下载文档原格式
摘要数字隐写和隐写分析是信息安全领域的重要分支。
数字视频因其数据量大，能容纳密信数量多的特点，成为理想的隐写载体。
作为最新的视频编码标准，H.265/HEVC已逐步应用在互联网的各种产品中，因此研究以其为载体的隐写与隐写分析算法有重要的理论意义和实际应用价值。
运动矢量是视频帧间预测的产物，广泛存在于压缩视频中，由于其数据量大、嵌入密信后对视觉质量影响小，因此很适合进行信息隐藏。
但这些特性又很可能被不法分子用于传递秘密信息，策划犯罪活动，从而对社会安定和公共安全带来威胁。
因此研究基于运动矢量的视频隐写分析技术有迫切的需求和广阔的应用前景。
本文针对现有基于运动矢量的隐写分析算法的不足，结合H.265/HEVC的特点构造检测特征，从而实现隐写分析检测。
本文的主要研究工作和创新点如下：1、提出基于最优预测运动矢量的H.265/HEVC视频运动矢量隐写分析算法。
该算法利用H.265/HEVC运动估计过程中预测运动矢量在候选运动矢量数组中必然是最优的性质（即使得当前运动矢量编码比特数最小），提取特征进行隐写分析检测。
实验结果表明，该算法相对于现有的基于运动矢量相关性的隐写分析算法和基于运动矢量局部最优性的隐写分析算法有更高的检测率，且由于运动矢量是无损的，其检测结果不受视频码率的影响。
2、提出基于时空域特征自适应选择的H.265/HEVC视频运动矢量隐写分析算法。
该算法针对现有的基于运动矢量相关性的隐写分析方法仅提取空域（或时域）相关性特征或者简单地将空域相关性特征和时域相关性特征串联的不足，结合H.265/HEVC运动矢量预测的特点，自适应选择空域或时域相关性特征作为最终分类特征。
实验结果表明该算法能在不增加特征维数的基础上有效提高隐写分析检测率。
关键字：视频隐写分析；运动矢量；H.265/HEVC；相关性ABSTRACTDigital steganography and steganalysis are important branches of information security. Because of the large amount of data and the ability to accommodate a large number of secret information, digital video has become an ideal steganographic carrier. As the latest video coding standard, H.265/HEVC has been gradually applied to a variety of products in the Internet. The study of H.265/HEVC based steganography and steganalysis algorithms has important theoretical significance and practical value. The motion vector, as introduced by video inter prediction, is widely found in compressed video. Motion vectors provide a large amount of data and have very limited influence on the visual quality after message embedding, making them very suitable for information hiding. However, these features of motion vector are likely to be used for illegal purpose such as passing secret information to plan criminal activities. Therefore, the research on video steganalysis based on motion vector has an urgent demand and broad application prospects.To address the shortcomings of the existing motion vector based steganalysis algorithm, we employed the characteristics of H.265/HEVC to construct more efficient features for steganalysis detection. The main contributions of this work are as follows:1.We proposed an H.265/HEVC video steganalysis algorithm based on optimal predictive motion vector. The algorithm utilizes the property that the predictive motion vector is the optimal one (i.e. the one minimizing the number of coding bits of the current motion vector) in the candidate motion vector array during the H.265/HEVC motion estimation process. The experimental results show that the proposed algorithm has higher detection rate