Print

发布时间: 2017-04-16
摘要点击次数:
全文下载次数:
DOI: 10.11834/jig.20170404
2017 | Volume 22 | Number 4




    图像处理和编码    




  <<上一篇 




  下一篇>> 





结合恰可察觉编码失真模型的HEVC大容量信息隐藏方法
expand article info 左力文1, 骆挺2, 蒋刚毅1, 高巍1,2, 胡天佑1
1. 宁波大学信息科学与工程学院, 宁波 315211;
2. 宁波大学科学技术学院, 宁波 315211

摘要

目的 数字视频通常经过压缩后传输,结合视频编码标准嵌入秘密信息是视频信息隐藏的主流技术。然而,现有基于HEVC(high-efficiency video coding)的视频信息隐藏技术存在码率增长过快、视频质量下降等问题。针对以上问题,提出结合恰可察觉编码失真模型(JNCD)的HEVC大容量信息隐藏方法。 方法 JNCD模型是一种面向HEVC视频编码的视觉感知模型。该模型充分考虑编码过程的模糊和块效应,有效去除视频感知冗余,在相同码率下可获得更高的主观感知质量。结合JNCD模型,调节Ⅰ帧中编码单元(CU)的最优量化参数(QP)值,并利用基于方向调整(EMD)算法嵌入秘密信息,进一步增加信息隐藏容量。为了提高信息的安全性,用密钥对秘密信息进行置乱加密处理,在解码端只有持有该密钥的用户才能正确解密,获得秘密信息。 结果 实验使用HEVC参考软件HM16.0,选取分辨率不同的序列进行测试。结果表明,秘密信息嵌入后,视频测试序列的PSNR平均值为41.16 dB,与现有的信息隐藏方法相比,不仅保持较好的主观和客观视频质量,而且信息隐藏容量平均提升2倍左右。 结论 采用本方法在保证原视频图像的质量的情况下,能够有效增加信息隐藏的容量,并能够一定程度阻止码率增长,符合信息隐藏的不可见性、安全性和实时性要求。

关键词

信息隐藏; 高效视频编码标准 (HEVC); 恰可察觉编码失真模型 (JNCD); 量化参数; 方向调整 (EMD) 算法

Large-capacity information hiding method for HEVC based on just noticeable coding distortion
expand article info Zuo Liwen1, Luo Ting2, Jiang Gangyi1, Gao Wei1,2, Hu Tianyou1
1. School of Information Science and Engineering, Ningbo University, Ningbo 315211, China;
2. College of Science and Technology, Ningbo University, Ningbo 315211, China
Supported by: National Natural Science Foundation of China (61271270, 61501270);National Key Technology Research and Development Program of the Ministry of Science and Technology of China (2012BAH67F01);Natural Science Foundation of Zhejiang Province, China (LY14F010004)

Abstract

Objective Information hiding technology can effectively guarantee information security by concealing secret information imperceptibly in digital media through the redundancy of multimedia data and human eye masking characteristics. The combination of a video coding process and standard is a critical approach to video information hiding technology because digital video is commonly stored and transmitted in compressed form. The next-generation high-efficiency video coding (HEVC) standard plays an important role in high-definition video applications due to its high encoding efficiency. Consequently, the information hiding method for HEVC has a theoretical value and practical significance. However, existing HEVC information hiding technology exhibits deficiencies, such as the rapid increase in bit rate and the degradation of video quality. Accordingly, a new large-capacity information hiding method for HEVC based on the just noticeable coding distortion (JNCD) model is proposed. Method The JNCD model is presented as a type of visual perception model for HEVC by considering the blurring and block distortion of the coding process. This model can effectively remove human perception redundancy and achieve higher subjective perceptual quality at the same bit rate. The optimal quantization parameter (QP) value for each coding unit is computed by using this model. An exploiting modification direction algorithm is utilized to adjust the optimal QP values and embed secret information. The algorithm maximizes the modified direction, thereby increasing embedding capacity from the usual four states to five states, in which a maximum of one bit data is changed for the two consecutive coded QP values. The extraction of information can be performed directly without referring to the original video, which can be satisfied with real-time and blind extraction performance. Result The HEVC reference software HM16.0 is used, and five sequences with different resolutions are tested. After the secret information is embedded, experimental results show that the average PSNR of the video test sequence is 41.16 dB. Unlike existing information hiding methods, our approach does not only maintain good subjective and objective video quality, but also increases information hiding capacity by approximately 2 times, on average. Conclusion The proposed method can effectively increase embedding capacity, prevent bit rate increases, and ensure the quality of the original video image. A secret key is used to scramble and encrypt the secret information, which increases information security. Only the user who holds the key can decrypt and obtain the secret information at the decoding side. Embedding the secret information into the frame with the highest priority prevents information loss caused by packet loss and dropped frames in the channel transmission. This process also effectively guarantees video perception quality. The proposed method fulfills the invisibility, security, and real-time requirements of information hiding, thereby making it suitable for military organizations, financial institutions, commercial markets, and other secure communication fields.

