本文刊發于《現代電影技術》2026年第4期

專家點評

陳 軍

研究員

北京電影學院智能影像工程學院院長

電影數字水印技術是保障電影內容安全、維護健康市場秩序的技術基礎，為電影產業構筑了一道堅固的“防盜門”。隨著技術的發展，其未來的演進將圍繞著“不可感知性、更強魯棒性、更全場景覆蓋、更高效率、人工智能驅動”等方向展開，尤其是在電影高新技術格式內容日益推廣普及的背景下，對“不可感知性”的要求被推向極致，任何微小的畫質劣化都不可接受。而從“影院”到“全媒體生命周期”的多場景應用，對魯棒性提出了更高要求，最終目標是讓每幀圖像都是一張不可偽造、不可磨滅的“數字身份證”，從而實現對各類攻擊的根本性免疫。《單幀非盲視頻數字水印嵌入和檢出技術研究與應用》一文正是聚焦于上述問題，提出了一種基于離散小波變換（DWT）的單幀非盲視頻水印方法。該方法設計了在每幀圖像中嵌入完整水印信息的非盲水印方案，并給出了具體的嵌入與檢出流程。文章實驗部分涵蓋了畫質損傷的主觀與客觀評估、視頻流與攝錄場景下的魯棒性測試，以及人工智能生成內容（AIGC）標識應用驗證，不僅測試維度豐富，而且指標設置合理。該研究為電影版權保護及AIGC標識等新興場景提供了切實可行的技術路徑，具有較高的行業參考價值。現有方案依賴原始載體進行檢出，未來可持續探索盲水印與非盲水印的協同工作機制。

項目信息

中國電影科學技術研究所（中央宣傳部電影技術質量檢測所）基本科研業務費項目“單幀非盲電影視頻數字水印嵌入和檢出技術研究”（2024?DKS?7）。

作者簡介

周令非

中國電影科學技術研究所（中央宣傳部電影技術質量檢測所）高級工程師，主要研究方向：數字電影技術。

馬鴻悅

中國電影科學技術研究所（中央宣傳部電影技術質量檢測所）工程師，主要研究方向：數字電影技術。

摘要

隨著大眾版權保護意識的增強，針對短視頻內容傳播與單幀圖像溯源的實際需求愈加急迫。為滿足多場景數字水印應用需求，本文結合非盲數字水印技術的高效性、高檢出率與強魯棒性特點，以及單幀視頻數字水印特有的抗幀域攻擊能力，提出了一種單幀非盲視頻數字水印解決方案。通過測試驗證評估，該方法在保持畫質損傷難以察覺的前提下，展現出良好的魯棒性，能夠有效滿足短視頻、電影版權保護，AIGC標識等領域的應用需求。

關鍵詞

數字水印；單幀視頻數字水印；非盲數字水印；版權保護

1

引言

電影視頻數字水印是院線電影盜版溯源的有效技術手段。近年來有關部門對院線電影版權保護工作高度重視，多次開展電影版權保護專項行動[1]，依托數字水印技術對盜錄樣本進行追蹤溯源，及時有效地遏制了院線電影的盜版傳播[2]。但在數字內容產業爆發式發展的當下，伴隨著云制作[3]、短視頻、人工智能生成內容（AIGC）技術的快速發展，電影制作素材泄露、未經著作權人許可擅自剪輯盜用[4,5]、AIGC技術的不規范使用等問題日益顯現。隨著大眾版權保護意識的增強，業內對電影拍攝制作素材、電影內容相關短視頻等時長僅為數秒的視頻進行確權或溯源、對AIGC生成的圖片或視頻進行標記[6]的需求非常強烈。考慮到高價值內容經常被盜攝者通過社交媒體的圖片傳播，版權方甚至希望僅通過單幀截圖就能成功提取數字水印。

