一、非压缩域数字视频中文字的检测与提取(论文文献综述)
姜孟杉[1](2019)在《鲁棒数字视频水印技术研究》文中进行了进一步梳理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三方备案,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。
陈延利[2](2019)在《视频信息隐藏及其在差错掩盖中的应用研究》文中提出随着多媒体通信技术和手持智能终端技术的迅速发展,视频由于其良好的可视性,成为多媒体通信的主力军。与图像相比,视频序列蕴含更加丰富的时间和空间信息,直接在网络上传输原始视频信息需要较大带宽。因此需要能去除视频序列信息冗余的视频编解码标准,利用视频序列帧内和帧间的相关性,最大限度地去除冗余并编码,形成在信道上传输的比特流。经过编码后的比特流对差错比较敏感,较小的差错或误差可能会产生解码后的可见视频质量下降。在传输信道中,受传输机制和信道状态的影响,存在丢包和误码,影响视频质量。目前,信道上传输的视频质量主要依赖于码流的鲁棒性以及信道和编码器的差错控制机制,然而这些并不能十分有效解决视频序列中的传输差错。利用信息隐藏的差错掩盖机制在编码端把反映视频帧特征的信息以最小的失真嵌入在视频帧,在解码端,使用提取的信息掩盖传输差错。在差错掩盖算法中,用以差错掩盖的信息越多,差错掩盖后视频质量越好。本文主要研究数字视频信息隐藏及其在视频差错掩盖中的应用,在此基础上深入研究信息隐藏算法中失真的优化以及差错掩盖质量提升问题。本文主要的研究贡献如下:1.提出了基于失真代价分配的自适应视频信息隐藏算法。由于视频序列统计特征以及编/解码标准的复杂性,视频信息隐藏算法的研究较少,而关于视频信息隐藏失真的研究更少。本文结合视频帧内图像的空间频率特性以及帧间相关性对人类视觉系统的影响,研究嵌入失真与纹理特征和帧间相关性之间的关系,其中帧间相关性既包括帧间的运动特性,也包括相邻帧之间的参考关系,本文用运动属性和帧序号表示。通过实验构建基于纹理特征和帧间相关性的失真代价函数,将所构建的失真代价分配函数应用于基于综合网格码(Syndrome-Trellis codes,STC)的嵌入方法,用有较小帧间失真漂移的QDCT(Quantization Discrete Cosine Transform,QDCT)系数组成承载信息的载体,用构建的失真代价函数为每个载体元素分配嵌入过程中修改带来的失真代价,实现最优失真的STC信息嵌入。最后,考虑到编码顺序,前面帧会作为后面帧的参考,为减少差错迭代,根据待嵌数据量的大小,自适应地根据每帧在视频序列编码过程中的参考作用嵌入数据,实现基于失真代价分配的视频信息隐藏算法。2.提出了基于压缩感知和信息隐藏的视频差错掩盖算法。通过分析视频序列帧间相关性和视频编码过程可知,运动残差和运动矢量是帧间相关性的主要体现,同时也是数据压缩的主要依据。其中,运动矢量是表示帧间相对运动轨迹的二维数据,冗余度较低。而运动残差是编码和传输的数据主体,是当前帧/块与参考帧/块像素的差值,由于参考块是选择最佳匹配块作为参考,因此运动残差通常较稀疏,且保持了原始帧内数据的冗余度。结合压缩感知对稀疏信号的压缩特性和重构特性,将运动残差作为稀疏信号,并在压缩后作为帧特征数据嵌入视频序列。同时为抵抗随机传输差错,一方面,将一个图像组(Group of Picture,GOP)内所有帧的运动残差压缩后置乱嵌入;另一方面,为防止传输过程中帧间的丢帧和帧顺序错乱,将帧标记与置乱后的数据一起作为待嵌数据嵌入视频帧,用以在恢复解码后的帧顺序错乱和丢帧差错。在解码端,提取数据并重构运动残差,结合集合论,用重构的运动残差和接收的运动残差定位差错位置并掩盖差错。3.提出了基于3DRDH的帧内差错掩盖算法。精确的差错掩盖技术需要精确而全面的帧信息,因此差错掩盖效果与能用来恢复差错的信息量成正比。但用于恢复差错的信息量太大,会造成嵌入信息后的视频帧质量严重下降。基于此,本文提出具有最小嵌入失真并基于直方图平移的3维可逆信息隐藏(3-Dimensions Reversible Data Hiding,3DRDH)算法,在有限的载体上以较小的失真嵌入更多的数据。与目前已有的3DRDH相比,本算法中提出的3DRDH有更好的嵌入容量-失真性能。而运动矢量也因其数据量小,呈以零点为中心的高斯分布的特点,将其做为待嵌信息。为了抵抗随机信道差错,提高差错掩盖的鲁棒性,并根据用户对视频质量要求,对运动矢量复制,并将这些复制品和原始的运动矢量一起置乱,用提出的3DRDH嵌入在QDCT系数中。在接收端,在反量化操作前提取出信息并恢复原始的QDCT系数,用恢复的运动矢量定位匹配块并掩盖传输差错。
李强军[3](2018)在《基于内容的视频版权保护研究》文中研究说明多媒体技术的快速发展促使数字视频的生产水平大力提升,数字视频的创作、传播、存储的自由度也越来越高。数字视频给人们带来便捷的同时,多媒体视频版权合法性的问题也越来越突出,视频版权维护面临的问题也越来越复杂。不法分子利用各种先进的视频编辑处理软件,非常方便的篡改原始视频,严重损害了视频版权所有者的合法利益。面对复杂的网络视频,有效维护数字视频合法版权不仅是营造良好的互联网环境的重要基础,也是对互联网中每一个合法权益者的一种保护,更是进一步推动互联网环境公平、公正、和谐、美丽、有序发展的基础。一般在数字视频版权保护中,系统性的数字版权保护模型,不但涉及到内容的验证,而且对视频的预处理有较高的要求。因此,基于视频版权保护关键技术的实现,是维护数字视频版权合法性的重中之重。本文针对视频版权保护关键技术中的视频镜头分割,关键帧的提取和视频数字水印的嵌入提取进行重点研究,主要的内容包括:(1)针对镜头分割提出了一种改进后的基于自回归模型和互信息量的镜头分割方法,选用HSV直方图特征向量,在此基础上计算两帧的互信息量并转换成相似度值,然后通过计算的相似度值建立自回归模型求取出判异决策值,从而获得自适应阈值,最后结合产生的阈值和设定的帧时间窗口确定镜头边界,从而对视频镜头进行分割。