基于运动目标检测的视频水印算法研究

计算机应用 ›› 2011, Vol. 31 ›› Issue (01): 258-259.

基于运动目标检测的视频水印算法研究

陈希,周萍

桂林电子科技大学

收稿日期:2010-06-09 修回日期:2010-07-20 发布日期:2011-01-12 出版日期:2011-01-01
通讯作者: 陈希
基金资助:
国家自然科学基金资助项目

Video watermarking based on moving object detection

Received:2010-06-09 Revised:2010-07-20 Online:2011-01-12 Published:2011-01-01
Contact: Chen Xi

摘要/Abstract

摘要： 摘要：为了提高视频水印的鲁棒性，提出一种基于运动目标检测技术的算法。通过相邻帧差法提取并标记视频图像序列中的运动目标，并采用图像局部奇异值分解(SVD)算法，实现水印的嵌入和盲提取过程。在仿真实验中，通过计算水印嵌入后图像的峰值信噪比，证明该水印算法具有很好的不可见性和隐蔽性；并使用strimark软件对嵌入水印后图像进行几何攻击，分析水印图像的相关系数，验证本算法具有很好的鲁棒性。

关键词: 运动目标检测, 奇异值分解, 相邻帧差法, 峰值信噪比, 视频水印

Abstract: Abstract：To improve the robustness of video watermarking, a video watermarking algrithom based on moving object detection was proposed. The paper maked use of the temporal differecing algrithom to extract and sign the moving targets in the video image sequences, and then, achieved watermark embedding and extraction processes by singular value decomposition (SVD) method. In the simulation, calculating the peak signal-to-noise ratio to show that this scheme has a great invisibility and concealment, and using the strimark software to geometric attack on watermarked image and analysising the correlation coefficient to prove that this algorithm has a great robustness.

Key words: Moving object detection, Singular value decomposition, Temporal differecing, Peak Signal-to-Noise Ratio, Video watermarking

陈希周萍. 基于运动目标检测的视频水印算法研究[J]. 计算机应用, 2011, 31(01): 258-259.

[1]	石雪松, 李宪华, 孙青, 宋韬. 基于人工蜂群与模糊C均值的自适应小波变换的噪声图像分割[J]. 计算机应用, 2021, 41(8): 2312-2317.
[2]	罗志伟, 刘持标. 基于H.266/通用视频编码的帧内双模式的视频水印算法[J]. 计算机应用, 2021, 41(2): 456-460.
[3]	王彤, 王巍, 崔益豪, 朱天宇. 基于颜色布局描述子的改进ViBe算法[J]. 计算机应用, 2020, 40(3): 812-818.
[4]	吴婕, 吕永乐. 基于多项式系数自回归模型的雷达性能参数最优组合预测[J]. 计算机应用, 2019, 39(4): 1117-1121.
[5]	曹海燕, 冯桂, 韩雪, 方定邦, 黄鑫达. 基于深度图的3D-HEVC鲁棒视频水印算法[J]. 计算机应用, 2019, 39(3): 869-873.
[6]	邱宁佳, 丛琳, 周思丞, 王鹏, 李岩芳. 结合改进主动学习的SVD-CNN弹幕文本分类算法[J]. 计算机应用, 2019, 39(3): 644-650.
[7]	杜凯敏, 康宝生. 基于图像块分类的图像超分辨率重建[J]. 计算机应用, 2019, 39(2): 577-581.
[8]	汤慧, 周明全, 耿国华. 基于区域分割的低覆盖点云配准算法[J]. 计算机应用, 2019, 39(11): 3355-3360.
[9]	周瑞环, 赵宏宇. 结合物品流行度的列表级矩阵因子分解算法[J]. 计算机应用, 2018, 38(7): 1877-1881.
[10]	王丽芳, 董侠, 秦品乐, 高媛. 基于自适应联合字典学习的脑部多模态图像融合方法[J]. 计算机应用, 2018, 38(4): 1134-1140.
[11]	李周, 崔琛. 基于奇异值分解的压缩感知观测矩阵优化算法[J]. 计算机应用, 2018, 38(2): 568-572.
[12]	张弢, 康缘, 任帅, 柳雨农. 基于压缩感知和GHM多小波变换的信息隐藏算法[J]. 计算机应用, 2017, 37(9): 2581-2584.
[13]	董侠, 王丽芳, 秦品乐, 高媛. 改进耦合字典学习的脑部CT/MR图像融合方法[J]. 计算机应用, 2017, 37(6): 1722-1727.
[14]	蔡春亭, 冯桂, 王驰, 韩雪. 基于帧内预测模式多划分的HEVC鲁棒视频水印算法[J]. 计算机应用, 2017, 37(6): 1772-1776.
[15]	黄凯, 张曦煌. 基于阶段时序效应的奇异值分解推荐模型[J]. 计算机应用, 2017, 37(5): 1392-1396.