上述應用需求的變化，本質上是媒體融合向縱深發展，內容傳播呈現碎片化、多終端、跨平臺特征的必然結果。在這一宏觀趨勢下，數字內容版權保護技術已從單一的院線電影溯源工具，逐步演變為支撐文化內容安全的關鍵共性技術，其自主可控水平也日益受到重視。由于已廣泛應用的電影長視頻水印方案僅在合適的視頻幀中嵌入水印，難以保證在短視頻或單幀截圖的視頻幀中一定存在水印，更難以保證水印檢出的正確率，因此無法滿足短視頻和單幀截圖溯源的需求，亟需一種既能有效抵抗幀域攻擊，又能在碎片化場景下穩定提取水印信息的視頻數字水印（以下簡稱“視頻水印”）解決方案。本文提出的單幀非盲水印方法，正是面向上述技術與產業雙重背景開展的一項技術探索。

2

相關技術概述

2.1 基于離散小波變換的數字水印技術

目前大多數視頻水印技術為基于變換域的方法，其中離散小波變換（Discrete Wavelet Transformation, DWT）因其變換方式簡單，在頻域和時域都具有表征信號局部特征的能力[7]，且可抵抗多種干擾攻擊，因此成為應用較為廣泛的一種變換方法。早期基于DWT的水印方法較為簡單直接，在DWT處理后通過更改系數的方式將水印信息嵌入其中，如Wang等[8]以自適應的方式篩選DWT頻段并嵌入水印信息；后來則結合了奇異值分解（Singular Value Decomposition, SVD）[9,10]、離散余弦變換（Discrete Cosine Transform, DCT）[11,12]等變換方法，進一步提高了水印的不可見性和魯棒性。

2.2 盲水印與非盲水印

根據視頻水印檢出流程是否需要原始載體信息，可將水印分為盲水印與非盲水印兩類[13,14]。盲水印在水印檢出時不需要任何額外信息，通過分析水印載體本身即可得到水印信息，這類方法為了保證水印的魯棒性，一般水印算法的復雜度較高，嵌入和檢出速度較慢；非盲水印在水印檢出時需以原始載體為參考，通過比較等方式獲得嵌入的水印信息，這類方法因在檢出流程中有原始載體作為輔助，能以更低的算法復雜度和實施成本換來足夠的魯棒性和檢出效率。因此相較于盲水印，非盲水印可在單位時間內提供更高的嵌入與檢出效率、提取成功率和抗攻擊魯棒性，更適合單幀水印嵌入和檢出應用。

2.3 長視頻水印與單幀視頻水印

根據待嵌入視頻載體的長度，可將視頻水印分為長視頻水印和單幀視頻水印，其主要區別在于可嵌入水印的“空間”大小不同。長視頻載體的幀數多，且同一鏡頭內可有較多的重復幀，這使水印嵌入位置可在較長時長內的多個視頻幀中進行靈活選擇。一方面為降低算法復雜度、提高嵌入和檢出效率，可選擇僅在部分視頻幀中嵌入水印[15]，如Dutta等[16]選擇在預測編碼幀（Predictive?coded Frame, P幀）中嵌入水印；Das等[17]通過光度分析的方法，提取視頻關鍵幀并嵌入水印；梁鈺承等[18]對視頻幀進行分組，篩選出隱秘幀并嵌入水印。另一方面也可為了提高魯棒性和水印信息容量，更加充分地利用同一鏡頭視頻幀的重復性，可選擇將水印信息嵌入一段視頻中，即每幀視頻僅嵌入一部分水印信息，如劉欣怡[19]設計了一種水印分組嵌入方法，將水印信息嵌入至不同的幀，有效提高了水印容量和魯棒性。

長視頻充裕的水印嵌入“空間”保證了水印具有較高的技術性能，但是也面臨著幀插入、幀刪除、幀速率轉換等幀域的同步攻擊問題[20]。這些攻擊在較短的片段和單幀視頻截圖中尤為常見，會嚴重擾亂視頻的時序完整性，從而導致無法識別水印嵌入位置，降低水印檢出率。因此對于短視頻、單幀視頻截圖溯源的需求，更為有效的辦法就是單幀視頻水印，即在原始視頻的每幀圖像中都嵌入完整的水印信息。該方式的優勢在于可有效抵抗剪輯、截圖等帶來的同步攻擊，但也提高了對水印嵌入速度、魯棒性和檢出成功率的要求。因此我們選擇單幀非盲水印作為解決方案，在原始視頻的每一幀都嵌入水印，同時在檢出時以原始視頻為參考，該方式綜合了非盲水印和單幀視頻水印的優勢，既可保證水印的魯棒性、不可見性等性能，又可滿足單幀截圖即可溯源的應用需求。

