导读:本文包含了鲁棒视频水印论文开题报告文献综述及选题提纲参考文献，主要关键词:视频水印,零水印,离散余弦变换,版权保护
鲁棒视频水印论文文献综述
姜孟杉[1]（2019）在《鲁棒数字视频水印技术研究》一文中研究指出互联网的高速发展使得视频的传输和观看变得越来越方便,视频日益成为人们日常工作和生活中不可缺少的一部分。同时,视频的盗版现象也日渐增多,这将损害视频创作者们的经济利益与创作热情,产生版权纠纷,因此如何确定视频的版权归属是一个重要的研究课题。数字视频水印技术将版权相关信息嵌入到视频中或提取视频特征在第叁方备案,通过技术手段可以从盗版视频中提取该信息,证明视频的版权归属,达到版权保护的目的。数字视频水印是数字水印技术研究方向的难点,本文对鲁棒数字视频水印技术进行研究,首先介绍了数字视频水印的基本概念和技术分类,总结了各种视频水印的攻击形式,例如帧复制、帧删除、码率改变、几何攻击等以及视频水印的的技术要求,然后提出了相应的视频水印算法。首先提出一个抗几何攻击的视频零水印算法,将视频分为固定长度的帧组,对每一组中的帧计算时域上的一维离散余弦变换,取变换后的第一个系数(低频分量)构建特征矩阵,统计特征矩阵中大于8的元素个数_1n和小于-8的元素个数_0n,把_1n与_0n的大小关系作为这一组帧的特征,整个视频的特征由每一组帧特征的连接构成。实验结果表明该算法对旋转、裁剪、尺度缩放攻击具有很强的鲁棒性,也对加噪声和均值滤波攻击具有很好的鲁棒性。提出一种基于分块DCT的视频水印算法。将视频帧分为8?8的块,分别做DCT,根据水印信息比特控制一帧中所有的块做相同的变换,使得变换域中的系数满足由水印信息比特确定的大小关系。为提高水印算法的鲁棒性,一个水印信息比特将被嵌入到长度为T时间内的视频中。在水印提取阶段,统计视频帧内每一块中系数的大小关系,使用多数判断来得到该帧对应的信息比特,然后对得到的比特串进行译码,最后在译码结果中检测水印信息。实验结果表明本算法对帧复制、帧删除、码率改变、帧率改变攻击具有不错的鲁棒性,嵌入的水印有很好的不可见性。(本文来源于《电子科技大学》期刊2019-04-01）
曹海燕,冯桂,韩雪,方定邦,黄鑫达[2]（2019）在《基于深度图的3D-HEVC鲁棒视频水印算法》一文中研究指出针对多视点加深度格式的3D视频中深度图鲁棒性不足的问题,提出了一种基于深度图的3D鲁棒视频水印算法。首先,将深度图不重迭的划分为4×4大小的块,计算每一块像素域的均方差,并设置一个阈值来区分纹理块和平坦块;其次,对纹理块计算区域块的能量值,根据计算的能量值设置一个阈值来选择性嵌入水印比特位;最后,获取每个块变换量化后的DC系数,根据获取的DC系数值构造3×3的可逆矩阵,对可逆矩阵进行QR分解,将水印嵌入在分解后的Q矩阵中。所提算法保证了平均峰值信噪比不变,且不同量化参数(QP)值(25、30、35、40)的重编码攻击下的平均误码率为14.9%。从测试的结果来看,该算法具有较好鲁棒性和嵌入容量,同时对视频的质量影响很小。(本文来源于《计算机应用》期刊2019年03期）
黄媛[3]（2018）在《数字视频图像加密域水印嵌入鲁棒性评估仿真》一文中研究指出传统水印嵌入鲁棒性评估方法评估结果不可靠,为此,提出一种新的数字视频图像加密域水印嵌入鲁棒性评估方法。给出数字水印系统的一般模型。通过将明文域方法同态转移及调整,获取加密域水印嵌入方法,给出加密域水印嵌入方法详细实现过程。通过接收内容与水印信息间的互信息对接收信息所含水印信息进行描述,利用互信息函数实现数字视频图像加密域水印嵌入鲁棒性分析。实验结果表明,所提方法可有效评估数字视频图像加密域水印嵌入鲁棒性,和其它方法相比评估结果更加可靠。(本文来源于《计算机与数字工程》期刊2018年05期）