than the existing steganalysis algorithm based on motion vector correlation and the steganalysis algorithm based on local optimality of motion vector. Moreover, as the motion vector is lossless, the detection result is not affected by the video bitrate.2. We proposed an H.265/HEVC video steganalysis algorithm based on adaptive selection of temporal and spatial domain features.The existing steganalysis based on motion vector correlation only extracts the spatial domain (or time domain) correlation feature or simply concatenates the spatial domain correlation feature and the time domain correlation feature. The proposed algorithm utilizes the characteristics of H.265 / HEVC motion vectorprediction and adaptively select spatial or temporal correlation characteristics to form the final classification characteristics. The experimental results show that the proposed algorithm can improve the detection rate of steganalysis without increasing the feature dimension.Keyword: video steganalysis; motion vector; H.265/HEVC; correlation目录摘 要 (I)ABSTRACT (II)第一章 绪论 (1)1.1 研究背景和意义 (1)1.2 视频信息隐藏和隐藏分析概述 (2)1.2.1 信息隐藏和隐藏分析模型 (2)1.2.2 视频信息隐藏算法分类及性能指标 (2)1.2.3视频隐藏分析算法分类及性能指标 (4)1.3视频信息隐藏算法研究现状 (5)1.3.1 压缩前信息隐藏 (5)1.3.2 压缩过程中信息隐藏 (5)1.3.3压缩后信息隐藏 (7)1.4视频隐藏分析算法研究现状 (8)1.4.1 解码视频的隐写分析 (8)1.4.2 压缩域运动矢量隐写分析 (8)1.5本文研究工作和结构 (10)1.5.1 本文主要研究工作 (10)1.5.2 本文结构安排 (10)第二章 典型的运动矢量隐写和隐写分析算法 (12)2.1 典型的运动矢量隐写算法 (12)2.1.1 基于运动矢量幅值的隐写算法 (12)2.1.2 基于预测残差的隐写算法 (13)2.2 典型的运动矢量隐写分析算法 (14)2.2.1基于运动矢量相关性的隐写分析算法 (14)2.2.2 基于运动矢量局部最优性的隐写分析算法 (15)2.2.3 基于重压缩的隐写分析算法 (17)2.3 本章小结 (18)第三章 H.265/HEVC视频编码标准与运动矢量 (19)3.1 H.265/HEVC视频编码基本框架 (19)3.2 H.265/HEVC的新特点 (20)3.3 H.265/HEVC帧间预测与运动矢量 (22)3.4 H.265/HEVC中的运动矢量预测 (24)3.5 本章小结 (26)第四章 基于最优预测运动矢量的隐写分析算法 (27)4.1 算法原理 (27)4.1.1 运动矢量编码比特数计算 (28)4.1.2 隐写分析特征设计 (29)4.1.3 本章算法特征提取流程图 (31)4.1.4 本章特征适用性分析 (31)4.2 实验结果与分析 (32)4.2.1 实验环境设置 (32)4.2.2 实验结果 (33)4.3 本章小结 (38)第五章 基于时空域特征自适应选择的隐写分析算法 (40)5.1 运动矢量相关性 (40)5.2 隐写分析特征设计 (42)5.2.1 空域相关性特征 (42)5.2.2 时域相关性特征 (43)5.2.3特征自适应选择算法 (45)5.3 实验结果与分析 (48)5.4 本章小结 (51)总结与展望 (52)论文工作总结 (52)后续工作展望 (53)参考文献 (54)攻读硕士学位期间取得的研究成果 (59)致谢 (60)第一章绪论第一章绪论1.1 研究背景和意义随着信息技术的高速发展，有线与无线网络的带宽都在不断提高，图片、音频、视频等大数据量的多媒体文件广泛存在于互联网中。
一种基于运动矢量空间编码的 HEVC 信息隐藏方法李松斌;王凌睿;刘鹏;黄永峰【期刊名称】《计算机学报》【年(卷),期】2016(039)007【摘要】HEVC（High Efficiency Video Coding）是 ISO／IEC 和 ITU-T 联合制定的最新的视频编码标准，该文提出了一种基于运动矢量空间编码的 HEVC 信息隐藏方法。
文中首先给出了运动矢量空间的构建及编码方法，并定义了运动矢量集合与该空间中点的映射关系；其后，给出了通过修改运动矢量集合映射值进行信息隐藏的方法。
文中的方法实现了在 N 个运动矢量分量中最多改变一个分量即可嵌入一个2N ＋1进制数的效果，具有较高的嵌入效率。
