基于压缩感知的自适应视频信息隐藏方法
专利汇可以提供基于压缩感知的自适应视频信息隐藏方法专利检索，专利查询，专利分析的服务。并且本 发明 的基于 压缩 感知 的自适应视频信息隐藏方法，特征在于，包括：a．以镜头为单位将视频文件分 帧 ；b．以镜头的第一帧作为关键帧；c．建立图像纹理分类模型，获取关键帧的纹理分类模型标记；d．确定关键帧的纹理分类，确定关键帧是纹理区、平滑区还是介于两者之间；e．选择 算法 和确定嵌入深度；f．嵌入秘密信息，在系数矩阵中嵌入秘密信息；g．合成视频文件。本发明的视频信息隐藏方法，在无需对整个视频文件进行解压缩的情形下，就可自适应地嵌入秘密信息，不会影响视频的观赏性，具有计算量小、信息隐写效率高、对视频影响小和秘密信息安全性好的优点。可广泛应用于 版权 认证、盗版 跟踪 及保密通信等众多领域。，下面是基于压缩感知的自适应视频信息隐藏方法专利的具体信息内容。
1.一种基于压缩感知的自适应视频信息隐藏方法，其特征在于，信息隐藏过程包括以下步骤：
a．将视频文件分帧，采用视频镜头分割方法，将视频文件 以镜头为单位分成若干镜头组，分别记为 ；n为正整数；
b．获取关键帧，以每个镜头组的第一帧为关键帧，得到视频文件 的n个关键帧，分别记为 ；
c．基于训练样本建立图像纹理分类模型，将用于图像纹理分类的特征罗列出来，记为 ， 为特征数量；广泛选取数字图像，建立大规模的训练样本图像库
， 为训练样本中图像的数量；对于当前训练样本 ，采用Adboost算法将
各纹理特征的贡献率记为 ；采用平均算法求取某特征 的贡献率 ：
,将各特征按照贡献率由大至小进行排序，记为 ，选
取较大的前m个特征用于构建关键帧的纹理特征模型；当前训练样本图像 的纹理分类模型标记为 ； 为当前训练样本的纹理分类结果，p，x，i，q，m均为正整数，且1≤i≤n，1≤m≤p；
d．确定关键帧的纹理分类，根据步骤c中建立的纹理分类模型 ，确定
每个关键帧所属的纹理分类，即判断当前帧为平滑区、纹理区和介于纹理与平滑之间的那一种；
e．选择算法和确定嵌入深度，根据步骤d中的纹理分类结果，选择当前关键帧适用的信息隐藏算法以及确定该隐藏算法下的嵌入深度；设关键帧 适用的算法为 ， 为关键帧 的嵌入深度；
f．嵌入秘密信息，对关键帧 进行压缩感知以获取视频帧的压缩感知系数矩阵 ，根据步骤e中获取的算法 和步长 在关键帧 的压缩感知系数矩阵 中嵌入秘密信息，形成载密视频关键帧；
g．合成视频文件，将步骤f中获取的载密视频关键帧与其他视频帧合并，形成新的载密视频文件 ，用于发放及传播。
2.根据权利要求1所述的基于压缩感知的自适应视频信息隐藏方法，其特征在于，包括以下步骤的秘密信息提取过程：
1）．将载密视频文件分帧，采用视频镜头分割方法，将载密视频文件 以镜头为单位分成若干载密镜头组，分别记为 ；
2）．获取载密关键帧，以每个镜头组的第一帧为关键帧，得到载密视频文件 的n个载密关键帧，分别记为 ；
3）．获取纹理分类模型，采用与步骤c相同的方法，获取载密关键帧 的纹理分类模型 ；
4）．确定载密关键帧的纹理分类，根据步骤3）中建立的纹理分类模型
，确定相应载密关键帧 为平滑区、纹理区和介于纹理与平滑之间的那
一种；
5）．确定隐藏算法和嵌入深度，根据步骤4）中的纹理分类结果，判断载密关键帧 在秘密信息嵌入时所采用的隐藏算法 和嵌入深度 ；
6）．提取秘密信息，对载密关键帧 进行压缩感知，以获取载密关键帧 的压缩感知系数矩阵 ，利用步骤5）中获取的算法 和嵌入深度 在系数矩阵 中提取秘密信息。
