基于菱形编码的视频信息隐藏算法

针对基于视频帧内预测模式调制的信息隐藏算法嵌入容量较小、比特率上升较明显等问题,提出一种基于菱形编码的帧内视频信息隐藏算法。该算法基于高效视频编码（HEVC）,将相邻两个4×4块预测模式组成模式对,采用改进的菱形编码算法指导模式调制和信息嵌入过程;并采取二次编码方式在保留原始平台最优编码划分下进行第二次隐秘信息嵌入编码,在保证嵌入量的同时抑制帧内失真漂移。实验结果表明：所提算法峰值信噪比（PSNR）值下降在0.03dB以内,码率增长低于0.53%,嵌入量有大幅提升,并能很好地保证视频主客观质量。     

一种基于帧内预测模式的高容量信息隐藏方案

根据H.264编码标准帧内预测模式的特点,提出一种高容量视频信息隐藏方案.方案中用Tent映射选出待嵌入宏块,根据帧内预测模式及哥伦布编码特点,设计了一种最小角偏移预测模式替换算法,通过修改Ⅰ帧中4×4亮度宏块帧内预测模式来嵌入秘密信息.为增加秘密信息安全性,先用Tent映射加密秘密信息,并用其生成的密钥选出待嵌入宏块.只需对帧内预测模式进行解码,便可从编码后的视频流中直接提取秘密信息.实验结果表明,该方案可有效嵌入秘密信息,不可见性好,视频流长度变化微小,并可通过调控控制因子N来调控嵌入容量,从而调控视频质量.     

结合恰可察觉编码失真模型的HEVC大容量信息隐藏方法

目的 数字视频通常经过压缩后传输,结合视频编码标准嵌入秘密信息是视频信息隐藏的主流技术。然而,现有基于HEVC（high-efficiency video coding）的视频信息隐藏技术存在码率增长过快、视频质量下降等问题。针对以上问题,提出结合恰可察觉编码失真模型（JNCD）的HEVC大容量信息隐藏方法。方法 JNCD模型是一种面向HEVC视频编码的视觉感知模型。该模型充分考虑编码过程的模糊和块效应,有效去除视频感知冗余,在相同码率下可获得更高的主观感知质量。结合JNCD模型,调节I帧中编码单元（CU）的最优量化参数（QP）值,并利用基于方向调整（EMD）算法嵌入秘密信息,进一步增加信息隐藏容量。为了提高信息的安全性,用密钥对秘密信息进行置乱加密处理,在解码端只有持有该密钥的用户才能正确解密,获得秘密信息。结果 实验使用HEVC参考软件HM16.0,选取分辨率不同的序列进行测试。结果表明,秘密信息嵌入后,视频测试序列的PSNR平均值为41.16 dB,与现有的信息隐藏方法相比,不仅保持较好的主观和客观视频质量,而且信息隐藏容量平均提升2倍左右。结论 采用本方法在保证原视频图像的质量的情况下,能够有效增加信息隐藏的容量,并能够一定程度阻止码率增长,符合信息隐藏的不可见性、安全性和实时性要求。     

安全的MPEG压缩视频数字隐写算法

视频数字隐写具有隐藏容量大的优点,但是通常在获得隐藏容量的间时,却忽视了安全性.为了在二者之间取得平衡,利用纠错码信息隐藏的原理,提出了一种以压缩视频为载体的数字隐写算法.该算法在进行秘密信息嵌入时,采用了二次嵌入的策略,即首先将秘密信息嵌入到纠错码码字,然后将得到的载密纠错码码字嵌入到与不采用差分编码的系数相对应的行程幅度对的幅度值,同时采用比特率控制策略来减小信息嵌入前后的视频流长度变化.实验及分析表明,该算法的隐写结果不仅具有较好的视觉和统计上的不可感知性,而且满足密码学中的"Kerchhoff准则".此外,该算法在确保一定的嵌入容量的情况下,能够使视频流长度在信息嵌入前后保持近似不变.     

一种基于CABAC的HEVC信息隐藏算法

针对现有基于HEVC视频信息隐藏算法中存在的嵌入容量和嵌入效率较低的问题,提出一种基于CABAC的HEVC信息隐藏算法.通过分析熵编码过程中指数哥伦布编码后缀与语法元素值的相关性,阐述使用指数哥伦布编码后缀作为信息嵌入载体的可行性,并选择语法元素abs mvd minus2经过一阶指数哥伦布编码产生的后缀作为嵌入载体,...     

