基于粒子群优化及二维映射的视频水印算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (35): 88-91.

基于粒子群优化及二维映射的视频水印算法

刘争艳，李絮，王峰

阜阳师范学院计算机与信息学院，安徽阜阳 236037

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-11 发布日期:2011-12-11

Video watermarking scheme based on particle swarm optimization and two-dimensional mapping relationship

LIU Zhengyan，LI Xu，WANG Feng

School of Computer and Information，Fuyang Teachers College，Fuyang，Anhui 236037，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-11 Published:2011-12-11

摘要/Abstract

摘要： 数字视频水印算法存在的共同问题就是如何解决水印容量、鲁棒性和不可感知性三者之间的矛盾。基于此，提出一种新的H.264/AVC视频水印算法，算法利用粒子群优化算法选择嵌入载体位置并以此位置构造与水印信息之间的二维映射关系来嵌入水印信息。仿真实验结果表明所提算法能够很好地解决上述三者矛盾问题，具有较强的实用性。

关键词: H.264/AVC, 视频水印, 粒子群优化算法, 二维映射

Abstract: Digital video watermarking algorithms have a common problem that is how to solve the problem of the watermark capacity，robustness and non-perception of the contradiction.Based on this，a flexible algorithm is proposed for H.264/AVC video watermarking algorithm using particle swarm optimization algorithm to select the carrier location.Then the two-dimensional map relationship between the watermark information and carrier location is constructed.Simulation results show that the proposed algorithm can solve the above three contradictions，which has a strong practicality.

Key words: H.264/AVC, video watermarking, particle swarm optimization, two-dimensional mapping

刘争艳，李絮，王峰. 基于粒子群优化及二维映射的视频水印算法[J]. 计算机工程与应用, 2011, 47(35): 88-91.

LIU Zhengyan，LI Xu，WANG Feng. Video watermarking scheme based on particle swarm optimization and two-dimensional mapping relationship[J]. Computer Engineering and Applications, 2011, 47(35): 88-91.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[4]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[5]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[6]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[7]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.
[8]	胡震，邹德旋，张旭. R-dPSO算法及其在ATO控制策略中的应用[J]. 计算机工程与应用, 2018, 54(24): 212-220.
[9]	何明慧1，徐怡1，2，王冉1，胡善忠1. 改进的粒子群算法优化神经网络及应用[J]. 计算机工程与应用, 2018, 54(19): 107-113.
[10]	常红伟1，夏克文1，2，白建川1，2，牛文佳1，武盼盼1. 采用云量子PSO的属性约简方法[J]. 计算机工程与应用, 2018, 54(10): 99-104.
[11]	南敬昌，田娜. 基于改进粒子群算法的模糊小波神经网络建模[J]. 计算机工程与应用, 2017, 53(3): 120-123.
[12]	颜宏文，邹丹. 基于关联规则的PSO-Elman短期风速预测[J]. 计算机工程与应用, 2017, 53(23): 261-266.
[13]	翁理国，王骥，夏旻，纪壮壮. 自适应种群更新策略的多目标粒子群算法[J]. 计算机工程与应用, 2017, 53(15): 181-186.
[14]	张军，王远强，朱新山. 改进PSO优化神经网络的短时交通流预测[J]. 计算机工程与应用, 2017, 53(14): 227-231.
[15]	李冰1，2，王虎3，王锐4. 客户群及个体服务选择影响因子研究[J]. 计算机工程与应用, 2017, 53(13): 21-28.