张云鹏[4]（2018）在《基于尺度不变特征变换的鲁棒图像和视频水印算法研究》一文中研究指出信息产业的高速发展使得人们可以通过网络便利地共享图像和视频等多媒体信息,同时也为盗版、非法复制和传播等侵权行为提供了方便。因此,数字图像和视频的版权保护成为亟待解决的问题,数字鲁棒水印技术应运而生。针对目前鲁棒水印算法存在的嵌入位置选择、水印不可见性和鲁棒性的平衡和对几何攻击的鲁棒性较差等问题,本文基于尺度不变特征变换(Scale Invariant Feature Transform,SIFT)研究了鲁棒图像和视频水印算法,主要完成的工作如下:(1)为解决水印嵌入位置选择的问题,并得到较好的水印不可见性,设计了一种基于SIFT特征点嵌入、全相位双正交变换(All Phase Biorthogonal Transform,APBT)和奇异值分解(Singular Value Decomposition,SVD)的鲁棒图像水印算法,采用SIFT选取特征点,将水印信息分散地嵌入到APBT系数矩阵的奇异值中。实验结果表明,该算法在保证较好水印不可见性的前提下,对普通攻击和复合攻击具有较好的鲁棒性。(2)为抵抗不同程度的几何攻击,设计了一种基于SIFT的抗几何攻击鲁棒图像水印算法。通过SIFT提取含水印图像和受攻击图像的特征点信息,实现特征匹配,并解决了因几何攻击造成的水印同步失效问题。水印信息被嵌入到宿主图像叁级小波子带的奇异值中。实验结果表明,该算法对普通攻击、几何攻击和复合攻击的鲁棒性较好,并解决了鲁棒水印算法对几何攻击鲁棒性较差的问题。(3)为提高水印算法对几何攻击的鲁棒性,设计了一种基于仿射SIFT(Affine SIFT,ASIFT)的抗几何攻击鲁棒图像水印算法。ASIFT用于修正图像的几何攻击。实验结果表明,与基于SIFT的算法相比,该算法提高了水印算法对平移攻击和尺度攻击的鲁棒性。(4)为提高视频水印对旋转攻击的鲁棒性,设计了一种基于SIFT的抗旋转攻击鲁棒视频水印算法。针对视频旋转攻击,采用了基于SIFT的攻击修正策略。此外,采用场景变换检测算法选取运动帧,并将水印嵌入到运动帧的两级小波子带中。实验结果表明,该算法对噪声攻击和不同程度的旋转攻击具有一定的鲁棒性。(本文来源于《山东大学》期刊2018-05-19）
李新宇,陈阳[5]（2018）在《基于DWT＿SVD的盲检测鲁棒视频水印算法》一文中研究指出结合离散小波变换、奇异值分解和Logistic混沌映射等相关数字水印技术,提出了一种新的适用于视频版权保护的盲水印算法。该算法利用了矩阵奇异值分解的能量稳定特性以及小波变换具有高低频分离的特点,首先选取原始载体视频序列的若干场景,借助密钥分离其亮度分量,随后对其进行分块奇异值分解,取最大奇异值进行小波变换;选取小波变换后第r层的低频子带LLr再次进行奇异值分解,取奇异值矩阵的第二个对角元素组成新的矩阵,最后将Arnold置乱处理后的水印嵌入到新的矩阵中。该算法采用混沌映射产生的序列对水印图像进行预处理,将完整水印重复地嵌入到若干段场景中。水印检测时,根据嵌入水印时的量化值能够盲提取水印信号。仿真实验表明,该算法对一般的视频信号处理及常规几何攻击具有良好鲁棒性。(本文来源于《计算机技术与发展》期刊2018年09期）
高鹏[6]（2018）在《鲁棒视频水印算法的相关研究》一文中研究指出随着互联网的快速发展,在线观看和传输视频变得越来越便捷,视频正日益成为人们生活和工作中获取信息的重要渠道。但在利益驱使下,视频的盗版问题正变得日益严重。近年来,数字水印技术被应用于视频版权保护领域并取得一定的效果,但在水印鲁棒性和视频透明性方面还需要加强。本文针对鲁棒视频水印算法进行研究,主要工作及创新点如下:(1)由于几何攻击和裁剪攻击对视频水印算法的强破坏性,本文提出一种基于噪声统计模型的鲁棒视频水印新算法。在水印的嵌入阶段,通过修改原始视频图像的噪声分布来实现水印的嵌入。