基于JND模型和T-QR的鲁棒HDR视频水印嵌入提取方法、系统及存储介质技术方案

本申请涉及一种基于JND模型和T‑QR的鲁棒HDR视频水印嵌入提取方法、系统及存储介质，解决了仅考虑了空间域的视觉特征而导致鲁棒性较差，其包括根据HDR视频信息以提取关键帧图像信息；根据关键帧图像信息进行分解以提取待嵌入矩阵；根据亮度感知信息、对比度感知信息以及时间域感知信息构建JND模型；将JND模型分块形成嵌入参考矩阵；根据嵌入参考矩阵以将所预设的水印矩阵嵌入至待嵌入矩阵以形成完成嵌入矩阵，直至关键帧图像信息所对应全部的待嵌入矩阵均完成水印矩阵的嵌入；依次嵌入形成完成水印嵌入的关键帧图像信息；合成该关键帧图像信息以形成完成水印嵌入的HDR视频信息。本申请根据JND模型以综合考虑空间域与时间域，提高视频的鲁棒性。

【技术实现步骤摘要】
基于JND模型和T-QR的鲁棒HDR视频水印嵌入提取方法、系统及存储介质
本申请涉及视频处理的
，尤其是涉及一种基于JND模型和T-QR的鲁棒HDR视频水印嵌入提取方法、系统及存储介质。
技术介绍
随着互联网技术的发展，传统的低动态范围(LDR)视频无法满足人们的视觉享受,高动态范围(HighDynamicRange，HDR)视频作为数字图像领域的重要发展和突破，已在数码摄影、超高清电影与电视、视频游戏、遥感探测和医学成像等各方面日益受到关注。不同于传统的低动态范围图像，高动态范围图像采用浮点数据来记录像素信息，能够更加准确记录真实场景的全部色彩范围值，能够表现出丰富的色彩细节和明暗层次。如何保护高动态范围视频的版权已成为亟待解决的问题。相关技术中，在水印嵌入过程中，将高动态范围宿主图像表示成三阶张量的形式，然后利用Tucker分解对高动态范围宿主图像进行处理，并将得到的核心张量的第一特征图作为水印信息的嵌入载体，在根据亮度掩膜进行水印的嵌入。然而，以上高动态范围图像水印方法仅考虑了空间域的视觉特征，因此HDR图像本文档来自技高网...

【技术保护点】
1.一种基于JND模型和T-QR的鲁棒HDR视频水印嵌入提取方法，其特征是，包括水印嵌入方法，具体如下：/n获取HDR视频信息；/n根据HDR视频信息以提取关键帧图像信息；/n将所述关键帧图像信息的RGB数据定义为三阶张量；将关键帧图像信息的RGB数据分成不重叠的第一子张量；对所述第一子张量进行分解以提取待嵌入矩阵；/n根据所述关键帧图像信息以分析形成亮度感知信息、对比度感知信息以及时间域感知信息；/n并以亮度感知信息、对比度感知信息以及时间域感知信息构建JND模型；/n将JND模型所对应的数据进行不重叠分块以形成与第一子张量一一对应的嵌入参考矩阵；/n所述待嵌入矩阵与嵌入参考矩阵一一对应；/...

【技术特征摘要】
1.一种基于JND模型和T-QR的鲁棒HDR视频水印嵌入提取方法，其特征是，包括水印嵌入方法，具体如下：
获取HDR视频信息；
根据HDR视频信息以提取关键帧图像信息；
将所述关键帧图像信息的RGB数据定义为三阶张量；将关键帧图像信息的RGB数据分成不重叠的第一子张量；对所述第一子张量进行分解以提取待嵌入矩阵；
根据所述关键帧图像信息以分析形成亮度感知信息、对比度感知信息以及时间域感知信息；
并以亮度感知信息、对比度感知信息以及时间域感知信息构建JND模型；
将JND模型所对应的数据进行不重叠分块以形成与第一子张量一一对应的嵌入参考矩阵；
所述待嵌入矩阵与嵌入参考矩阵一一对应；
根据嵌入参考矩阵以将所预设的水印矩阵嵌入至待嵌入矩阵以形成完成嵌入矩阵，直至关键帧图像信息所对应全部的待嵌入矩阵均完成水印矩阵的嵌入；
将全部的完成嵌入矩阵进行逆向合成以形成完成水印嵌入的关键帧图像信息；
将全部完成水印嵌入的关键帧图像信息进行合成以形成完成水印嵌入的HDR视频信息。