3

本文方法

為有效平衡水印的不可見性與魯棒性這對關鍵矛盾，本文提出一種基于DWT的水印嵌入和檢出方法，其流程如圖1所示，其中水印嵌入的具體流程如下：

圖1　水印嵌入和檢出流程

（1）將原始視頻幀逐幀解碼，獲取視頻幀序列，對所述視頻幀序列中的每一獨立圖像幀進行DWT處理，得到低頻分量LL；

（2）計算LL的中位數，LL中大于等于中位數的值置為1，小于中位數的值置為0，得到僅包含0和1的二值量化矩陣LLT；

（3）對LLT進行分析，尋找中心可翻轉模式，中心可翻轉模式集如圖2所示，在這32種模式中，對中心點進行值的翻轉對畫質影響較小，按式（1）的方式修改模式中心點的值，得到嵌入水印信息后的LLM；

圖2　中心可翻轉模式集

其中（i, j）為中心可翻轉點的坐標，m為系數，一般m越大，水印的魯棒性越強，對畫質的影響也越強，為保證魯棒性，一般取m≥1。

（4）用嵌入水印的LLM低頻分量替換原始低頻分量LL，并進行離散小波逆變換（Inverse Discrete Wavelet Transformation, IDWT），輸出添加完水印的完整視頻幀。

水印檢出的具體流程如下：

（1）將原始視頻幀逐幀解碼，獲取視頻幀序列，對所述視頻幀序列中的每一單獨視頻幀進行DWT，得到低頻分量LL' ；

（2）計算LL' 的中位數，LL' 中大于等于中位數的值置為1，小于中位數的值置為0，得到僅包含0和1的二值量化矩陣LLT'；

（3）對模板LLT' 進行分析，尋找中心可翻轉模式，得到其中心點的值；

（4）對比LL' 和LL的中心可翻轉點，若LL' (i, j ) ≥LL(i, j )則當前水印信息為1，反之水印信息為0。

4

實驗與結果分析

4.1 畫質損傷評估測試

評估方法采用主觀評價與多維客觀評價綜合的方式，評估的視頻測試序列為美國電影攝影師協會（American Society of Cinematographers, ASC）的測試短片《使命》（The Mission），即標準評估素材（Standard Evaluation Material II, StEM2）。

主觀評價方法參考GY/T 340—2020《超高清晰度電視圖像質量主觀評價方法雙刺激連續質量標度法》[21]，測試序列包含5段能體現清晰度、銳度、色彩還原、運動特性、亮度層次等不同圖像質量要素的視頻片段。評分共有5個等級，其中最高分為5分，表示畫質與源相比無差別；最低分為1分，表示畫質與源有明顯差別且令人非常不悅。本次測試共有11位觀看員參與，評分結果如圖3所示。

圖3　畫質損傷主觀評價結果

客觀評價的評價指標包含圖像質量評級（Picture Quality Rating, PQR）、差分平均意見分（Differential Mean Opinion Score, DMOS）、峰值信噪比（Peak Signal?to?Noise Ratio, PSNR）、結構相似度（Structural Similarity, SSIM）和視頻多方法融合評價（Video Multimethod Assessment Fusion, VMAF）多項評價結果，既包含基于人類視覺系統（HVS）模型的評價指標，又包含基礎客觀指標，指標間可相互印證，更能綜合反映畫質效果。此外，本實驗還考慮了不同觀看環境對視覺效果的影響，測試了基于傳統影院投影、高清廣播電視、影院LED直顯屏等多元觀影環境下的指標結果，可用以明確水印的應用場景邊界。畫質損傷客觀評價結果如表1所示，其中最優評分和最差評分分別指測試序列中評分最優和最差的一幀的評分，并根據平均分統一折合為百分制，從而實現對不同項目表現的直接比較和綜合評估。