Key words

information hiding; high efficiency video coding (HEVC); just noticeable coding distortion (JNCD); quantization parameter (QP); the exploiting modification direction (EMD) algorithm

0 引言

伴随当今网络技术的飞速发展,人们可以随意地获取和传播数字媒体,信息安全问题变得日益突出。信息隐藏技术利用多媒体数据的冗余和人眼的掩蔽效应,将秘密信息以不可察觉的方式隐藏于数字媒体,可以有效保障信息的安全性。数字视频需要经过压缩后传输,因此视频信息隐藏通常结合视频编码过程和标准嵌入秘密信息。目前该领域的研究内涵日益延伸,从最初的不可见性、安全性、鲁棒性,到无损可逆隐藏、误差补偿隐藏、大容量信息隐藏等多方面的基础理论和实际方案。其中,大容量的信息隐藏技术在军事、商业、金融等保密通信领域具有较广泛的应用。高效视频编码标准 (HEVC)[1],相比于H.264/AVC,在同样的编码质量下能够节省50%左右的码率,并同时兼备高效的并行处理能力,势必将迅速取代H.264在各类视频中获得广泛应用[2]。因此,充分结合应用场景,开展基于HEVC视频的信息隐藏方法的研究具有重要意义,同时也是国内外一个热门的研究领域和发展方向。

目前基于HEVC的信息隐藏技术研究还处在初步发展阶段,现有较多视频信息隐藏技术研究都是基于H.264/AVC平台,这些信息隐藏技术针对隐藏容量、嵌入信息后视频质量以及码率等性能方面开展相关研究。其主要研究方法分为基于离散余弦变换 (DCT) 的隐藏方法[3-4]、基于运动矢量的隐藏方法[5-6]、基于预测模式的隐藏方法[7-9]、基于熵编码的隐藏方法[10]等。文献[3]首先根据前后两帧图像对应的4×4亮度块子块的运动矢量信息选择信息隐藏的区域,然后通过改变块中DCT非零系数的个数嵌入秘密信息,但是该方法视频质量难以保证。为了获得更好的感知质量和更低的码率,文献[4]通过改变P帧的非零高频系数值嵌入秘密信息,但是该方法只利用帧间的4×4大小的宏块,从而限制了隐藏容量。文献[7]提出了一种基于帧内预测模式调制的信息隐藏方法,结合参考像素的亮度值方差选择隐藏信息的位置,降低预测模式的调制对视频质量的影响。文献[8]引入嵌入/提取矩阵,修改一个4×4块的预测模式时,能够嵌入3比特信息,增加信息隐藏容量,但视频码率增长较快。文献[9]在文献[8]研究基础上,采用4×4块边缘强度建立预测模式的映射规则,减小码率过快增长。文献[10]通过修改自适应变长编码 (CAVLC) 过程拖尾系数个数的奇偶性嵌入秘密信息,然而对视频质量影响较大。

HEVC在帧内预测、帧间预测、熵编码等编码阶段相比H.264/AVC有较大程度改进,因此信息隐藏方法的设计也将不同于H.264/AVC的信息隐藏方法。文献[11]首次提出基于HEVC的信息隐藏方法,选取特定的离散余弦变换 (DCT) 系数和离散正弦变换 (DST) 系数嵌入信息,可以有效控制帧内误差漂移。文献[12]根据隐藏信息内容限定预测块 (PB) 的尺寸,而且通过修改非零DCT系数的奇偶性嵌入信息,进一步提高容量。然而,该方法修改PB的大小容易导致视频质量的大幅度下降。文献[13]提出一种基于运动矢量空间编码的信息隐藏方法,通过修改运动矢量集合的映射值进行信息隐藏。但是随着秘密信息嵌入强度的增加,导致码率不断升高。相比于H.264/AVC,HEVC包含了35种帧内预测模式,文献[14]设计了一种大容量的信息隐藏方法,通过修改1个预测模式嵌入2位比特信息,然而映射表是根据统计最优和次优预测模式的概率建立的,从而导致映射表不具有普遍适用性,不同视频容量具有较大差异。在文献[15]中,将预测模式映射成角度值,通过映射关系调制模式之间的角度差嵌入秘密信息,但是该方式难以保证视频质量。

