專利名稱:基于壓縮感知的自適應(yīng)視頻信息隱藏方法
技術(shù)領(lǐng)域:
本發(fā)明涉及一種基于壓縮感知的自適應(yīng)視頻信息隱藏方法,更具體的說,尤其涉及一種以每組鏡頭的第一幀為嵌入幀、并根據(jù)嵌入幀的紋理分類自適應(yīng)地選取隱藏算法的基于壓縮感知的自適應(yīng)視頻信息隱藏方法。
背景技術(shù):
信息隱藏從功能上可以分為數(shù)字水印技術(shù)和隱寫術(shù)。數(shù)字水印技術(shù)在商業(yè)領(lǐng)域有廣泛的應(yīng)用,如多媒體版權(quán)保護(hù)、多媒體完整性認(rèn)證、多媒體防拷貝控制、多媒體訪問控制、多媒體盜版追蹤等。隱寫術(shù)掩蓋秘密信息的存在,能夠有效實(shí)現(xiàn)隱秘通信,特別是在軍事等涉及國家安全的領(lǐng)域具有廣泛的應(yīng)用前景。因此,實(shí)際的應(yīng)用需求決定了信息隱藏技術(shù)具有良好的市場(chǎng)前景。截止到2012年,我國已連續(xù)召開了十屆全國信息隱藏學(xué)術(shù)研討會(huì)。 傳統(tǒng)的編解碼方法存在兩個(gè)缺陷首先,在數(shù)據(jù)獲取和處理方面,Nyquist (奈奎斯特)采樣使得硬件成本昂貴,獲取的信息冗余度過大且有效信息提取的效率低,在某些情況下甚至無法實(shí)現(xiàn)對(duì)信號(hào)的Nyquist采樣;其次,在數(shù)據(jù)存儲(chǔ)和傳輸方面,壓縮編碼過程中大量變換計(jì)算得到的小系數(shù)被丟棄,造成了數(shù)據(jù)計(jì)算和內(nèi)存資源的浪費(fèi)。壓縮感知理論是現(xiàn)代信息科學(xué)領(lǐng)域中一個(gè)全新的研究方向,其與傳統(tǒng)的框架大不一樣,對(duì)信號(hào)的采樣、壓縮編碼發(fā)生在同一個(gè)步驟,即利用信號(hào)的稀疏性、以遠(yuǎn)低于Nyquist采樣率的速率對(duì)信號(hào)進(jìn)行相關(guān)測(cè)量。通過測(cè)量所得到的測(cè)量值并非信號(hào)本身,而是信號(hào)從高維數(shù)據(jù)空間到低維數(shù)據(jù)空間的投影值。其解碼過程是通過求解一個(gè)非線性最優(yōu)化問題在概率意義上實(shí)現(xiàn)信號(hào)的精確重構(gòu)或者一定誤差下的近似重構(gòu),解碼所需測(cè)量值的數(shù)目遠(yuǎn)小于傳統(tǒng)理論下的樣本數(shù)。壓縮感知理論具有巨大的吸引力和應(yīng)用前景,其應(yīng)用研究已經(jīng)涉及到眾多領(lǐng)域,如CS雷達(dá)、無線傳感網(wǎng)絡(luò)、圖像采集設(shè)備的開發(fā)、醫(yī)學(xué)圖像處理、生物傳感、光譜分析、超譜圖像處理、遙感圖像處理、人臉識(shí)別、語音識(shí)別及信息隱藏等。視頻作為信息隱藏的載體,較圖像、音頻等多媒體具有更大的信號(hào)空間,因而可以隱藏較大容量的信息,為秘密通信、版權(quán)保護(hù)、內(nèi)容鑒定等問題提供解決方案;壓縮感知理論是信息獲取與信號(hào)處理領(lǐng)域近年發(fā)展起來的有重大應(yīng)用前景的研究方向。
發(fā)明內(nèi)容
