基于熵特征融合的拷贝检测方法研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (16): 80-84.

基于熵特征融合的拷贝检测方法研究

尚月赟1，马龙飞2，叶登攀2

1.中南民族大学数学统计学院，武汉 430074
2.武汉大学计算机学院，武汉 430072

出版日期:2012-06-01 发布日期:2012-06-01

Research of entropy feature fusion based copy detection method

SHANG Yueyun1, MA Longfei2, YE Dengpan2

1.School of Mathematics and Statistics, South-Central University for Nationalities, Wuhan 430074, China
2.Computer School, Wuhan University, Wuhan 430072, China

Online:2012-06-01 Published:2012-06-01

摘要/Abstract

摘要： 目前流行的社会网络为媒体分发带来极大便利，但同时带来一系列的安全隐患，例如隐私、盗版、敏感内容泄露等等。为追踪非法拷贝，针对版权保护的多媒体内容拷贝检测技术是一个研究热点。传统的拷贝检测方法难以做到分块结构和几何鲁棒性的统一，提出了一种基于熵矩阵的特征值特征和变换矩阵特征的融合方法，用于拷贝的特征匹配，利用SVM技术对融合效果进行了验证。实验证明，除改善了检测率外，对噪声、压缩、旋转、缩放等处理有一定的鲁棒性。

关键词: 图像熵, 特征融合, 拷贝检测

Abstract: Nowadays, social network multimedia websites are great convenient for the content distribution while it brings some security problems, such as privacy, piracy, disclosure of sensitive contents and so on. Aiming at copyright protection, the copy detection technology of multimedia contents becomes a hot topic. Previous block based copy detecting methods are sensitive to geometry attacks, an image copy detection method based on eigen value feature and the transfer matrix feature of the entropy matrix are used for copy matching. SVM technology is used to verify the fusion result. The experiments show that the detection rate is improved while it can achieve some robustness to noise, compression, rotation and scale etc.

Key words: image entropy, feature fusion, copy detection

尚月赟1，马龙飞2，叶登攀2. 基于熵特征融合的拷贝检测方法研究[J]. 计算机工程与应用, 2012, 48(16): 80-84.

SHANG Yueyun1, MA Longfei2, YE Dengpan2. Research of entropy feature fusion based copy detection method[J]. Computer Engineering and Applications, 2012, 48(16): 80-84.

[1]	陆莉霞，邹俊忠，郭玉成，张见，王蓓. 多模态融合的膝关节损伤预测[J]. 计算机工程与应用, 2021, 57(9): 225-232.
[2]	王玲，王家沛，王鹏，孙爽滋. 融合注意力机制的孪生网络目标跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 169-174.
[3]	李明山，韩清鹏，张天宇，王道累. 改进SSD的安全帽检测方法[J]. 计算机工程与应用, 2021, 57(8): 192-197.
[4]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[5]	韩文静，罗晓曙，杨日星. 一种复合型手势识别方法研究[J]. 计算机工程与应用, 2021, 57(4): 108-113.
[6]	赵辉，李志伟，方禄发. 特征信息增强的单发多框检测器算法[J]. 计算机工程与应用, 2021, 57(4): 148-154.
[7]	王殿伟，赵梦影，刘颖，宋海军，谢永军. 改进的R-SSD全景视频图像车辆检测算法[J]. 计算机工程与应用, 2021, 57(3): 189-195.
[8]	肖瑞雪，冯英伟，屈建萍. 结合高效特征融合的可变尺寸图像隐写分析[J]. 计算机工程与应用, 2021, 57(24): 126-134.
[9]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[10]	滕金保，孔韦韦，田乔鑫，王照乾，李龙. 基于CNN和LSTM的多通道注意力机制文本分类模型[J]. 计算机工程与应用, 2021, 57(23): 154-162.
[11]	王传昱，李为相，陈震环. 基于语音和视频图像的多模态情感识别研究[J]. 计算机工程与应用, 2021, 57(23): 163-170.
[12]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[13]	左健豪，姜文刚. 自适应融合特征的人群计数网络[J]. 计算机工程与应用, 2021, 57(21): 203-208.
[14]	薄景文，张春堂，樊春玲，李海菊. 改进YOLOv3的矿石输送带杂物检测方法[J]. 计算机工程与应用, 2021, 57(21): 248-255.
[15]	张睿，宋荆洲，李思昊. 基于无锚点机制与在线更新的目标跟踪算法[J]. 计算机工程与应用, 2021, 57(20): 210-220.