针对现有HEVC信息隐藏方法存在的问题,并基于HEVC视频编码标准的特点,提出了结合恰可察觉编码失真模型 (JNCD) 的HEVC大容量信息隐藏方法。首先结合HEVC计算得到视频序列的JNCD掩膜图,其中JNCD值即是人眼恰可察觉编码失真的CU层的最优量化参数值 (QP)。其次用密钥key对秘密信息进行置乱加密处理,同时判断当前编码帧是否为Ⅰ帧,如果是Ⅰ帧则嵌入秘密信息,否则不进行嵌入。最后利用基于方向调整的EMD算法,在CU层连续2个QP中最多以幅度1修改1个QP值嵌入log25位比特数据,从而有效提高信息隐藏的容量,同时减少原始视频图像的衰减。实验结果表明本文方法在信息隐藏容量和码率方面都优于现有的信息隐藏方法。

1 恰可察觉编码失真模型

1.1 恰可察觉编码失真模型的建立

恰可察觉编码失真模型 (JNCD)[16]从人类视觉系统 (HVS) 出发,充分考虑编码过程的模糊和块效应失真,结合梯度幅值 (GM) 等因素去除视频感知冗余,在相同码率下可获得更高的主观感知质量。本文根据JNCD模型定义HEVC中CU分割过程量化参数 (QP) 的选取,进一步调整QP值嵌入秘密信息,从而在不影响视频主观质量的条件下降低码率。JNCD模型建立过程为:首先采用全变分方法 (TV)[17]将图像分解成纹理图和结构图;其次通过主观实验建立恰可察觉梯度幅值差异 (JNGD) 模型,滤除纹理图和结构图中人眼不可察觉的梯度值;然后利用图像梯度信息将这两类图像区域划分为平坦区域、边缘区域和纹理区域;最后,确定三类区域中JNCD与GM的关系,建立应用于编码过程的JNCD模型,具体表示为

$ {V_{{\rm{JNCD}}}} = \left\{ \begin{array}{l} 0\;\;\;\left( {S = 0且T = 0} \right)或(g_{_m}^{^c} = 0且g_{_m}^{^s} = 0)\\ {F_a}\;\;\;S \ne 0\\ {F_b}\;\;\;S = 0且T \ne 0 \end{array} \right. $ (1)

式中,VJNCD为图像亮度恰可察觉感知阈值,ST分别为结构梯度图像素块内的GM总和与纹理梯度图像素块内的GM总和。$ {F_a} $$ {F_b} $分别为结构梯度和纹理梯度GM值在不同条件下的权重,表达式为

$ {F_a} = {\rm{floor}}\{ k\left( {{{\left( {{g^s} + {g^{t1}}} \right)}^t} + \left( {{s_{t1}} \times {g^{t2}}} \right)} \right) + 2l + 0.5\} $ (2)

$ {F_b} = {\rm{floor}}\{ {\rm{ }}k{\left( {{s_{t2}} \times {g^{t2}}} \right)^t} + {\rm{ }}l{\rm{ }} + {\rm{ }}0.5\} $ (3)

式中,$ {g^s}\left( {i, j} \right) $${g^t}\left( {i, j} \right) $分别表示滤波后的结构梯度图和纹理梯度图以 ($i $, $j $) 为中心点的窗口内的梯度幅值。$ {g^{t1}} $表示结构梯度图中GM的值为0时所对应纹理图中的GM值,$ {g^{t2}} $表示结构图不为0时所对应纹理图中的GM值。floor (·) 为向下取整函数,$ k $$ t $$ l $为权重系数,文中分别取0.847 0,0.434 3和11.387 0。${s_{t1}} $$ {s_{t2}} $表示局部图像区域中的纹理复杂因子,具体计算公式为

$ {s_{t1}} = 2.5 + {\rm{mean}}\left( G \right)/12.8 $ (4)

$ {s_{t2}} = {s_{t1}}/2 $ (5)

式中,G为纹理梯度图在8×8窗口中组成的矩阵,mean (·) 表示均值运算,用于衡量纹理复杂程度。

1.2 JNCD掩模图计算和量化参数调整

分析JNCD模型,利用该模型对编码的彩色视频序列进行处理,计算相应的JNCD掩膜图。由于HEVC的最小编码单元 (CU) 大小为8×8,为了更好适应HEVC,文中将8×8的像素块定义为MU,并以此为单元进行块化。若当前MU的JNCD值都为0,则通过计算周边块的JNCD均值得到该MU对应JNCD值;若MU的部分JNCD值为0,则计算该MU的JNCD值时选取JNCD值不为零的均值;其他情况则根据阈值去除块内较大的JNCD,再计算平均值作为该MU的JNCD值。实际编码过程中,CU尺寸如16×16、32×32和64×64,JNCD大小为块内所有MU的最小JNCD值,以保留CU内的任何细节。

HEVC的帧内编码中的CU分割深度采用JNCD掩模图作为参考。若一个MU中所有JNCD值相同,则为平坦,否则为不平坦;若CU内所有MU为平坦,则该CU平坦,否则为不平坦。分割思想为若CU块平坦则不进行分割,否则继续分割,并且CU层的QP值即为所在层的JNCD值,拉格朗日系数计算公式为

