之間的模距離可以定義為

根據(jù)式(4)，對于每個參數(shù)k，都可以構(gòu)建一個距離模型kD．在圖4中列出了幾個典型的kD．

圖4 距離模型Fig.4 Model of distance

根據(jù)dk選擇對應的鄰域向量(p′, q′)使之來替換原始向量(p, q)．鄰域向量(p′, q′)也是集合Sk(p, q)中的一員，并且(p′, q′)的菱形特征值正好等于嵌入信息Ek．因此可以通過式(5)來正確地提取隱藏信息值．

由式(1)可知，在集合Sk中到向量(p, q)的最遠距離即為k，因此菱形編碼算法能保證在嵌入信息Ek時，向量(p, q)的失真不會超過k．H.264對運動矢量采用1/4像素精度，所以本算法的最大失真為k/4像素．由于隱藏信息可以轉(zhuǎn)換成l=2k2+2k+1進制的數(shù)，所以參數(shù)k既決定了嵌入容量，又決定了運動矢量的修改程度，而運動矢量的改變對碼率有直接影響．由以上分析可知，k值越大，隱藏容量越大，對運動矢量的修改程度也越大，對視頻質(zhì)量和碼率的影響也越來越大，因此參數(shù)k的選擇應該根據(jù)需要在嵌入容量和碼率之間權(quán)衡判斷．為保證隱藏操作對視頻碼流的影響較小，本文選擇了k=1和k=2的情況進行討論．

2.2 信息隱藏點的選取

運動矢量是隱藏信息的一個很好的載體，但是并不是所有的運動矢量都適合進行信息隱藏[6]．如果對運動矢量不加以篩選就進行信息隱藏，一方面會導致碼率增加比較大，另一方面會導致重建視頻畫面出現(xiàn)一定程度的視覺失真[6-7]，所以本文采用了一種宏塊分割類型與運動矢量閾值相結(jié)合的方式來選擇信息隱藏點．根據(jù)人眼視覺系統(tǒng)在時間域上的掩蔽效應，人眼對運動劇烈區(qū)域的輕微失真不敏感，本算法采用在大的分割尺寸中選擇大的運動矢量閾值，在小的分割尺寸中選擇相對較小的閾值，如式(6)所示．只有運動矢量VM的水平分量VXM和垂直分量VYM的幅值都大于閾值的時候，才能作為候選運動矢量，如式(7)所示．一般情況下，閾值越大，隱藏信息的不可見性越好，但是嵌入容量也相應地降低．相反，閾值越小，隱藏信息的不可見性越差，但是嵌入容量會增加．所以可以根據(jù)實際嵌入容量的需要來選取不同的閾值．由于跳過的塊(Skipped)中沒有運動殘差(MVD)，只有預測運動矢量，如果在其中隱藏信息，隱藏信息不會被編碼傳輸，從而造成隱藏信息的丟失，所以在跳過的塊中不進行信息隱藏．

式中T0、T1、T2為根據(jù)不同宏塊類型設定的不同閾值，且T0＞T1＞T2，在大量實驗的基礎(chǔ)上，本文選取T0、T1、T2分別為4、3、2．

式中MVX和MVY為運動矢量MV的水平和垂直分量的絕對值．

2.3 信息嵌入過程

(1) 計算選定運動矢量的菱形特征值f．

(2) 將隱藏信息的二進制序列轉(zhuǎn)換成l進制數(shù)Ek．

(3) 計算菱形特征值與隱藏信息值的模距離dk.

(4) 在模距離模型中搜索使f( MV′X,MV′Y)=dk的新的運動矢量(MV′X,MV′Y)，并檢查MV′X和MV′Y的幅值是不是同時滿足大于設定的閾值．如果是，用它替換原來的運動矢量并進行編碼傳輸；如果不是，保留嵌入信息，留待下一個運動矢量再次嵌入．

(5) 檢查嵌入信息是否嵌入完畢，如果不是，返回步驟(1)繼續(xù)嵌入，否則繼續(xù)進行編碼．

2.4 信息提取過程在解碼端，可以獲取宏塊類型和相應的運動矢量. (1) 判斷宏塊類型并根據(jù)式(6)和式(7)判斷相應的閾值．

(2) 計算該宏塊或者子宏塊的運動矢量．

(3) 檢查VXM′和VYM′是否同時滿足大于設定的閾值．如果不滿足，跳過該宏塊或者子宏塊，選擇下一個宏塊．否則通過式(10)計算該運動矢量的菱形特征值，也就是隱藏信息的l進制數(shù)值．

