无帧内失真漂移的H.265视频鲁棒隐写方法研究
批准号:
61572447
项目类别:
面上项目
资助金额:
68.0 万元
负责人:
刘云霞
依托单位:
学科分类:
计算机图像视频处理与多媒体技术
结题年份:
2019
批准年份:
2015
项目状态:
已结题
项目参与者:
陈亮、张腾飞、赵红国、徐欢欢、赵洋、江文、闵海、计智伟、高钰舒
中文摘要
H.265(HEVC)视频编码标准正成为全球主流大众媒体的标准,以它为载体的隐蔽通信必定是未来信息安全的主要手段。本项目拟基于H.265视频编码标准这一课题,探索H.265视频隐写技术,提升H.265视频隐写鲁棒性,实现基于H.265视频鲁棒隐写方法。首先,针对H.265视频编解码的数据特征,设计基于H.265的无帧内失真漂移视频隐写算法。然后,针对隐藏了秘密信息的H.265视频在传输过程中遭到有意或无意的攻击而产生的丢包、帧错或比特错等引起的秘密信息无法恢复等问题,设计出基于BCH码、多秘密共享及秘密共享等的视频鲁棒隐写方案;针对不能容忍永久失真的H.265视频载体,设计能完全恢复原视频载体的H.265鲁棒可逆隐写方案。最后,构建H.265视频隐蔽通信平台。研究成果可为H.265视频隐写及隐写分析提供理论与技术支持,服务我国的军事、外交和商务等信息安全领域,进一步助力提升国家信息安全。
英文摘要
Considering the H.265 (HEVC) video coding standard is becoming the one of the mainstream mass media, video steganography based on H.265 must be a future main means in the field of information security. For this topic this project aims to explore new video steganography technology of H.265 video standard, to enhance the robustness of video steganography, and to achieve robust video steganography of H.265 standard. Firstly, according to the characteristics of H.265 video coding and decoding, we design a video steganography algorithm of H.265 without intra frame distortion drift. Secondly, according to the packet loss, frame error, bit error, etc., which can cause secret information not to be recovered, we design a robust video steganography algorithm based on BCH code, multi secret sharing and secret sharing. Finally, we construct the platform of video steganography based on H.265 standard . The research results can provide theoretical and technical supports to H.265 video steganography, serve military, diplomatic and commercial special fields, and further promote the national information security.
H.265(HEVC)视频编码标准正成为全球主流大众媒体的标准,以它为载体的隐蔽通信必定是未来信息安全的主要手段。本项目基于H.265视频编码标准这一课题,探索H.265视频隐写技术,提升H.265视频隐写鲁棒性,实现基于H.265视频鲁棒隐写方法。首先,提出了具有失真漂移补偿的多元组嵌入方法,实现了基于H.265的无帧内失真漂移视频隐写方法。然后,基于BCH码技术实现了比特错误恢复的鲁棒隐写方法,基于秘密共享和多秘密共享等技术实现了帧丢、帧错恢复的鲁棒隐写方法;针对不能容忍永久失真的H.265视频载体,基于单系数法和秘密共享等技术实现了H.265鲁棒可逆隐写方案。最后,构建了H.265视频隐写实验平台。研究成果可为H.265视频隐写及隐写分析提供理论与技术支持,服务我国的军事、外交和商务等信息安全领域,进一步助力提升国家信息安全。
期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
登录
查看更多内容
A novel deep model with multi-loss and efficient training for person re-identification
一种新颖的多重损失深度模型,用于人员重新识别的高效训练
DOI:
10.1016/j.neucom.2018.03.073
发表时间:
2019
期刊:
Neurocomputing
影响因子:
6
作者:
[Wu Di, Zheng Si Jia, Bao Wen Zheng, Zhang Xiao Ping, Yuan Chang An, Huang De Shuang]
通讯作者:
Huang De Shuang
Approximately Optimal Computing Budget Allocation for Selection of the Best and Worst Designs
选择最佳和最差设计的近似最优计算预算分配
DOI:
10.1109/tac.2016.2628158
发表时间:
2017-07
期刊:
IEEE Transactions on Automatic Control
影响因子:
6.8
作者:
[Zhang JunQi, Zhang Liang, Wang Cheng, Zhou MengChu]
通讯作者:
Zhou MengChu
A new data hiding method for H.264 based on secret sharing
一种基于秘密共享的H.264数据隐藏新方法
DOI:
10.1016/j.neucom.2015.02.102
发表时间:
2016-05
期刊:
Neurocomputing
影响因子:
6
作者:
[Yunxia Liu]
通讯作者:
Yunxia Liu
Recurrent Neural Network for Predicting Transcription Factor Binding Sites.
用于预测转录因子结合位点的循环神经网络
DOI:
10.1038/s41598-018-33321-1
发表时间:
2018-10-15
期刊:
Scientific reports
影响因子:
4.6
作者:
[Shen Z, Bao W, Huang DS]
通讯作者:
Huang DS
DOI:
10.1016/j.neucom.2019.07.115
发表时间:
2020-09
期刊:
Neurocomputing
影响因子:
6
作者:
[Yunxia Liu;Si Liu;Yonghao Wang;Hongguo Zhao]
通讯作者:
Yunxia Liu;Si Liu;Yonghao Wang;Hongguo Zhao
共 23 条
国内基金
海外基金