$ \lambda = {Q_f} \times {2^{\left( {{Q_P}-12} \right)/3}} $ (6)

式中,λ为拉格朗日系数,$ {Q_f} $为调整因子,对于帧内编码时取值为0.57;${Q_P} $为当前CU的QP值。

经主观实验验证,该模型具有较好的主观感知效果,同时在GM上相比JND有较小的可容忍值,更符合感知特征。JNCD模型是整幅图像所有细节的恰可察觉编码失真,计算得到的JNCD值即为对应CU层的QP值,而QP值的大小将影响视频的编码比特率。H.265/HEVC编码器标量量化公式为

$ {L_i} = {\rm{floor}}\left( {\frac{{{c_i}}}{{{Q_s}}} + f} \right) $ (7)

式中,$ {c_i} $表示DCT系数,$ {Q_s} $表示量化步长,$ {L_i} $为量化后的值,$ f $控制舍入关系。H.265/HEVC标准规定了52个量化步长,对应于52个QP ($ {Q_P} $取值范围051)。二者关系为

$ {Q_s} \approx {2^{\left( {{Q_P}-4} \right)/6}} $ (8)

从式 (8) 中可知$ {Q_P} $每增加1,$ {Q_s} $大约增大12.25%;$ {Q_P} $每增加6,$ {Q_s} $增大一倍。因此,量化步长可以在一个较大的动态范围内变化。提出的方法将依据JNCD感知模型计算得到最优QP值的基础上,通过微调Ⅰ帧的QP值嵌入秘密信息,同时达到两方面目的:1) Ⅰ帧可以避免信道传输丢包问题,较好地保证视觉感知质量;2) 一定程度阻止视频缩码比特率增长。

2 提出的信息隐藏方法

2.1 信息隐藏原理

由于传统LSB算法[18]的低嵌入率,文献[19]对此进行改进,利用LSB的修改方向,提出一种基于方向调整的EMD算法。该算法最多修改$ n $个载体数据的其中一个,从而嵌入一位2$ n $+1进制数,有效提高载体嵌入效率。

结合EMD算法,并利用JNCD模型,提出了一种基于JNCD的HEVC大容量信息隐藏方法。根据JNCD模型,计算每个CU层的恰可察觉编码失真的QP值,即最优的QP值。同时利用EMD算法微调该QP值,在视频Ⅰ帧中嵌入加密的信息。最终用修改后的QP值指导HEVC编码,如图 1所示。秘密信息嵌入具体的算法为首先将最优的QP值进行分组,每组具有$ n $个连续CU层的QP值,设$ s_n $为QP值,则每组$ n $个QP值可以表示为$ n $维空间矢量[s1s2, …, $ s_n $]。然后,在每组$ {Q_P} $中嵌入一位2$ n $+1进制计数系统构成的秘密信息,该过程主要包括:2$ n $+1进制转换和秘密信息嵌入。

图 1 秘密信息嵌入算法框图
Fig. 1 The procedure of information embedding algorithm

进制转换是将二进制秘密信息转换成2$ n $+1进制的数字计数序列。一般秘密信息都是以二进制表示,将它们以长度为M位比特为一组划分成多组秘密信息,并采用L个2$ n $+1进制的数字代表每组秘密信息。M的计算公式为

$ M = {\rm{floor}}(L{\rm{lo}}{{\rm{g}}_2}(2n + 1)) $ (9)

例如一个二进制序列 (1100;0101;0111) 表示成五进制序列为 (22;10;12),此时M=4,L=2。秘密信息的嵌入则针对一组[s1s2, …, $ s_n $],计算它们的加权值并进行 (2$ n $+1) 的取模运算,其具体公式为

$ f\left( {{s}_{1}},{{s}_{2}},\cdots ,{{s}_{n}} \right)=[\sum\limits_{i=1}^{n}{({{s}_{i}}\cdot i)}]\text{mod}(2n+1) $ (10)

式中,$ f $取值范围为[0, $2n $],为$ n $维空间坐标[s1s2, …, $ s_n $]所对应的值,从而建立了一个$ n $维的空间的映射表。秘密信息嵌入的规则为:如果求得$ f $的值与嵌入的秘密信息$ d $相等,即$f=d $,无需修改$ s_n $的值;当$ f \ne d $时,则计算$k = d-f\;{\rm{mod}}\left( {2n + 1} \right) $,如果$k \le n $,则将$ {s_k} $的值增加1;否则将$ {S_{2n + 1-k}} $的值减小1。

通过以上分析,结合HEVC编码的实时性和解密的复杂考虑,设$ n $=2,同时s1代表当前Ⅰ帧CU块的QP值,s2代表前一个CU块的QP值,将式 (10) 简化为

