CN107181957A - 一种基于hadoop平台架构的视频水印溯源方法 - Google Patents
一种基于hadoop平台架构的视频水印溯源方法 Download PDFInfo
- Publication number
- CN107181957A CN107181957A CN201710296548.9A CN201710296548A CN107181957A CN 107181957 A CN107181957 A CN 107181957A CN 201710296548 A CN201710296548 A CN 201710296548A CN 107181957 A CN107181957 A CN 107181957A
- Authority
- CN
- China
- Prior art keywords
- mrow
- mtd
- mtr
- mfrac
- mtable
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
- H04N19/625—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using discrete cosine transform [DCT]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/46—Embedding additional information in the video signal during the compression process
- H04N19/467—Embedding additional information in the video signal during the compression process characterised by the embedded information being invisible, e.g. watermarking
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Discrete Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明涉及一种基于hadoop平台架构的视频水印溯源方法,包括以下步骤:通过hadoop平台的分布式存储模块实时接收并存储原始视频,并获取设备信息和用户信息;通过hadoop平台的分布式处理模块将原始视频由时域视频变换为频域视频;采用水印生成算法和水印置乱算法生成待嵌入水印;通过hadoop平台的分布式处理模块嵌入待嵌入水印,生成含水印的频域视频;通过hadoop平台的分布式处理模块对含水印的频域视频进行变换,将视频由含水印的频域视频变换为含水印的时域视频。本发明通过hadoop平台的分布式存储模块实时接收并存储原始视频,通过hadoop平台的分布式处理模块实时执行水印生成、水印嵌入、水印提取任务,实现了对视频的实时溯源。
Description
技术领域
本发明涉及视频溯源领域,具体地讲涉及一种基于hadoop平台架构的视频水印溯源方法。
背景技术
近年来,平安城市、智慧城市等现代化的视频监控系统的规模越来越大,与此同时,监控视频数据量也在不断增长。视频监控应用由公安、交通等重点领域向政府机关、司法监狱、智慧园区、智能楼宇、金融、电信等领域全面铺开。随之,管控的视频交互亦越来越频繁,导致视流转监控(溯源)等存在着很大隐患,由隐患导致发生的视频泄露、安全数据泄密事件屡见不鲜,监控视频安全问题已成为严重影响居民日常生活、视频监控市场和国家安全的重大问题。
通过中国安防及视频监控市场发展数据分析得出,到2017年视频监控市场规模将达到2500亿元,增长率为22%。与此同时,监控视频数据量也在不断增长,以合肥市天网工程为例,累计建设1.6万路视频,每天产生视频量约为6.5PB。在视频溯源时,发生视频泄露以及安全数据泄密事件主要由于视频数据未加密引起的,因此通过提升技术能力,实现对视频数据进行水印加密处理,保护视频数据安全显得尤为重要。面对当前如此庞大的视频数据和流转量,如何对其进行实时水印加密处理,是目前急需解决的问题。
发明内容
根据现有技术中存在的问题,本发明提供了一种基于hadoop平台架构的视频水印溯源方法,通过对视频进行实时水印生成、嵌入和提取处理,实现了对视频的实时溯源。
为实现上述发明目的,本发明提供了一种基于hadoop平台架构的视频水印溯源方法,包括如下步骤:
S1,通过hadoop平台的分布式存储模块实时接收并存储原始视频,并获取设备信息和用户信息;
S2,通过hadoop平台的分布式处理模块,采用离散余弦变换算法对原始视频进行变换,将原始视频由时域视频变换为频域视频;
采用水印生成算法和水印置乱算法生成待嵌入水印;
S3,通过hadoop平台的分布式处理模块,采用水印嵌入算法在频域视频的变换域嵌入待嵌入水印,生成含水印的频域视频;
S4,通过hadoop平台的分布式处理模块,采用离散余弦反变换算法对含水印的频域视频进行变换,将视频由含水印的频域视频变换为含水印的时域视频。
优选的,所述方法还包括如下步骤:
S5,通过hadoop平台的分布式处理模块,采用水印提取算法提取步骤S4中的含水印时域视频中的水印信息。
优选的,所述hadoop平台的分布式处理模块包括如下模块:
资源管理模块,实现对计算资源的管理,并对计算资源状态进行监控,随时为任务分配资源;
任务处理模块,主要执行任务的调度,向资源管理模块申请资源,并同时负责任务的切分、处理、归并、失败任务重启的功能,最终完成任务的执行。
优选的,步骤S1具体是指通过hadoop平台的分布式存储模块的数据节点实时从平安城市、政府机关、司法监狱、智慧园区应用领域的DVR/NVR视频存储设备接收并存储原始视频。
优选的,步骤S2中待嵌入水印的生成过程如下:通过hadoop平台的分布式处理模块中的资源管理模块调度空闲计算资源,并通过hadoop平台的分布式处理模块中的任务处理模块将获取到的设备信息和用户信息组成原始信息,采用水印生成算法对原始信息进行处理,再采用水印加密置乱算法进行水印加密置乱操作,生成待嵌入水印。