实验验证表明该算法具有良好的检测效果,对镜头分割的整体性能有一定的提高。(2)在关键帧提取中为了减轻运算的复杂度,采用基于互信息量的方法进行关键帧的提取,提出了一种改进后的基于互信息量均方差的关键帧提取算法,首先通过计算互信息量的均方差,然后将均方差值与给定的阈值进行比较,如果大于阈值,则按照镜头中帧数的比例进行关键帧的选取,如果小于阈值,则取镜头中的首、尾,中间帧作为关键帧,从而实现关键帧的提取。该算法易于实现,实验表明该算法具有良好的关键帧提取效果。(3)为了能够比较好的应对攻击者对嵌入的水印信息破坏,提出了一种改进后的基于HVS的DCT域关键帧自适应数字水印算法,通过将水印信息进行置乱,并且在置乱过程中尽可能的减少了计算量和絮乱度,从而实现了水印信息的嵌入提取。实验表明该算法复杂度较低,水印检测结果准确,具有良好的水印保护效果。
李倩[4](2017)在《数字视频取证关键技术研究》文中进行了进一步梳理多样化的数字视频信息给人们的生活和工作带来不少方便和乐趣,然而不乏心怀叵测之人为达到切身利益,采用视频编辑软件对视频文件肆意修改,带来了信息安全上的诸多问题。因此有效鉴别数字视频的原始性、完整性和真实性是数字视频安全的重要保障。数字视频取证技术正是这样一种客观、公正、能够澄清事实真相的验证技术,其关键技术从技术手段上可以划分为主动取证和被动取证两个方面。主动取证技术通过事先添加的附加信息实现对数字视频完整性和真实性的鉴别,其中最具代表性的是数字水印技术。而被动取证技术是指在没有任何附加信息的情况下,通过一定技术手段对视频进行取证,其主要任务包括对视频的来源,视频的压缩历史,视频内容的真实性进行分析和取证。本论文对数字视频取证技术中的关键问题展开了研究与探索,围绕利用数字水印的主动取证技术,视频二次压缩检测,视频内容篡改被动检测开展了研究工作,主要研究内容包括以下几个方面。1、基于数字水印的主动取证方法研究。通过充分挖掘编码数据的冗余,提出了两种检测算法。首先,基于对视频帧间预测编码过程的分析,发现帧间宏块存在着大量的非零运动矢量,且对信号的处理比较敏感。我们选择P、B宏块亮度分量的运动矢量残差区域(MVD)嵌入水印信息,为了增强不可见性,将水印嵌入到纹理复杂度高的区域,并且限制所选MVD的大小。取证方可根据嵌入规则提取水印信息,并检验该水印信息的完整性,从而判断待测视频是否遭受了篡改。其次,基于对CAVLC熵编码编码码字过程的分析,在编码非零系数幅值level的过程中,通过设置替换规则,修改相应的码字信息将水印嵌入到I帧4×4块量化DCT系数的码字中,替换规则充分结合了语法元素level的编码码字规律。取证方对待侧视频做熵解码,按照嵌入规则提取水印信息,用来验证视频是否被篡改。实验结果表明提出的两种水印算法具有较好的不可感知性和脆弱性,能够有效的检测所测视频是否遭受过篡改,与已有算法相比具有更好的不可见性。2、数字视频二次压缩检测方法研究。本文以最新视频编码标准H.265/HEVC为研究对象,通过分析压缩编码过程中量化参数QP对编码块模式划分和量化环节的影响,提出了两种检测算法。首先,分析了二次压缩对视频的相邻DCT系数相关性的影响,基于单压和双压视频相邻DCT系数相关性的差异,利用DCT系数构造共生矩阵及其相关高阶统计量特征,实现视频二次压缩检测。其次,为了降低特征维数,通过分析H.265/HEVC视频CTU编码单元的编码模式划分选择过程,提取TU尺寸大小和DCT系数的统计量融合特征,构造了低维度特征的检测方法。实验结果表明算法在数据运算量、特征维度和检测准确率方面均具有较好的性能。3、视频内容篡改被动检测方法研究。针对两种不同的视频内容篡改操作分别提出了检测方法。第一种方法针对删除视频对象的篡改操作。首先采用对称帧差法检测运动对象删除区域,用来对篡改后未压缩的视频进行检测。其次,由于目前大多数算法的检测效果都易受压缩操作的影响,因此对于篡改后又压缩的视频,本文通过检测视频帧光流方向的不一致性判断视频帧是否遭受篡改。实验结果表明提出的算法能够在时域和空域上对篡改区域进行定位,具有很好的抗压缩能力。第二种方法用来检测以视频帧为单位的插入/删除的篡改操作。首先提取视频的特征值,构造特征曲线,然后利用K-Means聚类算法对篡改操作引起的特征异常点进行聚类,能够有效的检测出帧篡改操作并且能够进行准确定位。利用聚类的方法避免了阈值检测法中不同阈值对检测准确率的影响,达到更加稳定的检测效果。
姚远志[5](2017)在《数字视频信息隐藏理论与方法研究》文中研究说明信息隐藏技术具有悠久的历史。在数字时代,信息隐藏是一种将数据嵌入到文本、音频、图像和视频等数字媒体中的技术。当用户在知晓数据嵌入算法和数据嵌入密钥的情况下,可以从承载数据的数字媒体中提取出嵌入的数据。作为一种应用型技术,信息隐藏在维护数字媒体内容安全中发挥了显着的作用。视频已成为当前网络中最流行的媒体之一,是方便使用的信息载体。然而,相比于图像信息隐藏,视频信息隐藏的研究尚处于初等阶段,仍有很多关键的科学问题需要分析和解决。因此,研宂有效的数字视频信息隐藏理论与方法具有重要的意义和价值。本文在分析视频编码中适用于信息隐藏的相关理论的基础上,研宄了相应的视频信息隐藏方法。本文的主要工作与创新点如下:1.提出了用于视频自适应错误隐藏的可逆信息隐藏方法。为了增强在网络中存在误码、丢包或受到恶意攻击的信道环境下的视频传输的鲁棒性,提出了一种用于视频自适应错误隐藏的可逆信息隐藏方法。在研究该方法的同时分析并验证了视频DCT系数拉普拉斯概率分布理论,说明了在视频量化DCT系数中嵌入数据能够获得足够的嵌入容量,为后续的方法作理论铺垫。该方法将运动强度大于预先设定阈值的宏块列入感兴趣区域(Region ofInterest,ROI),使用直方图平移技术将感兴趣区域宏块的运动矢量嵌入到背景区域宏块的量化DCT系数中。当感兴趣区域宏块丢失时,解码器可以从背景区域宏块中提取运动矢量用于感兴趣区域宏块的恢复。实验结果表明该方法与已有的相关方法相比具有更好的错误隐藏效果。2.