(4) 將計算得到的l進制數(shù)值轉(zhuǎn)換成二進制序列，就是原始隱藏信息．

(5) 計算下一個宏塊的運動矢量，直到所有隱藏信息全部提取完畢．

3 實驗結(jié)果分析比較

本算法在JM17.2[12]上實現(xiàn)了信息的隱藏和提取過程．文中對11組標準序列進行了測試，這些序列既包含畫面運動劇烈序列，也包含畫面運動緩慢序列．隱藏信息是經(jīng)過置亂加密的偽隨機序列，即｛0，1｝．表1為編碼器的一些基本參數(shù)．

表1 編碼器的基本參數(shù)Tab.1 Basic parameters of encoder

圖5分別列出了原始視頻、本算法、文獻[8](MVCA)和文獻[9](MEQP)算法嵌入信息后的視頻圖像，從主觀視覺上完全無法察覺視頻有信息隱藏的痕跡．

圖6給出了Stefan序列(0T、1T、2T分別為4、3、2)以及在增大運動矢量閾值(0T、1T、2T分別為5、4、3)的情況下每幀的信噪比(PSNR)．從中可以看出本算法對PSNR的影響很小，兩種情況下最大分別為0.037%和0.162%．表2列出了原始視頻、本算法、MVCA和MEQP算法亮度通道的PSNR變化情況，從中可以看出本算法對PSNR的影響都十分有限，對峰值信噪比的影響在k=1時最大為0.045,3%，k=2時最大為0.177,6%，個別視頻還出現(xiàn)了PSNR增加的情況．這就說明本算法在視頻內(nèi)容的修改上無論是從主觀視覺還是從客觀分析都有一個很好的性能，對保持隱藏信息的不可見性有一個很好的保證．3種算法在對PSNR的影響方面不相伯仲．

圖5 視頻第15幀主觀比較Fig.5 Visual comparison of the 15th frame

圖6 Stefan序列亮度分量信噪比Fig.6 Luma PSNR of Stefan video

表2 PSNR的比較Tab.2 Comparison of PSNR

但是本算法的優(yōu)勢在于有較大的信息容量．表3為本算法與MVCA和MEQP算法在信息嵌入容量方面的比較結(jié)果．從表中可以看出本算法的嵌入容量遠遠大于MVCA和MEQP，且隨著k值的增加，信息容量也不斷增加．同時視頻內(nèi)容對信息容量也有著一定的影響，在視頻序列的畫面運動比較劇烈的情況下(如Stefan序列)，本算法在k=1時嵌入容量(18,620,bit)接近MVCA(9,444,bit)和MEQP (9,538,bit)效果的2倍．而在視頻序列畫面運動緩慢的情況下(如Waterfall序列)，本算法(878,bit)也要優(yōu)于MVCA(604,bit)和MEQP(657,bit)．因此，視頻內(nèi)容運動越劇烈，嵌入容量越大，相反嵌入容量越小.這是因為在畫面運動劇烈的視頻中運動矢量的幅值較大，包含更多的信息隱藏點，有利于信息隱藏；而在畫面運動緩慢的視頻序列中跳過的塊比較多，不利于實現(xiàn)信息的隱藏．

表3 信息容量的比較Tab.3 Comparison of information capacity

此外，本算法對輸出比特率的影響也是可以接受的．圖7為Stefan序列(0T、1T、2T分別為4、3、2)以及在增大運動矢量閾值(0T、1T、2T分別為5、4、3)的情況下每幀的比特率，從中可以發(fā)現(xiàn)在8～22幀之間比特率比較高，這是因為這幾幀正是視頻內(nèi)容中運動劇烈的時候，對運動矢量修改量有所增加，從而導致了輸出比特率的升高．表4列出了原始視頻以及3種算法的輸出比特率的情況．由于3種算法均采用的是修改運動矢量的方法來進行信息隱藏，所以皆會導致輸出比特率有一定的增加，但都保持在一個合理的范圍之內(nèi)．Mobile序列在本算法k=1時比特率的增加為4.463%，雖然比MVCA的1.399%和MEQP的2.140%要高，但是從表3可知其嵌入容量卻是MVCA和MEQP的2倍多，在保證大容量嵌入的同時，控制比特率在可接受的范圍之內(nèi)．

圖7 Stefan序列比特率Fig.7 Bitrate of Stefan video

表4 比特率的比較Tab.4 Comparison of Bitrate

從圖5～圖7以及表2～表4分析得出本算法不會造成視頻圖像質(zhì)量的感知失真．同時通過比較圖7(a)和7(b)還可以發(fā)現(xiàn)隨著運動矢量閾值的增大，本算法對Stefan序列比特率的影響由原來的3.323%降到1.832%，但嵌入容量也會相應下降．不過相比于MVCA(13,203,bit)和MEQP(12,993,bit)，在增大運動矢量閾值(0T、1T、2T分別為5、4、3)時本算法的(17,878,bit)還是有優(yōu)勢的．