2.根据权利要求1所述的基于JND模型和T-QR的鲁棒HDR视频水印嵌入提取方法，其特征是：关于根据HDR视频信息以提取关键帧图像信息的具体方法如下：
获取HDR视频信息中全部的帧图像；
通过直方图差分法判断两个帧图像之间的差异以形成图像差异值；
将图像差异值与所预设的比较阈值进行相互比较，根据比较结果以选取对应的帧图像，将选取的帧图像作为关键帧图像信息。


3.根据权利要求2所述的基于JND模型和T-QR的鲁棒HDR视频水印嵌入提取方法，其特征是：关于形成图像差异值的方法如下：



其中，l为HDR视频信息中包含的全部帧图像的数量；i表示第i帧的帧图像；h(fi)表示求解第i帧的帧图像的直方图；h(fi+1)表示求解第i+1帧的帧图像的直方图；max(h(fi),h(fi+1))表示选择h(fi)与h(fi+1)中的较大值。


4.根据权利要求1所述的基于JND模型和T-QR的鲁棒HDR视频水印嵌入提取方法，其特征是：关于形成亮度感知信息的方法如下：
获取关键帧图像信息的第一亮度值；
将第一亮度值转化为构建JND模型所需的第二亮度值，具体公式如下：



其中，log10(La)表示第二亮度值；log10(L)表示第一亮度值；
关于形成对比度感知信息的方法如下：
根据相邻两个像素的第二亮度值以转换为对比度值；具体公式如下：



其中，为第i个像素与第j个像素之间的对比度值；Li和Lj为相邻亮度像素；k为高斯金字塔级别；
将对比度值转换为构建JND模型所需的视觉对比度响应值；具体公式如下：



关于形式时间域感知信息的方法如下：
定义关键帧图像信息中的像素点为(x,y)；
获取像素点(x,y)在时刻t的灰度I(x,y)；定义光流W＝(u,v)在该点的水平移动分量为u(x,y)和垂直移动分量为v(x,y)；
其中，
根据光流约束项Ec与全局平滑约束项Es以获取两者的极小化项E；
光流约束项Ec为：Ec＝∫∫(Ixu+Iyv+It)dxdy；
其中，
全局平滑约束项Es为：Es＝∫∫(|▽u|2+|▽v|2)dxdy；
其中，|▽u|2+|▽v|2为光流梯度模的平方和；和分别表示u和v的均值；
极小化项E为：min{E}＝min∫∫[λ(|▽u|2+|▽v|2)+(Ixu+Iyv+It)2]dxdy；
其中，λ为根据图中的噪声情况而进行预设的预设值；
E分别对u和v求导,得到光流W＝(u,v):






构建形式的JND模型为：
JND＝La+T+W。


5.根据权利要求2所述的基于JND模型和T-QR的鲁棒HDR视频水印嵌入提取方法，其特征是：根据比较结果以选取对应的帧图像之后，对选取的帧图像做进一步的筛选，具体方法如下：
获取帧图像中每个像素点RGB值；
将该帧图像全部的像素点RGB值进行逻辑运算以形成信息量判定值；
将信息量判定值与所预设的信息量判定阈值进行相互比较，若信息量判定值大于信息量判定阈值，则将该帧图像定义为高信息量帧图像；若信息量判定值小于等于信息量判定阈值，则将该帧图像定义为低信息量帧图像；将高信息量帧图像与低信息量帧图像均作为关键帧图像信息。


6.根据权利要求5所述...

【专利技术属性】
技术研发人员：骆挺，杜萌，宋洋，高巍，
申请(专利权)人：宁波大学科学技术学院，
类型：发明
国别省市：浙江;33