提出了使用最小化嵌入失真原则的视频隐写方法。根据隐写方法设计中的最小化嵌入失真原则,提出了一种使用最小化嵌入失真原则的视频隐写方法。该方法为运动矢量定义合理的嵌入失真函数,反映因嵌入秘密消息带来的嵌入影响,再使用STC编码(Syndrome-Trellis Codes)进行秘密消息嵌入。该失真函数充分体现运动矢量的空时域相关特性,从而抵抗从不同角度提取特征的视频隐写分析方法的检测。设计失真函数时考虑了两个重要因素,分别是运动矢量统计分布变化(Statistical Distribution Change,SDC)和运动矢量预测误差变化(Prediction Error Change,PEC)。基于最小化嵌入失真原则,该方法在设计失真函数时分析了视频重压缩过程中的运动矢量复原理论。该理论说明了将运动矢量预测误差变化用于失真函数设计的合理性。实验结果表明该方法的抗检测性能优于已有的相关视频隐写方法,同时能够获得较好的视频编码质量。3.提出了抑制帧间失真漂移的加密视频可逆信息隐藏方法。为了保护用户的隐私,视频需要在云端服务器中加密存储。针对云端服务器对加密视频的管理和认证问题,提出了一种抑制帧间失真漂移的加密视频可逆信息隐藏方法。在视频加密阶段,该方法对帧内预测模式、差分运动矢量和部分量化DCT系数进行加密,有效地置乱视频内容,并不会造成加密视频的比特率增加。在数据嵌入阶段,首先提出了信息隐藏条件下的视频帧间失真漂移理论。根据该理论计算了修改4x4尺寸的变换块内不同量化DCT系数引入的嵌入失真并将数据以不同的优先级嵌入到量化DCT系数中,从而抑制帧间失真漂移。该方法使用双边直方图平移实现可逆信息隐藏。实验结果表明该方法较已有的相关方法在解码重构视频质量上有显着的提高。4.提出了用于纹理视频和深度图编码的可逆信息隐藏方法。为了支持3-D视频和自由视点视频应用,需要研究有效的纹理视频和深度图编码方法。为了保证深度图的传输安全,提出了一种用于纹理视频和深度图编码的可逆信息隐藏方法。该方法沿用了信息隐藏条件下的视频帧间失真漂移理论,将深度视频比特流嵌入到相应的纹理视频中。在编码端,首先下采样并压缩深度图得到深度视频比特流,再将深度视频比特流可逆地嵌入到相应的纹理视频比特流中。在解码端,可以实现深度图的可伸缩质量重构和纹理视频的无损恢复。实验结果表明该方法与已有的相关方法相比具有更好的视频呈现质量和编码效率。
张婷[6](2017)在《基于量化调制的鲁棒视频水印研究》文中研究说明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,主要内容有以下三个方面:(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。
黄环[7](2014)在《视频拷贝检测算法研究》文中指出随着数字视频技术快速发展和日益广泛的应用,在各种视频数据库中存在着大量的经过各种变换处理的视频副本,他们内容相似但形式不同,进而对数字视频版权保护与内容管理技术产生了迫切的需求。基于内容的视频拷贝检测(Content-based video copy detection,CBCD)作为一项重要的数字视频版权保护与内容管理技术,逐渐成为国内外研究的热点。本文通过分析现有视频拷贝检测算法存在的问题,在像素域和变换域两个方面对视频拷贝检测算法进行研究,提出了三种具有较好检测性能的算法。论文的主要工作如下:在像素域,根据全局特征和局部特征提出一种基于SIFT特征和OM特征结合的视频拷贝检测方法。一方面在视频帧特征描述上,采用SIFT特征点顺序度量,代替传统OM算法中的平均亮度顺序度量的方法;另一方面在帧图像分块上,改进传统的OM算法,采用4x2和2x4两种分块方式。实验结果表明,该方法不仅对多种拷贝攻击具有较好的鲁棒性,而且查全率和查准率都得到提高。由于视频数据库中的视频大都以压缩形式存在着,上述像素域的视频拷贝检测算法需要将视频进行完全解码,时间复杂度较高,为了提高视频拷贝检测的速度,提出一种基于变换域的视频拷贝检测方法。该方法首先对压缩视频码流的I帧进行部分解码,得到I帧的变换域系数,并依此构建约简图像来代表视频关键帧;在此基础上进行上述的SIFT和OM联合特征提取,从而实现视频拷贝检测。实验结果证明,该方法在保证拷贝检测精度不降低的情况下能够使视频拷贝检测的速度得到大幅提升,比像素域的方法检测速度提高6.34倍。最后,为了进一步提高视频拷贝检测的性能,论文提出一种视频拷贝检测系统的优化方案,采用三级级联结构,第一级采用基于SIFT特征和OM特征结合的视频拷贝检测方法检测简单的、常见的全局和局部拷贝变换;为了应对画中画的拷贝变换,第二级采用SIFT特征匹配的方法;为了应对水平翻转的拷贝变换,提出一种新的基于圆环分区的SIFT特征点顺序度量的特征提取方法,应用于视频拷贝检测系统的第三级。实验结果表明,本优化方案能够获得较高的视频拷贝检测精度。
董越[8](2014)在《视频中的文字提取技术》文中研究指明视频中的高层语义信息很大程度上体现了视频的内容,而在视频中,文字信息均包含了丰富的高层语义信息。如若这些文字能被自动地检测、分割和识别出来,则对图像高层语义的自动理解、索引和检索是非常有价值的。视频的文字提取系统主要分为四个部分,文字事件检测、文字区域定位、文字分割与字符识别。本文针对文字区域定位与文字分割的算法进行研究。首先在文字区域定位算法方面,本文提出了两种算法,一种是基于小波变换的定位算法,运用了角点响应图像和小波变换高频子带综合图像,提取统计特征向量并作分类,然后利用字符的特征设定启发式规则来筛选误判区域,由于运用无监督学习的分类方法,该算法避免了样本训练等步骤。另一种是基于Gabor变换的定位算法,针对中文文字的定位,由于中文的笔画主要分布在四个方向,综合不同尺度的Gabor变换分类结果,得到比较理想的文字区域,实验表明,即使在检测定位低对比度的文字区域时,该算法也有比较好的稳定性。另一方面,文字分割是在文字定位之后、识别之前的关键步骤,为了从OCR得到更好的识别结果,文字分割要把文字区域的背景像素与文字像素分隔开。本文在文字分割方面提出一种基于彩色空间的文字分割算法,利用了经典的OTSU(大津法)和RGB彩色空间对像素先进行初步分类,再运用K-means聚类算法再对初步划分为文字像素的区域作分类,最终获取很干净的文字像素二值图像。实验表明,与其他经典的阈值类算法相比,该算法有更好的分割结果。