进一步优选的,所述设备信息包括设备型号、MAC地址、发送人姓名、发送时间,所述用户信息包括接收人姓名。
更进一步优选的,步骤S2中所述的离散余弦变换包括如下步骤:
S11,获得N*N时域图像的二维数据矩阵f(x,y),其中,N*N时域图像表示高度和宽度均为N的图像,x,y表示像素点的坐标,f(x,y)是该像素点的值,x,y∈{0,1,2,…,N-1};
S12,求离散余弦变换的系数矩阵[C];
N表示图像的高度和宽度,也就是图像的像素;π表示圆周率。
S13,求系数矩阵对应的转置矩阵[C]T;
S14,根据公式[F(u,v)]=[C][f(x,y)][C]T计算离散余弦变换。
u,v表示的是经过离散余弦变换后x,y对应的值,u,v∈{0,1,2,…,N-1}。
更进一步优选的,步骤S3中采用水印嵌入算法生成含水印的频域视频包括如下步骤:
S21,对N*N视频图像进行RGB三色分离,将绿色G分量分割成互不重叠的(N/8)*(N/8)个8×8大小的子块G',对置乱后的水印图像W'进行8×8分割,得到互不重叠的子块W”。
S22,并对每个子块G'进行离散余弦变换(DCT),选取离散余弦变换域来嵌入水印信息,公式为G'(m,n)=G(m,n)*(1+αW”),m,n∈{0,1,2,…,N/8-1},其中,α为基于边缘的嵌入强度因子,基于边缘的嵌入强度因子α按照下列公式取值:
pixel是分块中处于边缘的像素数量,pixel∈{0,1,2,…,N-1}。
S23,对所有(N/8)*(N/8)个子块G'进行分块离散余弦反变换(IDCT),得到含水印的视频帧绿色分量G”,将其与未改动的红色分量R及蓝色分量B进行重构得到含水印的视频图像。
更进一步优选的,所述离散余弦反变换算法包括如下步骤:
S31,获得频域视频矩阵F(u,v);
u,v表示的是频域视频像素点的坐标,u,v∈{0,1,2,…,N-1}。
S32,求离散余弦变换的系数矩阵[C];
N表示图像的高度和宽度,也就是图像的像素;π表示圆周率。
S33,求系数矩阵对应的转置矩阵[C]T;
S34,根据公式[f(x,y)]=[C]T[F(u,v)][C]计算离散余弦变换。
x,y表示的是经过离散余弦反变换后u,v对应的值,x,y∈{0,1,2,…,N-1}。
更进一步优选的,步骤S5中水印提取算法提取水印信息包括如下步骤:
S41,提取含水印图像的G分量,即对N*N视频图像进行RGB三色分离,将绿色G分量分割成互不重叠的(N/8)*(N/8)个8×8大小的子块G',
S42,对嵌入水印后的G分量分别进行离散余弦反变换(IDCT);
再利用:
在相应的频率系数中提取隐性水印图像W'。其中,α为基于边缘的嵌入强度因子,基于边缘的嵌入强度因子α按照下列公式取值:
pixel是分块中处于边缘的像素数量,pixel∈{0,1,2,…,N-1}。
S43,对隐性水印图像W'进行Arnold逆变换,得到原始水印图像W。
mod是一个取模函数,x,y表示原始水印图像W像素点的坐标,x',y'表示经过Arnold变换后水印图像W'像素点的坐标,x,y∈{0,1,2,…,N-1}。
本发明的有益效果在于:
1)本发明通过hadoop平台的分布式存储模块的数据节点实时接收并存储原始视频,通过hadoop平台的分布式处理模块中的资源管理模块调度空闲计算资源,并通过hadoop平台的分布式处理模块中的任务处理模块实时执行水印的生成、嵌入和提取等任务,实现了对视频的实时溯源。
2)本发明通过离散余弦变换算法将原始视频由时域视频变换为频域视频,然后在频域视频上进行水印嵌入的操作,再经过离散余弦反变换算法将视频由频域视频变换为时域视频,还原成原始视频。相对于在时域视频上进行水印嵌入,避免了前端视频的受损,保证了水印嵌入后的视频质量。
3)本发明通过采用水印生成算法和水印置乱算法生成待嵌入的隐性水印,再在频域视频的变换域上嵌入隐性水印,相对于显性水印,隐性水印的隐蔽性和安全性高、视频感官性好,当需要进行溯源时,采用水印提取算法提取水印信息,即可获取设备信息和用户信息,达到了较好的溯源效果。
附图说明
图1为本发明的总体流程图。
图2为本发明的hadoop平台资源管理模块和任务处理模块工作流程图。
图3为本发明待嵌入水印生成流程图。
图4为本发明生成含水印频域视频的步骤流程图。
图5为本发明水印提取步骤流程图。
具体实施方式
下面将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一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
hadoop平台是一个能够让用户轻松架构和使用的分布式计算平台。用户可以轻松地在hadoop上开发和运行处理海量数据的应用程序。它主要有以下几个优点:
高可靠性,hadoop按位存储和处理数据的能力值得人们信赖;
高扩展性,hadoop是在可用的计算机集簇间分配数据并完成计算任务的,这些集簇可以方便地扩展到数以千计的节点中;
高效性,hadoop能够在节点之间动态地移动数据,并保证各个节点的动态平衡,因此处理速度非常快;
高容错性,hadoop能够自动保存数据的多个副本,并且能够自动将失败的任务重新分配;
低成本,与一体机、商用数据仓库以及QlikView、Yonghong Z-Suite等数据集市相比,hadoop是开源的,项目的软件成本因此会大大降低。
如图2所示,hadoop平台主要有分布式存储模块和分布式处理模块,其中分布式处理模块包括如下模块:
资源管理模块,实现对计算资源的管理,并对计算资源状态进行监控,通过计算节点随时为任务分配资源;
任务处理模块,主要执行任务的调度,向资源管理模块申请资源,并同时负责任务的切分、处理、归并、失败任务重启的功能,最终完成任务的执行。
如图1所示,一种基于hadoop平台架构的视频水印溯源方法,包括以下步骤:
S1,通过hadoop平台的分布式存储模块实时接收并存储原始视频,并获取设备信息和用户信息;
具体的,步骤S1具体是指通过hadoop平台的分布式存储模块的数据节点实时从平安城市、政府机关、司法监狱、智慧园区应用领域的DVR/NVR视频存储设备接收并存储原始视频。
所述设备信息包括设备型号、MAC地址、发送人姓名、发送时间,所述用户信息包括接收人姓名。