即基于图像噪声分析相关文献和实验验证,原始视频图像通过低通滤波器分离得到高频分量,其符合拉普拉斯分布;对原始视频图像的高频分量用零均值高斯噪声来替换,从而构造出含噪声视频图像。使原始视频图像代表水印信息0,使噪声视频图像代表水印信息1。在水印提取阶段,设计出基于广义似然比的检测器,将其用于判断视频图像的噪声统计特性,从而提取水印信息。实验结果表明本算法对于视频压缩、旋转、缩放、裁剪和加噪等攻击具有较强的鲁棒性。(2)由于视频水印算法中鲁棒性和透明性之间的矛盾,本文还分别提出了基于SVM(Support Vector Machine)选块机制和基于结构张量选块机制的视频水印算法,利用选块机制来平衡这一对矛盾,从而使得大强度的水印嵌入不会造成视频图像质量的明显下降。第一个算法提出基于人类视觉系统的图像复杂度特征表示方法,并利用SVM算法对其参数进行学习,进而搭建分类模型。利用训练好的分类模型来选取视频图像中适合水印嵌入的分块。对于嵌入策略,在构造水印信息时,在水印信息中加入了定位标识信息,并采用在视频关键帧重复嵌入的机制,使用离散余弦变换(Discrete Cosine Transform,DCT)和矩阵奇异值变换(Singular Value Decomposition,SVD),利用奇偶规则将水印信息嵌入到视频图像中。实验结果显示本算法可以抵抗帧添加、帧删除和屏幕录制等攻击,具有良好的鲁棒性,同时保持了较好的视频质量。第二个算法则是采用结构张量对图像纹理复杂度进行描述,并利用比DCT具有更好的时频分析能力的离散小波变换(Discrete Wavelet Transform,DWT)进行水印嵌入获取更好的透明性。实验结果显示该算法具有良好的透明性和对压缩、加噪等具有较好的鲁棒性。(本文来源于《杭州电子科技大学》期刊2018-03-01）
田叶[7]（2017）在《鲁棒性视频水印算法研究》一文中研究指出数字水印是在版权保护、拷贝控制、操作跟踪、内容认证和广播监控等应用上的一项重要技术。为了起到鉴别和秘密通信的作用,利用数字水印技术在多媒体数据中嵌入数字、文字或图像等信息。随着研究的深入,数字水印在更多方面得到应用。日常生活中,屏幕被用来传达丰富的视觉信息。与此同时,智能手机也在捕获视频方面得到飞速发展。无论是独立使用还是嵌入在笔记本电脑、智能手机或其他设备中,摄像机和屏幕都得到广泛普及,这种普及提供了利用这些设备进行无线通信的条件。随着移动设备的快速普及,催生了一系列新的信息获取方式。最具代表性的是已广泛应用于移动支付领域的二维码技术,它实现了一种二维码屏幕显示到相机拍照识别获取的新型通信方式。本文正是基于这种新的通信方式,引入信息隐藏技术构建不可见的二维码信息,使得用户在获取信息的同时,减少引入可见二维码所带来对载体信息感观的不良影响。本文提出了一种基于频率约束的视频水印算法,目的在于增强视频水印算法的鲁棒性。将视频多媒体作为载体信号,在不破坏视频使用价值的前提下利用水印嵌入算法对秘密信息进行嵌入。该算法在变换域对视频的频率进行约束,约束模板由嵌入信息决定,嵌入算法能抵抗压缩和模数转换过程引进的噪声。利用视频采集设备获取发送端的视频数据,并用算法自动检测经过发送端和接受端传输后的屏幕位置。针对嵌入算法,设计能量统计模型分析方法提取嵌入信息。算法设计最后,选用标准YUV视频序列,利用Matlab对提出的频率约束视频水印算法进行实验仿真,用于验证该算法的可行性和鲁棒性。通过实验表明本文提出的算法具有强鲁棒性和高准确率。(本文来源于《天津大学》期刊2017-12-01）
