基于感兴趣区域的H.264视频加密算法

为了解决现有的基于H.264的加密算法无法满足安全性和加密效率之间较好折衷的问题,提出两种基于感兴趣区域的H.264加密算法,将感兴趣区域的提取和基于熵编码的H.264加密算法相结合,只对提取出来的感兴趣区域进行加密.设计了一种基于人脸检测的加密算法,并通过修改模式选择算法,去掉了使得非人脸区域参考人脸区域的帧间宏块预测类型,解决了由帧间预测引起的人脸加密区域变形的问题.将运动对象的检测与提取和H.264的编码过程结合,设计了一种基于运动对象检测的H.264加密算法.实验结果表明,这两种加密算法能够在不降低算法安全性的情况下获得安全性和加密效率之间的较好折衷,可以满足实时应用的需求.     

H.264视频感兴趣区域加密算法

为了对视频的隐私区域进行加密,提出一种基于FMO和骑士巡游思想的H.264视频感兴趣区域加密的算法。首先确定视频中包含的感兴趣区域的范围,之后对感兴趣区域内部宏块的宏块类型参数使用SHA-1生成的流密码异或加密,并对条带组序号使用骑士巡游思想置乱加密。实验分析表明,该算法可以有效地保护视频中的隐私区域,并且可以在安全性、加密效率和编码效率取得较好的折中。     

感兴趣区域分割的非平衡多描述视频编码

视频序列中感兴趣区域信息的丢失将导致视频质量的严重下降,通过一定的算法检测出感兴趣区域,并通过修改H.264编码标准中的数据分割算法,把这部分信息的Inter宏块放入B类数据分割中,然后对新形成的三类数据运用非平衡多描述编码方法进行编码,实验结果表明,该方法在网络出错时可以有效地保证视频中感兴趣区域的数据,很好地改善接收到的视频质量。     

基于ROI的动态FMO视频抗差错算法研究

本文提出了一种基于感兴趣区域(ROI)的动态FMO(DFMO)的视频抗差错算法,该算法采用分层编码的思想,对于ROI区域采用抗差错性能好的FMO模式,而非ROI区域则采用抗差错性能次之的FMO模式,以此达到抗差错性能和编码效率的平衡。仿真结果表明,相比于传统FMO模式,本文提出的DFMO算法在保证较低额外比特开销的情况下,可以有效地提高重建视频的主客观质量。     

基于交互式感兴趣区域的教学视频编码

为了在现有网络带宽和网络客户端处理能力的条件下提高网络多媒体教学系统中的视频质量, 提出一种基于交互式感兴趣区域的教学视频编码算法。首先利用经典的GrabCut算法在低分辨率视频中交互式检测感兴趣目标, 基于区域生长算法定位各目标所在区域并映射到高分辨率视频中; 然后提取出感兴趣区域, 缩放到显示分辨率, 对各感兴趣区域编码生成H. 264标准兼容的码流。实验结果表明, 在相同视频质量下, 该算法可以有效减小传输码率、降低客户端的计算复杂度, 相比现存方法, 传输码率最大节约94. 3%, 计算复杂度降低526%。     

基于Adaboost的人脸感兴趣区域编码

在分析JPEG2000标准感兴趣区域（Region of Interest-ROI）编码的基础上,提出一种结合AdaBoost算法的自动人脸感兴趣区域编码方法。该方法通过AdaBoost算法检测定位图像中的人脸区域,动态生成感兴趣区域掩膜,然后采用JPEG2000中最大位移法（MaxshiR）进行感兴趣区域编码。实验仿真结果验证了该方法的有效性和可行性。     

JPEG2000中感兴趣区域的编码

JPEG2000不仅比现有的标准例如JPEG有更好的客观图像质量，而且提供了很多新的特性和功能。可以对感兴趣区域进行最高质量的压缩或者无损压缩就是一个非常重要的功能，而现有标准不能有效实现或根本无法实现。文章从JPEG2000的算法原理开始，对如何进行感兴趣区域编码进行了阐述，并且给出了实验结果。     