万腾[9](2013)在《面向流媒体的视频水印技术研究》文中进行了进一步梳理近年来,各种以流媒体技术为核心的产业,如视频点播、网络电视、视频分享网站等飞速发展,而流媒体视频的版权保护问题也日益严重。视频水印技术是一种有效的版权保护手段。但是,流媒体视频水印除了要具有不可感知性等传统视频水印的一些基本特点,还必须能够适应具体的应用环境。例如,在视频点播应用中,为了能够识别出非法拷贝视频的叛逆用户,需要将用户标识信息快速的嵌入视频,水印嵌入需要具有实时性;在社交网站中,每天会上传大量的视频,为了对这些视频进行版权保护,水印嵌入不能影响网站的正常运行,且水印在经过网站对视频的各种处理后还应该能够被正确提取。因此,针对视频点播和社交网站中的流媒体视频,分别提出了两种视频水印算法。论文的主要工作如下:(1)为了对视频点播中的视频进行盗版追踪,提出了一种基于运动矢量的实时视频水印算法,可将用户标识信息快速的嵌入视频。算法提出帧的水印嵌入裕度的概念,通过计算每个视频B帧的水印嵌入裕度,不需要完整解码该帧,只需获得其比特数,即可快速选出适合嵌入水印的B帧。针对H.264采用可变宏块编码的特点,给出一个可快速计算出宏块视觉屏蔽阈值(Just Noticeable Difference, JND)的简化公式。算法选择B帧中JND值较大的宏块,将水印嵌入其运动矢量。实验结果表明,算法能够快速的寻找到合适的水印嵌入位置,缩短水印嵌入时间,且不可感知性较好,视频嵌入水印后的码率变化较小。算法能够在视频点播应用中实时嵌入水印。(2)为了保护社交网络中视频的版权,维护视频制作者的合法权益,提出了一种基于视频区域的离散余弦变换(Discrete Cosine Transform, DCT)系数的视频水印算法。算法对视频帧进行区域划分,通过计算每个区域的能量,选择合适的视频区域DCT系数进行水印嵌入,水印被分散嵌入到多个宏块,增强了水印的鲁棒性。视频区域DCT系数的修改采用了动态的量化步长,提高了水印的不可感知性。算法在视频制作者对视频转码压缩的同时进行水印嵌入,避免了视频的二次解码压缩。水印嵌入由视频制作者完成,不会对网站的正常运行造成影响。实验结果表明,水印在经历缩放、重量化、码率转换等操作后能够被正确提取,同时视频嵌入水印后质量不会明显下降。算法能够应用于社交网络视频的版权保护。
张瑞年[10](2012)在《基于SIFT特征的视频拷贝检测技术研究与实现》文中指出视频拷贝检测技术作为数字视频版权保护的一种有效手段,其核心问题是视频特征信息的提取和匹配算法。采用鲁棒性及区分性更好的视频图像特征将有利于视频信息的准确表达,并能进一步改善视频拷贝检测效果。目前,关键帧匹配框架下的非压缩域和压缩域视频拷贝检测方法均存在因视频数据时域和空域信息利用不充分而造成的视频特征鲁棒性和可区分性较差的问题;同时基于局部特征的视频拷贝检测也存在高复杂度的问题。本文针对上述问题展开专门研究。SIFT特征是当前公认的性能较好的图像局部点特征。论文以连续视频帧图像SIFT特征的时空特性入手,针对视频特征鲁棒性和可区分性较差的问题,提出了基于非压缩域的时空联合SIFT特征视频拷贝检测方法;针对非压缩域方法的高复杂度问题,通过在DCT域构造约简图像,提出了基于DCT域的时空联合SIFT特征视频拷贝检测方法;最后,设计了DCT域与非压缩域级联的视频拷贝检测系统,实现了较高检测精度和检测速度的结合。本文的主要创新点包括:1)提出了一种非压缩域的时空联合SIFT视频特征以及对应的视频拷贝检测方法。在对连续视频序列进行SIFT特征时空特性分析的基础上,以帧间SIFT特征匹配数量关系为切入点,提出了基于SIFT特征的镜头检测技术和“局部趋同、全局异化”的时空联合SIFT视频特征提取方法,并进而现了非压缩域的时空联合SIFT特征视频拷贝检测。实验证明,与当前较为流行的OM方法相比,本文提出的方法具有较高的检测精度。2)提出了一种DCT域的约简图像SIFT特征提取算法,并在此基础上实现了DCT域的视频拷贝检测。从DCT变换入手,首先对图像DCT系数进行“约简”处理,构造并提取DCT域约简图像SIFT特征,并进而实现了DCT域的时空联合SIFT特征视频拷贝检测。实验表明,该方法能在牺牲一定检测精度的前提下大幅提高视频拷贝检测的速度。3)设计了一种DCT域和非压缩域级联的时空联合SIFT特征视频拷贝检测系统。鉴于DCT域方法具有高检测速度以及非压缩域方法具有较高检测精度,本文设计了具有初级过滤筛选和二级深层检测功能的DCT域和非压缩域的时空联合SIFT特征的级联式视频拷贝检测系统,并采用“反馈优先索引”的方法对数据库匹配进行了优化。实验表明,级联式的视频拷贝检测系统实现了DCT域方法与非压缩域方法的优势互补,具有较高检测精度和较低检测时间。
二、非压缩域数字视频中文字的检测与提取(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、非压缩域数字视频中文字的检测与提取(论文提纲范文)
(1)鲁棒数字视频水印技术研究(论文提纲范文)
摘要 |
abstract |
缩略词表 |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 数字水印的研究历史与现状 |
1.3 数字水印的应用领域 |
1.4 本文的主要工作 |
1.5 本论文的结构安排 |
第二章 视频水印技术概述 |
2.1 引言 |
2.2 视频水印技术分类 |
2.2.1 传统视频水印技术 |
2.2.2 零水印技术 |
2.3 视频水印的攻击类型 |
2.4 视频水印的要求 |
2.5 视频水印的评价标准 |
2.5.1 鲁棒性评价标准 |
