[发明专利]基于极复指数变换和残差神经网络的鲁棒视频零水印方法

说明书

本发明公开了一种基于极复指数变换和残差神经网络的鲁棒视频零水印方法，包括对视频进行预处理，选取出每组镜头的关键帧；对视频的原始水印进行加密处理，借助极复指数变换得到关键帧的不变矩，将不变矩送入预训练的深度残差神经网络模型中，提取关键帧的鲁棒内容特征，将鲁棒内容特征与加密后的水印进行异或运算，生成视频独有的鲁棒零水印信号，从待验证视频中选取关键帧，提取关键帧的鲁棒内容特征，将鲁棒内容特征与待验证视频对应的鲁棒零水印信号进行异或运算，获得原始水印，实现视频的版权验证。本发明鲁棒视频零水印方法解决了鲁棒性和不可感知性之间的平衡问题，提高了抵抗去同步化攻击能力，能够有效地保护视频媒体的版权。

技术领域

本发明属于多媒体内容保护和防伪技术领域，涉及一种基于极复指数变换和残差神经网络的鲁棒视频零水印方法。

背景技术

随着移动互联网技术的迅速普及和各种短视频应用的兴起，网络视频数据量急剧增加，视频数据的安全引起了人们更多的注意。尤其在近几年，各种盗版视频充斥着网络，视频媒体的版权保护是一个亟待解决的问题。

数字水印是一种有效的版权保护方式。传统的水印方法通过修改原始视频数据来实现水印的嵌入，但这必然会导致原始视频视觉质量的降低。另外，在水印嵌入时其鲁棒性和不可感知性之间的均衡也不易实现。很显然，在视觉质量要求较高(不允许对视频媒体进行信息嵌入操作而引起视觉质量的畸变等，例如医学、军事、司法、遥感等特殊领域)环境下，传统数字水印的使用受到很大限制。为了应对这些问题，不修改原始视频的零水印嵌入模式应运而生。通过构造需要保护视频媒体的独特零水印信号，并注册在公开的知识产权库以备版权认证需要时查验。

现有的视频零水印方法普遍存在抵抗去同步化攻击能力弱的缺陷，以及未充分考虑均衡性和差异性等性能，从而难以有效地保护视频媒体的版权。

发明内容

本发明的目的是提供一种基于极复指数变换和残差神经网络的鲁棒视频零水印方法，解决了现有视频水印抵抗去同步化攻击能力弱，难以有效保护视频媒体版权的问题。

本发明所采用的技术方案是，基于极复指数变换和残差神经网络的鲁棒视频零水印方法，包括对视频进行预处理，选取出每组镜头的关键帧；对原始水印进行加密处理，获得加密后的水印；零水印构造，借助极复指数变换得到关键帧的不变矩，将不变矩送入预训练的深度残差神经网络模型中，提取关键帧的鲁棒内容特征，将鲁棒内容特征二值化后与加密后的水印进行异或运算，生成视频独有的鲁棒零水印信号；零水印检测，从待验证视频中选取关键帧，提取关键帧的鲁棒内容特征，将提取的鲁棒内容特征二值化后与待验证视频对应的鲁棒零水印信号进行异或运算，获得原始水印，实现视频的版权验证。

本发明的技术特征还在于，

对视频进行预处理，包括利用相关系数对原始视频V进行镜头边界检测和镜头分割，并通过极大熵选取每组镜头的关键帧，得到原始视频V的关键帧序列V_keyframe＝{f₁，f₂，…，f_M}；

对视频进行预处理，具体包括以下步骤：

步骤1.1，将原始视频V转换成连续的视频帧序列V＝{I₁，I₂，…}，从第1帧开始，选择相邻的两帧图像，即第i帧图像I_i和第i+1帧图像I_i+1，将它们分割成R、G、B三个颜色通道，分别为I_i(R)、I_i(G)、I_i(B)和I_i+1(R)、I_i+1(G)、I_i+1(B)；