基于多维标度和奇异值分解的视频水印算法

针对于网络中的视频资源的知识产权问题,提出一种基于多维标度(MDS)和奇异值分解( SVD)的视频水印算法。该方法首先利用MDS把原始视频各帧投影到二维平面上,然后利用SVD的方法把水印信息嵌入到视频帧与其在二维平面上投影点之间的差值上。实验证明,该算法对随机噪声干扰和诸如旋转、平移、裁剪等空间同步失真的攻击有较强的鲁棒性;另外,该算法对帧丢弃、帧插入等时间同步失真也具有一定程度的鲁棒性。     

一种抗几何攻击的视频水印算法

提出了一种基于视频序列时空不变信息的视频水印算法。在嵌入水印时生成同步帧,并确定同步帧时空不变特征点位置,检测时根据同步帧时空不变特征点的位置,实现对视频序列几何失真的矫正,对水印信息进行检测和提取。实验表明,该算法能有效地抵抗帧插入和帧丢失等时间轴同步攻击和高强度几何攻击。     

基于帧间中频能量关系的自适应视频水印算法

通过分析发现了视频帧间中频能量关系对于光度失真和空间同步失真的近似不变性.基于这种近似不变性,提出了一种可以根据人类的视觉系统特性,自适应地调整嵌入强度的鲁棒视频水印算法.实验表明,该算法可以有效抵抗光度失真、空间同步失真及其组合失真.     

基于压缩感知的视频双水印算法研究

针对数字视频的内容保护与帧内、帧间篡改检测的难题,采用压缩感知理论提取视频的内容特征作为水印,提出一种双水印的视频保护和篡改检测算法。首先,利用压缩感知过程提取I帧宏块的内容特征,生成半脆弱的内容认证水印;然后,对帧序号进行二值运算,生成完整性水印;最后,利用压缩感知信号重构OMP(Orthogonal Matching Pursuit)算法把生成的双水印嵌入到I帧和P帧相应宏块的DCT高频系数的压缩测量值中,以此提高视频水印的抗攻击能力,并实现对视频篡改的检测。仿真实验表明,所提算法对视频帧内篡改具有精确定位到子块的检测能力;同时对帧插入、帧删除、帧交换等类型的视频帧间篡改具有很强的检测能力。     

三维人体模型姿态与形状重构

为了解决单张照片人体重构出现的姿态翻转问题,提高重构模型的准确度,提出相邻帧姿态约束和人体轮廓线匹配的姿态与形状序列同时重构算法.对视频中的每一帧,首先估计出图像中人物的二维关节点、人物脸部特征点及其边缘轮廓线;然后将参数化模型SMPL所表达的三维人体投影到二维平面上,使得投影后的二维信息与对应的视频帧二维信息相匹配;最后通过调整SMPL的姿态与形状参数来最小化匹配能量函数,从而重构出与视频帧中人物具有相似姿态与形状的三维人体模型.此外,为了使重构结果显得更真实,也对图像帧中人体的头部姿态进行了检测和匹配.该算法在MPI-INF-3DHP数据集、Youku视频和自拍视频帧上均进行了实验,实验结果表明,与SMPLify算法等相比,该算法能有效地避免重构结果中出现姿态翻转的现象,且能在保证模型整体姿态相似性的前提下重构出准确的头部姿态和相似的模型形状.     

一种基于三维小波变换的盲视频水印算法

为了寻求有效的数字媒体保护方法,本文提出了一种基于三维小波变换的盲视频水印算法。算法将灰度水印图像进行了多分辨率分解和位平面分解为,然后将这些不同分辨率的二值图像嵌入到视频场景中的各帧Y分量的中频小波系数帧相应的子带中,使水印嵌入具有自适应性,嵌入时通过对系数分组并修改每组第一个系数的相对大小来完成,可以实现盲检测。实验结果表明,该文所提出的视频水印算法对MPEG编码、帧平均、帧丢失和帧交换具有良好的鲁棒性。     

基于压缩传感的视频水印算法

针对压缩域视频流的完整性认证问题,提出了一种基于压缩传感（CS）的视频水印算法。以H.264压缩视频流为研究对象,通过对视频序列的I帧进行压缩传感随机投影,得到少量的测量值,经过量化和置换加密,最后以水印的方式嵌入到P帧具有最大运动矢量幅值的宏块中。认证时,从含水印视频序列的P帧提取水印,并对I帧进行相同的压缩传感随机投影,通过比较测量值的差异,实现对视频的完整性认证。仿真结果表明,该算法具有较好的视频质量,对码率的影响较小,对帧删除、帧插入、重压缩等攻击具有较强的鲁棒性。     