此外，文中的方法仅选择CTU（Coding Tree Unit）中尺寸最小的 N／2个 PU（Prediction Unit）的运动矢量作为嵌入载体，使得隐写所引入的视频附加失真进一步减小并提升了隐写的透明性。
最后，通过实验证实了该文的方法可行且具有优良的性能，具有良好的应用前景；而且，该文通过构造虚拟空间进行信息隐藏，给出了一种提升视频信息隐藏算法嵌入效率的新途径。
%HEVC is the newest video coding standard jointly developed by ISO/IEC and ITU-T. This paper proposes an information hiding approach based on motion vector space encoding for HEVC video.This paper first introduces the motion vector space construction and encoding methods;then it defines the mapping relationship of motion vector set to the points in the motion vector space.And information hiding is realized by modifying the mapping value of the motion vector set.This method has a better embedding efficiency,because a 2N +1-ary numbercan be embedded by modifying mostly one element of a set with N motion vector components.Furthermore,only the motion vector components from the N/2 PUs with smallest sizes in a CTU can be selected as the secret information carrier,which reduces the video quality distortion caused by information hiding and improves the transparency of steganography.At the end of the paper,the experiments verify that this method is practicable and has excellent performance.Moreover,our method hides information by introducing the virtual space,and it gives a new way to how to heighten the embedding efficiency of video information hiding.【总页数】14页(P1450-1463)【作者】李松斌;王凌睿;刘鹏;黄永峰【作者单位】中国科学院声学研究所南海研究站海口 570105; 中国科学院声学研究所国家网络新媒体工程技术研究中心北京 100190;中国科学院声学研究所南海研究站海口 570105; 中国科学院声学研究所国家网络新媒体工程技术研究中心北京 100190;中国科学院声学研究所南海研究站海口 570105; 中国科学院声学研究所国家网络新媒体工程技术研究中心北京 100190;清华大学电子工程系北京100084【正文语种】中文【中图分类】TP309【相关文献】1.一种基于HEVC视频编码的快速运动估计方法 [J], 韩从道;许士芳2.一种基于SSIM的HEVC率失真优化编码方法 [J], 郑明魁;施隆照;杨秀芝;叶张帆3.一种基于三角形运动分块的HEVC视频编码方法 [J], 刘梅锋;钟国韵;徐洪珍4.基于关联网络模型的H.264/AVC运动矢量调制信息隐藏检测方法 [J], 李松斌; 杨洁; 刘鹏; 王凌睿5.一种基于CABAC的HEVC信息隐藏算法 [J], 王子晔;封化民;刘飚;黄啸晨;鱼海洋;葛鸽因版权原因，仅展示原文概要，查看原文内容请购买。
基于运动矢量直方图不变的数字视频隐写算法作者：郭朝江张敏情钮可来源：《计算机应用》2014年第10期摘要：针对现有基于运动矢量（MV）的数字视频隐写算法对载体直方图统计特性带来较大改变这一问题，提出一种基于运动矢量直方图不变的数字视频隐写算法。
利用保持直方图数据映射方法，把秘密信息隐藏在视频运动矢量中；同时，利用数据匹配编码对嵌入之前的秘密信息进行编码处理，得到了与视频运动矢量统计特征基本匹配的数据流，使算法接近于信息论下的完美安全。
实验结果表明：算法有效控制了运动矢量直方图的改变，同时码率的增加也被有效地控制在1%以内，隐写分析检出率平均下降了30%～50%。
关键词：视频隐写；运动矢量；直方图；匹配编码；数据映射中图分类号：TP391文献标志码：A引言随着网络和通信技术的发展，信息安全问题变得日益突出，传统的加解密不能解决全部的信息安全问题。
自20世纪90年代末，信息隐藏作为一门新兴的学科被提出来，在一定程度上解决和防止了数字化信息被篡改、仿造、盗版等问题。
数字隐写作为信息隐藏的一个重要分支，在隐秘通信上起到了很重要的作用。
数字隐写的载体通常为文本、图像、音频和视频。
一方面，视频相对于图像和音频具有更大的载体容量和更多的信息嵌入点；另一方面，以图像为载体的数字隐写的安全性也受到了越来越多的分析威胁。
所以，近年来，数字视频隐写成为学者们研究的热点。
H.264/AVC[1]作为新一代的视频压缩编码标准，不仅具有更高的编码效率，而且还有良好的网络亲和性，已经取得了越来越广泛的应用。