本發(fā)明為了克服上述技術(shù)問題的缺點(diǎn),提供了一種以每組鏡頭的第一幀為嵌入幀、并根據(jù)嵌入幀的紋理分類自適應(yīng)地選取隱藏算法的基于壓縮感知的自適應(yīng)視頻信息隱藏方法。本發(fā)明的基于壓縮感知的自適應(yīng)視頻信息隱藏方法,其特別之處在于,信息隱藏過程包括以下步驟a.將視頻文件分幀,采用視頻鏡頭分割方法,將視頻文件i 以鏡頭為單位分成若干鏡頭組,分別記為力叫,Shoi2,-, Shoin ;n為正整數(shù);b.獲取關(guān)鍵幀,以每個(gè)鏡頭組的第一幀為關(guān)鍵幀,得到視頻文件的η個(gè)關(guān)鍵幀,分別記為A,Z2, ···,£ ;c.基于訓(xùn)練樣本建立圖像紋理分類模型,將用于圖像紋理分類的特征羅列出來,記為C1, C2,···,(、 ,力特征數(shù)量;廣泛選取數(shù)字圖像,建立大規(guī)模的訓(xùn)練樣本圖像庫, χ為訓(xùn)練樣本中圖像的數(shù)量;對(duì)于當(dāng)前訓(xùn)練樣本名,采用Adboost算法將各紋理特征的貢獻(xiàn)率記為,…,Dfi ;采用平均算法求取某特征Ci的貢獻(xiàn)率K ·· Dt^ OMD9lMy, Dqi),將各特征按照貢獻(xiàn)率由大至小進(jìn)行排序,記為選取較大的前m個(gè)特征用于構(gòu)建關(guān)鍵幀的紋理特征模型;當(dāng)前訓(xùn)練樣本圖像名的紋理分類模型標(biāo)記為…; 為當(dāng)前訓(xùn)練樣本的紋理分類結(jié)果,P,X,i,q,m均為正整數(shù),且1彡;[彡11,1彡1]1彡口;(1
.確定關(guān)鍵幀的紋理分類,根據(jù)步驟c中建立的紋理分類模型…,C^ri),確定每個(gè)
關(guān)鍵幀所屬的紋理分類,即判斷當(dāng)前幀為平滑區(qū)、紋理區(qū)和介于紋理與平滑之間的那一種;
e.選擇算法和確定嵌入深度,根據(jù)步驟d中的紋理分類結(jié)果,選擇當(dāng)前關(guān)鍵幀適用的信息
隱藏算法以及確定該隱藏算法下的嵌入深度;設(shè)關(guān)鍵幀A適用的算法為為,如Pi為關(guān)鍵
幀&的嵌入深度;f.嵌入秘密信息,對(duì)關(guān)鍵幀4進(jìn)行壓縮感知以獲取視頻幀的壓縮感知
系數(shù)矩陣φ,根據(jù)步驟e中獲取的算法i和步長(zhǎng)5&巧在關(guān)鍵幀4的壓縮感知系數(shù)矩陣 中嵌入秘密信息,形成載密視頻關(guān)鍵幀;g.合成視頻文件,將步驟f中獲取的載密視頻關(guān)鍵幀與其他視頻幀合并,形成新的載密視頻文件51用于發(fā)放及傳播。鏡頭是連續(xù)拍攝的一段視頻,它是視頻結(jié)構(gòu)化的基礎(chǔ)物理單元,視頻數(shù)據(jù)文件一般以鏡頭為單位建立索引,以供檢索和查詢。步驟a中,對(duì)視頻文件不需完全解壓縮就可進(jìn)行視頻分割,計(jì)算量小,效率較高。步驟c中,對(duì)圖像紋理分類特征按貢獻(xiàn)率大小進(jìn)行排序,貢獻(xiàn)率是指某紋理特征使視頻幀成為紋理區(qū)的影響因子,在視頻幀為平滑區(qū)的狀態(tài)下,各紋理特征的貢獻(xiàn)率應(yīng)均達(dá)到最小值。步驟e中,為了不影響嵌入秘密視頻文件的觀賞性,對(duì)于關(guān)鍵幀所屬紋理分類的不同,應(yīng)采用不同的算法和嵌入不等量的秘密信息;例如對(duì)于平滑區(qū)而言,視頻數(shù)據(jù)改動(dòng)會(huì)對(duì)畫面產(chǎn)生較大影響,此種情況下適用于改動(dòng)小的隱藏算法或不做秘密信息嵌入;對(duì)于紋理區(qū)而言,視頻數(shù)據(jù)發(fā)生改動(dòng),對(duì)整個(gè)畫面造成的可是效果不明顯,適于采用嵌入量較大的隱藏算法和較大的嵌入深度。通過步驟f的嵌入秘密信息和步驟g的合成視頻文件,形成了隱藏有秘密信息的視頻文件。本發(fā)明的基于壓縮感知的自適應(yīng)視頻信息隱藏方法,包括以下步驟的秘密信息提取過程1).將載密視頻文件分幀,采用視頻鏡頭分割方法,將載密視頻文件7以鏡頭為單位分成若干載密鏡頭組,分別記為SAoi丨,SkOi12,-, Skoiix ;2).獲取載密關(guān)鍵幀,以每個(gè)鏡頭組的第一幀為關(guān)鍵幀,得到載密視頻文件F的η個(gè)載密關(guān)鍵巾貞,分別記為私
