CN117156153A - 一种利用预测运动矢量最优性的hevc隐写分析方法 - Google Patents

一种利用预测运动矢量最优性的hevc隐写分析方法 Download PDF

Info

Publication number
CN117156153A
CN117156153A CN202311105488.XA CN202311105488A CN117156153A CN 117156153 A CN117156153 A CN 117156153A CN 202311105488 A CN202311105488 A CN 202311105488A CN 117156153 A CN117156153 A CN 117156153A
Authority
CN
China
Prior art keywords
motion vector
prediction
hevc
optimal
difference value
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
Application number
CN202311105488.XA
Other languages
English (en)
Inventor
李军
张敏情
张震
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Engineering University of Chinese Peoples Armed Police Force
Original Assignee
Engineering University of Chinese Peoples Armed Police Force
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Engineering University of Chinese Peoples Armed Police Force filed Critical Engineering University of Chinese Peoples Armed Police Force
Priority to CN202311105488.XA priority Critical patent/CN117156153A/zh
Publication of CN117156153A publication Critical patent/CN117156153A/zh
Pending legal-status Critical Current

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
    • H04N19/46—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
    • 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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
    • H04N19/139—Analysis of motion vectors, e.g. their magnitude, direction, variance or reliability
    • 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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/146—Data rate or code amount at the encoder output
    • H04N19/147—Data rate or code amount at the encoder output according to rate distortion criteria
    • 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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • 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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H04N19/517—Processing of motion vectors by encoding
    • H04N19/52—Processing of motion vectors by encoding by predictive encoding

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本申请涉及一种利用预测运动矢量最优性的HEVC隐写分析方法，包括：获取HEVC压缩视频序列；对HEVC压缩视频序列进行解析，得到解码参数；基于解码参数进行运动矢量预测处理，以获取预测单元的总数以及每一预测单元对应的预测参数；根据第一预设公式基于预测参数和预测单元的总数计算预测运动矢量最优率；判断预测运动矢量最优率是否为100％，若是，则判定HEVC压缩视频序列为正常载体视频，若否，则判定HEVC压缩视频序列为隐写载体视频。本发明通过判断预测运动矢量最优率是否为100％，以区分正常载体和隐写载体，其无需模型训练，且该过程计算复杂性较低，实现了快速准确判断出HEVC视频是否为隐写视频，从而有利于提高HEVC视频的隐写分析效率和准确性。