基于感兴趣区域的率失真优化帧内刷新算法研究

由于视频图像中不同区域的重要性存在着很大差异,人眼对其主观质量的要求也不一样,因此对感兴趣区域的前景图像和非感兴趣区域的背景图像的主观质量要求也可以不一样,尽管目前对感兴趣区域的研究已有不少,但是将全局率失真优化、码率控制、帧内宏块刷新和感兴趣区域结合的相关研究并不多见。基于此提出了基于人眼感兴趣区域的率失真优化帧内宏块刷新算法,该算法采用端到端的全局率失真理论,对感兴趣区域和非感兴趣区域进行分析处理,使感兴趣区域的宏块能得到更及时的帧内刷新,由于受到码率的限制,必须对感兴趣区域和非感兴趣区域重新进行码率分配。最后,在JVT的JM12.2平台上实现该算法。大量实验结果表明,与传统的基于率失真优化的帧内刷新算法相比,基于感兴趣区域的率失真优化帧内刷新算法在感兴趣区域能够取得更好的主观质量。     

一种利用视觉掩蔽效应的感兴趣区域视频编码方法

传统感兴趣区域视频编码方法通过整体降低ROI区域的量化参数来实现ROI质量优化,会造成整体率失真性能的下降,尤其在低码率时下降更加严重。针对这一问题,结合人眼掩蔽特性的精细Grid量化方法在文中提出,可有效提高ROI质量并降低整体质量的损失。而且该量化方法能够根据ROI尺寸大小对初始感知权重进行自适应调节,适用于ROI特征不同的视频序列。实验结果表明,对于不同特征的标准测试序列,在中低码率条件下和H.264相比,本文算法能平均提高ROI的PSNR值1.905dB,主观感受有明显提升。和同类ROI算法相比,ROI质量平均提升0.47dB,整体质量提高0.625dB。     

基于JPEG2000的感兴趣区域算法研究

介绍了两种感兴趣区域(ROI)编码技术:一般位移法(Scaling-based method)和最大位移法(MaxShift method),它们分别已经被JPEG2000标准的第一和第二部分采纳。其中一般位移法需要传输和编码ROI的形状信息,而最大位移法不能控制感兴趣区域和背景区域(BG)重建图像的相对质量。针对这些缺点与不足,又进一步阐述了另外两种改进算法:位平面逐个位移法(BsBShift method)和最重要位平面法(MSBShift method)。     

相似性约束人脸区域的H.264视频流自适应错误隐藏研究

针对H.264视频压缩码流在信道传输过程中易发生丢包和误码错误,以及视频图像解码重建后人脸区域模糊等问题,提出了一种基于相似性约束人脸区域的自适应错误隐藏算法,对错误块进行两次错误隐藏。首先利用自适应方向插值空域错误隐藏算法对错误块中每个像素点根据其纹理方向进行自适应方向插值运算并恢复,实现第一次错误隐藏,然后提取错误块视频图像的前景目标,采用肤色分割的方法定位出可能的人脸区域,再基于相似性约束方法确定用于覆盖错误块人脸区域的目标人脸区域,通过仿射变换后,将目标人脸区域的梯度信息覆盖错误块的人脸区域,实现第二次错误隐藏。改进的方法能够更加精确的确定插值方向且更好的恢复人脸区域,重建后的视频平滑性有一定的改善。采用JM8.6平台仿真结果表明,与现有基于人脸五官特征的空域差错掩盖算法相比,视频图像隐藏效果在主观视觉上有一定改善,计算出的峰值信噪比(PSNR)提高了1.21dB。     

H.264视频码流中运动物体的提取

H.264是新一代视频编码标准,具有广泛的应用前景。本文主要讨论了基于H.264视频流中运动物体检测的问题。首先简要介绍了H.264视频编码标准,然后分析了各种编码图像帧的编码过程,从而得出根据运动矢量来检测运动物体的方法,并分析了因摄像机运动而对检测方法造成的影响及相应的处理方法。从实验结果可以看出,检测效果还是比较令人满意的。     

