Khác với hướng tiếp cận dựa trên sựđộc lập của các frame, hướng tiếp cận này sử dụng thêm hệ thống Human Visual System (HVS) đểđiều chỉnh đặc trưng, thuộc tính của tín hiệu gốc. Những phương pháp trong hướng tiếp cận này khai thác nhiều thuộc tính của ảnh hơn, do đó hướng tiếp cận này có tính vững mạnh và vô hình rất cao.
Hướng tiếp cận dựa trên Scene
So với hướng tiếp cận dựa trên chuỗi frame, tín hiệu video được chia thành nhiều GOP, thì hướng tiếp cận dựa trên cảnh (scene) thi hành trên những vùng giống nhau của video, chẳng hạn như những frame của cùng một cảnh. Trong hướng tiếp cận này, những vùng giống nhau được nhúng với cùng một Watermark.
Swanson và các cộng sự [36] đề xuất một thuật toán nhúng Watermark vào những thành phần động và tĩnh trong biến đổi wavelet của video. Ý tưởng chính của thuật toán này là chuỗi video được phân đoạn theo cảnh, và sau đó những frame của các cảnh đó được chuyển sang miền wavelet. Sau đó, sử dụng hai loại frame, đó là những frame thông thấp và frame thông cao tương ứng với những thành phần tĩnh và động mà Watermark được nhúng vào. Dữ liệu ẩn trong miền thông thấp được tồn tại trong toàn bộ cảnh của video, còn trong miền thông cao dữ liệu ẩn được cục bộ
hóa theo thời gian và thay đổi từ frame này sang frame khác một cách nhanh chóng. Kỹ thuật này vững mạnh đối với những tấn công phá vỡ cấu trúc frame nội bộ (như
giá trị trung bình của những pixel frame-by-frame), vững mạnh với những thao tác xử lý ảnh như thêm nhiễu màu, nén MPEG, đa Watermark, cắt frame. Tuy nhiên, phương pháp này tốn chi phí tính toán quá lớn cùng với việc đòi hỏi nhiều vùng nhớ. Sau này, P. Chan và M. R. Lyu [42] cải tiến mô hình của Swanson bằng cách
giới thiệu scrambled Watermark và mã kiểm lỗi. Trong lược đồ của họ, Watermark
được chia thành nhiều phần và mỗi phần được nhúng vào mỗi frame tương ứng với những cảnh khác nhau của video dưới miền wavelet. Để tăng độ bền vững cho lược
đồ, mã kiểm lỗi được rút trích từ Watermark và nhúng vào kênh âm thanh như
Watermark âm thanh. Watermark âm thanh mang thông tin kiểm lỗi và xác định Watermark trong video Watermark. Kết quả thực nghiệm chỉ ra rằng lược đồ này bền vững trước các tấn công như loại bỏ frame, phân tích thông kê và trung bình. Hai năm sau đó, S. Jiande and L. Ju [45] đề xuất một phương pháp Watermarking trên video dựa trên cảnh khác bằng cách sử dụng Independent Component Analysis (ICA) để rút trích nội dung động từ những cảnh khác nhau. Trong phương pháp này, video được phân làm các cảnh bằng thuật toán so sánh lược đồ mức xám toàn cục và ICA được áp dụng lên mỗi đoạn để lấy về Principal Independent Component Frames (PICFs). Sau đó Watermark được nhúng vào những PICF sử dụng lược đồ
Single Watermark Embedding (SWE). Hướng tiếp cận này chống lại phần lớn tấn công dựa trên frame và video. Hơn nữa, nó cũng bền vững với tấn công bất đồng bộ
kết cấu video.
Với những thuật toán dựa trên sự phân đoạn cảnh, để rút trích được dữ liệu
ẩn, cả tín hiệu video gốc và sau khi nhúng phải được chia thành đúng những cảnh tương ứng. Tuy nhiên, kỹ thuật phân đoạn cảnh vẫn là một thử thách lớn trong những ứng dụng thực tế, đặc biệt là những đoạn mà cảnh chuyển dần dần, thay đổi từ từ.