S2,通过hadoop平台的分布式处理模块,采用离散余弦变换算法对原始视频进行变换,将原始视频由时域视频变换为频域视频;
采用水印生成算法生成待嵌入水印;
离散余弦变换(DCT)是可分离的变换,其变换核为余弦函数。离散余弦变换除了具有一般的正交变换性质外,它的变换阵的基向量能很好地描述人类语音信号和图像信号的相关特征。因此,在对语音信号、图像信号的变换中,离散余弦变换被认为是一种准最佳变换。
离散余弦变换过程如下步骤:
1)获得N*N时域图像的二维数据矩阵f(x,y),其中,N*N时域图像表示高度和宽度均为N的图像,x,y表示像素点的坐标,f(x,y)是该像素点的值,x,y∈{0,1,2,…,N-1};
2)求离散余弦变换的系数矩阵[C];
N表示图像的高度和宽度,也就是图像的像素;π表示圆周率。
3)求系数矩阵对应的转置矩阵[C]T;
4)根据公式[F(u,v)]=[C][f(x,y)][C]T计算离散余弦变换。
u,v表示的是经过离散余弦变换后x,y对应的值,u,v∈{0,1,2,…,N-1}。
通过以上离散余弦变换步骤,将时域视频矩阵的元素f(x,y)变换成频域视频的元素F(u,v)。
如图3所示,待嵌入水印生成过程如下:获取到的设备信息和用户信息组成原始信息,采用水印生成算法对原始信息进行处理得到原始水印图像W,再采用水印置乱算法进行水印加密置乱操作,生成待嵌入的隐性水印图像W'。
水印置乱算法采用Arnold变换,Arnold变换能够降低图像的空间相关性,增强水印的安全性,同时可以增强水印的抗剪切能力。Arnold变换定义如下:
mod是一个取模函数,x,y表示原始水印图像矩阵中像素点的坐标,x',y'表示变换后水印图像矩阵中的坐标,x,y∈{0,1,2,…,N-1}。N是图像阶数,即图像大小,这里取正方形图像(即N*N)。
对原始水印图像W进行Arnold变换后,得到置乱的待嵌入的隐性水印图像W'。
S3,通过hadoop平台的分布式处理模块,采用水印嵌入算法在频域视频的变换域嵌入待嵌入水印,生成含水印的频域视频;
如图4所示,生成含水印频域视频的步骤如下:
1)对N*N视频图像进行RGB三色分离,将绿色G分量分割成互不重叠的(N/8)*(N/8)个8×8大小的子块G',对置乱后的水印图像W'进行8×8分割,得到互不重叠的子块W”。
2)并对每个子块G'进行离散余弦变换(DCT),选取离散余弦变换域来嵌入水印信息,公式为G'(m,n)=G(m,n)*(1+αW”),m,n∈{0,1,2,…,N/8-1},其中,α为基于边缘的嵌入强度因子,基于边缘的嵌入强度因子α按照下列公式取值:
pixel是分块中处于边缘的像素数量,pixel∈{0,1,2,…,N-1}。
3)对所有(N/8)*(N/8)个子块G'进行分块离散余弦反变换(IDCT),得到含水印的视频帧绿色分量G”,将其与未改动的红色分量R及蓝色分量B进行重构得到含水印的视频图像。
S4,通过hadoop平台的分布式处理模块,采用离散余弦反变换算法对含水印的频域视频进行变换,将视频由含水印的频域视频变换为含水印的时域视频。
离散余弦反变换(IDCT)过程如下步骤:
1)获得频域视频矩阵F(u,v);
u,v表示的是频域视频像素点的坐标,u,v∈{0,1,2,…,N-1}。
2)求离散余弦变换的系数矩阵[C];
N表示图像的高度和宽度,也就是图像的像素;π表示圆周率。
3)求系数矩阵对应的转置矩阵[C]T;
4)根据公式[f(x,y)]=[C]T[F(u,v)][C]计算离散余弦变换。
x,y表示的是经过离散余弦反变换后u,v对应的值,x,y∈{0,1,2,…,N-1}。
通过以上离散余弦反变换步骤,将频域视频矩阵的元素F(u,v)变换成时域视频的元素f(x,y)。
具体的,视频溯源方法还包括如下步骤:
S5,通过hadoop平台的分布式处理模块,采用水印提取算法提取步骤S4中的含水印时域视频中的水印信息。
如图5所示,水印提取步骤如下:
1)提取含水印图像的G分量,即对N*N视频图像进行RGB三色分离,将绿色G分量分割成互不重叠的(N/8)*(N/8)个8×8大小的子块G',
2)对嵌入水印后的G分量分别进行离散余弦反变换(IDCT);
再利用:
在相应的频率系数中提取隐性水印图像W'。其中,α为基于边缘的嵌入强度因子,基于边缘的嵌入强度因子α按照下列公式取值:
pixel是分块中处于边缘的像素数量,pixel∈{0,1,2,…,N-1}。
3)对隐性水印图像W'进行Arnold逆变换,得到原始水印图像W。
mod是一个取模函数,x,y表示原始水印图像W像素点的坐标,x',y'表示经过Arnold变换后水印图像W'像素点的坐标,x,y∈{0,1,2,…,N-1}。
综上所述,本发明通过hadoop平台的分布式存储模块的数据节点实时接收并存储原始视频,通过hadoop平台的分布式处理模块中的资源管理模块调度空闲计算资源,并通过hadoop平台的分布式处理模块中的任务处理模块实时执行水印的生成、嵌入和提取等任务,实现了对视频的实时水印加密和溯源。
Claims (10)
1.一种基于hadoop平台架构的视频水印溯源方法,其特征在于,包括如下步骤:
S1,通过hadoop平台的分布式存储模块实时接收并存储原始视频,并获取设备信息和用户信息;
S2,通过hadoop平台的分布式处理模块,采用离散余弦变换算法对原始视频进行变换,将原始视频由时域视频变换为频域视频;
采用水印生成算法和水印置乱算法生成待嵌入水印;
S3,通过hadoop平台的分布式处理模块,采用水印嵌入算法在频域视频的变换域嵌入待嵌入水印,生成含水印的频域视频;
S4,通过hadoop平台的分布式处理模块,采用离散余弦反变换算法对含水印的频域视频进行变换,将视频由含水印的频域视频变换为含水印的时域视频。
2.根据权利要求1所述的一种基于hadoop平台架构的视频水印溯源方法,其特征在于,还包括如下步骤:
S5,通过hadoop平台的分布式处理模块,采用水印提取算法提取步骤S4中的含水印时域视频中的水印信息。
3.根据权利要求1所述的一种基于hadoop平台架构的视频水印溯源方法,其特征在于,所述hadoop平台的分布式处理模块包括如下模块:
资源管理模块,实现对计算资源的管理,并对计算资源状态进行监控,通过计算节点随时为任务分配资源;
