CN103338376A - 一种基于运动矢量的视频隐写方法 - Google Patents
一种基于运动矢量的视频隐写方法 Download PDFInfo
- Publication number
- CN103338376A CN103338376A CN2013102751439A CN201310275143A CN103338376A CN 103338376 A CN103338376 A CN 103338376A CN 2013102751439 A CN2013102751439 A CN 2013102751439A CN 201310275143 A CN201310275143 A CN 201310275143A CN 103338376 A CN103338376 A CN 103338376A
- Authority
- CN
- China
- Prior art keywords
- frame
- motion vector
- mvx
- mvy
- video sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种基于运动矢量的视频隐写方法,该方法包括:逐一判断视频序列中每一帧的类型;若第t帧为关键帧I帧,则将该帧的运动矢量集合置为空;若第t帧为预测帧P帧,则对该帧进行运动估计得到运动矢量集合,并使用预设的失真函数对运动矢量集合进行嵌入失真定义;当视频序列中所有帧的类型均判断完毕,且所有P帧的运动矢量均完成嵌入失真定义后,使用校验网格码STC以视频序列中的所有运动矢量为载体嵌入秘密消息,获得修改后的运动矢量集合,再依次对视频序列的每一帧进行压缩编码获得视频序列的编码比特流。通过采用本发明公开的方法提高了嵌入秘密消息的抗检测性能,且能够保证编码比特流的低码率扩张和重建视频的良好视觉质量。
Description
技术领域
本发明涉及视频编码和信息隐藏技术领域,尤其涉及一种基于运动矢量的视频隐写方法。
背景技术
视频已经成为当今互联网中最流行的媒体之一。视频由一系列空间和时间上相关联的图像构成,较单帧图像相比,具有更大的数据量,能够容纳更多的秘密消息。原始视频不便于在带宽有限的网络中传输,必须先通过压缩过程去除冗余数据。视频压缩对原始的视频信号进行了处理和变换,衍生出了更多的信息表达形式,如运动矢量、残差信号和量化DCT(离散余弦变换)系数等。再加上视频在网络中十分普及,使得嵌入的消息能够快速便捷的传播。这些因素的有机组合,为视频隐写方法的设计提供了有效的机制和丰富的载体。因此,以压缩视频为载体的隐写方法应运而生。
为了抵抗检测攻击,安全的隐写方法需要最小化载体的嵌入失真。嵌入失真通常由符合给定载体特性的失真函数来衡量,通过采用一定的数据嵌入编码方法就可以在消息嵌入过程中最小化该失真。目前,用于最小化嵌入失真的编码方法已经趋于成熟,比如Fridrich等人提出的STC(Syndrome-trellis Codes,校验网格码)编码。而关键问题是如何定义符合载体特性的失真函数来合理地反映嵌入影响。事实上,对于一种不合理的失真函数,即使采用最好的编码方法,也不一定能够保证隐写方法的安全性。然而,针对视频隐写的失真函数研究尚处于初等阶段,并没有较为有效的定义失真函数的方法。
发明内容
本发明的目的是提供一种基于运动矢量的视频隐写方法,提高嵌入秘密消息的抗检测性能,且能够保证编码比特流的低码率扩张和重建视频的良好视觉质量。
本发明的目的是通过以下技术方案实现的:
一种基于运动矢量的视频隐写方法,该方法包括:
逐一判断视频序列中每一帧的类型;
若第t帧为采用帧内预测编码的关键帧I帧,则将该帧的运动矢量集合MVt置为空;若第t帧为采用帧间预测编码的预测帧P帧,则对该帧进行运动估计得到运动矢量集合MVt,并使用预设的失真函数对运动矢量集合MVt进行嵌入失真定义;
当所述视频序列中所有帧的类型均判断完毕,且所有P帧的运动矢量均完成嵌入失真定义后,使用校验网格码STC以视频序列中的所有运动矢量为载体嵌入秘密消息,获得修改后的运动矢量集合再依次对视频序列的每一帧进行压缩编码获得视频序列的编码比特流。
由上述提供的技术方案可以看出,本发明根据视频压缩技术的特点,设计了合理反映运动矢量嵌入影响的失真函数,并配合高效的STC编码,保证了隐写方法的安全性;另一方面,基于上述方案,当秘密消息嵌入之后,也能够保证编码比特流的低码率扩张和重建视频的良好视觉质量。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例一提供的一种基于运动矢量的视频隐写方法的流程图;
图2为本发明实施例二提供的又一种基于运动矢量的视频隐写方法的流程图;
