近期，信息學(xué)院王晗副教授課題組在人工智能領(lǐng)域期刊《Neurocomputing》（中科院期刊分區(qū)表大類二區(qū)TOP，影響因子6.0），發(fā)表了題為“Hide and Track: Towards Blind Video Watermarking Network in Frequency Domain”的學(xué)術(shù)論文，第一完成單位為北京林業(yè)大學(xué)。
目前，運用卷積神經(jīng)網(wǎng)絡(luò)在視頻中嵌入和提取水印是視頻數(shù)字水印領(lǐng)域中較為新穎的研究方向。但是目前大部分方法借助RGB彩色空間隱藏水印，水印隱藏容量和水印不可見性存在瓶頸，在應(yīng)對時序裁剪、幀置亂等時序攻擊時水印提取準確率得不到保證。針對以上問題，課題組提出了一種基于頻域分塊選擇機制的魯棒視頻水印網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示，該網(wǎng)絡(luò)由編碼部分和解碼部分組成，編碼部分將水印隱藏在視頻頻域的適當位置，以確保水印的視覺不可感知性；解碼部分在頻域跟蹤水印，以確保即使視頻遭受攻擊后發(fā)生失真也能完整地提取水印內(nèi)容。實驗結(jié)果表明，該方法在不可感知性和魯棒性方面均優(yōu)于現(xiàn)有方法，PSNR達到了37.59dB，LPIPS達到了1.12×10?2，在多種時序攻擊下的水印提取準確率達到99%。
視頻水印網(wǎng)絡(luò)的結(jié)構(gòu)圖
該論文基于魯棒視頻數(shù)字水印技術(shù)研究，提出一種基于頻域分塊選擇機制的魯棒視頻水印方法，有效解決了實際場景中視頻數(shù)字水印方法在面對來自壓縮域、空間域和時序等多種攻擊類型時如何準確提取水印內(nèi)容的問題，為視頻版權(quán)保護提供了參考解決方案。
論文鏈接：https://www.sciencedirect.com/science/article/pii/S0925231224002066