任务处理模块,主要执行任务的调度,向资源管理模块申请资源,并同时负责任务的切分、处理、归并、失败任务重启的功能,最终完成任务的执行。
4.根据权利要求1所述的一种基于hadoop平台架构的视频水印溯源方法,其特征在于:步骤S1具体是指通过hadoop平台的分布式存储模块的数据节点实时从平安城市、政府机关、司法监狱、智慧园区应用领域的DVR/NVR视频存储设备接收并存储原始视频。
5.根据权利要求1所述的一种基于hadoop平台架构的视频水印溯源方法,其特征在于,步骤S2中待嵌入水印的生成过程如下:通过hadoop平台的分布式处理模块中的资源管理模块调度空闲计算资源,并通过hadoop平台的分布式处理模块中的任务处理模块将获取到的设备信息和用户信息组成原始信息,采用水印生成算法对原始信息进行处理,再采用水印加密置乱算法进行水印加密置乱操作,生成待嵌入水印。
6.根据权利要求1或5所述的一种基于hadoop平台架构的视频水印溯源方法,其特征在于:所述设备信息包括设备型号、MAC地址、发送人姓名、发送时间,所述用户信息包括接收人姓名。
7.根据权利要求6所述的一种基于hadoop平台架构的视频水印溯源方法,其特征在于,步骤S2中所述的离散余弦变换包括如下步骤:
S11,获得N*N时域图像的二维数据矩阵f(x,y),其中,N*N时域图像表示高度和宽度均为N的图像,x,y表示像素点的坐标,f(x,y)是该像素点的值,x,y∈{0,1,2,…,N-1};
S12,求离散余弦变换的系数矩阵[C];
<mrow>
<mrow>
<mo>&lsqb;</mo>
<mi>C</mi>
<mo>&rsqb;</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mfrac>
<mn>2</mn>
<mi>N</mi>
</mfrac>
</msqrt>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msqrt>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msqrt>
</mtd>
<mtd>
<msqrt>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msqrt>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msqrt>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msqrt>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mn>1</mn>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mn>3</mn>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mrow>
<mn>2</mn>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mrow>
<mn>3</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<mn>2</mn>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
N表示图像的高度和宽度,也就是图像的像素;π表示圆周率。
S13,求系数矩阵对应的转置矩阵[C]T;
<mrow>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>C</mi>
<mo>&rsqb;</mo>
</mrow>
<mi>T</mi>
</msup>
<mo>=</mo>
<msqrt>
<mfrac>
<mn>2</mn>
<mi>N</mi>
</mfrac>
</msqrt>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msqrt>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msqrt>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mn>1</mn>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<msqrt>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msqrt>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mn>3</mn>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mrow>
<mn>3</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<msqrt>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msqrt>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mrow>
<mn>2</mn>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<mn>2</mn>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
S14,根据公式[F(u,v)]=[C][f(x,y)][C]T计算离散余弦变换。