Motion-base approaches
Sự chuyển động là một đặc trưng rất phổ biến trong video. Có rất nhiều thuật toán Watermarking khai thác trên khía cạnh này. Chẳng hạn như Z. Sun et al [54]
đề xuất một lược đồ Watermarking trên video dựa trên khu vực chuyển đổi vị trí bởi Independent Component Ananlysis (ICA) và Quantization Index Modulation (QIM). Hướng tiếp cận của họ bao gồm ba bước: (1) những frame động được rút trích bởi ICA từ hai frame kế tiếp nhau; (2) những vùng động được chỉ định bởi việc tính toán sự thay đổi trong mỗi khối 8×8 của frame động; (3) dựa trên những vị
trí động, Watermark được nhúng vào những vùng tương ứng của hai frame liên tiếp nhau bằng thuật toán QIM. Tác giả chỉ ra rằng lược đồ của họ đạt được chất lượng video cao và bền vững với nén MPEG-2, nhiễu Gaussian, cắt frame. Trong khi đó, hướng tiếp cận của S. Jiande và L. Ju [45] ở trên phụ thuộc vào sự thi hành của thuật toán phân đoạn, thì phương pháp của Z. Sun chỉ sử dụng ICA để rút trích frame động.
Sau đó, khi khái niệm “video objects” (VOs) được giới thiệu trong MPEG-4, thì những đối tượng đó liên quan đến sự vận động trong video bởi vì những đối tượng này luôn có một vài loại hoạt động và khác với khung nền. VOs là những thực thể ngữ nghĩa (semantic entities) và được thao tác độc lập trong việc sửa chữa, chỉ mục, lấy về, mã hóa và phân phát. Vì vậy, hướng tiếp cận dựa trên những đối tượng này là một phần của những kỹ thuật dựa trên sự vận động trong video. Năm 1997, Swanson và các cộng sự [37] giới thiệu phương pháp Watermarking dựa trên
đối tượng mà liên kết với sự chuyển động của video. Đối với phương pháp này, Watermark được nhúng vào những hệ số DCT của các khối 8×8 tương ứng với những VO. Cũng dựa trên mô hình đối tượng, Wu và các cộng sự [51] đề xuất một lược đồ mới sử dụng hình 2-D và 3-D trong miền biến đổi wavelet với sự hỗ trợ của những vùng đặc biệt (AROS). Tuy nhiên, trong những lược đồ này, Watermark là một chuỗi ngẫu nhiên, và thuật toán phân tách VO đối mặt với những khó khăn trong việc phân tích những thực thể ngữ nghĩa. Để giải quyết vấn đề này, Ntalianis và các cộng sự [30] đề xuất một thuật toán Stereoscopic Video Object-based Watermarking sử dụng Qualified Significant Wavelet Trees (QSWTs). Hai ý tưởng chính của Ntalianis là : (1) hệ thống sử dụng một phương pháp phân đoạn VO không giám xác, hiệu quả, tự động hoàn toàn; (2) một mẫu nhận dạng trực quan (nghĩa là ảnh xám, hoặc màu) được nhúng vào mỗi VO. Kiến trúc của phương pháp này bao gồm 3 module chính: (1) quá trình rút trích đối tượng video không giám sát
được thi hành bằng cách phân tích các cặp stereoscopic của những frame; (2) những
đối tượng đó được giải nén thành ba cấp độ với mười band nhỏ khác nhau bởi DWT và ba cặp của band nhỏ được chọn là (HL3, HL2), (LH3, LH2) và (HH3, HH2); (3)
QSWTs được ước tính cho cặp band nhỏ cụ thể nào đó mà nó chứa nội dung năng lượng cao nhất so với hai cặp còn lại. Trong quá trình thực hiện module cuối, những mẫu nhận dạng Watermark trực quan được nhúng vào những hệ số còn lại của QSWTs có năng lượng cao nhất và biến đổi DWT ngược được áp dụng để trả vềđối tượng video được nhúng Watermark. Kết quả thực nghiệm chỉ ra rằng, phương pháp này chống lại nhiều tấn công Watermark như nhiễu muối tiêu, nhiễu Gaussian, mờ ảnh, tăng nét cạnh ảnh, nén mất dữ liệu JPEG. Tuy nhiên, phương pháp này cũng
đối diện với những yếu điểm của quá trình xác định đối tượng trong việc phân tách những thực thể ngữ nghĩa một cách hoàn toàn có ý nghĩa. Hơn nữa, những đối tượng được chọn là những vùng động, do đó lược đồ này không thể áp dụng cho
ảnh một cách trực tiếp vì không có thông tin ảnh động trên ảnh.