;3).獲取紋理分類模型,采用與步驟c相同的方法,獲取載密關(guān)鍵幀4的紋理分類模型(Ci’CKJ;) ;4).確定載密關(guān)鍵幀的紋理分類,根據(jù)步驟3)中建立的紋理分類模型(Piai,…d’Ki),確定相應(yīng)載密關(guān)鍵幀#為平滑區(qū)、紋理區(qū)和介于紋理與平滑之間的那一種;5).確定隱藏算法和嵌入深度,根據(jù)步驟4)中的紋理分類結(jié)果,判斷載密關(guān)鍵幀<在秘密信息嵌入時(shí)所采用的隱藏算法為和嵌入深度;6).提取秘密信息,對(duì)載密關(guān)鍵幀<進(jìn)行壓縮感知,以獲取載密關(guān)鍵幀< 的壓縮感知系數(shù)矩陣 利用步驟5)中獲取的算法為和嵌入深度在系數(shù)矩陣妒中提取秘密信息。秘密信息提取過程與秘密信息嵌入過程在對(duì)視頻文件的處理上具有許多相似之處,步驟I) 5)與秘密信息嵌入過程的a e步驟方法基本一致,步驟2)中獲取的關(guān)鍵幀中含有秘密信息,步驟3)中的紋理分類特征應(yīng)與步驟c中的完全一致,以便對(duì)于同一鏡頭的關(guān)鍵幀(無論是步驟c中的關(guān)鍵幀還是步驟3)中的載密關(guān)鍵幀)獲取相同的紋理分類模型,以在便步驟4)中對(duì)于同一鏡頭獲取相同的紋理分類。這樣在步驟5)中,才可準(zhǔn)確的
得到載密關(guān)鍵幀< 在秘密信息嵌入時(shí)所采用的隱藏算法為和嵌入深度,以便在步驟
6)中準(zhǔn)確的提取出秘密信息。本發(fā)明的基于壓縮感知的自適應(yīng)視頻信息隱藏方法,步驟e和步驟5)中,設(shè)定delta為基礎(chǔ)步長(zhǎng),若關(guān)鍵幀為平滑區(qū),則5^巧=delta,若關(guān)鍵幀為紋理區(qū),則嵌入深度Siepi =3 delta,若關(guān)鍵幀介于紋理與平滑之間,則沒?。?2 delta。嵌入深度越大,嵌入的秘
密信息量就越大,紋理區(qū)可采用加大的信息嵌入量,平滑區(qū)應(yīng)采用最小的信息嵌入量。本發(fā)明的基于壓縮感知的自適應(yīng)視頻信息隱藏方法,步驟c中所述的紋理分類特征包括灰度、顏色、線性度、塊平均度、粗糙度、對(duì)比度、方向度、線性度、灰度共生矩陣、自回歸紋理模型;步驟c和步驟3)中所述的m取值相等,且均處于3 5之間。本發(fā)明的基于壓縮感知的自適應(yīng)視頻信息隱藏方法,步驟f中所述的秘密信息由視頻幀的自身相關(guān)信息得到,自身相關(guān)信息經(jīng)壓縮感知后作為秘密信息;自身相關(guān)信息可為視頻幀的噪聲矩陣。如果秘密信息由自身攜帶的數(shù)據(jù)信息形成,可有效提高抗攻擊能力,如抗拷貝攻擊等。本發(fā)明的基于壓縮感知的自適應(yīng)視頻信息隱藏方法,所述步驟a和步驟I)中以視頻文件的變換系數(shù)和運(yùn)動(dòng)向量來判斷鏡頭邊界。采用變換系數(shù)和運(yùn)動(dòng)向量來判斷各組鏡頭的邊界,從而不需完全解壓縮就可進(jìn)行視頻分割,大大降低了計(jì)算復(fù)雜度,提高了效率。本發(fā)明的基于壓縮感知的自適應(yīng)視頻信息隱藏方法,設(shè)步驟c和步驟3)中采用直流能量比Ep_dc和圖像偏離度兩個(gè)特征來構(gòu)建關(guān)鍵幀的紋理特征模型,其中