基于直方图平移的视频密文域大容量可逆信息隐藏

针对视频密文域可逆信息隐藏（RDH）嵌入容量不高的问题,提出一种基于直方图平移的视频密文域大容量可逆信息隐藏方案。首先,利用流密码算法对4×4亮度帧内预测模式和运动矢量差值（MVD）的符号位进行加密,形成视频密文域;其次,构造MVD的二维直方图,设计关于（0,0）对称的直方图平移算法;最后,在MVD密文域中进行直方图平移,实现可分离的视频密文域可逆信息隐藏。实验结果表明,与对比方案相比,所提方案的嵌入容量平均提升263.3%,加密视频的平均峰值信噪比（PSNR）最高不超过15.956 dB,含密的解密视频的平均PSNR均能达到30 dB以上。所提方案可以有效提升嵌入容量,适用于更多类型的视频序列。     

基于直方图对的MPEG-4格式视频无损数据隐藏

针对视频中的无损数据隐藏问题,提出了基于直方图对数据嵌入的方法,在I帧的离散余弦变换(DCT)域中,通过选择合理的起伏值、频段和区域来进行数据嵌入,达到了MPEG-4视频高质量的嵌入效果。通过选择在图像空域的最优局部区域的宏块(8×8),在DCT宏块内部最优频率范围内,在最优DCT幅度上嵌入数据,来达到视频的最优直方图对无损嵌入。在6个常用的测试视频序列的实验中,得到比过去方法更高的峰值信噪比（PSNR）。如akiyo视频,I帧嵌入PSNR,分别达到了45.33dB（1000b/帧）、43.58dB（2000b/帧）和40.28dB（4000b/帧）。在大嵌入量的情况下,依旧保持了较低的比特率的增加,平均约6%。在DCT系数上嵌入数据,所提算法比“基于DCT量化表”上嵌入数据得到的PSNR更高。嵌入I帧比嵌入B帧好,形成了比较完备的视频无损数据隐藏方法。     

基于提前终止编码单元划分的快速帧内预测算法

为了降低高效视频编码HEVC(High Efficiency Video Coding)帧内预测过程的计算复杂度,提出一种提前终止编码单元(CU)划分的快速帧内预测算法。首先,针对HEVC编码结构,提出一种纹理复杂度测度的方法(即像素亮度方差值)。然后,分析不同纹理特性对帧内预测编码单元层次结构的影响,提出一种基于像素亮度方差值统计的提前终止编码单元的方法。对不同层次结构的编码单元进行像素亮度方差值统计,同时结合平均像素代价值统计,设置合理的阈值,自适应提前终止编码单元的划分,从而降低了帧内预测的编码复杂度。实验结果表明,在保证信噪比和比特率不变的情况下,该算法与HEVC参考软件HM10.0相比,编码时间平均节省32%。     

利用时空相关性的HEVC帧内编码块快速划分

目的 为了提升高效视频编码（HEVC）的编码效率,使之满足高分辨率、高帧率视频实时编码传输的需求。由分析可知帧内编码单元（CU）的划分对HEVC的编码效率有决定性的影响,通过提高HEVC的CU划分效率,可以大大提升HEVC编码的实时性。方法 通过对视频数据分析发现,视频数据具有较强的时间、空间相关性,帧内CU的划分结果也同样具有较强的时间和空间相关性,可以利用前一帧以及当前帧CU的划分结果进行预判以提升帧内CU划分的效率。据此,本文给出一种帧内CU快速划分算法,先根据视频相邻帧数据的时间相关性和帧内数据空间相关性初步确定当前编码块的编码树单元（CTU）形状,再利用前一帧同位CTU平均深度、当前帧已编码CTU深度以及对应的率失真代价值决定当前编码块CTU的最终形状。算法每间隔指定帧数设置一刷新帧,该帧采用HM16.7模型标准CU划分以避免快速CU划分算法带来的误差累积影响。结果 利用本文算法对不同分辨率、不同帧率的视频进行测试,与HEVC的参考模型HM16.7相比,本文算法在视频编码质量基本不变,视频码率稍有增加的情况下平均可以节省约40%的编码时间,且高分辨率高帧率的视频码率增加幅度普遍小于低分辨率低帧率的视频码率。结论 本文算法在HEVC的框架内,利用视频数据的时间和空间相关性,通过优化帧内CU划分方法,对提升HEVC编码,特别是提高高分辨率高帧率视频HEVC编码的实时性具有重要作用。     