图3为本发明实施例二提供的一种计算编码块运动矢量统计分布变化的示意图;
图4为本发明实施例提供的本发明的隐写方法与现有技术的隐写方法的抗检测能力对比示意图;
图5为本发明实施例提供的本发明的隐写方法与现有技术的隐写方法的抗检测能力对比示意图;
图6为本发明实施例提供的本发明的隐写方法与现有技术的隐写方法的综合抗检测能力对比示意图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
运动矢量是在视频压缩过程中表达视频内容的关键信息,在编码和解码过程中采用无损编码,不存在量化失真。因此利用运动矢量作为载体,可以实现很高的嵌入容量。并且由于运动补偿技术和残差编码的使用,在运动矢量中嵌入消息对重建视频的视觉质量影响很小,只凭人类视觉无法感知质量差异,有助于保证隐写的隐蔽性。通过设计合理的失真函数并配合高效的隐写编码,从而形成安全的视频隐写方法,不仅可以避免互联网用户个人隐私数据遭到泄露,也是军事通信中保障国家信息安全的重要途径,具有重要的实际应用价值。
实施例一
图1为本发明实施例一提供的一种基于运动矢量的视频隐写方法的流程图。如图1所示,该方法主要包括如下步骤:
步骤11,逐一判断视频序列中每一帧的类型。若第t帧为采用帧内预测编码的关键帧I帧,则转入步骤12;若第t帧为采用帧间预测编码的预测帧P帧,则转入步骤13。
本发明实施例中在判断视频帧的类型之前,需要对编码比特流解码获得相应的视频序列,且视频序列中帧图像的排列还按照其原先的时间顺序排列。
本发明实施例主要区分使用两种压缩编码方法的视频帧:采用帧内预测编码的关键帧I帧以及采用帧间预测编码的预测帧P帧。其中,I帧表示关键帧,可以理解为这一帧画面的完整保留,解码时只需要本帧数据就可以完成;P帧表示的是这一帧跟之前的一个关键帧(或P帧)的差别,解码时需要用之前缓存的画面叠加上本帧定义的差别,生成最终画面,即P帧为预测帧,P帧没有完整画面数据,只有与前一帧的画面差别的数据。
步骤12,将该帧的运动矢量集合MVt置为空。
若第t帧为I帧,则不进行运动估计,直接将该帧的运动矢量集合MVt置为空。
步骤13,对该帧进行运动估计,获得运动矢量集合MVt,并使用预设的失真函数对运动矢量集合MVt进行嵌入失真定义。
若第t帧为P帧,则进行运动估计。具体的,对该帧中每一编码块进行运动估计获得每一编码块的运动矢量mvi,j,t和相对应的预测误差Ei,j,t,构成该帧的运动矢量集合MVt和预测误差集合Et。
其中,mvi,j,t表示第t帧中行列位置分别为i与j的编码块的运动矢量,包括水平分量mvxi,j,t和垂直分量mvyi,j,t,Ei,j,t表示第t帧中行列位置分别为i与j的编码块的预测误差。
进一步的,再使用预设的失真函数对运动矢量集合MVt中的运动矢量(编码块的运动矢量)进行嵌入失真定义。
本发明实施例中预设的失真函数表示为ρi,j,t 使用该失真函数对运动矢量集合MVt中每一编码块的运动矢量mvi,j,t进行嵌入失真定义。该失真函数用于反映运动矢量mvijt因嵌入秘密消息修改为之后的嵌入影响。
步骤14,当所述视频序列中所有帧的类型均判断完毕,且所有P帧的运动矢量均完成嵌入失真定义后,使用校验网格码STC以视频序列中的所有运动矢量为载体嵌入秘密消息,获得修改后的运动矢量集合再依次对视频序列的每一帧进行压缩编码获得视频序列的编码比特流。
本发明实施例中采用下述方式嵌入秘密消息:根据待嵌入的秘密消息比特数m和视频序列的所有运动矢量数量n计算消息的嵌入率r:r=m/n,使用±1双层STC码分别在n个运动矢量的水平分量和垂直分量中以r/2的嵌入率嵌入秘密消息。
进一步的,为了减小计算复杂度,防止运动矢量的两个分量(水平分量与垂直分量)同时被修改,在水平分量中完成消息嵌入之后,需要将被修改的运动矢量的水平分量对应失真定义为∞,然后以垂直分量为载体进行消息嵌入。
另一方面,对视频序列进行压缩编码时也根据视频帧类型的不同而使用不同的压缩编码方法。具体的,若第t帧为I帧则采用该帧原始的帧内预测方式编码,若第t帧为P帧,则使用修改后的运动矢量集合对该帧进行压缩编码。
本发明实施例根据视频压缩技术的特点,设计了合理反映运动矢量嵌入影响的失真函数,并配合高效的STC编码,保证了隐写方法的安全性;另一方面,基于上述方案,当秘密消息嵌入之后,也能够保证编码比特流的低码率扩张和重建视频的良好视觉质量。
实施例二
为了便于理解本发明,下面结合附图2-图3对本发明做进一步介绍,如图2所示,该方法主要包括以下步骤:
步骤21,逐一判断视频序列中每一帧的类型,根据视频帧的类型获取对应的运动矢量集合。
