1037528H.264/AVC視頻編碼器的作用

1037528H.264/AVC視頻編碼器的作用DFS60B-BDCC00004神經(jīng)網(wǎng)絡(luò)等特征選擇算法對(duì)特征集進(jìn)行優(yōu)化處理,以使得其對(duì)識(shí)別任務(wù)更加有利,具體的研究工作如下:1、論文先對(duì)幾種典型的脈內(nèi)調(diào)制信號(hào)進(jìn)行研究,通過(guò)其時(shí)域波形圖、頻譜圖分析信號(hào)的調(diào)制特點(diǎn)。構(gòu)建有效的雷達(dá)信號(hào)原始特征集,本文對(duì)幾種雷達(dá)信號(hào)進(jìn)行了數(shù)據(jù)增強(qiáng)處理,轉(zhuǎn)換至頻域上提取復(fù)雜度特征、轉(zhuǎn)換至?xí)r頻域上提取小波脊頻級(jí)聯(lián)特征、經(jīng)過(guò)Wigner-Ville分布至?xí)r頻域上提取信息熵級(jí)聯(lián)特征、以及在時(shí)頻域上提取模糊函數(shù)特征。原始特征集雖從不同角度上更為全面地反映了信號(hào)的調(diào)制屬性,但也存在冗余現(xiàn)象,針對(duì)這一問(wèn)題,文章采用Fisher-score特征選擇算法,對(duì)各維特征在類間及類內(nèi)距離進(jìn)行打分,并對(duì)特征進(jìn)行適當(dāng)剔除,獲得優(yōu)質(zhì)特征子集,結(jié)合分類器提高分類性能。2、利用深度神經(jīng)網(wǎng)絡(luò)強(qiáng)大的自主學(xué)習(xí)能力,提出將深度特征選擇網(wǎng)絡(luò)應(yīng)用于雷達(dá)信號(hào)識(shí)別研究中來(lái)。深度特征選擇網(wǎng)絡(luò)可以通過(guò)模型的訓(xùn)練捕捉到原始特征集中各維特征于分類任務(wù)的敏感程度,度量出哪些特征更具區(qū)分度,哪些特征是冗余特征,以此對(duì)特征在輸入級(jí)別實(shí)現(xiàn)加權(quán)處理,來(lái)提高分類精度。文章通過(guò)模型參數(shù)擇優(yōu)實(shí)驗(yàn),調(diào)整模型參數(shù),獲得了較為滿意的實(shí)驗(yàn)結(jié)果。同時(shí),由于是針對(duì)具有明確物理意義的原始特征集展開(kāi)的特征選擇工作,恰當(dāng)?shù)匾?guī)避了利用深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行雷達(dá)信號(hào)識(shí)別時(shí)提取到的特征具有“黑箱性”無(wú)法解釋的問(wèn)題,體現(xiàn)了算法的*性。3、針對(duì)深度特征選擇網(wǎng)絡(luò)存在的梯度擴(kuò)散,易陷入局部的問(wèn)題,引入基于堆疊收縮自動(dòng)編碼器的特征選擇網(wǎng)絡(luò)進(jìn)行雷達(dá)信號(hào)識(shí)別處理。該網(wǎng)絡(luò)采用無(wú)監(jiān)督貪心預(yù)訓(xùn)練和有監(jiān)督細(xì)化微調(diào)的方式進(jìn)行學(xué)習(xí)訓(xùn)練,有效捕捉到各維特征對(duì)分類任務(wù)的影響情況,并予以加權(quán)處理,實(shí)現(xiàn)網(wǎng)絡(luò)分類性能的提升。同時(shí),為了驗(yàn)證該模型的普遍適用性,增加一組將經(jīng)過(guò)小波時(shí)頻變換的脊線特征直接作為輸入進(jìn)行分類的實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果驗(yàn)證了模型具有良好的普適性。已經(jīng)能夠輕易的對(duì)視頻內(nèi)容進(jìn)行篡改,嚴(yán)重威脅數(shù)字視頻的完整性和真實(shí)性。面對(duì)上述問(wèn)題,數(shù)字視頻技術(shù)應(yīng)運(yùn)而生。其中,數(shù)字視頻被動(dòng)算法由于僅依靠數(shù)字視頻固有指紋進(jìn)行檢測(cè),無(wú)需預(yù)先嵌入信息而受到廣泛關(guān)注和研究。本論文研究數(shù)字視頻被動(dòng)領(lǐng)域中的重壓縮視頻檢測(cè)技術(shù)。在大多數(shù)視頻篡改過(guò)程中,篡改者需要經(jīng)歷“視頻解壓縮-視頻內(nèi)容篡改-視頻重壓縮”三個(gè)步驟。檢測(cè)重壓縮視頻具有的重編碼痕跡不僅為篡改分析提供重要依據(jù),還能有效還原可疑視頻的壓縮歷史。重壓縮視頻檢測(cè)的主要難點(diǎn)在于:視頻編碼參數(shù)的多樣性（例如:時(shí)域編碼結(jié)構(gòu)）使得重編碼痕跡具有復(fù)雜的特性。本論文根據(jù)視頻重壓縮過(guò)程前后時(shí)域編碼結(jié)構(gòu)（即圖像組,Group of Pictures,簡(jiǎn)稱GOP）是否一致,將重壓縮視頻檢測(cè)分為GOP結(jié)構(gòu)錯(cuò)位的重壓縮視頻檢測(cè)以及GOP結(jié)構(gòu)對(duì)齊的重壓縮視頻檢測(cè)兩類問(wèn)題。