一、基于信息隐藏的视频重同步算法（论文文献综述）
张羽丰[1]（2021）在《基于OFDM和深度学习技术的LEO星地高速数传系统研究》文中指出在近地球轨道（Low Earth Orbit,LEO）上运行着大量的卫星,其中包括通信、气象、国土资源和科学探测等各种用途的卫星,在人类对科学的探索道路及提高人们的日常生活质量上起着重大的作用。目前,随着星载遥感设备的精度越来越高,单颗卫星的任务和功能越来越多,对高速数据传输的渴求越来越强烈,传统的卫星对地数据传输技术已经很难满足未来这些卫星的数据传输需求。X波段LEO卫星对地数据传输系统如今已经非常成熟,而研制更高频段的新型通信系统,例如基于Ku/Ka波段的LEO卫星对地数据传输系统,只能暂时缓解频谱资源紧张的问题,所以充分利用有限的频谱资源才是当下亟待解决的事情。在此背景下,本论文针对X波段LEO卫星对地数据传输系统的特点,对现有的基于以高频带利用率而闻名的正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术的数据传输方案进行改进,同时引进深度学习技术用于改善整个通信系统性能,以求进一步提升LEO卫星数据下传的性能。本论文从OFDM技术的两个在实用上需要解决的问题入手,即信号带外功率谱密度衰减缓慢和信号功率的高峰均比问题。本论文具体完成了以下工作:1.传统的OFDM信号带外功率谱密度衰减缓慢,导致频带效率急剧降低,这也是限制了其在航天领域发展的原因之一。本论文提出了一种基于OFDM技术的新型传输信号,即混合调制滤波OFDM（Hybrid Modulation based Filtered Orthogonal Frequency Division Multiplexing,HMF-OFDM）信号,解决了OFDM信号带外衰减缓慢的问题。仿真结果表明,在-30 d B最低功率谱密度带宽的条件下,HMF-OFDM信号的频带效率可达传统OFDM信号的1.81倍。同时,采用混合调制的方式避免了滤波器对OFDM信号子载波的干扰,最大限度提高对频谱资源的利用。2.针对LEO卫星对地数据传输链路具有大载波频率偏移的特点,提出了一种基于长度可变的训练序列的符号定时同步算法,即滑动差分相关算法。传统基于数据辅助类的符号定时同步算法所依赖的训练序列持续时间较长,抗噪声性能较差及对载波频偏敏感。相比之下,滑动差分相关算法则可以通过预先评估信道的特性,来灵活调整训练序列的持续时间,进而最大化数据帧的持续时间以提高数据传输的吞吐量。另外,滑动差分相关算法还具有良好的抗噪声性能和对载波频偏的鲁棒性。仿真结果表明,滑动差分相关算法的抗载波频偏能力远远超过LEO卫星对地数据传输链路所带来的大载波频率偏移。3.为了解决LEO卫星对地数据传输系统的非线性特征对传输信号造成非线性失真的问题,本论文提出了一种基于深度神经网络（Deep Neural Network,DNN）的数字信号恢复（Digital Signal Recovery,DSR）技术。该技术捕获了星载发射端的先验知识,例如射频功率放大器（Radio Frequency Power Amplifier,RF-PA）的非线性特性,在接收端利用DNN来对先验知识进行建模用于提高接收信号质量。得益于DNN本身不受输入数据幅度的影响,且对高斯白噪声具有一定的鲁棒性,该技术可以抵御由LEO卫星对地通信信道引入的接收信号功率大范围变化和高斯白噪声的影响,得以在地面站对非线性失真（主要由星载RF-PA引入）的接收信号进行矫正,从而允许星载RF-PA工作在接近饱和区的状态,间接解决了OFDM信号功率的高峰均比的问题,以提高星载通信系统的功率效率。实验结果表明,与传统的功率回退技术相比,该技术在保证误差向量幅度（Error Vector Magnitude,EVM）不变的情况下,可以将RF-PA的功率附加效率从32.6%提升至45%。同时,该技术还可以在变化范围为12 d B左右的接收信号功率下正常工作,而基于传统记忆多项式的DSR技术在如此大的功率变化范围下难以正常工作。4.在DSR技术的基础之上,本论文提出了一种基于DNN的滤波OFDM接收机设计。在此设计中,DNN不仅学习到了星载RF-PA的非线性特征,还学习了接收信号的调制方式,将非线性失真的恢复和数字信号的解调两个功能并入了同一个模块。与现有的基于DNN的接收机方案相比,该技术同时考虑了硬件和信道的特征。仿真结果表明,本论文提出的基于DNN的接收机可以适配至少五种滤波OFDM调制信号（QPSK、8PSK、8QAM、16QAM和16APSK）和两种典型的功放状态（Class AB和Class B）。这项技术有潜力在不对LEO卫星做出较大改动的条件下,直接提高已经在轨卫星的通信性能。同时,也为未来的LEO卫星对地数据传输系统提供一个可行方案。本论文以X波段LEO卫星对地数据传输为背景,对通信系统物理层面上做出了改进,并引入深度学习这一新兴技术,来提升通信系统的整体性能。通过实验和仿真分析,验证了本论文所提出技术,为未来LEO卫星对地数传系统提供了更多可行的技术方案。
聂晓晨[2]（2020）在《基于深度学习的高速成像通信关键技术研究》文中研究指明近年来,随着移动终端的普及,无线通信已经步入了大数据时代。日益减少的频谱资源难以满足用户飞速增长的通信带宽需求。为了解决频谱资源耗尽问题,基于可见光的拍赫兹通信已经受到研究者的广泛关注。在可见光通信中,成像通信是一种新型的通信方式。基于广泛使用的阵列光源屏幕与集成在电子设备中的图像传感器,MIMO成像通信链路可以轻易搭建起来。但成像通信中也引入了一系列技术难点。结合深度学习,本文主要研究了稀疏光源MIMO成像通信与密集光源MIMO成像通信中的关键通信技术,并设计相应通信系统验证通信性能。首先,本文详细分析与介绍了成像通信的收发端特性,阐明了成像通信的优势与面临的技术难点。分析了影响成像通信系统通信性能的因素,主要包括:采样频偏与混帧、透视失真、空间串扰、颜色串扰和非线性等。同时介绍了深度学习的相关理论,为后续关键通信技术讨论奠定了基础。对稀疏光源MIMO成像通信,其发送端光源稀疏排列。为了进一步增加成像通信系统的信息传输能力,联合颜色强度域上的颜色强度调制（Color intensity modulation,CIM）以及空间域中的MIMO调制,设计和构建多维高阶联合调制CIM-MIMO成像通信系统。