表1　畫質損傷客觀評價結果

從圖3和表1結果可以看出，本文水印方案的畫質主觀和客觀測試的評分均可達到較高的水平，通過本方法嵌入水印后的視頻片段與源視頻片段在畫質方面的差別很小，可達到視覺無損的等級，不影響視頻的觀看效果和價值。

參考表1最右列的某長視頻水印方案[22]的畫質損傷評分結果可以發現，本文提出的單幀水印方法在銀幕尺寸大、觀看距離遠的普通影院環境中對畫質的損傷更小，但隨著畫面亮度的提高，其易被感知的畫質損傷略大于長視頻水印方案，并在VMAF、SSIM和PSNR等更偏向客觀損傷分析的指標中表現略遜于長視頻方案。

4.2 魯棒性測試

參考數字電影倡導組織（DCI）《數字電影系統規范》V1.4.5[23]中相關要求，以及T/CSMPTE 24—2023《點播影院放映數字水印技術要求和測量方法》[24]中的測試用例和測試方法，對本文方法進行了面向視頻流和攝影機攝錄的魯棒性測試。魯棒性測試同樣使用StEM2短片作為測試序列，為模擬實際應用場景，如無特殊標注，所有單項測試的被測視頻文件均為24 FPS、10 MB/s碼率的H.264壓縮文件。

單幀水印方案在測試序列的全部44,640幀畫面中共嵌入了44,640個完整的水印負載，作為對比的長視頻水印方案則在全部44,640幀中共嵌入了131個完整的水印負載。

4.2.1 視頻流魯棒性測試

面向視頻流的原生魯棒性測試，主要可用于模擬和衡量視頻水印技術在模擬/數字電視盜播、網絡流媒體點播/直播等不涉及光學和復雜綜合攻擊時的表現。本文使用圖像處理器對嵌入水印的視頻逐項開展包括二次量化、壓縮編碼、圖像降噪、旋轉、裁切、遮擋等常見攻擊，并對各攻擊后的樣本進行水印提取。測試架構見圖4，測試結果見表2。

圖4　視頻流魯棒性測試架構

表2　視頻流魯棒性測試結果

由測試結果可知，在面向視頻流的魯棒性測試中，經過旋轉、裁切、二次量化等常見攻擊后，單幀水印方案得益于每幀畫面都添加水印這一優勢，其可正確提取的負載數量遠大于長視頻水印方案，往往是后者的幾百倍，檢測結果更為可信。特別是在低碼率壓縮的幾項測試中，單幀方案更是彌補了長視頻水印無法正確提取的短板。

4.2.2 攝錄魯棒性測試

面向攝影機攝錄的魯棒性測試，主要用于模擬和衡量視頻水印技術在影院盜攝、視頻會議竊密等通過光學相機攝錄后的魯棒性性能，考慮到攝錄設備和攝錄角度帶來的光學失真、顯示設備和成像設備帶來的動態范圍和色彩失真，以及攝錄設備的幀同步失真和壓縮包編碼等因素，其水印成功提取的難度更大。測試先使用攝影機攝錄嵌入水印的視頻，再使用圖像處理器對其進行二次量化、壓縮編碼、圖像降噪、旋轉、裁切、遮擋等單項常見攻擊，以及使用智能手機的全自動模式進行綜合攻擊，并對各攻擊后的樣本進行水印提取，測試架構見圖5，測試結果見表3。

圖5　攝錄魯棒性測試架構

表3　攝錄魯棒性測試結果

由測試結果可知，在基于攝影機攝錄視頻源的各項單項攻擊中，雖然長視頻水印方案憑借其在壓縮編碼關鍵幀添加強度大的特點，在大部分測試中的正確負載存活率高于單幀水印方案，但和上文面向視頻流的魯棒性測試一樣，單幀水印方案憑借更高的嵌入頻率，最終可正確提取的水印負載數量仍然百倍于長視頻水印方案，提取結果的可信度更高。單幀水印方案更是在部分長視頻水印無法成功提取的低碼率壓縮測試中完成了可信的成功提取。