2.5.2 不可见性评价标准 |
2.6 本章小结 |
第三章 抗几何攻击的视频零水印算法 |
3.1 引言 |
3.2 视频特征的构造 |
3.3 零水印的构造与检测 |
3.4 实验结果 |
3.4.1 独特性 |
3.4.2 鲁棒性 |
3.4.2.1 旋转 |
3.4.2.2 裁剪 |
3.4.2.3 尺度缩放 |
3.4.2.4 其他视频处理攻击 |
3.4.2.5 组合攻击 |
3.5 本章小结 |
第四章 基于分块DCT的视频水印算法 |
4.1 引言 |
4.2 水印嵌入 |
4.2.1 单帧图像水印嵌入 |
4.2.2 完整的视频水印嵌入算法 |
4.3 水印提取 |
4.3.1 单帧图像水印提取 |
4.3.2 译码算法 |
4.3.3 水印检测 |
4.3.4 完整的视频水印提取算法 |
4.4 实验结果 |
4.4.1 不可见性 |
4.4.2 鲁棒性 |
4.4.2.1 帧复制与帧删除 |
4.4.2.2 帧率改变 |
4.4.2.3 码率改变 |
4.4.2.4 其他视频处理攻击 |
4.5 本章小结 |
第五章 全文总结与展望 |
5.1 全文总结 |
5.2 后续工作展望 |
致谢 |
参考文献 |
(2)视频信息隐藏及其在差错掩盖中的应用研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 视频信息隐藏及差错掩盖技术研究现状 |
1.2.1 视频信息隐藏的国内外现状分析 |
1.2.2 视频差错掩盖研究现状 |
1.2.3 视频信息隐藏在差错掩盖中的应用现状 |
1.3 本文的内容及结构 |
第2章 基础知识 |
2.1 数字视频 |
2.1.1 数字视频编码原理 |
2.1.2 数字视频编码技术及标准的发展演变 |
2.2 视频信息隐藏技术概述 |
2.2.1 直方图平移 |
2.2.2 扩展频谱 |
2.2.3 位平面代换 |
2.2.4 差值扩展 |
2.2.5 最小嵌入失真 |
2.3 视频通信中的差错掩盖技术及其性能评价标准 |
2.3.1 视频通信中的差错掩盖技术 |
2.3.2 视频信息隐藏技术的性能评价标准 |
2.4 本章小结 |
第3章 基于失真代价分配的自适应视频信息隐藏算法 |
3.1 引言 |
3.2 研究动机 |
3.3 提出的视频信息隐藏算法 |
3.3.1 载体数据的生成 |
3.3.2 代价分配函数 |
3.3.3 信息隐藏算法 |
3.4 实验结果与分析 |
3.4.1 实验环境 |
3.4.2 缩放因子的讨论 |
3.4.3 视觉质量 |
3.4.4 与其他算法的对比 |
3.5 本章小结 |
第4章 基于压缩感知和信息隐藏的视频差错掩盖算法 |
4.1 引言 |
4.2 压缩感知 |
4.3 提出的差错掩盖算法 |
4.3.1 嵌入信息生成 |
4.3.2 用于差错掩盖的信息隐藏 |
4.3.3 信息提取 |
4.3.4 差错掩盖 |
4.4 实验结果与分析 |
4.4.1 阈值选择 |
4.4.2 下采样对重构残差的影响 |
4.4.3 传输透明性 |
4.4.4 差错掩盖性能 |
4.4.5 差错掩盖性能的分析与比较 |
4.4.6 更多视频序列的差错掩盖性能比较 |
4.5 本章小结 |
第5章 基于3DRDH的移动云环境下的帧内差错掩盖算法 |
5.1 引言 |
5.2 提出的3D可逆信息隐藏方案 |
5.3 提出的基于3DRDH的差错掩盖算法 |
5.3.1 生成待嵌信息 |
5.3.2 信息嵌入与提取 |
5.4 实验结果与分析 |
5.4.1 实验环境 |
5.4.2 嵌入失真 |
5.4.3 差错掩盖性能分析 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 论文工作总结 |
6.2 后续研究工作展望 |
致谢 |
参考文献 |
攻读博士学位期间发表的学术论文及科研成果 |
(3)基于内容的视频版权保护研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题背景及意义 |
1.1.1 研究背景 |
1.1.2 研究的意义 |
1.2 国内外研究现状 |
1.3 主要研究内容 |
1.4 论文组织结构 |
2 视频版权保护基础 |
2.1 视频数据的特点 |
2.2 视频的组织结构 |
2.3 视频版权保护原理 |
2.4 本章小结 |
3 自适应阈值镜头分割方法研究 |
3.1 视频镜头分割基础 |
3.1.1 视频镜头的切换类型 |
3.1.2 视频镜头分割的性能评价 |
3.2 镜头边界检测技术 |
3.2.1 突变镜头检测方法 |
3.2.2 渐变镜头检测方法 |
3.3 改进的基于互信息量和自回归模型的镜头分割方法 |
3.3.1 信息熵与互信息量 |
3.3.2 图像的互信息量 |
3.3.3 自回归模型 |
3.3.4 改进的基于互信息量和自回归模型的镜头分割方法 |
3.3.5 实验结果与分析 |
3.4 本章小结 |
4 关键帧提取方法研究 |
4.1 关键帧提取技术 |
4.1.1 关键帧选取原则 |
4.1.2 关键帧提取的典型方法 |
4.2 关键帧提取的评价指标 |
4.3 改进的基于互信息量均方差关键帧提取方法 |
4.3.1 算法基本思想 |
4.3.2 算法基本流程 |
4.3.3 实验结果与分析 |
4.4 本章小结 |
5 基于数字水印的视频版权保护研究 |
5.1 数字水印的基本概念 |
5.1.1 视频数字水印的特点 |
5.1.2 视频数字水印的分类 |
5.1.3 视频数字水印的评价与攻击 |
5.2 视频数字水印的生成 |
5.3 改进的基于HVS的DCT域关键帧自适应数字水印算法 |
5.3.1 视频数字水印的嵌入 |
5.3.2 视频数字水印的提取 |
5.3.3 实验结果与分析 |
5.4 本章小结 |
结论 |
致谢 |
参考文献 |
攻读学位期间的研究成果 |
