针对最新一代编码标准HEVC的视频重压缩取证算法研究

摘要

数字视频作为主要的一种信息载体广泛应用于我们的日常工作和生活。然而功能齐全且操作简单的视频编辑软件的出现使得人们对数字视频的修改变得简单而有趣，尽管有些人编辑视频只是为了增强表现效果，但也不乏有人出于恶意攻击。真假难辨的数字视频给了不法分子以可乘之机，数字视频取证技术应运而生，近年来成为了验证视频真实性和完整性的重要技术手段。由于篡改视频必然要经过重压缩的过程，所以数字视频重压缩取证技术可以作为检测视频真实性和可靠性的第一道防线。HEVC作为最新一代编码标准，具有非常广泛的应用前景，因此对HEVC视频进行重压缩取证具有很强的现实意义。本文在深入研究HEVC核心技术和关键创新技术的前提下，全方位地分析了由重压缩可能导致的HEVC视频特性的变化。从HEVC独有的特性及与其他编码标准共有的特性两个角度出发，分别从基于相同量化参数和不同比特率两个方面提出了具有可行性和创新性的数字视频重压缩检测算法。本文的主要工作如下:
　　(1)本文提出了相同量化参数下基于PU块数量的HEVC视频重压缩取证算法。首先，在编码过程中提取所有视频片段图像组GOP（roup of picture）I帧中大小为4×4的PU块数量，然后计算以相同量化参数重压缩视频时压缩前后4×4PU块数目差值的标准差SDoPU(the standard deviation of PU types)，并统计分析单次压缩视频和重压缩视频SDoPU特征的变化曲线，最后选取合适的阂值实现对HEVC单次压缩视频和重压缩视频的分类。实验结果表明，该算法平均检测率达到了80％以上，能够有效地鉴别HEVC重压缩视频，进一步推动了HEVC重压缩视频取证算法的研究。
　　(2)本文提出了不同比特率下基于DCT系数共生矩阵和PU划分类型共生矩阵融合特征的HEVC视频重压缩取证算法。首先分别从水平、垂直、主对角线和次对角线4个方向分别提取5×5DCT系数共生矩阵，然后和四个方向的4×4PU划分类型共生矩阵结合，构建164维的融合特征，将该融合特征送到SVM对HEVC单次压缩和重压缩视频进行分类。实验结果表明，算法的检测率达到了100％，充分证明所提算法达到了很好的检测效果。另外，本文对融合特征做了降维处理，即只利用水平方向的DCT系数共生矩阵和PU划分类型共生矩阵构建41维的融合特征来检测视频是否经历了重压缩，检测率仍达到了96％以上。最后，对该算法进行了鲁棒性测试。实验中分别构建删除10％、30％和50％比例帧数的重压缩视频库，SVM分类结果表明该算法对帧删除操作具有很强的鲁棒性，进一步验证了算法的有效性。

目录

声明

致谢

摘要

1．1 研究背景及意义

1．2 数字视频取证技术

1．2．1 数字视频主动取证技术

1．2．2 数字视频被动取证技术

2 数字视频取证技术研究现状

2．1 视频帧问篡改检测算法研究现状

2．2 视频帧内篡改检测算法研究现状

2．3 视频重压缩检测算法研究现状

2．4 本文的研究内容及结构

3 基于PU块数量的HEVC视频重压缩取证算法

3．1 引言

3．2 HEVC编码标准分析

3．2．1 HEVC标准简介

3．2．2 HEVC标准的编码过程概述

3．3 基于4×4PU块数量的HEVC视频重压缩检测算法

3．3．1 HEVC编码标准的PU块划分类型

3．3．2 SDoPU特征的提取

3．3．3 算法的设计与实现

3．4 实验结果与分析

3．4．1 视频库与实验设置

3．4．2 算法的分类结果

3．5 本章小结

4 基于融合特征的HEVC视频重压缩取证算法

4．1 引言

4．2 HEVC重压缩Ⅰ帧的误差分析及DCT系数矩阵分析

4．2．1 HEVC重压缩Ⅰ帧的误差分析

4．2．2 DCT系数矩阵分析

4．3 基于融合特征的HEVC视频重压缩检测算法

4．3．1 共生矩阵的介绍

4．3．2 CMoDCTCs特征的提取

4．3．3 CMoPUTs特征的提取

4．3．4 算法的设计与实现

4．4 实验结果与分析

4．4．1 视频库与实验设置

4．4．2 算法的分类结果

4．4．3 算法的鲁棒性分析

4．5 本章小结

5．1 总结

5．2 进一步研究内容

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集