基于自适应策略的盲视频水印算法

提出一种在MPEG-2视频流中嵌入水印的方法。将水印嵌入到所有B帧的运动矢量中,嵌入时对每帧中的运动矢量进行分组,每组嵌入1位水印信息,提高水印的鲁棒性。采用一种自适应策略,通过修改运动矢量幅值的奇偶性来嵌入水印,减少对运动矢量个数及其幅值大小的改变,提高水印在压缩视频中的不可见性。实验结果表明,该算法具有较好的抗多次编码及码率改变攻击的能力,能够满足水印的实时嵌入和提取。     

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。     

一种基于运动矢量的视频水印算法

运动矢量可作为视频水印嵌入点,利用运动矢量的相角可嵌入水印信息．抖动调制根据水印住来调制量化区间,基于运动矢量的相角抖动调制依据水印信息位把运动矢量的相角调制相应的区间而嵌入水印信息．其水印嵌入算法简单,对视频质量和码流的影响小,并可实现水印的盲检测和盲提取。     

基于H．264／AVC视频流的双水印算法

针对H．264／AVC编码标准的新特性,提出一种基于H．264／AVC低比特率视频流的双水印算法,将鲁棒水印嵌入DCT域中,把脆弱水印嵌入运动矢量残差中,达到对视频版权保护和视频内容完整性认证的双重目的。实验结果表明,该算法对视频质量和码率的影响较小,鲁棒水印能有效抵抗高斯噪声、低通滤波、重编码以及轻微的抖动失真等常见的视频攻击,脆弱水印对视频内容的轻微修改具有较强的敏感性。     

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.     

基于运动矢量域与DCT域的混合视频水印方案

提出了一种基于运动矢量域与DCT域的混合视频水印方案.在基于压缩域视频水印方案中,传统的基于DCT域视频水印方案与近几年来兴起的基于运动矢量域视频水印方案日渐成为研究的重点与热点.结合这两种水印方案提出了一种混合视频水印的算法.该算法能够在保证视频质量以及有效控制码率增加的情况下,将水印同时嵌入运动矢量域以及DCT域中,并且达到两种水印互相纠错的目的.实验结果表明,水印嵌入后,主客观视频质量都与原始序列相当,而码率的增加也被有效地控制在1%以内.     

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。     

压缩域自适应映射能量视频水印算法

提出了一种自适应映射能量（AMEW）视频水印算法,将水印嵌入到压缩域中,从压缩码流中提取水印,提取过程不需要原始视频,是一种新型的盲视频水印算法．在该算法中,作者选择一定的整数DCT量化系数构造嵌入空间,然后利用能量映射函数将水印嵌入其中．在嵌入过程中,作者利用三个模块（最大匹配串模块,最小更改串模块和最小丢弃串模块）调整嵌入后的码流来降低对编码效率（通常我们用视频质量和压缩率来衡量编码效率）的影响,实现最优嵌入;重同步策略和水印编码是用来保证水印的鲁棒性．实验结果证明水印对于重编码、帧删除、变帧率及锐化等操作具有一定的鲁棒性,几乎对编码效率没有影响．除此以外,在同码率条件下,与XDEW算法相比,该算法还具有高水印负载和低计算复杂性的优势．在该文末尾,作者将阐述该算法的理论根据并分析其鲁棒性．     

一种基于MPEG-4的帧间差分能量视频水印算法

针对视频水印的盲检测特性和对时间轴上帧操作的鲁棒性,论文提出了一种基于相邻帧间相关性的视频水印算法,即在预测帧的编码过程中,根据编码器的运动估计和补偿模块提供的运动向量和宏块的编码模式,在残差中嵌入水印数据。在该算法中,用能量替换函数保证嵌入数据不影响视频质量,用重同步策略来保证水印提取时的鲁棒性,并且在水印提取的过程中不需要任何附加信息,是一种盲检测算法。水印的嵌入和提取是在视频的编、解码过程中直接利用编码器提供的信息进行的,因此该算法具有计算复杂性低的特点。实验证明这种方法能够抵抗重编码操作,并且对于帧删除、帧插入和帧置换等攻击也有一定的鲁棒性,而且由于该算法是在预测帧的残差中进行,水印的隐藏效果比较好,生成码流的信噪比也较高。     

