基于运动矢量直方图不变的数字视频隐写算法

针对现有基于运动矢量(MV)的数字视频隐写算法对载体直方图统计特性带来较大改变这一问题,提出一种基于运动矢量直方图不变的数字视频隐写算法。利用保持直方图数据映射方法,把秘密信息隐藏在视频运动矢量中;同时,利用数据匹配编码对嵌入之前的秘密信息进行编码处理,得到了与视频运动矢量统计特征基本匹配的数据流,使算法接近于信息论下的完美安全。实验结果表明：算法有效控制了运动矢量直方图的改变,同时码率的增加也被有效地控制在1%以内,隐写分析检出率平均下降了30%~50%。     

基于运动矢量多直方图修正的视频可逆隐写算法

针对基于直方图平移的视频隐写算法与视频内容相关性不强进行了研究,提出了一种基于运动矢量多直方图修正的H.264视频可逆隐写算法。该算法通过统计特定帧中宏块移动的速度特性和散乱度对人眼视觉的敏感程度设计修正参数,再根据修正参数设计多个二维直方图,最后在非特定帧中通过二维直方图修正算法嵌入信息。实验结果表明：与同类型视频隐写算法相比,嵌入容量平均提高8.2%,在满嵌时该算法的PSNR和SSIM的变化值分别平均降低19.9%和17.5%,该算法在保持较低的比特率变化下,具有更好的嵌入容量和不可感知性。     

基于运动矢量的视频隐写方法

为减小秘密信息嵌入对载体视频的修改率,提出了一种基于运动矢量及线性分组码的视频隐写方法。该方法在原始视频进行H.264压缩过程中将秘密信息嵌入到其运动矢量中。线性分组码的使用不仅可大幅提高载体视频的运动矢量利用率,而且可有效降低运动矢量修改率。所提算法不仅具有计算复杂度低、视觉不可见性高的特点,而且可以实现秘密信息的盲提取。实验表明,该方法在保持良好的视频质量的前提下,可以满足隐蔽通信对于高嵌入容量的需求。     

一种低修改率的视频隐写方法

基于运动矢量和矩阵编码的视频隐写方法存在运动矢量修改率过高的问题。为此,提出一种低修改率的视频隐写方法。按照 H.264标准进行视频编码,通过预先定义的阈值选取幅值较大的运动矢量,根据相位角选取合适的运动分量,利用该分量在运动矢量中嵌入秘密信息,使用矩阵编码降低运动矢量的修改率。实验结果表明,该方法具有较高的载体数据利用率、较低的载体数据修改率和计算复杂度。     

基于运动矢量分量差的视频隐写算法

针对H.264/AVC视频压缩标准,提出基于运动矢量分量差的隐写算法。根据人眼视觉特性,筛选出人眼较不敏感的运动矢量,计算其分量差以控制嵌入操作的位置,并在选定的运动矢量分量中嵌入秘密信息。由于操作具有对称性,因此对视频质量的影响较小。理论分析和实验结果证明,该算法具有较高的载体利用率和嵌入效率,能够达到视频隐蔽通信对隐蔽性和隐写容量的要求。     

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。     

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.     

基于Fisher矢量编码的运动视频自动评分技术

传统基于计算机视觉特征的人体运动分析和动作评分技术对局部人体运动特征判别性不强,导致对相似人体动作的类内差异不敏感,自动评分准确率低。提出一种局部时空保持的单目运动视频人体动作特征Fisher矢量（FV）编码方法和自动评分技术。首先提取梯度方向直方图（HOG）和光流直方图（HOF）描述运动视频中人体动作姿态和运动特征,实施?2归一化和基于主成分分析的数据降维后获得具有判别性的人体动作特征矢量;然后利用时空金字塔方法在FV编码中嵌入时空特征,提高对动作正确性和协调性的判别能力;最后通过建立不同动作分类的线性模型确定动作评分。在健美操动作自动评分数据集上的实验表明,文中算法的敏感性和特异性约为94.4%和71.4%,与专家评分的中位数平均误差为7.0%,适用于在线体育教学和普通运动训练中基于单目运动视频的动作完成质量评价。     

利用像素置换的自适应可逆信息隐藏

目的 像素置换作为一种可逆信息隐藏方式具有良好的抗灰度直方图隐写分析能力,但嵌入容量偏小一直是其缺陷。针对这一问题,提出了一种基于像素置换的自适应可逆信息隐藏算法。方法 首先,与传统2×2像素块结构相比构造了尺寸更小的像素对结构,使得载体图像可以被更稠密地分割,为嵌入容量的提升提供了基数条件。其次,提出适用于该新像素结构的可嵌像素对（EPP）筛选条件,避免嵌入过程引起图像质量大幅下降。之后,根据EPP的灰度趋势差异对其进行自适应预编码,提高Huffman编码压缩比,进一步提升算法嵌入容量。最终,通过像素置换嵌入信息。结果 与2×2像素块结构的非自适应图像隐写算法相比,在同样保证灰度直方图稳定性的情况下该算法的PSNR提高了32%左右,嵌入容量提高了95%以上。其中自适应性对嵌入容量提升的贡献极大。结论 本文算法同时具有抗灰度直方图隐写分析能力与高嵌入容量性的可逆信息隐藏。算法构造了更高效的可嵌单位,并且针对不同载体图像的特点对其可嵌区域进行差异化编码。实验结果表明,本文算法在具有更好的不可见性的同时,嵌入容量得到大幅提升。     