3.根据权利要求2所述的基于压缩感知的自适应视频信息隐藏方法，其特征在于：步骤e和步骤5）中，设定delta为基础步长，若关键帧为平滑区，则嵌入深度 = ，若关键帧为纹理区，则 =3 ，若关键帧介于纹理与平滑之间，则 =2 。
4.根据权利要求2所述的基于压缩感知的自适应视频信息隐藏方法，其特征在于：步骤c中所述的纹理分类特征包括灰度、颜色、线性度、块平均度、粗糙度、对比度、方向度、线性度、灰度共生矩阵、自回归纹理模型；步骤c和步骤3）中所述的m取值相等，且均处于3～
5之间。
5.根据权利要求1或2所述的基于压缩感知的自适应视频信息隐藏方法，其特征在于：
步骤f中所述的秘密信息由视频帧的自身相关信息得到，自身相关信息经压缩感知后作为秘密信息。
6.根据权利要求5所述的基于压缩感知的自适应视频信息隐藏方法，其特征在于：所述的自身相关信息可为视频帧的噪声矩阵。
7.根据权利要求2所述的基于压缩感知的自适应视频信息隐藏方法，其特征在于：所述步骤a和步骤1）中以视频文件的变换系数和运动向量来判断镜头边界。
8.根据权利要求2所述的基于压缩感知的自适应视频信息隐藏方法，其特征在于：设步骤c和步骤3）中采用直流能量比Ep_dc和图像偏离度两个特征来构建关键帧的纹理特征模型，其中：
直流能量比Ep_dc定义为图像DCT变换后直流能量与所有系数能量和之比，并以系数的平方表征能量，则有：
其中，DC为直流系数值，为第一个DCT系数； 表示位置i处的DCT系数值；
定义图像偏离度的计算公式如下：
其中， 为样本方差， 为样本值， 为样本均值；
在步骤4和步骤d）的判定过程中，当直流能量比大于0.995且偏离度小于1000时为平滑区；直流能量比小于0.95且偏离度大于3000时为纹理复杂区，直流能量比介于0.95至0.995之间且偏离度介于1000至3000之间时，为介于平滑区与纹理区之间的区域。
基于压缩感知的自适应视频信息隐藏方法
技术领域
背景技术
发明内容
训练样本建立图像纹理分类模型，将用于图像纹理分类的特征罗列出来，记为
， 为特征数量；广泛选取数字图像，建立大规模的训练样本图像库 ， 为训练
样本中图像的数量；对于当前训练样本 ，采用Adboost算法将各纹理特征的贡献率记为；采用平均算法求取某特征 的贡献率 ： ,将
各特征按照贡献率由大至小进行排序，记为 ，选取较大的前m个特征用于构建
关键帧的纹理特征模型；当前训练样本图像 的纹理分类模型标记为 ；
为当前训练样本的纹理分类结果，p，x，i，q，m均为正整数，且1≤i≤n，1≤m≤p；d．确定关键帧的纹理分类，根据步骤c中建立的纹理分类模型 ，确定每个
关键帧所属的纹理分类，即判断当前帧为平滑区、纹理区和介于纹理与平滑之间的那一种；
e．选择算法和确定嵌入深度，根据步骤d中的纹理分类结果，选择当前关键帧适用的信息隐藏算法以及确定该隐藏算法下的嵌入深度；设关键帧 适用的算法为 ， 为关键帧 的嵌入深度；f．嵌入秘密信息，对关键帧 进行压缩感知以获取视频帧的压缩感知系数矩阵 ，根据步骤e中获取的算法 和步长 在关键帧 的压缩感知系数矩阵
中嵌入秘密信息，形成载密视频关键帧；g．合成视频文件，将步骤f中获取的载密视频关键帧与其他视频帧合并，形成新的载密视频文件 ，用于发放及传播。
；3）．获取纹理分类模型，采用与步骤c相同的方法，获取载密关键帧 的纹理分类模型；4）．确定载密关键帧的纹理分类，根据步骤3）中建立的纹理分类模型
