基于視覺(jué)感知的視紋和視頻加密問(wèn)題研究.pdf

1、近年來(lái)，許多研究機(jī)構(gòu)都在研究流媒體安全領(lǐng)域的各種關(guān)鍵技術(shù)，以提高流媒體內(nèi)容保護(hù)的性能和解決實(shí)際應(yīng)用中的問(wèn)題。本文對(duì)限制非法用戶訪問(wèn)視頻內(nèi)容的加密和監(jiān)測(cè)視頻內(nèi)容的副本檢測(cè)兩個(gè)關(guān)鍵技術(shù)進(jìn)行了深入研究，實(shí)現(xiàn)了一個(gè)基于視紋的圖像和視頻副本檢測(cè)演示系統(tǒng)。主要的研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下：
　　 (1)基于Waston視覺(jué)模型，提出了DCT子帶視覺(jué)模型。視覺(jué)模型是正確抽取視覺(jué)特征、構(gòu)造視紋抽取和匹配模型的基礎(chǔ)，針對(duì)DCT系數(shù)的何種映射能夠保持基本

2、的圖像信息仍然是一個(gè)難點(diǎn)問(wèn)題，本文在Waston視覺(jué)模型的基礎(chǔ)上，分析8×8DCT系數(shù)頻率函數(shù)特性，為了取得較好的視覺(jué)指紋緊促性，提出了DCT子帶靈敏度、亮度、對(duì)比度和感知距離模型，能夠?qū)崿F(xiàn)較為緊促的視紋。
　　 (2)提出了基于DCT子帶視覺(jué)模型的圖像指紋方法?，F(xiàn)有的各種DCT域圖像指紋方法對(duì)常見(jiàn)的圖像處理操作(幾何失真操作除外)具有很好的魯棒性，但區(qū)分性差，一個(gè)重要原因是無(wú)論視紋的抽取還是匹配模型都沒(méi)有借助視覺(jué)模型。本文提出

3、基于DCT子帶視覺(jué)模型的圖像指紋方法，按照DCT子帶靈敏度模型，利用全局排序，將每個(gè)DCT子帶映射為一個(gè)圖像指紋比特，考慮到不同DCT子帶對(duì)圖像指紋間相似度的貢獻(xiàn)不同，將DCT子帶感知距離引入到哈明距離測(cè)度。實(shí)驗(yàn)表明，所提圖像指紋算法的區(qū)分性可以滿足MPEG圖像指紋征集的要求(虛警率小于億分之五)，并且相比最近ISO/IECMPEG大會(huì)上提交的基于同心圓和基于Radon的圖像指紋算法，魯棒性(除幾何失真外)和它們相當(dāng)，但在緊促性和計(jì)算復(fù)

4、雜度方面要明顯更優(yōu)。針對(duì)圖像和視頻字幕/Logo失真特性，改進(jìn)了基于DCT子帶視覺(jué)模型的圖像指紋抽取模型，提出了基于中心長(zhǎng)方形的圖像指紋抽取模型。
　　 (3)提出了基于幀間相似性的視紋方法。現(xiàn)有的基于塊的空間域signature/指紋算法要滿足較高的區(qū)分性和魯棒性，往往以匹配計(jì)算復(fù)雜度和緊促性為代價(jià)。本文提出了基于幀間相似性的視紋方法，根據(jù)視頻場(chǎng)景中的大多數(shù)的變化都是漸進(jìn)的觀察，該方法將視頻片段根據(jù)變化情況分隔成多個(gè)視覺(jué)子鏡頭

5、，將視覺(jué)子鏡頭視紋用兩幀圖像指紋，加上視覺(jué)子鏡頭持續(xù)時(shí)間得到最終的視覺(jué)子鏡頭視紋，一方面取得更好的視紋緊促性，另一方面降低視紋匹配計(jì)算復(fù)雜度。實(shí)驗(yàn)表明，所提圖像指紋算法的區(qū)分性可以滿足MPEG視紋征集的要求(虛警率小于百萬(wàn)分之五，緊促性遠(yuǎn)小于30kbps)，除幾何失真外，取得了較好的視紋魯棒性。若將基于幀間相似性的視紋方法應(yīng)用于原始視頻序列的指紋抽取，對(duì)于某些應(yīng)用，則可望進(jìn)一步提高視紋檢索效率。
　　 (4)提出了基于熵編碼的分

6、組選擇性視頻加密方法?，F(xiàn)有的關(guān)鍵域選擇性視頻加密方法可以減少視頻加密數(shù)據(jù)量，但它們需要重新部分或全部編解碼而導(dǎo)致額外的計(jì)算負(fù)載。為了有效降低視頻加密計(jì)算復(fù)雜度，研究了視頻編碼中熵編碼和視頻傳輸特性，提出了一種用分組算法在熵編碼層加密的選擇性加密方法。實(shí)驗(yàn)證實(shí)，與現(xiàn)有關(guān)鍵域加密方法相比，所提出的加密方法無(wú)須解碼視頻序列，不影響視頻壓縮效率、錯(cuò)誤可恢復(fù)性和傳輸性能，能有效地降低因加密操作帶來(lái)的計(jì)算復(fù)雜度(無(wú)論對(duì)已經(jīng)編碼的還是未編碼的視頻)，