抗几何失真的视频Hashing算法研究  

Perceptual video Hashing robust against geometric distortions

作　　者：项世军[1,2] 杨建权[3] 黄继武[4] 

机构地区：[1]暨南大学信息科学技术学院,广州510632 [2]信息安全国家重点实验室(中国科学院信息工程研究所),北京100029 [3]中国科学院深圳先进技术研究院,深圳518055 [4]中山大学信息科学与技术学院,广州510275

出　　处：《中国科学：信息科学》2012年第5期578-587,共10页Scientia Sinica(Informationis)

基　　金：国家自然科学基金(批准号:60903177;U1135001);国家重点基础研究发展计划(批准号:2011CB302204);中央高校基本科研业务费专项资金(批准号:21611408);中国科学院战略性先导科技专项课题(批准号:XDA06030600)资助项目

摘　　要：文中提出了一种基于视频灰度直方图形状的Hashing算法,能有效抵抗各种常见的几何失真和视频处理操作.算法的鲁棒性原理如下:1)由于直方图的形状与像素位置无关,故基于直方图的视频Hashing算法能有效抵抗各种常见的几何攻击;2)由于在计算Hashing前对视频帧进行了平滑预处理,故算法对加噪攻击、模糊滤波、有损压缩等处理操作有很好的鲁棒性;3)由于计算Hashing前在时间轴上进行了低通滤波预处理,故算法能抵抗帧率变化、帧丢失等时域同步攻击.实验结果表明,所提出的Hashing算法有良好的唯一性和鲁棒性能.In this paper, we propose a robust perceptual hashing algorithm by using the shape of video luminance histogram. The underlying robustness principles are based on three main aspects： 1） since the histogram in shape does not depend on the exact position of a pixel, the algorithm is resistant to geometric deformations; 2） the hash is extracted from the spatial Gaussian-filtering low-frequency component against common video processing operations such as noise permutation, low-pass filtering and lossy compression; 3） temporal Gaussian- filtering operation is designed so that the hash is robust to temporal desynchronization operations, such as frame rate change and dropping. As a result, the hash function is robust to common geometric distortions and video processing operations. Experimental results show that the proposed hashing strategy provides satisfactory robustness and uniqueness.

关 键 词：视频Hashing 几何失真 直方图 统计特征 高斯滤波 

分 类 号：TP309[自动化与计算机技术—计算机系统结构]