针对图像传感器帧率不稳定带来的采样频偏与混帧问题,结合奈奎斯特采样定理及外加辅助光源的方式设计了两倍过采样的同步算法。针对透视失真,设计了基于霍夫圆检测和透视失真矫正的ROI检测算法。为了减轻颜色串扰与非线性影响,我们将解调问题转化为分类问题,设计了基于深度学习的解调算法。通过离线实验验证,当通信距离为0.6m时,系统误码率为4.79 × 10-5,低于FEC门限。当发送端采用刷新速率为60fps和大小为16× 16的LED稀疏光源阵列屏,接收端采用录制帧率为120fps的手机图像传感器时,系统通信速率可达70.56Kb/s,单帧信息量为1.176Kb。对密集光源MIMO成像通信,其发送端光源密集排列。增加调制块数量是进一步提高通信速率最为有效的方式。但随着调制块大小的减小,信号检测与解调难度增大。相较于信号强度,图像传感器对不同的图案模式更为敏感,本文设计了一种基于颜色模式的调制方式（Color Pattern Modulation,CPM）。在信号检测中,结合全卷积网络设计了一种高精度的调制块检测算法,并通过基于ESRGAN网络的图像超分辨算法进行信号增强。在信号解调过程中,通过结合通道注意力机制提高了卷积神经网络的解调性能。最后,设计和实现了相应的通信系统。当发送端采用分辨率为1920×1080的智能手机LCD屏幕,通信距离为17.5cm时,系统误码率为1.17 × 10-4,系统通信速率可达124.4Kb/帧,达到了国际先进水平。
徐辉,王晓东,王让定,章联军[3]（2015）在《基于帧内预测模式的HEVC音视频同步算法》文中提出针对目前H.264嵌入式音视频同步算法在高清、超高清视频应用方面的局限性,提出一种基于帧内预测模式的高效视频编码音视频同步方法。在帧内预测过程中,选取纹理复杂度较高的4×4亮度块调制预测模式,在分析相邻预测模式相关性的基础上,对35种预测模式进行分组,通过改进可变长编码算法及其映射规则,将音频信息进行动态分组,建立预测模式组与变长码组之间的动态双映射关系。为提高视频质量,对修改后的预测模式进行重编码。在解码端,只需将解码得到的预测模式根据双映射关系进行音频信息的提取及重构。仿真结果表明,该算法可保证音频数据的正确性和完整性,实现高清、超高清视频的音视频同步编码传输。
田华伟[4]（2013）在《抵抗去同步攻击的鲁棒水印技术研究》文中认为伴随着数字媒体、因特网、云端计算等信息技术的迅猛发展以及廉价计算终端的快速普及,各种网络多媒体信息服务也得到了长足的发展。这些先进的信息技术为广大人民带来方便的同时,也给盗版者提供了便利,从而威胁版权所有者的合法权益。作为数字版权保护的技术手段之一,数字水印技术得到了学术界和工业界的广泛关注。随着数字水印技术的发展,针对水印的攻击技术也在不断发展,设计鲁棒的水印算法也变得越来越困难。尤其是去同步攻击,对数字水印是一巨大威胁。针对如何抵抗去同步攻击这一关键问题,本论文取得的创新性研究成果包括：为抵抗全局去同步攻击,本文利用具有全局不变性的几何不变区域进行水印重同步。首先,提出了一种几何不变区域的检测算法。然后,提出了一种鲁棒的扇形区域划分方法用于划分图像中的每个几何不变区域。水印的嵌入和提取过程都以扇形区域为参考,从而达到水印重同步的目的。大量的实验结果都验证了该算法的鲁棒性。为抵抗局部去同步攻击,本文提出了一种基于局部几何不变特征的水印重同步算法。首先,提出了一种具有局部几何不变性的特征变换LDFT （local daisy feature transform）,将图像的所有像素点都变换到几何不变的LDFT特征空间。然后,通过构建BSP （binary space partitioning）树来划分LDFT特征空间。由于去同步攻击前后,像素点在BSP树上的位置不变,因此可以利用构造的BSP树来进行水印的重同步。最后,通过实验以及与相关算法的比较证明了该算法的鲁棒性。为抵抗不可逆的去同步攻击,本文首先提出了一种新的图像显着性检测模型。该模型有效地融合了图像的自底向上和自顶向下的特征。为验证该模型的有效性,在现有的两个最大的公开数据集上与13个现有模型进行了比较。定量和定性的实验都验证了本文所设计显着性检测模型的有效性。一般情况下,图像的显着区域在遭受目标重定位这种不可逆的去同步攻击后不会被删除,故可以作为水印嵌入和提取位置的重要参考。最后的实验也验证了本文所提算法对这种攻击的鲁棒性。
李晓妮,陈贺新,陈绵书,蒙塞夫·嘎博基[5]（2012）在《基于H.264运动估计的音视频同步编码技术》文中研究指明提出了一种在H.264运动估计过程中嵌入音频的音视频同步编码方法,利用1/4像素精度的运动搜索,解决了音视频同步编码问题。在发送端,根据1/4像素搜索点和音频的对应关系,在1/4像素运动估计过程中通过调整最优匹配点将音频压缩流嵌入视频中,然后对嵌入音频的视频流进行压缩编码。在解码端,根据嵌入准则,提取音频信息,再对音频和视频信号进行重构和恢复。实验表明,本文方法在不增加音视频压缩数据量、在音视频质量下降较小的情况下,实现了音视频同步压缩编码和传输。
李晓妮[6]（2012）在《面向H.264的嵌入式音视频同步编码技术研究》文中指出随着信息技术和计算机技术的快速发展，人们的通信方式已经从传统的单一媒体过渡到语音、文字、图像、视频等相融合的多媒体通信方式。多媒体通信技术是通信技术和多媒体技术有机结合的产物，它集计算机的交互性，多媒体的复合性以及通信网的分布性于一体，打破了传统媒体通信方式的单一性，向人们提供综合的信息服务，并成为通信技术今后发展的主要方向之一。在多媒体通信过程中，多媒体数据在传输、分组、交换等过程中不可避免的会引入信号的延时、抖动，导致媒体间应有的相互关系发生变化。对于那些经过压缩编码的多媒体数据，或者经过不同渠道汇聚到同一点的多媒体数据而言，这种情况更为严重。因此，多媒体通信技术一个很重要的问题就是如何保持各个媒体之间的同步关系。近年来，多媒体同步技术作为多媒体通信中一个极为重要的服务质量问题，越来越受到关注。对于音视频流的多媒体而言，同步系统主要包括五个部分：数据采集、压缩编码、网络传输、解码恢复以及同步播放。音视频同步主要研究在数据采集、发送、传输和接收等过程中对音频信号和视频信号进行同步控制，最终目的是实现客户端音视频的同步播放。