HEVC(High Efficiency Video Coding)是ISO/IEC和ITU-T联合制定的最新的视频编码标准,该文提出了一种基于运动矢量空间编码的HEVC信息隐藏方法.文中首先给出了运动矢量空间的构建及编码方法,并定义了运动矢量集合与该空间中点的映射关系...HEVC(High Efficiency Video Coding)是ISO/IEC和ITU-T联合制定的最新的视频编码标准,该文提出了一种基于运动矢量空间编码的HEVC信息隐藏方法.文中首先给出了运动矢量空间的构建及编码方法,并定义了运动矢量集合与该空间中点的映射关系;其后,给出了通过修改运动矢量集合映射值进行信息隐藏的方法.文中的方法实现了在N个运动矢量分量中最多改变一个分量即可嵌入一个2 N+1进制数的效果,具有较高的嵌入效率.此外,文中的方法仅选择CTU(Coding Tree Unit)中尺寸最小的N/2个PU(Prediction Unit)的运动矢量作为嵌入载体,使得隐写所引入的视频附加失真进一步减小并提升了隐写的透明性.最后,通过实验证实了该文的方法可行且具有优良的性能,具有良好的应用前景;而且,该文通过构造虚拟空间进行信息隐藏,给出了一种提升视频信息隐藏算法嵌入效率的新途径.展开更多
有学者提出了一种在压缩语音编码过程中进行QIM(Quantization Index Modulation)隐写的方法.该方法可用于在G.729A压缩语音流中高隐蔽性地嵌入秘密信息,研究其隐写分析方法很有必要.本文首先分析了QIM隐写对G.729A码流造成的显著性特征...有学者提出了一种在压缩语音编码过程中进行QIM(Quantization Index Modulation)隐写的方法.该方法可用于在G.729A压缩语音流中高隐蔽性地嵌入秘密信息,研究其隐写分析方法很有必要.本文首先分析了QIM隐写对G.729A码流造成的显著性特征变化,发现该种隐写将使码流中LPC滤波器的量化索引(码字)发生转移,并导致码字分布的不均衡性及相关性特性发生改变.本文设计了统计模型,实现了对码字分布特性的量化特征抽取;结合支持向量机,本文构造了用于隐写检测的集成分类器系统.实验结果显示本文方法能够在低于30ms的时间内,获得超过98%的检测准确率,实现了对QIM隐写的快速有效检测.展开更多
QIM(Quantization Index Modulation,量化索引调制)隐写在标量或矢量量化时嵌入机密信息,可在语音压缩编码过程中进行高隐蔽性的信息隐藏,文中试图对该种隐写进行检测.文中发现该种隐写将导致压缩语音流中的音素分布特性发生改变,提出...QIM(Quantization Index Modulation,量化索引调制)隐写在标量或矢量量化时嵌入机密信息,可在语音压缩编码过程中进行高隐蔽性的信息隐藏,文中试图对该种隐写进行检测.文中发现该种隐写将导致压缩语音流中的音素分布特性发生改变,提出了音素向量空间模型和音素状态转移模型对音素分布特性进行了量化表示.基于所得量化特征并结合SVM(Support Vector Machine,支持向量机)构建了隐写检测器.针对典型的低速率语音编码标准G.729以及G.723.1的实验表明,文中方法性能远优于现有检测方法,实现了对QIM隐写的快速准确检测.展开更多
文摘HEVC(High Efficiency Video Coding)是ISO/IEC和ITU-T联合制定的最新的视频编码标准,该文提出了一种基于运动矢量空间编码的HEVC信息隐藏方法.文中首先给出了运动矢量空间的构建及编码方法,并定义了运动矢量集合与该空间中点的映射关系;其后,给出了通过修改运动矢量集合映射值进行信息隐藏的方法.文中的方法实现了在N个运动矢量分量中最多改变一个分量即可嵌入一个2 N+1进制数的效果,具有较高的嵌入效率.此外,文中的方法仅选择CTU(Coding Tree Unit)中尺寸最小的N/2个PU(Prediction Unit)的运动矢量作为嵌入载体,使得隐写所引入的视频附加失真进一步减小并提升了隐写的透明性.最后,通过实验证实了该文的方法可行且具有优良的性能,具有良好的应用前景;而且,该文通过构造虚拟空间进行信息隐藏,给出了一种提升视频信息隐藏算法嵌入效率的新途径.
文摘有学者提出了一种在压缩语音编码过程中进行QIM(Quantization Index Modulation)隐写的方法.该方法可用于在G.729A压缩语音流中高隐蔽性地嵌入秘密信息,研究其隐写分析方法很有必要.本文首先分析了QIM隐写对G.729A码流造成的显著性特征变化,发现该种隐写将使码流中LPC滤波器的量化索引(码字)发生转移,并导致码字分布的不均衡性及相关性特性发生改变.本文设计了统计模型,实现了对码字分布特性的量化特征抽取;结合支持向量机,本文构造了用于隐写检测的集成分类器系统.实验结果显示本文方法能够在低于30ms的时间内,获得超过98%的检测准确率,实现了对QIM隐写的快速有效检测.
文摘QIM(Quantization Index Modulation,量化索引调制)隐写在标量或矢量量化时嵌入机密信息,可在语音压缩编码过程中进行高隐蔽性的信息隐藏,文中试图对该种隐写进行检测.文中发现该种隐写将导致压缩语音流中的音素分布特性发生改变,提出了音素向量空间模型和音素状态转移模型对音素分布特性进行了量化表示.基于所得量化特征并结合SVM(Support Vector Machine,支持向量机)构建了隐写检测器.针对典型的低速率语音编码标准G.729以及G.723.1的实验表明,文中方法性能远优于现有检测方法,实现了对QIM隐写的快速准确检测.