基于模式特征的H.264/AVC可逆视频水印

目的 针对当前可逆视频水印隐蔽性和篡改定位能力不足问题,提出一种新颖的基于帧内预测模式的可逆视频水印算法。方法 首先,深入分析I帧亮度分量的预测模式对不同类型篡改的敏感性,提取每个帧内编码宏块的预测模式,通过预测模式生成特征码。然后,结合H.264/AVC编码特性和误差补偿算法,在每个亮度4×4残差块中筛选出误差最小系数。最后,运用差值扩展的方法将特征信息作为水印可逆的嵌入到所选系数。结果 在含水印视频未受到篡改时,解码端提取水印后可对原始视频进行无损恢复。当视频受到篡改时,算法能精确定位篡改区域并且篡改定位精度达到4×4子块级。由于水印嵌入在误差最小的系数中,能够有效地降低水印嵌入对于视频质量的影响,嵌入水印后图像的PSNR值比现有的基于H.264/AVC可逆水印方案平均提高10%,测试序列的码率增量平均降低了22%左右。结论 本文算法较现有算法具有更好的嵌入率、隐蔽性、篡改检测精度, 适用于医学、军事、卫星等领域。     

基于压缩感知的视频双水印算法研究

针对数字视频的内容保护与帧内、帧间篡改检测的难题,采用压缩感知理论提取视频的内容特征作为水印,提出一种双水印的视频保护和篡改检测算法。首先,利用压缩感知过程提取I帧宏块的内容特征,生成半脆弱的内容认证水印;然后,对帧序号进行二值运算,生成完整性水印;最后,利用压缩感知信号重构OMP(Orthogonal Matching Pursuit)算法把生成的双水印嵌入到I帧和P帧相应宏块的DCT高频系数的压缩测量值中,以此提高视频水印的抗攻击能力,并实现对视频篡改的检测。仿真实验表明,所提算法对视频帧内篡改具有精确定位到子块的检测能力;同时对帧插入、帧删除、帧交换等类型的视频帧间篡改具有很强的检测能力。     

提升方案小波和HVS下的自适应视频水印算法研究

提出一种基于小波域与HVS特性的自适应视频水印盲提取算法.算法首先将视频流分割成一个个镜头,并通过密钥从中选取嵌入水印信息的若干镜头,镜头中的视频帧图像与灰度水印图像均被变换到小波域中,并将水印图像的小波域系数按照小波树结构重新进行分块并按位平面重要次序形成水印序列;水印的嵌入是按照子带到子带的顺序进行的,水印序列被嵌入到视频帧图像相应子带的重要系数中;此外,水印的嵌入充分考虑了HVS对图像纹理区域、运动区域的掩蔽特性,使得水印的嵌入强度具有自适应性,从而保证了所嵌入水印在不可见性前提下的极大鲁棒性.试验结果表明,所给出的算法对于诸如Gaussian噪声、丢帧、帧平均和MPEG-4压缩等常见攻击具有很好的鲁棒性.     

基于ICA运动目标检测的自嵌入视频认证水印

为了对视频中关键内容是否经受篡改实施有效验证和保护,提出了一种基于运动目标检测的自嵌入视频认证水印方案。由于运动目标集中了视频的关键信息,采用独立分量分析技术从连续的视频帧中分离出运动分量信息生成水印,并用奇异值分解方法对水印作预处理,采用DCT方法自嵌入到视频帧中去。实验结果表明,该水印方案在保证视频质量的前提下,对于常见攻击处理和局部篡改具有很好的鲁棒性,可以有效地验证视频关键信息是否遭到篡改,并且能够恢复出被篡改的关键内容,有效地保护视频完整性。     

利用DCT系数映射关系快速实现视频水印嵌入

针对MPEG-2视频压缩标准,提出一种具备快速实现能力的鲁棒性视频水印嵌入方案。利用视频帧分块DCT系数与整体DCT系数间的映射关系,在水印嵌入和提取过程中避免对视频进行完全解码,减小计算量,提高水印算法实时嵌入、实时检测能力。实验结果表明,该方法能抵抗缩小攻击、高斯白噪声攻击、MPEG-2重编码压缩攻击,而且能够快速实现。     