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>2</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>x</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>y</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mfrac>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>x</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
<mi>u</mi>
<mi>&pi;</mi>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mo>&CenterDot;</mo>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mfrac>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>y</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
<mi>v</mi>
<mi>&pi;</mi>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
</mrow>
u,v表示的是经过离散余弦变换后x,y对应的值,u,v∈{0,1,2,…,N-1}。
8.根据权利要求7所述的一种基于hadoop平台架构的视频水印溯源方法,其特征在于,步骤S3中采用水印嵌入算法生成含水印的频域视频包括如下步骤:
S21,对N*N视频图像进行RGB三色分离,将绿色G分量分割成互不重叠的(N/8)*(N/8)个8×8大小的子块G',对置乱后的水印图像W'进行8×8分割,得到互不重叠的子块W”。
S22,并对每个子块G'进行离散余弦变换(DCT),选取离散余弦变换域来嵌入水印信息,公式为G'(m,n)=G(m,n)*(1+αW”),m,n∈{0,1,2,…,N/8-1},其中,α为基于边缘的嵌入强度因子,基于边缘的嵌入强度因子α按照下列公式取值:
<mrow>
<mi>&alpha;</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>8</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>p</mi>
<mi>i</mi>
<mi>x</mi>
<mi>e</mi>
<mi>l</mi>
<mo>&GreaterEqual;</mo>
<mn>20</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>p</mi>
<mi>i</mi>
<mi>x</mi>
<mi>e</mi>
<mi>l</mi>
<mo><</mo>
<mn>20</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
pixel是分块中处于边缘的像素数量,pixel∈{0,1,2,…,N-1}。
S23,对所有(N/8)*(N/8)个子块G'进行分块离散余弦反变换(IDCT),得到含水印的视频帧绿色分量G”,将其与未改动的红色分量R及蓝色分量B进行重构得到含水印的视频图像。
9.根据权利要求8所述的一种基于hadoop平台架构的视频水印溯源方法,其特征在于,步骤S4中离散余弦反变换算法包括如下步骤:
S31,获得频域视频矩阵F(u,v);
u,v表示的是频域视频像素点的坐标,u,v∈{0,1,2,…,N-1}。
S32,求离散余弦变换的系数矩阵[C];
<mrow>
<mrow>
<mo>&lsqb;</mo>
<mi>C</mi>
<mo>&rsqb;</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mfrac>
<mn>2</mn>
<mi>N</mi>
</mfrac>
</msqrt>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msqrt>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msqrt>
</mtd>
<mtd>
<msqrt>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msqrt>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msqrt>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msqrt>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mn>1</mn>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mn>3</mn>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mrow>
<mn>2</mn>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mrow>
<mn>3</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<mn>2</mn>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
N表示图像的高度和宽度,也就是图像的像素;π表示圆周率。
S33,求系数矩阵对应的转置矩阵[C]T;
<mrow>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>C</mi>
<mo>&rsqb;</mo>
</mrow>
<mi>T</mi>
</msup>
<mo>=</mo>
<msqrt>
<mfrac>
<mn>2</mn>
<mi>N</mi>
</mfrac>
