运动矢量聚类的视频水印方法

基于运动矢量视频水印算法,结合人的视觉特性（HVS）,根据运动矢量值及运动矢量块区域聚类的特征,利用FCM算法实现运动矢量的分类,以运动矢量块为单位,将水印信息嵌入到运动矢量上。运动矢量不需要完全解码和再编码过程,所提出的水印算法简单、有效,从而实现了水印盲检。与嵌入水印前的原视频图像相比,嵌入水印后的视频图像信噪比损失很小,对帧删除、帧插入和噪声等攻击方式具有极强的鲁棒性。     

基于帧间预测误差扩展的可逆视频水印

为了提高可逆视频水印的嵌入容量和嵌水印视频质量,提出一种使用运动估计和预测误差直方图修改的算法.在嵌入端,根据视频中相邻帧间的内容关系,对每一帧使用运动估计获得其像素的预测误差,生成预测误差直方图,并通过扩展位于直方图峰值点的预测误差来嵌入水印;在每帧的嵌入过程中会产生少量用于提取水印和还原视频的头信息,包括运动向量和边界表等,将其与水印一起嵌入到该帧的参考帧中.在提取端,先获取参考帧中的水印和头信息并还原参考帧,保证提取操作具有正确的上下文,然后根据获取的头信息和还原后的参考帧提取当前帧中的水印.实验结果表明,采用文中算法获得的预测误差直方图具有高度的集中性,并且对像素值的修改十分微小,比其他可逆水印算法具有更大的嵌入容量和更好的嵌水印视频质量.     

基于压缩传感的视频水印算法

针对压缩域视频流的完整性认证问题,提出了一种基于压缩传感（CS）的视频水印算法。以H.264压缩视频流为研究对象,通过对视频序列的I帧进行压缩传感随机投影,得到少量的测量值,经过量化和置换加密,最后以水印的方式嵌入到P帧具有最大运动矢量幅值的宏块中。认证时,从含水印视频序列的P帧提取水印,并对I帧进行相同的压缩传感随机投影,通过比较测量值的差异,实现对视频的完整性认证。仿真结果表明,该算法具有较好的视频质量,对码率的影响较小,对帧删除、帧插入、重压缩等攻击具有较强的鲁棒性。     

基于纹理复杂度和运动方向的3D视频水印算法

3D视频的编码方法在HEVC（high efficiency video coding）的基础上有了较大的改动.针对这些改变,提出了一种基于纹理复杂度和运动方向的3D视频水印算法.首先,采用灰度共生矩阵和梯度矩阵分别对I帧中CTU（coding tree unit）和8 CU×8 CU（coding unit）纹理复杂度进行统计分析,将分析结果作为阈值选出P帧和B帧中纹理复杂度较高的8 CU×8 CU;其次,选择帧间预测模式为对称分割的块作为嵌入块,结合同位纹理块的运动矢量分量大小来确定嵌入的水印;最后,通过调制当前块运动矢量的搜索范围或修改区域最优运动矢量的大小来嵌入水印.本算法对不同视频序列平均嵌入容量达到613字节/帧,在不同QPs（quantization parameters）（25、30、35、40）值的重编码攻击下的平均误码率为13.31%,PSNR值平均下降仅为0.007 5 dB,对合成视点质量几乎没有影响,同时鲁棒性好.     

基于H.264运动矢量域的脆弱水印算法研究

针对H.264/AVC的编码特征,提出一种基于H.264/AVC低比特率视频流的脆弱水印算法。该算法在视频编码端的P帧经过运动矢量搜索和运动矢量预测之后,提取运动矢量残差,将水印嵌入在运动矢量残差中。在视频的解码端进行水印提取和检测,检测不需要原始视频的参与。该算法具有较小的码率变化、视频失真,以及较强的脆弱性。     

基于H.264/AVC的快速半脆弱水印算法实现*

提出了一种基于H.264/AVC低比特率视频流的快速半脆弱水印算法。该算法一方面将I帧DCT量化残差矩阵能量值E的大小作为嵌入鲁棒水印的判决条件,以增强水印的鲁棒性和透明性,降低对编码比特率的影响;另一方面通过限制P帧运动矢量的搜索范围和估计精度嵌入脆弱水印,以提高水印嵌入的实时性。鲁棒水印与脆弱水印相结合有效地实现视频版权保护和内容完整性认证。实验结果表明,该算法实时性高、复杂度低,具有较好的率失真特性。     

基于压缩域水印的AVS视频认证*

为了提高压缩域视频水印的安全性,提出一种基于压缩域的AVS视频认证水印新算法。它从视频空间的三维特性出发,利用I帧分块能量关系、GOP结构信息、帧结构信息等构造特征码。在嵌入算法上,将特征码同时嵌入到中频DCT系数和运动矢量中,在认证端将重建特征值和提取的双水印进行比较。仿真实验结果表明,该算法具有较好的窜改认证能力。     

