[发明专利]基于JND模型和T-QR的鲁棒HDR视频水印嵌入提取方法、系统及存储介质

权利要求书

1.一种基于JND模型和T-QR的鲁棒HDR视频水印嵌入提取方法，其特征是，包括水印嵌入方法，具体如下：

获取HDR视频信息；

根据HDR视频信息以提取关键帧图像信息；

将所述关键帧图像信息的RGB数据定义为三阶张量；将关键帧图像信息的RGB数据分成不重叠的第一子张量；对所述第一子张量进行分解以提取待嵌入矩阵；

根据所述关键帧图像信息以分析形成亮度感知信息、对比度感知信息以及时间域感知信息；并以亮度感知信息、对比度感知信息以及时间域感知信息构建JND模型；

将JND模型所对应的数据进行不重叠分块以形成与第一子张量一一对应的嵌入参考矩阵；所述待嵌入矩阵与嵌入参考矩阵一一对应；

根据嵌入参考矩阵以将所预设的水印矩阵嵌入至待嵌入矩阵以形成完成嵌入矩阵，直至关键帧图像信息所对应全部的待嵌入矩阵均完成水印矩阵的嵌入；

将全部的完成嵌入矩阵进行逆向合成以形成完成水印嵌入的关键帧图像信息；

将全部完成水印嵌入的关键帧图像信息进行合成以形成完成水印嵌入的HDR视频信息；

关于形成亮度感知信息的方法如下：

获取关键帧图像信息的第一亮度值；

将第一亮度值转化为构建JND模型所需的第二亮度值，具体公式如下：

其中，log₁₀(L_a)表示第二亮度值；log₁₀(L)表示第一亮度值；

关于形成对比度感知信息的方法如下：

根据相邻两个像素的第二亮度值以转换为对比度值；具体公式如下：

其中，为第i个像素与第j个像素之间的对比度值；L_i和L_j为相邻亮度像素；k为高斯金字塔级别；

将对比度值转换为构建JND模型所需的视觉对比度响应值；具体公式如下：

关于形成 时间域感知信息的方法如下：

定义关键帧图像信息中的像素点为(x,y)；

获取像素点(x,y)在时刻t的灰度I(x,y)；定义光流W＝(u,v)在该点的水平移动分量为u(x,y)和垂直移动分量为v(x,y)；

其中，

根据光流约束项E_c与全局平滑约束项E_s以获取两者的极小化项E；

光流约束项E_c为：E_c＝∫∫(I_xu+I_yv+I_t)dxdy；

其中，

全局平滑约束项E_s为：

其中，为光流梯度模的平方和；和分别表示u和v的均值；

极小化项E为：

其中，λ为根据图中的噪声情况而进行预设的预设值；

E分别对u和v求导,得到光流W＝(u,v):

构建形成 的JND模型为：

JND＝L_a+T+W。

2.根据权利要求1所述的基于JND模型和T-QR的鲁棒HDR视频水印嵌入提取方法，其特征是：关于根据HDR视频信息以提取关键帧图像信息的具体方法如下：

获取HDR视频信息中全部的帧图像；

通过直方图差分法判断两个帧图像之间的差异以形成图像差异值；

将图像差异值与所预设的比较阈值进行相互比较，根据比较结果以选取对应的帧图像，将选取的帧图像作为关键帧图像信息。

3.根据权利要求2所述的基于JND模型和T-QR的鲁棒HDR视频水印嵌入提取方法，其特征是：关于形成图像差异值的方法如下：

其中，l为HDR视频信息中包含的全部帧图像的数量；i表示第i帧的帧图像；h(f_i)表示求解第i帧的帧图像的直方图；h(f_i+1)表示求解第i+1帧的帧图像的直方图；max(h(f_i),h(f_i+1))表示选择h(f_i)与h(f_i+1)中的较大值。