基于极复指数变换和残差神经网络的鲁棒视频零水印方法技术

本发明专利技术公开了一种基于极复指数变换和残差神经网络的鲁棒视频零水印方法，包括对视频进行预处理，选取出每组镜头的关键帧；对视频的原始水印进行加密处理，借助极复指数变换得到关键帧的不变矩，将不变矩送入预训练的深度残差神经网络模型中，提取关键帧的鲁棒内容特征，将鲁棒内容特征与加密后的水印进行异或运算，生成视频独有的鲁棒零水印信号，从待验证视频中选取关键帧，提取关键帧的鲁棒内容特征，将鲁棒内容特征与待验证视频对应的鲁棒零水印信号进行异或运算，获得原始水印，实现视频的版权验证。本发明专利技术鲁棒视频零水印方法解决了鲁棒性和不可感知性之间的平衡问题，提高了抵抗去同步化攻击能力，能够有效地保护视频媒体的版权。

【技术实现步骤摘要】
基于极复指数变换和残差神经网络的鲁棒视频零水印方法
本专利技术属于多媒体内容保护和防伪
，涉及一种基于极复指数变换和残差神经网络的鲁棒视频零水印方法。
技术介绍
随着移动互联网技术的迅速普及和各种短视频应用的兴起，网络视频数据量急剧增加，视频数据的安全引起了人们更多的注意。尤其在近几年，各种盗版视频充斥着网络，视频媒体的版权保护是一个亟待解决的问题。数字水印是一种有效的版权保护方式。传统的水印方法通过修改原始视频数据来实现水印的嵌入，但这必然会导致原始视频视觉质量的降低。另外，在水印嵌入时其鲁棒性和不可感知性之间的均衡也不易实现。很显然，在视觉质量要求较高(不允许对视频媒体进行信息嵌入操作而引起视觉质量的畸变等，例如医学、军事、司法、遥感等特殊领域)环境下，传统数字水印的使用受到很大限制。为了应对这些问题，不修改原始视频的零水印嵌入模式应运而生。通过构造需要保护视频媒体的独特零水印信号，并注册在公开的知识产权库以备版权认证需要时查验。现有的视频零水印方法普遍存在抵抗去同步化攻击能力弱的缺陷，以及未充分考虑均衡性和差异性等性本文档来自技高网...

【技术保护点】
1.基于极复指数变换和残差神经网络的鲁棒视频零水印方法，其特征在于，包括对视频进行预处理，选取出每组镜头的关键帧；对视频的原始水印进行加密处理，获得加密后的水印；零水印构造，借助极复指数变换得到关键帧的不变矩，将不变矩送入预训练的深度残差神经网络模型中，提取关键帧的鲁棒内容特征，将鲁棒内容特征二值化后与加密后的水印进行异或运算，生成视频独有的鲁棒零水印信号；零水印检测，从待验证视频中选取关键帧，提取关键帧的鲁棒内容特征，将提取的鲁棒内容特征二值化后与待验证视频对应的鲁棒零水印信号进行异或运算，获得原始水印，实现视频的版权验证。/n

【技术特征摘要】
1.基于极复指数变换和残差神经网络的鲁棒视频零水印方法，其特征在于，包括对视频进行预处理，选取出每组镜头的关键帧；对视频的原始水印进行加密处理，获得加密后的水印；零水印构造，借助极复指数变换得到关键帧的不变矩，将不变矩送入预训练的深度残差神经网络模型中，提取关键帧的鲁棒内容特征，将鲁棒内容特征二值化后与加密后的水印进行异或运算，生成视频独有的鲁棒零水印信号；零水印检测，从待验证视频中选取关键帧，提取关键帧的鲁棒内容特征，将提取的鲁棒内容特征二值化后与待验证视频对应的鲁棒零水印信号进行异或运算，获得原始水印，实现视频的版权验证。


2.根据权利要求1所述的基于极复指数变换和残差神经网络的鲁棒视频零水印方法，其特征在于，对视频进行预处理，包括利用相关系数对原始视频V进行镜头边界检测和镜头分割，并通过极大熵选取每组镜头的关键帧，得到原始视频V的关键帧序列Vkeyframe＝{f1，f2，…，fM}。


