一种检测基于DCT系数隐写的视频隐写分析方法转让专利
申请号 : CN201710447336.6
文献号 : CN107197297B
文献日 : 2019-12-10
发明人 : 王培培 , 曹纭 , 赵险峰
申请人 : 中国科学院信息工程研究所
摘要 :
权利要求 :
1.一种检测基于DCT系数隐写的视频隐写分析方法,其步骤包括:
1)制备原始视频集,并基于一部分原始视频集采用待分析的隐写算法生成相应的隐写视频集;
2)将上述每个原始视频和每个隐写视频分别解码到K个GOP单元,其中K根据视频和GOP单元的长度确定;
3)解码各GOP单元的I帧到空域,并对每个空域I帧提取空域特征集,得到空域直方图;
包括以下子步骤:
3-1)计算空域I帧与DCT核的卷积,得到空域I帧的噪声残差,并通过量化操作得到空域I帧的量化噪声残差;
3-2)根据现有基于DCT隐写算法的嵌入方法,得到不同改动系数对宏块空域像素值的影响,并计算改动当前宏块的嵌入代价;
3-3)根据上述空域I帧的量化噪声残差和上述嵌入代价,计算空域特征集得到空域直方图;
4)解码各GOP单元的P帧/P帧和B帧,并在解码过程中构造时域特征集,得到时域直方图;包括以下子步骤:
4-1)通过运动向量连接相似宏块重构空域分片;
4-2)计算上述空域分片与DCT核的卷积,得到空域分片的噪声残差,并通过量化操作得到P帧/P帧和B帧的量化噪声残差;
4-3)根据上述P帧/P帧和B帧的量化噪声残差和步骤3-2)中的嵌入代价,计算时域特征集得到时域直方图;
5)根据上述空域直方图和时域直方图得到隐写分析特征集;
6)将上述隐写分析特征集输入分类器进行训练,得到隐写分析分类器;
7)根据步骤2)至步骤5),利用空域直方图和时域直方图提取待测视频的隐写分析特征,并将其输入所述隐写分析分类器进行分析判别。
2.如权利要求1所述的方法,其特征在于,步骤1)中所述原始视频集的制备方法是指:用户根据统一的压缩参数压缩YUV视频流,得到一个或多个原始视频集。
3.如权利要求2所述的方法,其特征在于,所述压缩参数包括尺寸、长度、分辨率。
4.如权利要求1所述的方法,其特征在于,步骤5)具体包括:根据DCT核的对称原则合并上述空域直方图和时域直方图,得到降维后的空域特征和时域特征,连接降维后的空域特征和时域特征得到隐写分析特征集。
5.如权利要求1所述的方法,其特征在于,步骤6)中所述分类器为集成分类器或高斯核的支持向量机。
6.如权利要求1所述的方法,其特征在于,多次重复步骤7),将平均结果作为依据进行最终判别。
说明书 :
一种检测基于DCT系数隐写的视频隐写分析方法
技术领域
分析方法,以及该方法在检测基于DCT系数隐写的视频隐写上的应用。
背景技术
究热点。
Y.Huang,H.Liao,and C.Fang.2013.An improved DCT-based perturbation scheme for
high capacity data hiding in H.264/AVC intra frames.Journal of Systems and
Software 86,3(2013),604–614.),Ma(X.Ma,Z.Li,J.Lv,and W.Wang.2009.Data Hiding
in H.264/AVC Streams with Limited Intra-Frame Distortion Drift.In
2009International Symposium on Computer Network and Multimedia Technology.1–
5;X.Ma,Z.Li,H.Tu,and B.Zhang.2010.A Data Hiding Algorithm for H.264/AVC Video Streams Without Intra-Frame Distortion Drift.IEEE Transactions on Circuits
and Systems for Video Technology 20,Oct 2010,1320–1330.),Nakajima(K.Nakajima,K.Tanaka,T.Matsuoka,and Y.Nakajima.2005.Rewritable Data Embedding on MPEG
Coded Data Domain.In 2005IEEE International Conference on Multimedia and
Expo.682–685.),Wong(K.Wong,K.Tanaka,K.Takagi,and Y.Nakajima.2009.Complete
Video Quality-Preserving Data Hiding.IEEE Transactions on Circuits and
Systems for Video Technology 19,10(Oct 2009),1499–1512.)等提出的视频隐写方法,可有效避免视频全解码和重编码过程中的计算消耗,使基于DCT系数的视频隐写成为快速
易用的隐写方法。
Algorithm for H.264/AVC Based on the Markov Features.Springer International
Publishing,Cham,47–59.),Pankajakshan(V.Pankajakshan and A.Ho.2007.Improving