4.3 AIGC標識應用測試

參照全國信息安全標準化技術委員會發布的TC260?PG?20233A《網絡安全標準實踐指南—生成式人工智能服務內容標識方法》（以下簡稱“TC260?PG?20233A”）3.3章節中對人工智能生成圖片和視頻添加隱式水印標識的技術要求，在生成后的圖片和視頻中添加水印，對本文方法在AIGC標識上的應用功能進行了測試驗證。

（1）圖片隱式水印

使用單幀水印添加工具對一張人工智能生成的圖片添加包含ID“ABCDE12345”和時間戳“2025?05?12?03:00”的水印信息，再按照上述指南對圖片隱式水印的技術要求“含有隱式水印的原始生成圖片應滿足任意連續50%以上面積且分辨率大于等于 384×384 的切片均包含完整標識信息”，使用自制工具對添加水印后的圖片進行50%以上連續面積的隨機裁切，測試10次。

（2）視頻隱式水印

使用單幀水印添加工具對一段人工智能生成的1分鐘視頻添加包含ID“ABCDE12345”和時間戳“2025?05?12?05:15”的水印信息，再按照上述指南對視頻隱式水印的技術要求“含有隱式水印標識的原始生成視頻應滿足任意連續5秒以上視頻內容中均包含完整標識信息”，任意截取5秒內容，測試10次。

最后對攻擊后的AIGC圖片和短視頻進行水印提取，均可得到正確的水印負載信息。由測試結果可知，本文單幀數字水印可滿足TC260?PG?20233A中對人工智能生成內容所用隱式水印的技術要求。

5

結語

在媒體融合、內容碎片化、云化和智能化進程不斷深化的背景下，本文針對短視頻、單幀截圖溯源、AIGC標識的需求，綜合非盲水印效率高、檢出率高、魯棒性高的優點及單幀視頻水印可有效抵抗幀域攻擊的優點，設計了一種基于DWT的單幀非盲視頻水印方法，并對其畫質損傷情況、魯棒性進行了測試。測試結果表明，本文提出方法對畫質影響較小且魯棒性強，即使面對社交媒體常見的截圖等碎片化傳播方式，仍可保持水印信息的完整提取。

本文方法彌補了電影長視頻水印需要較長樣本才能成功提取的短板，可將畫質損傷小、魯棒性強的電影數字水印技術應用至虛擬現實電影、影視數字資產、高清電視、網絡直播、視頻會議、數字藏品、AIGC標識、安防監控等泛媒體領域，拓展了電影數字水印技術的應用邊界。

未來可進一步探索盲水印與非盲水印的協同嵌入機制，結合區塊鏈技術實現水印負載的可信存證與校驗，拓展單幀水印在AIGC標識、數字資產確權等場景中的應用深度，持續推動數字水印技術在文化內容治理中的體系化應用。

參考文獻

（向下滑動閱讀）

[1] 張晨.堅決打贏銀幕背后的版權保衛戰[N].法治日報,2025?05?08(006).DOI:10.28241/n.cnki.nfzrb.2025.003087.

[2] 姬政鵬.多部門嚴厲打擊院線電影盜錄盜播行為[N].中國電影報,2023?02?08(003).DOI:10.28064/n.cnki.ncdyb.2023.000117.

[3] 張海悅,王萃,劉達.電影分布式跨域協同制作與傳統后期制作流程對比分析[J].現代電影技術,2020(12):19?23，40.

[4] 汪靖雯,王勇.電影解說類短視頻熱潮興起的原因與隱憂[J].新聞傳播,2025(13):60?63.

[5] 孫寧.電影解說短視頻作品的侵權問題與應對路徑[J].電影文學,2025(12):63?67.

[6] 嚴馳.數字水印賦能人工智能生成內容（AIGC）標識化管理的現狀與對策[J].科技管理研究,2025,45(08):181?188.

[7] 王慧琴,李人厚.一種基于DWT的彩色圖像數字水印算法[J].小型微型計算機系統,2003(02):299?302.

