• 一种基于窗口最优校准的视频隐写分析方法

    • 摘要:

      本发明公开一种基于窗口最优校准的视频隐写分析方法.该方法面向视频运动矢量隐写方法的检测,针对传统的基于差值的运动矢量校准方法通用性不高的问题,首先,利用局部窗口范围内运动矢量残差及其预测残差的最优性来校准运动矢量;其次,对于校准前后的视频帧分别提取相应的隐写分析特征,并利用笛卡尔形式代替差值形式来构造最终的隐写分析特征.通过窗口内运动矢量残差和预测残差的最优性与笛卡尔校准形式的结合,实现对运动矢量隐写方法的通用而精准的隐写分析.本发明的优势在于,运动矢量的校准过程不受视频编码标准和具体视频编码参数的限制,在应用范围上具有较强的通用性.

    • 专利类型:

      发明专利

    • 申请/专利号:

      CN201610528427.8

    • 申请日期:

      2016.07.06

    • 公开/公告号:

      CN106101713A

    • 公开/公告日:

      2016-11-09

    • 发明人:

      王丽娜 翟黎明 徐一波

    • 申请人:

      武汉大学

    • 主分类号:

      H04N19/467(2014.01)I,H,H04,H04N,H04N19

    • 分类号:

      H04N19/467(2014.01)I,H04N17/00(2006.01)I,H,H04,H04N,H04N19,H04N17,H04N19/467,H04N17/00

    • 主权项:

      一种基于窗口最优校准的视频隐写分析方法,其特征在于,包括以下步骤:步骤1:输入YUV格式的视频样本,分别生成数量相同的原始的未经隐写的载体cover样本和对应的隐写的载体stego样本;步骤2:把步骤1中得到的成对视频样本随机分成数量相同的两部分,一部分作为训练集,另一部分作为测试集来验证分类模型的效果;步骤3:对于训练集中的每个视频样本,以视频帧为单位,从视频中提取隐写分析特征步骤4:对训练集的每个视频样本都进行窗口最优校准,从校准后的视频帧中提取隐写分析特征步骤5:以视频帧为单位,计算训练集中每个视频样本最终的隐写分析特征Ftrn;步骤6:利用训练集中每个视频样本最终的隐写分析特征Ftrn,结合LibSVM分类器来训练通用的隐写分析模型;步骤7:利用步骤3?步骤6原理获取测试集中视频样本最终的隐写分析特征Ftst,并利用Ftst验证隐写分析模型的检测性能.