本发明实施例主要区分使用两种压缩编码方法的视频帧:采用帧内预测编码的关键帧I帧以及采用帧间预测编码的预测帧P帧。
若第t帧为I帧,则不进行运动估计,直接将该帧的运动矢量集合MVt置为空。
若第t帧为P帧,则进行运动估计。具体的,对该帧中每一编码块进行运动估计获得每一编码块的运动矢量mvi,j,t和相对应的预测误差Ei,j,t,构成该帧的运动矢量集合MVt和预测误差集合Et。其中,mvi,j,t表示第t帧中行列位置分别为i与j的编码块的运动矢量,包括水平分量mvxi,j,t和垂直分量mvyi,j,t,Ei,j,t表示第t帧中行列位置分别为i与j的编码块的预测误差。
步骤22,使用预设的失真函数对P帧的运动矢量集合MVt中的运动矢量进行嵌入失真定义。
下面针对SDCi,j,t与PECi,j,t的计算方法做详细的介绍。
首先,为了计算SDCi,j,t,需要将第t帧的运动矢量拆分为水平分量矩阵MVXt和垂直分量矩阵MVYt,以编码块为单位设MVXt和MVYt的行数为H,列数为W。如图3为计算SDCi,j,t的示意图。
该帧运动矢量水平分量和垂直分量的差分算子可以定义为:
再利用时域特性定义运动矢量水平分量和垂直分量的时域差分算子:
其中,“·”表示相邻帧中,与当前帧的当前编码块相同位置的编码块。
根据水平分量和垂直分量差分算子计算得到的共生矩阵,定义对应的和函数:
最后,令表示第t帧中行列位置分别为i与j的编码块的运动矢量mvi,j,t修改为后该帧的所有运动矢量构成的集合,则第t帧中行列位置分别为i与j的编码块的运动矢量mvi,j,t修改为后的运动矢量统计分布变化SDCi,j,t可以表示为:
其中,ωp=1/(1+|p|)为启发式定义的加权系数,其最大运动搜索范围设为16。
其中,参数μ满足条件:
在失真函数中,嵌入失真由SDC和PEC两个元素共同决定。其存在以下原则:1)若运动矢量为零,则不允许修改;2)当预测误差变化PEC为零时,嵌入失真实际上就是运动矢量统计分布变化SDC。
步骤23,当所述视频序列中所有帧的类型均判断完毕,且所有P帧的运动矢量均完成嵌入失真定义后,使用校验网格码STC以视频序列中的所有运动矢量为载体嵌入秘密消息,获得修改后的运动矢量集合再依次对视频序列的每一帧进行压缩编码获得视频序列的编码比特流。
本发明实施例中根据待嵌入的秘密消息比特数m和视频序列的所有运动矢量数量n计算消息的嵌入率r:r=m/n,使用±1双层STC码分别在n个运动矢量的水平分量和垂直分量中以r/2的嵌入率嵌入秘密消息。
进一步的,为了减小计算复杂度,使用±1双层STC码嵌入消息时,限制运动矢量的水平分量和垂直分量同时被修改。
进一步的,当水平分量中完成消息嵌入之后,需要将被修改的运动矢量的水平分量对应失真定义为∞,然后以垂直分量为载体进行消息嵌入。
另一方面,对视频序列进行压缩编码时也根据视频帧类型的不同而使用不同的压缩编码方法。具体的,若第t帧为I帧则采用该帧原始的帧内预测方式编码,若第t帧为P帧,则使用修改后的运动矢量集合对该帧进行压缩编码。
步骤24,提取该编码比特流中的秘密消息。
为提取秘密消息,只需要对编码比特流进行解码,得到视频序列的所有运动矢量。
再从运动矢量集合中提取秘密消息:根据所有运动矢量分量最低比特位嵌入消息的比特数,以及次最低比特位嵌入消息的比特数确定STC码的校验矩阵,再利用所有运动矢量分量中最低比特位和次最低比特位构成载密向量,将所述校验矩阵与所述载密向量相乘,获得秘密消息向量,从而提取出秘密消息。
本发明实施例根据视频压缩技术的特点,设计了合理反映运动矢量嵌入影响的失真函数,并配合高效的STC编码,保证了隐写方法的安全性;另一方面,基于上述方案,当秘密消息嵌入之后,也能够保证编码比特流的低码率扩张和重建视频的良好视觉质量。
基于上述技术方案,对18个视频序列构成的测试视频库进行了隐写测试。将18个视频序列分割为长度为60帧的不重叠子序列,子序列数总计为116。视频序列详细参数见表1。其中,类型A代表拍摄物体在运动而摄像机相对静止,类型B代表拍摄物体和摄像机均在运动。
表1测试视频序列参数
使用常规的H.264/AVC联合模型JM10.2为实验平台对本发明的方法进行安全性能测试。视频编码参数配置如下:编码图像组结构为IPPP;量化参数设为28;帧率设为30fps;运动搜索范围±16,预测精度1/4像素;参考帧数目为1;P帧宏块分割模式为8×8;率失真优化开启。