，确定相应载密关键帧 为平滑区、纹理区和介于纹理与平滑之间的那
一种；5）．确定隐藏算法和嵌入深度，根据步骤4）中的纹理分类结果，判断载密关键帧在秘密信息嵌入时所采用的隐藏算法 和嵌入深度 ；6）．提取秘密信息，对载密关键帧 进行压缩感知，以获取载密关键帧 的压缩感知系数矩阵 ，利用步骤5）中获取的算法 和嵌入深度 在系数矩阵 中提取秘密信息。
密信息量就越大，纹理区可采用加大的信息嵌入量，平滑区应采用最小的信息嵌入量。
其中，DC为直流系数值，为第一个DCT系数； 表示位置i处的DCT系数值；
定义图像偏离度的计算公式如下：
其中， 为样本方差， 为样本值， 为样本均值；
在步骤4和步骤d）的判定过程中，当直流能量比大于0.995且偏离度小于1000时为平滑区；直流能量比小于0.95且偏离度大于3000时为纹理复杂区，直流能量比介于0.95至0.995之间且偏离度介于1000至3000之间时，为介于平滑区与纹理区之间的区域。
具体实施方式
该步骤中，可以采用视频文件的变换系数和运动向量来判断镜头边界；
b．获取关键帧，以每个镜头组的第一帧为关键帧，得到视频文件 的n个关键帧，分别记为 ；
c．基于训练样本建立图像纹理分类模型，将用于图像纹理分类的特征罗列出来，记为 ， 为特征数量；广泛选取数字图像，建立大规模的训练样本图像库
， 为训练样本中图像的数量；对于当前训练样本 ，采用Adboost算法将
各纹理特征的贡献率记为 ；采用平均算法求取某特征 的贡献率 ：
,将各特征按照贡献率由大至小进行排序，记为 ，选
取较大的前m个特征用于构建关键帧的纹理特征模型；当前训练样本图像 的纹理分类模型标记为 ； 为当前训练样本的纹理分类结果，p，x，i，q，m均为正整数，
且1≤i≤n，1≤m≤p；
该步骤中，纹理分类特征可采用灰度、颜色、线性度、块平均度、粗糙度、对比度、方向度、线性度、灰度共生矩阵、自回归纹理模型等特征；m可选取3～5之间的数值；
d．确定关键帧的纹理分类，根据步骤c中建立的纹理分类模型 ，确
定每个关键帧所属的纹理分类，即判断当前帧为平滑区、纹理区和介于纹理与平滑之间的那一种；
e．选择算法和确定嵌入深度，根据步骤d中的纹理分类结果，选择当前关键帧适用的信息隐藏算法以及确定该隐藏算法下的嵌入深度；设关键帧 适用的算法为 ， 为信息隐藏算法的基础步长， 为关键帧 的嵌入深度；
该步骤中，若关键帧为平滑区，则 = ，若关键帧为纹理区，则 =3 ，
若关键帧介于纹理与平滑之间，则 =2 ；
f．嵌入秘密信息，对关键帧 进行压缩感知以获取视频帧的压缩感知系数矩阵 ，根据步骤e中获取的算法 和步长 在关键帧 的压缩感知系数矩阵 中嵌入秘密信
息，形成载密视频关键帧；
该步骤中，秘密信息可由视频帧的自身相关信息得到，例如视频帧的噪声矩阵，自身相关信息经压缩感知后作为秘密信息，可有效抵抗拷贝攻击等；
g．合成视频文件，将步骤f中获取的载密视频关键帧与其他视频帧合并，形成新的载密视频文件 ，用于发放及传播。
同样地，该步骤中，可以采用视频文件的变换系数和运动向量来判断镜头边界；
2）．获取载密关键帧，以每个镜头组的第一帧为关键帧，得到载密视频文件 的n个载密关键帧，分别记为 ；
该步骤中获取的载密关键帧 与 的却别在于其压缩感知系
数矩阵中隐写有秘密信息；
3）．获取纹理分类模型，采用与步骤c相同的方法，获取载密关键帧 的纹理分类模型 ；
该步骤中，应采用与步骤c相同的纹理分类特征，例如可采用包括灰度、颜色、线性度和块平均度的形式，以便对同一镜头建立相同的纹理分类模型；其中m的取值也应与步骤c中的相同；
