[发明专利]一种基于时空域特征自适应选择的H.265/HEVC视频隐写分析方法

摘要

本发明公开了一种基于时空域特征自适应选择的H.265/HEVC视频隐写分析方法，步骤为：解码视频，对P帧提取编码单元划分、运动矢量等压缩域信息；生成运动矢量扫描链，利用共生频率提取空域运动矢量相关性特征；根据H.265/HEVC中的运动矢量预测技术，由同位预测单元及其与参考帧的距离等信息计算当前预测单元的时域预测运动矢量；将时域预测运动矢量与当前运动矢量作差，并提取时域相关性特征；根据运动复杂度和时空域相关性综合值的关系选取候选视频帧；自适应选择空域或时域运动矢量相关性特征作为最终分类特征；最后训练与分类识别。本发明利用H.265/HEVC中的运动矢量预测特点，创造性地对空域和时域运动矢量相关性特征进行自适应选择，有效地提高了隐写分析检测率。

主权项

1.一种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方法，其特征在于，所述方法包括以下步骤：步骤1、将视频码流熵解码到压缩域，对于所有P帧读取其编码单元和预测单元划分方式、同位预测单元、运动矢量、运动矢量残差这些压缩域信息；步骤2、提取空域运动矢量相关性特征：对于每一个P帧，根据其预测单元划分方式，将每个运动矢量添加到空域四向运动矢量扫描链SS中，在空域四向运动矢量扫描链SS中，分别利用水平和垂直方向上的分量组成两条链，计算两条链之间的皮尔逊相关系数，并选择皮尔逊相关系数绝对值小的方向进行特征提取，将空域四向运动矢量扫描链SS中该方向上的运动矢量分量存入特征提取对象MS中，并对其相邻位置作差得到空域运动矢量四向差分链DS，对DS提取共生频率特征，即得到空域运动矢量相关性特征向量CS；步骤3、获取时域预测运动矢量：对每个预测单元获取其邻近已编码帧中的同位预测单元，根据当前预测单元与其参考帧的距离、同位预测单元与其参考帧的距离以及同位预测单元的运动矢量计算出当前预测单元的时域预测运动矢量；步骤4、提取时域运动矢量相关性特征：将步骤3得到的时域预测运动矢量与当前运动矢量作差，并根据其预测单元的划分方式存入时域四向运动矢量扫描链ST中，分别利用水平和垂直方向上的分量组成两条链，计算皮尔逊相关系数，并选择皮尔逊相关系数绝对值小的方向作为特征提取的对象，将该方向上的分量存入时域运动矢量四向差分链DT中，对DT提取共生频率特征，即得时域运动矢量相关性特征向量CT；步骤5、选择候选视频帧：利用相邻帧的像素值计算当前帧的运动复杂度G，对于每一个G值，有一个相应的阈值λ，利用运动矢量残差计算其时空域相关性综合值P，若P大于阈值λ，则确定该帧为候选视频帧，并进入步骤6，若P小于等于阈值λ，则不作为候选视频帧，直接选择空域运动矢量相关性特征为其最终特征，并进入步骤7；步骤6、自适应选取空域和时域运动矢量相关性特征：对于候选视频帧，利用运动矢量四向差分链中0的比例计算空域运动矢量相关性和时域运动矢量相关性的大小，分别计算空域运动矢量四向差分链和时域运动矢量四向差分链中0所占的比例，若空域运动矢量相关性较强，即空域运动矢量四向差分链中0所占比例较高，则选择空域运动矢量相关性特征为最终特征，若时域运动矢量相关性较强，即时域运动矢量四向差分链中0所占比例较高，则选择时域运动矢量相关性特征为最终特征；步骤7、将提取的特征输入分类器进行训练与分类。