融合三维卷积与双树复小波变换的数字视频鲁棒水印算法

《Scientific Reports》：Digital video watermarking algorithm integrating 3D convolution and DT-CWT

　　

摘要

随着数字视频在版权保护和多媒体安全领域的广泛应用，在保持视频质量的同时嵌入鲁棒且不可感知的数字水印仍然是数字视频应用中的关键挑战。因此，本研究提出了一种融合三维卷积与双树复小波变换（DT-CWT）的数字视频水印算法。与现有的基于卷积神经网络的小波变换水印方法不同，这些方法主要将DT-CWT作为静态频域预处理手段，本方法通过三维卷积网络对DT-CWT子带特征进行跨帧和时空维度的联合建模。基于密集特征融合与注意力引导机制的协同作用，该方法在频域和时域一致性维度上实现了自适应水印嵌入。在训练过程中采用可微分压缩仿真模拟H.264编码，以感知实际编码中的失真分布，从而提高水印在真实压缩环境中的稳定性。在公开可用的UWG数据集上的实验结果表明，所提算法在多项指标上取得了显著的性能提升。消融实验显示，完整模型达到了41.8 dB的峰值信噪比和0.985的结构相似性指数，验证了关键模块的重要性。对比实验表明，经过100次训练迭代后，所提算法在测试集上的误码率为0.22，同时在多种典型攻击下保持96%以上的识别率。该方法对缩放、裁剪、旋转和高斯噪声等攻击具有更强的抵抗能力。与对比方法相比，本方法的峰值信噪比平均提高了约2-4 dB，结构相似性指数提高了约0.03-0.06。此外，视频多方法评价融合指数提高了约6-12个点。所提算法在保持视频质量的同时显著增强了水印的鲁棒性和稳定性，提供了一种高性能的实用解决方案。