同时,另选取了现有技术中的三种基于运动矢量的视频隐写方法(A、B、C)作为对比。其中,隐写方法A将幅值大于设定阈值的运动矢量作为载体,使用LSB(最低比特位替换)方法在绝对值较大的分量中嵌入秘密消息;隐写方法B将对应预测误差大于设定阈值的运动矢量作为载体,使用LSB(最低比特位替换)方法在水平分量和垂直分量中同时嵌入秘密消息;隐写方法C通过对运动矢量定义两级修改失真,采用湿纸编码在运动矢量中嵌入秘密消息。对每种隐写方法,执行五种嵌入率下隐写实验。再选取目前比较有效的两种隐写分析方法进行攻击,分别记为S1和S2。其中,隐写分析方法S1使用运动矢量分量差分直方图的中心矩提取特征;隐写分析方法S2利用视频重编码过程中的运动矢量复原现象提取特征。
使用目前先进的集成分类器(Ensemble Classifier)进行训练和分类,其中非载密视频数和载密视频数目相等。隐写方法安全性能指标采用最小平均错误检测率衡量:
其中,PFA表示虚警概率,PMD表示漏检概率。
再采用Global_PE(全局最小平均错误检测率)衡量隐写方法的综合抗检测能力Global_PE=mini∈SPEi。该式子表示测试隐写方法在不同隐写分析方法检测下的最小平均错误检测率PE。
对比结果如图4-图6以及表2所示。其中,图4为本发明的隐写方法与现有技术的隐写方法针对S1的抗检测能力;图5为本发明的隐写方法与现有技术的隐写方法针对S2的抗检测能力;图6为本发明的隐写方法与现有技术的隐写方法的综合抗检测能力。其中,图4-图6中,以圆形“○”为节点连接的曲线表示本发明隐写方法;以米字符号“*”为节点连接的曲线表示现有技术的隐写方法A;以三角形“△”为节点连接的曲线表示现有技术的隐写方法B;以矩形“□”为节点连接的曲线表示现有技术的隐写方法C。
表2显示了本发明的隐写方法与现有技术的隐写方法在不同嵌入率(EmbeddingRate)下的最小平均错误检测率,其中粗体数字表示GlobalPE。
表2不同嵌入率下的最小平均错误检测率
另一方面,为了测试不同隐写方法对视频压缩质量的影响,还需分别测试重建视频质量和码率扩张情况,测试结果如表3-表4所示。
表3显示了本发明的隐写方法与现有技术的隐写方法的重建视频亮度分量平均峰值信噪比(PSNR)比较。
表3重建视频亮度分量平均PSNR比较(单位:dB)表4显示了本发明的隐写方法与现有技术的隐写方法的码率扩张比较。
表4码率扩张比较(单位:%)
从测试数据的对比中可以看出,本发明的隐写方法无论是在抗检测性能,还是在重建视频质量和码率扩张情况均远远高于现有技术的隐写方法。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,上述实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM、U盘、移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、网络设备等)执行本发明各个实施例所述的方法。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (10)
1.一种基于运动矢量的视频隐写方法,其特征在于,该方法包括:
逐一判断视频序列中每一帧的类型;
若第t帧为采用帧内预测编码的关键帧I帧,则将该帧的运动矢量集合MVt置为空;若第t帧为采用帧间预测编码的预测帧P帧,则对该帧进行运动估计得到运动矢量集合MVt,并使用预设的失真函数对运动矢量集合MVt进行嵌入失真定义;
当所述视频序列中所有帧的类型均判断完毕,且所有P帧的运动矢量均完成嵌入失真定义后,使用校验网格码STC以视频序列中的所有运动矢量为载体嵌入秘密消息,获得修改后的运动矢量集合再依次对视频序列的每一帧进行压缩编码获得视频序列的编码比特流;
2.根据权利要求1所述的方法,其特征在于,所述若第t帧为采用帧间预测编码的预测帧P帧时具体包括:
对该帧中每一编码块进行运动估计获得每一编码块的运动矢量mvi,j,t和相对应的预测误差Ei,j,t,构成该帧的运动矢量集合MVt和预测误差集合Et;
其中,mvi,j,t表示第t帧中行列位置分别为i与j的编码块的运动矢量,包括水平分量mvxi,j,t和垂直分量mvyi,j,t,Ei,j,t表示第t帧中行列位置分别为i与j的编码块的预测误差。
5.根据权利要求4所述的方法,其特征在于,计算所述运动矢量水平分量和垂直分量差分算子计算得到的共生矩阵对应的和函数的方法包括:
将第t帧的运动矢量拆分为水平分量矩阵MVXt和垂直分量矩阵MVYt,以编码块为单位设MVXt和MVYt的行数为H,列数为W,则定义运动矢量水平分量和垂直分量的差分算子为:
利用运动矢量时域特性定义水平分量和垂直分量的时域差分算子:
根据运动矢量水平分量和垂直分量差分算子计算得到的共生矩阵,定义对应的和函
7.根据权利要求1所述的方法,其特征在于,所述利用校验网格码STC以视频序列中的所有运动矢量为载体嵌入秘密消息的步骤包括:
根据待嵌入的秘密消息比特数m和视频序列的所有运动矢量数量n计算消息的嵌入率r:r=m/n;