</msqrt>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msqrt>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msqrt>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mn>1</mn>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<msqrt>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msqrt>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mn>3</mn>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mrow>
<mn>3</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<msqrt>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msqrt>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mrow>
<mn>2</mn>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>O</mi>
<mi>S</mi>
<mfrac>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<mn>2</mn>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mi>&pi;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
S34,根据公式[f(x,y)]=[C]T[F(u,v)][C]计算离散余弦变换。
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mn>0</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mfrac>
<msqrt>
<mn>2</mn>
</msqrt>
<mi>N</mi>
</mfrac>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>v</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>v</mi>
</mrow>
<mo>)</mo>
</mrow>
<mi>cos</mi>
<mfrac>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<mn>2</mn>
<mi>y</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mi>v</mi>
<mi>&pi;</mi>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<mfrac>
<msqrt>
<mn>2</mn>
</msqrt>
<mi>N</mi>
</mfrac>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>u</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mn>0</mn>
</mrow>
<mo>)</mo>
</mrow>
<mi>cos</mi>
<mfrac>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<mn>2</mn>
<mi>x</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mi>u</mi>
<mi>&pi;</mi>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<mfrac>
<mn>2</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>u</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>v</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
</mrow>
<mo>)</mo>
</mrow>
<mi>cos</mi>
<mfrac>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<mn>2</mn>
<mi>x</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mi>u</mi>
<mi>&pi;</mi>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
<mo>&CenterDot;</mo>
<mi>cos</mi>
<mfrac>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<mn>2</mn>
<mi>y</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mi>v</mi>
<mi>&pi;</mi>
</mrow>
<mrow>
<mn>2</mn>
<mi>N</mi>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
x,y表示的是经过离散余弦反变换后u,v对应的值,x,y∈{0,1,2,…,N-1}。
10.根据权利要求9所述的一种基于hadoop平台架构的视频水印溯源方法,其特征在于,步骤S5中水印提取算法提取水印信息包括如下步骤:
