运动矢量域视频隐写分析中的广义局部最优性
计算机视觉与模式识别
2021-12-23 v1 密码学与安全
摘要
运动矢量（MV）的局部最优性是视频编码中的固有特性，对任何 MV 的修改都不可避免地破坏该最优性，使其成为 MV 域隐写术的敏感指示器。因此局部最优性常被用于设计隐写分析特征，而局部最优性的估计已成为视频隐写分析的首要任务。然而，现有工作中的局部最优性常估计不准确或采用不合理假设，限制了其在隐写分析中的能力。本文提出以更合理且全面的方式估计局部最优性，并从两方面推广局部最优性概念。首先，以率失真意义度量的局部最优性由 MV 与预测运动矢量（PMV）共同决定，PMV 的可变性会影响局部最优性的估计。因此我们将局部最优性从静态估计推广为动态估计。其次，PMV 是 MV 的特例，也能反映 MV 中的嵌入痕迹。于是我们将局部最优性从 MV 域推广到 PMV 域。基于局部最优性的这两类推广，我们构建新型隐写分析特征，并提出特征对称化规则以降低特征维度。在三个数据库上的大量实验证明了所提特征的有效性，其在多种条件下（包括载体源失配、视频预测方法、视频编解码器及视频分辨率）均达到准确率与鲁棒性上的 SOTA。
引用
@article{arxiv.2112.11729,
title = {Generalized Local Optimality for Video Steganalysis in Motion Vector Domain},
author = {Liming Zhai and Lina Wang and Yanzhen Ren and Yang Liu},
journal= {arXiv preprint arXiv:2112.11729},
year = {2021}
}