基于离散余弦变换的自适应盲视频水印算法

设计了一种基于离散余弦变换的自适应盲视频水印算法,先用混沌序列对水印图像加密,再将视频序列进行分帧,提取亮度分量作二维8×8DCT变换,将水印嵌入到DCT分块的低频系数中。水印的提取不需要原始视频信号和原始水印,实现了水印的盲检测。实验结果表明,水印的不可感知性很好,在抵抗椒盐噪声、高斯噪声、帧删除、帧剪切及高斯低通滤波等多种攻击时具有良好的鲁棒性。     

一种基于DCT域特征块的抗几何攻击的视频水印

针对现有大部分抗几何攻击的水印技术不具有实时嵌入的特性,提出了一种新颖的基于DCT域特征块的抗几何攻击的视频水印方案。该算法在DCT域中通过选取一定的特征块作为水印嵌入点,再利用由特征块计算得到的同步块来在水印检测前进行几何校准,即在检测端首先定位特征块,再由此计算得到同步块,并对同步块采用邻域搜索方法精确估计视频帧的几何失真。视频帧校准后,系统再次通过提取特征块来进行水印检测。实验表明,该水印方案能够有效地抵抗旋转、平移、缩放等基本几何攻击,并具有较好的实时性和安全性。     

一种抗H.264压缩的低比特率视频水印算法

为了解决H.264压缩视频版权保护问题,提出一种新的低比特率视频水印算法。根据H.264中DCT系数分布特点,通过系数的符号编码,水印信息被嵌入到I帧DCT量化系数中。引入量化失真补偿的办法,降低了水印嵌入时引起的视频失真。水印检测时采用了符号相关检测思想,不需要原视频作参考,实现了盲检测功能。实验结果显示,新算法在保证较小视频失真的同时,能够很好地抵制H.264压缩攻击。     

基于SURF视频分割的视频水印算法

提出一种基于SURF快速鲁棒特征点的视频分割方法,结合独立分量分析,并通过奇异值分解变换进行视频水印的嵌入,使水印在具有较好的抗时间不同步攻击和抗共谋攻击的前提下,提高对抗几何攻击的鲁棒性。实验结果表明,该算法对几何攻击、丢帧和持续时间不变减少帧数等攻击均具有较好的鲁棒性。     

A blind video watermarking scheme based on ICA and shot segmentation

With the development of network and multimedia techniques, the digital video copyright protection issues have become more and more important as digital video can be easily pro- duced, replicated, accessed and distributed. Digital video watermark is the ma…     

基于错误传播模型的非均等视频流丢失保护

提出一种适用于丢包网络、面向图像组（GOP）层的非均等视频流丢失保护方案。利用GOP中不同帧之间的非均等显著性,将不同数量前向错误校正包分配到GOP层的不同帧中。采用帧间包交错机制将突发包丢失分散到不同帧上,提高处理突发包丢失时的鲁棒性。仿真结果表明,在不同信道丢失模式下,该方案能提高视频接收质量。     

分布式视频编码中关键帧丢失错误保护

目的 分布式视频编码较其传统视频编码具有编码简单、误码鲁棒性高等特点,可以很好地满足如无人机航拍、无线监控等新型视频业务的需求。在分布式视频编码中,视频图像被交替分为关键帧和Wyner-Ziv帧,由于受到信道衰落和干扰等因素的影响,采用传统帧内编码方式的关键帧的误码鲁棒性远不如基于信道编码的Wyner-Ziv帧。关键帧能否正确传输和解码对于Wyner-Ziv帧能否正确解码起着决定性的作用,进而影响着整个系统的压缩效率和率失真性能。为此针对关键帧在异构网络中的鲁棒性传输问题,提出一种基于小波域的关键帧质量可分级保护传输方案。方法 在编码端对关键帧同时进行传统的帧内视频编码和基于小波域的Wyner-Ziv编码,解码端将经过错误隐藏后的误码关键帧作为基本层,Wyner-Ziv编码产生的校验信息码流作为增强层。为了提高系统的分层特性以便使系统的码率适应不同的网络条件,进一步将小波分解后图像的各个不同层的低频带和高频带组合成不同的增强层,根据不同信道环境,传输不同层的Wyner-Ziv校验数据。同时对误码情况下关键帧的虚拟噪声模型进行了改进,利用第1个增强层已解码重建的频带与其对应边信息来获得第2个和第3个增强层对应频带的更加符合实际的虚拟信道模型的估计。结果 针对不同的视频序列在关键帧误码率为1%20%时,相比较于传统的帧内错误隐藏算法,所提方案可以提高视频重建图像的主观质量和整体系统的率失真性能。例如在关键帧误码率为5%时,通过传输第1个增强层,不同的视频序列峰值信噪比（PSNR）提升可达25 dB左右;如果继续传输第2个增强层的校验信息,视频图像的PSNR也可以提升0.51.6 dB左右;如果3个增强层的校验信息都传输的话,基本上可以达到无误码情况下关键帧的PSNR。结论 本文所提方案可以很好地解决分布式视频编码系统中的关键帧在实际信道传输过程中可能出现的误码问题,同时采用的分层传输方案可以适应不同网络的信道情况。     