Description

一种利用预测运动矢量最优性的HEVC隐写分析方法
技术领域
本申请涉及视频分析技术领域，尤其涉及一种利用预测运动矢量最优性的HEVC隐写分析方法。
背景技术
在隐写分析技术中，针对HEVC(High Efficiency Video Coding)中运动矢量隐写的隐写分析仍然一个热点和难点问题。隐写技术的目的是在不引起怀疑的情况下将秘密信息嵌入在图片、音频、视频等多媒体中，从而进行隐蔽通信。而其对手隐写分析的目的则是检测普通的媒体中是否存在经过隐写嵌入的秘密信息。视频是进行隐写的理想载体，按照嵌入位置的不同有不同域的隐写方法，主要有帧内预测模式、帧间预测模式、运动矢量、变换系数等。由于视频编码中存在大量的运动矢量可供信息嵌入，因此视频隐写中基于运动矢量域的研究较多，而基于运动矢量的隐写分析技术是当前的一个研究热点。
随着HEVC标准的逐步推广应用，基于HEVC标准的运动矢量域视频隐写与隐写分析技术的研究显得尤为重要。现有方式针对HEVC标准提出了一种基于运动矢量空间编码的隐写方法。他们给出了运动矢量空间的构建及编码方法，并定义了运动矢量集合与该空间中点的映射关系，能够实现在N个运动矢量分量中最多改变一个分量即可嵌入一个2N+1进制数的效果，具有较高的嵌入容量。Guo等首先对每一帧的运动趋势进行统计，并在运动矢量和二进制比特流之间建立基于运动趋势(Motion Trend Based，MTB)的映射策略，然后使用运动矢量修改前后的SATD差值作为隐写失真进行信息嵌入。胡等[i]首次提出了一种利用HEVC中AMVP(Advanced Motion Vector Prediction)技术的新型隐写方法SAMVP(Steganography by Advanced Motion Vector Prediction)。该方法将帧间预测的AMVP技术中的运动矢量索引作为嵌入载体，具有较大的嵌入容量，最主要的特点是视觉无失真。Liu等在SAMVP的基础上通过定义失真函数并结合STC(Syndrome Trellis Code)[ii]编码，提出了自适应的A-SAMVP(Adaptive SAMVP)算法。由于AMVP通过索引值和运动矢量残差来编码运动矢量，他们将信息嵌入在候选列表的索引值中，并使用两个候选运动矢量之间的码率差来定义失真函数，算法的整体性能得到了提升。
基于运动矢量的隐写算法是对运动矢量及其相关信息进行修改，不可避免地会破坏视频编码过程中某些参数的最优性，因此原来的基于H.264/AVC的分析方法仍然在一定程度上有效。然而，现有方法将候选运动矢量和运动矢量的最优性一起考虑，没有考虑到两者的差异，检测性能有待进一步提升。所以现有的隐写分析方法难以快速准确的判断出HEVC视频是否为隐写视频。
发明内容
本申请实施例的目的在于提出一种利用预测运动矢量最优性的HEVC隐写分析方法，以实现快速准确判断出HEVC视频是否为隐写视频，从而提高HEVC视频的隐写分析效率和准确性。
为了解决上述技术问题，本申请实施例提供一种利用预测运动矢量最优性的HEVC隐写分析方法，包括：
获取HEVC压缩视频序列；
对所述HEVC压缩视频序列进行解析，得到解码参数；
基于所述解码参数进行运动矢量预测处理，以获取预测单元的总数以及每一所述预测单元对应的预测参数；
根据第一预设公式基于所述预测参数和所述预测单元的总数计算预测运动矢量最优率；
判断所述预测运动矢量最优率是否为100％，若是，则判定所述HEVC压缩视频序列为正常载体视频，若否，则判定所述HEVC压缩视频序列为隐写载体视频。
进一步地，所述第一预设公式为：
其中，N为一个所述HEVC压缩视频序列中所述预测单元的总数，δ为校验函数，J为Lagrangian率失真，Optimal(mvp)为所述预测运动矢量最优率。
进一步地，所述方法还包括：
通过第二预设公式计算所述Lagrangian率失真；
所述第二预设公式为：
Jmotion(mv)＝D+λ*R；
其中，所述D表示预测块与参考块的像素失真，λ为Lagrangian参数，R表示编码当前运动矢量所需的比特数。
进一步地，所述方法还包括：
采用绝对误差与绝对差之和的方式或哈达玛变换误差与变换差之和的方式，对所述预测块与所述参考块的所述像素失真进行计算。
进一步地，所述通过编码端从候选预测运动矢量列表中选取出所述最优的预测运动矢量的过程中，所述方法还包括：
通过第三预设公式计算所述编码当前运动矢量所需的比特数；
所述第三预设公式为：
R＝Bits(mvd)+Bits(idx)＝Bits(mvd)+1；
其中，Bits(idx)＝1为编码索引号idx∈{0,1}需要的比特数，Bits(mvd)为利用零阶有符号指数哥伦布编码对运动矢量差值进行编码所需的比特数，mvd为运动矢量差值。