张婷[8]（2016）在《基于量化调制的鲁棒视频水印研究》一文中研究指出多媒体信息的数字化转变和网络化普及无疑为人们提供了极大的便利,数字视频作为一种广受欢迎的多媒体形式发展喜人。但由于其本身的易复制性和传播迅速等特点,视频盗版侵权案件时有发生,版权保护问题令人担忧。数字视频水印方法,为版权保护提供了全面可靠的解决方案,现已发展成数字水印以及信息安全方向的一项重要内容。本文针对未压缩的数字视频,改进了角度量化索引调制方法,提出一种基于角度正切值量化的水印嵌入算法,主要内容有以下叁个方面:(1)由于直接对视频处理计算量大、复杂度高,这里只选取关键帧进行处理,关键帧根据关键帧提取方法获得。本文的关键帧提取方法是两种方法联合的结果,即离散余弦变换和高斯混合模型、离散小波变换和人类视觉系统,从视频的内容和特性两方面分别挑选共同作为关键帧。(2)在关键帧的基础上,采用重要点选择算法,得到重要点作为最优的水印嵌入位置。本文的重要点选择算法利用小波域内的最小可视觉误差模型,同时借助置乱和分块技术,使选出的重要点既具有良好的掩蔽特性又能够相关性小、错误率低。(3)选出关键帧和重要点之后,本文基于前期内容提出了一种水印嵌入算法——基于角度正切值量化的水印嵌入算法。算法改进了角度量化索引调制中角度不连续的问题,对角度正切值进行研究,设计了量化函数、水印嵌入规则、小波系数的修改量等。经过实验证实,本文算法在水印不可感知性、鲁棒性方面较其他算法有明显优势,效果提升显着。(本文来源于《天津大学》期刊2016-11-01）
彭林[9]（2016）在《基于H.264/AVC误差补偿的鲁棒视频水印算法研究》一文中研究指出数字水印技术是信息隐藏技术的重要分支之一,它是研究如何在不破坏数字载体使用价值的前提下进行水印信息的嵌入,同时不被察觉。数字水印技术因其鲁棒性、不可见性等特点,已成为当下保护信息安全的代名词。近年来,H.264/AVC采用先进的编码标准,以其低码率、高质量、网络适应性强等优点被广泛地应用于数字媒体中。这给数字水印技术带来了极大的挑战,结合H.264/AVC编码标准进行视频水印的研究将是一个新颖而富有挑战性的重大课题。针对现有基于H.264/AVC的视频水印算法存在误差漂移的问题,文中在系统分析了误差漂移产生原因的基础上,提出一种能够有效抑制误差漂移的鲁棒性视频水印算法。该算法通过调制H.264/AVC编码中I帧量化后的4×4 DCT残差系数矩阵来实现水印的嵌入,并对帧内预测量化后满足特定条件的DCT子块的最后一行、列进行补偿和对帧间预测进行补偿,有效地抑制了帧内、帧间误差漂移。另外,该算法结合CAVLC编码来调制量化后的DCT残差系数,使整体码流变动较小,并且算法能够根据不同视频序列自适应地调节嵌入容量及嵌入位置,具有较好的灵活性和鲁棒性。同时提取时,并不需要原始视频载体的参加,即很好地实现了盲提取。仿真结果表明,算法在具有良好不可见性的前提条件下,对压缩码率影响较小,能够较好地抵抗噪声、帧剪切、重编码等攻击。在原有基础上,提出一种完全消除误差漂移的鲁棒性视频水印算法,通过调制I帧量化后的4×4 DCT系数,严格保证嵌入误差矩阵的最后一行和最后一列同时为0,如此便可完全消除帧内误差漂移的问题。同时,算法较好地利用了人眼视觉系统中的纹理掩蔽特性,选择纹理复杂的区域进行水印嵌入。首先,根据Weber定律确定纹理块作为待嵌入区域,然后,再根据相应条件选择最终的纹理块嵌入水印信息。本章从理论上和例证上说明了算法的正确性,也通过实验验证了算法的有效性。(本文来源于《江西理工大学》期刊2016-05-27）