一种基于位纠错的MPEG-4视频盲水印算法

提出一种MPEG-4盲视频水印算法：二值水印图像经Arnold变换扩频并与伪随机序列调制后得到的水印信息相同地嵌入到每一视频帧Y分量的DCT低中颊系数中,通过水印住来调整这些系数的大小,然后根据它们对嵌入强度的余数范围来提取水印位,该算法简单易实现。实验结果表明：本算法具有很好的不可见性,并对JPEG压缩、涂改、椒盐噪声和剪切等攻击都有很好的鲁棒性。     

基于运动区域定位的视频水印算法

提出一种基于运动区域定位的视频水印算法.算法采用独立分量分析(ICA)算法,从原始视频的相邻两帧中提取包含这两帧相对运动信息的运动分量帧.根据提取的运动分量帧,定位原始视频帧中相对运动最剧烈的区域,此区域对应至原始视频相邻两帧中的前帧,即为嵌入水印的运动区域.在嵌入水印时,采用基于Watson视觉模型的量化索引调制(QIM)算法,以保证算法的鲁棒性.实验结果表明,本算法在保持视频良好视觉质量的同时,对高斯白噪声、MPEG-2压缩、帧删除及帧剪裁具有较好的鲁棒性.     

基于混沌映射的视频数字水印算法

为了更好地保护视频数据的版权,提出了一种基于混沌映射的视频水印算法.在该算法中,原始视频数据被分割成等帧数的视频组,利用MPEG-7的轮廓编码计算每个视频帧的主要物体轮廓坐标点集合;然后通过傅立叶变换得到该帧轮廓点形状不变量,利用哈希的方法计算水印信号和这些不变量的有效值作为密钥之一;再对整个视频组的轮廓点进行傅立叶变换,得到其时间轴上的有效不变域,并将水印信号嵌入在这个不变域的中频部分,采用混沌技术,提高了水印的嵌入量和算法的鲁棒性.在水印提取阶段,通过对水印的多重校验,确保水印信号的可靠性.实验结果表明,该算法对大部分的视频攻击都具有良好的鲁棒性.     

基于自适应策略的盲视频水印算法

提出一种在MPEG-2视频流中嵌入水印的方法。将水印嵌入到所有B帧的运动矢量中,嵌入时对每帧中的运动矢量进行分组,每组嵌入1位水印信息,提高水印的鲁棒性。采用一种自适应策略,通过修改运动矢量幅值的奇偶性来嵌入水印,减少对运动矢量个数及其幅值大小的改变,提高水印在压缩视频中的不可见性。实验结果表明,该算法具有较好的抗多次编码及码率改变攻击的能力,能够满足水印的实时嵌入和提取。     

基于视频关键帧的水印嵌入算法研究

现有视频水印技术需将水印同等嵌入到所有视频帧中进行版权保护,这大大增加水印嵌入负担。为减少资源浪费,提高水印嵌入效率,该文提出了一种在视频关键帧中嵌入水印的算法。该算法首先利用PCA方法提取出视频帧的主要特征,并根据此内容进行聚类,进而得到关键帧;然后在关键帧中嵌入水印图像。该算法思想简单,容易实现,实验表明该算法能够极大地提高视频水印嵌入的速度,视频水印的鲁棒性也得以加强。     

Multi-granularity geometrically robust video hashing for tampering detection

The wide-spread video editing tools make it much easier to tamper a video, which raises a huge need for authentication techniques that can prove the originality of video content and locate the tampered regions on the video sequences. In this paper, a multi-granularity geometrically robust video hashing method is proposed for tampering detection and localization. In order to balance the robustness and sensitiveness, we describe a video from three levels of granularity: frame sequence level, block level and pixel level, and then hashes are generated at these three levels. Polar Complex Exponential Transform (PCET) moments are calculated on the low-pass sub-band of 3D Discrete Wavelet Transform (3D–DWT) on frame sequence to extract geometric invariant spatio-temporal hash, which is used for video authentication. Local PCET moments are calculated on annular and angular blocks, which are used for geometric correction and coarse tampering localization. Position information of salient objects is obtained from saliency map for fine tampering localization. Experimental results show that the proposed method is robust against temporal de-synchronization and geometrical transformation, and has high tampering localization accuracy even when the video is rotated. Compared with state-of-the-art methods, it is more robust against content-preserving operations and more sensitive to malicious manipulations.     