3.根据权利要求2所述的基于极复指数变换和残差神经网络的鲁棒视频零水印方法，其特征在于，对视频进行预处理，具体包括以下步骤：
步骤1.1，将原始视频V转换成连续的视频帧序列V＝{I1，I2，…}，从第1帧开始，选择相邻的两帧图像，即第i帧图像Ii和第i+1帧图像Ii+1，将它们分割成R、G、B三个颜色通道，分别为Ii(R)、Ii(G)、Ii(B)和Ii+1(R)、Ii+1(G)、Ii+1(B)；
步骤1.2，根据公式(1)分别计算第i帧Ii和第i+1帧Ii+1不同颜色通道之间的三个相关系数ρ(Ii(R)，Ii+1(R))，ρ(Ii(G)，Ii+1(G))和ρ(Ii(B)，Ii+1(B))，并将三个颜色通道之间相关系数的平均值ρavg作为连续两视频帧Ii和Ii+1之间的相似度，其中，



式(1)中，和分别是矩阵U和V的均值，m×n是矩阵的尺寸大小；



步骤1.3，根据相似度ρavg判断两视频图像帧Ii和Ii+1是否属于同一组镜头，若相似度ρavg小于阈值λ，则说明连续两视频图像帧Ii和Ii+1不相似，则判定视频帧Ii+1为镜头切换帧；否则，判定两视频帧Ii+1和Ii属于同一组镜头；
步骤1.4，重复步骤1.1-1.3处理原始视频的所有帧，得到镜头集合S＝{S1，S2，…，Sl，…，SL}，其中镜头组具有αl+1个视频帧，且r∈{1，2，…，L-1}；按照每组镜头中的帧数从大到小进行排序，选取前M组镜头集合S＝{S1，S2，…，SM}，M为镜头组的数量；
为了提高水印的鲁棒性，在每一组镜头的一个关键帧中嵌入水印信号，根据公式(3)，镜头组数量M由原始水印W的比特量决定，即



其中，P为原始水印的长度，Q为原始水印的宽度；
步骤1.5，计算每组镜头中所有帧的信息熵Hri



其中，表示第r组镜头Sr中第i帧Ii的k颜色通道灰度级j出现的概率，可以通过灰度直方图得到；Hri表示第r组镜头Sr中第i帧Ii的信息熵，是R、G、B三个颜色通道信息熵的均值；
步骤1.6，按照公式(5)在每组镜头中选择信息熵值最大的帧作为对应镜头组的关键帧，公式(5)如下：



其中，fr表示第r镜头组Sr中的关键帧；
步骤1.7，按照步骤1.6处理原始视频V的所有镜头集合S＝{S1，S2，…，Sl，…，SL}，最终得到原始视频V的M个关键帧集合，即关键帧序列Vkeyframe＝{f1，f2，…，fM}。


4.根据权利要求3所述的基于极复指数变换和残差神经网络的鲁棒视频零水印方法，其特征在于，所述阈值λ是利用所有相邻帧之间相似度的最大值max(ρavg)、最小值min(ρavg)和平均值average(ρavg)进行计算得到，即



mean1＝[max(ρavg)+min(ρavg)]/2(7)
mean2＝average(ρavg)(8)。


5.根据权利要求1或4所述的基于极复指数变换和残差神经网络的鲁棒视频零水印方法，其特征在于，对视频的原始水印进行加密处理，包括采用复合混沌映射生成的混沌序列对原始水印进行置乱和扩散二级加密处理，获得加密水印序列WE。


6.根据权利要求5所述的基于极复指数变换和残差神经网络的鲁棒视频零水印方法，其特征在于，对视频的原始水印进行加密处理，具体包括以下步骤：
步骤2.1，利用密钥Key2和Key3作为复合混沌系统的初始值(x0,y0)和控制参数α与β，借助公式(9)迭代...

【专利技术属性】
技术研发人员：康晓兵，高玉梅，蔺广逢，赵凡，陈亚军，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61