(4)数字视频取证关键技术研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 数字视频取证技术概述 |
1.2.1 常见的视频篡改手段 |
1.2.2 数字视频取证技术 |
1.3 数字视频取证技术研究现状 |
1.3.1 数字视频水印技术 |
1.3.2 数字视频来源检测 |
1.3.3 视频压缩历史检测 |
1.3.4 视频内容篡改检测 |
1.3.5 存在的问题 |
1.4 本文研究内容与主要研究成果 |
1.5 本文结构安排 |
2 基于数字水印的视频主动取证算法 |
2.1 H.264/AVC视频压缩编码技术 |
2.1.1 视频编码标准发展进程 |
2.1.2 H.264/AVC编码框架与结构 |
2.1.3 H.264/AVC关键技术 |
2.2 基于帧间运动矢量的视频水印主动取证算法 |
2.2.1 水印嵌入位置的选择 |
2.2.2 水印嵌入规则 |
2.2.3 水印的提取 |
2.2.4 实验结果与篡改检测 |
2.3 基于CAVLC熵编码的视频水印主动取证算法 |
2.3.1 CAVLC编码过程 |
2.3.2 提出的水印算法 |
2.3.3 水印的嵌入及提取 |
2.3.4 实验结果与篡改检测 |
2.4 本章小结 |
3 数字视频二次压缩检测算法 |
3.1 H.265/HEVC的改进之处 |
3.1.1 灵活的编码结构 |
3.1.2 改进的预测编码技术 |
3.2 基于共生矩阵的H.265/HEVC视频二次压缩检测算法 |
3.2.1 不同QP下压缩对DCT系数分布的影响 |
3.2.2 共生矩阵 |
3.2.3 特征提取 |
3.2.4 二次压缩检测流程 |
3.2.5 实验结果与分析 |
3.3 基于变换单元TU的H.265/HEVC视频二次压缩检测算法 |
3.3.1 编码模式选择过程 |
3.3.2 不同QP下压缩对变换块TU分布的影响 |
3.3.3 特征提取 |
3.3.4 实验结果与分析 |
3.4 本章小节 |
4 基于视频修复痕迹的运动对象删除篡改的检测算法 |
4.1 篡改软件工作原理 |
4.2 篡改后未压缩视频检测算法 |
4.2.1 对称帧差检测方法 |
4.2.2 实验结果与分析 |
4.3 篡改后压缩视频检测算法 |
4.3.1 光流法及光流方向一致性分析 |
4.3.2 空域检测及定位 |
4.3.3 时域定位 |
4.3.4 实验结果与分析 |
4.4 本章小节 |
5 基于二维相位一致性和K-Means聚类的视频帧间篡改的检测算法 |
5.1 基于二维相位一致性提取视频特征 |
5.1.1 二维相位一致性 |
5.1.2 相邻帧间相关系数 |
5.1.3 连续帧间相关系数的商 |
5.2 利用K-Means聚类检测视频篡改 |
5.2.1 K-Means聚类算法 |
5.2.2 原始视频特征及聚类效果 |
5.2.3 帧插入篡改后视频特征及聚类效果 |
5.2.4 帧删除篡改后视频特征及聚类效果 |
5.2.5 多次插入/删除篡改后视频特征及聚类效果 |
5.3 实验结果与分析 |
5.3.1 实验数据库 |
5.3.2 评价标准 |
5.3.3 实验结果 |
5.3.4 时间复杂度分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 本文工作总结 |
6.2 未来工作展望 |
参考文献 |
在学研究成果 |
致谢 |
(5)数字视频信息隐藏理论与方法研究(论文提纲范文)
摘要 |
ABSTRACT |
主要符号对照表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究与发展现状 |
1.3 论文的主要工作与创新点 |
1.4 论文的结构安排 |
第二章 基础知识 |
2.1 视频编码原理 |
2.1.1 数字视频的获取与表达 |
2.1.2 视频的压缩编码 |
2.2 视频编码标准简介 |
2.3 视频信息隐藏基本技术概述 |
2.3.1 比特位替换 |
2.3.2 扩展频谱 |
2.3.3 直方图平移 |
2.3.4 差值扩展 |
2.3.5 模式匹配 |
2.3.6 数据嵌入编码 |
2.4 本章小结 |
第三章 用于视频自适应错误隐藏的可逆信息隐藏方法 |
3.1 视频DCT系数拉普拉斯概率分布理论 |
3.2 自适应感兴趣区域判定与宏块片组划分 |
3.3 运动矢量嵌入与提取 |
3.4 视频错误隐藏性能分析 |
3.5 实验结果与讨论 |
3.6 本章小结 |
第四章 使用最小化嵌入失真原则的视频隐写方法 |
4.1 最小化嵌入失真原则 |
4.2 视频重压缩过程中的运动矢量复原理论 |
4.3 失真函数定义 |
4.4 视频隐写方法实现 |
4.5 实验结果与讨论 |
4.5.1 视频测试序列集 |
4.5.2 训练和分类 |
4.5.3 失真函数参数决定 |
4.5.4 视频隐写方法的抗检测性能 |
4.5.5 隐写对视频质量和压缩效率的影响 |
4.6 本章小结 |
第五章 抑制帧间失真漂移的加密视频可逆信息隐藏方法 |
5.1 信息隐藏条件下的视频帧间失真漂移理论 |
5.2 视频加密 |
5.2.1 帧内预测模式加密 |
5.2.2 差分运动矢量加密 |
5.2.3 量化DCT系数加密 |
5.3 数据嵌入与数据提取 |
5.3.1 数据嵌入 |
5.3.2 数据提取与视频恢复 |
5.4 实验结果与讨论 |
5.4.1 视频加密方法的安全性 |
5.4.2 载密视频的质量 |
5.4.3 视频可逆信息隐藏对压缩效率的影响 |
5.4.4 视频可逆信息隐藏方法的鲁棒性讨论 |
5.5 本章小结 |
5.6 本章附录 |
第六章 用于纹理视频和深度图编码的可逆信息隐藏方法 |
6.1 深度图下采样与压缩 |
6.2 深度视频比特流嵌入与提取 |
6.3 基于纹理视频的深度图重构 |
6.4 实验结果与讨论 |
6.4.1 载密纹理视频的质量 |
6.4.2 纹理视频和深度图编码的压缩效率 |
6.4.3 重构深度图的质量 |