一种HEVC帧内预测模式快速选择算法

针对HEVC帧内预测模式选择过程计算较为复杂的问题,提出了一种帧内预测模式快速选择算法。在统计实验数据的基础上,针对64[×]64、32[×]32、16[×]16较大尺寸的预测单元类型,采用阈值法筛选掉粗选后可能性较小的预测模式,针对8[×]8、4[×]4较小尺寸的预测单元类型,根据代价值的分布情况,直接筛减或者采用模式梯度直方图法筛选掉粗选后可能性较小的预测模式,从而减少最后进行率失真代价精密计算的帧内预测模式数量,降低帧内编码复杂度。实验结果表明,在保证图像质量和编码码率的情况下,该算法能有效提高HEVC的编码速度,有利于实时应用。     

减小H.264帧间漂移失真的鲁棒性视频隐写算法

针对H.264/AVC （Advanced Video Coding）视频信息隐藏过程中产生的不可感知性、嵌入容量、鲁棒性三方面不平衡的问题,提出一种通过选取不同优先级顺序的DCT （Discrete Cosine Transform）系数集合实现嵌入,进而减少帧间漂移失真的信息隐藏算法.首先对秘密信息M进行卷积编码,得到编码后的信息,以此提高视频的鲁棒性;然后通过分析帧间漂移失真产生的原因,计算出不同DCT系数优先级顺序的分类集合,优先在失真小的系数集合中嵌入数据从而减小帧间漂移失真;最后根据预先定义的嵌入规则,将嵌入在所选择4×4亮度块的DCT系数集合中,提高嵌入容量.最终在解码端能够正确提取秘密信息同时恢复原始信息.实验结果表明,本文提出的算法能在很好的保证视频质量的前提下,增加视频的嵌入容量,提高鲁棒性.     

基于帧内预测模式调制的HEVC信息隐藏方法

为了进一步提高HEVC信息隐藏过程中的嵌入效率,提出了一种HEVC帧内预测模式调制的信息隐藏方法。该方法根据密钥生成每个CTU的空间点阵维数N(N=2,3,4),利用帧内预测模式选取规则选出N个顶角处的帧内预测模式,通过空间点阵映射算法计算出映射值 F;然后从秘密信息比特文件中读取 N 个比特,转换成十进制数D。实现了在N个帧内预测模式中最多改变一个模式即可嵌入N个比特秘密信息。实验验证该方法具有高嵌入效率、小码率增加以及视频质量几乎没有下降的特性,通过抗隐写实验证实所提方法有高隐蔽性。     

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。     

一种HEVC帧内预测快速算法

HEVC作为新一代的视频编码标准,比现有H.264标准的压缩效率提高近一倍,但其存在复杂度较高的问题。为此,针对HEVC中帧内预测最耗时的模块,即编码单元块划分模块和帧内预测模式选择模块,提出一种适合HEVC帧内预测的快速算法。该算法将率失真(RD)代价作为阈值参数,利用候选模式集中预测模式被选中概率快速递减的规律,基于RD代价进行帧内预测块划分和帧内预测模式选择。实验结果表明,该算法在相同编码质量条件下可减少59%的HM10.0帧内预测模块复杂度,相应比特率的增加幅度小于1.34%。     

H.264/AVC中基于决策树的P帧快速模式选择

目的 H.264/AVC帧间预测编码需要对所有可能编码模式计算并比较率失真代价,众多的模式类型导致了P帧编码的计算复杂度非常高。为此提出一种针对P帧的基于决策树的快速候选模式选择算法。方法在对宏块进行16×16的帧间运动估计后,首先根据残差宏块中4×4全零系数块个数对部分宏块直接选择出候选模式;然后使用16个4×4块的变换域系数绝对值之和(SATD)值,采用决策树分类方法对其余宏块选择候选模式。结果由于只需对候选模式进行编码,因此有效降低了编码器的计算复杂度。实验结果表明,与原始全搜索编码算法相比,该算法对不同运动程度的视频序列获得了较一致的编码时间的节省,同时平均峰值信噪比的损失和平均比特率的增加均较少。结论新的P帧帧间预测候选模式选择算法,根据帧间运动估计后的残差宏块信息,采用决策树方法对候选模式集进行分类。实验结果表明,该算法能在保证视频编码质量的前提下,有效地降低编码过程中的计算量,缩短编码时间。     

