基于扩展变换标量和纠错码的视频数字指纹方法
专利汇可以提供基于扩展变换标量和纠错码的视频数字指纹方法专利检索，专利查询，专利分析的服务。并且一种视频处理技术领域的基于扩展变换标量和纠错码的视频数字指纹方法，该方法基于扩展变换标量Costa方案和纠错码得以实现，使用本 发明 将指纹嵌入到原始视频后，对嵌入指纹的 视频编码 后观察到视频效果良好，再解码后提取出指纹，计算其与指纹库中所有指纹的相关系数，编解码后提取的指纹与原指纹的相关系数接近1，而与指纹库中其它指纹的相关系数接近0，很明显能够找到对应用户。，下面是基于扩展变换标量和纠错码的视频数字指纹方法专利的具体信息内容。
1.一种基于扩展变换标量和纠错码的视频数字指纹嵌入方法，其特征在于，通过基于纠错码的两层指纹编码来得到每个用户的指纹，再采用扩展变换标量Costa嵌入方法将指纹嵌入到视频中；
所述的基于纠错码的两层指纹编码包括：位于上层的纠错码进行纠错，位于下层的防诬陷码对纠错码进行扩频，其中：纠错码使用RS码，即里德所罗门码进行编码，防诬陷码使用元素为0,1的伪随机序列M序列，不同M序列相互正交；
所述的每个用户的指纹通过以下方式获得：
1.1）确定视频的最大嵌入指纹长度W及两层指纹编码长度lecc：对长度和宽度分别为m和n像素的视频帧，选用维数为8*8=64的投影向量进行扩展变换，则该视频每一帧的最大嵌入指纹长度W为一帧图像的像素点数除以投影向量大小，即W＝m*n/64，W满足lRS*lM≤W，其中：lRS为RS码长度，lM为M序列长度，最终的两层指纹编码长度lecc＝lRS＊IM；
1.2）生成长度为lRS的RS码：分别为每个用户分配一个唯一的长度为lRS的纠错码序列 每个码字ri的取值空间为伽罗华域GF(q)，其中1≤i≤lRS；
t t
1.3）生成长度lM=2-1的M序列：其中：q≤2-1，由t次本原多项式的系数构造移位t
寄存器，该移位寄存器连续输出的2-1个数组成的向量即为M序列，由所述移位寄存器最t t
多可以得到2-1个长度为2-1的M序列，选取其中的q个M序列M1、M2、…、Mq，使之分别对应GF(q)中的q个RS码元；
1.4）生成长度为lecc的用户指纹：将所述为每个用户分配的纠错码序列中的每个码字ri分别映射为所述的对应M序列，其中，1≤i≤lRS，即对纠错码序列进行扩频，得到最终的用户指纹序列
所述的扩展变换标量Costa嵌入方法包括以下步骤：
2.1）获取视频的帧序列的一帧并对其进行全局DCT变换得到这一帧的全局DCT变换系数DCTcoefi,j，同时计算对比度掩蔽值contrastmasski,j，得到对比度掩蔽值矩阵contrastmask，其中1≤i≤m,1≤j≤n，m和n分别为该视频帧长度和宽度的像素值，
2.2）构造投影向量：将对比度掩蔽值contrastmask矩阵按8*8大小分块，即对m*n大小的帧，分成(m/8)*(n/8)个块，每一块为8*8的矩阵，设u=m/8,v=n/8,分块用P（projection）表示，则得到了{P1,P2,...,PK,...,Pu*v,}，u*v=W，对其中任意一8*8的矩阵PL，其中1≤L≤u*v，用pgh表示PL中元素，其中1≤g≤8,1≤h≤8，定义
1≤g≤8,1≤h≤8
再进行变换：
变换后矩阵记为PL'，将PL'重新排列得到1*64的行向量
PvectorL={p1,p2,...,ps,...p64}，重新排列的过程为：
ps=pgh',s=8×(g-1)+h
将PvectorL单位化得到 γL即是这一帧图像第L个8*8分块的投
影向量；
2.3）与对比度掩蔽值分块类似的操作，将原始视频的DCT系数按8*8分块，同样得到u*v个块{DCT1,DCT2,...,DCTK,...,DCTu*v,},将这些块分别重新排列成1*64的向量，排列的方式为：对第L个8*8的矩阵DCTL，其中1≤L≤u*v，用dctgh表示DCTL中元素，其中1≤g≤8,1≤h≤8，重新排列的过程即为：dcta=dctgh，其中a＝8*(g-1)+h，得到DCTvectorL，再将其与步骤2.2）中得到的第L块的投影向量γL进行内积得到一个数值xL，对一帧图像的u*v个块，分别进行上述操作，得到投影值向量X={x1,x2,...,xu*v}；
2.4）根据两层指纹编码长度lecc截取投影值向量X，取X的前lecc个元素构成新的X，即
2.5）根据两层指纹编码长度lecc随机生成元素值在区间（0，1）的密钥序列
2.6）选定量化步长Δ，将投影值X，密钥K，指纹D通过量化器进行量化，即对图像的第r个8*8分块进行量化： r=1,2,...,lecc，得到
整个视频量化后的序列 其中，qΔ(·)为量化函数；
2.7）选定 合适 的嵌入 强度α，控 制量化 后序列Q 对图像 的影响，即