6.4.4 合成视角的质量 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 工作总结 |
7.2 未来工作 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
(6)基于量化调制的鲁棒视频水印研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 本文的主要工作 |
1.4 本文的结构安排 |
第2章 数字视频水印的基本理论 |
2.1 数字视频水印的基本模型 |
2.2 数字视频水印的典型嵌入算法 |
2.2.1 离散余弦变换 |
2.2.2 离散小波变换 |
2.3 数字视频水印的基本要求 |
2.4 本章小结 |
第3章 关键帧提取方法 |
3.1 高斯混合模型 |
3.2 人类视觉系统 |
3.3 关键帧提取方法 |
3.3.1 基于DCT和GMM的关键帧提取方法 |
3.3.2 基于DWT和HVS的关键帧提取方法 |
3.4 本章小结 |
第4章 重要点选择算法 |
4.1 关键帧的三级小波分解 |
4.2 重要点选择算法 |
4.2.1 水印嵌入位置分析 |
4.2.2 小波域内的JND模型 |
4.2.3 基于Arnold变换的置乱方法 |
4.2.4 分块 |
4.2.5 选择合理的嵌入位置 |
4.3 本章小结 |
第5章 基于角度正切值量化的水印嵌入算法 |
5.1 角度正切值的量化索引调制 |
5.1.1 量化函数设计 |
5.1.2 水印嵌入规则设计 |
5.2 水印嵌入算法 |
5.2.1 角度正切值与小波系数的关系 |
5.2.2 改变角度正切值对小波系数的影响 |
5.2.3 基于角度正切值的水印嵌入算法 |
5.3 仿真结果与算法评价 |
5.3.1 仿真结果 |
5.3.2 算法评价 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(7)视频拷贝检测算法研究(论文提纲范文)
摘要 |
Abstract |
专用术语注释表 |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状及主要问题 |
1.2.1 视频拷贝检测的国内外研究现状 |
1.2.2 视频拷贝检测目前存在的主要问题 |
1.3 本文主要研究内容及组织结构 |
1.3.1 本文主要研究内容 |
1.3.2 本文组织结构 |
第二章 视频拷贝检测方法综述 |
2.1 视频拷贝检测系统介绍 |
2.1.1 拷贝视频和视频拷贝检测定义 |
2.1.2 视频拷贝检测系统的关键技术介绍 |
2.2 选择关键帧 |
2.2.1 数字视频结构介绍 |
2.2.2 镜头分割 |
2.2.3 关键帧提取 |
2.3 关键帧的特征提取 |
2.3.1 全局特征 |
2.3.2 局部特征 |
2.4 特征匹配 |
2.5 视频拷贝检测算法的性能评价 |
2.6 小结 |
第三章 基于 SIFT 特征与 OM 特征结合的视频拷贝检测算法 |
3.1 算法基本思想 |
3.2 算法过程 |
3.2.1 提取 SIFT 特征点 |
3.2.2 SIFT 特征点的顺序度量 |
3.2.3 特征匹配 |
3.2.4 视频拷贝检测 |
3.3 实验结果及评价 |
3.3.1 鲁棒性与内容区分性 |
3.3.2 查全率、查准率及实验效果对比 |
3.4 本章小结 |
第四章 基于变换域的视频拷贝检测算法 |
4.1 引言 |
4.2 视频压缩基本理论 |
4.2.1 视频压缩原理 |
4.2.2 DCT 变换 |
4.2.3 整数变换 |
4.3 变换域约简图像的构造原理 |
4.4 变换域 SIFT 特征与 OM 特征结合的视频拷贝检测 |
4.4.1 变换域约简图像的 SIFT 特征提取 |
4.4.2 变换域约简图像的 SIFT 特征点顺序度量 |
4.5 实验结果及评价 |
4.5.1 查准率及查全率 |
4.5.2 拷贝检测时间 |
4.6 本章小结 |
第五章 视频拷贝检测系统的优化 |
5.1 视频拷贝检测系统的优化方案 |
5.2 优化方案中的特征提取方法 |
5.2.1 基于圆环分区的 SIFT 特征点顺序度量特征提取 |
5.2.2 抗画中画的特征提取方法 |
5.3 级联式视频拷贝检测系统 |
5.4 实验结果及评价 |
5.4.1 查准率及查全率 |
5.4.2 拷贝检测时间 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 未来工作展望 |
参考文献 |
附录 攻读硕士学位期间申请的专利 |
致谢 |
(8)视频中的文字提取技术(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景与意义 |
1.1.1 文字的特征 |
1.1.2 文字检测和提取的难点 |
1.2 作者工作和论文安排 |
1.2.1 作者工作 |
1.2.2 论文安排 |
第二章 视频中的文字检测与分割算法综述 |
2.1 文字提取系统 |
2.2 文字事件检测算法综述 |
2.2.1 帧差法 |
2.2.2 多帧综合法 |
2.2.3 时空切片法 |
2.3 文字区域检测定位算法综述 |
2.3.1 基于纹理的方法 |
2.3.2 基于边缘的方法 |
2.3.3 基于连通域的方法 |
2.3.4 基于机器学习的方法 |
2.4 文字区域分割算法综述 |
2.4.1 基于阈值的算法 |
2.4.2 基于连通域的算法 |
第三章 基于小波变换的文字检测、定位与分割算法 |
3.1 二维小波变换 |
3.2 角点及角点响应 |
3.3 k-means 聚类 |
3.4 基于小波变换与角点响应的文字检测算法 |
3.4.1 算法步骤 |
3.4.2 实验结果 |
3.4.3 实验数据分析 |
3.5 基于彩色空间的文字分割算法 |
3.5.1 分割算法步骤 |
3.5.2 文字分割算法比较 |
第四章 基于 Gabor 变换的中文文字检测算法 |
