本文主要探讨了一种创新的视频水印算法，该算法结合了人眼视觉特性与尺度不变特征变换（Scale Invariant Feature Transform, SIFT）技术，旨在提高视频水印的鲁棒性和适应性，尤其是在应对几何攻击时。视频水印在数字媒体保护、版权验证和内容跟踪等方面具有重要作用，但其易受各种攻击，特别是几何攻击（如旋转、缩放、剪切等），使得水印的稳定性成为一个关键问题。
该算法考虑了人眼视觉感知的特性，将视频序列中人眼视觉掩蔽阈值作为水印的最大嵌入强度。这意味着水印的强度会根据人眼对不同区域的敏感程度进行调整，从而保证了水印的存在不会显著影响视频的观看体验，实现了良好的透明性。
接下来，视频帧通过离散小波变换（Discrete Wavelet Transform, DWT）进行处理。小波变换是一种多分辨率分析方法，能有效地分离视频中的空间和频率信息。对于中高频子带系数，研究者提出了一种基于视频运动信息的自适应水印算法。视频运动信息反映了帧间像素的变化，可以用来判断水印应该如何在这些区域中嵌入，以确保在不影响视频流畅度的前提下增强水印的稳定性。
对于低频子带，由于这部分包含了视频的主要结构信息，算法采用了基于小波低频系数统计特性的抗几何攻击策略。这种策略利用了小波系数的统计特性来隐藏水印，使其在遭受几何攻击时仍能保持一定的可恢复性。
然后，SIFT特征被用作检测和校正几何攻击的触发器。SIFT是一种强大的图像特征检测算法，能够识别图像中的关键点，即使在尺度变化和旋转后仍能保持不变。当检测到视频帧受到几何攻击时，SIFT的尺度和方向不变性被用于校正视频帧，然后提取校正后的水印信号。
对于未受几何攻击的视频帧，算法直接采用中高频提取方案，这提高了水印的提取效率，并减少了计算复杂性。
与现有的实时鲁棒视频水印算法VW-HDWT（基于小波域直方图的视频水印）相比，该算法在保持相同水印透明度的同时，峰值信噪比（PSNR）值提升了7.5%，表明了更高的图像质量。此外，与基于特征区域的水印算法相比，其水印嵌入容量大约增加了10倍，这意味着在同一视频中可以嵌入更多的信息。
实验结果证实，该算法在保持良好水印透明度的情况下，对常见的几何攻击具有较强的抵抗能力，为视频内容保护提供了一种有效的解决方案。这项工作结合了视觉感知理论、小波变换、SIFT特征检测等多种技术，旨在实现视频水印的鲁棒性和透明性的理想平衡。
