学位论文 > 优秀研究生学位论文题录展示

基于机器学习的数字视频水印关键技术研究

作　者: 廖卢方
导　师: 郑晓势
学　校: 山东轻工业学院
专　业: 计算机应用技术
关键词: 支持向量机集成学习共谋攻击 HVS
分类号: TP309.7
类　型: 硕士论文
年　份: 2011年
下　载: 31次
引　用: 0次
阅　读: 论文下载

内容摘要

本文针对机器学习在视频水印中的应用进行了研究,主要是支持向量机与集成学习在其中的应用,首先通过对视频水印常遭受的攻击进行分类,然后根据每一类给出了应有的防范方法,重点分析了视频水印最容易遭受,也是最多的攻击,共谋攻击。对现阶段国内外对抗共谋攻击的研究进行了总结,对典型算法进行了分析,为未来的共谋攻击思路提供了新方向。根据视频是由多帧组成,不同的帧可以根据不同的算法嵌入水印的特性,设计了多水印多算法,以此来提高单一算法鲁棒性弱的缺陷(即是单一算法不可能抵抗所有的攻击),提高视频水印的鲁棒性。有了清晰的分类方法,并有每一种攻击的防范策略,设计出了多种水印算法,分析了集成学习在数字视频水印中的应用前景与契合点,使得设计出智能型地选择出多种水印算法成为可能。然后在此基础上,根据视频的特征,视频的纹理特性,提出了一种基于HVS的视频水印算法,使不可见性与鲁棒性达到最好的折衷,为支持向量机在数字水印中的应用打下了基础。支持向量机是机器学习中的一种有效方法,主要用于分类问题,但是也可以用于回归问题。根据支持向量机与数字水印存在着有效地契合,支持向量机已经应用到图像与音频中,应用到视频中的还太少,本文就根据在图像中嵌入水印的思想,将其应用到了视频中,提供了在视频水印中结合支持向量机嵌入水印的新思路。

全文目录

摘要  8-9
ABSTRACT  9-10
第1章绪论  10-14
  1.1 数字水印用途与分类  10-11
    1.1.1 数字水印用途  10-11
    1.1.2 数字水印分类  11
  1.2 课题的历史背景与历史意义  11-12
  1.3 本论文主要研究内容  12-14
第2章数字视频水印技术简介  14-24
  2.1 数字视频水印技术的基本概念  14-15
    2.1.1 数字视频水印技术的分类  14
    2.1.2 数字视频水印技术的基本特性  14-15
  2.2 数字视频水印的典型算法  15-21
  2.3 人类视觉特性对数字视频的感知特性  21-22
  2.4 本章小结  22-24
第3章数字水印多种攻击新分类与防范方法  24-34
  3.1 水印攻击成功的标准  24
  3.2 目前水印攻击的分类方式  24-25
  3.3 新的数字水印攻击分类方式与防范  25-27
    3.3.1 针对水印本身攻击与防范策略  25-26
    3.3.2 检测失效攻击与防范策略  26
    3.3.3 伪造水印或原始数据的攻击与防范策略  26-27
  3.4 视频水印攻击新分类方式  27-28
    3.4.1 单个视频间的攻击  28
    3.4.2 多个视频参与的攻击  28
  3.5 数字视频水印抗共谋攻击方法  28-32
    3.5.1 共谋攻击的定义与分类  29-30
    3.5.2 抗共谋攻击研究现状  30
    3.5.3 抗共谋攻击典型算法  30-32
    3.5.4 抗共谋攻击发展趋势  32
  3.6 本章小结  32-34
第4章多种水印算法抵抗多种攻击的仿真实现  34-42
  4.1 水印嵌入  34-35
  4.2 水印检测  35
  4.3 实验结果与分析  35-40
  4.4 本章小结  40-42
第5章集成学习在数字视频水印中的应用分析  42-46
  5.1 集成学习简介  42-43
  5.2 集成学习与数字视频水印的契合点  43
  5.3 本章小结  43-46
第6章一种新的基于HVS 的自适应数字视频水印算法  46-52
  6.1 数字视频水印特性与HVS 特性  46-47
    6.1.1 视频的特性  46
    6.1.2 HVS 特性  46-47
    6.1.3 视频水印中使用HVS 的基本原则  47
  6.2 水印嵌入和提取  47-52
    6.2.1 水印嵌入  47-48
    6.2.2 水印提取  48
    6.2.3 仿真结果  48-51
    6.2.4 本章小结  51-52
第7章支持向量机在数字视频水印中的应用  52-56
  7.1 支持向量机特性  52-53
  7.2 支持向量机在数字视频水印中的新算法  53-54
  7.3 本章小结  54-56
第8章总结与展望  56-58
  8.1 论文总结  56
  8.2 展望  56-58
参考文献  58-64
致谢  64-66
在校期间主要科研成果  66

基于机器学习的数字视频水印关键技术研究

内容摘要

全文目录

相似论文