直流能量比Ep_dc定義為圖像DCT變換后直流能量與所有系數(shù)能量和之比,并以系數(shù)的平方表征能量,則有
權(quán)利要求
1.一種基于壓縮感知的自適應(yīng)視頻信息隱藏方法,其特征在于,信息隱藏過程包括以下步驟 a.將視頻文件分幀,采用視頻鏡頭分割方法,將視頻文件P以鏡頭為單位分成若干鏡頭組,分別記為※叫,Shoi2,--, Skoin ;n為正整數(shù); b.獲取關(guān)鍵幀,以每個(gè)鏡頭組的第一幀為關(guān)鍵幀,得到視頻文件〃的η個(gè)關(guān)鍵幀,分別記為尤; C.基于訓(xùn)練樣本建立圖像紋理分類模型,將用于圖像紋理分類的特征羅列出來,記為C1,C2,.", Cp, ρ為特征數(shù)量;廣泛選取數(shù)字圖像,建立大規(guī)模的訓(xùn)練樣本圖像庫W-A , χ為訓(xùn)練樣本中圖像的數(shù)量;對(duì)于當(dāng)前訓(xùn)練樣本采用Adboost算法將各紋理特征的貢獻(xiàn)率記為;采用平均算法求取某特征Cf的貢獻(xiàn)率K D;,將各特征按照貢獻(xiàn)率由大至小進(jìn)行排序,記為€ ^,··% ,選取較大的前m個(gè)特征用于構(gòu)建關(guān)鍵幀的紋理特征模型;當(dāng)前訓(xùn)練樣本圖像各的紋理分類模型標(biāo)記為U 'Ti為當(dāng)前訓(xùn)練樣本的紋理分類結(jié)果,P, χ, i, q,m均為正整數(shù),d.確定關(guān)鍵幀的紋理分類,根據(jù)步驟c中建立的紋理分類模型Ρ #,···, ;,7;),確定每個(gè)關(guān)鍵幀所屬的紋理分類,即判斷當(dāng)前幀為平滑區(qū)、紋理區(qū)和介于紋理與平滑之間的那一種; e.選擇算法和確定嵌入深度,根據(jù)步驟d中的紋理分類結(jié)果,選擇當(dāng)前關(guān)鍵幀適用的信息隱藏算法以及確定該隱藏算法下的嵌入深度;設(shè)關(guān)鍵幀&適用的算法力i Siepi為關(guān)鍵幀A的嵌入深度; f.嵌入秘密信息,對(duì)關(guān)鍵幀&進(jìn)行壓縮感知以獲取視頻幀的壓縮感知系數(shù)矩陣φ,根據(jù)步驟e中獲取的算法為和步長(zhǎng)◎印;在關(guān)鍵幀A的壓縮感知系數(shù)矩陣φ中嵌入秘密信息,形成載密視頻關(guān)鍵幀; g.合成視頻文件,將步驟f中獲取的載密視頻關(guān)鍵幀與其他視頻幀合并,形成新的載密視頻文件51用于發(fā)放及傳播。
2.根據(jù)權(quán)利要求I所述的基于壓縮感知的自適應(yīng)視頻信息隱藏方法,其特征在于,包括以下步驟的秘密信息提取過程 O.將載密視頻文件分幀,采用視頻鏡頭分割方法,將載密視頻文件P以鏡頭為單位分成若干載密鏡頭組,分別記為成Shoti2,-', Skoi1n ■ 2).獲取載密關(guān)鍵幀,以每個(gè)鏡頭組的第一幀為關(guān)鍵幀,得到載密視頻文件F1的η個(gè)載密關(guān)鍵巾貞,分別記為[(;.·■% C ;3).獲取紋理分類模型,采用與步驟c相同的方法,獲取載密關(guān)鍵幀#的紋理分類模型(C;;,…X,功; 4).確定載密關(guān)鍵幀的紋理分類,根據(jù)步驟3)中建立的紋理分類模型(ClC2,-,C1m,K1^),確定相應(yīng)載密關(guān)鍵幀#為平滑區(qū)、紋理區(qū)和介于紋理與平滑之間的那一種; 5).確定隱藏算法和嵌入深度,根據(jù)步驟4)中的紋理分類結(jié)果,判斷載密關(guān)鍵幀6在秘密信息嵌入時(shí)所采用的隱藏算法為和嵌入深度; 6).提取秘密信息,對(duì)載密關(guān)鍵幀4進(jìn)行壓縮感知,以獲取載密關(guān)鍵幀4的壓縮感知系數(shù)矩陣取,利用步驟5)中獲取的算法為和嵌入深度在系數(shù)矩陣辦中提取秘密信肩、O