基于压缩视频的隐写算法研究

视频隐写是以视频为载体的隐写技术,根据嵌入时载体视频是否经过压缩编码将视频隐写分为基于原始视频的隐写和基于压缩视频的隐写两个大类。该文介绍了几种常见的基于压缩视频的隐写算法,给出了一般原理模型,对AC系数、DC系数和运动矢量等编码单元上隐写算法进行了简单介绍,提出了提高隐藏率的基本思想。     

利用运动向量差值改善深度学习视频隐写分析

目的 针对现有深度学习视频隐写分析网络准确率不够高的问题,本文从视频压缩编码的原理出发,发掘嵌密编码参数与其他参数之间的关系,通过拓展检测空间,构造新的检测通道,改善现有深度学习视频隐写分析网络的检测性能。方法 以H. 265/HEVC(high efficiency video coding)压缩视频为例,首先通过分析运动向量的嵌密修改对运动向量差值的影响,指出可将运动向量差值作为新增的采样对象(或称检测对象);接着,提出一个构造运动向量差值检测矩阵的方法,解决了空域上采样样本稀疏、时域上样本空间位置无法对齐的问题;最后,将运动向量差值矩阵直接用于改善现有的VSRNet(video steganalysis residual network)、SCA-VSRNet(selection-channel-aware VSRNet)以及Q-VSRNet(quantitative VSRNet)等3个H. 265/HEVC深度学习视频隐写分析网络,分别得到IVSRNet(improved VSRNet)、SCA-IVSRNet(selection-channel-aware improved...     

基于时空相关性的视频隐写分析

视频中的扩频嵌入是一种典型的隐写方法,能够抵抗视频压缩、噪声添加等多种攻击。为了有效检测利用该方法嵌入的隐藏信息,将隐写过程建模为加性高斯噪声的叠加过程,分析了噪声叠加对视频序列的时间相关性和空间相关性的影响,提出了基于时空相关性的隐写分析算法。该算法利用视频序列中各帧的四方向差分直方图度量隐写对空间相关性的影响,同时利用相邻帧帧间差分的直方图度量隐写对时间相关性的影响。与现有算法相比,本文算法实现简单,实验结果表明本文算法具有更好的检测性能。     

结合失真函数的稀疏域图像隐写算法

稀疏域图像隐写利用稀疏表示在载体图像中嵌入秘密信息。提出设计稀疏域图像隐写的失真函数,通过选择使失真函数最小的修改方式进行秘密嵌入,从而减小秘密信息嵌入对载体的影响。实验结果表明,该算法可以在保持图像视觉效果的同时,更有效地抵抗现有的隐写分析算法。     

基于相关区域的H.264/AVC时域错误隐藏

在视频内容分裂处,相邻块的运动矢量会出现突变,简单利用插值恢复丢失块的运动矢量一般有较大误差。为了减少这种误差,依据丢失宏块附近块运动矢量的变化趋势,构造视频内容分裂预测曲线,划分相关区域,对每个相关区域,运用准值插值估计丢失块的运动矢量。模拟测试表明,该方法能够有效提高视频质量。     

基于视觉注意力和局部复杂性的图像隐写算法

视觉注意力是人类感知系统中一个十分重要的特性,但目前基于人类视觉感知机理的隐写算法大多只考虑亮度、对比度和掩蔽效应等低层因素.文中将视觉注意力模型引入隐写算法中,提出一种新的基于视觉注意力和局部复杂性的图像隐写算法.算法先采用均方差分析图像的局部复杂性,在复杂性较大的区域引入Itti模型构造注意力显著图,进而利用视觉熵来定量刻画注意力特性,并将图像分块处理,图像块按照不同的局部复杂程度和注意力等级分成3种类型,最终利用LSB方法进行隐写.大量实验结果表明,文中算法在嵌入大量信息后仍能保持较好的视觉感知效果,且能抵抗一类通过直方图对比的隐写分析方法.     

基于视觉感知机理的大容量彩色图像盲隐写算法

针对现有彩色图像隐写算法大多将灰度图像的算法直接用于彩色通道,未能运用彩色视觉感知机理的问题,提出一种YUV空间上的、基于视觉感知机理的大容量彩色图像盲隐写算法。主要方法是在Y分量上通过标准差来分析载体图像的局部复杂性,利用视觉感知机理将信息分成两部分隐写于Y和V分量中,灵活性较差的U分量则作为隐写信息的通道指示器,无需大的改变。大量实验结果表明,所提算法与其他方法相比在嵌入大容量信息后依然能够保持很好的不可感知性,而且可以抵抗直方图对比和RS隐写分析方法,因而所提算法是合理、简洁、有效的。     

面向噪声图像的自适应高容量隐写算法

面向雷达、遥感图像等含噪图像,提出了一种利用噪声自适应嵌入的位平面加密算法。首先对不同的噪声图像利用遗传算法自适应找到最佳嵌入阈值,在噪声值较高处使用一种无须密钥的加密算法将两位秘密信息分别交叉嵌入到第一、三位平面中。然后利用BBE(binary-block embedding)算法将标记位数据压缩到第二位平面。最后在第二位平面冗余处用同样的加密算法将剩余秘密信息分别嵌入到第二、四位平面中完成信息隐藏。实验分析表明在满足高容量嵌入的条件下,与其他自适应位平面隐写算法相比有良好的隐蔽性以及较强的鲁棒性,同时能抵抗目前较好的隐写分析算法,保证了数据传送的安全性。