[发明专利]一种基于宏块复杂度的自适应视频运动矢量隐写方法

说明书

本发明公开一种基于自适应宏块复杂度的视频运动矢量隐写方法，本方法利用视频运动矢量进行信息隐藏，其嵌入过程包含一次解压缩和两次压缩过程：首先，对于给定的一段载体视频，解压缩为无压缩的YUV视频；然后，进行第一次模拟压缩过程，记录每个宏块复杂度，获取视频序列复杂度分布数据；最后，依据复杂度分布与所要嵌入的秘密信息数量选择复杂度阈值，并进行第二次压缩，嵌入秘密信息时使用加减1匹配嵌入；本方法利用低复杂度宏块较高的局部最优概率，以及加减1匹配嵌入对相邻相关性的保持特性；嵌入算法生成的含密视频具有比特率低、画面质量高、嵌入速度快、反检测能力强等优点。

技术领域

本发明涉及计算机信息安全技术领域，尤其是基于数字视频运动矢量信息隐藏方法。

背景技术

随着数字图像信息隐藏及检测技术的快速发展，以数字视频为载体的信息隐藏技术近年来同样发展迅速。在视频隐写术中，基于帧内预测、频域和运动矢量隐写算法纷纷出现。众多隐写域中，基于运动矢量的隐写算法具有隐藏容量大，画面失真小等特点。因此，运动矢量隐写成为视频信息隐藏领域中研究热点。

在隐藏方法方面，算法使用多种策略降低隐写造成的画面失真：例如选择运动矢量中绝对值较大的分量进行隐写；通过选择重建块和参考块差异较大的宏块进行运动矢量隐写；使用湿纸编码选择适于嵌入的通道进行信息嵌入；使用STC 和湿纸编码相互结合，实现最小化失真嵌入。算法隐蔽性越来越好，但是算法编码一般以单帧内所用运动矢量为一个编码单元，尚未达到全视频宏块最小代价，且未考虑运动矢量相关性的保持问题。而由于使用一种或多种编码，嵌入算法较复杂，不便于实现。

面对各类隐写算法，运动矢量的隐写分析检测也开始发展起来：使用相邻差值相关性构造隐写分析特征进行隐写检测；使用多个帧在时空上的相关性检测运动矢量隐写；使用运动矢量指向最优参考块特性进行隐写分析。

目前运动矢量隐写算法更加注重隐藏的不可见性，存在三方面不足：(1)较少考虑保持运动矢量相关性，对基于相关性的检测特征存在较低的反检测能力； (2)对宏块运动矢量最优概率影响较大，易被基于局部最优的检测方法发现异常；(3)嵌入算法过于复杂，不便于实际应用。视频运动矢量隐写需要在反检测上进一步提升，以适应各类检测方法。本专利提出一种对低复杂度宏块上进行加减1匹配嵌入的方案，实现一种兼顾局部最优性和相邻相关性隐写算法。

发明内容

本发明的目的是提供一种具备反检测能力视频运动矢量隐写方法；该方法通过自适应调整复杂度阈值，将低复杂度宏块作为隐藏宏块，利用加减1匹配嵌入保持相邻运动矢量相关性；由于算法在宏块选择、运动矢量匹配嵌入以及嵌入流程上的特点，隐藏算法具有速度快，安全性高，隐藏容量大，画面质量好等优点。

本发明的技术方案是：一种基于宏块复杂度的自适应视频运动矢量隐写方法，具体包括秘密信息嵌入和秘密信息提取两个过程；

所述的秘密信息嵌入过程包括以下步骤：

步骤1，对载体视频流进行解码处理，将压缩视频流解码为YUV原始视频流，作为后序嵌入的视频载体源；

步骤2，对步骤1得到的原始视频流，在不嵌入秘密信息情况下进行视频第一次编码，编码过程中记录每个宏块复杂度，编码过后进行复杂度分布规律统计，得到数组a；数组a记录了所有复杂度数据出现次数；为复杂度自适应阈值选择提供参考信息；

步骤3，结合数组a，依据所要嵌入的信息大小，选择复杂度自适应阈值λ；假设嵌入需要使用X个宏块，则选取整数λ，使得a[1]+a[2]+…+a[λ-1]＜X≤a[1]+a[2]+…+a[λ]；λ为秘密复杂度自适应阈值；

步骤4，进行第二次压缩，为秘密信息嵌入过程；该过程先将嵌入参数，包括秘密信息长度以及复杂度自适应阈值按顺序嵌入视频；待嵌入完毕后，依据设置的宏块复杂度自适应阈值，将复杂度低于阈值的宏块用于秘密信息嵌入；将秘密信息嵌入到低于复杂度自适应阈值的宏块中；