4.1 Gabor 变换 |
4.2 基于 Gabor 变换的文字检测算法 |
4.2.1 算法步骤 |
4.2.2 实验结果 |
4.2.3 实验数据分析 |
第五章 全文总结 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(9)面向流媒体的视频水印技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与研究意义 |
1.2 数字视频水印国内外研究及应用现状 |
1.3 本文的主要工作及组织结构 |
第二章 数字视频水印技术 |
2.1 数字视频水印理论基础 |
2.1.1 数字视频水印的定义 |
2.1.2 数字视频水印的基本特征 |
2.1.3 数字视频水印的分类方法 |
2.1.4 数字视频水印的应用领域 |
2.2 数字视频水印算法 |
2.2.1 基于非压缩域的数字视频水印 |
2.2.2 基于压缩域的数字视频水印 |
2.3 流媒体中的视频编码格式 |
2.4 面向流媒体的视频水印算法 |
2.5 本章小结 |
第三章 面向视频点播的视频水印算法 |
3.1 需求分析 |
3.2 相关工作 |
3.3 基于运动矢量的实时视频水印算法 |
3.3.1 水印预处理 |
3.3.2 视频预处理 |
3.3.3 水印嵌入 |
3.3.4 水印提取 |
3.4 实验结果及分析 |
3.4.1 实验环境 |
3.4.2 实验结果分析 |
3.5 算法在视频点播中的实现流程 |
3.6 本章小结 |
第四章 面向社交网络的版权保护视频水印算法 |
4.1 需求分析 |
4.2 相关工作 |
4.3 准备知识 |
4.3.1 转码结构 |
4.3.2 图像DCT变化的两条性质 |
4.4 基于视频区域DCT系数的视频水印算法 |
4.4.1 水印生成 |
4.4.2 水印嵌入 |
4.4.3 水印提取 |
4.5 实验结果及分析 |
4.5.1 实验环境 |
4.5.2 实验结果分析 |
4.6 算法在社交网络中的实现流程 |
4.7 本章小结 |
第五章 总结与展望 |
参考文献 |
附录1 攻读硕士学位期间撰写的论文 |
附录2 攻读硕士学位期间申请的专利 |
附录3 攻读硕士学位期间参加的科研项目 |
致谢 |
(10)基于SIFT特征的视频拷贝检测技术研究与实现(论文提纲范文)
表目录 |
图目录 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 背景与意义 |
1.2 相关研究现状和技术难点 |
1.2.1 视频拷贝检测技术研究现状 |
1.2.2 技术难点与问题的提出 |
1.3 论文的研究内容及组织结构 |
第二章 视频拷贝检测技术概述 |
2.1 视频拷贝检测的基本原理及视频数据的特点 |
2.2 视频拷贝检测的关键技术 |
2.2.1 视频结构化分析 |
2.2.2 视频特征提取 |
2.2.3 相似性度量 |
2.3 视频拷贝检测的评测标准 |
2.4 小结 |
第三章 基于非压缩域的时空联合 SIFT 特征视频拷贝检测 |
3.1 引言 |
3.2 视频序列的 SIFT 特征分析 |
3.2.1 SIFT 算法简介 |
3.2.2 视频序列 SIFT 特征分析 |
3.3 时空联合 SIFT 视频特征提取 |
3.3.1 基于 SIFT 特征的镜头检测 |
3.3.2 视频特征的构造 |
3.3.3 视频特征的提取及其流程 |
3.4 相似性度量 |
3.4.1 SIFT 特征点的欧氏距离度量 |
3.4.2 视频序列的相似性度量 |
3.5 视频拷贝检测实验 |
3.6 小结 |
第四章 基于 DCT 域的时空联合 SIFT 特征视频拷贝检测 |
4.1 引言 |
4.2 DCT 域约简图像的构造 |
4.2.1 DCT 变换与图像压缩原理 |
4.2.2 DCT 域约简图像的构造 |
4.3 DCT 域约简图像 SIFT 特征性能分析 |
4.3.1 DCT 域约简图像 SIFT 特征提取 |
4.3.2 DCT 域约简图像 SIFT 特征的性能度量指标 |
4.3.3 DCT 域约简图像 SIFT 特征的匹配性能分析 |
4.4 DCT 域时空联合 SIFT 特征的视频拷贝检测 |
4.4.1 基于 FFmpeg 的视频 I 帧序列的 DCT 系数获取 |
4.4.2 视频拷贝检测实验 |
4.5 小结 |
第五章 基于 SIFT 特征的级联式视频拷贝检测 |
5.1 引言 |
5.2 DCT 域与非压缩域级联式视频拷贝检测系统设计 |
5.2.1 级联式设计 |
5.2.2 参考视频数据库设计 |
5.2.3 级连式视频拷贝检测系统设计 |
5.3 级联式视频拷贝检测 |
5.4 小结 |
第六章 总结与展望 |
参考文献 |
作者简历及攻读硕士期间完成的主要工作 |
致谢 |
四、非压缩域数字视频中文字的检测与提取(论文参考文献)
- [1]鲁棒数字视频水印技术研究[D]. 姜孟杉. 电子科技大学, 2019(01)
- [2]视频信息隐藏及其在差错掩盖中的应用研究[D]. 陈延利. 西南交通大学, 2019(03)
- [3]基于内容的视频版权保护研究[D]. 李强军. 兰州交通大学, 2018(01)
- [4]数字视频取证关键技术研究[D]. 李倩. 宁波大学, 2017(01)
- [5]数字视频信息隐藏理论与方法研究[D]. 姚远志. 中国科学技术大学, 2017(06)
- [6]基于量化调制的鲁棒视频水印研究[D]. 张婷. 天津大学, 2017(06)
- [7]视频拷贝检测算法研究[D]. 黄环. 南京邮电大学, 2014(05)
- [8]视频中的文字提取技术[D]. 董越. 天津大学, 2014(05)
- [9]面向流媒体的视频水印技术研究[D]. 万腾. 南京邮电大学, 2013(06)
- [10]基于SIFT特征的视频拷贝检测技术研究与实现[D]. 张瑞年. 解放军信息工程大学, 2012(06)