使用±1双层STC码分别在n个运动矢量的水平分量和垂直分量中以r/2的嵌入率嵌入秘密消息。
10.根据权利要求1、2、4、5、6、7、8或9所述的方法,其特征在于,所述获得视频序列的编码比特流之后还包括提取秘密消息的步骤,且该步骤包括:
对所述编码比特流进行解码,得到视频序列的所有运动矢量;
根据所有运动矢量分量最低比特位嵌入消息的比特数,以及次最低比特位嵌入消息的比特数确定STC码的校验矩阵;
利用所有运动矢量分量中最低比特位和次最低比特位构成载密向量;
将所述校验矩阵与所述载密向量相乘,获得秘密消息向量,从而提取出秘密消息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310275143.9A CN103338376B (zh) | 2013-07-02 | 2013-07-02 | 一种基于运动矢量的视频隐写方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310275143.9A CN103338376B (zh) | 2013-07-02 | 2013-07-02 | 一种基于运动矢量的视频隐写方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103338376A true CN103338376A (zh) | 2013-10-02 |
CN103338376B CN103338376B (zh) | 2016-07-06 |
Family
ID=49246462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310275143.9A Active CN103338376B (zh) | 2013-07-02 | 2013-07-02 | 一种基于运动矢量的视频隐写方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103338376B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834871A (zh) * | 2015-05-12 | 2015-08-12 | 合肥高维数据技术有限公司 | 一种提升隐蔽存储系统写入速率的差分方法 |
CN104853186A (zh) * | 2015-06-08 | 2015-08-19 | 中国科学院信息工程研究所 | 一种改进的基于运动向量回复的视频隐写分析方法 |
CN105872555A (zh) * | 2016-03-25 | 2016-08-17 | 中国人民武装警察部队工程大学 | 一种针对h.264视频运动矢量信息嵌入的隐写分析算法 |
CN105933711A (zh) * | 2016-06-23 | 2016-09-07 | 武汉大学 | 基于分割的邻域最优概率视频隐写分析方法及系统 |
CN106791871A (zh) * | 2015-11-25 | 2017-05-31 | 中国科学院声学研究所 | 一种运动矢量调制信息隐藏检测方法 |
CN109257521A (zh) * | 2018-12-06 | 2019-01-22 | 四川大学 | 一种stc信息隐藏算法 |
CN109819260A (zh) * | 2019-02-01 | 2019-05-28 | 中国科学院信息工程研究所 | 基于多嵌入域融合的视频隐写方法和装置 |
CN110324634A (zh) * | 2019-07-05 | 2019-10-11 | 中国科学技术大学 | 一种基于运动矢量嵌入失真分解的视频隐写方法 |
CN111614958A (zh) * | 2020-05-26 | 2020-09-01 | 郑州师范学院 | 一种基于半像素运动补偿的视频隐写方法 |
CN111711822A (zh) * | 2020-06-22 | 2020-09-25 | 中国人民武装警察部队工程大学 | 基于宏块复杂度的视频隐写方法、系统及装置 |
CN112312138A (zh) * | 2020-08-17 | 2021-02-02 | 中国科学技术大学 | 一种抑制帧间残差信号失真传播的视频隐写方法 |
CN112738355A (zh) * | 2020-12-24 | 2021-04-30 | 华南理工大学 | 能抵御深度学习网络检测的非降质hevc视频隐写方法 |