基于视频隐写的H.264文件鉴权播放方法

针对多媒体内容分发与播放系统,在不降低用户体验的前提下限制播放内容。该方法首先自适应地选择待嵌入的二值图像,通过修改特定位置AC系数的符号在视频帧内预测中嵌入。然后在解码播放时自适应地选择待匹配的二值图像,与提取的水印进行匹配,匹配通过,才继续解码并播放视频;否则直接停止解码播放。实验结果表明,嵌入水印的算法具有较高的鲁棒性,嵌入水印前后视频峰值信噪比(PSNR)、码率基本不变。算法复杂度低,实用性强,实现了对非法视频的有效过滤。     

基于H.264的立体视频压缩中的快速帧间模式选择算法*

为了在保证PSNR和bitrate的基础上,提高立体视频编码的速度,首先,对立体视频序列各模式进行统计分析,然后进行快速帧间模式选择算法的比对,并最终确定使用基于图像细节程度的快速帧间模式选择算法进行编码。实验结果表明,在图像质量和压缩效率基本不变的情况下,大幅度提高了H.264立体视频编码的速度。     

H.264中基于检测与追踪的人脸保护方案*

目前视频安全得到了人们的广泛关注,许多视频加密算法提出并得到了应用。但这些视频加密算法基本上是针对整帧图像的加密,并未考虑对图像中某些感兴趣的区域进行加密,往往增加了通信成本。针对此问题,提出了一种有效安全的感兴趣人脸区域保护方案,方案包括肤色信息和基于方向特征Bayes分类器相结合的人脸精确定位,基于Kalman滤波器的人脸预测跟踪以及H.264的CABAC编码中人脸区域的加密。实验结果表明,该方案不仅具有抗攻击性,而且安全有效地保护了感兴趣人脸区域。     

H.264中基于检测与追踪的人脸保护方案

目前视频安全得到了人们的广泛关注,许多视频加密算法提出并得到了应用。但这些视频加密算法基本上是针对整帧图像的加密,并未考虑对图像中某些感兴趣的区域进行加密,往往增加了通信成本。针对此问题,提出了一种有效安全的感兴趣人脸区域保护方案,方案包括肤色信息和基于方向特征Bayes分类器相结合的人脸精确定位,基于Kalman滤波器的人脸预测跟踪以及H.264的CABAC编码中人脸区域的加密。实验结果表明,该方案不仅具有抗攻击性,而且安全有效地保护了感兴趣人脸区域。     

结合目标检测与匹配修正的手腕骨兴趣区域提取

目的 在骨龄智能评估研究中,如何准确地提取手腕参照骨的兴趣区域(region of interest, ROI)是保证骨龄精确评估的关键。基于传统深度学习的方法用于手腕骨ROI提取,存在个别参照骨漏判、误判等情况,导致平均提取准确率较低。本文结合目标检测强大的定位和识别能力,以准确提取所有手腕骨ROI为目的,提出了一种参照骨自动匹配与修正方法。方法 针对不同参照骨形状、位置等特征表现出的规律性和关联性,本文采集了大量不同性别、不同年龄段的人手腕图谱作为参照骨样本匹配,然后分多个阶段提取参照骨ROI:1)基于目标检测算法初步提取出所有参照骨候选ROI,并根据一定的阈值剔除置信度较低的区域;2)结合参照骨的大数据样本构建位置点匹配模型,对剔除区域进行自动匹配与填补,保证ROI提取的完整性;3)通过多尺度滑动窗口以及ROI分类模型,对填补得到的ROI位置进行滑动修正,进一步保证提取准确率。结果 实验结果表明,本文结合目标检测与匹配修正的方法优于现有绝大多数方法。其中,匹配修正方法在目标检测算法的提取结果基础上,提升了约1.42%的平均准确率,当结合Faster R-CNN(region-co...     

基于用户感兴趣区域的图像检索方法*

提出了一种基于用户选择感兴趣区域的图像检索方法.该方法先由用户选择感兴趣的区域,然后提取该区域的特征进行扫描式匹配检索.实验结果表明,该方法不仅极大地增强了检索系统的灵活性,而且具有较高的查准率.