魯棒且可區(qū)分的拷貝檢測技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)通信技術(shù)與多媒體技術(shù)的飛速發(fā)展，數(shù)字多媒體數(shù)據(jù)的非法復(fù)制、處理和傳播變得越來越容易。這樣使得多媒體數(shù)據(jù)內(nèi)容的盜版和侵權(quán)問題日益嚴(yán)重。如何保護(hù)數(shù)字多媒體內(nèi)容的版權(quán)成為知識產(chǎn)權(quán)保護(hù)領(lǐng)域中的一個重要的熱點問題?；趦?nèi)容的拷貝檢測（Content-basedCopyDetection，簡稱拷貝檢測）直接從多媒體數(shù)據(jù)中提取代表其內(nèi)容本身的特征，并通過匹配多媒體數(shù)據(jù)之間提取的特征來判斷他們之間是否存在拷貝關(guān)系。相比同樣應(yīng)用于版權(quán)保護(hù)的傳統(tǒng)數(shù)

2、字水印技術(shù)，拷貝檢測具有不需要在多媒體數(shù)據(jù)中添加任何附加信息，特征提取可以在多媒體數(shù)據(jù)發(fā)布之后進(jìn)行等優(yōu)點。除此之外，拷貝檢測技術(shù)在多媒體冗余數(shù)據(jù)過濾和多媒體特定內(nèi)容跟蹤方面也有廣泛的應(yīng)用。因此，研究拷貝檢測技術(shù)在多媒體版權(quán)保護(hù)和數(shù)據(jù)管理等方面具有十分重要的意義。
　　一個良好的拷貝檢測系統(tǒng)應(yīng)具有魯棒性、區(qū)分性、高效性等基本屬性。為獲得較好的魯棒性和區(qū)分性的平衡，魯棒且可區(qū)分特征的提取是拷貝檢測技術(shù)的關(guān)鍵。本文研究圖像和圖像序列（視

3、頻）拷貝檢測技術(shù)，以提取圖像或視頻的魯棒且可區(qū)分特征為研究重點，主要研究內(nèi)容與成果如下:
　　(1)現(xiàn)有基于全局特征的圖像拷貝檢測方法的區(qū)分性相對較好，但針對一些常見的幾何變換攻擊抵抗能力不足，尤其是針對普通旋轉(zhuǎn)變換效果較差。為解決此問題，提出一種采用基于旋轉(zhuǎn)不變分區(qū)的全局梯度特征的圖像拷貝檢測方法。首先將圖像有效像素按亮度大小順序進(jìn)行排序，根據(jù)排序?qū)⒂行袼胤譃槿舾山M，每組對應(yīng)為一個圖像分區(qū);然后從構(gòu)建的圖像分區(qū)中提取兩種圖像梯

4、度特征;最后比較圖像之間的這兩種特征相似度來進(jìn)行圖像拷貝檢測。在構(gòu)建圖像分區(qū)時，由于有效像素的亮度排序?qū)πD(zhuǎn)變換具有不變性，構(gòu)建出的圖像分區(qū)同樣具有旋轉(zhuǎn)不變性，該特性是能有效地抵抗普通旋轉(zhuǎn)攻擊的基礎(chǔ)和保障。理論分析與實驗結(jié)果表明，該方法可以檢測任意角度的普通旋轉(zhuǎn)幾何攻擊，并對一些常見簡單的信號處理攻擊具有較好的抵抗能力。
　　(2)為了進(jìn)一步提高基于全局特征的圖像拷貝檢測方法對常見的拷貝攻擊抵抗能力，本文提出一種采用基于傅里葉梅林

5、變換的全局頻域特征的圖像拷貝檢測方法。該方法對圖像進(jìn)行傅里葉梅林變換并計算該變換頻譜的幅度值，選取中低頻的幅值，并將相鄰幅值比值作為圖像頻域特征。由于傅里葉梅林變換針對旋轉(zhuǎn)、尺度變換和循環(huán)平移具有不變性，因而該方法針對內(nèi)容不丟失的幾何攻擊具有較好抵抗力;同時，中低頻相鄰系數(shù)比值對一般信號處理不敏感，該方法對信號處理攻擊具有較好的魯棒性。另外，本方法在特征匹配時采用一種模擬攻擊策略以提高對旋轉(zhuǎn)后剪切攻擊的抵抗能力。理論分析和實驗結(jié)果證明，

6、該方法在檢測經(jīng)受多種內(nèi)容不丟失的幾何變換和信號處理攻擊而生成的拷貝圖像時具有更好的檢測效果，并能完全檢測出旋轉(zhuǎn)角度為20°以內(nèi)的旋轉(zhuǎn)后剪切的圖像。
　　(3)針對現(xiàn)有的基于全局或局部特征的圖像拷貝檢測方法不能較好兼顧魯棒性和區(qū)分性的問題，本文提出一種基于結(jié)合全局與局部特征的圖像拷貝檢測方法。該方法結(jié)合基于圓環(huán)分塊全局特征和局部特征的興趣點的優(yōu)點，從圖像中提取基于興趣點分布的特征應(yīng)用于圖像拷貝檢測。實驗結(jié)果表明，該方法針對內(nèi)容丟失類

7、型的幾何攻擊如一定程度的剪切攻擊以及嚴(yán)重信號處理攻擊包括水彩畫，浮雕化等具有較好的魯棒性，并且對于非拷貝圖像之間具有良好的區(qū)分性，在魯棒性和區(qū)分性方面表現(xiàn)出較好的均衡性;該方法的查全率和查準(zhǔn)率可同時達(dá)到92％以上優(yōu)于現(xiàn)有基于全局特征和基于局部特征的方法。
　　(4)為了在提高視頻拷貝檢測效率的同時保證較好檢測效果，本文提出了一種基于多特征聯(lián)合和時空過濾的視頻拷貝檢測方法。該方法首先從視頻幀的梯度統(tǒng)計特性、紋理信息和結(jié)構(gòu)信息中提取三

8、種局部特征來加強(qiáng)算法區(qū)分能力;然后，采用基于詞袋模型的特征表達(dá)方法將這些特征表達(dá)為組合關(guān)鍵詞形式，并構(gòu)建相應(yīng)的倒排索引結(jié)構(gòu)用于組合關(guān)鍵詞搜索，以快速匹配出相關(guān)視頻;最后，提出一種時空過濾策略去除相關(guān)視頻中的錯誤匹配來進(jìn)一步提高檢測效果。在TRECVID2008提供的數(shù)據(jù)集上進(jìn)行測試，結(jié)果表明該方法在檢測效率和檢測精度兩方面同時具有優(yōu)秀的表現(xiàn)。
　　綜上所述，本文以圖像和視頻為研究對象，為解決拷貝檢測的魯棒性、區(qū)分性和檢測效率等方面