目前，音视频同步主要通过时间标签来实现。时间标签是以理想解码器为基础制定的，这个理想解码器假设了通道缓存永不上溢或下溢，对码流的处理也是理想的、瞬时的，然而对一个实际的解码器来说这种理想解码是难以实现的；在国际上，也提出了唇同步的算法，但是只适用于解决视频会议、可视电话等应用中的音视频同步问题，而且这个算法实现起来比较复杂，对嘴部的定位不能自动实现，需要人工参与。为了解决这个长期困扰多媒体通信的关键问题，以陈贺新教授为核心的课题组提出了嵌入式音视频同步编码理论，并对其不断的丰富和发展，取得了显着的成就。在音视频同步控制部分，将音频信号作为隐藏信息嵌入视频流中，然后对嵌入了音频的混合音视频流进行压缩编码，在解码端，根据嵌入算法提取出音频信号。嵌入式同步编码理论在取得了较好压缩编码效果的情况下实现了音视频信号的完全同步传输，并克服了由于信道延时以及音视频不统一编码所带来的接收端接收不同步问题。本研究小组前期已成功的将嵌入式音视频同步编码理论应用到MPEG-2视频标准中，本文在这个基础上研究H.264/AVC视频编码标准下嵌入式音视频同步编码技术。本文以国家自然科学基金国际合作项目“基于音频嵌入视频方式同步视频编码的普适计算”和吉林省自然科学基金项目“普适环境下基于机会模型的信任计算”为依托，详细阐述了音视频同步的核心技术，对目前常用的同步方案进行了对比分析，并对H.264/AVC视频编码标准的核心技术和重要模块进行了系统的、全面的分析研究，为在H.264/AVC视频编码标准下构建音视频同步编码理论奠定了基础。本文通过分析帧内/帧间预测编码、CAVLC（context-adaptive variable-lengthcoding，基于上下文自适应可变长编码）熵编码以及运动估计等H.264/AVC标准中的核心模块，提出了不同的嵌入式音视频同步编码方案。根据嵌入模块的不同可以将同步编码方案分为以下三种：（1）基于模式选择的音视频同步编码方案帧内/帧间预测编码是H.264/AVC视频编码标准中非常重要的一部分，每种编码都包括多种编码模式，而模式选择又是编码过程的核心问题。本文通过分析帧内/帧间预测编码中模式选择算法，利用帧间预测编码模式的多样性，提出了两种基于信息隐藏的嵌入式音视频同步编码方案。把音频信号作为隐藏信息嵌入视频流中，实现了音视频的同步编码，达到了同步传输的目的。这两种音视频同步编码方案，都是利用帧间预测编码模式的多样性，使不同的编码模式携带不同的音频信息，通过对帧间预测编码模式的选择将音频信息嵌入视频流中。这两种方案均能实现音视频的同步编码和解码。在第一种同步方案中，根据要嵌入的音频信息选择最优编码模式，但是这样选出来的编码模式可能不是实际的最优模式，所以会带来一定的嵌入开销，增加一定的编码比特率。在第二种同步方案中，改进了方案一中只利用音频信息选择编码模式，方案先将编码模式进行分组，根据音频信息确定编码模式组，然后利用率失真优化算法从中选出最优编码模式，这样选出来的编码模式更接近于实际的最优模式，对视频质量、嵌入开销以及编码比特率的影响更小。（2）基于CAVLC的音视频同步编码方案本文利用拖尾系数和除了拖尾系数之外的最后一个非零系数，提出了两种基于CAVLC的音视频同步编码方案。在第一种方案中，通过分析CAVLC熵编码中拖尾系数符号位的编码特点，提出基于拖尾系数的嵌入法。由于拖尾系数符号位是定长编码，而且拖尾系数处于整个4×4数据块的高频部分，通过修改拖尾系数的符号位嵌入音频，既不会增加编码比特率，又不会对视频质量造成严重影响。在第二种方案中，利用除了拖尾系数之外的最后一个非零系数进行音频嵌入，由于嵌入算法对非零系数的幅值改变量最大为±1，所以对视频质量和编码比特率影响都较小。（3）基于运动估计的音视频同步编码方案本文分析了1/4像素精度运动估计过程，通过实验得出应用不同的1/4像素点搜索最优匹配点对整个运动估计的影响较小，通过调整1/4像素搜索点，提出了基于运动估计的音视频同步编码方案。利用1/4像素搜索点的运动矢量MV的水平分量MVx和垂直分量MVy的奇偶性，先将1/4像素搜索点分成两组，然后根据搜索组选择的不同将音频信息嵌入视频中。实验表明，在对视频码率和质量影响都较小的情况下实现了音视频的同步编码。为了证明方案的可行性，在H.264编码标准参考C代码JM11.0上实现了本文提出的音视频同步编码方案。使用不同的视频序列对上述方案进行了测试，并用视频主观质量、PSNR值、嵌入开销、编码比特率变化等标准对同步结果做了分析。实验结果表明，本文提出的几种同步方案都实现了音视频的同步编码。方案各具优势，对音视频质量、嵌入开销以及编码比特率影响都较小，不会给传输和存储造成负担。
齐小隐[7]（2012）在《基于H.264的CAVLC嵌入式音视频同步算法研究》文中指出近年来，计算机技术以及通信技术的不断革新与进步，对数字化信息产品的传输起到了巨大的促进作用。人们获得信息的渠道也从单一的媒体形式发展到多种媒体并存的形式，应运而生了一种崭新的媒体通信方式——多媒体通信。这种新型通信方式正在渗透到人们生活的每个角落，并且越来越多的人们发觉多媒体信息服务已经成为他们生活中不可或缺的一部分。在众多的多媒体应用中，如何控制多媒体信息通信中的视频信号与音频信号的同步变得尤为重要。本文提出了一种可以使音频信号、视频信号在媒体发送端、信道传输过程中以及媒体接收端实现完全同步的方法。把经过编码的原始音频信号通过在CAVLC熵编码的实现过程中嵌入到视频信号里，使得在媒体发送端既维持了音频媒体单元和视频媒体单元之间的同步性，同时又降低了媒体接收端用于实现同步控制方案的复杂程度。算法选择CAVLC熵编码的两种编码系数（最高频拖尾系数、除拖尾系数之外的第一个非零系数）作为音频信号的载体，将音频信号嵌入其中。每个系数嵌入1bit音频信号。算法的仿真实现是利用了H.264官方参考软件——JM11.0完成的。一共使用了9个不同的视频序列进行仿真测试，通过主观质量评价、峰值信噪比以及嵌入的开销等不同的评价标准进行分析对比。实验的结果表明，本文所提出的算法可以实现音、视频的完全同步。尽管对于视频序列的嵌入开销、峰值信噪比造成了影响。但由于影响值非常微小，并不会对于传输与存储带来较大的负担。并且对于原始音频序列来说，没有产生任何影响。