进一步地，所述基于所述解码参数进行运动矢量预测处理，以获取预测单元的总数以及每一所述预测单元对应的预测参数，包括：
采用高级运动矢量预测技术基于所述解码参数为当前的所述预测单元构建候选预测运动矢量列表，并获取所述预测单元的总数；
通过编码端从候选预测运动矢量列表中选取出最优的预测运动矢量，并基于所述最优的预测运动矢量生成最终运动矢量和运动矢量差值，且对所述运动矢量差值进行编码；
通过解码端建立所述候选预测运动矢量列表，并恢复所述当前预测单元的所述运动矢量差值。
进一步地，所述通过编码端从候选预测运动矢量列表中选取出最优的预测运动矢量，并基于所述最优的预测运动矢量生成最终运动矢量和运动矢量差值，且对所述运动矢量差值进行编码，包括：
通过编码端从候选预测运动矢量列表中选取出所述最优的预测运动矢量；
基于所述最优的预测运动矢量为起点进行整像素和亚像素运动搜索得到所述最终运动矢量；
对所述最终运动矢量进行计算生成所述运动矢量差值，对所述运动矢量差值进行编码。
进一步地，所述对所述最终运动矢量进行计算生成所述运动矢量差值，对所述运动矢量差值进行编码，包括：
采用差分计算的方式，对所述最终运动矢量进行差分计算，得到所述运动矢量差值；
采用零阶指数哥伦布编码方式，对所述运动矢量差值进行编码。
进一步地，所述通过解码端建立所述候选预测运动矢量列表，并恢复所述当前预测单元的所述运动矢量差值，包括：
通过所述解码端建立所述候选预测运动矢量列表；
基于所述最优的预测运动矢量在所述候选预测运动矢量列表中的索引值和所述运动矢量差值恢复所述当前预测单元的所述运动矢量差值。
进一步地，所述通过编码端从候选预测运动矢量列表中选取出所述最优的预测运动矢量的过程中，所述方法还包括：
采用Lagrangian优化算法的率失真优化模型对所述候选预测运动矢量列表进行编码控制。
本发明实施例提供了一种利用预测运动矢量最优性的HEVC隐写分析方法。其中，所述方法包括：获取HEVC压缩视频序列；对所述HEVC压缩视频序列进行解析，得到解码参数；基于所述解码参数进行运动矢量预测处理，以获取预测单元的总数以及每一所述预测单元对应的预测参数；根据第一预设公式基于所述预测参数和所述预测单元的总数计算预测运动矢量最优率；判断所述预测运动矢量最优率是否为100％，若是，则判定所述HEVC压缩视频序列为正常载体视频，若否，则判定所述HEVC压缩视频序列为隐写载体视频。本发明实施例通过判断预测运动矢量最优率是否为100％，能够准确区分正常载体和隐写载体，其无需模型训练，且该过程计算复杂性较低，实现了快速准确判断出HEVC视频是否为隐写视频，从而有利于提高HEVC视频的隐写分析效率和准确性。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，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的附图。
图1是本申请实施例提供的利用预测运动矢量最优性的HEVC隐写分析方法流程的一实现流程图；
图2是本申请实施例提供的利用预测运动矢量最优性的HEVC隐写分析方法中子流程的实现流程图；
图3是本申请实施例提供的利用预测运动矢量最优性的HEVC隐写分析方法中子流程的实现流程图；
图4是本申请实施例提供的利用预测运动矢量最优性的HEVC隐写分析方法中子流程的实现流程图；
图5是本申请实施例提供的利用预测运动矢量最优性的HEVC隐写分析方法中子流程的实现流程图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
下面结合附图和实施方式对本发明进行详细说明。
需要说明的是，本申请实施例所提供的利用预测运动矢量最优性的HEVC隐写分析方法一般由服务器执行。
请参阅图1，图1示出了利用预测运动矢量最优性的HEVC隐写分析方法的一种具体实施方式。
需注意的是，若有实质上相同的结果，本发明的方法并不以图1所示的流程顺序为限，该方法包括如下步骤：
S1：获取HEVC压缩视频序列。
本申请实施例中，高效视频编码HEVC(High Efficiency Video Coding)也称为H.265和MPEG-H part 2，是视频压缩标准，是广泛使用的AVC的几个潜在后继者之一。与AVC相比，HEVC在相同的视频质量水平下提供大约两倍的数据压缩比，或者以相同的比特率显著提高视频质量。高效视频编码HEVC支持高达8192×4320的分辨率，包括8K UHD。在本申请实施例中，在需要对HEVC压缩视频序列进行判断其是否发生隐写时，获取对应的HEVC压缩视频序列。