2.8）指纹的嵌入：将Q中码字qr与对应的投影向量γr相乘，可分别得到lecc个1*64的向量ηr=qr×γr，其中：r=1,2,...,lecc，再将此向量η 重新排列
为8*8的矩阵Φr，这一变换为2.3）中DCT系数分块矩阵重排的逆过程，Φr中位于第c行、第d列的元素 为： 其中 d=s-8×(c-1)，再将Φr嵌入到原始视频的DCT
系数中：yr=DCTr+Φr，用 代替视频帧的DCT系数即生成指纹嵌入的视频；
对原始视频的每一帧均执行所述扩展变换标量Costa嵌入方法，即可得到嵌入了指纹的视频。
2.根据权利要求1所述的基于扩展变换标量和纠错码的视频数字指纹嵌入方法，其特征是，所述的密钥序列 其中，0
所述的扩展变换标量Costa指纹提取方法是指：首先得到待检测视频的原始视频，然后分别在原始视频中嵌入全0和全1码字指纹，得到量化向量R(0)与R(1)，最后与待检测视频的对应数据进行比对，并进一步确定该视频中嵌入的指纹码字；
所述的扩展变换标量Costa指纹提取方法具体包括：
3.1）获取原始视频的帧序列的一帧，对其进行全局DCT变换，得到原始视频这一帧的全局DCT变换系数DCTi,j，同时计算对比度掩蔽值contrastmaski,j，得到对比度掩蔽值矩阵contrastmask，其中1≤i≤m,1≤j≤n，m和n分别为该视频帧长度和宽度的像素值；
3.2）由对比度掩蔽值contrastmaski,j构造投影向量
3.3）由DCT变换系数与投影向量V得到投影值的向量
3.4）使用指纹嵌入时选定的量化步长Δ，投影强度α，嵌入时生成的密钥K以及投影值向量X，将指纹码字分别取0和1，通过量化器进行量化得到向量R(0)与R(1)，即对图像的第h个8*8分块分别计算得到嵌入全0指纹和全1指纹的两个序列R(0)与R(1)：
其中，qΔ(·)为量化函数；
3.5）获取视频帧序列的相应帧，对其进行全局DCT变换，得到此步骤新获取的视频这一帧的全局DCT变换系数DCTcoefij'，其中1≤i≤m,1≤j≤n，m和n分别为该视频帧长度和宽度的像素值；
3.6）对DCTcoef′ij按8*8的大小进行分块得到 将每个8*8
的矩阵重新排列成1*64的向量得
3.7）对上一步的每一个分块的向量DCTvector′i，使用对应的投影向量V做内积，得到
3.8）比 较 R,R(0),R(1) 确 定 嵌 入 的 指 纹，对 指 纹 的 第 h位，如 果|rh-rh(0)|>|rh-rh(1)|，则认为第h位嵌入的码字为1；反之，认为第h位嵌入的码字为0，采用该方法从第1位到第lecc位依次判断，即可提取出该视频中嵌入的指纹D'。
4.如权利要求3所述的数字指纹检测方法，其特征是，所述的相关性计算是指将按所述扩展变换标量Costa指纹提取方法提取出的指纹序列D'与已分配的所有用户的指纹序列Dj分别进行相关性系数计算，对于用户j，其分配的指纹序列的相关性系数计算公式为：
在检测合谋攻击时相关性系数最大的用户即为叛逆者。
基于扩展变换标量和纠错码的视频数字指纹方法
技术领域
背景技术
发明内容
器最多可以得到2-1个长度为2-1的M序列，选取其中的q个M序列M1、M2、...、Mq，使之分别对应GF(q)中的q个RS码元。
具体实施方式
25＊63＝1575比特。
1≤j≤8)表示PL中元素，用pij(1≤i≤8，1≤j≤8)表示PL中元素，定义
1，2，...，lecc，得到整个视频帧得到量化后的序列Q＝{q1，q2，...，q1575}。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种视频帧重构方法、装置及终端设备 | 2020-05-08 | 617 |
| 一种图像的处理与识别方法 | 2020-05-08 | 670 |
| 一种视频编码方法、装置及终端设备 | 2020-05-08 | 891 |
| 一种基于FPGA的实时三维重建系统及其方法 | 2020-05-08 | 626 |
| 基于理想边缘外推的遥感影像超分辨率复原方法 | 2020-05-08 | 170 |
| 一种图像处理方法、图像处理装置、电子设备和存储介质 | 2020-05-08 | 98 |
| 一种基于卷积神经网络的重采样图像检测方法 | 2020-05-08 | 25 |
| 基于中智集合的超声乳腺肿瘤快速阈值分割方法及系统 | 2020-05-08 | 864 |
| 一种基于Tetrolet变换的近红外与彩色可见光图像融合算法 | 2020-05-08 | 169 |
| 用于形成虚拟地图的方法及系统 | 2020-05-08 | 387 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
