基于GIF动态图像的自适应隐写方案

提出了一种新的针对GIF(graphics interchange format)动态图像的自适应隐写算法。通过图像帧间相同位置像素的颜色亮度方差和颜色平均亮度建立帧间自适应准则,通过帧内的颜色规则与颜色匹配表建立帧内自适应准则,将图像分为可隐写像素与不可隐写像素,并用多帧可隐写像素联合隐写秘密信息。实验结果表明,算法具有良好的隐写效果并且具有较大的隐藏容量,与其他的密写方案相比,本方案保证了未授权者非法提取秘密信息的难度足够大,具有较高的安全性。     

一种基于运动估计的视频降噪算法

为了有效地去除视频序列中的噪声,提高视频图像质量,提出了一种基于运动估计的视频降噪算法。该算法在由视频序列中的当前帧和前后多帧图像构建的图像层中,通过运动估计技术,沿着物体的运动轨迹进行时域帧间滤波。实验结果显示,本文提出的算法充分利用了视频序列的时域信息,可以有效去除视频序列中的噪声,同时可以很好地保持视频图像的细节。     

基于时空曲线演化的多视频运动对象分割算法

多视频对象由于其运动的复杂性,在分割提取过程中有较大的难度.本文提出了一种基于时空曲线演化的多视频对象自动分割方法,首先根据视频序列帧间(时间域)和帧内(空间域)信息的不同特点,建立基于全局和局部特征的能量模型,并由此导出基于level sets方法的曲线演化方程;然后用视频序列的连继两帧帧差得到初始的视频对象,分别进行时间和空间曲线演化跟踪,提取多个视频对象;当对象因运动而发生相互遮挡现象时,利用基于Bayes最小错误概率决策法则的判断方法,分割遮挡对象和显露对象.实验结果表明,本文提出算法的分割效果在空间准确度上比COST211算法提高30-50%,比最佳的帧差分割算法提高5-10%.     

基于带权值无向图的视频隐写分析

针对视频帧的时域特性,提出一种以帧间相关性构建带权值无向图的视频隐写分析方法。首先,分别计算待检测视频每帧亮度的灰度共生矩阵,把得出的8维特征作为该帧的特征向量。再以视频帧为节点,用帧间特征向量的欧氏距离作为节点间的权值,构造出表示帧间相关性的带权值无向图。根据嵌入信息后帧间相关性发生改变的特性来判断视频中是否有秘密信息嵌入。实验结果表明,用带权值无向图的方法可以快速准确地区分载密视频和原始视频,并且有较高的正确率。     

利用浮点图像对视频对象进行自动分割

本文提出了一种自动的运动对象分割算法,利用浮点图像的轮廓进行区域分割,然后根据帧间运动信息进行区域合并,分割出视频序列中的运动物体.     

基于相关性异常的H.264/AVC视频运动矢量隐写分析算法

视频隐写分析是信息隐藏领域一个重要的研究方面,如何在格式复杂的压缩码流中搜寻运动矢量（Motion Vector,MV）中所留下的隐藏痕迹并设计隐写分析方法成为当前的研究热点之一.视频中成像设备和拍摄对象都具有运动相似性,使得H.264视频中基于块的运动估计所生成的MV存在较强的邻域相关性,隐秘信息的嵌入将迫使MV相关性出现统计异常.本文提出了一种基于共生频率异常的MV相关性度量方法,并在此基础之上结合H.264中与MV有关的编码技术,设计了基于相关性异常的H.264视频MV隐写分析算法.在隐写分析检测和性能测试中表明,本文提出的方法能够针对H.264视频MV隐藏实现有效检测,具有检测率高、检测速度快的特点.     

视频中运动目标的检测及数据安全传输

为了改进目前常用的运动目标检测方法易受到亮度和噪声的影响及出现虚假目标的情况,提出了一种在视频序列中结合帧间差分法和背景差分法的运动目标识别算法。该算法利用帧间差分法得到当前帧中运动目标的信息,通过3帧差分运算和阈值分割,更好地实现视频序列中运动目标的识别;同时针对实时图像监控系统中视频信号传输的安全性,对信号传输进行了方式和技术上的对比分析;实验结果表明能够得到较好的识别结果。     

基于局部二值模型的视频隐写分析

为了有效检测扩频信息的嵌入,提出一种基于局部二值模型(Local Binary Pattern,LBP)的视频隐写分析方法。利用视频序列的时空相关性建立三维正交模型,根据活动性分析剔除局部运动点,分别从XY、XT、YT三个平面提取其余点的LBP特征并进行直方图统计。与SPAM方法相比,文中提出的LBP模型不仅降低了局部运动的影响,更获得了较高的检测率。     

基于灰度差值的HEVC快速帧间编码研究

针对新一代视频压缩编码标准HEVC计算复杂度较高的特点,利用视频序列间时域上的相关性,提出了一种基于灰度差值的编码单元快速划分策略.该策略根据当前编码块与参考块之间的灰度差值进行运动条件判决,在进行编码之前提前确定当前编码单元的编码深度信息,减少帧间预测编码的次数,从而有效地降低了编码端的计算复杂度.实验结果表明,该算法在编码效率和峰值信噪比(PSNR)损失都很小的情况下,和HM标准中的帧间预测算法相比,平均降低了50.18％的编码时间.     

一种基于帧内图像分区的视频对象自动分割算法

视频运动对象的自动分割是实现新一代对象基视频编码标准MPEG-4的重要技术,本文提出了一种基于帧内图像分区的运动对象自动分割算法.首先以时域运动信息为依据利用高斯检验方法得到二值运动掩模图像,并建立MRF随机场模型进一步检验,然后提出了一种结合非线性变换的改进分水岭算法进行帧内图像分区,以划定对象区域与背景区域的界线,最后对时域分割和帧内分区结果进行比重运算,得到最终运动对象.针对MPEG-4标准测试序列和自采集手指视频序列的实验结果说明了算法的有效性.