S2：对所述HEVC压缩视频序列进行解析，得到解码参数。
本申请实施例中，通过解码器对所述HEVC压缩视频序列进行解析，得到解码参数。
S3：基于所述解码参数进行运动矢量预测处理，以获取预测单元的总数以及每一所述预测单元对应的预测参数。
本申请实施例中，采用高级运动矢量预测技术(Advanced Motion VectorPrediction,AMVP)进行运动矢量预测处理。其中，AMVP技术是HEVC中提出的运动矢量预测技术。其中，每一所述预测单元对应的预测参数包括运动矢量、最优的预测运动矢量、最终运动矢量、运动矢量差值、Lagrangian率失真等等。
请参阅图2，图2示出了步骤S3的一种具体实施方式，详叙如下：
S31：采用高级运动矢量预测技术基于所述解码参数为当前的所述预测单元构建候选预测运动矢量列表，并获取所述预测单元的总数。
本申请实施例中，采用高级运动矢量预测技术进行预测处理过程中，收集所有以AMVP技术编码的预测单元，得到预测单元的总数。
S32：通过编码端从候选预测运动矢量列表中选取出最优的预测运动矢量，并基于所述最优的预测运动矢量生成最终运动矢量和运动矢量差值，且对所述运动矢量差值进行编码。
请参阅图3，图3示出了步骤S32的一种具体实施方式，详叙如下：
S321：通过编码端从候选预测运动矢量列表中选取出所述最优的预测运动矢量。
S322：基于所述最优的预测运动矢量为起点进行整像素和亚像素运动搜索得到所述最终运动矢量。
S323：对所述最终运动矢量进行计算生成所述运动矢量差值，对所述运动矢量差值进行编码。
本申请实施例中，采用高级运动矢量预测技术AMVP利用运动矢量在空域和时域上的相关性，为当前预测单元PU(Prediction Unit)建立了候选预测运动矢量列表(包含2个候选预测运动矢量mvp0和mvp1)。编码端从候选列表中选出最优的预测运动矢量mvp，并以该mvp为起点进行整像素和亚像素运动搜索得到最终运动矢量mv。然后对mvp进行差分计算得到运动矢量差值mvd，即mvd＝mv-mvp。最后利用零阶指数哥伦布编码(0-th order Exp-Golomb codes)对mvd进行编码。解码端通过建立相同的候选预测运动矢量列表，仅需要mvp在列表中的索引值和运动矢量残差即可恢复出当前PU的mv。
请参阅图4，图4示出了步骤S323的一种具体实施方式，详叙如下：
S3231：采用差分计算的方式，对所述最终运动矢量进行差分计算，得到所述运动矢量差值。
S3232：采用零阶指数哥伦布编码方式，对所述运动矢量差值进行编码。
本申请实施例中，采用差分计算的方式，对所述最终运动矢量进行差分计算，得到所述运动矢量差值。其中，差分计算的方式为：mvd＝mv-mvp，mvd为运动矢量差值，mv为最终运动矢量，mvp为最优的预测运动矢量。
S33：通过解码端建立所述候选预测运动矢量列表，并恢复所述当前预测单元的所述运动矢量差值。
请参阅图5，图5示出了步骤S33的一种具体实施方式，详叙如下：
S331：通过所述解码端建立所述候选预测运动矢量列表。
S332：基于所述最优的预测运动矢量在所述候选预测运动矢量列表中的索引值和所述运动矢量差值恢复所述当前预测单元的所述运动矢量差值。
本申请实施例中，解码端通过建立相同的候选预测运动矢量列表，仅需要mvp在列表中的索引值idx∈{0,1}和运动矢量残差mvd即可恢复出当前PU的mv。
进一步地，采用Lagrangian优化算法的率失真优化模型对所述候选预测运动矢量列表进行编码控制。
本申请实施例中，在预测运动矢量候选列表中选择最优预测运动矢量过程中，HEVC采用基于Lagrangian优化算法的率失真优化模型来实现编码控制。
S4：根据第一预设公式基于所述预测参数和所述预测单元的总数计算预测运动矢量最优率。
所述第一预设公式为：
其中，N为一个所述HEVC压缩视频序列中所述预测单元的总数，δ为校验函数，J为Lagrangian率失真，Optimal(mvp)为所述预测运动矢量最优率。
进一步地，δ为校验函数中，x等于y时δ(x,y)＝1，否则δ(x,y)＝0。idx为编码索引号，/>表示集合{0，1}中与不同的值,/>Optimal(mvp)本质上描述了在一个完整的视频序列中，预测运动矢量在预测运动矢量候选列表中最优的概率。
进一步地，通过第二预设公式计算所述Lagrangian率失真。
所述第二预设公式为：
Jmotion(mv)＝D+λ*R；
其中，D表示预测块与参考块的像素失真，λ为Lagrangian参数，R表示编码当前运动矢量所需的比特数，R实际上是编码mvd和索引号idx所需要的比特数。Lagrangian参数用来控制码率与失真之间的平衡。