基于运动矢量的抗几何攻击视频水印方案

许多数字图像和视频水印方案都无法抵挡几何变换攻击,即使是轻微的旋转、缩放、平移也将会破坏水印的同步,这就使得水印难以检测出来。为解决此难题,提出了一种新颖的视频水印算法。该算法利用了运动矢量特征的相对关系不易随几何失真变换而改变的特性,使得水印具有内在的抗几何失真的鲁棒性。该算法中,水印嵌入和检测时,不仅可根据平均运动矢量的方向和幅度确定水印模板的位置和方向,而且水印检测不需要原始视频。实验表明,该水印算法对几何变换攻击具有较强的鲁棒性。     

一种改进的混编视频水印方案

提出了一种具有鲁棒性和脆弱性的改进混编视频水印方案:将鲁棒性和脆弱性水印分别嵌入到vc}宏块的中频交流系数和运动矢量的水平分量中,实现了秘密信息及验证信息在视频中的隐藏,具有版权保护和视频完整性认证的能力。实验结果表明,与C}. Qiu等提出的混编视频水印方案相比,该方案在鲁棒性水印嵌入时,码率增幅平均降低6%,有更好的抗攻击能力;脆弱性水印对攻击的敏感性更高。     

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。     

Digital Video Watermarking in P-Frames With Controlled Video Bit-Rate Increase

Most video watermarking algorithms embed the watermark in I-frames, but refrain from embedding in P- and B-frames, which are highly compressed by motion compensation. However, P-frames appear more frequently in the compressed video and their watermarking capacity should be exploited, despite the fact that embedding the watermark in P-frames can increase the video bit rate significantly. This paper gives a detailed overview of a common approach for embedding the watermark in I-frames. This common approach is adopted to use P-frames for video watermarking. We show that by limiting the watermark to nonzero-quantized ac residuals in P-frames, the video bit-rate increase can be held to reasonable values. Since the nonzero-quantized ac residuals in P-frames correspond to nonflat areas that are in motion, temporal and texture masking are exploited at the same time. We also propose embedding the watermark in nonzero quantized ac residuals with spatial masking capacity in I-frames. Since the locations of the nonzero-quantized ac residuals is lost after decoding, we develop a watermark detection algorithm that does not depend on this knowledge. Our video watermark detection algorithm has controllable performance. We demonstrate the robustness of our proposed algorithm to several different attacks.      

A dynamic video watermarking algorithm in fast motion areas in the wavelet domain

In this paper, we propose a video watermarking algorithm which embeds different parts of a single watermark into different shots of a video under the wavelet domain. Based on a Motion Activity Analysis, different regions of the original video are separated into perceptually distinct categories according to motion information and region complexity. Thus, the localizations of the watermark are adjusted adaptively in accordance with the human visual system and signal characteristics, which makes them perceptually invisible and less vulnerable to automated removal. In addition, contrary to traditional methods where the watermark remains at a fixed position on the screen, the watermark moves along with moving objects and thus motion artefacts can be avoid. The multi-frame based extraction strategy ensures that the watermark can be correctly recovered from a very short segment of video. Individual frames extracted from the video also contain watermark information. Experimental results show that the inserted watermark is not only less perceptible but also robust against common video processing attacks.     

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.     

基于运动矢量细化的帧率上变换与HEVC结合的视频压缩算法

将帧率变换技术与新型视频压缩编码标准HEVC相结合有利于提升视频的压缩效率。针对直接利用HEVC码流信息中的低帧率视频的运动矢量进行帧率上变换时效果不理想的问题,文中提出了一种基于运动矢量细化的帧率上变换与HEVC结合的视频压缩算法。首先,在编码端对原始视频进行抽帧,降低视频帧率;其次,对低帧率视频进行HEVC编解码;然后,在解码端与从HEVC码流中提取出的运动矢量相结合,利用前向-后向联合运动估计对其进行进一步的细化,使细化后的运动矢量更加接近于对象的真实运动;最后,利用基于运动补偿的帧率上变换技术将视频序列恢复至原始帧率。实验结果表明,与HEVC标准相比,所提算法在同等视频质量下可节省一定的码率。同时,与其他算法相比,在节省码率相同的情况下,所提算法重建视频的PSNR值平均可提升0.5 dB。