CN116320471A (zh) * | 2023-05-18 | 2023-06-23 | 中南大学 | 视频信息隐藏方法、系统、设备及视频隐藏信息提取方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101610405A (zh) * | 2008-06-20 | 2009-12-23 | 刘镔 | 一种以压缩视频为载体的信息隐写方法 |
CN102905134A (zh) * | 2012-10-22 | 2013-01-30 | 山东省计算中心 | 自适应视频数字隐写方法 |
CN102917227A (zh) * | 2012-10-29 | 2013-02-06 | 山东省计算中心 | 基于压缩感知的自适应视频信息隐藏方法 |
-
2013
- 2013-07-02 CN CN201310275143.9A patent/CN103338376B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101610405A (zh) * | 2008-06-20 | 2009-12-23 | 刘镔 | 一种以压缩视频为载体的信息隐写方法 |
CN102905134A (zh) * | 2012-10-22 | 2013-01-30 | 山东省计算中心 | 自适应视频数字隐写方法 |
CN102917227A (zh) * | 2012-10-29 | 2013-02-06 | 山东省计算中心 | 基于压缩感知的自适应视频信息隐藏方法 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834871A (zh) * | 2015-05-12 | 2015-08-12 | 合肥高维数据技术有限公司 | 一种提升隐蔽存储系统写入速率的差分方法 |
CN104853186A (zh) * | 2015-06-08 | 2015-08-19 | 中国科学院信息工程研究所 | 一种改进的基于运动向量回复的视频隐写分析方法 |
CN106791871A (zh) * | 2015-11-25 | 2017-05-31 | 中国科学院声学研究所 | 一种运动矢量调制信息隐藏检测方法 |
CN106791871B (zh) * | 2015-11-25 | 2019-07-02 | 中国科学院声学研究所 | 一种运动矢量调制信息隐藏检测方法 |
CN105872555A (zh) * | 2016-03-25 | 2016-08-17 | 中国人民武装警察部队工程大学 | 一种针对h.264视频运动矢量信息嵌入的隐写分析算法 |
CN105872555B (zh) * | 2016-03-25 | 2019-01-15 | 中国人民武装警察部队工程大学 | 一种针对h.264视频运动矢量信息嵌入的隐写分析算法 |
CN105933711A (zh) * | 2016-06-23 | 2016-09-07 | 武汉大学 | 基于分割的邻域最优概率视频隐写分析方法及系统 |
CN105933711B (zh) * | 2016-06-23 | 2019-02-26 | 武汉大学 | 基于分割的邻域最优概率视频隐写分析方法及系统 |
CN109257521A (zh) * | 2018-12-06 | 2019-01-22 | 四川大学 | 一种stc信息隐藏算法 |
CN109257521B (zh) * | 2018-12-06 | 2019-11-05 | 四川大学 | 一种stc信息隐藏算法 |
CN109819260B (zh) * | 2019-02-01 | 2020-11-06 | 中国科学院信息工程研究所 | 基于多嵌入域融合的视频隐写方法和装置 |
CN109819260A (zh) * | 2019-02-01 | 2019-05-28 | 中国科学院信息工程研究所 | 基于多嵌入域融合的视频隐写方法和装置 |
CN110324634A (zh) * | 2019-07-05 | 2019-10-11 | 中国科学技术大学 | 一种基于运动矢量嵌入失真分解的视频隐写方法 |
CN110324634B (zh) * | 2019-07-05 | 2021-10-01 | 中国科学技术大学 | 一种基于运动矢量嵌入失真分解的视频隐写方法 |
CN111614958A (zh) * | 2020-05-26 | 2020-09-01 | 郑州师范学院 | 一种基于半像素运动补偿的视频隐写方法 |
CN111614958B (zh) * | 2020-05-26 | 2021-10-29 | 郑州师范学院 | 一种基于半像素运动补偿的视频隐写方法 |