基于运动目标检测的视频水印算法研究

摘要：为了提高视频水印的鲁棒性,提出一种基于运动目标检测技术的算法。通过相邻帧差法提取并标记视频图像序列中的运动目标,并采用图像局部奇异值分解(SVD)算法,实现水印的嵌入和盲提取过程。在仿真实验中,通过计算水印嵌入后图像的峰值信噪比,证明该水印算法具有很好的不可见性和隐蔽性;并使用strimark软件对嵌入水印后图像进行几何攻击,分析水印图像的相关系数,验证本算法具有很好的鲁棒性。     

一种基于运动目标的视频水印方法

提出一种基于视频中运动目标的自嵌入水印方法,可以实现在视频信息接收端对运动目标的无损恢复。为保证在水印嵌入前后获取的目标完全一致,给出一种新的运动目标提取方式,即使用近似于原始视频帧的合成帧来提取视频中的运动目标。实验结果表明,在视频未被篡改或在一定程度上被篡改的情况下,该方法可以实现运动目标的完全恢复,具有一定的可行性。     

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.     

基于运动矢量和模式选择的视频水印方案

根据H.264编码的新标准,提出一种基于运动矢量和模式选择的视频水印方案。将水印嵌入到具有小分割模式的宏块中,通过在运动搜索中最小化拉格朗日函数选择嵌入水印后具有最佳率失真性能的运动矢量作为嵌入点。实验结果表明,该算法对视频的质量和码率影响较小,并且水印对视频的重量化编码和噪声攻击有一定的鲁棒性。     

融合人工蜂群和混沌映射的混合视频水印算法

为了解决运动矢量搜索效率低下、水印信息嵌入单一等问题,融合自适应人工蜂群 和Powell 局部搜索,提出一种基于独立分量分析的运动目标检测方法。首先采用自适应搜索参数 动态调整邻域搜索范围,使人工蜂群算法快速收敛于全局最优,然后将人工蜂群输出的所有蜜源 进行K 均值聚类,克服K 均值聚类结果对初始聚类中心的依赖,再将聚类划分结果进行Powell 局部搜索,加快方法收敛的速度。采用独立分量设计运动目标最优化问题,并利用改进方法求解 最优解,从而提取视频序列中的运动分量。利用Logistic-正弦映射进行混沌加密,对加密后的水 印图像进行Arnold 映射置乱,将最终水印信息嵌入B 帧和P 帧中,在提高视频数据抗攻击的同 时,增强视频数据的真实完整性。仿真结果表明,该混合水印嵌入算法在鲁棒性和脆弱性方面有 良好的表现。     

基于3G视频的水印方法

针对3G视频编码标准的特性视频流水印技术的实时性问题,提出了一种基于色度块DC系数的视频流水印的鲁棒性算法。该方法利用Arnold变换对水印图像进行预处理,通过计算视频序列I帧的亮度确定欲嵌入帧,计算色度块的均值和方差,把置乱后的水印信息嵌入到色度块的量化DC系数中,该水印算法具有盲检测性。实验结果表明,该算法具有很好的不可见性,并且实现简单,可满足实时性要求,经过压缩等视频处理后,提取水印的NC值都在0.85以上,具有很好的鲁棒性,在嵌入位置的选择性给攻击者在确定攻击目标上增加了一定的难度,具有较好的安全性。     

基于H.264/AVC低比特率视频流的双水印算法

针对H.264/AVC编码标准的新特性，通过对低比特率视频流I帧DCT域量化编码和P帧运动估计过程的研究，提出了一种可同时进行版权保护和完整性认证的双水印算法。实验表明，该算法在水印嵌入时通过Lagrangian最优编码控制技术，比特流达到了较好的率失真平衡；所嵌入的鲁棒水印对重量化编码、帧编辑等攻击具有抵抗性，所嵌入的脆弱水印对各种普通攻击具有较强的敏感性。该算法提取水印时不需对压缩码流完全解码，并且为盲提取，能够满足实时随机检测的需要。     

广播监视中的安全视频水印算法

分析广播监视应用中对视频片段及水印的双重认证问题,基于三维离散小波变换,提出一种高安全性的鲁棒视频水印算法。该算法生成视频哈希值,并用私钥对版权信息和哈希值进行签名,由生成的签名和哈希值构建待嵌入的水印,以实现广播监视中对视频片段及水印的双重认证。理论分析和实验结果表明,该算法对于广播监视应用具有较好的安全性和鲁棒性。     

博弈论模型下基于运动矢量的视频隐写算法

针对目前大多数视频隐写算法不满足Kerckhoffs准则进行了研究,在博弈论隐写模型的基础上,提出了一种新的基于运动矢量修改的H.264视频隐写算法.该算法利用人眼视觉特性中对运动矢量的方向和速度特性敏感程度不同计算失真代价函数,再根据博弈论相关理论结合失真代价函数得到每个运动矢量的嵌入概率,实现了一种在理论上满足Kerckhoffs准则的视频隐写算法.实验结果表明,与同类型视频隐写算法相比,在满嵌时该算法的PSNR和SSIM的平均变化值分别降低了18.5％和12％,具有较好的安全性和不可感知性.