基于多边形编码和改进的深度可学习相似性网络的大容量H.265/HEVC视频隐写技术

本文提出基于H.265/HEVC的视频隐写算法，采用多边形编码规则与改进的IDLSNF滤波器，结合8×8和16×16 PU分区模式，在提升隐蔽容量的同时降低失真，并增强抗隐写分析能力，为视频隐蔽通信提供新方法。

　　

摘要：

近年来，基于H.265/HEVC的视频隐秘术技术受到了广泛关注。在编码过程中，视频隐秘术通常会选择各种语法元素作为载体，而利用预测单元（PU）作为载体是目前最重要的研究方向之一。然而，由于PU类型的数量有限，这类算法往往存在容量不足和视觉质量低下的问题。为了解决这些问题，本文提出了一种基于H.265/HEVC的视频隐秘术算法，该算法采用了多边形编码和改进的深度可学习相似性网络滤波器（IDLSNF）。首先，我们设计了一种新的多边形编码规则，将不同的整数映射到多个多边形上。其次，我们提出了一种基于多边形编码和PU划分模式的新型隐秘术方法。该方法选择P帧中8×816×16编码单元作为载体，并通过修改两个相邻PU的划分模式来隐藏秘密信息。由于多边形编码能够在较小范围内表示更多信息，因此它在保持较低隐秘术失真的同时提高了容量。第三，我们通过改进DLSN算法进一步提升了整个隐秘视频的视觉质量，特别是I帧的处理效果。大量实验结果表明，本文提出的视频隐秘术算法在容量和视觉质量方面均优于现有的最先进方法。同时，该算法还具有良好的比特率（BRI）和抗隐秘分析性能。这种方法在视频隐蔽通信领域具有广阔的应用前景。