电气工程与系统科学 > 图像与视频处理
[提交于 2025年8月19日
]
标题: 基于遗传算法的视频隐写中感兴趣区域选择的优化
标题: Optimizing Region of Interest Selection for Effective Embedding in Video Steganography Based on Genetic Algorithms
摘要: 随着互联网的广泛应用,确保传输数据的安全性和隐私性变得越来越重要。 这促使对视频隐写术的研究更加深入,这是一种将数据隐藏在视频载体中以避免被检测的技术。 任何隐写术方法的有效性取决于其在不改变原始视频质量的同时嵌入数据的能力,同时保持高效率。 本文提出了一种新的视频隐写术方法,该方法利用遗传算法(GA)来识别载体视频中的感兴趣区域(ROI)。 ROI是视频中最适合嵌入数据的区域。 在嵌入到载体视频之前,秘密数据使用高级加密标准(AES)进行加密,这是一种广泛接受的加密标准,最多利用10%的载体视频。 这一过程确保了嵌入数据的安全性和保密性。 评估所提出方法的性能指标是峰值信噪比(PSNR)以及编码和解码时间。 结果表明,所提出的方法具有较高的嵌入能力和效率,PSNR范围在64到75分贝之间,这表明嵌入的数据几乎与原始视频无法区分。 此外,该方法可以快速编码和解码数据,使其适用于实时应用。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.