刘添[8]（2011）在《基于H.264可变尺寸帧间预测的音视频同步算法研究》文中研究表明近年来,计算机技术和通信技术的不断进步,促进了数字化信息产品的快速传输,人们可获得的信息也从单一的媒体向多媒体形式转变,从而产生了一种新型的通信方式——多媒体通信。这种通信技术已经出现在人们生活的各个角落,越来越多的多媒体服务已经成为人们生活中密不可分的一部分,比如视频会议、视频点播、网络电视、远程教学、多媒体网络游戏、计算机支持协同工作等。在这些应用中,尤为重要的一点就是控制多媒体通信中音频信号和视频信号之间的同步问题,因此研究音频与视频的同步具有现实意义。一个多媒体系统通常包括五个部分:数据采集、压缩编码、网络传输、解码恢复、同步播映。多媒体同步的研究主要就是在采集、发送、传输、接收等过程中对音频和视频进行同步控制,最终目的是实现在接收端音频和视频能够同步播映。本文的算法提出就是为了解决音频信号和视频信号媒体流间的同步问题。在比较经典的媒体流间同步算法中,通常采用时间戳同步法和同步标记法。在时间戳方法中,同步系统在发送端给每个媒体单元打上一个时间标签——时间戳,媒体流间相应的媒体单元具有相同的时间戳。当数据单元传送到接收端,具有相同时间戳的媒体流间数据单元将被同时播放,从而实现媒体流间同步。在这种方法中,音频流和视频流被分别编码传输,在接收端再根据参考时钟同步播映。但是由于网络扰动的影响,这种绝对的时间背景是很难实现的。而且这种方法中音频流和视频流仅在接收端同步,在发送端并没有实现同步。为了使得音频和视频在发送端、信道及接收端的完全同步,本文提出了一种多路复用同步法,即将音频信号复合到视频信号中,在发送端就维持了音频媒体单元与视频媒体单元之间的同步关系,降低了在接收端进行同步控制的复杂度。多路复用同步法要将多个媒体流复用成一个媒体流,常常要考虑媒体流的特性与编码语法,必须在不破坏媒体流的基础上进行复用,因此一般情况下,这种同步是基于某一特定的视频编码标准进行的。本文的同步是以H.264压缩编码标准作为视频编码基础,在视频编码过程中实现对音频流的嵌入。因为H.264视频压缩编码标准是当前最先进的压缩编码标准,其在编码上具有很大的灵活性、优越的网络亲和性以及高效的压缩效率。H.264视频压缩编码标准是联合视频组（JVT）提出的一种具有高压缩性能,能满足高质量、低比特率的视频压缩编码标准草案。这个草案将H.264分为两个层:视频编码层和网络提取层。视频编码层包括编码器和解码器两部分,用于实现对视频的压缩编码及解码。根据编码功能和应用范围,H.264中分为三个档次:基本档次、主要档次和扩展档次。为了最终能将音视频同步算法应用于视频会议等实时通信中,本文选择基本档次作为编码档次。在基本档次中,H.264采用了多参考帧图像、去块效应滤波、帧间可变尺寸运动补偿、整数变换等编码技术。本文提出的音视频同步算法利用宏块模式选择过程中会使用多种尺寸的分割块的特点,改变原本使用开销选择模式的方式,利用音频信号对模式选择进行调制,实现了音视频在发送端的同步。在接收端只要在视频解码过程中把音频和视频解码出来,就可以实现音频和视频的同步播映。而且本文将内置式信息隐藏算法应用于多路复用同步法中,提出了一种嵌入式音视频同步算法。该算法在H.264视频编码过程中,将嵌入算法与H.264视频压缩算法相结合,将音频信息作为隐藏信息,嵌入到H.264帧间预测中。这种方法的提出,能够使得压缩算法和嵌入算法很好的结合起来,即能满足视觉上的不可觉察性,对于压缩性能也不会产生太大的影响。并且这种嵌入式的同步方法使得音频信号和视频信号在发送端就达到了同步目的。在对H.264视频压缩编码标准整体认识的基础上,着重研讨了编码器帧间预测模块中运动矢量预测、帧间宏块模式选择等技术要点,提出一种基于H.264可变尺寸帧间预测的嵌入式音视频同步算法。本算法选择视频序列中P帧中最佳预测模式为P1,P2,P3,P4模式的宏块作为音频嵌入点,在每个宏块上嵌入两个比特的音频数据。嵌入的过程是根据音频信号与帧间预测匹配块之间的映射规则实现的。将音频信号转化为二进制码流后,使每两个二进制数对应一种帧间分割方式,也就是对应一种预测模式,通过调制帧间预测模式,实现音频嵌入过程。为了证明算法的可行性,本文在H.264参考软件——JM11.0上实现了本文提出的音视频同步算法,并使用6个不同的视频序列对于本算法进行了测试,并用主观质量、峰值信噪比、嵌入开销等标准对于同步结果做了分析。实现结果表明,本算法在实现音视频完全同步的情况下,虽然造成了一定的嵌入开销,但是这些嵌入开销相对较小,不会给传输与存储造成严重负担。而且无论从主观或是从客观上分析,算法对于视频的影响都很小,对音频流则完全没有影响。
苏育挺,张春田[9]（2004）在《基于信息隐藏的视频重同步算法》文中研究说明针对数字视频通信系统提出一种新型的重同步控制算法。利用信息隐藏技术传递压缩视频码流中的重同步信息,可根据实际信息嵌入量实现变精度的误码重同步,降低各种随机信道误码对视频解码的不良影响,为受损图像的逼真重建提供有利条件。
冯柳[10]（2021）在《抗仿射变换的鲁棒水印方法研究》文中认为鲁棒水印是一种能够抵抗滤波、信道噪声、旋转、缩放等攻击的水印,多用于数字内容版权保护和盗版追踪等方面。而仿射变换是由旋转、缩放、拉伸等由单一几何攻击组成而成,抗仿射变换鲁棒水印由于水印同步问题,一直是鲁棒水印研究的一个难点和热点。本文就抗仿射变换的数字水印中的若干问题展开研究,主要工作及创新点如下:1、针对需要在仿射变换后发生形变的图像上同步原始水印嵌入位置的问题,提出了一种基于ASIFT特征点构建Delaunay三角网格的鲁棒水印算法。首先,从原始图像中提取ASIFT特征点;然后,分析仿射变换过程中插值和采样对水印区域产生的影响,构建了基于特征点集的Delaunay三角网格结构,并对构建的网络结构进行优化;最后,在优化后的网格区域内通过调整直方图进行水印嵌入。算法中采用的Delaunay三角网格对图像的形变在结构上具有可保持性,可确保水印的同步。针对常见的旋转、缩放等几何攻击进行了实验验证,验证结果表明:提出的方法可以抵抗常见的几何攻击,对旋转加缩放等仿射变换攻击也有一定的抵抗性。2、为提高重建仿射变换矩阵的准确度,提出了一种基于Delaunay三角剖分结构重建图像的抗仿射变换水印算法。