进一步地，采用绝对误差与绝对差之和的方式或哈达玛变换误差与变换差之和的方式，对所述预测块与所述参考块的所述像素失真进行计算。
进一步地，通过第三预设公式计算所述编码当前运动矢量所需的比特数；
所述第三预设公式为：
R＝Bits(mvd)+Bits(idx)＝Bits(mvd)+1；
其中，Bits(idx)＝1为编码索引号idx∈{0,1}需要的比特数，Bits(mvd)为利用零阶有符号指数哥伦布编码对运动矢量差值进行编码所需的比特数，mvd为运动矢量差值。
S5：判断所述预测运动矢量最优率是否为100％，若是，则判定所述HEVC压缩视频序列为正常载体视频，若否，则判定所述HEVC压缩视频序列为隐写载体视频。
本申请实施例中，上述步骤已经计算出HEVC压缩视频序列对应的预测运动矢量最优率，所以只需要你判断预测运动矢量最优率是否为100％，若是，则判定所述HEVC压缩视频序列为正常载体视频，若否，则判定所述HEVC压缩视频序列为隐写载体视频。
在一具体实施中，本申请实施例说明(1)在正常载体中预测运动矢量最优率为100％。(2)给定一个视频序列，若其预测运动矢量最优率低于100％，则该序列为隐写视频。证明如下：
根据HEVC标准，AMVP将在候选预测运动矢量列表{mvp0,mvp1}中选择率失真最小的作为当前PU的预测运动矢量。不失一般性，假设PU中最优预测运动矢量为mvp0，则根据率失真最小原理，一定有：
Jmotion(mvp0)≤Jmotion(mvp1)；
进而有：Jmin＝min{Jmotion(mvp0),Jmotion(mvp1)}＝Jmotion(mvp0)；
因此δ(Jmotion(mvp0),Jmin)＝1，
从而
Optimal(mvp)＝100％，也即证明了在正常载体中预测运动矢量最优率为100％。
以下证明：若隐写视频中有部分PU的预测运动矢量的局部最优性被破坏，则隐写载体中的预测运动矢量最优率低于100％。
1、对于利用预测运动矢量索引idx进行嵌入的隐写方法，若经过隐写后某些PU的预测运动矢量的局部最优性受到破坏，即隐写后编码器中选定的最优预测运动矢量变成了mvp1，且Jmotion(mvp0)≤Jmotion(mvp1)。因此有Jmin＝min{Jmotion(mvp0),Jmotion(mvp1)}＝Jmotion(mvp0)，并且δ(Jmotion(mvp1),Jmin)＝0＜1。则解码端计算的预测运动矢量最优率Optimal(mvp)为：
2、对于利用运动矢量残差mvd进行嵌入的隐写方法，假设经过隐写后某些PU的预测运动矢量的局部最优性受到破坏。此时这些PU选定的最优预测运动矢量仍为mvp0不变，由于mvd的变化导致Jmotion(mvp1)＜Jmotion(mvp0)，则Jmotion(mvp1)＜Jmotion(mvp0)。从而有δ(Jmotion(mvp0),Jmin)＝0，解码端计算的预测运动矢量最优率为：
结合上述公式(1)和(2)，Optimal(mvp)＜100％，证明完毕。
所以根据以上说明(1)和(2)，如果一个视频是正常视频，则其预测运动矢量最优率一定等于100％。反之，如果其预测运动矢量最优率低于100％，说明有部分PU单元的预测运动矢量的最优性受到了扰动，是一种非正常现象。这种扰动正好来自隐写操作，因此可以判断该视频为隐写视频。
本申请实施例中，获取HEVC压缩视频序列；对所述HEVC压缩视频序列进行解析，得到解码参数；基于所述解码参数进行运动矢量预测处理，以获取预测单元的总数以及每一所述预测单元对应的预测参数；根据第一预设公式基于所述预测参数和所述预测单元的总数计算预测运动矢量最优率；判断所述预测运动矢量最优率是否为100％，若是，则判定所述HEVC压缩视频序列为正常载体视频，若否，则判定所述HEVC压缩视频序列为隐写载体视频。
本发明实施例通过判断预测运动矢量最优率是否为100％，能够准确区分正常载体和隐写载体，其无需模型训练，且该过程计算复杂性较低，实现了快速准确判断出HEVC视频是否为隐写视频，从而有利于提高HEVC视频的隐写分析效率和准确性。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种利用预测运动矢量最优性的HEVC隐写分析方法，其特征在于，包括：
获取HEVC压缩视频序列；
对所述HEVC压缩视频序列进行解析，得到解码参数；
基于所述解码参数进行运动矢量预测处理，以获取预测单元的总数以及每一所述预测单元对应的预测参数；
根据第一预设公式基于所述预测参数和所述预测单元的总数计算预测运动矢量最优率；