人眼视觉特性与SIFT相结合的视频双水印算法

针对视频水印容易遭受几何攻击以及水印的鲁棒性与透明性的平衡问题,提出一种基于人眼视觉特性与尺度不变特征变换（SIFT）相结合的抗几何攻击视频双水印算法。首先获取视频序列中人眼视觉掩蔽阈值作为水印的最大嵌入强度。其次,将视频帧进行离散小波变换（DWT）,对中高频子带系数提出基于视频运动信息的自适应水印算法;针对低频子带,提出基于小波低频系数统计特性的抗几何攻击视频水印算法。最后,以SIFT作为触发器判断视频帧是否遭受几何攻击,对遭受几何攻击的视频帧利用SIFT的尺度与方向不变性进行校正,并对校正后的视频帧提取水印信号;针对非几何攻击的视频帧,直接利用中高频提取算法。所提算法与实时性视频水印算法——基于小波域直方图的视频水印（VW-HDWT）算法比较,峰值性噪比值（PSNR）提高了7.5%;与基于特征区域的水印算法相比,水印嵌入容量提高约10倍。实验结果表明,在保证水印透明度较好的情况下,所提算法对常规几何攻击具有较强的鲁棒性。     

A robust video zero-watermarking based on deep convolutional neural network and self-organizing map in polar complex exponential transform domain

In this paper, a robust video zero-watermarking scheme for copyright protection using a combination of convolutional neural network (CNN) and self-organizing map (SOM) in polar complex exponential transform (PCET) space is presented. The scheme is developed not only to remedy the existing problems of lacking in some performance assessments but also to enhance the robustness. It starts with extracting the content feature of each frame by CNN and then some significant frames are selected using SOM clustering and maximum entropy. Secondly, the PCET is applied to all selected frames to abstract invariant moments, and further, is scrambled by a chaotic logistic map and is reduced in dimensions by singular value decomposition (SVD). Next, a binary sequence is generated by comparing adjacent values of the obtained compact PCET moments in the previous step, and further is permuted to produce a binary matrix. Finally, a bitwise exclusive-OR operation is imposed on the binary matrix and the encrypted watermark by the chaotic map to generate a zero-watermark signal. Experimental results demonstrate that the proposed scheme has adequate equalization and distinguishability of zero-watermarks as well as strong robustness against common signal processing, geometric, compression, and inter-frame attacks. Also, compared with existing video zero-watermarking and traditional video watermarking methods, the proposed scheme exhibits superior robustness.

     

鲁棒视频水印研究进展

数字视频在当前通信世界中被认为是一种重要而有效的媒体,广泛应用于新闻、短视频和有线网络广播视频节目中。随着计算机与互联网技术的发展,数字视频内容容易被侵权使用者肆意复制和传播,如何保护视频版权日益成为人们关注的问题。鲁棒视频水印是实现视频版权保护的一种有效手段。作为数字视频水印的分支,鲁棒视频水印是一种通过特定算法在需要被保护的视频对象中嵌入秘密信息——水印来证明版权归属的技术。本文对当前的视频水印技术进行了概述,对视频水印的概念、应用场景、分类方式、设计要求、发展历程和相关经典方法进行了介绍和梳理。本文归纳总结了2016—2021年鲁棒视频水印相关研究工作,包括基于内容的、基于码流的、基于深度学习和其他类型视频水印,并对其中部分工作进行了相应的性能比较和分析。其中,基于内容的视频水印方法将视频看做帧序列,由于在每一帧上应用水印算法,不考虑视频的编解码过程,这类方法实现简单,计算效率高;基于码流的视频水印方法将水印嵌入到编码比特流中,该方案更快速,故可支持实时视频水印应用;基于深度学习的方法取代了依靠手工设计的特征来提高水印的性能。最后分析了鲁棒视频水印的未来发展趋势。