首先,根据Delaunay三角剖分结构对图像形变的保持特性,提出了基于Delaunay三角的图像重建算法;然后,依据水印嵌入方案中对特征点鲁棒性及特征点间间距的需求,提出了基于不同特征点的通用提取及筛选算法,并结合选取的特征点,根据重建图像和Delaunay三角结构,利用最小二乘法反演仿射变换参数;最后,针对选取出的鲁棒特征点,分别以每一特征点为中心划分嵌入区域,在嵌入区域内通过调整直方图进行水印嵌入。实验结果表明所提方法对大部分攻击可以得到有效提取,同时对于仿射变换攻击也有较好的抵抗效果。3、提出了一种基于特征点同步水印嵌入位置的频域鲁棒水印算法。首先,根据特征点对应于图像明暗剧烈变化结构的特性,提出基于具有最大欧氏距离特征点组的水印嵌入位置同步算法,利用特征点间水平、垂直距离关系确定水印的嵌入位置并得到水印嵌入位置标志信息;然后,在定位得到的水印嵌入位置上进行DWT-DCT频域变换,使用一阶DWT变换中LL层不重叠的块来进行DCT变换,分别于每个块上的若干个DCT系数上嵌入水印。基于提出的方法分别对图像处理攻击和几何攻击进行了实验,实验结果表明所提方法可以准确同步水印的嵌入位置,与现有抗几何攻击的方法相比不仅保持了抗图像处理攻击和单一几何攻击的能力,在抗仿射变换攻击上也有很好的表现。4、提出了一种基于神经网络得到图像块与水印信息映射关系的水印算法。该方法通过训练神经网络从图像块中提取特征,之后对图像块进行分类来表示水印信息。同时将受到仿射变换攻击的图像作为扩展训练样本集,为神经网络提供训练样本以抵抗仿射变换攻击。首先,将原始图像和被攻击的图像分割为不重叠的同等大小分块,并选取候选块;然后,将水印信息与候选块对应的标签对作为训练网络的数据集,用数据集训练可以提取水印信息的神经网络。提取水印时,需要先使用特征点将图像重建并对图像进行预处理,之后使用与训练网络时相同的方式提取分块,将分块输入网络得到最终的水印序列。该算法不会造成图像的质量损失,而且自适应的鲁棒特征提取表现出了较好的鲁棒性。通过对不同攻击的实验,对本章方法进行验证并得到了对单一几何攻击和仿射变换攻击的较好结果。最后对全文工作进行了总结,并对下一步的研究方向进行了展望。
二、基于信息隐藏的视频重同步算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于信息隐藏的视频重同步算法（论文提纲范文）
（1）基于OFDM和深度学习技术的LEO星地高速数传系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 LEO对地观测卫星对地数传能力现状 |
| 1.2.1 国内对地观测卫星的对地数传能力现状 |
| 1.2.2 国外对地观测卫星的对地数传能力现状 |
| 1.3 相关技术发展现状 |
| 1.3.1 OFDM技术 |
| 1.3.2 深度学习技术 |
| 1.4 论文的主要研究内容 |
| 1.5 论文的创新性 |
| 1.6 论文结构 |
| 第2章 基于OFDM技术的LEO卫星对地数据传输系统模型分析 |
| 2.1 引言 |
| 2.2 LEO卫星对地数据传输信道模型 |
| 2.2.1 时变的接收功率 |
| 2.2.2 多普勒效应 |
| 2.3 OFDM技术的特征分析 |
| 2.3.1 OFDM信号带外功率谱密度分析 |
| 2.3.2 OFDM信号功率的峰均比分析 |
| 2.4 RF-PA的非线性特征 |
| 2.5 本章小结 |
| 第3章 混合调制滤波OFDM技术 |
| 3.1 引言 |
| 3.2 f-OFDM信号设计 |
| 3.2.1 滤波器设计 |
| 3.2.2 f-OFDM波形 |
| 3.3 HMF-OFDM调制解调原理 |
| 3.4 HMF-OFDM信号的频带效率 |
| 3.5 本章小结 |
| 第4章 适用于LEO卫星对地数传系统的OFDM符号定时同步 |
| 4.1 引言 |
| 4.2 载波频率偏移的数学模型 |
| 4.3 可变长度同步帧头的设计 |
| 4.4 滑动差分相关算法 |
| 4.5 性能和结果分析 |
| 4.5.1 LEO卫星对地数据传输信道下的性能分析 |
| 4.5.2 不同长度短训练序列群的性能分析 |
| 4.6 本章小结 |
| 第5章 基于深度神经网络的数字信号恢复技术 |
| 5.1 引言 |
| 5.2 深度学习概述 |
| 5.3 DNN-DSR技术 |
| 5.3.1 DNN-DSR技术流程 |
| 5.3.2 DNN-DSR技术原理分析 |
| 5.4 性能与结果分析 |
| 5.4.1 实验环境 |
| 5.4.2 计算资源分析 |
| 5.4.3 EVM, BER和SNR之间的关系 |
| 5.4.4 RF-PA功率效率分析 |
| 5.4.5 噪声鲁棒性分析 |
| 5.4.6 功率不相关性分析 |
| 5.5 本章小结 |
| 第6章 基于深度神经网络的f-OFDM接收机设计 |
| 6.1 引言 |
| 6.2 通信系统结构与参数设置 |
| 6.3 DNN结构与参数设置 |
| 6.4 可行性分析 |
| 6.5 性能分析 |
| 6.6 本章小结 |
| 第7章 总结和展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）基于深度学习的高速成像通信关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景介绍 |
| 1.1.1 拍赫兹通信 |
| 1.1.2 成像通信 |
| 1.2 国内外研究现状 |
| 1.3 论文的研究内容与结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 组织框架 |
| 第2章 基于深度学习的成像通信系统概述与基础理论 |
| 2.1 成像通信系统收发端介绍 |
| 2.1.1 发送端介绍 |
| 2.1.2 接收端介绍 |
| 2.2 系统性能影响因素 |
| 2.2.1 采样频偏与混帧 |
| 2.2.2 透视失真 |
| 2.2.3 颜色串扰与非线性 |
| 2.2.4 空间串扰 |
| 2.3 深度学习基本原理 |
| 2.3.1 卷积神经网络原理 |
| 2.3.2 生成对抗网络原理 |
| 2.4 本章小结 |