基于运动向量修改的保持块间扰动最小的HEVC信息隐藏算法

高效视频编码(High Efficiency Video Coding, HEVC)标准能够大幅度提升压缩效率, 正被广泛应用中。为提高基于运动向量修改的 HEVC 视频隐写算法的安全性, 本文结合了 HEVC 标准中帧间预测编码的新技术, 并利用在运动向量域进行信息嵌入扰动较小的优点, 提出了一种基于运动向量修改的保持块间扰动最小的 HEVC 信息隐藏算法。首先, 该算法量化了修改运动向量后对当前高级运动向量预测(Advanced Motion Vector Prediction, AMVP)单元和其相邻融合(Merge)模式预测单元产生的扰动代价, 将运动向量垂直分量和水平分量之和作为原始载体元素。其次, 结合校验网格码(Syndrome Trellis Codes, STC), 寻找扰动代价最小的嵌入路径, 通过修改运动向量中绝对值较大的分量将信息嵌入在 AMVP 模式的预测单元运动向量上。此外, 为减小对视频质量的影响, 利用修改后的运动向量更新运动向量差值。 实验结果表明, 所提方法对视频序列进行信息嵌入后, 由于本文引入的扰动代价判断可以有效控制视频质量变化, 对视频序列的峰值信噪比、码率影响较小, 所以该方法对视频的扰动很小。而且本文算法不仅在视频质量保护上有良好的性能, 还对运动向量域专用隐写分析具有良好的抗检测能力, 有利于基于 HEVC 视频码流的隐蔽通信的进一步发展。     

基于深度学习帧内编码快速划分算法

为降低H.266/VVC(versatile video coding)帧内编码复杂度，提出一种基于纹理分类的卷积注意力机制神经网络CBAM-CNN(convolutional block attention module-convolution neural network)模型的快速帧内编码单元划分方法，替代嵌套多类型四叉树QTMT(quadtree with nested multi-type tree)的遍历搜索。综合考虑每个编码单元CU(codinguint)纹理特征，建立基于阈值的纹理分类模型，判断64×64的编码单元是否划分；设计并训练一种CBAM-CNN网络模型，预测32×32,16×16CU的划分结果。仿真结果表明，所提算法使帧内编码时间平均减少43.217%,编码比特率仅增加0.894%,有效降低了帧内预测的编码复杂度。     

基于H.264的高分辨率序列帧内预测的改进算法

针对高清视频序列帧内预测的编码特点,得出禁用Intra4×4预测模式,使用Intra8×8和Intra16×16模式进行亮度预测,可显著提高编码速度,同时码率和SNR基本不变。基于上述结论,提出一种新的帧内预测快速算法。该算法在帧内预测之前进行预判决,从Intra8×8和Intra16×16中选择一种预测模式,从而减少了算法复杂度。实验结果表明,算法在码率只有少许增加的情况下,编码速度提高了27.8%,SNR值基本不变。     

高效率视频编码中基于块整合的错误隐藏算法

针对新一代视频编码标准高效率视频编码(HEVC)编码单元(CU)尺寸较大所导致的丢包后错误隐藏恢复效果不佳的问题,提出了对CU下的分割块进行块融合的错误隐藏方法。首先,分析了残差能量与块分割的相关性;然后,通过参考帧残差能量与所设阈值进行比较判决,对当前丢失CU分割块进行融合,得到丢失CU的块分割方式;其次,对矢量外推法进行权值优化,保证了算法在HEVC错误隐藏的适用性;最后,对融合块采用优化后的矢量外推法进行错误隐藏。实验结果表明,与经典错误隐藏方法如拷贝法、运动补偿法等相比,基于块融合的错误隐藏在保证解码视频结构相似性(SSIM)的同时提高了不同运动性的解码视频峰值信噪比(PSNR),验证了算法的可行性。     

一种基于纹理测度的帧内预测模式选择优化算法

视频是当前人们获取信息的主要途径之一,在视频业不断发展的如今时代,人们对于视频质量和视屏传输速度的要求日益增长。视频编码的目的就是尽可能去除视频数据中的冗余部分,减少视频的数据量。而HEVC中的帧内预测模块,是指利用视频空间域的相关性,使用当前图像已编码的像素预测当前像素,以达到去除视频空域冗余的目的。论文设计和实现了一种基于纹理分布的快速帧内预测模式预测算法,相较于H.265/HEVC编码实现平台X.265帧内预测编码模块,PSNR平均降低0.294dB,比特率平均升高2.098%,平均降低60.94%的编码时间。