[8] WANG H J, SU P C, KUO C C.Wavelet?based digital image watermarking[J].Optics Express, 1998, 3(12):491?6.DOI:10.1364/OE.3.000491.

[9] BEGUM M, SHORIF S B, UDDIN M S, et al.Image Watermarking Using Discrete Wavelet Transform and Singular Value Decomposition for Enhanced Imperceptibility and Robustness[J].Algorithms, 2024, 17(1).DOI:10.3390/a17010032.

[10] 葉天語.DWT?SVD域全盲自嵌入魯棒量化水印算法[J].中國圖象圖形學報,2012,17(06):644?650.

[11] WANG C, MA Y, WANG X.Double random number encryption blind watermarking technique based on DWT?DCT domain[J].Optoelectronics Letters, 2024, 20(10):614?622.DOI:10.1007/s11801-024-3203-5.

[12] RANA M S, HASAN M M, SHUVA S K S.Digital Watermarking Image Using Discrete Wavelet Transform and Discrete Cosine Transform with Noise Identification[C] // 2022 2nd International Conference on Intelligent Technologies (CONIT). Hubli: IEEE, 2022: 1?4.

[13] 王佳敏.基于深度學習的抗屏攝魯棒水印方法研究[D].西安：西安理工大學,2024.DOI:10.27398/d.cnki.gxalu.2024.000485.

[14] 何春輝,葛斌,徐浩,等.版權保護視角下的圖像水印處理技術綜述[J/OL].計算機技術與發展,1?10[2025?08?01].https://doi.org/10.20165/j.cnki.ISSN1673-629X.2025.0072.

[15] 王洋.數字水印技術在視頻內容管理上的應用[C]//中國電子學會有線電視綜合信息技術分會,中國電子學會廣播電視技術分會.第32屆中國數字廣播電視與網絡發展年會暨第27屆國際廣播電視技術討論會論文集（CCNS&ISBT 2024）.國家廣播電視總局監管中心,2024:505?509.DOI:10.26914/c.cnkihy.2024.032953.

[16] DUTTA T, GUPTA H P.An Efficient Framework for Compressed Domain Watermarking in P Frames of High?Efficiency Video Coding (HEVC)--Encoded Video[J].ACM Transactions on Multimedia Computing Communications and Applications, 2017, 13(1):1?24.DOI:10.1145/3002178.

[17] DAS S, BANERJEE M, CHAUDHURI A.An improved video key?frame extraction algorithm leads to video watermarking[J].International Journal of Information Technology, 2018.DOI:10.1007/s41870-017-0054-3.

[18] 梁鈺承,鈕可,李軍,等. 基于混合DWT?DCT與幀分組的視頻雙域水印算法[J].網絡與信息安全學報,2025,11(01):106?128.

[19] 劉欣怡.抗幀域攻擊的魯棒視頻水印技術研究與實現[D].杭州：杭州電子科技大學,2024.DOI:10.27075/d.cnki.ghzdc.2024.001194.

[20] 王翌妃,周楊銘,錢振興,等.魯棒視頻水印研究進展[J].中國圖象圖形學報,2022,27(01):27?42.

[21] 超高清晰度電視圖像質量主觀評價方法雙刺激連續質量標度法:GY/T 340—2020[S].北京:國家廣播電視總局,2020.

[22] 馬鴻悅,周令非.基于FPGA的電影視頻數字水印實時嵌入系統設計[J].現代電影技術,2025(08):37?43.

[23] Digital Cinema System Specification?Version 1.4.5(build 0c325a2)[EB/OL].（2024?05?29）[2025?08?15]. https://www.dcimovies.com/dci-specification.

[24] 點播影院放映數字水印技術要求和測量方法: T/CSMPTE 24—2023[S].北京:中國電影電視技術學會，2023.

期刊導讀 |《現代電影技術》2026年第4期

賈云鵬等：創意影像生產中的可控視頻生成技術路徑及應用研究

中國電影電視技術學會電影創新技術獎交流會在京成功舉辦