判断所述预测运动矢量最优率是否为100％，若是，则判定所述HEVC压缩视频序列为正常载体视频，若否，则判定所述HEVC压缩视频序列为隐写载体视频。
2.根据权利要求1所述的利用预测运动矢量最优性的HEVC隐写分析方法，其特征在于，所述第一预设公式为：
其中，N为一个所述HEVC压缩视频序列中所述预测单元的总数，δ为校验函数，J为Lagrangian率失真，Optimal(mvp)为所述预测运动矢量最优率。
3.根据权利要求2所述的利用预测运动矢量最优性的HEVC隐写分析方法，其特征在于，所述方法还包括：
通过第二预设公式计算所述Lagrangian率失真；
所述第二预设公式为：
Jmotion(mv)＝D+λ*R；
其中，D表示预测块与参考块的像素失真，λ为Lagrangian参数，R表示编码当前运动矢量所需的比特数。
4.根据权利要求3所述的利用预测运动矢量最优性的HEVC隐写分析方法，其特征在于，所述方法还包括：
采用绝对误差与绝对差之和的方式或哈达玛变换误差与变换差之和的方式，对所述预测块与所述参考块的所述像素失真进行计算。
5.根据权利要求3所述的利用预测运动矢量最优性的HEVC隐写分析方法，其特征在于，所述方法还包括：
通过第三预设公式计算所述编码当前运动矢量所需的比特数；
所述第三预设公式为：
R＝Bits(mvd)+Bits(idx)＝Bits(mvd)+1；
其中，Bits(idx)＝1为编码索引号idx∈{0,1}需要的比特数，Bits(mvd)为利用零阶有符号指数哥伦布编码对运动矢量差值进行编码所需的比特数，mvd为运动矢量差值。
6.根据权利要求1至5任一项所述的利用预测运动矢量最优性的HEVC隐写分析方法，其特征在于，所述基于所述解码参数进行运动矢量预测处理，以获取预测单元的总数以及每一所述预测单元对应的预测参数，包括：
采用高级运动矢量预测技术基于所述解码参数为当前的所述预测单元构建候选预测运动矢量列表，并获取所述预测单元的总数；
通过编码端从候选预测运动矢量列表中选取出最优的预测运动矢量，并基于所述最优的预测运动矢量生成最终运动矢量和运动矢量差值，且对所述运动矢量差值进行编码；
通过解码端建立所述候选预测运动矢量列表，并恢复所述当前预测单元的所述运动矢量差值。
7.根据权利要求6所述的利用预测运动矢量最优性的HEVC隐写分析方法，其特征在于，所述通过编码端从候选预测运动矢量列表中选取出最优的预测运动矢量，并基于所述最优的预测运动矢量生成最终运动矢量和运动矢量差值，且对所述运动矢量差值进行编码，包括：
通过编码端从候选预测运动矢量列表中选取出所述最优的预测运动矢量；
基于所述最优的预测运动矢量为起点进行整像素和亚像素运动搜索得到所述最终运动矢量；
对所述最终运动矢量进行计算生成所述运动矢量差值，对所述运动矢量差值进行编码。
8.根据权利要求7所述的利用预测运动矢量最优性的HEVC隐写分析方法，其特征在于，所述对所述最终运动矢量进行计算生成所述运动矢量差值，对所述运动矢量差值进行编码，包括：
采用差分计算的方式，对所述最终运动矢量进行差分计算，得到所述运动矢量差值；
采用零阶指数哥伦布编码方式，对所述运动矢量差值进行编码。
9.根据权利要求6所述的利用预测运动矢量最优性的HEVC隐写分析方法，其特征在于，所述通过解码端建立所述候选预测运动矢量列表，并恢复所述当前预测单元的所述运动矢量差值，包括：
通过所述解码端建立所述候选预测运动矢量列表；
基于所述最优的预测运动矢量在所述候选预测运动矢量列表中的索引值和所述运动矢量差值恢复所述当前预测单元的所述运动矢量差值。
10.根据权利要求7所述的利用预测运动矢量最优性的HEVC隐写分析方法，其特征在于，所述通过编码端从候选预测运动矢量列表中选取出所述最优的预测运动矢量的过程中，所述方法还包括：
采用Lagrangian优化算法的率失真优化模型对所述候选预测运动矢量列表进行编码控制。
CN202311105488.XA 2023-08-30 2023-08-30 一种利用预测运动矢量最优性的hevc隐写分析方法 Pending CN117156153A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311105488.XA CN117156153A (zh) 2023-08-30 2023-08-30 一种利用预测运动矢量最优性的hevc隐写分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311105488.XA CN117156153A (zh) 2023-08-30 2023-08-30 一种利用预测运动矢量最优性的hevc隐写分析方法

