1、“.....因此，首先用原始水印码对解码帧中选中系数进行加倍，再计算其总和，最后将该结果与阈值比较，即可实现水印检测。返回式，可得广义随机变量是广义高斯分布随机变量加权和。假设系数具有独立性，中心极限定律表明该总和接近于高斯分布均值和方差。因此，假说中服从，假说中服从。式乘以可使高斯分布归化，再替换可得其中，阈值图与概率密度中，服从，。中，服从。注意，也是个充分统计量。上述两个概率分布如图所示。两个概率密度均值间距离。为评估水印检测器性能，需计算检测概率和虚警概率中给出了颜色空间中域量化矩阵，我们用它得到域量化矩阵。实际视觉阈值，是量化步长，大小半。利用亮度掩蔽和对比度掩蔽这两个方面影响，获得依赖图像量化矩阵。如下所示幂函数是亮度掩蔽简单近似解式中是显示亮度均值所对应直流系数，是区域直流系数，控制掩蔽发生程度。按照参考文献中令，最终......”。

2、“.....掩蔽阈值由对比度阈值决定式中，在，之间，按照参考文献令，。这种依赖图像方式保证了每个误差都在阈值之内。此外，沃森指出误差能见度不单基于最大误差能见度，而是反映了区域内不同频率各种误差。水印在不同频率和区域内传播以减小误差合并，之前感知水印算法，从未考虑这点。三算法提出本文计算了区域中每个系数，掩蔽误差视觉阈值，这阈值除以该区域量化步长得到值，该值决定了系数水印码容量我们将用于水印嵌入具有视觉容量系数集即容量大于表示为在中所有系数均插入水印码将产生明显伪影。参考文献算法是在中大于视觉阈值系数中嵌入水印，但这在很大程度上限制了嵌入水印比特数。若要在视频帧中嵌入更多水印码，则要增加视觉模型中规定掩蔽影响参数和，。危险是，这可能需要从掩蔽中承担比实际更大收益，进而导致可见视觉伪影，并且水印码位置将更容易确定，从而导致该算法应对攻击鲁棒性降低......”。

3、“.....密匙控制该选择过程。该算法产生个包含水印码真实位置信息控制板，它将被用于水印检测，这个控制板可以看作自动生成确认号码或密码。由于该系数选择算法被个密匙控制，所以攻击者无法知道中水印系数真实位置，如果要确信水印被消除，攻击者需要修改中大多数系数，但这也将导致可见伪影。本文设计系数选择算法可以在不同频率和区域中传播水印。密匙对每个区域中所有系数进行排名，为使水印码在频率上传播，通常给嵌入系数越少水印以更高排名，并且只在幅值大于阈值系数中嵌入水印。这种算法通过限制嵌入每个区域水印码个数实现在不同区域中水印码传播。该策略个优势是，通过提高或降低可以容易地提高水印有效载荷。实验表明，由于误差合并影响得到限制，所以适当放宽这些阈值，可以在不影响视觉质量同时增加所嵌入水印码数目。此外，依赖于纹理和时域掩蔽......”。

4、“.....本算法初步尝试获得大有效载荷同时减小误差合并，为发展出更理想更安全技术，依然需要深入研究。图为本文所提出算法架构。图本文所述水印系统架构若忽略框图中最上方通路，则成为编码器结构。当前帧中每个宏块都由帧内或帧间预测模式预测所得，当前宏块和预测信号间差异就是残差，残差经变换量化重新排序和熵编码，最终写入码流。编码器中有条重建当前帧反向路径，本文所述算法在编码器中嵌入水印，感知模型运用原始视频帧找到具有水印容量系数位置，系数选择算法从这些系数中选出个子集，水印码叠加在这些位置量化后残差上。在压缩视频中嵌入水印有两种不同方案。种是在编码器中嵌入水印，此时，水印引起误差可以在之后预测中校正，并且误差不会在帧和帧中传播。保证高感知质量同时，该方案可以在压缩视频中嵌入更多水印码。但是从已添加水印视频帧预测得到视频帧，其比特率将增加。本文所讨论就是这种方案......”。