Video Steganalysis Using Temporal Correlation.In Proceedings of the Third
International Conference on International Information Hiding and Multimedia
Signal Processing,Volume 01.IEEE Computer Society,Washington,DC,USA,287–
290.),Zarmehi(N.Zarmehi and M.Akhaee.2016.Digital video steganalysis toward
spread spectrum data hiding.IET Image Processing 10,1(2016),1–8.)提出的方法。
上述隐写分析方法并非是专用于基于DCT系数的视频隐写分析方法,但指导了检测此类隐
写的研究方向。此外,图像中基于量化DCT系数的隐写研究已经较为成熟,在JPEG图像中的高效隐写分析算法,如Holub和Fridrich(V.Holub and J.Fridrich.2015.Low-Complexity Features for JPEG Steganalysis Using Undecimated DCT.IEEE Transactions on
Information Forensics and Security10,2Feb 2015,219–228;V.Holub and
J.Fridrich.2015.Phase-aware projection model for steganalysis of JPEG
images.2015.)设计的算法,也为本发明的设计提供了研究思路。
发明内容
实现对基于DCT系数隐写的视频隐写方法的有效检测。
析特征集。
方法。该方法根据分析基于DCT系数隐写的隐写操作对视频空域及时域相关性的影响,使用DCT核及嵌入代价计算空域特征集得到空域直方图。且通过运动向量连接帧间的相似宏块,构造空域分片并计算时域特征集得到时域直方图。将上述空域直方图及时域直方图合并为
最终的隐写分析特征集,并将其输入到分类器进行训练生成隐写分析分类器。之后将待测
视频按上述方法提取其隐写分析特征,并将该隐写分析特征输入所述隐写分析分类器进行
分析判别。该方法可有效检测基于DCT系数隐写的隐写视频,提高了隐写分析尤其对高质量视频进行检测的准确率。
附图说明
具体实施方式
集。
骤:
SAD的标准差,Nei定义邻居宏块的范围大小。重构的图层如图3所示,各行由T个与空域I帧对应的相似宏块构成,其中T是该GOP单元中的帧数。若该GOP单元中存在L个连接,则重构空域分片共由L行构成;
征和时域特征即可得到最终的隐写分析特征集。
中的应用,可以充分说明该方法的效果。但本发明提出的是一个通用的框架,除该实施例之外,该方法可应用于其他视频压缩标准下的隐写分析。故基于本发明的框架提出的其他实
施例,都属于本发明的保护范围。
考虑I帧中的亮度4×4块。为了降低计算复杂度并实现快速的视频压缩,H.264/AVC标准采
用整数DCT变换和量化操作,该过程可公式化表示为RQDCT=ARAT。其中,RQDCT为整数DCT变换及量化后的残差,R为宏块的残差,A为单位正交矩阵。且单位正交矩阵表示为:
若u>0,v>0,则wu=1,wv=1。基于上述理论,本发明提出了H.264/AVC中的4×4DCT核,用于空域及时域特征的提取。
zero coefficient,bpnc)度量嵌入率。为测试本发明方法在不同情况下的检测效果,该实
施例分别使用常用的量化参数(即QP=28、32、36)压缩视频,并采用不同隐写方法在不同嵌入率下对压缩视频进行隐写(Ma的隐写方法:0.05bpnc,0.1bpnc;Lin的隐写方法:
0.05bpnc,0.1bpnc及0.15bpnc)。
同理在帧FP中,对于宏块MBP可得 请参考图
5,在连接运动向量的过程中,若预测宏块超过参考帧中的边界,则连接最大重叠面积的宏块。若连接宏块的大小并非为4×4,则将当前宏块划分为尺寸为4×4的子宏块。通过将连接
的4×4宏块进行拼接,可得到空域分片。基于该空域分片,可得到时域直方图。
析特征,并将隐写分析特征输入分类器进行训练,得到隐写分析分类器。
特征),然后将获得的隐写分析特征输入隐写分析分类器中进行测试。检测准确率是真阳性率和真阴性率的平均值,重复20次实验,使用平均准确率作为最终判别的依据。
在表1中列出,图6是本发明方法与DCTR分析特征、Da的分析方法在不同量化参数及嵌入率
下对Ma的隐写方法的检测准确率对比图;图7是本发明方法与DCTR分析特征、Da的分析方法在不同量化参数及嵌入率下对Lin的隐写方法的检测准确率对比图。
高,从中提取的特征也更有效。此外,由于特征的维度较低,使用支持向量机要比使用集成分类器的分类效果好。尽管针对Ma和Lin的隐写方法,Da和DCTR均有一定的检测效果,但本发明方法极大的提高了检测准确率。在量化参数为28且嵌入率为0.15bpnc的情况下,检测
Lin的隐写方法可达到99.13%的准确率。针对Ma的隐写方法,在量化参数为28且嵌入率为
0.1bpnc时,准确率高达95.81%。
佳。
明的保护范围应以权利要求书所述为准。