| 第3章 基于深度学习的稀疏光源MIMO成像通信关键技术 |
| 3.1 发送端设计 |
| 3.2 同步算法设计 |
| 3.2.1 帧同步算法设计 |
| 3.2.2 包同步算法设计 |
| 3.3 ROI检测算法 |
| 3.3.1 霍夫圆检测 |
| 3.3.2 透视失真矫正 |
| 3.4 基于深度学习的信息解调算法设计 |
| 3.4.1 CNN解调网络的设计 |
| 3.4.2 CNN解调网络的训练 |
| 3.5 系统平台搭建与性能评估 |
| 3.5.1 稀疏光源MIMO成像通信系统设计 |
| 3.5.2 系统平台搭建与通信性能评估 |
| 3.6 本章小结 |
| 第4章 基于深度学习的密集光源MIMO成像通信关键技术 |
| 4.1 颜色模式调制 |
| 4.2 基于全卷积网络的调制块检测算法 |
| 4.3 基于深度学习的信号增强算法 |
| 4.4 基于深度学习的信号解调算法 |
| 4.5 系统平台搭建与性能评估 |
| 4.5.1 密集光源MIMO成像通信系统设计 |
| 4.5.2 系统平台搭建与通信性能的评估 |
| 4.5.3 与其他研究团队的结果对比 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 论文总结 |
| 5.2 进一步研究方向 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（3）基于帧内预测模式的HEVC音视频同步算法（论文提纲范文）
| 1 概述 |
| 2 HEVC帧内编码 |
| 2.1 HEVC帧内编码结构 |
| 2.2 帧内预测 |
| 3 同步算法实现 |
| 3.1 帧内预测模式相关性分析 |
| 3.2 帧内预测模式划分 |
| 3.3 音频信息可变码长分组 |
| 3.4 音视频同步编码 |
| 3.4.1音频信息读取 |
| 3.4.2 音频嵌入过程 |
| 3.5 音视频解码 |
| 4 实验结果与分析 |
| 4.1 视频主观质量分析 |
| 4.2 视频客观质量分析 |
| 4.3 音频主观质量分析 |
| 5 结束语 |
（4）抵抗去同步攻击的鲁棒水印技术研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 信息隐藏技术简介 |
| 1.2 隐写术简介 |
| 1.3 数字水印技术简介 |
| 1.3.1 数字水印系统的基本框架 |
| 1.3.2 数字水印的特性 |
| 1.3.3 数字水印的分类 |
| 1.4 对数字图像水印的攻击 |
| 1.4.1 攻击的发展 |
| 1.4.2 攻击的分类 |
| 1.5 水印去同步攻击和重同步技术的对抗 |
| 1.5.1 抵抗全局去同步攻击的水印重同步算法 |
| 1.5.2 抵抗局部去同步攻击的水印重同步算法 |
| 1.5.3 抵抗不可逆的去同步攻击的水印重同步算法 |
| 1.6 本文的主要贡献和组织结构 |
| 2 抵抗全局去同步攻击的鲁棒水印 |
| 2.1 引言 |
| 2.2 水印重同步算法框架 |
| 2.3 几何不变区域的检测 |
| 2.3.1 鲁棒边缘检测 |
| 2.3.2 鲁棒角点检测 |
| 2.3.3 半径选择 |
| 2.4 几何不变区域的划分 |
| 2.4.1 最重要角点的挑选 |
| 2.4.2 划分几何不变区域 |
| 2.5 水印的嵌入和提取 |
| 2.5.1 水印的嵌入 |
| 2.5.2 水印的提取 |
| 2.6 参数分析 |
| 2.6.1 鲁棒边缘提取的参数分析 |
| 2.6.2 鲁棒角点检测的参数分析 |
| 2.6.3 半径选择的参数分析 |
| 2.7 实验结果 |
| 2.7.1 水印的不可见性 |
| 2.7.2 水印的鲁棒性 |
| 2.8 总结 |
| 3 抵抗局部去同步攻击的鲁棒水印 |
| 3.1 引言 |
| 3.2 水印重同步算法 |
| 3.2.1 新的特征变换：LDFT |
| 3.2.2 利用BSP树划分LDFT特征空间 |
| 3.2.3 水印的嵌入 |
| 3.2.4 水印的提取 |
| 3.3 性能分析和参数选择 |
| 3.3.1 鲁棒性分析 |
| 3.3.2 虚警率和漏检率 |
| 3.3.3 容量、不可见性和鲁棒性之间的折中 |
| 3.4 实验结果 |
| 3.4.1 水印的不可见性 |
| 3.4.2 水印鲁棒性 |
| 3.5 总结 |
| 4 抵抗不可逆去同步攻击的鲁棒水印 |
| 4.1 引言 |
| 4.2 相关工作和本章的创新点 |
| 4.2.1 相关工作 |
| 4.2.2 本章的主要创新点 |
| 4.3 图像显着性检测模型 |
| 4.3.1 方向特征图 |
| 4.3.2 颜色特征图 |
| 4.3.3 自顶向下的景深特征 |
| 4.3.4 基于景深的特征图融合 |
| 4.4 基于显着性图的水印重同步算法 |
| 4.5 实验结果 |
| 4.5.1 方向特征图、颜色特征图、景深图和最终的显着性图的评测 |
| 4.5.2 在数据集DB-1000上的对比 |
| 4.5.3 在数据集DB-5000上的对比 |
| 4.5.4 水印重同步算法的鲁棒性测试 |
| 4.6 总结 |
| 5 总结与展望 |
| 5.1 工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 作者简历 |
| 攻读博士学位期间发表的学术论文 |
| 专利与获奖情况 |
| 学位论文数据集 |
（5）基于H.264运动估计的音视频同步编码技术（论文提纲范文）
| 1 同步编码方案 |
| 2 同步编码过程 |
| 2.1 像素搜索点和音频的对应关系 |
| 2.2 音视频同步编码原理 |
| (1) 音视频之间的对应关系 |
| (2) 嵌入音频 |
| (3) 同步编码 |
| 2.3 音视频重构过程 |
| 3 实验结果分析 |
| 3.1 性能指标 |
| 3.2 实验结果 |
| 4 结束语 |
（6）面向H.264的嵌入式音视频同步编码技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文研究目的与意义 |
| 1.2 论文研究背景 |
| 1.2.1 音视频同步技术 |