5、“.....这种方案中，误差将在帧和帧中传播，相对于视频比特率增加来说，维持高视觉质量难度更大。传播中误差可以用漂移补偿信号来弥补。四水印嵌入本文提出在帧量化残差中嵌入水印信息。因此只有熵编码需要嵌入水印，使得水印嵌入算法计算复杂度有所降低。我们使用个具有均值为方差为双极水印∈，。若已解码视频或重新编码过程受到简单攻击，则随着宏块预测模式改变，残差将改变。但线性特性保证了水印依然呈现在已解码视频序列中，而且仍有很高概率可以检测到它。若用表示原始像素值，表示预测值，表示残差，所对应值分别用和表示。假定是个系数，则，和分别表示量化加水印和受到攻击时系数。预测值和残差之和等于原始像素值，以式表示由线性特性可得水印嵌入到已量化残差中有和所以水印叠加到已量化残差上，类似于将量化步长大小叠加在原始系数上......”。

6、“.....残差和预测值将发生改变，即。但如果视频质量仍可以接受，就有，并且依然可以从解码视频序列中提取出水印。五水印检测水印检测是个经典检测问题，种假说认为水印存在，另种假说认为水印不存在。检测水印需要在这两个假说中选择其。两种假说下观察如下式中，表示所选中视频帧系数是视频编码器为该系数选中量化步长大小是从双极水印序列∈，选择出水印码，均值为零方差为。为简便起见，本部分中使用下标和，下标表示第个水印码或第个系数。直流系数符合广义高斯分布可以表示为其中是函数。当时，恰好成为直流系数。当时，为标准高斯分布。理想检测器与似然比相比较可得阈值式中η控制漏检和虚警之间平衡。假设嵌入水印系数具有统计独立性，以联合概率密度代替式中似然比可得化简后得式中，表示从视频中选择系数个数，。所产生水印码和按照量化步长大小等比例缩小系数，两者之和是个充分统计量......”。

7、“.....已知充分统计量值等同于已知。因此，首先用原始水印码对解码帧中选中系数进行加倍，再计算其总和，最后将该结果与阈值比较，即可实现水印检测。返回式，可得广义随机变量是广义高斯分布随机变量加权和。假设系数具有独立性，中心极限定律表明该总和接近于高斯分布均值和方差。因此，假说中服从，假说中服从。式乘以可使高斯分布归化，再替换可得其中，阈值图与概率密度中，服从，。中，服从。注意，也是个充分统计量。上述两个概率分布如图所示。两个概率密度均值间距离。为评估水印检测器性能，需计算检测概率和虚警概率，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，中给出了颜色空间中域量化矩阵，我们用它得到域量化矩阵。实际视觉阈值，是量化步长，大小半......”。

8、“.....获得依赖图像量化矩阵。如下所示幂函数是亮度掩蔽简单近似解式中是显示亮度均值所对应直流系数，是区域直流系数，控制掩蔽发生程度。按照参考文献中令，最终，区域系数，掩蔽阈值由对比度阈值决定式中，在，之间，按照参考文献令，。这种依赖图像方式保证了每个误差都在阈值之内。此外，沃森指出误差能见度不单基于最大误差能见度，而是反映了区域内不同频率各种误差。水印在不同频率和区域内传播以减小误差合并，之前感知水印算法，从未考虑这点。三算法提出本文计算了区域中每个系数，掩蔽误差视觉阈值，这阈值除以该区域量化步长中文字毕业设计论文外文资料翻译学院系专业姓名学号外文出处，，，附件外文资料翻译译文外文原文。指导教师评语签名年月日注请将该封面与附件装订成册。用外文写附件外文资料翻译译文种针对编码视频具有可控检测性能鲁棒性水印机制摘要随着格式数字视频逐渐普及......”。

9、“.....本文提出了种为视频添加鲁棒性水印算法。在限制视觉失真同时，采用适合于离散余弦变换域人类视觉模型，提高算法有效载荷和鲁棒性。利用与密匙相关算法选择具有视觉水印容量系数个子集，使水印遍布各频率并在区域内传播以避免误差合并，这样，在不显著改变感知质量情况下，有效载荷和鲁棒性得到提高。该算法在编码残差中嵌入水印，避免了视频压缩在解码视频序列中检测水印，可用于确定帧内编码模型改变时算法鲁棒性。然后，本文为视频水印检测建立了基于似然比检验理论框架，用于获得性能可控最佳水印检测机制。仿真结果表明，蒙特卡罗实验达到了预期检测性能。最后，本文证实了该算法对若干不同攻击均具有鲁棒性。索引词压缩域，误差合并，广义高斯分布，人类视觉模型，，似然比检验，视频水印检测，视频水印引言数字电视出现数字化视频光盘产生及视频文件网络传输......”。