Publications (1)

Publication Number Publication Date
CN117156153A true CN117156153A (zh) 2023-12-01

Family

ID=88898144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311105488.XA Pending CN117156153A (zh) 2023-08-30 2023-08-30 一种利用预测运动矢量最优性的hevc隐写分析方法

Country Status (1)

Country Link
CN (1) CN117156153A (zh)

Similar Documents

Publication Publication Date Title
US8693543B2 (en) Inter-frame prediction coding method, device and system
CN101189884B (zh) 用于p帧的时间错误隐藏的方法设备
CN101379816B (zh) 双向预测帧的时间错误隐藏
CN100518315C (zh) 采用清晰度增强技术的空间可缩放的压缩方案的编解码器及方法
JP4755095B2 (ja) 映像符号化の符号化側／復号化側に使用される双方向予測方法
JP5422168B2 (ja) 動画像符号化方法および動画像復号化方法
US20100232507A1 (en) Method and apparatus for encoding and decoding the compensated illumination change
USRE40372E1 (en) Motion vector prediction method
JP2007074726A (ja) 映像のイントラ予測符号化及び復号化方法、並びに装置
CN103329531A (zh) 基于几何的帧内预测方法和装置
KR20090094595A (ko) 복수 참조에 의한 움직임 예측을 이용한 부호화 방법 및장치, 그리고 복수 참조에 의한 움직임 예측을 이용한복호화 방법 및 장치
CN102017626B (zh) 编码和解码方法、编码器和解码器
CN102215387B (zh) 视频图像处理方法以及编/解码器
CN112995670B (zh) 一种顺序执行的帧间帧内联合预测编解码的方法及装置
JP4153410B2 (ja) 階層符号化方法及びその装置と、階層復号方法及びその装置と、階層符号化プログラム及びそのプログラムを記録した記録媒体と、階層復号プログラム及びそのプログラムを記録した記録媒体
CA2200725C (en) Method and system for improved motion compensation
CN117156153A (zh) 一种利用预测运动矢量最优性的hevc隐写分析方法
CN110636290B (zh) 视频图像的运动矢量编解码方法以及编/解码器
CN112422970A (zh) 图像编码方法及装置
CN101841701B (zh) 基于宏块对的编解码方法及装置
Li et al. A One-dimensional HEVC video steganalysis method using the Optimality of Predicted Motion Vectors
CN1964497A (zh) 动影像解码时的错误隐蔽方法
Xiang et al. A high efficient error concealment scheme based on auto-regressive model for video coding
CN108696750A (zh) 一种预测模式的判决方法及装置
CN116828173A (zh) 一种b帧中图像块的帧间预测方向的判决方法及装置

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