S41,提取含水印图像的G分量,即对N*N视频图像进行RGB三色分离,将绿色G分量分割成互不重叠的(N/8)*(N/8)个8×8大小的子块G',
S42,对嵌入水印后的G分量分别进行离散余弦反变换(IDCT);
再利用:
在相应的频率系数中提取隐性水印图像W'。其中,α为基于边缘的嵌入强度因子,基于边缘的嵌入强度因子α按照下列公式取值:
<mrow>
<mi>&alpha;</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>8</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>p</mi>
<mi>i</mi>
<mi>x</mi>
<mi>e</mi>
<mi>l</mi>
<mo>&GreaterEqual;</mo>
<mn>20</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>p</mi>
<mi>i</mi>
<mi>x</mi>
<mi>e</mi>
<mi>l</mi>
<mo><</mo>
<mn>20</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
pixel是分块中处于边缘的像素数量,pixel∈{0,1,2,…,N-1}。
S43,对隐性水印图像W'进行Arnold逆变换,得到原始水印图像W。
<mrow>
<mi>W</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>x</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>y</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<msup>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mn>2</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
</mtd>
</mtr>
<mtr>
<mtd>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mo>(</mo>
<mi>mod</mi>
<mi> </mi>
<mi>N</mi>
<mo>)</mo>
</mrow>
</mrow>
3
mod是一个取模函数,x,y表示原始水印图像W像素点的坐标,x',y'表示经过Arnold变换后水印图像W'像素点的坐标,x,y∈{0,1,2,…,N-1}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710296548.9A CN107181957A (zh) | 2017-04-28 | 2017-04-28 | 一种基于hadoop平台架构的视频水印溯源方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710296548.9A CN107181957A (zh) | 2017-04-28 | 2017-04-28 | 一种基于hadoop平台架构的视频水印溯源方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107181957A true CN107181957A (zh) | 2017-09-19 |
Family
ID=59832045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710296548.9A Pending CN107181957A (zh) | 2017-04-28 | 2017-04-28 | 一种基于hadoop平台架构的视频水印溯源方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107181957A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781801A (zh) * | 2019-10-23 | 2020-02-11 | 重庆紫光华山智安科技有限公司 | 一种人脸识别指标测试方法、系统和介质 |
CN114037040A (zh) * | 2021-12-09 | 2022-02-11 | 深圳市瑞驰信息技术有限公司 | 一种基于加密二维码自动添加图片水印的方法 |
WO2022048330A1 (zh) * | 2020-09-01 | 2022-03-10 | 腾讯科技(深圳)有限公司 | 视频的水印添加和提取方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1426223A (zh) * | 2002-12-30 | 2003-06-25 | 上海交通大学 | 基于地址码的脆弱数字水印嵌入与提取方法 |
CN1455578A (zh) * | 2003-05-10 | 2003-11-12 | 合肥工业大学 | 用于版权保护的图像水印方法 |
CN101004831A (zh) * | 2007-01-25 | 2007-07-25 | 北京大学 | 基于数字图像变换域系数统计模型的水印嵌入及提取方法 |
CN101917611A (zh) * | 2010-08-31 | 2010-12-15 | 北京德博正业科技有限公司 | 能够追踪传播源的视频输出装置 |
CN104731595A (zh) * | 2015-03-26 | 2015-06-24 | 江苏物联网研究发展中心 | 面向大数据分析的混合计算系统 |
-
2017
- 2017-04-28 CN CN201710296548.9A patent/CN107181957A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1426223A (zh) * | 2002-12-30 | 2003-06-25 | 上海交通大学 | 基于地址码的脆弱数字水印嵌入与提取方法 |