3.根據(jù)權(quán)利要求2所述的基于壓縮感知的自適應(yīng)視頻信息隱藏方法,其特征在于步驟e和步驟5)中,設(shè)定delta為基礎(chǔ)步長(zhǎng),若關(guān)鍵幀為平滑區(qū),則嵌入深度Sfepi = delta,若關(guān)鍵幀為紋理區(qū),則Stepi =3 delta,若關(guān)鍵幀介于紋理與平滑之間,則&印i =2 delta。
4.根據(jù)權(quán)利要求2所述的基于壓縮感知的自適應(yīng)視頻信息隱藏方法,其特征在于步驟c中所述的紋理分類特征包括灰度、顏色、線性度、塊平均度、粗糙度、對(duì)比度、方向度、線性度、灰度共生矩陣、自回歸紋理模型;步驟c和步驟3)中所述的m取值相等,且均處于3 5之間。
5.根據(jù)權(quán)利要求I或2所述的基于壓縮感知的自適應(yīng)視頻信息隱藏方法,其特征在于步驟f中所述的秘密信息由視頻幀的自身相關(guān)信息得到,自身相關(guān)信息經(jīng)壓縮感知后作為秘密信息。
6.根據(jù)權(quán)利要求5所述的基于壓縮感知的自適應(yīng)視頻信息隱藏方法,其特征在于所述的自身相關(guān)信息可為視頻幀的噪聲矩陣。
7.根據(jù)權(quán)利要求2所述的基于壓縮感知的自適應(yīng)視頻信息隱藏方法,其特征在于所述步驟a和步驟I)中以視頻文件的變換系數(shù)和運(yùn)動(dòng)向量來判斷鏡頭邊界。
8.根據(jù)權(quán)利要求2所述的基于壓縮感知的自適應(yīng)視頻信息隱藏方法,其特征在于設(shè)步驟c和步驟3)中采用直流能量比Ep_dc和圖像偏離度兩個(gè)特征來構(gòu)建關(guān)鍵幀的紋理特征模型,其中 直流能量比Ep_dc定義為圖像DCT變換后直流能量與所有系數(shù)能量和之比,并以系數(shù)的平方表征能量,則有
全文摘要
本發(fā)明的基于壓縮感知的自適應(yīng)視頻信息隱藏方法,特征在于,包括a.以鏡頭為單位將視頻文件分幀;b.以鏡頭的第一幀作為關(guān)鍵幀;c.建立圖像紋理分類模型,獲取關(guān)鍵幀的紋理分類模型標(biāo)記;d.確定關(guān)鍵幀的紋理分類,確定關(guān)鍵幀是紋理區(qū)、平滑區(qū)還是介于兩者之間;e.選擇算法和確定嵌入深度;f.嵌入秘密信息,在系數(shù)矩陣中嵌入秘密信息;g.合成視頻文件。本發(fā)明的視頻信息隱藏方法,在無需對(duì)整個(gè)視頻文件進(jìn)行解壓縮的情形下,就可自適應(yīng)地嵌入秘密信息,不會(huì)影響視頻的觀賞性,具有計(jì)算量小、信息隱寫效率高、對(duì)視頻影響小和秘密信息安全性好的優(yōu)點(diǎn)。可廣泛應(yīng)用于版權(quán)認(rèn)證、盜版跟蹤及保密通信等眾多領(lǐng)域。
文檔編號(hào)H04N7/26GK102917227SQ201210420058
公開日2013年2月6日 申請(qǐng)日期2012年10月29日 優(yōu)先權(quán)日2012年10月29日
發(fā)明者趙彥玲, 鄭曉勢(shì), 劉廣起, 李娜 申請(qǐng)人:山東省計(jì)算中心