| 1.2.2 视频编码标准介绍 |
| 1.3 论文主要研究内容及安排 |
| 第2章 多媒体同步技术 |
| 2.1 多媒体同步的定义 |
| 2.2 多媒体同步的分类 |
| 2.2.1 广义分类 |
| 2.2.2 狭义分类 |
| 2.3 多媒体同步模型 |
| 2.3.1 时间轴同步模型 |
| 2.3.2 参考点同步模型 |
| 2.3.3 层次同步模型 |
| 2.4 影响多媒体同步的因素 |
| 2.5 多媒体同步控制机制 |
| 2.5.1 媒体内同步 |
| 2.5.2 媒体间同步 |
| 2.6 同步性能的测量标准 |
| 2.6.1 客观标准 |
| 2.6.2 主观标准 |
| 2.7 本章小结 |
| 第3章 H.264/AVC 编码标准 |
| 3.1 H.264/AVC 编码 |
| 3.2 H.264/AVC 解码 |
| 3.3 H.264/AVC 的核心技术 |
| 3.3.1 分层设计 |
| 3.3.2 帧内预测 |
| 3.3.3 帧间预测 |
| 3.3.4 整数变换与量化 |
| 3.3.5 熵编码 |
| 3.3.6 码率控制 |
| 3.3.7 去方块滤波 |
| 3.4 本章小结 |
| 第4章 基于模式选择的音视频同步编码方案 |
| 4.1 帧内预测模式 |
| 4.1.1 4×4 亮度预测模式 |
| 4.1.2 16×16 亮度预测模式 |
| 4.1.3 8×8 色度预测模式 |
| 4.1.4 帧内模式选择方法 |
| 4.2 帧间预测模式 |
| 4.2.1 代价函数 |
| 4.2.2 全搜索模式 |
| 4.3 基于模式选择的音视频同步方案 |
| 4.3.1 同步编码 |
| 4.3.2 同步解码 |
| 4.3.3 实验平台及性能指标 |
| 4.3.4 实验结果及分析 |
| 4.4 改进的同步方案 |
| 4.4.1 同步编码 |
| 4.4.2 同步解码 |
| 4.4.3 实验结果及分析 |
| 4.5 本章小结 |
| 第5章 基于 CAVLC 的音视频同步编码方案 |
| 5.1 熵编码的基本原理 |
| 5.2 CAVLC 编码过程 |
| 5.2.1 CAVLC 编码原理 |
| 5.2.2 重排序 |
| 5.2.3 CAVLC 编码步骤 |
| 5.3 CAVLC 解码过程 |
| 5.4 基于拖尾系数嵌入法 |
| 5.4.1 同步编码 |
| 5.4.2 同步解码 |
| 5.4.3 实验结果及分析 |
| 5.5 基于其它非零系数嵌入法 |
| 5.5.1 同步编码 |
| 5.5.2 同步解码 |
| 5.5.2 实验结果及分析 |
| 5.6 本章小结 |
| 第6章 基于运动估计的音视频同步编码方案 |
| 6.1 运动估计 |
| 6.1.1 基于块的运动表示法 |
| 6.1.2 运动矢量预测 |
| 6.1.3 匹配准则 |
| 6.2 运动搜索算法 |
| 6.2.1 全局搜索算法 |
| 6.2.2 分数精度搜索算法 |
| 6.3 同步算法的提出 |
| 6.3.1 同步编码 |
| 6.3.2 同步解码 |
| 6.4 实验结果及分析 |
| 6.5 不同方案之间的对比 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 工作总结 |
| 7.2 下一步工作展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（7）基于H.264的CAVLC嵌入式音视频同步算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 论文的主要工作 |
| 第2章 音、视频同步基础 |
| 2.1 多媒体同步分类 |
| 2.1.1 广义分类 |
| 2.1.2 狭义分类 |
| 2.2 影响媒体同步的因素 |
| 2.3 同步性能衡量标准 |
| 2.3.1 客观标准 |
| 2.3.2 主观标准 |
| 2.4 媒体同步技术 |
| 2.4.1 媒体流内同步策略 |
| 2.4.2 媒体流间同步策略 |
| 第3章 数字视频信息隐藏技术 |
| 3.1 数字信息隐藏技术 |
| 3.2 视频数字信息隐藏技术 |
| 3.2.1 视频信息隐藏技术特点 |
| 3.2.2 数字视频信息隐藏方法分类 |
| 3.3 H.264 数字视频压缩标准 |
| 3.3.1 H.264 简介 |
| 3.3.2 H.264 技术特点 |
| 3.4 H.264 中的信息隐藏方法 |
| 3.4.1 基于变换系数的数字信息隐藏算法 |
| 3.4.2 基于运动矢量的数字信息隐藏算法 |
| 3.4.3 基于帧内预测的数字信息隐藏算法 |
| 第4章 基于 H.264 CAVLC 熵编码的音、视频同步方法 |
| 4.1 典型视频序列结构 |
| 4.2 H.264 CAVLC 熵编码 |
| 4.2.1 CAVLC 熵编码的基本原理 |
| 4.2.2 CAVLC 熵编码的上下文模型 |
| 4.2.3 CAVLC 的编码过程 |
| 4.2.4 CAVCL 的解码过程 |
| 4.2.5 CAVLC 编解码过程实例 |
| 4.2.6 CAVLC 与 UVLC 的比较 |
| 4.3 基于 CAVCL 熵编码的音、视频同步算法 |
| 4.3.1 系统同步方案 |
| 4.3.2 CAVLC 同步编、解码原理 |
| 第5章 实验结果与分析 |
| 5.1 测试环境与资源 |
| 5.2 视频序列 |
| 5.3 性能标准 |
| 5.4 结果分析 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（8）基于H.264可变尺寸帧间预测的音视频同步算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景和意义 |
| 1.2 课题主要研究内容及论文安排 |
| 第2章 音视频同步基础 |
| 2.1 多媒体同步分类 |
| 2.1.1 广义分类 |
| 2.1.2 狭义分类 |
| 2.2 影响媒体同步的因素 |
| 2.3 同步性能衡量标准 |
| 2.3.1 客观标准 |