4）．确定载密关键帧的纹理分类，根据步骤3）中建立的纹理分类模型 ，
确定相应载密关键帧 为平滑区、纹理区和介于纹理与平滑之间的那一种；
只是因为步骤3）中获取了相同的纹理分类模型，对于同一镜头来的关键帧（ 与 ）来说，就能获得相同的纹理分类结果；
5）．确定隐藏算法和嵌入深度，根据步骤4）中的纹理分类结果，判断载密关键帧 在秘密信息嵌入时所采用的隐藏算法 和嵌入深度 ；
该步骤中，若关键帧为平滑区，则 = ，若关键帧为纹理区，则 =3 ，
若关键帧介于纹理与平滑之间，则 =2 ；
6）．提取秘密信息，对载密关键帧 进行压缩感知，以获取载密关键帧 的压缩感知系数矩阵 ，利用步骤5）中获取的算法 和嵌入深度 在系数矩阵 中提取秘密信
息。
其中，DC为直流系数值，也是第一个DCT系数； 表示位置i处的DCT系数值。可
以理解，图像越是趋于平滑，边缘或者纹理区的比重就越低，这就意味着图像中的高频信息量越少，上述定义的直流能量比的数值就越大；反之，纹理区或者边缘区的该数值则较低。
由此可以将直流能量比作为衡量图像纹理特性的参数，而且其意义明确，计算简单。
其中 为样本方差， 为样本值， 为样本均值。为了更好地突出各样本对于均值的偏离程度，方便我们使用，将方差进行改动，只累计偏离程度，不再取平均，则有：
可以看出，该参数与图像对比度有相似含义。含有较多纹理或者边缘的区域，各像素变化较为复杂，纹理沟纹越深则相对于整体均值的灰度差（或对比度）就越大，则偏离程度越大；反之对于比较平滑的区域，各像素变化趋于平稳，其偏离程度自然较小。
（1）对原图像进行8*8 分块，每块进行DCT变换。
根据当前嵌入水印位信息 ，将该子块的直流系数值 量化为最近的量
化步长的偶数或奇数倍数值F′处：
（3）将所有子块进行（2）中的操作。
（1）根据密钥K 生成两个一维的服从均匀分布且相关性很小的随机数序列 ， 。
若 ，则 ；
若 ，则 ；
其中 是点 临近3×3块内的系数平均值， 为嵌入深度，取值0-1之间。
设定 为基础嵌入深度，则
（3）最后对宿主图像修改后的DCT系数进行反变换，得到重建图像。
定义该块低频系数（选择zig-zag扫描的第1～3个系数 ）能量和根植
为特征量：
根据当前嵌入水印位信息 ，将该子块的直流系数值 量化为最近的量化步长的
偶数或奇数倍数值 处：
由此修改该块相关DCT低频系数
（3）将所有子块进行（2）中的操作。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 上下文感知推荐 | 2020-05-13 | 901 |
| 感知失去检测 | 2020-05-13 | 869 |
| 感知阅读装置 | 2020-05-13 | 8 |
| 感知装置 | 2020-05-11 | 332 |
| 感知导盲鞋 | 2020-05-12 | 71 |
| 体感网感知终端系统、感知节点及感知方法 | 2020-05-13 | 100 |
| 仿人眼感知技术 | 2020-05-13 | 956 |
| 一种物联网感知层节点的管理方法及系统 | 2020-05-11 | 878 |
| 机架感知 | 2020-05-11 | 429 |
| 一种感知卡 | 2020-05-11 | 401 |
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。
-
10 感知型高尔夫球杆