$ f\left( {{s_1}, {s_2}} \right) = \left[{{s_1} + 2{s_2}} \right]{\rm{mod}}\;5 $ (11)

根据上述原理,建立2维空间的映射表,如图 2所示。如果$ f $与嵌入的秘密信息$ d $相等,$ f $=$ d $,无需修改s1s2的值;当$ f \ne d $时,则计算$k = d-f\;{\rm{mod}}\;5 $,如果$ k \le 2 $,则将$ {s^\prime }_k = {s_k} + 1 $;否则将$ {s^\prime }_{5-k} = {s_{5-k}}-1 $。例如设原始的[s1, s2]矢量矩阵为[25, 23],$ n $=2,$ f $=1,若$ d $=3,则根据以上策略,由于$ k $=2,将$ {s_2}({s^\prime }_2 = {s_k}, k = 2) $) 加1,[s1, s2]变为[25, 24]。若$ d $为0,则根据$ k $=4>2,将$ {s_1}({s^\prime }_1 = {s_{5-k}}, k = 4) $减1,[s1, s2]变为[24, 23],由表 1可知,相比传统的LSB算法,本方法嵌入容量由4种状态增加到5种状态,容量增加了 (5-4)/4=25%;同时,改变量最多为1位比特,减少了原视频图像的质量衰减。

图 2 2维空间映射表
Fig. 2 Two-dimensional space mapping table

表 1 秘密信息嵌入举例
Table 1 Example of hiding data

下载CSV
s1 s2 $ d $ s1 s2 ΔB
25 23 3 25 24 1
25 23 4 25 22 1
25 23 0 24 23 1
25 23 2 26 23 1
1 25 23 0

2.2 秘密信息嵌入过程

根据JNCD模型,调节CU块的QP值嵌入秘密信息,具体步骤如下:

1) 依据JNCD模型,计算JNCD掩模图,从而得到每个8×8单元的QP值。

2) 将二进制的秘密信息转换为5进制,再用密钥key将它们进行置乱加密处理,即生成待嵌入的秘密信息$ \mathit{\boldsymbol{D}} = \{ {d_1}, {d_2}, \cdots, {d_p}, \cdots, {d_q}\} $

3) 判断当前编码帧是否为Ⅰ帧,如果是则根据掩模图获取两个连续的CU单元的最优QP值,组成矢量矩阵[s1, s2],调制规则为首先依据公式$f $(s1, s2)=[s1×2s2] mod 5,计算值$ f $,然后计算$ k = d-f{\rm{mod }}(2n + 1) $。如果$k \le 2 $,将$ {s_k} $加1;否则将${s_{5-k}} $减1。如果当前帧不是Ⅰ帧,则不进行嵌入。

4) 重复以上操作步骤,直至秘密信息全部嵌入完毕或者视频结束。

2.3 秘密信息提取过程

秘密信息提取则在视频解码过程中执行,不需要原始视频,满足实时性和盲提取性要求,具体步骤如下:

1) 对解码端Ⅰ帧两个连续CU块QP值,依据式 (11),求解$ f $即为嵌入的信息$ d $

2) 对下一组QP矢量矩阵[s1, s2]重复步骤1),直到秘密信息提取完毕或视频序列解码完毕。再结合key解密,并将五进制数值还原为二进制秘密信息。

3 实验结果分析

采用H.265/HEVC参考软件HM16.0,对5个纹理复杂度和分辨率不同的序列:BasketballDrill、BQMall、Vidyo1、Vidyo3、Vidyo4进行仿真测试,图 3(a)为视频的第50帧图像。编码参数为:编码帧数为100,帧率30帧/s,Ⅰ帧间隔16,图片组 (GOP) 大小为8,其余均为默认配置。

图 3 嵌入秘密信息前后重建图像质量比较
Fig. 3 Comparison of the visual quality between the original and the marked frames
((a) original frame; (b) local image of original reconstructed frame; (c) local image of proposed reconstructed frame)

3.1 主观视频质量分析

为了测试本文算法的主观效果,图 3(b)为原始的第50帧的重建局部图像,图 3(c)为含秘密信息的第50帧的重建局部图像。在主观感知上,秘密信息的嵌入未引起视频重建图像的视觉感知失真,具有较好的视觉不可见性。例如,Vidyo4中原始的衣服褶皱在重建的视频中清晰可见,并未出现模糊和块化。

3.2 客观视频质量分析与比较

为进一步证明本方法的视觉不可感知性,除了采用经典的峰值信噪比 (PSNR),还采用了最新的基于人眼感知的图像质量评价方法:特征相似度 (FSIM)[20]和梯度幅度相似性偏差 (GMSD)[21]。PSNR是衡量亮度分量的客观失真程度;FSIM将相位一致性 (PC) 信息作为第一个特征,衡量亮度分量以及色度分量的特征相似程度,取值在01之间,越大表明相似程度越高;GMSD则针对图像失真对梯度很敏感,用来衡量亮度分量的梯度相似程度差异,取值在01之间,该值越小说明两幅图像梯度的相似程度差异越小。