Perceptual video hashing robust against geometric distortions

In this paper,we propose a robust perceptual hashing algorithm by using video luminance histogram in shape.The underlying robustness principles are based on three main aspects:1) Since the histogram is independent of position of a pixel,the algorithm is resistant to geometric deformations; 2) the hash is extracted from the spatial Gaussian-filtering low-frequency component for those common video processing operations such as noise corruption,low-pass filtering,lossy compression,etc.; 3) a temporal Gaussian-filtering operation is designed so that the hash is resistant to temporal desynchronization operations,such as frame rate change and dropping.As a result,the hash function is robust to common geometric distortions and video processing operations.Experimental results show that the proposed hashing strategy can provide satisfactory robustness and uniqueness.     

Perceptual video hashing based on Tucker decomposition with application to indexing and retrieval of near-identical videos

The perceptual video hash function defines a feature vector that characterizes a video depending on its perceptual contents. This function must be robust to the content preserving manipulations and sensitive to the content changing manipulations. In the literature, the subspace projection techniques such as the reduced rank PARAllel FACtor analysis (PARAFAC), have been successfully applied to extract perceptual hash for the videos. We propose a robust perceptual video hash function based on Tucker decomposition, a multi-linear subspace projection method. We also propose a method to find the optimum number of components in the factor matrices of the Tucker decomposition. The Receiver Operating Characteristics (ROC) curves are used to evaluate the performance of the proposed algorithm compared to the other state-of-the-art projection techniques. The proposed algorithm shows superior performance for most of the image processing attacks. An application for indexing and retrieval of near-identical videos is developed using the proposed algorithm and the performance is evaluated using average recall/precision curves. The experimental results show that the proposed algorithm is suitable for indexing and retrieval of near-identical videos.     

抗几何失真的视频Hashing算法研究

文中提出了一种基于视频灰度直方图形状的Hashing算法,能有效抵抗各种常见的几何失真和视频处理操作.算法的鲁棒性原理如下:1)由于直方图的形状与像素位置无关,故基于直方图的视频Hashing算法能有效抵抗各种常见的几何攻击;2)由于在计算Hashing前对视频帧进行了平滑预处理,故算法对加噪攻击、模糊滤波、有损压缩等处理操作有很好的鲁棒性;3)由于计算Hashing前在时间轴上进行了低通滤波预处理,故算法能抵抗帧率变化、帧丢失等时域同步攻击.实验结果表明,所提出的Hashing算法有良好的唯一性和鲁棒性能.     

利用报文抽样和可逆的Bloom Filter实现长流识别

针对高速网络的发展和利用哈希技术在识别长流时难以还原主机信息的问题,提出了利用报文抽样和可逆的Bloom Filter识别长流的算法.采用带有部分主机信息的哈希函数,利用哈希串的重叠和数量上的一致性,能够很方便的还原出主机的信息.给每个哈希函数独立的存储空间,在很大程度上减少了哈希过程所带来的内部冲突.实验结果表明,这种算法可以精确地获得长流的标识与长度信息.     

基于LDPC-OFDM技术的块均值视频水印算法

根据视频水印系统和通信系统的相似性,提出一种基于LDPC-OFDM的块均值视频水印算法。实验结果表明,该算法对视频质量影响小,可以很好地保证视频质量,实现水印的盲提取,且对高斯低通滤波、剪切攻击、高斯白噪声、椒盐噪声攻击及MPEG-2压缩、视频帧同步攻击具有较强的鲁棒性,是一种性能良好的盲视频水印算法。     

基于MPEG-4 FGS的视频流量模型

目前MPEG-4精细颗粒度可伸缩性(Fine Graruldty Scalability，FGS)编码视频正成为视频流服务的一种主要的业务流，因此，针对MPEG-4FGS视频流量进行建模对于网络性能仿真和通信网络设计具有十分重要的意义。该文首先介绍了MPEG-4FGS编码原理，然后对MPEG-4FGS视频流量的统计特性进行了分析，在此基础上，提出了基于MPEG-4FGS的视频流量模型。实验结果表明，该模型能较好地拟合原视频帧序列大小，且能根据网络带宽的动态变化进行适应的码率分配。