[發(fā)明專利]基于極復(fù)指數(shù)變換和殘差神經(jīng)網(wǎng)絡(luò)的魯棒視頻零水印方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010719213.5
• 申請(qǐng)日: 2020-07-23
• 公開(kāi)（公告）號(hào): CN111984942B
• 公開(kāi)（公告）日: 2023-10-27
• 發(fā)明（設(shè)計(jì)）人: 康曉兵;高玉梅;藺廣逢;趙凡;陳亞軍
• 申請(qǐng)（專利權(quán)）人: 西安理工大學(xué)
• 主分類號(hào): G06F21/16
• 分類號(hào): G06F21/16;G06T1/00;G06T7/90;G06N3/045;G06N3/08
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 王丹

1.基于極復(fù)指數(shù)變換和殘差神經(jīng)網(wǎng)絡(luò)的魯棒視頻零水印方法，其特征在于，包括對(duì)視頻進(jìn)行預(yù)處理，選取出每組鏡頭的關(guān)鍵幀；對(duì)視頻的原始水印進(jìn)行加密處理，獲得加密后的水?。涣闼?gòu)造，借助極復(fù)指數(shù)變換得到關(guān)鍵幀的不變矩，將不變矩送入預(yù)訓(xùn)練的深度殘差神經(jīng)網(wǎng)絡(luò)模型中，提取關(guān)鍵幀的魯棒內(nèi)容特征，將魯棒內(nèi)容特征二值化后與加密后的水印進(jìn)行異或運(yùn)算，生成視頻獨(dú)有的魯棒零水印信號(hào)；零水印檢測(cè)，從待驗(yàn)證視頻中選取關(guān)鍵幀，提取關(guān)鍵幀的魯棒內(nèi)容特征，將提取的魯棒內(nèi)容特征二值化后與待驗(yàn)證視頻對(duì)應(yīng)的魯棒零水印信號(hào)進(jìn)行異或運(yùn)算，獲得原始水印，實(shí)現(xiàn)視頻的版權(quán)驗(yàn)證。

2.根據(jù)權(quán)利要求1所述的基于極復(fù)指數(shù)變換和殘差神經(jīng)網(wǎng)絡(luò)的魯棒視頻零水印方法，其特征在于，對(duì)視頻進(jìn)行預(yù)處理，包括利用相關(guān)系數(shù)對(duì)原始視頻V進(jìn)行鏡頭邊界檢測(cè)和鏡頭分割，并通過(guò)極大熵選取每組鏡頭的關(guān)鍵幀，得到原始視頻V的關(guān)鍵幀序列V_keyframe＝{f₁，f₂，…，f_M}。

3.根據(jù)權(quán)利要求2所述的基于極復(fù)指數(shù)變換和殘差神經(jīng)網(wǎng)絡(luò)的魯棒視頻零水印方法，其特征在于，對(duì)視頻進(jìn)行預(yù)處理，具體包括以下步驟：

步驟1.1，將原始視頻V轉(zhuǎn)換成連續(xù)的視頻幀序列V＝{I₁，I₂，…}，從第1幀開(kāi)始，選擇相鄰的兩幀圖像，即第i幀圖像I_i和第i+1幀圖像I_i+1，將它們分割成R、G、B三個(gè)顏色通道，分別為I_i(R)、I_i(G)、I_i(B)和I_i+1(R)、I_i+1(G)、I_i+1(B)；

步驟1.2，根據(jù)公式(1)分別計(jì)算第i幀I_i和第i+1幀I_i+1不同顏色通道之間的三個(gè)相關(guān)系數(shù)ρ(I_i(R)，I_i+1(R))，ρ(I_i(G)，I_i+1(G))和ρ(I_i(B)，I_i+1(B))，并將三個(gè)顏色通道之間相關(guān)系數(shù)的平均值ρ_avg作為連續(xù)兩視頻幀I_i和I_i+1之間的相似度，其中，

式(1)中，和分別是矩陣U和V的均值，m×n是矩陣的尺寸大小；

步驟1.3，根據(jù)相似度ρ_avg判斷兩視頻圖像幀I_i和I_i+1是否屬于同一組鏡頭，若相似度ρ_avg小于閾值λ，則說(shuō)明連續(xù)兩視頻圖像幀I_i和I_i+1不相似，則判定視頻幀I_i+1為鏡頭切換幀；否則，判定兩視頻幀I_i+1和I_i屬于同一組鏡頭；

步驟1.4，重復(fù)步驟1.1-1.3處理原始視頻的所有幀，得到鏡頭集合S＝{S₁，S₂，…，S_l，…，S_L}，其中鏡頭組具有α_l+1個(gè)視頻幀，且r∈{1，2，…，L-1}；按照每組鏡頭中的幀數(shù)從大到小進(jìn)行排序，選取前M組鏡頭集合S＝{S₁，S₂，…，S_M}，M為鏡頭組的數(shù)量；

為了提高水印的魯棒性，在每一組鏡頭的一個(gè)關(guān)鍵幀中嵌入水印信號(hào)，根據(jù)公式(3)，鏡頭組數(shù)量M由原始水印W的比特量決定，即

其中，P為原始水印的長(zhǎng)度，Q為原始水印的寬度；

步驟1.5，計(jì)算每組鏡頭中所有幀的信息熵H_ri

其中，表示第r組鏡頭S_r中第i幀I_i的k顏色通道灰度級(jí)j出現(xiàn)的概率，可以通過(guò)灰度直方圖得到；H_ri表示第r組鏡頭S_r中第i幀I_i的信息熵，是R、G、B三個(gè)顏色通道信息熵的均值；

步驟1.6，按照公式(5)在每組鏡頭中選擇信息熵值最大的幀作為對(duì)應(yīng)鏡頭組的關(guān)鍵幀，公式(5)如下：

其中，f_r表示第r鏡頭組S_r中的關(guān)鍵幀；

步驟1.7，按照步驟1.6處理原始視頻V的所有鏡頭集合S＝{S₁，S₂，…，S_l，…，S_L}，最終得到原始視頻V的M個(gè)關(guān)鍵幀集合，即關(guān)鍵幀序列V_keyframe＝{f₁，f₂，…，f_M}。