表 2可知,本文方法嵌入秘密信息后的PSNR值下降在0.20.6 dB之间,FSIM值都在0.97以上,部分序列达到0.99,具有极高的FSIM值;同时GMSD值小于0.03,这表明本文方法的视频重建图像与原始视频图像仍然具有较好的主观一致性,这是因为依据JNCD模型对编码过程中的QP值进行一定调整,去除了一定的感知冗余同时保证视频的主客观质量。与平坦及纹理地方对比,人眼对于图像边缘区域的编码失真更加敏感,容忍更小的失真,而JNCD模型是针对在编码过程中产生的模糊和块效应所提出的,根据这一感知模型对QP值进行微调,能有效地进行秘密信息的嵌入并使视频具有不可感知性。

表 2 性能测试结果
Table 2 Performance results

下载CSV
序列 PSNR/dB FISM GMSD
本文 原始 本文 原始 本文 原始
BasketballDrill 39.70 40.10 0.987 6 0.987 7 0.026 9 0.025 5
BQMall 38.71 39.15 0.978 0 0.978 2 0.028 3 0.026 3
vidyo1 43.06 43.47 0.998 4 0.999 5 0.020 6 0.018 8
vidyo3 42.28 42.84 0.997 0 0.998 2 0.021 0 0.018 9
vidyo4 42.06 42.33 0.998 1 0.998 4 0.027 0 0.025 5
平均值 41.16 41.58 0.991 8 0.992 4 0.024 8 0.023 0

为了更加深入地评价视频质量,表 3将文献[14]和文献[15]算法与本文算法在结构相似度 (SSIM)[22]、编码比特率 (BRI)、信息隐藏容量 (HBQ) 进行对比。由于PSNR是基于像素测量的评价标准,不能很好地反映不同视频的感知质量。因此,引入基于人眼视觉模型的视频质量评价指标SSIM,SSIM值越高表示两幅图像相似度越高。BRI定义为

表 3 各算法实验结果对比
Table 3 Comparison of quality of difforent methods

下载CSV
序列 方法 SSIM BRI/% Capacity/比特
本文 0.973 0 -0.38 39 732
BasketballDrill 文献[14] 0.972 0 3.24 30 877
文献[15] 0.974 3 2.30 15 232
本文 0.986 4 -3.6N0 43 864
BQMall 文献[14] 0.983 0 3.38 31 151
文献[15] 0.983 2 1.88 17 153
本文 0.998 8 -0.44 65 143
vidyo1 文献[14] 0.982 8 2.35 25 212
文献[15] 0.984 7 1.06 10 861
本文 0.997 2 -5.11 49 978
vidyo3 文献[14] 0.980 3 2.74 29 024
文献[15] 0.989 5 0.85 11 519
本文 0.998 7 -0.43 62 597
vidyo4 文献[14] 0.991 5 1.98 20 721
文献[15] 0.992 5 0.83 8 165
注:加粗字体为最优结果。

$ {R_{{\rm{BRI}}}} = \left( {{R_p}-R} \right)/R \times 100\% $ (12)

式中,RRp分别为隐藏信息前后的比特率。

表 3中可知秘密信息嵌入后,本文方法视频测试序列的SSIM值都大于0.970 0,同时较优于文献[14]和文献[15]。由于文献[14]和文献[15]都修改了帧内预测模式,而修改后的预测模式并不是最优的模式,同时其他块将参考该预测模式,势必会导致视频质量的下降和码率的上升。

图 4所示,本文方法的码率有一定程度的降低,其主要原因为采用JNCD模型,该模型对编码过程进行控制,可以得到最优编码QP值,同时利用JNCD图进行CU分割:若CU不平坦则继续分割,否则停止分割。根据这样的方式对所对应的CU层最优QP值进行微调嵌入秘密信息,虽然会对码率产生一些浮动,但总体上,仍然能有效节省码率。

图 4 BRI对比结果
Fig. 4 Result of BRI between each method

3.3 信息隐藏的容量比较和安全性分析

图 5可知,本文方法的信息隐藏容量有较大幅度提升,相比文献[14],vidyo1序列提升1.56倍;相比于文献[15],vidyo4序列最多提升6.66倍,主要有以下原因:

图 5 嵌入容量 (HBQ) 对比结果
Fig. 5 Result of HBQ between each method

1) 文献[14]基于统计方法建立预测模式和秘密信息的分组映射关系,调制预测模式嵌入秘密信息,只选取概率较大的几组预测模式,对于其他的情况没有充分利用,同时分组依据不充分,对于不同的视频容量差异较大。其次相对纹理复杂的区域,采用帧内4×4亮度块的情况较多,但是对于静止区域较多的视频图像vidyo1和vidyo4,本方法的信息隐藏容量有较明显提升。文献[15]是针对帧内4×4亮度块调制预测模式进行信息隐藏,主要通过两个预测模式之间的角度差值嵌入两比特秘密信息,但若4×4块编码模式的率失真代价值大于其他编码模式,则不保留嵌入信息,下一个4×4编码模式需要重新嵌入当前秘密信息,限制了信息隐藏容量。

2) 本文根据JNCD模型,自适应计算每一个编码单元CU的QP值,其可调制的范围优于文献[14]和文献[15]。同时本文方法采用基于方向调整的EMD算法,针对连续两个编码QP嵌入容量由4种状态可以增加到5种状态,容量增加了25%。相比传统的LSB方法,改变量最多为1个比特位,不仅有效增加了信息隐藏容量,而且减小了原视频图像的质量失真。

本文方法除了具有较高的信息隐藏容量,并具有一定安全性:1) 将秘密信息嵌入到优先级别高的Ⅰ帧,可以较大程度避免信道传输丢包和丢帧问题带来的信息丢失,有效保证视频感知质量;2) 在信息隐藏之前,用密钥key对秘密信息进行置乱加密处理。同时,将信息隐藏的位置作为一层密钥做二次加密。通过加密后进行信息隐藏,在不知道密钥的情况下,测试解码提取信息的正确率较低。所以利用信息加密和隐藏位置的加密,进一步提高信息的安全性和隐蔽性。

4 结论

提出结合恰可察觉编码失真模型的HEVC大容量信息隐藏方法。通过调节JNCD模型中的最优QP值嵌入秘密信息,并利用一种基于方向调整的EMD算法,在相邻块对应的QP值中最多修改1个QP值嵌入log2 5位比特信息,进一步提高隐藏的容量。在解码端提取秘密信息不需要原始视频的参与,可以实现秘密信息的快速提取,满足视频处理的实时性要求。实验结果表明,相比文献[14]和文献[15],在保证视频主客观质量的前提下,本文算法编码比特率有所下降,同时信息隐藏容量平均提高两倍。如何进一步结合视频感知的特性进行信息隐藏,深入探讨信息隐藏技术对码率的影响将是今后的研究方向。