现有的针对H.264/AVC的数字隐写方法主要包括：基于运动矢量（Motion Vector， MV）进行信息嵌入[2-7]、基于量化后的整数变换系数[8]和基于帧内预测模式[9]进行信息嵌入。
运动矢量是在视频压缩过程中产生的，是视频数字隐写的重要嵌入点。
基于运动矢量的数字隐写方案的优点如下：只需要对视频流进行部分解码，信息的嵌入和提取的复杂度相对较低；对视频质量的影响较小，尤其是对主观视频质量影响更小，这是由视频编码的整个过程决定的。
利用运动向量差值改善深度学习视频隐写分析利用运动向量差值改善深度学习视频隐写分析摘要：随着互联网的快速发展，网络通信的隐私和安全性问题日益受到关注。
图像和视频隐写是一种常见的信息隐藏技术，旨在在不引起人眼注意的情况下将信息嵌入到图像或视频中。
然而，隐写分析作为一种重要的隐写检测手段，在面对深度学习技术的挑战时仍存在一定的局限性。
本文提出了一种利用运动向量差值改善深度学习视频隐写分析的方法，通过对运动向量的分析，有效增强对嵌入信息的检测能力。
1. 引言视频隐写是指将信息隐藏在视频中而不被察觉的技术，具有广泛的应用。
然而，随着深度学习技术的发展，传统的隐写分析方法在面对使用深度学习技术进行视频隐写时的效果并不理想。
因此，本文提出了一种基于运动向量差值的改进方法，旨在提高深度学习视频隐写分析的准确性和鲁棒性。
2. 相关工作隐写分析是一门复杂而关键的技术，通常使用特征提取和分类器构建两个核心步骤来实现。
而深度学习的引入使得隐写分析方法得到了有效提升。
然而，目前针对深度学习视频隐写分析的研究仍然相对有限。
因此，本文对相关的深度学习视频隐写分析方法进行了总结和评估。
3. 方法本文提出的方法基于运动向量差值，利用运动向量在视频中的特性来增强隐写分析的能力。
具体步骤为：（1）运动向量提取：利用光流法等方法提取视频中的运动向量。
（2）运动向量差值计算：计算相邻帧之间的运动向量差值，得到运动向量差值序列。
（3）特征提取：利用卷积神经网络(CNN)从运动向量差值序列中提取特征。
（4）分类器构建：使用训练好的深度学习模型构建分类器，可以通过监督学习方法进行训练。
4. 实验与结果为了验证本文提出方法的有效性，我们使用公开数据集进行了一系列实验。
实验结果表明，本文提出的方法在深度学习视频隐写分析中表现出了较高的准确性和鲁棒性。
与传统的隐写分析方法相比，本文方法在提取特征和构建分类器方面具有一定的优势。
5. 讨论与展望本文提出了一种基于运动向量差值的改进方法来改善深度学习视频隐写分析。
基于运动矢量分量差的视频隐写算法王珏;张敏情;杨晓元【期刊名称】《计算机工程》【年(卷),期】2011(037)023【摘要】This paper proposes a new video steganography algorithm based on the differences of motion vector components for H.264/AVC video compression standard. In view of the characteristics of Human Visual System(HVS), the algorithm filters the motion vectors which HVS is less sensitive to. It uses the difference between the chosen motion vectors components to control the operating position, and embeds secret message in the component. During embedding, only to modify the component with larger absolute value, and the operation is symmetric, so that the impact of the carrier's statistical properties is reduced. Theoretical analysis and experimental results show that the algorithm obtains the higher carrier utilization and embedding efficiency, and achieves the requirements of covert communication about the invisibility and capacity.%针对H.264/AVC视频压缩标准,提出基于运动矢量分量差的隐写算法.根据人眼视觉特性,筛选出入眼较不敏感的运动矢量,计算其分量差以控制嵌入操作的位置,并在选定的运动矢量分量中嵌入秘密信息.由于操作具有对称性,因此对视频质量的影响较小.理论分析和实验结果证明,该算法具有较高的载体利用率和嵌入效率,能够达到视频隐蔽通信对隐蔽性和隐写容量的要求.【总页数】4页(P135-137,140)【作者】王珏;张敏情;杨晓元【作者单位】武警工程学院信息安全研究所,西安710086;武警工程学院信息安全研究所,西安710086;西北工业大学计算机学院,西安710129;武警工程学院信息安全研究所,西安710086【正文语种】中文【中图分类】TP309【相关文献】1.基于相关性异常的H.264/AVC视频运动矢量隐写分析算法 [J], 王丽娜;王旻杰;翟黎明;任延珍2.基于宏块复杂度的自适应视频运动矢量隐写算法 [J], 王丽娜;徐一波;翟黎明;任延珍3.基于运动矢量直方图不变的数字视频隐写算法 [J], 郭朝江;张敏情;钮可4.基于运动矢量的视频隐写算法 [J], 唐洪琼;张英男;杨晓元5.博弈论模型下基于运动矢量的视频隐写算法 [J], 邱枫;钮可;陈培;李军因版权原因，仅展示原文概要，查看原文内容请购买。
