视频可见水印检测与去除关键技术研究

发布时间：2021-11-03 08:58

　　针对可见水印多样性的特点和视频可见水印检测与去除过程中需要大量人工干预的问题,提出了一种基于图像修复的视频可见水印去除方法。该方法主要分为水印检测和水印去除2部分,水印检测采用目标检测和图像分割结合的方法,使检测的水印图案更准确;水印去除采用基于深度图像先验的图像修复实现,并在损失函数中引入结构相似度,修复网络通过学习水印以外的区域获得图像先验修复图像。为了验证该方法的有效性,用公开网站上的真实视频进行了综合的实验评估,实验结果表明该方法与其他修复方法相比,修复后的视频帧结构相似度和峰值信噪比更高。 

【文章来源】：高技术通讯. 2020,30(12)北大核心

【文章页数】：10 页

【部分图文】：

本文算法流程

在现有的网站中,许多视频的可见水印是动态的。动态水印主要分为两种情况:水印位置不变、形态变化的情况,如西瓜视频和人人视频;水印形态不变、位置变化的情况,如韩剧TV。如图2所示,图2从上到下依次为西瓜视频、人人视频和韩剧TV同一个视频不同时刻的视频帧。针对上述2种情况,利用中值梯度和累加灰度图的方法对视频进行水印提取会出现水印不完整和提取不到的问题。且对于十几秒的短视频,视频内容变化较小,往往有把视频帧内容当作水印提取出来的问题。基于结构的方法往往出现把字幕错认为水印的现象。本文使用目标检测算法先检测出水印区域减小水印切割范围,再使用图像分割算法切割出准确的水印图案。2.1 水印区域检测

在水印区域检测部分,本文将数据集中5164张视频帧作为训练集,其余的1290张视频帧作为测试集。YOLOv3在测试集中检测的准确率为98%。检测结果如图3所示。2.2 水印区域分割

【参考文献】：
期刊论文
[1]数字水印擦除技术的研究[J]. 李瑞民.  电视技术. 2015(01)

硕士论文
[1]基于生成式对抗网络的图像修复算法研究[D]. 赵立怡.西安理工大学 2018



本文编号：3473408