4 結(jié) 語

本文提供了一種基于運動矢量的H.264視頻的信息隱藏和盲提取算法．本算法通過對不同宏塊類型賦予不同的閾值來進行信息隱藏點的選擇，同時引入菱形編碼，減少運動矢量修改率，提高嵌入容量．實驗結(jié)果表明本算法在提高了嵌入容量的同時又保證了視頻質(zhì)量和隱藏信息的不可見性．

［1］ Shahabuddin S，Iqbal R，Shirmohammadi S，et al. Compressed-domain temporal adaptation-resilient watermarking for H.264 video authentication[C]// IEEE International Conference on Multimedia and Expo，2009. ICME 2009. New York，USA，2009：1752-1755.

［2］ Mansouri A，Aznaveh A，Torkamani-Azar F，et al. A low complexity video watermarking in H. 264 compressed domain[J]. IEEE Trans on Information Forensics and Security，2010，5(4)：649-657.

［3］ Zhang Jing，Ho A，Qiu Gang，et al. Robust video watermarking of H.264/AVC[J]. IEEE Trans on Circuits and Systems，2007，54(2)：205-209.

［4］ 胡 洋，張春田，蘇育挺. 基于H. 264/AVC的視頻信息隱藏算法[J]. 電子學報，2008，36(4)：690-694.

Hu Yang，Zhang Chuntian，Su Yuting. Information hiding algorithm based on H.264/AVC video[J]. Chinese Journal of Electronics，2008，36(4)：690-694(in Chinese).

［5］ Kutter M，Jordan F，Ebrahimi T. Proposal of a Watermarking Technique for Hiding/Retrieving，Data in Compressed and Decompressed Video[R]. Technical Report M2281，ISO/IEC Document，JTCI/SC29/WG11，1997.

［6］ Fang Dingyu，Chang Longwen. Data hiding for digital video with phase of motion vector[C]// Proceedings of IEEE International Symposium on Circuits and Systems. Island，Kos，2006：1422-1425.

［7］ Wu Guozheng. Motion vector and mode selection based fragile video watermarking algorithm[C]// 2011 IEEE International Conference on Anti-Counterfeiting，Security and Identification(ASID). Xiamen，China，2011：73-76.

［8］ Xu Changyong，Ping Xijian，Zhang Tao. Steganography in compressed video stream[C]// Proceedings of the First International Conference on Innovative Computing，Information and Control，ICICIC’06. Beijing，China，2006：269-272.

［9］ Xu Dawen，Zhu Hongliu，Wang Rangding. Information hiding algorithm for H.264 based on the motion estimation of quarter-pixel[C]// IEEE 2nd International Conference on Future Computer and Communication. Wuhan，China，2010：423-427.

［10］ Sampath K Bavipati，Su Xiao. Secure compressed domain watermarking for H.264 video[C]//Seventh International Conference on Information Technology. Las Vegas，NV，USA，2010：387-391.

［11］ 侯春萍，倪春亞，侯永宏. 基于EWF的H.264視頻流UEP傳輸方案[J]. 天津大學學報，2012，43(4)：309-314.

Hou Chunping，Ni Chunya，Hou Yonghong. Unequal error protection transmission scheme for H. 264 video streams based on EWF[J]. Journal of Tianjin University，2012，43(4)：309-314(in Chinese).

［12］ H.264/AVC Joint Model 17. 2(JM-17. 2)[EB/OL]. http：//iphone. hhi. de，2011-05-03.

(責任編輯：金順愛)

Steganography Algorithm Based on Motion Vectors of H.264

Su Yuting，Zhang Xinlong，Zhang Chengqian，Zhang Jing
(School of Electronic Information Engineering，Tianjin University，Tianjin 300072，China)

A steganography algorithm based on motion vectors of H.264 is proposed in this paper. The algorithm introduces the diamond coding to achieve information hiding by a slight modulation of motion vectors. The diamond coding can not only effectively reduce the modification rate of motion vectors but also improve the embedding capacity. In the embedding process, in order to reduce the effects of information embedding on bit rate and video image quality, regions with complex textures and larger motion vectors are selected as the embedded points. Experimental results show that the algorithm ensures good video quality and large embedding capacity, with little effects on bit rate.

motion vectors；H.264；diamond encoding；embedding capacity；video steganography

TN919

A

0493-2137(2014)01-0067-07

10.11784/tdxbz201204059

2012-04-26；

2012-09-20.

國家自然科學基金資助項目(61170239)；天津大學自主創(chuàng)新基金資助項目．

蘇育挺（1972— ），男，教授，ytsu@tju.edu.cn.

張承乾，zhangcqj@tju.edu.cn.