武计梅[10]（2016）在《基于DWT和同步码的鲁棒性视频水印研究》一文中研究指出数字水印(Digital Watermarking)技术是永久性地嵌入在数字媒体中,不影响源载体信息正常使用的信息隐藏技术。其中视频水印的复杂度相对较高,水印的抗攻击能力相对于图像水印要求更高,对视频水印的安全性、稳健性以及嵌入容量,也都不同。针对提高视频水印的安全性和健壮性问题,提出了特征值变换和离散小波变换(Discrete Wavelet Transform,DWT)进行相结合的算法;针对提高视频水印的嵌入速率和不可感知性问题,通过线性预测编码进行相关性预测和2D-DWT多分辨率的特点进行水印的嵌入。针对提升视频水印的健壮性以及降低算法复杂度,提出一种基于特征值分解(EVD)的视频水印。通过对视频帧图像根据嵌入的水印信息大小进行自适应的分段,其中一部分生成同步码来寻找嵌入水印的频段;而另一部分处理过程:先利用Amold置乱对水印图像进行预处理,以去除水印图像像素间的关联性;再采用DWT对原始视频序列进行二层分解,对低频系数进行EVD变换,将水印嵌入到生成的对角阵量化均值中。提取水印时,利用同步码来寻找嵌入水印的视频帧中的频段,对该频段进行IDWT分解,再对分解出的低频段进行EVD变换,便可在变换后的量化矩阵中提取水印序列。实验表明,该视频水印方法具有水印不可感知性、水印的安全性和水印的鲁棒性有所提高,同时也降低了水印算法的复杂度。为了进一步提视高视频水印的健壮性以及不可感知特性,结合DWT二层小波分解,提出一种线性预测编码技术的DWT域鲁棒性视频水印的算法。算法首先对视频序列I帧从频域上分为两个部分,一部分用于同步码的嵌入,这样在提取水印时,可以快速定位水印,另一部分进行线性预测编码处理获得预测误差;然后对每I帧的预测误差进行8?8分块,处理后的方阵进行2D-DWT二层小波分解。将预处理后的水印嵌入到二层DWT分解的低频系数中。利用视频DWT域的小波分解,可以有效的提升视频水印的抗攻击能力。上述两种算法,对水印的安全性、鲁棒性以及视觉感知性都有所提升。但水印算法的也存在一些不足,针对这些不足提出了今后的工作思路。(本文来源于《江西理工大学》期刊2016-05-01）
鲁棒视频水印论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对多视点加深度格式的3D视频中深度图鲁棒性不足的问题,提出了一种基于深度图的3D鲁棒视频水印算法。首先,将深度图不重迭的划分为4×4大小的块,计算每一块像素域的均方差,并设置一个阈值来区分纹理块和平坦块;其次,对纹理块计算区域块的能量值,根据计算的能量值设置一个阈值来选择性嵌入水印比特位;最后,获取每个块变换量化后的DC系数,根据获取的DC系数值构造3×3的可逆矩阵,对可逆矩阵进行QR分解,将水印嵌入在分解后的Q矩阵中。所提算法保证了平均峰值信噪比不变,且不同量化参数(QP)值(25、30、35、40)的重编码攻击下的平均误码率为14.9%。从测试的结果来看,该算法具有较好鲁棒性和嵌入容量,同时对视频的质量影响很小。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
鲁棒视频水印论文参考文献
[1].姜孟杉.鲁棒数字视频水印技术研究[D].电子科技大学.2019
[2].曹海燕,冯桂,韩雪,方定邦,黄鑫达.基于深度图的3D-HEVC鲁棒视频水印算法[J].计算机应用.2019
[3].黄媛.数字视频图像加密域水印嵌入鲁棒性评估仿真[J].计算机与数字工程.2018
[4].张云鹏.基于尺度不变特征变换的鲁棒图像和视频水印算法研究[D].山东大学.2018
[5].李新宇,陈阳.基于DWT＿SVD的盲检测鲁棒视频水印算法[J].计算机技术与发展.2018
[6].高鹏.鲁棒视频水印算法的相关研究[D].杭州电子科技大学.2018
[7].田叶.鲁棒性视频水印算法研究[D].天津大学.2017
[8].张婷.基于量化调制的鲁棒视频水印研究[D].天津大学.2016
[9].彭林.基于H.264/AVC误差补偿的鲁棒视频水印算法研究[D].江西理工大学.2016
[10].武计梅.基于DWT和同步码的鲁棒性视频水印研究[D].江西理工大学.2016