CN1455578A (zh) * | 2003-05-10 | 2003-11-12 | 合肥工业大学 | 用于版权保护的图像水印方法 |
CN101004831A (zh) * | 2007-01-25 | 2007-07-25 | 北京大学 | 基于数字图像变换域系数统计模型的水印嵌入及提取方法 |
CN101917611A (zh) * | 2010-08-31 | 2010-12-15 | 北京德博正业科技有限公司 | 能够追踪传播源的视频输出装置 |
CN104731595A (zh) * | 2015-03-26 | 2015-06-24 | 江苏物联网研究发展中心 | 面向大数据分析的混合计算系统 |
Non-Patent Citations (1)
Title |
---|
谢斌: "《基于DCT的自适应多重彩色图像盲水印算法》", 《电视技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781801A (zh) * | 2019-10-23 | 2020-02-11 | 重庆紫光华山智安科技有限公司 | 一种人脸识别指标测试方法、系统和介质 |
WO2022048330A1 (zh) * | 2020-09-01 | 2022-03-10 | 腾讯科技(深圳)有限公司 | 视频的水印添加和提取方法、装置、设备及存储介质 |
CN114037040A (zh) * | 2021-12-09 | 2022-02-11 | 深圳市瑞驰信息技术有限公司 | 一种基于加密二维码自动添加图片水印的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107027055A (zh) | 一种基于水印技术的视频溯源及加密方法 | |
Mahto et al. | A survey of color image watermarking: State-of-the-art and research directions | |
WO2020228520A1 (zh) | 图像变换方法、装置、存储介质及计算机设备 | |
CN107133906A (zh) | 一种基于水印技术的视频溯源方法 | |
CN107181957A (zh) | 一种基于hadoop平台架构的视频水印溯源方法 | |
CN103501400B (zh) | 基于抛物线插值图像的可逆信息隐藏方法 | |
Wang et al. | A survey on digital image steganography | |
CN102905134A (zh) | 自适应视频数字隐写方法 | |
Wang et al. | Anti-HEVC recompression video watermarking algorithm based on the all phase biorthogonal transform and SVD | |
Gao et al. | A robust video zero-watermarking based on deep convolutional neural network and self-organizing map in polar complex exponential transform domain | |
CN110110535A (zh) | 一种基于像素矩阵的低失真隐写方法 | |
CN106817630A (zh) | 服务器端用于识别摄像设备的方法及装置 | |
CN114896622A (zh) | 一种医疗数据安全云存储方法 | |
CN103996164A (zh) | 基于实分数傅里叶变换的医学影像零水印嵌入和提取方法 | |
Su et al. | A robust color image watermarking scheme in the fusion domain based on LU factorization | |
Chen et al. | A visually secure image encryption method based on integer wavelet transform and rhombus prediction | |
Hsiao et al. | Simple and robust watermarking scheme based on square-root-modulus technique | |
CN111274601A (zh) | 一种网络环境下的图像安全识别系统及方法 | |
CN101393636B (zh) | 在图像中加入不可见水印的方法及装置 | |
Awasthi et al. | Robust image watermarking based on discrete wavelet transform, discrete cosine transform & singular value decomposition | |
CN103617589A (zh) | 一种基于局部直方图的信息隐藏方法 | |
Rani et al. | Comparative analysis of image compression using dct and dwt transforms | |
CN107147879A (zh) | 一种实时视频拼接方法 | |
Feng et al. | Improvement of BM3D algorithm based on wavelet and directed diffusion | |
Jiang et al. | A semi-fragile blind watermarking scheme for color images based on visual cryptography and discrete cosine transform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170919 |
|
RJ01 | Rejection of invention patent application after publication |