針對(duì)重壓縮視頻的特殊情況-雙壓縮視頻,本文結(jié)合多種新技術(shù)對(duì)上述問(wèn)題展開(kāi)了深入研究,提出了四種創(chuàng)新的檢測(cè)算法。針對(duì)GOP結(jié)構(gòu)錯(cuò)位的重壓縮視頻在壓縮域留下的異常編碼痕跡,本文分析了視頻背景和前景區(qū)域中運(yùn)動(dòng)向量等編碼數(shù)據(jù)的統(tǒng)計(jì)特性,提出一種基于局部運(yùn)動(dòng)向量場(chǎng)分析的靜止背景視頻雙壓縮檢測(cè)算法。該算法利用局部運(yùn)動(dòng)向量場(chǎng)分析方法對(duì)背景區(qū)域進(jìn)行宏塊級(jí)分割。通過(guò)對(duì)背景和前景區(qū)域賦予不同權(quán)重,抑制快速運(yùn)動(dòng)前景內(nèi)容的干擾并提取更為魯棒的加權(quán)預(yù)測(cè)殘差序列。然后采用時(shí)間域周期性分析算法對(duì)雙壓縮視頻進(jìn)行檢測(cè)并估計(jì)原始視頻的GOP結(jié)構(gòu)。由于充分考慮了背景和前景區(qū)域重編碼痕跡的不同特性,該算法比傳統(tǒng)算法對(duì)編碼參數(shù)的多樣性更為魯棒。針對(duì)GOP結(jié)構(gòu)錯(cuò)位的重壓縮視頻在像素域留下的異常編碼痕跡,本文分析了MPEG-4視頻像素域的塊效應(yīng)痕跡,提出一種基于塊效應(yīng)異常強(qiáng)度的雙壓縮視頻檢測(cè)算法。該算法首先利用去塊效應(yīng)濾波器提取解壓幀的塊效應(yīng)強(qiáng)度。塊效應(yīng)強(qiáng)度序列結(jié)合宏塊類型統(tǒng)計(jì)模式計(jì)算特征序列。對(duì)特征序列采用時(shí)間域周期分析方法檢測(cè)雙壓縮視頻并估計(jì)原始視頻的GOP結(jié)構(gòu)。由于采用了可靠的像素域異常塊效應(yīng)度量方法,該算法比傳統(tǒng)算法對(duì)視頻內(nèi)容多樣性更為魯棒,特別是具有復(fù)雜紋理并緩慢運(yùn)動(dòng)的視頻內(nèi)容。為了自動(dòng)從大量樣本中學(xué)習(xí)重編碼痕跡的特征表達(dá),本文將近年來(lái)獲得廣泛研究的深度學(xué)習(xí)技術(shù)引入到GOP結(jié)構(gòu)錯(cuò)位.

1037528H.264/AVC視頻編碼器的作用DFS60B-BDCC00004縮視頻檢測(cè)問(wèn)題中。提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的幀級(jí)H.264視頻雙壓縮痕跡檢測(cè)算法。該算法采用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)區(qū)分重定位I幀和其他類型的P幀。與傳統(tǒng)的計(jì)算機(jī)視覺(jué)任務(wù)不同,所設(shè)計(jì)的卷積神經(jīng)網(wǎng)絡(luò)需要檢測(cè)人眼難以感知的重編碼痕跡。因此在網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)過(guò)程中,考慮加入提取高頻分量的預(yù)處理層抑制視頻內(nèi)容對(duì)分類性能的干擾。此外,該網(wǎng)絡(luò)還采用1×1卷積核以及平均池化層等結(jié)構(gòu)減少過(guò)擬合現(xiàn)象。實(shí)驗(yàn)結(jié)果表明該算法能夠準(zhǔn)確的檢測(cè)幀級(jí)重定位I幀,為后續(xù)視頻級(jí)分析提供重要依據(jù)。在實(shí)際應(yīng)用中,具備專業(yè)知識(shí)的篡改者往往可以從視頻文件中讀取相關(guān)的視頻編碼信息,利用與輸入視頻相同的編碼參數(shù)（例如:時(shí)域編碼結(jié)構(gòu)）進(jìn)行重壓縮,達(dá)到使重編碼痕跡難以被檢測(cè)的目的。針對(duì)這一類GOP結(jié)構(gòu)對(duì)齊的重壓縮視頻,本文分析發(fā)現(xiàn)視頻質(zhì)量經(jīng)過(guò)多次同參數(shù)重壓縮后終將收斂到穩(wěn)定不變的狀態(tài)。而單次壓縮和雙次壓縮視頻具有不同的視頻質(zhì)量收斂速度。根據(jù)上述發(fā)現(xiàn),本文提出了一種基于質(zhì)量下降機(jī)制分析的同參數(shù)雙壓縮視頻檢測(cè)算法。該算法構(gòu)建了多種宏塊模式用于有效表達(dá)重壓縮過(guò)程中視頻質(zhì)量的下降程度?？紤]不同編碼標(biāo)準(zhǔn)的具體技術(shù)特點(diǎn),面向MPEG視頻和H.264視頻分別提出了兩套檢測(cè)特征,結(jié)合支持向量機(jī)分類器完成檢測(cè)。實(shí)驗(yàn)結(jié)果表明該算法能夠有效檢測(cè)多種編碼設(shè)置下的同參數(shù)雙壓縮視頻。