| 2.3.2 主观标准 |
| 2.4 媒体同步技术 |
| 2.4.1 媒体流内同步策略 |
| 2.4.2 媒体流间同步策略 |
| 第3章 视频信息隐藏技术 |
| 3.1 数字信息隐藏技术 |
| 3.2 视频信息隐藏技术 |
| 3.2.1 视频隐藏技术的特点 |
| 3.2.2 视频信息隐藏技术的分类 |
| 3.3 H.264 视频压缩编码标准 |
| 3.3.1 H.264 简介 |
| 3.3.2 H.264 技术特点 |
| 3.4 H.264 中的信息隐藏技术 |
| 第4章 基于H.264 可变尺寸帧间预测的音视频同步算法 |
| 4.1 典型视频序列结构 |
| 4.2 H.264 帧间可变尺寸运动补偿 |
| 4.3 基于可变尺寸帧间预测的音视频同步算法 |
| 4.3.1 同步系统方案 |
| 4.3.2 音频嵌入点的选取 |
| 4.3.3 音视频同步原理 |
| 第5章 实验结果分析 |
| 5.1 实验平台 |
| 5.2 视频序列 |
| 5.3 性能标准 |
| 5.4 结果分析 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 下一步发展方向 |
| 参考文献 |
| 致谢 |
（10）抗仿射变换的鲁棒水印方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 图像鲁棒水印技术简介 |
| 1.2.1 图像鲁棒水印技术框架 |
| 1.2.2 针对图像鲁棒水印的常见攻击方式 |
| 1.2.3 图像鲁棒水印的评价维度 |
| 1.3 抗几何攻击鲁棒水印技术研究现状 |
| 1.3.1 抗单一几何攻击的鲁棒水印研究现状 |
| 1.3.2 抗仿射变换攻击的鲁棒水印研究现状 |
| 1.4 仿射不变量的研究现状 |
| 1.4.1 全局仿射不变特征研究现状 |
| 1.4.2 几何不变特征研究现状 |
| 1.4.3 局部特征点研究现状 |
| 1.5 现有研究存在的问题 |
| 1.6 本文主要研究内容及安排 |
| 第二章 基于ASIFT特征点的抗仿射变换鲁棒水印算法 |
| 2.1 基于ASIFT特征点的点集选取算法 |
| 2.1.1 ASIFT特征点简介 |
| 2.1.2 ASIFT特征点选取 |
| 2.2 基于同步区域的优化方法 |
| 2.2.1 仿射变换中插值和采样对直方图的影响 |
| 2.2.2 仿射变换中插值和采样的优化方法 |
| 2.3 基于ASIFT特征点构建的水印算法 |
| 2.3.1 同步可用网格 |
| 2.3.2 水印嵌入 |
| 2.3.3 水印提取 |
| 2.4 算法分析 |
| 2.5 实验结果与分析 |
| 2.6 本章小结 |
| 第三章 基于Delaunay三角图像重建的抗仿射变换鲁棒水印算法 |
| 3.1 Delaunay三角算法中特征点提取算法 |
| 3.1.1 Delaunay三角算法的简介 |
| 3.1.2 Delaunay三角算法中特征点集提取算法 |
| 3.2 基于Delaunay三角图像重建的水印算法 |
| 3.2.1 基于Delaunay三角的图像重建算法思想 |
| 3.2.2 基于Delaunay三角的图像重建算法 |
| 3.2.3 水印嵌入 |
| 3.2.4 水印提取 |
| 3.3 实验结果与分析 |
| 3.3.1 在不同攻击下的鲁棒性表现 |
| 3.3.2 正确率比较 |
| 3.4 本章小结 |
| 第四章 基于DWT-DCT的抗仿射变换鲁棒水印算法 |
| 4.1 水印嵌入位置同步问题的引入 |
| 4.1.1 水印嵌入位置同步的问题 |
| 4.1.2 水印嵌入位置同步的算法 |
| 4.2 基于DWT-DCT的水印算法 |
| 4.2.1 鲁棒特征点选取 |
| 4.2.2 水印嵌入 |
| 4.2.3 水印提取 |
| 4.3 实验结果与分析 |
| 4.3.1 在不同攻击下的鲁棒性表现 |
| 4.3.2 正确率比较 |
| 4.4 本章小结 |
| 第五章 基于深度神经网络的抗仿射变换鲁棒水印算法 |
| 5.1 深度神经网络 |
| 5.2 基于深度神经网络的水印算法 |
| 5.2.1 训练神经网络 |
| 5.2.2 水印提取 |
| 5.3 算法设计与分析 |
| 5.3.1 图像预处理 |
| 5.3.2 图像分块选择 |
| 5.3.3 图像分块大小 |
| 5.3.4 水印信息长度 |
| 5.4 实验结果与分析 |
| 5.4.1 在不同攻击下的鲁棒性表现 |
| 5.4.2 正确率比较 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 有待进一步研究的问题 |
| 致谢 |
| 参考文献 |
| 作者简历攻读博士学位期间完成的主要工作 |
四、基于信息隐藏的视频重同步算法（论文参考文献）
- [1]基于OFDM和深度学习技术的LEO星地高速数传系统研究[D]. 张羽丰. 中国科学院大学(中国科学院国家空间科学中心), 2021(01)
- [2]基于深度学习的高速成像通信关键技术研究[D]. 聂晓晨. 中国科学技术大学, 2020(01)
- [3]基于帧内预测模式的HEVC音视频同步算法[J]. 徐辉,王晓东,王让定,章联军. 计算机工程, 2015(12)
- [4]抵抗去同步攻击的鲁棒水印技术研究[D]. 田华伟. 北京交通大学, 2013(01)
- [5]基于H.264运动估计的音视频同步编码技术[J]. 李晓妮,陈贺新,陈绵书,蒙塞夫·嘎博基. 吉林大学学报(工学版), 2012(05)
- [6]面向H.264的嵌入式音视频同步编码技术研究[D]. 李晓妮. 吉林大学, 2012(09)
- [7]基于H.264的CAVLC嵌入式音视频同步算法研究[D]. 齐小隐. 吉林大学, 2012(10)
- [8]基于H.264可变尺寸帧间预测的音视频同步算法研究[D]. 刘添. 吉林大学, 2011(09)
- [9]基于信息隐藏的视频重同步算法[J]. 苏育挺,张春田. 中山大学学报(自然科学版), 2004(S2)
- [10]抗仿射变换的鲁棒水印方法研究[D]. 冯柳. 战略支援部队信息工程大学, 2021(01)