参考文献

  • [1] Tan T K, Weerakkody R, Mrak M, et al. Video quality evaluation methodology and verification testing of HEVC compression performance[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2016, 26(1): 76–90. [DOI:10.1109/TCSVT.2015.2477916]
  • [2] Wan S, Yang F Z. A New Generation of High Efficient Video Coding Standard H.265/HEVC:Principle and Implementation[M]. Beijing: Publishing House of Electronics Industry, 2014: 48-90. [ 万帅, 杨付正. 新一代高效视频编码H.265/HEVC:原理、标准与实现[M]. 北京: 电子工业出版社, 2014: 48-90.]
  • [3] Mansouri A, Aznaveh A M, Torkamani-Azar F, et al. A low complexity video watermarking in H.264 compressed domain[J]. IEEE Transactions on Information Forensics and Security, 2010, 5(4): 649–657. [DOI:10.1109/TIFS.2010.2076280]
  • [4] Dutta T, Sur A, Nandi S. A robust compressed domain video watermarking in P-frames with controlled bit rate increase[C]//Proceedings of 2013 IEEE National Conference on Communications. New Delhi, India:IEEE, 2013:1-5.[DOI:10.1109/NCC.2013.6488015]
  • [5] Zhen Z D, Wang P, Chen S. A video watermarking scheme based on the region[J]. Journal of Image and Graphics, 2008, 13(10): 1926–1929. [郑振东, 王沛, 陈胜. 基于运动矢量区域特征的视频水印方案[J]. 中国图象图形学报, 2008, 13(10): 1926–1929. ] [DOI:10.11834/jig.20081027]
  • [6] Jing H Y, He X, Han Q, et al. Motion vector based information hiding algorithm for H.264/AVC against motion vector steganalysis[C]//Proceedings of the 4th Asian Conference on Intelligent Information and Database Systems-Volume Part Ⅱ. Berlin Heidelberg:Springer, 2012:91-98.[DOI:10.1007/978-3-642-28490-8_10]
  • [7] Xu D W, Wang R D. An improved information hiding algorithm with prediction mode modulating for H.264/AVC[J]. Opto-Electronic Engineering, 2010, 38(11): 93–99. [徐达文, 王让定. 一种基于预测模式的H.264/AVC视频信息隐藏改进算法[J]. 光电工程, 2010, 38(11): 93–99. ] [DOI:10.3969/j.issn.1003-501X.2011.11.017]
  • [8] Yin Q L, Wang H X, Zhao Y. An information hiding algorithm based on intra-prediction modes for H.264 video stream[J]. Journal of Optoelectronics·Laser, 2012, 23(11): 2194–2199. [尹秋来, 王宏霞, 赵杨. 一种基于预测模式的H.264视频信息隐藏算法[J]. 光电子·激光, 2012, 23(11): 2194–2199. ] [DOI:10.16136/j.joel.2012.11.026]
  • [9] Wei F F, Wang H X, Wu X X. A data hiding algorithm with low bit rate growth for H.264 video[J]. Journal of Optoelectronics·Laser, 2014, 25(6): 1182–1188. [魏芳芳, 王宏霞, 吴锡溪. 一种低比特率增长的H.264视频信息隐藏算法[J]. 光电子·激光, 2014, 25(6): 1182–1188. ] [DOI:10.16136/j.joel.2014.06.025]
  • [10] Liao K, Lian S G, Guo Z C, et al. Efficient information hiding in H.264/AVC video coding[J]. Telecommunication Systems, 2012, 49(2): 261–269. [DOI:10.1007/s11235-010-9372-5]
  • [11] Chang P C, Chung K L, Chen J J, et al. A DCT/DST-based error propagation-free data hiding algorithm for HEVC intra-coded frames[J]. Journal of Visual Communication and Image Representation, 2014, 25(2): 239–253. [DOI:10.1016/j.jvcir.2013.10.007]
  • [12] Tew Y, Wong K. Information hiding in HEVC standard using adaptive coding block size decision[C]//Proceedings of 2014 IEEE International Conference on Image Processing. Paris:IEEE, 2014:5502-5506.[DOI:10.1109/ICIP.2014.7026113]
  • [13] Li S B, Wang L R, Liu P, et al. A HEVC information hiding approach based on motion vection space encoding[J]. Chinese Journal of Computers, 2016, 39(7): 1450–1463. [李松斌, 王凌睿, 刘鹏, 等. 一种基于运动矢量空间编码的HEVC信息隐藏方法[J]. 计算机学报, 2016, 39(7): 1450–1463. ] [DOI:10.11897/SP.J.1016.2016.01450]
  • [14] Wang J J, Wang R D, Li W, et al. A large-capacity information hiding method for HEVC video[C]//Proceedings of the 3rd International Conference on Computer Science and Service System. Bangkok, Thailand:Atlantis Press, 2014:139-142.[DOI:10.2991/csss-14.2014.31]
  • [15] Wang J J, Wang R D, Xu D W, et al. An information hiding algorithm for HEVC based on angle differences of intra prediction mode[J]. Journal of Software, 2015, 10(2): 213–221. [DOI:10.17706/jsw.10.2.213-221]
  • [16] Xu S Y, Yu M, Jiang G Y, et al. Just noticeable coding distortion model for HEVC video coding[J]. Journal of Optoelectronics·Laser, 2015, 26(12): 2381–2392. [徐升阳, 郁梅, 蒋刚毅, 等. 面向HEVC的恰可察觉编码失真模型[J]. 光电子·激光, 2015, 26(12): 2381–2392. ] [DOI:10.16136/j.joel.2015.12.0548]
  • [17] Yin W T, Goldfarb D, Osher S. A comparison of three total variation based texture extraction models[J]. Journal of Visual Communication and Image Representation, 2007, 18(3): 240–252. [DOI:10.1016/j.jvcir.2007.01.004]
  • [18] Ker A D. Improved detection of LSB steganography in grayscale images[C]//Proceedings of the 6th International Workshop on Information Hiding. Berlin Heidelberg:Springer, 2005:97-115.[DOI:10.1007/978-3-540-30114-1_8]
  • [19] Zhang X P, Wang S Z. Efficient steganographic embedding by exploiting modification direction[J]. IEEE Communications Letters, 2006, 10(11): 781–783. [DOI:10.1109/LCOMM.2006.060863]
  • [20] Zhang L, Zhang L, Mou X Q, et al. FSIM:a feature similarity index for image quality assessment[J]. IEEE Transactions on Image Processing, 2011, 20(8): 2378–2386. [DOI:10.1109/TIP.2011.2109730]
  • [21] Xue W F, Zhang L, Mou X Q, et al. Gradient magnitude similarity deviation:a highly efficient perceptual image quality index[J]. IEEE Transactions on Image Processing, 2014, 23(2): 684–695. [DOI:10.1109/TIP.2013.2293423]
  • [22] Wang Z, Bovik A C, Sheikh H R, et al. Image quality assessment:from error visibility to structural similarity[J]. IEEE Transactions on Image Processing, 2004, 13(4): 600–612. [DOI:10.1109/TIP.2003.819861]