CN111711822A (zh) * | 2020-06-22 | 2020-09-25 | 中国人民武装警察部队工程大学 | 基于宏块复杂度的视频隐写方法、系统及装置 |
CN111711822B (zh) * | 2020-06-22 | 2022-04-01 | 中国人民武装警察部队工程大学 | 基于宏块复杂度的视频隐写方法、系统及装置 |
CN112312138A (zh) * | 2020-08-17 | 2021-02-02 | 中国科学技术大学 | 一种抑制帧间残差信号失真传播的视频隐写方法 |
CN112312138B (zh) * | 2020-08-17 | 2022-04-19 | 中国科学技术大学 | 一种抑制帧间残差信号失真传播的视频隐写方法 |
CN112738355A (zh) * | 2020-12-24 | 2021-04-30 | 华南理工大学 | 能抵御深度学习网络检测的非降质hevc视频隐写方法 |
CN116320471A (zh) * | 2023-05-18 | 2023-06-23 | 中南大学 | 视频信息隐藏方法、系统、设备及视频隐藏信息提取方法 |
CN116320471B (zh) * | 2023-05-18 | 2023-08-22 | 中南大学 | 视频信息隐藏方法、系统、设备及视频隐藏信息提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103338376B (zh) | 2016-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103338376A (zh) | 一种基于运动矢量的视频隐写方法 | |
CN102835111B (zh) | 使用先前块的运动矢量作为当前块的运动矢量来对图像进行编码/解码的方法和设备 | |
US8693543B2 (en) | Inter-frame prediction coding method, device and system | |
AU2019275631B2 (en) | Motion vector field coding and decoding method, coding apparatus, and decoding apparatus | |
CN104010193B (zh) | 基于宏块划分方式扰动的视频隐写方法 | |
CN102724554B (zh) | 一种基于场景分割的视频资源语义水印嵌入方法 | |
CN101841700B (zh) | 一种面向h.264压缩比特流的视频水印方法 | |
EP3457694A1 (en) | Image prediction method and related device | |
CN101681499A (zh) | 修改经编码的比特流 | |
CN103037214A (zh) | 视频压缩方法 | |
CN102223540A (zh) | 一种面向h.264/avc视频的信息隐藏方法 | |
CN103988500A (zh) | 视频质量测量 | |
CN110290386B (zh) | 一种基于生成对抗网络的低码率人体运动视频编码系统及方法 | |
CN106101714A (zh) | 一种与压缩编码过程紧耦合的h.264视频信息隐藏方法 | |
CN103716643A (zh) | 用于使用内容信息改进视频编码的系统和方法 | |
CN109819260A (zh) | 基于多嵌入域融合的视频隐写方法和装置 | |
CN101883284A (zh) | 基于背景建模和可选差分模式的视频编/解码方法及系统 | |
CN116233445B (zh) | 视频的编解码处理方法、装置、计算机设备和存储介质 | |
CN105704489B (zh) | 一种基于宏块复杂度的自适应视频运动矢量隐写方法 | |
CN105898296A (zh) | 视频编码帧选择方法及装置 | |
CN102215407B (zh) | 双向预测块的获取方法和装置以及图像解码方法 | |
CN105681803A (zh) | 一种大容量的hevc视频信息隐藏方法 | |
CN104363454A (zh) | 一种高码率图像的视频编、解码方法及系统 | |
CN102300098B (zh) | 一种基于可逆信息隐藏和冗余技术的视频容错编码方法 | |
CN110324634B (zh) | 一种基于运动矢量嵌入失真分解的视频隐写方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |